Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Revista Facultad de Ingeniería Universidad de Antioquia
Print version ISSN 0120-6230On-line version ISSN 2422-2844
Abstract
BENAVIDES, Darío Javier et al. Método de monitoreo y detección de fallos en el sistema fotovoltaico basado en aprendizaje automático. Rev.fac.ing.univ. Antioquia [online]. 2022, n.102, pp.26-43. Epub Oct 08, 2021. ISSN 0120-6230. https://doi.org/10.17533/udea.redin.20200694.
Los métodos de aprendizaje automático se han utilizado para resolver problemas prácticos complicados en diferentes áreas y se están volviendo cada vez más populares hoy en día. El propósito de este artículo es evaluar la predecición de la producción de energía de tres sistemas fotovoltaicos diferentes y la supervision de sensores de medición, por medio un aprendizaje automático y minería de datos en respuesta al comportamiento de las variables climáticas del lugar en estudio. Por otro lado, también incluye la implementación de los modelos resultantes en el sistema SCADA por medio de indicadores, que permitirá al operador gestionar activamente la red eléctrica. Ademas ofrece una estrategia en la simulación y predicción en tiempo real de sistemas fotovoltaicos y sensores de medición en el concepto de redes inteligentes.
Keywords : Inteligencia artificial; fuentes de energía renovable; supervisión.