Resumen

El diagnóstico de fallos de las matrices fotovoltaicas (FV) desempeña un papel importante en el funcionamiento seguro y fiable de los sistemas FV. En este artículo se analiza la distribución de los datos de funcionamiento diario de los sistemas fotovoltaicos en diferentes condiciones de funcionamiento. Los resultados muestran que la distribución de los datos presenta una agrupación no esférica significativa, el centro de la agrupación tiene una distancia relativamente grande de cualquier punto con una densidad local más alta y el número de agrupaciones no se puede predeterminar. Basándose en estas características, se propone un enfoque de agrupación basado en picos de densidad para agrupar automáticamente los datos fotovoltaicos. A continuación, se emplea un conjunto de datos etiquetados con diversas condiciones para calcular el vector de distancia mínima entre cada clúster y los datos de referencia. Según el vector de distancia, los clusters pueden identificarse y clasificarse en varias condiciones y/o fallos. Los resultados de la simulación demuestran la viabilidad del método propuesto en el diagnóstico de ciertos fallos que se producen en un campo fotovoltaico. Además, se establece un sistema fotovoltaico de 1,8 kW conectado a la red con un conjunto fotovoltaico de 6×3 y se prueba experimentalmente para investigar el rendimiento del método desarrollado.

• Materias:Energía solar Fotoquímica Fotocatálisis Nanoestructuras Efecto fotoeléctrico
• Subjects:Solar energy Photochemistry Photocatalysis Nanostructures Photoelectric effect
• Palabras claves:conjunto fotovoltaico, sistemas fotovoltaicos, diversas condiciones, diferentes condiciones de funcionamiento, mayor densidad local, vector de distancia mínima, agrupación no esférica significativa, datos, método, diagnóstico de fallos
• Keywords:pv array, pv systems, various conditions, different operating conditions, higher local density, minimum distance vector, significant nonspherical clustering, data, method, fault diagnosis