Tecnologías Fotovoltaicas Avanzadas
Energía Solar
Experimental Study of Bifacial Photovoltaic Module Performance on a Sunny Day with Varying Backgrounds Using Exergy and Energy Analysis
Estudio experimental del rendimiento de un módulo fotovoltaico bifacial en un día soleado con fondos variables mediante análisis de exergía y energía
Este artículo presenta una investigación sobre el rendimiento de los módulos fotovoltaicos bifaciales en distintas condiciones de fondo, concretamente hierba verde, arcilla marrón y grava blanca, en un día soleado. Aprovechando tanto el análisis exergético como el energético, los autores buscan proporcionar una evaluación exhaustiva de la eficiencia de los módulos bifaciales en comparación con los módulos monofaciales tradicionales. El montaje experimental simula diversos entornos de instalación, incluidos tejados y sistemas instalados en el suelo, variando la reflectancia del fondo. Los resultados revelan que los módulos bifaciales instalados sobre fondos de grava blanca alcanzan el perfil exergético y la eficiencia más elevados durante los periodos de máxima radiación solar, lo que se atribuye a la mayor reflectividad de la grava blanca. Estos resultados pueden servir de base para la toma de decisiones estratégicas sobre la selección y colocación de módulos bifaciales para optimizar la producción de energía y exergía en escenarios reales.
Este documento es un articulo elaborado por A. F. Almarshoud, M. A. Abdel Halim, Radwan A. Almasri y Ahmed M. Alshwairekh (Universidad de Qassim, Arabia Saudí) para la revista Energies Vol. 17 Núm. 21. Publicación de MDPI. Contacto: [email protected]
Artificial-Intelligence-Based Detection of Defects and Faults in Photovoltaic Systems: A Survey
Detección de defectos y fallos en sistemas fotovoltaicos basada en inteligencia artificial: Un estudio
El cambio global hacia la energía sostenible ha situado a los sistemas fotovoltaicos como un componente crítico en el panorama de las energías renovables. Los métodos tradicionales, basados en inspecciones manuales y mediciones eléctricas estándar, han demostrado ser inadecuados, especialmente para instalaciones solares a gran escala. La aparición del aprendizaje automático y el aprendizaje profundo ha despertado un gran interés en el desarrollo de estrategias computacionales para mejorar la identificación y clasificación de los fallos del sistema fotovoltaico. Este artículo propone un novedoso enfoque basado en IA que optimiza la detección y clasificación de fallos en sistemas fotovoltaicos, abordando los vacíos existentes en la detección de fallos basada en IA, especialmente en términos de imágenes térmicas y análisis de curvas de corriente-tensión. Los resultados pretenden avanzar en el estado de la tecnología, ofreciendo ideas sobre soluciones más eficientes y prácticas para la gestión de fallos en sistemas fotovoltaicos.
Este documento es un articulo elaborado por Ali Thakfan y Yasser Bin Salamah (Universidad Rey Saud, Arabia Saudí) para la revista Energies Vol. 17 Núm. 19. Publicación de MDPI. Contacto: [email protected]
