Ingeniería Electrónica · 2021
Prototipo de un módulo de análisis de datos para plantas de generación fotovoltaica mediante la aplicación de técnicas de aprendizaje automático en el contexto del sistema SCADA Axon Builder
RESUMEN : El aumento de la demanda de energía limpia y renovable ha provocado un auge exponencial en la búsqueda e implementación de sistemas de generación de energía fotovoltaica. Por su parte, Axon Group es una empresa dedicada a la distribución de productos y servicios para la automatización del sector eléctrico, entre ellos el SCADA Axon Builder (AB), el cual es un producto para la supervisión control y adquisición de datos (SCADA/IHM), el propósito de este trabajo fue en primera medida realizar un acercamiento al control de sistemas fotovoltaicos para su posible integración con el AB, por medio del diseño de un prototipo funcional que aplique técnicas de predicción en el contexto de la generación de energía en sistemas fotovoltaicos, lo cual se desarrolló sobre .NET y fue implementado en el lenguaje c#. Para llegar al prototipo final se ejecutaron diferentes etapas entre ellas: la exploración de los sistemas fotovoltaicos, la definición de variables de interés, el prototipado de modelos en Python y la apropiación de librerías e implementación bajo entorno .NET, entre otras.
Texto completo 33 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Figura 1 Esquema de una neurona artificialp. 11
- Figura 2 Red de 4 capas de neuronas artificialesp. 12
- Figura 3 Muestra de datos (potencia e irradiancia por días)p. 19
- Figura 4 Muestra de datos filtrados (potencia e irradiancia)p. 20
- Figura 5 Matriz de correlación para el Datasetp. 21
- Figura 6 Resultado de la autocorrelación de la serie de datos con frecuencia de 60 minp. 22
- Figura 8 Resultado de las predicciones realizadas con el modelop. 23
- de submuestreop. 24
- Figura 10 Arquitectura ANN para predicción de potencia en sistemas solares seleccionadap. 25
- Figura 11 Predicción de potencia con ANNp. 25
- Figura 12 Error cuadrático medio en función de las iteraciones del modelop. 26
- Figura 13Interfaz prototipo funcional implementado en C#p. 26
- Figura 14 Gráfica de variables en el área de visualizaciónp. 27
- Figura 15 Lista de Checkbox para selección de variables de interés por el usuariop. 27
- Figura 16 Variable seleccionada por el usuario mediante Checkboxp. 27
- Figura 17 Submenú, elección de técnica de entrenamientop. 28
- Figura 18 Selección de parámetros para entrenamiento o carga de modelop. 28
- ANNp. 29