El proyecto Doctor-PV (Desarrollo de herramientas Optimizadas de operación y mantenimiento predictivo de Plantas fotovoltaicas) se está llevando a cabo por un consorcio investigador liderado por MAETEL, en el que también participan Gas Natural Fenosa Engineering, Iberdrola Renovables, Pariver, Visiona, la Universidad Pública de Navarra, la Universidad de Valladolid y CIRCE.

El proyecto es una iniciativa que persigue mejorar el rendimiento de las plantas fotovoltaicas por medio de un nuevo método de mantenimiento predictivo, que aprovechará y combinará las técnicas más prometedoras del mercado de forma pionera, permitiendo la detección precoz de anomalías e identificación de fallos en plantas fotovoltaicas de una forma totalmente automatizada. La combinación de estas metodologías permitirá una mejor planificación de los trabajos de operación y mantenimiento, así como la anticipación a los fallos, reduciendo las pérdidas energéticas asociadas al mal funcionamiento y optimizando su rendimiento global.

Este proyecto, con número de expediente RTC-2017-6712-3, ha sido financiado por el Ministerio de Ciencia, Innovación y Universidades – Agencia Estatal y cofinanciado por la Unión Europea a través del Fondo Europeo de Desarrollo Regional (FEDER), con 1,1 millones de Euros, con un plazo de ejecución de dos años y medio (julio 2018 – diciembre 2021), dentro de la convocatoria Retos-Colaboración 2017 que apoya proyectos en cooperación entre empresas y organismos de investigación, cuyo objetivo es promover el desarrollo tecnológico, la innovación y una investigación de calidad.

El proyecto combina las técnicas más prometedoras relacionadas con el mantenimiento predictivo, mantenimiento basado en la condición de todos los elementos de la planta y en medidas de electroluminiscencia (EL) y termografía infrarroja (TIR), ambas combinadas e implementadas en drones para realizar las tareas de inspección al mismo tiempo en un mismo vuelo, suponiendo una de las grandes innovaciones de este proyecto de I+D+i.

Para realizar el mantenimiento predictivo en base a la condición, se emplearán métodos de machine learning o aprendizaje automático que permitan detectar de manera anticipada los fallos en los principales componentes de la planta.