Energetica 226. Mayo 2023

fotovoltaicas ya en funcio- namiento por saturación, o se pueden encender centrales de generación adicionales (por ejemplo, centrales eléctricas tradi- cionales) para satisfacer la demanda de energía. 7. Análisis del rendimien- to de los proyectos. La IA puede utilizarse para supervisar y optimizar el rendimiento de los pro- yectos de energía solar fotovoltaica en tiempo real. Los algoritmos de IA pueden analizar datos de sensores y otros disposi- tivos de supervisión para identificar problemas e ineficiencias y recomendar ajustes para mejorar el ren- dimiento. Enertis Applus+ ha desarrollado herra- mientas digitales específicas basadas en IA, como el Advanced Performance Analytics Application (A-PAA) y el Smart PV Inspection Tool (SPI), para realizar tareas relacionadas con los puntos (1), (3) y (4). La gestión de una planta fotovoltaica su- pone llevar a cabo un mantenimiento ade- cuado de los equipos in situ para maximizar la producción de energía. Esta tarea puede suponer un importante reto, ya que en un mismo proyecto fotovoltaico puede haber miles de módulos y cientos de inversores. Hasta hace pocos años, los propietarios de los proyectos tenían que contratar a un pro- fesional autorizado para que recorriera el emplazamiento y tomara fotos y escaneos infrarrojos de una muestra representativa de módulos. A continuación, hacía recomenda- ciones generales sobre cómo proceder para reparar y sustituir los módulos defectuosos, o incluso cómo corregir las expectativas de producción de energía. Estos procesos pue- den llevar mucho tiempo, sobre todo cuan- do los módulos se envían a un laboratorio de pruebas externo. Esto significa que pueden pasar semanas antes de que se descubran y resuelvan los problemas sistémicos, lo que repercute negativamente en las oportunida- des de financiación del proyecto, así como en los plazos de los contratos de compraven- ta a largo plazo de energía (Power Purchase Agreement o PPA, por sus siglas en inglés) y de construcción. Los recientes avances en tecnología y de- sarrollo de software han proporcionado una solución para acelerar estos largos procesos mediante una combinación de vuelos con drones dotados de cámaras IR y modelos de IA. El Smart PV Inspection Tool (SPI), por ejemplo, aporta velocidad y precisión a este tipo de inspecciones. La herramienta es capaz de procesar, en cuestión de minutos, los mi- les de imágenes que se recogen de los vuelos, buscando múltiples tipos de defectos que puedan afectar al rendimiento de un activo, clasificando automáticamente su criticidad y geolocalizando los módulos defectuosos dentro de la planta. Además, el SPI garantiza la entrega de los resultados finales en un par de días, lo que permite una respuesta rápida por parte de los propietarios del proyecto. El tiempo de inspección se puede optimizar aún más utilizando laboratorios móviles, que pueden enviarse a la planta fotovoltaica para realizar pruebas in situ a los módulos defec- tuosos, ahorrando tiempo y dinero. El análisis del rendimiento de los activos es otro punto central en el que la IA está ayudando a los analistas a obtener más in- formación a partir de los datos registrados por los sistemas SCADA. El análisis de ren- dimiento mensual tradicional proporciona una visión de más alto nivel del estado del sistema y no puede informar sobre cuánta producción se pierde debido a eventos de inactividad u otras razones. La combinación de herramientas avanzadas de Data Science y modelos ML ha abierto nuevas fronteras, permitiendo el procesamiento de datos a cualquier nivel jerárquico de componen- tes y a intervalos pequeños, como un paso temporal de un minuto. Como ejemplo de esta apli- cación, en Enertis Applus+ se utiliza el Advanced Perfor- mance Analytics Application (A-PAA) para calcular métri- cas clave, como la evolución real de la producción de cada componente, cuánta energía se ha perdido durante deter- minados periodos de inacti- vidad desde el nivel de con- tador hasta el nivel de string, y el comportamiento óptimo de los distintos tipos de dis- positivos en función de sus datos históricos. También se pueden realizar análisis independientes para determinar las pérdidas debidas a diferentes causas, como la degradación de los equipos a largo plazo, los recortes impuestos por la compañía eléctrica, los módulos sucios, los seguidores a un eje que no funcionan y para calcular las pérdidas óhmicas reales entre el inversor y el punto de interconexión. Al igual que con otras herramientas de IA, los resultados pueden utilizarse para ayudar a afi- nar las expectativas de P50 de cara al futuro, así como para informar a los propietarios de los proyectos y a los gestores de activos de las causas más probables del bajo rendimiento. Otro elemento atractivo de la herramienta es su capacidad para procesar cualquier tipo de información proporcionada, independiente- mente del formato de datos utilizado. Por lo tanto, si un portfolio cuenta con varias plantas fotovoltaicas con diferentes sistemas SCADA, todas ellas pueden integrarse en una única plataforma, centralizando así la información y permitiendo una comparación directa del rendimiento de todos los activos. En conclusión, está claro que las aplicacio- nes de IA ya están desempeñando un papel clave en la transformación del sector solar fotovoltaico, ya que contribuyen a mejorar la eficiencia y la seguridad de los proyectos y a impulsar la transición hacia un sistema energético más sostenible. De cara al futuro, cabe esperar que también aumente la inves- tigación sobre los modelos de lenguaje am- plio (Large Language Models, o LLM por sus siglas en inglés), para explorar su impacto en nuestra industria. Se avecinan tiempos apa- sionantes para la energía limpia ◉ Cálculo de la tasa de acumulación diaria de suciedad de un emplazamiento y de las pérdi- das reales en función de los datos de producción del activo. solar fotovoltaica 69 ENERGÉTICA XXI · 226 · MAY 23