Mejora de eficiencia de la generación fotovoltaica con Machine Learning

Indicadores y procesos de mejora

Indicadores de mejora

1. Incremento energía generada

2. Seguridad de las placas ante eventos de viento fuertes

3. Incremento de eficiencia en motores de movimiento de los seguidores solares

Cuantificación/Estimación reducción consumo

Estimación 1-4% de aumento de generación

Estimación 10-20% aumento eficiencia de los seguidores

Cuantificación/Estimación reducción emisiones CO2

Esta en situación de piloto, pero la estimación depende del número de instalaciones en las que se introduzca en producción.

Estimando unos 300g de CO2 por Kwh (Informes CNMC huella de carbono) podemos estimar que mediante estos algoritmos de eficiencia se podrían generar 100-300 GWh adicionales al año, esto serían 300 Toneladas CO2 por GWh o sea un potencial de reducción hasta 90.000 Tm CO2

Innovación aplicada y buenas prácticas

Predicción de viento a corto plazo usando tecnologías de inteligencia artificial (Machine Learning)

– Algoritmos de predicción

– Redes neuronales

Predicción a corto plazo eólica

Inclusión de márgenes de seguridad para evitar daños en las instalaciones.

Usabilidad de Tecnologías de la Información y Comunicaciones

IoT, uso de sensores remotos en las instalaciones fotovoltaica

Inteligencia Artificial, uso de rutinas de inteligencia artificial

Cloud, apificación de las rutinas y su reentrenamiento y gestión en la nube

5G, en cuanto esté disponible tecnología 5G ésta se utilizará para asegurar la conectividad