1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Mecánica y Ciencias de la Producción
4. Tesis de Maestría en Sistemas de Energía

Título :	Diseño de un sistema de alertas para el mantenimiento predictivo en paneles solares instalados en edificios
Autor :	Montero Orellana, Carlos Stalin Córdova García, José Eduardo, Director
Palabras clave :	Planta fotovoltaica o planta FV Panel fotovoltaico Inversor Machine learning Mantenimiento predictivo y clústeres
Fecha de publicación :	13-jun-2025
Editorial :	ESPOL.FIMCP
Citación :	Montero Orellana C.S. (2024). Diseño de un sistema de alertas para el mantenimiento predictivo en paneles solares instalados en edificios [Proyecto de Titulación]. Escuela Superior Politécnica del Litoral
Descripción :	CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El presente proyecto consistió en un diseño de sistema de alertas para el mantenimiento predictivo en los paneles solares existente en un edificio. Esto tiene la finalidad de manejar un sistema más eficiente con la aplicación de machine learning o aprendizaje automático. La planta fotovoltaica objeto de estudio tiene una capacidad de instalación de 50kW existente y ubicada en la terraza del edificio 6A del Rectorado de la Universidad Superior Politécnica del Litoral “ESPOL”, cuya institución se dedica a la conducción, dirigencia e implantación de las políticas de la institución académica. Esta inyección de energía por parte de la planta fotovoltaica conectada a la red, le genera a la institución la necesidad de bajar los costos por el consumo eléctrico que suministra la empresa distribuidora de electricidad del País. El objetivo del proyecto es plantear un sistema que detecte anomalías para la eficiencia en la generación de energía eléctrica de la planta fotovoltaica a través del mantenimiento predictivo que se pueda diseñar conforme a los resultados analizados. Lo primero que se realizó fue una descripción técnica de los equipos existente que conforman el sistema de conexión interconectado de la planta fotovoltaica y la red de distribución eléctrica, el cual la FV está conformada por 180 unidades paneles solares, 6 inversores de 10 kW, 4 antenas operativas de comunicación, disyuntores de protección en baja tensión y accesorios adicionales como se muestra en el diagrama unifilar de conexión interna y con la red eléctrica de la empresa distribuidora del País. Una vez revisado las conexiones y funcionamiento de la planta fotovoltaica, se procede al registro de los datos de energía mensual por los años 2020, 2021, 2022 y 2023, cuya información obtenida es a través de la data base y lo registrado en cada inversor. Se toma la decisión de usar la información levantada diariamente que consta en cada inversor porque en la data base no están registrado toda la información de la producción de energía por la falta de comunicación de dos inversores, entonces con la información referente a los datos históricos completas de la generación de energía fotovoltaica se procede a clasificar por cada inversor (6 unidades) y por el total de la planta FV, cuya base de datos se lo registro en una tabla de fácil acceso. Al tener un conjunto de datos, se procede con el análisis de las alarmas a través de la aplicación de machine learning no supervisado el cual aplicamos el algoritmo de k-means ya que nos permite detectar anomalías o valores atípicos que existe en II determinados grupos o clústeres que se forma conforme a las distribuciones de los mismo. Dando como resultados 26 anomalías, 3 clúster y una variación porcentual promedio de producción de energía eléctrica de 87.85% de eficiencia. En conclusión, se recomienda instalar dos antenas wifi para recibir mejor la información de las variables de datos, registrar las alarmas en el databoards, mantenimiento preventivo, calibración de los equipos, ajuste de terminales y si hay la posibilidad económica de añadir otros sensores que entreguen nuevas variantes que mejoren el análisis, control y eficiencia producción de energía eléctrica.
URI :	http://www.dspace.espol.edu.ec/handle/123456789/66348
metadata.dc.identifier.codigoproyectointegrador:	POSTG154
Aparece en las colecciones:	Tesis de Maestría en Sistemas de Energía

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.