Resumen
Data mining techniques have been used on data collected from a photovoltaic system to predict its generation and performance. Nevertheless, up to date, this computing approach has needed the simultaneous measurement of environmental parameters that are collected by an array of sensors. This chapter presents the application of several computing learning techniques to electrical data in order to detect and classify the occurrence of failures (i.e. shadows, bad weather conditions, etc.) without using environmental data. The results of a 222kWp (CdTe) case study show how the application of computing learning algorithms can be used to improve the management and performance of photovoltaic generators without relying on environmental parameters.
Lucía Serrano-Luján
Contratada Doctor Interina
Lucía Serrano-Luján es Profesora Contratada Doctor interina en el Departamento de Informática y Estadística. Su campo de investigación es multidisciplinar. Es experta en la aplicación de la metodología de Análisis del Ciclo de Vida para evaluar las energías renovables y ha aplicado la IA a sus datos. Su principal objetivo es influir en la producción de materiales relacionados con la energía y encontrar una forma más sostenible de desarrollarlos. Ha aplicado el ACV para reducir el óxido de grafeno y las células solares de perovskita, construir sistemas fotovoltaicos integrados, etc.