Revista científica en investigación, Desarrollo Tecnológico, e Innovación que permite la divulgación científica desde el eje cafetero al resto del mundo.
Clasificación automática de defectos de paneles solares aplicando aprendizaje de máquina
PDF (Español (España))

Como Citar

Castillo-Méndez, R. (2023). Clasificación automática de defectos de paneles solares aplicando aprendizaje de máquina. Revista TEINNOVA, 7(1). https://doi.org/10.23850/25007211.5750

Resumo

Este trabajo presenta el avance realizado en el desarrollo e implementación de una interfaz para la detección automática de defectos en paneles solares fotovoltaicos, aplicando aprendizaje de máquina, proyecto ejecutado en el Centro de Electricidad, Electrónica y Telecomunicaciones, con el objetivo de contribuir con el mejoramiento del proceso de verificación de defectos de los paneles solares a los que se les realiza el ensayo de Electroluminiscencia (EL) en el Laboratorio de Ensayos de Paneles Solares (LEPS). Se presentan definiciones y aspectos básicos de Machine Learning, los principales defectos de los paneles solares que pueden identificarse en las imágenes EL y una descripción de alto nivel de la solución propuesta.

https://doi.org/10.23850/25007211.5750
PDF (Español (España))

Referências

Ahmad, J., Ciocia, A., Fichera, S., Murtaza, A. F., & Spertino, F. (2019). Detection of typical defects in silicon photovoltaic modules and application for plants with distributed MPPT confi guration. Energies, 12, 1–26. https://doi.org/10.3390/en12234547

Gavilan, I. (2017). Clasifi cadores: el encuentro entre Data Science, Machine Learning y Redes Neuronales. Clasifi cadores: El Encuentro Entre Data Science, Machine Learning y Redes Neuronales. http://bluechip.ignaciogavilan.com/2017/06/clasificadores-el-encuentro-entredata.html#.YZ0Pe9DMLIU

Haba, C. G. (2019). Monitoring Solar Panels using Machine Learning Techniques. Proceedings of 2019 8th International Conference on Modern Power Systems, MPS 2019. https://doi.org/10.1109/MPS.2019.8759651

Hurwitz, J., & Kirsch, D. (2018). Machine Learning. In Journal of the American Society for Information Science (Vol.35, Issue 5). John Wiley & Sons, Inc.

Kelleher, J. D., Mac Namee, B., & D’Arcy, A. (2015). Fundamentals of Machine Learning for Predictive Data Analytics (T. M. Press, Ed.). The MIT Press.

Köntges, M., Kurtz, S., Packard, C. E., Jahn, U., Berger, K., Kato, K., Friesen, T., Liu, H., & Van Iseghem, M. (2014). Review of failures of photovoltaic modules. In IEA-Photovoltaic Power Systems Programme. International Energy Agency.

Salazar-Peralta, A., Pichardo-Salazar, A., Pichardo-Salazar, U., & Chavez, R. H. (2018). Estudio para detección de defectos en Paneles Solares por medio de la Técnica de Electroluminiscencia. Revista de Ingeniería Eléctrica, 2(5), 1–9.

SAP Insights. (2022). ¿Qué es machine learning? ¿Qué Es Machine Learning? - Defi nición, Tipos y Ejemplos. https://www.sap.com/latinamerica/insights/what-is-machine-learning.html

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright (c) 2023 Revista Teinnova

Downloads

Não há dados estatísticos.