Con el objetivo de predecir fallas fotovoltaicas y mejorar el mantenimiento de los Paneles Solares PVS instalados en zonas rurales del país, docentes y estudiantes de la Facultad de Ingeniería Eléctrica y Electrónica de la Universidad Nacional del Centro del Perú (UNCP) desarrollaron el sistema Mashiderming, un algoritmo matemático con inteligencia artificial para optimizar el servicio eléctrico.
El trabajo de investigación presenta una metodología para corregir mediciones experimentales fotovoltaicas erróneas, validada a través de 12 estudios de caso con más de 5,000 puntos de datos, mostrando mejoras significativas en la corrección de datos para variables meteorológicas y eléctricas en sistemas fotovoltaicos.
“El Machine Learning, detectará fallas en los paneles solares portadores de energía eléctrica otorgados por el Estado, el usuario no esperará más de tres meses para su reparación, sino ya está programado en el sistema que maneja la empresa prestadora”, indicó David Condezo Hurtado, docente investigador de la Facultad de Ingeniería Eléctrica y Electrónica.
“La investigación duró dos años y fue financiada por el Programa Nacional de Investigación Científica y Estudios Avanzados (PROCIENCIA), que mostró su interés, ya que de cada 100 paneles solares instalados 20 presentan defectos y su reparación está supeditado al tiempo y distancia, por lo que las familias son perjudicadas en el uso de sus equipos eléctricos”, comentó Marko Orihuela Lazo, integrante del grupo Energy Systems (EES) Research Group.
“Para recolectar información y realizar un diagnóstico, visitamos las comunidades campesinas de San Juan de Jarpa, Cachi y Chupuro en Chupaca, notamos que el uso del equipo fotovoltaico es de tres horas diarias para recargar sus celulares y escuchar radio, por lo que el tiempo útil del panel solar es de cinco años, pasado este lapso sufre fallas”, explicó José Galarza Linares, responsable técnico del proyecto.
