Predicción de limpieza de paneles solares fotovoltaicos mediante algoritmos de Machine Learning implementados en lenguaje node.js

Abstract

[ES] En un contexto donde la energía solar juega un papel fundamental, contribuyendo a la sostenibilidad y eficiencia energética en un mundo en constante evolución hacia fuentes de energía más limpias y renovables, se plantea el siguiente desafío: optimizar la gestión de campos solares fotovoltaicos. Para ello, nos enfocaremos en uno de los principales problemas de eficiencia: la suciedad acumula en las placas solares.

El objetivo de este trabajo de fin de grado es lograr la predicción óptima del momento adecuado para llevar a cabo la limpieza de un campo solar fotovoltaico dentro de una planta solar fotovoltaica. Para ello, se calculará la potencia generada ideal y se comparará con la potencia generada real, con el fin de estimar cuándo es necesario limpiar los paneles. Además, se tendrá en cuenta el costo de la limpieza del campo solar fotovoltaico y se realizará una predicción de lluvia a 7 u 15 días. Todos estos cálculos se llevarán a cabo mediante la aplicación de técnicas de Machine Learning y se implementarán utilizando el lenguaje Node.js.

[EN] In a context where solar energy plays a fundamental role, contributing to sustainability and energy efficiency in a world constantly evolving towards cleaner and renewable energy sources, the following challenge arises: optimizing the management of photovoltaic solar fields. To achieve this goal, we will focus on addressing one of the primary efficiency issues: the accumulation of soiling on solar panels.

The objective of this final degree project is to achieve the optimal prediction of the right time to carry out the cleaning of a photovoltaic solar field within a photovoltaic solar plant. For this purpose, the ideal produced power will be calculated and compared with the real produced power, in order to estimate when it is necessary to clean the panels. In addition, the cost of cleaning the solar PV field will be taken into account and a 7- or 15-day rainfall prediction will be made. All these calculations will be carried out through the application of Machine Learning techniques and will be implemented using the Node.js language.