Real Time Fault Detection in Photovoltaic Systems

Ali2017

Se propone un método para monitorear en tiempo real el diagnóstico de fallas en

sistemas fotovoltaicos. Este enfoque se basa en una comparación entre los
rendimientos de un módulo fotovoltaico defectuoso, con su modelo preciso
mediante la cuantificación del residuo diferencial específico que se asociará con
él.

Se consideran algunas fallas, como: fallas de resistencia de interconexión y

diferentes patrones de sombreado. La técnica propuesta puede generalizarse y
extenderse a más tipos de fallas. El diagnóstico de fallas se determinará fijando
un umbral normal y uno de falla para cada falla. Estos umbrales se calculan en
función de la norma euclidiana entre la medición ideal y la normal. El diagnóstico
además permite la detección, el aislamiento y la identificación de una falla que
alcanzó un umbral crítico. La detección de esta falla consiste en indicar si
aparece una falla en el sistema en cuestión. El aislamiento de una falla está
destinado a localizar el componente fallado y luego viene la identificación de su
naturaleza. En general, esto es para comparar el umbral de condición defectuosa
con la operación del sistema en condición nominal. Hay muchos enfoques y la
elección de una técnica depende de:
- Conocimiento de la historia de los eventos del sistema.
- El conocimiento del sistema experto
- Datos recogidos en el sistema en condiciones normales de
funcionamiento
- Un modelo conocido del sistema.

El diagnóstico se basa en un modelo preciso de dos diodos de un módulo

fotovoltaico y permite calcular el umbral característico de normalidad y el umbral
de falla en cinco casos. La huella eléctrica de las cinco fallas consideradas se
establece a partir de las deformaciones observadas en sus curvas asociadas y
se valida mediante numerosas pruebas de campo. Estas deformaciones
cambian los tres puntos principales y las pendientes de los tres parámetros
asociados para cada curva. La detección de fallas se realiza comparando una
potencia estimada ideal con el rendimiento medido. El reconocimiento de la
ocurrencia de una falla se realiza utilizando el método de umbral de las señales
residuales. Este método utilizado, es adecuado para huellas eléctricas de fallas
seleccionadas ubicadas en el modelo basado en Simscape de un panel
fotovoltaico. La detección e identificación de fallas se realiza correctamente con
este enfoque para cada caso evaluado. Sin embargo, el tiempo de detección
depende de la velocidad de la prueba de flash. Además, la distinción entre las
huellas eléctricas de diferentes fallas puede ser distorsionada por el ruido. Esto
podría mostrar el interés de un procesamiento anti-ruido eficiente. (Por ejemplo,
prueba de Wald...). A nivel mundial, este enfoque de diagnóstico permite una
buena detección de las fallas consideradas.
 Fault detection and diagnosis methods for photovoltaic systems: A review.

Melit2018

Los fallos en cualquier componente de los sistemas fotovoltaicos (PV) y sistemas

fotovoltaicos autónomos, conectados a la red o híbridos pueden afectar
seriamente la eficiencia, el rendimiento energético, así como la seguridad y
Fiabilidad de toda la planta fotovoltaica, si no se detecta y corrige rápidamente.

En este documento, se presentan los tipos y las causas de las fallas de los
sistemas PV (PVS), cualquier tipo de falla que ocurra en PVS conducen
automáticamente a riesgos de seguridad inesperados, menor eficiencia,
disponibilidad de energía, confiabilidad y seguridad de los sistemas.

La detección y el diagnóstico de fallas (FDD) para plantas fotovoltaicas

conectadas a la red (GGPV) es una tarea fundamental para proteger los
componentes de PVS (módulos, baterías e inversores), especialmente PVM,
contra daños y eliminar posibles riesgos de incendio. La tarea principal de
detección de fallas (FDe), en PVS, consiste en comparar la diferencia entre los
parámetros medidos y calculados con valores de referencia, para verificar la
ocurrencia de cualquier falla, mientras que el método de diagnóstico de fallas
(FDi) tiene como objetivo identificar tipo de fallas y localizar en base a
conocimientos a priori o técnicas de búsqueda.
Las fallas en PVM se pueden clasificar en dos categorías principales:
- Permanente
- Temporal.
La causa del fallo puede ser externa o interna, y ambos pueden llevar a una
disminución de la potencia de salida, la eficiencia y la confiabilidad del PVS.

Las principales fallas que ocurren en un sistema fotovoltaico se resumen en la

Tabla 1(ver paper). son: punto caliente, bypass y fallas de diodos de bloqueo,
fallas en caja de conexiones, fallas en una PVM, PVA, arco, tierra.

Los sistemas de monitoreo (MS) son cruciales para controlar, supervisar y

realizar la detección de fallas de las plantas fotovoltaicas, por lo que
recientemente se han propuesto muchos sistemas con el objetivo de realizar un
monitoreo en tiempo real de las plantas fotovoltaicas (PVP)

Las características principales que pueden caracterizar los métodos de FDD

son: detectar rápidamente el malfuncionamiento, los datos de entrada
requeridos (datos climáticos y eléctricos) y la selectividad (es decir, la
capacidad de distinguir entre diferentes fallas)

Los Métodos de FDD Se clasifican en:

- Métodos visuales y térmicos.- que se pueden utilizar para detectar la
decoloración, el pardeamiento, la suciedad de la superficie, el punto caliente, la
rotura y la delaminación.
- Métodos eléctricos que se pueden usar para detectar y diagnosticar PVM
defectuosos, cadenas y matrices que incluyen fallas de arco, fallas de conexión
a tierra, fallas de diodos, etc.
Los métodos eléctricos también pueden clasificarse en cinco grupos:

- enfoques estadísticos y de procesamiento de señales (SSPA);

- Análisis de las características I-V (I-VCA);
- análisis de pérdidas de potencia (PLA);
- Medición de voltaje y corriente (VCM);
- Técnicas de inteligencia artificial (AIT)

Los diferentes métodos eléctricos de FDD se resumen en la Tabla 2(ver paper)

Respecto a los métodos para detección y diagnóstico de fallas se destacan los

siguientes puntos:

- Los métodos eléctricos basados en diagnóstico de fallas (FDi) son más

ventajosos y prometedores para el monitoreo y diagnóstico de sistemas
fotovoltaicos (PVS), mientras que los métodos no eléctricos (como
visuales, cámaras IR, etc.) son muy adecuados para las plantas
fotovoltaicas de mediana escala (SS-PV).
- Las técnicas de diagnóstico de fallas (FDi) difieren en términos de
velocidad para detectar fallas de funcionamiento, requisitos de datos y
capacidad para distinguir entre diferentes fallas.
- La mayoría de los métodos de FDD disponibles funcionan y son probados
solo para plantas SS-PV. Además, algunos de ellos no pueden identificar
con precisión la causa de la falla o su ubicación.
- Las principales ventajas de las aplicaciones de técnicas de inteligencia
artificial (AIT) basado en FDD en PVS son que se pueden usar para el
monitoreo del sistema onine y no requieren ningún esfuerzo adicional.
- Los métodos basados en ANN y lógica difusa (FL) pueden distinguir entre
fallas que tienen la misma firma y pueden clasificar fallas posibles. Sin
embargo, los principales inconvenientes son: requieren habilidades más
avanzadas con respecto a la implementación en tiempo real (realización
experimental) y bases de datos (de diferentes fallas), que no siempre
están disponibles
- La principal ventaja de las pérdidas de potencia basadas en el método FDi
automático y el análisis caracteristico corriente voltaje (I-VCA) es que
generalmente tienen bajos requisitos de hardware y pueden detectar
prácticamente todas las fallas que pueden aparecer en el PVA.
- Los métodos basados en SASP también pueden detectar y localizar con
precisión las fallas, y son más adecuados para las plantas SS-PV. Sin
embargo, requieren algún equipo costoso.
- Es importante señalar que se han propuesto instrumentos electrónicos
para la detección de fallas, especialmente para fallas de arco y fallas a
tierra. Estas fallas se integran en base a métodos estadísticos y
numéricos.
- Hasta ahora, los componentes comercializados disponibles se refieren a
la protección contra fallas de PVS, especialmente de fallas de tierra, arco
y línea a línea, pero la mayoría de ellas no pueden diagnosticar y localizar
fallas que ocurren en PVS.
 Recomendaciones y futuras investigaciones:

La implementación experimental de técnicas de diagnóstico de fallas en circuitos

integrados de bajo costo es necesaria para aplicaciones en tiempo real, donde
los datos de entrada / salida de las técnicas adoptadas pueden administrarse a
través de Internet para reducir los costos de computación y transmisión.
- La integración en hardware reconfigurable, como el FPGA reconfigurable, para
la creación rápida de prototipos de los algoritmos avanzados de detección de
fallas y las técnicas de diagnóstico puede mejorar la confiabilidad de las técnicas
de diagnóstico de fallas en términos de rapidez, flexibilidad y robustez.
- Integración a gran escala de los métodos diseñados y la validación
experimental, teniendo en cuenta el compromiso entre costo y complejidad
cuando se elige el método apropiado.
- El firmware del inversor debe modificarse de tal manera que también realice
funciones relacionadas con el diagnóstico (como las mediciones en línea de
curvas I-V).
- Los algoritmos capaces de analizar datos de operación en sistemas
fotovoltaicos a largo plazo podrían ser útiles en diagnósticos especialmente para
detectar fenómenos de envejecimiento.
- Uso de la tecnología Internet of Things (IoT) para la detección remota y el
monitoreo de plantas fotovoltaicas a gran escala (LS-PVP).
 Recent advances in failure diagnosis techniques based on performance data analysis for
grid-connected photovoltaic systems.

livera2019

Una parte importante de las actividades de investigación actuales se centra en

la confiabilidad de las instalaciones y el rendimiento garantizado de por vida a
través del monitoreo constante, sólido y rastreable de la planta fotovoltaica

Y este estudio busca proporcionar una visión general de todos los métodos de
análisis de datos utilizados por la comunidad de investigación y la industria para
la detección y clasificación de fallas a partir de datos de rendimiento adquiridos
de sistemas fotovoltaicos conectados a la red.

En la Tabla 6, la mayoría de los métodos de análisis de datos requieren

mediciones eléctricas de irradiación, meteorológicas y terminales de salida para
detectar y clasificar las fallas en los sistemas fotovoltaicos. Más
específicamente, más del 85% de los estudios informados utilizan mediciones
de voltaje y corriente, mientras que el 80% de estos estudios también requieren
datos de irradiancia para el procedimiento de diagnóstico. Finalmente, las
mediciones de temperatura del módulo también son necesarias para la
detección y clasificación de fallas y 7 de cada 10 estudios las utilizan

También se proporciona información detallada sobre los requisitos de monitoreo

de rendimiento (parámetros y resolución) para la detección de fallas en sistemas
fotovoltaicos monitoreados, así como las diversas técnicas utilizadas para su
clasificación. Finalmente, este resumen cubre los métodos de análisis de datos
basados en firma eléctrica, análisis numérico y estadístico y se resumen según
el tipo de falla, los requisitos de entrada y el procedimiento de validación.