Um método para a estimativa de strings ausentes em usinas fotovoltaicas de grande escala

Abstract

Esta dissertação apresenta uma nova metodologia para detectar strings ausentes em sistemas fotovoltaicos de grande escala (VLSPV) utilizando apenas dados adquiridos no nível das stringboxes. Ao aproveitar a análise de dados e técnicas de aprendizado de máquina não supervisionadas, o método proposto estima o número de strings ausentes por stringbox, comparando a corrente contínua de cada stringbox com stringboxes dentro da mesma região. Esta abordagem preenche uma lacuna na literatura existente, oferecendo uma solução adaptada ao nível típico de instrumentação de plantas VLSPV. O trabalho inclui uma análise das perdas de energia causadas por strings ausentes, quantificando seu impacto no desempenho geral do sistema. A avaliação com dados reais demonstrou que o método proposto atinge uma precisão de aproximadamente 90% na detecção de strings ausentes. Essas descobertas oferecem insights valiosos para equipes de operações e manutenção, permitindo a identificação e mitigação de strings problemáticas em plantas VLSPV.

Abstract: This dissertation presents a novel methodology for detecting missing strings in Very Large Scale Photovoltaic (VLSPV) systems, utilizing only data acquired at the stringbox level. By leveraging data analysis and unsupervised machine learning techniques, the proposed method estimates the number of missing strings per stringbox by comparing the direct current from each stringbox with neighboring stringboxes within the same region. This approach addresses a gap in the existing literature by providing a solution tailored to the typical instrumentation level of VLSPV plants. The work includes an analysis of the energy losses caused by missing strings, quantifying their impact on the overall system performance. Evaluation against real-world data demonstrated that the proposed method achieves a precision of approximately 90% in detecting missing strings. These findings offer valuable insights for operations and maintenance teams, enabling the identification and mitigation of problematic strings in VLSPV plants.