Estimación De Potencia Activa De Sistemas Fotovoltaicos Considerando El Efecto Del Clipping Y Segmentación Horaria

Estimation of Active Power of Photovoltaic Systems Considering the Effect of Clipping and Time Segmentation

Resumen Métricas disponibles Referencias Cómo citar

Resumen (es)

La estimación precisa de la potencia de salida de inversores solares es esencial para optimizar la operación de sistemas de generación fotovoltaica. Sin embargo, los modelos tradicionales no consideran efectos operativos como el clipping (que ocurre cuando la potencia generada excede la capacidad nominal del inversor), lo que conduce a desviaciones en la estimación. Este estudio propone un enfoque de modelado que incorpora este efecto y emplea datos experimentales adquiridos cada 20 segundos de una instalación solar de 20 kW. Se utilizó un modelo de regresión lineal múltiple, considerando etapas de limpieza de datos y segmentación temporal. Los resultados muestran una mejora significativa en la precisión del modelo, especialmente al dividir los datos en periodos de mañana y tarde. Este trabajo sienta las bases para desarrollar aplicaciones futuras como el mantenimiento predictivo mediante la implementación de un gemelo digital de la instalación.

Resumen (en)

Accurate estimation of the output power of solar inverters is essential to optimize the operation of photovoltaic generation systems. However, traditional models do not account for operational effects such as clipping—occurring when the generated power exceeds the inverter’s nominal capacity—nor the voltage constraints imposed by the MPPT algorithm, leading to deviations in estimation. This study proposes a modeling approach that incorporates both effects and uses experimental data acquired every 20 seconds from a 20 kW solar installation. A multiple linear regression model was employed, including data cleaning and temporal segmentation steps. The results show a significant improvement in model accuracy, particularly when splitting the data into morning and afternoon periods. This work lays the groundwork for future applications such as predictive maintenance through the implementation of a digital twin of the installation.