Técnicas de inteligencia artificial y big data en la gestión óptima de parques fotovoltaicos: Estado del arte

Abstract

En este trabajo se lleva a cabo una revisión del estado del arte de la aplicación de técnicas de inteligencia artificial y Big Data a una serie de tareas relacionadas con la gestión óptima de parques fotovoltaicos. El trabajo comienza comienza con una introducción donde se indican los objetivos del mismo, la motivación de esta revisión del estado del arte y la estructura que se seguirá en los capítulos posteriores. Se dedicará un capítulo a describir los principales conceptos de inteligencia artificial y Big Data, así como las técnicas y algoritmos de estos campos que serán de aplicación en las tareas revisadas más adelante. Tras lo anterior, en los siguientes capítulos se revisarán las aplicaciones de estas técnicas a las tareas de modelado, control, detección y diagnóstico de falta y mantenimiento predictivo de parques fotovoltaicos conectados a red. A lo largo de esta revisión se tendrán presentes las mejoras que pueda suponer el empleo de estas técnicas en comparación a los métodos convencionales. Por último se esbozarán una serie de conclusiones extraídas tras la realización de esta revisión del estado del arte.

This project presents the state of the art of the application of artifficial intelligence and Big Data techniques in the optimal management of grid-connected photovoltaic plants. The project starts with an introduction where the purpose of this work is presented, along with its motivation and the structure of the rest of the document. Next, artificial intelligence and Big Data main concepts are explained along with several techniques and algorithms that find application in the tasks studied in following sections. In the following chapters, applications of this techniques to modelling, control and fault detection and diagnosis along with predictive maintenance of grid-connected photovoltaic farms are revised, giving special attention to the improvements that comes with the application of this techniques in comparison with conventional ones. Finally, the conslusions extracted from this state of the art will be provided.