Mostrar el registro sencillo del ítem

Trabajo Fin de Máster

dc.contributor.advisorRodríguez del Nozal, Álvaroes
dc.contributor.advisorRomero Ramos, Estheres
dc.creatorLaguna Ruz, Rosa Maríaes
dc.date.accessioned2023-01-03T10:02:14Z
dc.date.available2023-01-03T10:02:14Z
dc.date.issued2022
dc.identifier.citationLaguna Ruz, R.M. (2022). Modelado eléctrico de plantas fotovoltaicas para mantenimiento predictivo e identificación de faltas. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla.
dc.identifier.urihttps://hdl.handle.net/11441/140878
dc.description.abstractEn estas páginas se muestra una propuesta de mantenimiento predictivo para plantas solares fotovoltaicas en base a los datos de monitorización y comparándolos con un modelo. El Proyecto comienza con una visión general de esta energía en el mundo, para ir concretando hacia las centrales fotovoltaicas, sus componentes y la categorización de sus posibles fallos. El primer capítulo expone datos de generación y potencia instalada de fotovoltaica, comparando con otras tecnologías, en España y en el mundo. Así mismo, se expone el alto recurso solar de que se dispone en este país, y se dan razones para apostar por estas plantas para luchar contra el cambio climático y combatir la pobreza energética. Por último, se resumen las principales características de las etapas en la vida de las centrales fotovoltaicas. En el segundo capítulo se explican los distintos componentes de las plantas fotovoltaicas, desde los paneles a las subestaciones, y tipologías. El tercer capítulo resume los principales fallos que pueden darse en estas instalaciones, categorizando según sea el origen del fallo: físico, ambiental o eléctrico. La principal aportación en cuanto a innovación del proyecto se encuentra en el cuarto capítulo, y se trata de la presentación del modelo de detección de fallos programado en Matlab. Como se verá en dicha sección, la utilidad de este modelo será comparar a tiempo real los datos de planta de manera que o bien pueda detectarse la zona del origen del fallo en remoto, o bien vislumbrar futuros fallos a partir de irregularidades en los patrones de producción. Los datos reales son de una planta localizada en Reino Unido. Por último, los Anexos 1 y 2 contienen las fichas técnicas de inversor y módulo usados en el modelo y que son los instalados en dicha planta. El Anexo 3 contiene el código de Matlab utilizado en el modelo.es
dc.description.abstractThe aim of this project is to present a predictive maintenance model for PV installations. It would compare real data from a SCADA program of a plant with modelled data using Matlab. The usefulness of the model is the capacity of either finding the source of the problem on an easier way or detecting possible trends or discontinuities in production or other parameters to predict future failure. Besides, an introduction to PV energy figures around the world and in Spain are shared in Chapter 1. Then, Chapters 2 and 3 present the main components of PV plants and a list of their most common failures. Finally, Chapter 4 presents the mentioned modelled.es
dc.formatapplication/pdfes
dc.format.extent91 p.es
dc.language.isospaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.titleModelado eléctrico de plantas fotovoltaicas para mantenimiento predictivo e identificación de faltases
dc.typeinfo:eu-repo/semantics/masterThesises
dc.type.versioninfo:eu-repo/semantics/publishedVersiones
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.contributor.affiliationUniversidad de Sevilla. Departamento de Ingeniería Eléctricaes
dc.description.degreeUniversidad de Sevilla. Máster en Sistemas de Energía Eléctricaes

FicherosTamañoFormatoVerDescripción
TFM2293_Laguna Ruz.pdf10.01MbIcon   [PDF] Ver/Abrir  

Este registro aparece en las siguientes colecciones

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como: Attribution-NonCommercial-NoDerivatives 4.0 Internacional