Predicción de generación fotovoltaica y detección de fallos en planta
Resumen
Una empresa que ofrece servicios de mantenimiento integral de plantas fotovoltaicas a sus clientes necesitaba una solución para predecir la generación fotovoltaica, monitorizar el estado de los inversores y anticipar fallos o bajadas de rendimiento. Aquiles Solutions propuso una aplicación web modular con modelos de Machine Learning y un servicio de predicciones, comenzando por una planta piloto y escalable a múltiples emplazamientos.
Problema
La compañía quería centralizar en una única herramienta la predicción de generación de energía, la detección de incidencias en inversores y la anticipación de fallos, para tomar decisiones operativas a tiempo y proteger la producción.
Objetivo
El objetivo era contar con una herramienta capaz de detectar y predecir incidencias en los inversores, anticipar su efecto en la producción y ofrecer información fiable para mejorar la operativa diaria del parque fotovoltaico. La solución debía unificar datos, generar alertas tempranas y facilitar la toma de decisiones ante fallos potenciales.
Solución
Implementación práctica y concreta.
Se creó una aplicación web con tres módulos: predicción de generación basado en un modelo de Machine Learning, monitorización de inversores y detección de bajadas de rendimiento. La herramienta ofrece predicciones horarias a 14 días, seguimiento en tiempo real y alertas configurables ante anomalías. Se implantó primero en una planta piloto y quedó lista para escalar a todo el parque.
Qué habilita.
La plataforma facilita decisiones más rápidas, reduce riesgos y permite gestionar varias plantas desde un entorno común, mejorando la visibilidad operativa y la anticipación de incidencias.
Resultados
Predicción horaria (≤14 días) junto con variables meteorológicas utilizadas.
Alertas configurables de fallos, anomalías y bajadas de rendimiento.
Detección de anomalías basada en SPC y modelos de Machine Learning aplicados a KPIs de inversores.
Escalabilidad multi-planta sin necesidad de cambios en código o modelos.
Conclusión
La propuesta proporciona una plataforma operativa para prever, detectar y anticipar incidencias que afectan a la producción. Al combinar modelos físicos y de Machine Learning, alertas y un servicio de predicciones integrado, la organización gana visibilidad, reduce riesgos y sienta una base sólida para escalar a todos sus parques fotovoltaicos.