Estimación de la Eficiencia de Sistemas Fotovoltaicos Mediante el uso de Redes Neuronales Artificiales y Sistemas Embebidos

Abstract

La energía fotovoltaica se ha consolidado como una alternativa fundamental para atender la demanda energética y favorecer prácticas más sostenibles. En este contexto, el proyecto tuvo como objetivo principal desarrollar un sistema capaz de estimar la eficiencia de sistemas fotovoltaicos mediante una red neuronal artificial implementada en un sistema embebido. Para ello, se construyó una miniestación solar equipada con sensores de temperatura, irradiancia y un panel destinado a obtener datos de voltaje y corriente durante varias horas y días, con el fin de recopilar información suficiente para entrenar la red neuronal. La metodología se estructuró en cinco fases: diseño del sistema, construcción de la estación de medición, adquisición de datos, entrenamiento de la red neuronal y validación en un entorno embebido. Posteriormente, los datos obtenidos fueron organizados, procesados y utilizados para entrenar el modelo, que luego se implementó en hardware de bajo consumo para su funcionamiento en tiempo real. El desarrollo permitió integrar adecuadamente sensores, electrónica y algoritmos de inteligencia artificial, logrando un sistema compacto y funcional. Como conclusiones principales, se evidencia la efectividad de las redes neuronales para estimar la eficiencia fotovoltaica, la relevancia de los sistemas embebidos para su aplicación práctica y la necesidad de validación experimental extensa para asegurar resultados confiables.