- Calibsun | Experiencia
Comprobación de la calidad de los datos & supervisión del rendimiento
¿Por qué es importante el control de calidad de los sensores?
En una planta fotovoltaica, la integridad de los datos condiciona directamente todos los procesos posteriores: la previsión de la producción solar y eléctrica, la supervisión del rendimiento y la gestión de activos, así como la evaluación de los recursos solares. Una lectura del piranómetro afectada por la suciedad, las heladas o una desalineación no genera una señal de error evidente (los datos del sensor siguen llegando, las marcas de tiempo son válidas y los valores parecen plausibles). Sin un proceso estructurado de control de calidad, las mediciones corruptas se propagan de forma silenciosa a los algoritmos de aprendizaje automático y a los sistemas de monitorización, lo que degrada la calidad de los datos y las estimaciones de producción energética.
La experiencia de CalibSun en materia de sensores está diseñada para hacer frente a este reto a lo largo de todo el ciclo de vida de una planta solar fotovoltaica: desde la validación de los datos históricos en la fase de puesta en marcha hasta la detección automática en tiempo real de anomalías en cada medición recibida. Este enfoque de gestión de datos garantiza una calidad fiable de los datos tanto para el análisis del rendimiento como para la previsión de la producción eléctrica, independientemente del tamaño de la instalación, las condiciones meteorológicas o la configuración del hardware.
Elementos clave
- La desalineación, la acumulación de suciedad y la descalibración de los piranómetros son las principales causas de los problemas de calidad de los datos en las plantas fotovoltaicas en funcionamiento. - Ninguno de ellos produce discontinuidades evidentes en las series temporales. Este enfoque técnico garantiza la precisión de las lecturas de los sensores y protege la integridad de los datos durante todo el periodo de funcionamiento.
- CalibSun lleva a cabo un control de calidad en dos fases: una revisión única de control de calidad de los datos históricos durante la incorporación para el aprendizaje automático, y un proceso continuo y automatizado de señalización de cada medición que se reciba.
- Validación cruzada meteorológica —temperatura, humedad, viento— constituye un elemento fundamental para detectar datos erróneos y anomalías en los sensores, especialmente en condiciones meteorológicas invernales adversas.
- En instalaciones a escala industrial, se necesita un piranómetro por cada 5 a 10 MW, distribuidos de manera uniforme por toda la superficie de la central solar, para determinar los gradientes espaciales de los datos de irradiación.
- La calidad de los datos influye directamente en el cálculo del ratio de rendimiento, la calibración de satélites y la fiabilidad de los modelos de predicción basados en el aprendizaje automático entrenados con datos históricos.
¿Qué es la comprobación de la calidad de los sensores?
En una planta fotovoltaica en funcionamiento, el piranómetro es la referencia principal para la irradiancia solar entrante: la irradiancia global directa (GHI) en un plano horizontal y la irradiancia global total (GTI) en un plano inclinado que se ajusta a la orientación de los paneles. Alimenta los sistemas de monitorización del rendimiento, proporciona datos de irradiación de referencia sobre el terreno para la calibración de satélites y sirve como principal fuente de adquisición de datos para los modelos de previsión de la producción fotovoltaica. Este papel activo hace que las lecturas de los sensores y el control de calidad sean esenciales para garantizar un flujo de datos fiable en todas las aplicaciones y plataformas tecnológicas posteriores.
Los piranómetros son instrumentos de precisión que funcionan en condiciones exteriores adversas. En la práctica, hay tres tipos principales de fallos que afectan al rendimiento del sensor y a la calidad de los datos:
- Suciedad: el polvo, el polen o la contaminación se acumulan en la cúpula del sensor, lo que atenúa progresivamente la irradiancia solar medida sin producir discontinuidades evidentes.
- Descalibración: la sensibilidad del sensor varía con el tiempo, lo que da lugar a un sesgo sistemático difícil de detectar sin un instrumento de referencia o una validación cruzada.
- Desalineación: Tras una instalación incorrecta o un daño físico, el sensor ya no se encuentra en su plano nominal, lo que distorsiona directamente las lecturas de las mediciones de GHI o GTI.
Ninguno de estos modos de fallo es evidente por sí mismo ni da lugar a índices de datos perdidos. Sin un control de calidad de los datos, los modelos de previsión, los procesos de calibración de satélites y los sistemas de monitorización tratan los datos erróneos de los sensores como si fueran válidos, lo que tiene un impacto directo en las estimaciones de rendimiento y en los cálculos de producción energética.
Además de los sensores de irradiación, los sensores meteorológicos (que miden la temperatura ambiente, la velocidad del viento y la humedad relativa) también requieren validación de datos y control de calidad. Estos sensores de medición y los datos sobre las condiciones ambientales se utilizan para validar de forma cruzada los datos de irradiación, identificar anomalías en los sensores y perfeccionar los modelos de producción fotovoltaica. Mediante la realización de pruebas rigurosas, evaluaciones e inspecciones visuales de la precisión de los sensores y de las condiciones ambientales, los operadores garantizan que el rendimiento de los sensores siga siendo fiable a lo largo de los periodos de funcionamiento.
- Pasos del control de calidad
Criterios de control de calidad de los datos: cómo se detectan los datos no válidos
Consistencia física: Límites extremadamente raros (ERL)
La primera fase de la verificación de la calidad de los datos consiste en aplicar comprobaciones de coherencia física a las series temporales de datos de irradiancia. CalibSun utiliza la metodología de «límites extremadamente raros» (Extremely Rare Limits) (Long y Dutton, 2002), que define unos límites basados en restricciones astronómicas.
En esta fase se señalan dos categorías de datos con errores de validez física:
- Valores de GHI superiores a la irradiación extraterrestre: El recurso solar recibido por encima de la atmósfera define un límite superior físico absoluto. Cualquier valor medido que supere este umbral es físicamente imposible y se señala de forma incondicional.
- Valores negativos de irradiación durante las horas diurnas: Si bien por la noche pueden producirse pequeñas lecturas negativas debido al ruido del sensor, los valores negativos durante las horas de sol indican un fallo de hardware o una anomalía en el procesamiento de datos.
Estas comprobaciones ERL constituyen la base de cualquier proceso riguroso de control de calidad de los datos, ya que descartan los valores que ningún método estadístico ni análisis contextual podría validar.
Validación cruzada meteorológica
La segunda capa de El control de calidad se basa en las relaciones físicas entre la irradiación solar y las variables meteorológicas concurrentes. Una medición que no concuerde con las condiciones meteorológicas observadas es un claro indicio de que hay un problema con el sensor.
El caso más relevante desde el punto de vista operativo es el de las condiciones invernales. Cuando la temperatura ambiente desciende por debajo de los 0 °C y la humedad relativa supera el 90%, los piranómetros sin calefacción ni ventilación quedan expuestos a las heladas y a la niebla helada. El impacto es sistemático:
- La cúpula del sensor se cubre de escarcha durante la noche, lo que hace que los datos de irradiación de las primeras horas de la mañana no sean válidos.
- A medida que la temperatura supera los 0–2 °C, el sensor se descongela gradualmente, pero las gotas de agua presentes en la cúpula pueden actuar temporalmente como una lente, lo que da lugar a lecturas de irradiancia que superan el recurso solar real recibido.
- Hasta que se confirme que el descongelamiento se ha completado, todas las mediciones procedentes de sensores no calefactados deben marcarse como datos no válidos.
Los piranómetros calefactados y ventilados están diseñados específicamente para evitar este tipo de fallo. Sobre el terreno, esta distinción tiene un impacto cuantificable en la calidad de los datos: durante una campaña invernal llevada a cabo por CalibSun en una instalación fotovoltaica de las Ardenas, Francia, el piranómetro de referencia con calefacción y ventilación solo registró 6,61 TP3T de puntos de datos excluidos, mientras que los sensores sin calefacción requirieron que se marcaran 44,71 TP3T de puntos de datos durante el mismo periodo, debido exclusivamente a los efectos de la escarcha, la niebla helada y la condensación.
Este resultado de campo ilustra por qué los piranómetros calefactados y ventilados son la opción adecuada como sensor de referencia en cualquier proyecto de energía solar ubicado en una zona con inviernos fríos y húmedos.
Coherencia espacial entre sensores
En los emplazamientos equipados con varios piranómetros, la calidad de los datos puede evaluarse con mayor profundidad mediante la validación cruzada espacial. Cuando dos sensores situados en puntos distintos de una misma planta de energía solar muestran una divergencia persistente que no se ajusta a los gradientes espaciales de irradiación esperados, el conjunto de datos lo señala como una posible anomalía del sensor que requiere investigación.
Este enfoque también permite detectar episodios de sombreado localizados que afectan a una parte de la planta pero no a otra, una situación que un sistema de monitorización con un solo sensor pasaría por alto o malinterpretaría como una caída general de la irradiancia.
Validación de la orientación y la horizontalidad
La desalineación de un piranómetro, ya sea debida a una instalación incorrecta o a una deriva mecánica, distorsiona directamente las mediciones de la radiación solar global (GHI) y la radiación solar total (GTI). CalibSun valida la orientación del sensor comparando los datos de irradiancia medidos con el perfil teórico de irradiancia de cielo despejado en días sin nubes. En condiciones de cielo despejado, un piranómetro orientado correctamente y en posición horizontal debe seguir la curva característica esperada de cielo despejado con gran precisión, tanto en amplitud como en forma temporal.
Cualquier desviación sistemática, un desfase constante, una asimetría entre las lecturas de la mañana y de la tarde, o un pico que se produzca antes o después del máximo teórico, indica un problema de orientación que requiere una corrección sobre el terreno. Este paso de validación se lleva a cabo como parte de cada auditoría de sensores y al inicio de todos los servicios: durante las campañas de calibración de satélites y al implementar algoritmos de predicción. Si el control de calidad detecta un problema en uno de los sensores in situ, nuestro equipo de expertos puede ofrecer recomendaciones directas a los operadores. para ayudarles a resolverlo y mejorar la precisión de las previsiones.
Control de calidad histórico y en tiempo real
Control de calidad de los datos históricos
Cuando CalibSun incorpora una nueva planta fotovoltaica, el primer paso es un un proceso sistemático de control de calidad de los datos que abarca toda la información disponiblearchivo de datos históricos disponibles. Este proceso suele abarcar series temporales de entre uno y varios años de Sistemas SCADA, piranómetros y sensores meteorológicos.
El objetivo es generar un conjunto de datos limpio y validado que pueda servir como base de entrenamiento para el modelo de predicción basado en el aprendizaje automático. ESe documenta cada dato marcado o que falta. Los valores que faltan no se completan de forma arbitraria: las lagunas en los datos históricos se dejan marcadas explícitamente o se reconstruyen utilizando métodos físicamente coherentes, siempre que la duración de la laguna y el contexto circundante lo permitan.
La calidad de este La fase inicial de procesamiento de datos tiene un impacto directo y duradero en la precisión de las previsiones.: un modelo entrenado con datos históricos corruptos o sesgados incorporará errores sistemáticos que persistirán a lo largo de toda su vida útil. Preciso Por lo tanto, la recopilación de datos y su rigurosa validación en esta fase no son opcionales., constituyen la base del rendimiento y la fiabilidad de todas las previsiones posteriores.
Control automatizado de la calidad de los datos en tiempo real
Una vez que una central solar entra en funcionamiento dentro del proceso de previsión de CalibSun, los datos de los sensores se recogen de forma continua a través de una API con la máxima resolución disponible; lo ideal es cada minuto, aunque en la práctica suele ser de entre 5 y 15 minutos, dependiendo de la configuración del sistema SCADA.
Cada dato de medición que se recibe pasa por el proceso automatizado de control de calidad antes de utilizarse en el proceso de previsión. Este proceso aplica, de forma secuencial:
- Comprobaciones de coherencia física de ERL, filtrado físico datos no válidos sin condiciones.
- Validación cruzada meteorológica, buenas prácticas para señalar las lecturas que no concuerdan con las lecturas simultáneas temperatura, la humedad y el viento parámetros.
- Comprobaciones de coherencia entre sensores, comparando las lecturas simultáneas de los piranómetros distribuidos, siempre que sea posible.
- Verificación de la envolvente en condiciones de cielo despejado, detectando valores que superan el máximo teórico irradiancia solar para la geometría solar y las condiciones atmosféricas actuales.
Cuando se marca una medición, el sistema no se limita a descartarla. El sistema de alerta registra el motivo, la hora en que se produjo y el contexto meteorológico asociado. Este enfoque estructurado de la gestión de datos permite realizar un análisis retrospectivo del comportamiento de los sensores a lo largo del tiempo, facilita la planificación del mantenimiento y sirve de base para la calibración de los umbrales de calidad.
Las alertas pueden activarse cuando un sensor genera una tasa anómala de valores marcados durante un intervalo de tiempo definido, lo que proporciona una señal de alerta temprana antes de que un fallo de hardware comprometa por completo el conjunto de datos.
Comprobación de la calidad del sensor y su impacto en el rendimiento de las previsiones
Los problemas de calidad de los datos a nivel de los sensores tienen efectos en cadena en todas las fases del proceso de previsión.
Por lo tanto, un control riguroso de la calidad de los sensores no es una tarea de ingeniería aislada. Se integra estructuralmente en la precisión de las previsiones, la calidad de la calibración de los satélites, la fiabilidad de la supervisión del rendimiento y la exposición al riesgo en el mercado energético.
Calibración de satélites
CalibSun utiliza datos locales de irradiación de referencia para calibrar los productos de irradiación obtenidos por satélite. Si el piranómetro de referencia presenta un sesgo sistemático, la calibración por satélite absorbe dicho sesgo, lo que merma la representatividad espacial del campo de irradiación corregido en toda la superficie ocupada por la planta.
Entrenamiento del modelo
Los modelos de aprendizaje automático entrenados con datos históricos que contengan problemas de calidad no detectados codificarán esos errores como señales. El modelo resultante se generalizará mal a condiciones de entrada sin errores, lo que dará lugar a previsiones con una precisión reducida y unos indicadores de rendimiento deficientes.
Recalibración en tiempo real
El algoritmo NEXT de CalibSun se recalibra continuamente utilizando los datos más recientes de los sensores locales. Si las mediciones recibidas están corruptas y pasan desapercibidas en el control de calidad, el proceso de recalibración ajustará el modelo en la dirección equivocada, lo que aumentará temporalmente el error de predicción en lugar de reducirlo.
Rentabilidad y gestión de activos
La supervisión del rendimiento se basa en datos precisos de irradiancia para calcular el índice de rendimiento y detectar cadenas o inversores con un rendimiento inferior al esperado. Los datos de irradiancia sesgados dan lugar a valores sesgados del índice de rendimiento, lo que enmascara la degradación real o genera falsas alertas, lo cual tiene consecuencias directas en la gestión de los activos.
- Preguntas
Preguntas frecuentes sobre la comprobación de la calidad de los sensores
¿Cuántos piranómetros se necesitan en una planta solar a gran escala?
Para los pequeños Plantas fotovoltaicas, por lo general basta con un solo piranómetro de buena calidad. Para a gran escala En algunos lugares, la nubosidad se desplaza a través de la planta huella a distintas velocidades, creando un efecto espacial irradiancia gradientes que un solo sensor no puede detectar. CalibSun recomienda instalar un piranómetro por cada 5 a 10 MW, distribuidos de forma uniforme por todo el emplazamiento, para permitir una resolución espacial datos de irradiancia análisis y resistente calidad de los datos validación cruzada. Este diseño estándar sigue las recomendaciones de Tarea 16 del PVPS de la AIE (Manual de buenas prácticas para la recopilación y el uso de datos sobre recursos solares para aplicaciones de energía solar: cuarta edición / Manajit Sengupta, Aron Habte, Stefan Wilbert, Christian Gueymard, Jan Remund, Elke Lorenz, Wilfried van Sark y Adam R. Jensen – 10.69766/ENEH5295 978-3-907281-66-6 ) garantiza la calidad del producto y la precisión de las mediciones a lo largo de toda la cadena de suministro.
¿Qué ocurre cuando los datos de los sensores están marcados como anómalos o faltan?
Cuando los datos de los sensores se marcan como no válidos o temporalmente no disponibles, el sistema de predicción sigue funcionando utilizando únicamente datos de satélite y de predicción numérica del tiempo (NWP). La precisión de las predicciones se ve reducida durante estos intervalos, pero el servicio no se interrumpe. En cuanto se reanudan las mediciones válidas, el modelo se recalibra automáticamente. La ausencia persistente de datos o las altas tasas de marcación como no válidos activan una alerta para la investigación sobre el terreno, lo que le permite identificar y diagnosticar posibles problemas en los sensores antes de que se propaguen al conjunto de datos de predicción.
¿Cómo influye la calidad de los datos de los sensores en el índice de rendimiento?
El índice de rendimiento se calcula dividiendo la producción energética real entre la producción energética esperada, basada en los datos de irradiancia medidos. Si el piranómetro presenta un sesgo sistemático —ya sea por suciedad, descalibración o desalineación—, la referencia de la producción energética esperada es incorrecta. Esto da lugar a un índice de rendimiento sesgado que, o bien enmascara la degradación real, o bien genera falsas alertas, lo que tiene un impacto directo en la gestión de activos y en las operaciones y el mantenimiento.
¿Se pueden detectar automáticamente los problemas relacionados con la calidad de los datos?
Sí. El proceso automatizado de control de calidad de CalibSun aplica comprobaciones de coherencia física, validación cruzada meteorológica, análisis de coherencia espacial entre sensores y verificación de la envolvente de cielo despejado a cada medición recibida en tiempo real. Cuando un sensor genera una tasa anómala de valores marcados como sospechosos durante un intervalo de tiempo definido, se activa una alerta para que se realice una investigación sobre el terreno antes de que el problema se propague al conjunto de datos de predicción.
