Machine Learning: El aprendizaje supervisado, que logra identificar y clasificar los defectos más comunes en los paneles solares a partir de las imágenes de electroluminiscencia. Este fue el proyecto finalista en el octavo premio de eficiencia energética de ANDESCO postulado por el CEET.
La energía solar empezó a introducirse al país desde los años 20 del siglo pasado, en esa época empezaron a usarse calentadores de agua solares por compañías bananeras en la costa norte, por supuesto, seguramente fueron traídos de Estados Unidos, donde eran comunes en esa época. Sin embargo, no ha sido sino hasta hace relativamente pocos años que la aplicación de la energía solar y sus tecnologías han tomado cada vez más impulso y ha tenido relevancia en Colombia, especialmente para la generación de electricidad.
El impacto de la energía solar en Colombia es cada vez mayor, por ejemplo, la UPME y el Ministerio de Minas y Energía estiman que para antes de 2030 cerca de 10% del consumo energético en Colombia va a provenir de proyectos fotovoltaicos o solares, también el país cuenta con por los menos 13 granjas solares y proyectos de autogeneración. Cada vez vemos un mayor uso e introducción de paneles solares al país. Pero también es cierto que, es un campo en crecimiento y que definitivamente continuará haciéndolo en los siguientes años, y veremos cada vez más un mayor uso de la energía solar.
Siendo conscientes de este contexto, desde el Centro de Electricidad, Electrónica y Telecomunicaciones, dos investigadores, Robinson Castillo y Oscar Pulido tomaron el liderazgo del proyecto Machine Learning cuyo objetivo principal del proyecto, es desarrollar e implementar un sistema que permita realizar la detección automática de defectos en los paneles solares fotovoltaicos sometidos al ensayo de electroluminiscencia realizado en el Laboratorio de Ensayos para Paneles Solares del SENA, ubicado en el Centro de Electricidad, Electrónica y Telecomunicaciones en la ciudad de Bogotá. Esto se realizará aplicando aprendizaje de máquina supervisado, a partir de las imágenes obtenidas durante este ensayo.
Desde el diseño se integró el Machine Learning. En el aprendizaje supervisado, a partir de una base de datos de entrenamiento, se enseña al algoritmo las conclusiones a las que debe llegar, que, en el caso del proyecto, es aprender a identificar y clasificar lo defectos más comunes en los paneles solares a partir de las imágenes de electroluminiscencia.
Este proyecto que sigue si desarrollo, fue postulado en el octavo premio de eficiencia energética. Y dada su importancia en el impacto ambiental del futuro del país, esta investigación quedó catalogada como una de las mejores propuestas en mitigación de cambio climático desde la categoría Educación por ANDESCO.
El proyecto está planteado para que al finalizar el 2022 se tenga una primera versión del sistema y se hayan terminado de aplicar las primeras pruebas de funcionamiento en laboratorio. Se espera que durante los primeros meses del 2023 se puedan realizar ajustes de acuerdo a las pruebas y validaciones realizadas y, por lo menos, a mediados del siguiente año tener disponible una primera versión funcional sobre el equipo que realiza el ensayo de electroluminiscencia en el Laboratorio de Ensayos para Paneles Solares del SENA y con mucho orgullo presentamos este reconocimiento al talento que desde el CEET, demostramos constante evolución.
