Aplicaciones de machine learning en sistemas fotovoltaicos

Seminario de Excelencia

Aplicaciones de machine learning en sistemas fotovoltaicos

Departamento de Ingeniería Eléctrica y Electrónica
Inicio / Programas / Aplicaciones de machine learning en sistemas fotovoltaicos

Aplicaciones de machine learning en sistemas fotovoltaicos

La aplicación de técnicas de Machine Learning está revolucionando la automatización de procesos y la toma de decisiones basada en datos, convirtiéndose en una ventaja profesional para quienes pueden aplicar estas técnicas en diferentes áreas de conocimiento. Una de las áreas que ha despertado gran interés es la aplicación de técnicas de Machine Learning enfocadas a la gestión e implementación de sistemas de energía solar fotovoltaica, debido a la creciente necesidad de una transición hacia fuentes renovables de energía. La aplicación de diferentes técnicas de Machine Learning en este campo ha contribuido a reducir costos de implementación y mantenimiento, mejorar el desempeño del sistema, detectar y clasificar fallas de manera autónoma y eficiente, entre otras mejoras importantes para el buen funcionamiento de una solución solar fotovoltaica.

Este Seminario de Excelencia aborda la relación entre dos áreas de gran interés y trascendencia en la actualidad. Con este curso se busca equipar al estudiante de las herramientas para afrontar los principales retos de la gestión de sistemas fotovoltaicos mediante técnicas de Machine Learning. Los conceptos teóricos se afianzarán con ejercicios prácticos, aumentando así las capacidades del estudiante para la toma de decisiones en un entorno real. 
 

Dirigido a

Profesionales en carreras con fundamentación matemática como ingenierías, economía, física, y matemáticas y con conocimientos básicos en programación; estudiantes de últimos semestres de pregrado y estudiantes de posgrado interesados en la aplicación de técnicas de Machine Learning en gestión e implementación de sistemas de energía solar fotovoltaica. No es requisito conocer sobre sistemas fotovoltaicos, pero si tener conocimientos previos básicos en elementos circuitales y programación. 

Objetivos

Al finalizar el Seminario de Excelencia el estudiante estará en capacidad de:
  • Conocer los conceptos básicos de un sistema fotovoltaico con las diferentes normas de regulación y técnicas en vigor.
  • Conocer los conceptos de machine learning y las técnicas actuales utilizadas.
  • Comprender las principales aplicaciones de machine learning en sistemas fotovoltaicos.
  • Aplicar los conceptos vistos en clase en casos de estudio en sistemas fotovoltaicos.

Metodología

Este Seminario de Excelencia se desarrollará en clases virtuales sincrónicas con ejemplos en computador. Los conceptos teóricos se afianzarán con ejercicios prácticos de forma sincrónica y asistida, aumentando así las capacidades del estudiante para la toma de decisiones en casos de estudio. Se trabajará con lenguajes de programación como C, Python, y Simulink. No es requisito esencial conocer específicamente estos lenguajes de programación, pero sí es necesario tener conocimientos básicos generales de programación. 

Contenido

  • Introducción a sistemas fotovoltaicos (Michael Bressan):
    • Energía solar.
    • Paneles solares.
    • Elementos de conversión de potencia.
    • Problemáticas en sistemas PV.
  • Introducción a Machine Learning (Luis Felipe Giraldo):
    • Técnicas de regresión y clasificación.
    • Redes neuronales.
    • Forecasting.
    • Procesamiento de imágenes con redes convolucionales.
    • Introducción a Reinforcement Learning.
  • Aplicaciones de Machine Learning en sistemas PV (Gabriel Esteban Narváez):
    • Site-adaptation.
    • Forecasting con LSTM.
    • Detección de fallas en paneles solares con CNN.
    • Control MPPT con reinforcement learning.
    • Otros retos y aplicaciones.

Profesores

Michael Bressan PhD

Es doctor ingeniero en eléctrica, electrónica e informática industrial aplicada en la gestión de energías renovables. Obtuvo su PhD en la Universidad de Perpiñán (Francia) en junio de 2014. Sus investigaciones consistieron en desarrollar una herramienta de supervisión y de detección de fallas para un sistema fotovoltaico. Desarrolló diferentes algoritmos de modelización y de detección de fallas, en particular, alrededor de la problemática de las sombras y de la suciedad visible para optimizar la producción fotovoltaica. Profesor visitante del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes, inició un proyecto interno "KIOSOL" que consiste en desarrollar e integrar un kiosco solar fotovoltaico inteligente para la gestión de energía eléctrica en zona urbana y rural. Eso permitiría responder a la problemática de producción y de utilización de la energía en una microrred urbana o rural poco electrificada.

Gabriel Esteban Narváez

Magíster en Ingeniería Electrónica de la Universidad de Los Andes. Actualmente está cursando estudios de doctorado en la Universidad de Los Andes financiado por la Fundación Ceiba. Sus líneas de investigación están enfocadas en la gestión de energías renovables, particularmente sistemas fotovoltaicos, por medio de la aplicación de técnicas de Machine Learning. Además, está interesado en promover proyectos de energías renovables en Colombia, especialmente en las zonas no interconectadas.

Luis Felipe Giraldo Trujillo PhD

PhD en Ingeniería Eléctrica de la Universidad Estatal de Ohio, Estados Unidos. Actualmente es profesor asistente del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes. Sus líneas de investigación están orientadas al desarrollo de proyectos donde la tecnología y desarrollo social van de la mano. Se ha destacado por dictar de forma sencilla y clara conceptos teóricos relacionados con Machine Learning. Para más información ver http://wwwprof.uniandes.edu.co/~lf.giraldo404/.

Condiciones

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.

La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.