Detección de pérdidas

El sistema de monitorización watchdog del Gemelo Digital no solo detecta estados de los componentes, sino que también calcula con precisión las pérdidas de energía de tus instalaciones. La detección de pérdidas te ayuda a entender cuánta energía ha perdido un componente en comparación con la producción esperada.

Conceptos generales

Principio básico de la detección de pérdidas

La detección de pérdidas compara la energía realmente producida con la energía esperada basándose en datos meteorológicos y la configuración del sistema:

• Energía esperada: Calculada mediante simulación a partir de las condiciones ambientales y las especificaciones de los componentes
• Energía medida: Producción real según los contadores de energía
• Pérdida: La diferencia cuando la energía medida es inferior a la esperada

Loss = max(0, Expected Energy - Measured Energy)

¿Cuándo se calculan las pérdidas?

El sistema solo calcula pérdidas bajo ciertas condiciones para evitar falsas alarmas:

SÍ se calculan pérdidas para:

• Componentes con subproducción significativa: Cuando la energía medida está claramente por debajo de la simulación
• Durante periodos de fallo detectados: Durante fallos reales de producción
• Con datos fiables: Las mediciones deben ser físicamente plausibles y coherentes

NO se calculan pérdidas para:

• Fallos de comunicación: Cuando los data loggers no envían datos, pero la producción continuó
• Condiciones meteorológicas desfavorables: Bajo condiciones que hacen poco fiables las mediciones
• Momentos sin producción esperada: Cuando no se espera energía debido a las condiciones ambientales
• Mediciones poco fiables: Cuando las mediciones son físicamente imposibles o incoherentes

Clasificación de los periodos de tiempo

El sistema analiza las series temporales de energía y clasifica cada periodo:

Problema de recopilación de datos frente a pérdida real

Una fuente común de confusión es un componente hijo (por ejemplo, un string) cuyos datos faltan mientras su padre (el inversor) muestra claramente una producción saludable. El sistema reconoce este patrón: si la energía medida del inversor es coherente con que sus strings producen con normalidad, los datos faltantes del string se tratan como un problema de recopilación de datos —un problema de logger o de comunicación— y nunca se contabilizan como pérdida de energía.

Ejemplo: fallo de comunicación frente a fallo real

Escenario A: fallo de comunicación (DATA_GAP)

Time:            08:00    [Gap]    12:00
Energy meter:    100 kWh    ???      180 kWh
                    │                  │
                    └──────────────────┘
                    Large jump: +80 kWh

Expected energy during gap: 100 kWh
Ratio: 80/100 = 80% ≥ 50% threshold

→ DATA_GAP: Component produced, only communication was interrupted
→ This period is EXCLUDED from loss calculation

Escenario B: fallo real (POTENTIAL_OUTAGE)

Time:            08:00    [Gap]    12:00
Energy meter:    100 kWh    ???      105 kWh
                    │                  │
                    └──────────────────┘
                    Small jump: +5 kWh

Expected energy during gap: 100 kWh
Ratio: 5/100 = 5% < 50% threshold

→ POTENTIAL_OUTAGE: Likely a real outage
→ Losses are CALCULATED for this period

Niveles de confianza

Cada pérdida calculada recibe un nivel de confianza que indica cuán seguro está el sistema de que se trata de una pérdida real:

Condiciones límite

Ciertas condiciones ambientales y meteorológicas hacen poco fiable el análisis de pérdidas. Estos periodos se excluyen para TODOS los componentes:

Condiciones excluidas:

¿Por qué exclusiones globales?

Estas condiciones afectan a todos los componentes simultáneamente y no son problemas específicos de un componente. Por ejemplo, cuando se detecta nieve, este periodo de tiempo se excluye del cálculo de pérdidas para todos los componentes, incluso si algunos componentes individuales muestran baja producción.

Detección de pérdidas para parques solares

Para los parques solares, el sistema utiliza un análisis multinivel a lo largo de la cadena de energía: desde los strings individuales, pasando por los inversores, hasta el contador de inyección a la red.

Cálculo jerárquico de pérdidas

Las pérdidas se calculan a nivel de string y se agregan hacia arriba:

String → GAK → Inverter → Feed-in Meter

Principios importantes:

• Las pérdidas se calculan principalmente a nivel de string
• Componentes padre = Suma de los componentes hijos
• Si los datos de un string no son fiables, se omite
• El sistema valida que las pérdidas de los strings no superen las pérdidas físicamente posibles del inversor

Ejemplo: coherencia jerárquica

Inverter:
  Simulation: 10,000 Wh
  Measurement:  9,000 Wh
  Max. Loss: 1,000 Wh

String 1:                    String 2:
  Loss: 500 Wh               Loss: 500 Wh

Sum: 1,000 Wh = Inverter Max. Loss ✓

→ Consistent: String losses equal inverter loss

Condiciones límite específicas de los parques solares

Para los parques solares, se aplican exclusiones adicionales específicas de la meteorología:

Day with morning snow:
Time   | Snow  | Loss Calculation
-------|-------|------------------
06:00  | 0 cm  | Calculate normally
07:00  | 2.5cm | EXCLUDED
08:00  | 3.1cm | EXCLUDED
09:00  | 1.8cm | EXCLUDED
10:00  | 0 cm  | Calculate normally

→ 07:00-09:00 excluded for ALL components
→ Even if string shows low production, no loss counted

Escenarios especiales para parques solares

Fallo de inversor con lagunas de datos de strings

Cuando un inversor falla, los data loggers de los strings pueden fallar. En este caso:

1. Durante el fallo: TODOS los strings se incluyen (no solo los candidatos)
2. Después del fallo: Solo los strings con un rendimiento deficiente continuo se contabilizan como pérdidas
3. Ventaja: Evita que se pasen por alto pérdidas debido a fallos de los loggers

Corrupción del contador tras fallos

A veces los contadores de los strings se quedan bloqueados tras un fallo del inversor:

String energy meter:
07:00  →  5000 Wh    (Normal)
07:45  →  5000 Wh    (Inverter failure, logger fails)
10:45  →  5000 Wh    (Inverter recovers, logger doesn't)
18:00  →  5000 Wh    (Meter stuck)

→ String appears as candidate (low daily production)
→ BUT: Only losses during 07:45-10:45 counted
→ After 10:45: No losses (meter corruption, not real loss)

Ejemplos de niveles de confianza en parques solares

Pérdida de confianza HIGH:

String X:
- Daily simulation: 5,000 Wh
- Daily measurement: 4,000 Wh
- Sim_err: 0.80 (20% loss)
- Continuous data, no gaps
- Parent inverter healthy

→ Loss: 1,000 Wh with HIGH confidence
→ Clear case of underproduction

Pérdida de confianza MEDIUM:

String Y during inverter outage:
- Outage from 08:00 to 11:00
- Losses only counted during this period
- After outage: normal production

→ Loss: 800 Wh with MEDIUM confidence
→ Loss is limited to outage period

Pérdida de confianza LOW:

String Z:
- String reports 60% less than expected
- But: Inverter shows only 10% loss
- Data flow ratio inconsistent

→ Possible loss: 2,000 Wh with LOW confidence
→ Likely measurement problem, not real loss

Patrones de pérdida comunes en parques solares

Subproducción continua:

• Un string produce sistemáticamente entre un 20 y un 30 % menos
• → Pérdida de confianza HIGH
• → Posibles causas: sombreado, suciedad, módulos defectuosos

Fallos periódicos:

• El string muestra periodos de fallo recurrentes
• → Pérdida de confianza MEDIUM durante los fallos
• → Posibles causas: problema del inversor, problemas de red

Mediciones incoherentes:

• Las pérdidas del string no coinciden con las del inversor
• → Confianza LOW
• → Causa probable: problema de medición, no una pérdida real

Interpretación de los datos de pérdidas

Cómo evaluar las pérdidas

1. Comprueba el nivel de confianza: Céntrate primero en las pérdidas de confianza HIGH
2. Consulta el estado del componente: Compara con los Estados de los componentes
3. Identifica patrones temporales: ¿Las pérdidas son continuas o periódicas?
4. Valida la jerarquía: En sistemas jerárquicos (p. ej., parques solares), comprueba si las pérdidas son coherentes entre los distintos niveles

Atribución de pérdidas relacionada

No todo déficit frente a la producción esperada es un fallo. El agente edge rastrea por separado el curtailment —la producción que se te impidió entregar deliberadamente— y lo atribuye a la parte responsable:

• Curtailment del comercializador: Producción reducida por instrucción de tu comercializador directo o parte negociadora.
• Curtailment de red: Producción reducida por el operador de red (por ejemplo, gestión de la inyección durante congestión de red).

El curtailment se detecta cuando una planta se mantiene en o cerca de su límite de potencia activa, y la energía no producida se registra por minuto a cargo del comercializador o de la red en lugar de marcarse como una pérdida de un componente. Esto te permite distinguir un string defectuoso de una planta perfectamente sana a la que simplemente se le ordenó limitarse.

Funciones relacionadas

• Gemelo Digital — el sistema de monitorización watchdog que detecta y calcula las pérdidas
• Evaluación de componentes — cómo se clasifica el estado de cada componente
• Detección de eficiencia — análisis del performance ratio y de la configuración de strings
• Data Scraper — analítica edge, incluido el seguimiento de curtailment
• Arquitectura del Gemelo Digital — implementación técnica