Abstract
Objetivo: Detectar comportamientos anómalos en paneles solares fotovoltaicos mediante la adaptación del modelo Lee-Carter y el uso de técnicas de detección no supervisada. Metodología: Se utilizó una base de datos con registros reales provenientes de un establecimiento comercial con 3180 paneles solares en Barranquilla, Colombia. El modelo Lee-Carter fue adaptado para sintetizar el comportamiento horario de la energía relativa en una sola variable, denominada . A partir de esta, se aplicaron algoritmos de detección no supervisados como Isolation Forest, One-Class SVM, Local Outlier Factor y K-means. El desempeño de cada modelo fue evaluado mediante métricas estándar de clasificación. Resultados: La variable logró captar la tendencia en el tiempo de la energía relativa. El modelo no supervisado que obtuvo mejor desempeño fue Local Outlier Factor con un F1-Score de 1,00 en la detección de anomalías. Conclusiones: La combinación del modelo Lee-Carter con técnicas de detección no supervisadas permite detectar anomalías en paneles solares fotovoltaicos de forma eficiente, sin requerir de grandes volúmenes de datos ni etiquetas históricas.

This publication has 34 references indexed in Scilit: