top of page
Grupo 920.png
banner.jpg

Servicios

Trazado%201732_edited.png

Beneficios

Predicción de Energía

Trazado%201732_edited.png
Recurso 127.png
Recurso 121.png
Recurso 160_3x.png

Cumplir con la norma técnica vigente

1.

Envío de reportes de pronósticos según el formato del Coordinador Eléctrico Nacional de Chile o Centro Nacional de Energía de México.

2.

Modelos de alta precisión

Uso de algoritmos propios en base a técnicas de Machine Learning para ajustar los modelos predictivos a los datos reales de cada planta.

3.

Maximizar el rendimiento

Permite la programación de mantenimientos preventivos en días de baja disponibilidad de recursos y pruebas de rendimiento en días de alta disponibilidad.

Recurso 169.png

Servicio de Predicción de Energía Solar y Predicción de Energía Eólica

A través de una Plataforma SaaS calculamos y enviamos de forma automática pronósticos de generación de energía para plantas solar y eólica, en el formato y horario exigido por la autoridad. Logramos la más alta precisión con modelos propios de Inteligencia Artificial combinando datos históricos de meteorología satelital con datos de producción real para cumplir con las regulaciones de cada mercado y optimizar el rendimiento de los parques.

Hemos logrado +50% de mayor precisión sobre el promedio nacional de Chile en centrales fotovoltaicas, y +30% de precisión en el caso de centrales eólicas.

solar
Recurso 10.png

Servicio de Predicción de Soiling

Aplicamos Inteligencia Artificial y Machine Learning para calcular los niveles de ensuciamiento (soiling) de los parques fotovoltaicos con el objetivo de que los clientes puedan optimizar la cantidad y fechas exactas de limpiezas de los paneles fotovoltaicos maximizando la rentabilidad de los parques, a través de un sistema que realiza predicciones meteorológicas que permite calendarizar las limpiezas logrando +50% de ahorros en costos de limpieza en un año de cada central.

Beneficios

Predicción de Soiling

Trazado%201732_edited.png
Recurso 10.png
Recurso 8.png
Recurso 9.png

Modelo de Soiling

1.

Mediante técnicas de Machine Learning realizamos un modelo de soling con la información histórica de los parques fotovoltaicos para analizar su rendimiento.

2.

Cálculo de pérdidas económicas

Calcula en términos económicos, cuánto se está dejando de generar por el nivel de ensuciamiento actual de los activos.

3.

Calendarización de la siguiente limpieza

Combina información satelital meteorológica para la calendarización de la fecha óptima de la siguiente limpieza de paneles solares.

soiling
bottom of page