Artículos técnicos sobre fiabilidad de inversores FV — física del fallo, economía del mantenimiento predictivo y la ciencia detrás de InverterAI.
Introducción práctica, no académica, a las Redes Neuronales Informadas por Física (PINN): por qué extrapolan donde el deep learning estándar falla, y cómo InverterAI las usa para predecir la vida útil de componentes en inversores FV a partir de datos de campo limitados.
Leer más →Análisis técnico de cómo las excursiones de temperatura de unión degradan los módulos IGBT, por qué los inversores FV utility-scale están particularmente expuestos, y cómo la ecuación de Coffin-Manson permite predecir el fallo solo con datos SCADA.
Leer más →Cómo las etiquetas SCADA estándar viajan del armario del inversor a una orden de trabajo priorizada — el pipeline de datos completo detrás del mantenimiento predictivo agnóstico al fabricante de InverterAI, de extremo a extremo.
Leer más →Cómo la ecuación de Arrhenius gobierna la vida útil de los condensadores DC-link electrolíticos, por qué "10 °C reduce la vida a la mitad" es solo parte de la historia, y cómo InverterAI usa temperaturas SCADA para predecir el fallo de condensadores en inversores FV utility-scale.
Leer más →Comparación lado a lado, basada en números, de O&M reactivo, calendario y predictivo informado por física para inversores FV utility-scale — incluyendo los costes ocultos que rara vez aparecen en los pitches de proveedores.
Leer más →Análisis basado en datos de por qué los inversores generan la mayor parte de la indisponibilidad imprevista y la energía perdida en plantas FV utility-scale, apoyado en estudios de fiabilidad de NREL, Fraunhofer ISE e IEA-PVPS Task 13.
Leer más →