Volver al archivo de proyectos

Sistemas embebidos

Destacado

Sistema inteligente de seguimiento solar con gestión energética y protección meteorológica

Un panel solar que sigue la luz, se protege del mal tiempo, anticipa el comportamiento solar y muestra su rendimiento.

Contexto: Trabajo de fin de grado / proyecto técnico

Periodo: 2024-04 a 2025-05

Resumen

El proyecto conecta una instalación física de seguimiento solar con monitorización y predicción locales. El panel se orienta hacia la luz más intensa, comunica datos eléctricos y ambientales, responde a lluvia o vibraciones y presenta su estado en un panel ejecutado en Raspberry Pi.

Mi función

Trabajo de fin de grado individual: diseñé e integré el control embebido, la plataforma local, la telemetría, el panel, la lógica energética y el flujo de predicción.

Alcance y siguiente paso de validación

Las pruebas cubren el prototipo funcional. El siguiente paso sería una validación exterior durante varias estaciones.

2017–2018

Periodo NSRDB utilizado para entrenamiento

2019

Periodo de predicción GHI

5 days

Historial reciente para la operación del día siguiente

10

Variables meteorológicas de entrada

De la luz solar a una decisión útil

Panel y sensores

Luz, potencia, batería, lluvia, vibración y tiempo

ESP32

Lectura en tiempo real, seguimiento, actuadores y protección

Raspberry Pi 5

Orquestación local, procesamiento y predicción

Django y PostgreSQL

APIs, historial de telemetría y acciones remotas

Panel

Estado en directo, tendencias, contexto meteorológico y predicción

Qué gestiona el sistema

Seguimiento en dos ejes mediante sensores de luz y servomotores.

Flujo común de telemetría para potencia, batería y condiciones ambientales.

Respuestas automáticas de protección ante lluvia y vibraciones.

Datos meteorológicos históricos y medidas locales para evaluación y predicción diaria.

Tecnología

Control físico

ESP32LDR arraySG90 servosSensorsDC-DC regulation

Plataforma local

Raspberry Pi 5DjangoPostgreSQLREST APIs

Monitorización

JavaScriptD3.jsTelemetry dashboards

Predicción

PythonLSTMNSRDB dataGHI / DNI / DHI
Sistemas embebidosIoTFull-stackIA aplicadaEnergía renovableAutomatizaciónTelemetría

Conclusiones

  • Hardware, panel web y machine learning funcionan juntos en un prototipo completo.
  • ESP32 y Raspberry Pi separan claramente el control en tiempo real y la orquestación.
  • La predicción combina evaluación histórica de NSRDB con mediciones locales recientes.
  • Alimentación, ruido de sensores, actuadores, persistencia e interfaz tuvieron que resolverse como un solo sistema.
Un día en movimiento
amanecerpredicción