Gemelo digital

El gemelo digital es el motor de análisis dentro del Mirox-Agent que convierte las mediciones de tu planta en información sobre la salud de los componentes, las pérdidas y la configuración. Recibe métricas del Data Scraper, mantiene en memoria un modelo de la jerarquía de componentes de cada planta, ejecuta modelos basados en física sobre datos históricos e informa de lo que encuentra de vuelta a la plataforma.

El gemelo digital analiza plantas solares fotovoltaicas (PV) hoy en día. El análisis de plantas eólicas y de baterías está Planificado — esos tipos de planta ya pueden ingerir datos, pero el gemelo digital aún no los analiza.

Propósito y función

El gemelo digital cumple un propósito concreto: comprender el comportamiento de cada componente y detectar problemas operativos. Transforma las mediciones brutas en información accionable sin almacenamiento persistente propio.

Responsabilidades principales:

Recibir actualizaciones de métricas del Data Scraper
Obtener datos históricos de la base de datos de series temporales para las ventanas de análisis
Construir en memoria un modelo de la jerarquía de componentes de la planta a partir de la IoT Cloud
Descubrir y validar la configuración de cada string (orientación, número de paneles, clipping del inversor, sombreado, rendimiento)
Monitorizar la salud de los componentes cada noche, clasificar el estado de cada componente y distinguir las interrupciones de comunicación de las averías reales
Calcular las pérdidas de energía con una valoración de confianza en cada cifra
Publicar resultados y eventos de vuelta a la plataforma IoT Cloud para que los operadores los vean
Vaciar la memoria una vez completado el procesamiento

Esta separación mantiene al gemelo digital centrado en el análisis, mientras que la recopilación de datos y el almacenamiento a largo plazo residen en otro lugar.

Dos motores de análisis

El gemelo digital ejecuta dos motores distintos con disparadores y objetivos diferentes — mantenerlos separados explica por qué algunas conclusiones aparecen de inmediato y otras se van construyendo a lo largo de varias noches.

Motor	Qué determina	Cuándo se ejecuta
Análisis de configuración	La orientación detectada de cada string, el número de paneles, el clipping del inversor, el sombreado y el rendimiento	Manual — en el arranque (para el día anterior) y bajo demanda
Watchdog	Los estados de salud de los componentes, las averías reales frente a las interrupciones de comunicación, y las pérdidas de energía	Automático — cada noche por planta, con relleno retroactivo

Por qué las conclusiones tardan en aparecer

Una planta recién incorporada necesita varias noches de ejecuciones del watchdog antes de que su modelo de producción esperada se calibre al comportamiento real de cada componente. Las cifras iniciales se estabilizan durante los primeros días.

Visión general de la arquitectura

El gemelo digital funciona como un servicio asíncrono que procesa las métricas a medida que llegan:

Principios arquitectónicos clave:

Por planta: Cada agente razona sobre una planta como un árbol de componentes y evalúa por componente y por nivel
Sin estado: No se almacenan resultados de análisis localmente — los datos se procesan en memoria y se vacían al completarse
Basado en física: Modelos estándar del sector (no aprendizaje automático) simulan la producción esperada y la comparan con la realidad
Autocalibrante: Un bucle de retroalimentación ajusta el modelo de producción esperada a cada componente a lo largo de una ventana móvil
Bajo demanda y programado: El análisis de configuración se ejecuta a petición; la monitorización de salud se ejecuta automáticamente cada noche

Componentes principales

Procesamiento de datos

El gemelo digital procesa los datos bajo demanda, sin almacenamiento persistente:

Fuentes de datos:

Webhook: Recibe actualizaciones de métricas en tiempo real del Data Scraper
Base de datos de series temporales: Obtiene datos históricos para las ventanas de análisis
IoT Cloud: Carga la estructura del parque y la configuración de los componentes

Flujo de procesamiento:

Un disparador de webhook o una solicitud de API inicia el procesamiento
Se carga la estructura del parque desde la IoT Cloud en memoria
Se obtienen los datos históricos necesarios de la base de datos de series temporales
Se reciben o se utilizan las métricas en tiempo real entregadas por el webhook
Se realiza el análisis en memoria
Se publican los resultados en la IoT Cloud
Se vacía la memoria — no se conserva ningún dato

Integración del webhook:

Recibe actualizaciones de métricas del Data Scraper vía HTTP POST
Las métricas se procesan en memoria durante la ejecución del análisis
No hay almacenamiento persistente de métricas dentro del gemelo digital

Análisis de configuración

El motor de análisis de configuración descubre y valida lo que realmente es cada string, trabajando de abajo hacia arriba en la jerarquía (el string, luego la caja de conexiones, el inversor y el contador de inyección). Se dispara manualmente — una vez en el arranque para el día anterior, y por lo demás bajo demanda para un rango de fechas elegido.

Qué detecta (por string):

Orientación — el azimut de los paneles, señalando la desviación respecto al valor configurado
Número de paneles — el número real de paneles en funcionamiento, sacando a la luz los que faltan o están defectuosos
Clipping del inversor — cuando la potencia DC supera la capacidad AC del inversor, con la duración del clipping y la energía perdida
Sombreado — los periodos de sombra entre filas al amanecer y al atardecer y el porcentaje de pérdida resultante
Rendimiento — la energía medida frente a la simulada y un performance ratio para el string

Cada resultado lleva un estado de fiabilidad, de modo que un operador puede saber si una detección fue fiable, si se basó en muy pocos datos, si alcanzó valores fuera de los límites físicos o si no encontró corriente alguna (lo que puede marcar un string como no utilizado).

Solo solar hoy en día

Los análisis de configuración anteriores se aplican a strings solares fotovoltaicos. La detección de la inclinación de los paneles se menciona pero aún no está implementada, y no existe análisis de configuración para plantas eólicas ni de baterías.

Modelos físicos estándar del sector

El gemelo digital utiliza modelos físicos revisados por pares en lugar de aprendizaje automático — por ejemplo, un modelo de irradiancia de cielo despejado y un modelo de panel de diodo único para la fotovoltaica. La producción esperada se calcula a partir de la física y la geometría del emplazamiento, y luego se compara con lo que la planta produjo realmente.

Watchdog

El motor watchdog monitoriza la salud de los componentes, separa las averías reales de las interrupciones de comunicación y calcula las pérdidas de energía. A diferencia del análisis de configuración, se ejecuta automáticamente cada noche para cada planta.

Programación automática nocturna:

Cada planta se evalúa una vez por noche a una hora estable entre las 00:00 y las 03:00 UTC, repartida para que no todas las plantas se ejecuten a la vez
Una planta se incorpora a la programación nocturna una vez que suficientes de sus strings han completado el análisis de configuración
En su primera ejecución, el watchdog rellena el histórico de forma retroactiva (hasta unos 180 días) para que obtengas información del periodo anterior al inicio de la monitorización
El sistema lleva un registro de los días que ya ha procesado y rellena cualquier día que falte en noches posteriores — se autorrepara sin intervención manual

Evaluación de la salud:

Para cada componente, el watchdog simula la producción que deberías haber visto y la compara con el valor medido
Los componentes se clasifican en estados claros: produciendo con normalidad, degradado, sobreproduciendo, sin datos, logger bloqueado, inactivo, y varios estados inferidos para componentes cuyos datos faltan pero cuya salud puede deducirse de sus vecinos
Una pasada de arriba hacia abajo infiere el estado de los componentes con datos faltantes a partir de su componente padre: un inversor sin datos cuyo padre aparece como sano se marca correctamente como un problema de comunicación, no una avería

Irradiancia de referencia sin sensor:

El watchdog deriva una línea base de irradiancia medida a partir de los strings con mejor producción, de modo que una monitorización precisa no requiere un sensor de irradiancia en el emplazamiento
La existencia de esta línea base de referencia para un día es la forma en que el sistema sabe que ese día ha sido procesado

Autocalibración (bucle de retroalimentación del rendimiento):

Se entrena un factor de corrección por componente a lo largo de una ventana móvil para que la producción esperada simulada siga el comportamiento real de cada componente
Aprende únicamente de componentes sanos y solo en días de tiempo normal — los días anómalos (nubosidad intensa, nieve, fallos) se omiten para que los datos erróneos nunca contaminen el modelo
Por eso las comparaciones entre lo esperado y lo real se afinan durante los primeros días de vida de una planta

Detección de pérdidas con confianza:

La pérdida de energía se calcula por intervalo como el déficit de la producción medida respecto a la producción simulada, sin llegar nunca a ser negativa
Cada cifra de pérdida se etiqueta con confianza ALTA, MEDIA o BAJA, y los grupos suman el total — de modo que sabes cuánto confiar en cada cifra
Se examina una lectura de energía plana (repetida): si la producción claramente continuó durante una breve interrupción, se trata como una interrupción de comunicación y se excluye de la pérdida; si la producción se detuvo, se cuenta como una avería real
Los periodos meteorológicos — nieve, rocío, niebla y paradas de red o externas — se excluyen para todos los componentes, de modo que el tiempo nunca se contabiliza erróneamente como un fallo de componente

Las interrupciones de comunicación no son pérdidas

Cuando un componente padre está sano pero faltan los datos de un hijo, el watchdog informa de un problema de recopilación de datos, no de una pérdida de producción. Esto evita que un logger temporalmente fuera de línea se confunda con energía perdida.

Sincronización con la nube

El gemelo digital se integra con la plataforma IoT Cloud:

Sincronización de la estructura del parque:

El Park Tree obtiene la configuración de los componentes de la IoT Cloud
Actualizaciones automáticas cuando se añaden o reconfiguran componentes
El descubrimiento de componentes se sincroniza de vuelta a la nube (inversores, strings, etc.)
Los cambios de configuración invalidan los resultados de análisis almacenados en caché

Notificación de resultados:

Los resultados de los análisis se envían a la IoT Cloud vía API REST
Notificaciones de eventos para averías y degradaciones
Las métricas de rendimiento se almacenan para el seguimiento histórico
Actualizaciones de estado para la salud de los componentes

Modo operativo:

Requiere conectividad con la IoT Cloud para el funcionamiento normal
Se requiere la base de datos de series temporales para el análisis de datos históricos

Funciones relacionadas

Data Scraper — recopila las métricas de la planta que el gemelo digital analiza
Visión general del Mirox-Agent — cómo el gemelo digital y el Data Scraper se ejecutan juntos en el edge
Gemelo digital (función) — la vista de estas conclusiones orientada al operador
Detección de pérdidas — cómo se detectan y valoran por confianza las pérdidas de energía
Detección de eficiencia — hallazgos de configuración y rendimiento de los strings
Evaluación de componentes — los estados de salud de los componentes explicados