Nonostante gli sforzi in tal senso siano stati numerosi, non esiste ancora un approccio comune che permetta una sistematica classificazione dei guasti indipendentemente dall’impianto monitorato. In tale contesto il metodo presentato mostra una soluzione alternativa per l’identificazione dei guasti basata su approccio adimensionale che permette una più semplice rilevazione delle anomalie per diversi tipi di impianto. Ditte di gestione e manutenzione impianti, Asset Managers ed enti impegnati nella ricerca sui sistemi fotovoltaici sono da considerarsi i principali destinatari dell’approccio proposto. Tuttavia, per risultare economicamente competitiva, un’attività di monitoraggio e ricerca guasti dovrebbe essere condotta con il minor numero di strumenti di misura possibile e non dovrebbe richiedere complesse customizzazioni che dipendono dalle caratteristiche dell’impianto fotovoltaico. Nel lavoro presentato la ricerca guasti viene condotta su un dataset adimensionale ottenuto partendo dai dati importati direttamente dal sistema SCADA. L’approccio proposto permette di classificare i punti di lavoro in clusters, ognuno rappresentativo di una differente condizione operativa o di guasto. Sulla base di soglie opportunamente scelte, il metodo consente di ottenere una rapida classificazione dei punti di lavoro. La densità di punti raggruppati all’interno i ogni cluster rappresenta il peso da utilizzare per determinare lo stato dell’impianto. Test preliminari condotti su varie stringhe fotovoltaiche hanno dato risultati positivi, evidenziando le caratteristiche del metodo: delocalizzato, scalabile e conveniente.