Integrieren Sie maschinelles Lernen direkt in Steuerungen von HLK-Geräten, sodass Geräte lernen, sich anpassen und die Leistung unter realen Betriebsbedingungen optimieren können.
Herkömmliche HLK-Steuerungen basieren auf festen Einstellungen, die sich nicht an wechselnde Betriebsbedingungen anpassen können. Für AHUs kann das bedeuten, dass sie zu früh oder zu oft abtauen und den ganzen Winter über Heizenergie verschwenden.
Das in den Climatix-Controller eingebettete maschinelle Lernen lernt das normale, frostfreie Verhalten der AHU. Es erkennt anhand vorhandener Betriebssignale Anzeichen von Frost und löst die Abtauung nur bei Bedarf aus.
Helfen Sie HLK-OEMs, anpassungsfähigere und effizientere Geräte zu liefern und gleichzeitig unnötigen Energieverbrauch zu reduzieren, zusätzliche Hardware- und Einrichtungskomplexität hinzuzufügen.
Von statischen Abtauregeln bis hin zu selbstoptimierenden AHUs, ohne zusätzliche Sensoren. Siemens bettet maschinelles Lernen direkt in die Climatix-Controller-Plattform ein.
Die Steuerung lernt das frostfreie Lüfterleistungsmuster der AHU als virtuelle Referenz, kein spezieller Frostsensor erforderlich.
Es vergleicht kontinuierlich die vorhergesagte, frostfreie Lüfterleistung mit der tatsächlich gemessenen Lüfterleistung in Echtzeit.
Eine wachsende Abweichung signalisiert Frostbildung, validiert in Simulation, Labor und Feld.
Die Abtauung wird nur bei Bedarf ausgelöst. Das Modell lernt und verfeinert sich mit jedem Zyklus.
Ausrüstung, die sich kontinuierlich an die realen Betriebsbedingungen anpasst und die Abtauung durch selbstanpassende Optimierung direkt an der Steuerung nur bei Bedarf auslöst, wodurch Eisverstopfungen zuverlässig verhindert und gleichzeitig die Energiekosten minimiert werden.
Lernen Sie das normale Geräteverhalten anhand der lokalen Betriebssignale und passen Sie sich innerhalb der vom Ingenieur definierten Grenzen an. Ingenieure definieren Ziele, Einschränkungen, Ausweichverhalten, Absicht der Inbetriebnahme und Freigabevalidierung.
Verfeinern Sie das eingebettete Modell kontinuierlich, wenn sich die Betriebsbedingungen ändern, ohne Cloud-Konnektivität oder große historische Datensätze.
Eine geschätzte Reduzierung um 20— 30% für definierte AHU-Szenarien ohne Frostsensoren, verglichen mit präventivem Abtauen. *
* Die Ergebnisse hängen vom Klima, den Gefrierzeiten, dem Betriebsplan, dem Luftstrom, der Größe der AHU-Anlage, der Effizienz der Wärmerückgewinnung und anderen Betriebsbedingungen ab. Die Ergebnisse variieren und sind nicht garantiert.
Climatix bietet das Ökosystem, um lernbasierte Funktionen in großem Maßstab zu entwickeln:
Immer wenn die Außentemperaturen unter den Gefrierpunkt fallen, ist Frostbildung an AHU-Wärmetauschern unvermeidlich. Die intelligente Abtauung lernt das normale, frostfreie Verhalten eines AHU und erkennt Frost ohne zusätzliche Sensoren. Die Lösung wurde mithilfe von AHU-Daten, Simulationen, Feldtests und Tests im Siemens Performance Lab in Zug, Schweiz, validiert.