Aplicación en el mundo real

Optimización autónoma de equipos

Incorpore el aprendizaje automático directamente en los controladores de los equipos de HVAC para que los equipos aprendan, se adapten y optimicen el rendimiento en condiciones de funcionamiento reales.

Ver solución Descargar el informe técnico

Desafío

Los controles de climatización convencionales se basan en ajustes fijos que no pueden adaptarse a los cambios de las condiciones de funcionamiento. Para los Estados Unidos, esto puede significar descongelar demasiado pronto o con demasiada frecuencia, desperdiciar energía de calefacción durante el invierno.

Solución

El aprendizaje automático integrado en el controlador Climatix aprende el comportamiento normal de la AHU sin heladas. Detecta las señales de escarcha mediante las señales de funcionamiento existentes y activa el descongelamiento solo cuando es necesario.

Beneficios

Ayude a los OEM de HVAC a ofrecer equipos más adaptables y eficientes y, al mismo tiempo, a reducir el consumo innecesario de energía y la complejidad de la configuración

Reducir el uso de energía para calefacción en invierno
Descongelar solo cuando sea necesario
Evite el hardware adicional de sensores de escarcha
Sin esfuerzo adicional de puesta en servicio

Infografía con 5 iconos que representan la optimización autónoma de equipos

Cómo empezar

Desde normas de descongelación estática hasta AHU que se optimizan automáticamente, sin sensores adicionales. Siemens incorpora el aprendizaje automático directamente en la plataforma de controladores Climatix.

Ilustración que representa el aprendizaje para la optimización autónoma de equipos

1. Aprenda

El controlador aprende el patrón de alimentación de los ventiladores sin escarcha de la AHU como referencia virtual, sin necesidad de un sensor de escarcha dedicado.

Ilustración que representa la monitorización de la optimización de equipos autónomos

2. Supervisar

Compara continuamente la potencia prevista del ventilador sin escarcha con la potencia real medida del ventilador en tiempo real.

Ilustración que representa la detección de la optimización de equipos autónomos

3. Detectar

Una desviación creciente indica la formación de escarcha, validada en simulación, laboratorio y campo.

Ilustración que representa Defrost&Adapt for Autonomous Equipment Optimization

4. Descongelar y adaptar

La descongelación solo se activa cuando es necesario. El modelo sigue aprendiendo y perfeccionándose con cada ciclo.

Ilustración que representa el resultado de la optimización de equipos autónomos

5. Resultado

Equipo que se adapta continuamente a las condiciones reales de funcionamiento, que desencadena el descongelamiento solo bajo demanda mediante una optimización autoadaptativa directamente en el controlador, lo que evita de forma fiable la obstrucción del hielo y minimiza los costes de energía.

Adaptarse a las condiciones reales

Aprenda el comportamiento normal del equipo a partir de las señales de operación locales y adáptese dentro de los límites definidos por el ingeniero. Los ingenieros definen los objetivos, las restricciones, el comportamiento alternativo, la intención de puesta en servicio y la validación de la versión.

Aprendizaje gradual

Refina continuamente el modelo integrado a medida que cambian las condiciones operativas, sin conectividad a la nube ni grandes conjuntos de datos históricos.

Reducir la energía de calefacción en invierno

Una reducción estimada del 20 al 30% para escenarios de AHU definidos sin sensores de escarcha, en comparación con el descongelamiento preventivo. *

* Los resultados dependen del clima, las horas bajo cero, el programa de operación, el flujo de aire, el tamaño de la AHU, la eficiencia de recuperación de calor y otras condiciones de operación. Los resultados varían y no están garantizados.

Comience su viaje con este paquete de soluciones

Climatix proporciona el ecosistema para desarrollar funciones basadas en el aprendizaje a escala:

Condition monitoring: aprenda el comportamiento normal y detecte anormalías
Sensor virtual: aprenda el modelo de datos para reemplazar o hacer copias de seguridad de los sensores físicos
Modelado predictivo: aprenda los patrones del pasado y prediga el futuro

Ver solución

Caso de éxito

La evolución de la descongelación hasta convertirse en un ahorro de energía automatizado

Trabajador de uno y otro sexo con cuadernos de pie dentro de una zona de producción

Validado desde la simulación hasta las pruebas de campo

Cuando la temperatura del aire exterior cae por debajo del punto de congelación, es inevitable que se forme escarcha en los intercambiadores de calor de AHU. El descongelamiento inteligente aprende el comportamiento normal de una AHU sin heladas y detecta la escarcha sin sensores adicionales. La solución se ha validado con datos de AHU, simulación, pruebas de campo y pruebas en el laboratorio de rendimiento de Siemens en Zug (Suiza).