Aplicación del mundo real

Optimización de equipos autónomos

Incorpore el aprendizaje automático directamente en los controladores de equipos HVAC, permitiendo que los equipos aprendan, adapten y optimicen el rendimiento bajo condiciones operativas reales.

Ver solución Descargar el informe técnico

Desafío

Los controles convencionales de HVAC dependen de configuraciones fijas que no se pueden adaptar a las condiciones de operación cambiantes. Para los AHU, esto puede significar descongelar demasiado temprano o con demasiada frecuencia, desperdiciando energía de calefacción durante todo el invierno.

Solución

El aprendizaje automático integrado en el controlador Climatix aprende el comportamiento normal y libre de heladas de la AHU. Detecta signos de escarcha utilizando 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 al tiempo que reducen el uso innecesario de energía, hardware adicional y complejidad de configuración.

Reduzca el uso de energía térmica en invierno
Descongelo solo cuando sea necesario
Evite hardware adicional del sensor de heladas
Sin esfuerzo adicional de puesta en marcha

Ingráfico con 5 iconos que representan la optimización de equipos autónomos

Cómo empezar

Desde reglas de descongelación estática hasta AHU autooptimizables, sin sensores adicionales. Siemens integra el aprendizaje automático directamente en la plataforma del controlador Climatix.

Ilustración que representa el aprendizaje para la optimización de equipos autónomos

1. Aprenda

El controlador aprende el patrón de potencia del ventilador sin heladas del AHU como referencia virtual, no se requiere un sensor de escarcha dedicado.

Ilustración que representa el monitoreo de la optimización de equipos autónomos

2. Supervisar

Compara continuamente la potencia del ventilador predicha y sin heladas con la potencia real medida del ventilador en tiempo real.

Ilustración que representa la detección de optimización de equipos autónomos

3. Detectar

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

Ilustración que representa Defrost&Adapt para la optimización de equipos autónomos

4. Descongelar y adaptar

El descongelamiento se activa solo cuando es necesario. El modelo sigue aprendiendo y refinándose con cada ciclo.

Ilustración que representa el resultado para la optimización de equipos autónomos

5. Resultado

Equipo que se adapta continuamente a las condiciones reales de operación, activando la descongelación solo bajo demanda a través de la optimización autoadaptativa directamente en el controlador, evitando de manera confiable el bloqueo del hielo y minimizando los costos 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 objetivos, restricciones, comportamiento de respaldo, intención de puesta en marcha y validación de versiones.

Aprendizaje incremental

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

Reduzca la energía de calefacción invernal

Una reducción estimada del 20 al 30% para escenarios AHU definidos sin sensores de escarcha, en comparación con la descongelación preventiva. *

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

Inicie 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 anormalidad
Sensor virtual: aprenda el modelo de datos para reemplazar o respaldar sensores físicos
Modelado predictivo: aprenda patrones en el pasado, prediga el futuro

Ver solución

Caso práctico

Evolución de la descongelación hacia ahorros de energía automatizados

Trabajador femenino y masculino con cuadernos de pie dentro de un área de producción

Validado desde la simulación hasta las pruebas de campo

Siempre que las temperaturas del aire exterior descienden por debajo del punto de congelación, la formación de escarcha en los intercambiadores de calor AHU es inevitable. La descongelación inteligente aprende el comportamiento normal y libre de heladas de una AHU y detecta las heladas sin sensores adicionales. La solución ha sido validada utilizando datos AHU, simulación, pruebas de campo y pruebas en el laboratorio de rendimiento de Siemens en Zug, Suiza.