チャレンジ
従来のHVAC制御は、変化する動作条件に適応できない固定設定に依存しています。AHUの場合、解凍が早すぎたり、頻繁に解凍したりして、冬の間暖房エネルギーを浪費する可能性があります。
解決策
Climatixコントローラーに組み込まれた機械学習は、AHUの通常の霜が降りない動作を学習します。既存の操作信号を使用して霜の兆候を検出し、必要な場合にのみ霜取りをトリガーします。
現実世界のアプリケーション
自律型機器の最適化
機械学習をHVAC機器のコントローラーに直接組み込むと、機器が実際の動作条件下でパフォーマンスを学習、適応、最適化できるようになります。
メリット
HVAC OEMが、不必要なエネルギー使用、ハードウェアの追加、セットアップの複雑さを軽減しながら、より適応的で効率的な機器を提供できるよう支援します。
- 冬の暖房エネルギーの使用量を減らしてください
- 必要なときだけ解凍してください
- 追加の霜センサーハードウェアは避けてください
- 追加の試運転作業はありません
始め方
静的な霜取りルールから、センサーを追加せずに自己最適化するAHUまで。Siemens Climatixコントローラープラットフォームに機械学習を直接組み込んでいます。
1。学ぶ
コントローラーは、AHUの霜が降りないファンの電力パターンを仮想基準として学習します。専用の霜センサーは必要ありません。
2。モニター
予測された、霜が降りないファンの電力と、実際に測定されたファンの電力をリアルタイムで継続的に比較します。
3。検出します
偏差が大きくなると、霜の形成がわかります。シミュレーション、ラボ、現場で検証されています。
4。解凍して適応させてください
霜取りは必要なときだけ行われます。このモデルは、サイクルごとに学習と改良を続けます。
5。結果
実際の動作条件に継続的に適応する機器で、コントローラー上で直接自己適応型最適化を行うことで、オンデマンドでのみ霜取りをトリガーし、エネルギーコストを最小限に抑えながら氷の詰まりを確実に防ぎます。
実際の状況に適応してください
現地の動作信号から機器の通常の動作を学習し、エンジニアが定義した制限内で適応します。エンジニアは、目標、制約、フォールバック行動、試運転意図、リリース検証を定義します。
インクリメンタルラーニング
クラウド接続や大規模な履歴データセットがなくても、運用条件の変化に応じて組み込みモデルを継続的に改良します。
冬の暖房エネルギーを減らしてください
霜センサーを使用しない特定のAHUシナリオでは、予防的霜取りと比較して、推定20〜30％削減されます。*
* 結果は、気候、氷点下時間、稼働スケジュール、気流、AHUサイズ、熱回収効率、その他の動作条件によって異なります。結果はさまざまで、保証されません。
このソリューションパッケージで旅を始めましょう
Climatixは、学習ベースの機能を大規模に開発するためのエコシステムを提供します。
- Condition monitoring：正常な行動を学習し、異常を検出します
- 仮想センサー：物理センサーを置き換えたりバックアップしたりするためのデータモデルを学びましょう
- 予測モデリング：過去のパターンを学び、未来を予測します
ユーザー事例
除霜を自動省エネへの進化
シミュレーションからフィールドテストまで検証済み
外気温が氷点下に下がると、AHU熱交換器に霜が発生することは避けられません。インテリジェントな霜取りは、霜が降りないAHUの通常の動作を学習し、追加のセンサーなしで霜を検出します。このソリューションは、AHUデータ、シミュレーション、フィールドテスト、スイスのツークにあるSiemens パフォーマンスラボでのテストを使用して検証されています。