챌린지
기존의 HVAC 제어는 작동 조건 변화에 적응할 수 없는 고정된 설정에 의존해요.AHU의 경우, 해동을 너무 일찍 하거나 너무 자주 하면 겨울 내내 난방 에너지가 낭비될 수 있어요.
해결책
Climatix 컨트롤러에 내장된 기계 학습은 AHU의 정상적이고 서리 없는 동작을 학습해요.기존 작동 신호로 서리 징후를 감지하고 필요할 때만 제상을 작동시키죠.
실세계 애플리케이션
자율 장비 최적화
기계 학습을 HVAC 장비 컨트롤러에 직접 내장하면 장비가 실제 작동 조건에서 성능을 학습하고 조정하고 최적화할 수 있어요.
복리후생
HVAC OEM이 불필요한 에너지 사용과 하드웨어 추가, 설정 복잡성을 줄이면서 적응력이 뛰어나고 효율적인 장비를 제공할 수 있도록 도와주세요.
- 겨울철 난방 에너지 사용량을 줄여
- 필요할 때만 해동해요
- 서리 센서 하드웨어를 추가하지 마세요
- 추가 커미셔닝 작업 없음
시작 방법
정적 제상 규칙부터 자체 최적화 AHU까지. 추가 센서 필요 없어요.Siemens는 Climatix 컨트롤러 플랫폼에 기계 학습을 직접 내장해요.
1.배우세요
컨트롤러가 AHU의 서리 없는 팬 전력 패턴을 가상 레퍼런스로 학습해요. 전용 서리 센서는 필요 없어요.
2.모니터
서리가 내리지 않는 예상 팬 전력과 실제 측정된 팬 전력을 실시간으로 지속적으로 비교해요.
3.감지해요
편차가 커지면 서리가 형성된다는 신호예요. 시뮬레이션, 실험실, 현장에서 검증됐어요.
4.해동 및 적응
해동은 필요할 때만 작동해요.모델은 매 주기마다 계속 학습하고 다듬어요.
5.결과
실제 작동 조건에 지속적으로 적응하는 장비로, 컨트롤러에서 직접 자체 적응형 최적화를 수행하여 에너지 비용을 최소화하면서 결빙을 확실하게 방지해 주는 장비예요.
실제 상황에 적응하세요
현지 작동 신호로 정상적인 장비 동작을 학습하고 엔지니어가 정의한 한계 내에서 적응하세요.엔지니어가 목표, 제약 조건, 폴백 동작, 시운전 의도, 릴리스 검증을 정의해요.
점진적 학습
클라우드 연결이나 대규모 기록 데이터 세트 없이 운영 조건 변화에 따라 임베디드 모델을 지속적으로 개선해요.
겨울 난방 에너지 줄여
서리 센서 없는 정의된 AHU 시나리오의 경우 예방적 해동과 비교했을 때 20~ 30% 정도 감소해요.*
* 결과는 기후, 동결 시간, 작동 일정, 기류, AHU 크기, 열 회수 효율 및 기타 작동 조건에 따라 달라요.결과는 다양하며 보장되지 않아요.
이 솔루션 패키지로 여정을 시작하세요
Climatix는 학습 기반 기능을 대규모로 개발할 수 있는 생태계를 제공해요.
- 상태 모니터링: 정상 행동을 배우고 비정상적 행동을 감지해요
- 가상 센서: 물리적 센서를 대체하거나 백업하기 위한 데이터 모델 배우기
- 예측 모델링: 과거의 패턴을 배우고 미래를 예측해요
고객 성공사례
해동을 자동 에너지 절약으로 발전시키고 있어요.
시뮬레이션부터 필드 테스트까지 검증됐어요
외부 기온이 영하로 떨어질 때마다 AHU 열교환기에 서리가 생기는 건 피할 수 없어요.지능형 제상은 AHU의 정상적인 서리 없는 동작을 학습하고 추가 센서 없이 서리를 감지해요.솔루션은 스위스 추크에 있는 Siemens 성능 연구소에서 AHU 데이터, 시뮬레이션, 현장 테스트 및 테스트를 통해 검증됐어요.