Aplicação do Mundo Real

Optimização de equipamento autónomo

Incorpore o aprendizado de máquina diretamente nos controladores de equipamentos HVAC, permitindo que o equipamento aprenda, adapte e otimize o desempenho em condições reais de operação.

Ver solução Descarregar documento técnico

Desafio

Os controlos de climatização convencionais dependem de definições fixas que não podem adaptar-se às alterações das condições de funcionamento. Para os AHU, isso pode significar descongelar demasiado cedo ou demasiado frequentemente, desperdiçando energia de aquecimento durante o inverno.

Solução

A aprendizagem automática incorporada no controlador Climatix aprende o comportamento normal e livre de congelamento do AHU. Detecta sinais de geada usando os sinais de funcionamento existentes e desencadeia o descongelamento apenas quando necessário.

Benefícios

Ajude os OEMs de AVAC a fornecer equipamentos mais adaptáveis e eficientes, reduzindo o uso desnecessário de energia, hardware adicional e complexidade de configuração.

Reduzir o consumo de energia de aquecimento no inverno
Descongele apenas quando necessário
Evitar hardware adicional com sensor de geada
Nenhum esforço adicional de comissionamento

Inforgráfico com 5 ícones representativos de optimização de equipamento autónomo

Como começar

De regras de degelo estático a AHUS auto-otimizáveis, sem sensores adicionais. A Siemens incorpora machine learning diretamente na plataforma de controladores Climatix.

Ilustração que representa a Aprendizagem para Otimização de Equipamento Autónomo

1. Aprender

O controlador aprende o padrão de alimentação do ventilador sem gelo do AHU como referência virtual, não é necessário nenhum sensor de gelo dedicado.

Ilustração que representa a monitorização da optimização de equipamento autónomo

2. Monitorizar

Compara continuamente a potência de ventoinha prevista e sem congelamento com a potência real medida do ventilador em tempo real.

Ilustração que representa a Detecção de Otimização de Equipamento Autónomo

3. Detectar

Um desvio crescente sinaliza a formação de geada, validado em simulação, laboratório e campo.

Ilustração que representa o descongelamento e adaptação para optimização de equipamento autónomo

4. Descongelar e adaptar

O descongelamento é acionado apenas quando necessário. O modelo continua a aprender e a refinar a cada ciclo.

Ilustração que representa o resultado para optimização de equipamento autónomo

5. Resultado

Equipamento que se adapta continuamente às condições reais de funcionamento, desencadeando o descongelamento apenas a pedido através da otimização auto-adaptativa diretamente no controlador, prevenindo de forma fiável o bloqueio de gelo enquanto minimiza os custos de energia.

Adapte-se a condições reais

Aprenda o comportamento normal do equipamento a partir de sinais operacionais locais e adapte-se dentro dos limites definidos pelo engenheiro. Os engenheiros definem objetivos, restrições, comportamento de fallback, intenção de comissionamento e validação de lançamento.

Aprendizagem incremental

Refine continuamente o modelo incorporado à medida que as condições operacionais mudam, sem conectividade na nuvem ou grandes conjuntos de dados históricos.

Reduzir a energia de aquecimento do inverno

Uma redução estimada de 20— 30% para cenários AHU definidos sem sensores de geada, em comparação com o degelo preventivo. *

* Os resultados dependem do clima, horas de congelamento, horário de funcionamento, fluxo de ar, tamanho AHU, eficiência de recuperação de calor e outras condições operacionais. Os resultados variam e não são garantidos.

Comece a sua viagem com este pacote de soluções

A Climatix fornece o ecossistema para desenvolver funções baseadas na aprendizagem em escala:

Condition monitoring: aprender o comportamento normal e detectar anormalidade
Sensor virtual: aprenda o modelo de dados para substituir ou fazer backup de sensores físicos
Modelagem preditiva: aprender padrões no passado e prever o futuro

Ver solução

Estudo de Caso

Evoluir o descongelamento para poupanças de energia automatizadas

Trabalhador feminino e masculino com notebooks em pé dentro de uma área de produção

Validado de simulação a teste de campo

Sempre que as temperaturas do ar exterior caem abaixo de zero, a formação de geada nos permutadores de calor AHU é inevitável. O degelo inteligente aprende o comportamento normal e livre de geadas de um AHU e detecta geadas sem sensores adicionais. A solução foi validada usando dados AHU, simulação, testes de campo e testes no laboratório de desempenho da Siemens em Zug, Suíça.