Приложение в реальном мире

Оптимизация автономного оборудования

Интегрируйте машинное обучение непосредственно в контроллеры оборудования HVAC, чтобы оборудование могло обучаться, адаптироваться и оптимизировать производительность в реальных условиях эксплуатации.

Смотреть решение Скачать информационный документ

Вызов

Обычные системы управления отоплением, вентиляцией и кондиционированием основаны на фиксированных настройках, которые не могут адаптироваться к меняющимся условиям эксплуатации. Для домашних животных это может означать слишком раннее или слишком частое размораживание и потерю тепловой энергии в течение всей зимы.

Решение

Машинное обучение, встроенное в контроллер Climatix, изучает нормальное поведение AHU без замерзания. Он обнаруживает признаки замерзания с помощью существующих рабочих сигналов и запускает размораживание только при необходимости.

Льготы

Помогите OEM-производителям систем отопления, вентиляции и кондиционирования воздуха создать более адаптивное и эффективное оборудование, сократив при этом ненужное потребление энергии, дополнительное оборудование и сложность настройки.

Сокращение потребления энергии для отопления в зимний период
Размораживайте только при необходимости
Избегайте использования дополнительного оборудования для датчиков замерзания
Никаких дополнительных работ по вводу в эксплуатацию

Инфографика с 5 значками, представляющими оптимизацию автономного оборудования

С чего начать

От статических правил размораживания до самооптимизирующихся AHU без дополнительных датчиков. Siemens внедряет машинное обучение непосредственно в платформу контроллеров Climatix.

Иллюстрация, представляющая обучение оптимизации автономного оборудования

1. Изучите

Контроллер изучает схему питания незамерзающего вентилятора AHU в качестве виртуального эталона, не требуя специального датчика замерзания.

Иллюстрация, представляющая мониторинг оптимизации автономного оборудования

2. монитор

Он постоянно сравнивает прогнозируемую мощность вентилятора без замерзания с фактической измеренной мощностью вентилятора в реальном времени.

Иллюстрация, изображающая обнаружение оптимизации автономного оборудования

3. Обнаружить

Растущее отклонение указывает на образование инея, что подтверждается моделированием, лабораторными и полевыми исследованиями.

Иллюстрация, представляющая Defrost&Adapt для оптимизации автономного оборудования

4. Размораживайте и адаптируйте

Размораживание запускается только при необходимости. Модель постоянно учится и совершенствуется с каждым циклом.

Иллюстрация, представляющая результаты оптимизации автономного оборудования

5. Результат

Оборудование, которое постоянно адаптируется к реальным условиям эксплуатации и запускает размораживание только по требованию благодаря самоадаптивной оптимизации непосредственно на контроллере, надежно предотвращает засорение льда и минимизирует затраты на электроэнергию.

Адаптируйтесь к реальным условиям

Изучите нормальное поведение оборудования по локальным рабочим сигналам и адаптируйтесь в пределах, определенных инженером. Инженеры определяют цели, ограничения, резервное поведение, намерение ввести в эксплуатацию и валидацию выпуска.

Инкрементальное обучение

Постоянно совершенствуйте встроенную модель по мере изменения условий эксплуатации без подключения к облаку или больших архивных наборов данных.

Уменьшите тепловую энергию в зимний период

По оценкам, сокращение выбросов в определенных сценариях AHU без датчиков замерзания на 20— 30% по сравнению с превентивным размораживанием. *

* Результаты зависят от климата, времени заморозки, графика работы, расхода воздуха, размера AHU, эффективности рекуперации тепла и других условий эксплуатации. Результаты различаются и не гарантируются.

Начните свой путь с помощью этого пакета решений

Climatix предоставляет экосистему для масштабного развития функций, основанных на обучении:

Condition monitoring: изучите нормальное поведение и обнаружите аномалии
Виртуальный датчик: изучите модель данных для замены или резервного копирования физических датчиков
Прогнозное моделирование: изучайте закономерности прошлого, прогнозируйте будущее

Смотреть решение

Пример из практики

Переход от размораживания к автоматической экономии энергии

Рабочие женского и мужского пола с ноутбуками, стоящие в производственном помещении

Проверено от моделирования до полевых испытаний

Когда температура наружного воздуха опускается ниже нуля, образование инея на теплообменниках AHU неизбежно. Интеллектуальное размораживание изучает нормальное поведение AHU в условиях отсутствия замерзания и обнаруживает замерзание без дополнительных датчиков. Решение было проверено с использованием данных AHU, моделирования, полевых испытаний и испытаний в лаборатории производительности Siemens в Цуге, Швейцария.