Bädda in maskininlärning direkt i styrenheter för HVAC-utrustning, så att utrustningen kan lära sig, anpassa och optimera prestanda under verkliga driftsförhållanden.
Konventionella HVAC-kontroller förlitar sig på fasta inställningar som inte kan anpassas till förändrade driftsförhållanden. För AHU kan detta innebära avfrostning för tidigt eller för ofta, vilket slösar värmeenergi hela vintern.
Maskininlärning inbäddad i Climatix-styrenheten lär sig AHU:s normala, frostfria beteende. Den upptäcker tecken på frost med hjälp av befintliga driftssignaler och utlöser avfrostning endast vid behov.
Hjälp HVAC-OEM-tillverkare att leverera mer anpassningsbar och effektiv utrustning samtidigt som onödig energianvändning minskar, ökad hårdvara och konfigurationskomplexitet minskar.
Från statiska avfrostningsregler till självoptimerande AHU:er, utan ytterligare sensorer. Siemens integrerar maskininlärning direkt i Climatix styrenhetsplattform.
Styrenheten lär sig AHU:s frostfria fläktmönster som en virtuell referens, ingen dedikerad frostsensor krävs.
Den jämför kontinuerligt förutspådd, frostfri fläkteffekt med faktisk uppmätt fläkteffekt i realtid.
En växande avvikelse signalerar frostbildning, validerad i simulering, labb och fält.
Avfrostning utlöses endast vid behov. Modellen fortsätter att lära sig och förfina med varje cykel.
Utrustning som kontinuerligt anpassar sig till verkliga driftsförhållanden och utlöser avfrostning endast på begäran genom självanpassande optimering direkt på styrenheten, vilket på ett tillförlitligt sätt förhindrar isblockering samtidigt som energikostnaderna minimeras.
Lär dig normalt utrustningsbeteende från lokala driftssignaler och anpassa dig inom ingenjörsdefinierade gränser. Ingenjörer definierar mål, begränsningar, fallback-beteende, idrifttagningssyfte och release-validering.
Förfina kontinuerligt den inbäddade modellen när driftsförhållandena förändras, utan molnanslutning eller stora historiska datamängder.
Uppskattningsvis 20— 30% minskning för definierade AHU-scenarier utan frostsensorer jämfört med förebyggande avfrostning. *
* Resultaten beror på klimat, frystimmar, driftsschema, luftflöde, AHU-storlek, värmeåtervinningseffektivitet och andra driftsförhållanden. Resultaten varierar och garanteras inte.
Climatix tillhandahåller ekosystemet för att utveckla inlärningsbaserade funktioner i stor skala:
När utomhustemperaturen sjunker under fryspunkten är frostbildning på AHU-värmeväxlare oundviklig. Intelligent avfrostning lär sig en AHU: s normala, frostfria beteende och upptäcker frost utan ytterligare sensorer. Lösningen har validerats med hjälp av AHU-data, simulering, fälttestning och testning vid Siemens prestandalaboratorium i Zug, Schweiz.