Ineficiencias energéticas en sistemas de frío para el sector alimentario
Aingura insights
Transporte y Almacenamiento
Transformación
Entrega
Pre-procesado
Sectores
Industrias electrointensivas
Aplicaciones
Eficiencia de Consumos
Monitorización de condiciones
impacto
En el Clúster 1 se ha encontrado como un patrón de consumo anómalo, que representa el 14% del consumo energético global del sistema de refrigeración.
Desarrollar Tecnologías de Inteligencia Artificial (AI)
Machine learning.
Análisis de patrones, predicción y clasificación inteligente.
Retos
Mejora de la eficiencia energética de los sistemas de refrigeración en el sector alimentario.
Para buscar patrones de consumo que se desvíen del patrón operativo normal del sistema de enfriamiento.
resultados
Tamaño del conjunto de datos: 10 GB
Número de variables: 45
Tiempo de muestreo: 15 s
Se han utilizado datos del sistema SCADA de la planta de producción para analizar el consumo del sistema de refrigeración
El sistema de refrigeración ya contaba con una gran inversión en elementos y estrategias de eficiencia energética. Sin embargo, debido a la alta factura de energía, hubo interés en ver la posibilidad de encontrar patrones anómalos de funcionamiento que puedan estar influyendo en el consumo de energía.
Se utilizó un algoritmo de agrupación basado en modelos de mezcla gaussiana para:
Encuentrar el patrón de consumo de energía del sistema.
Comparar el consumo de energía con el patrón de consumo normal para detectar anomalías.
Además, se han utilizado técnicas de escalado multidimensional para facilitar la visualización de variables.
Se ha desarrollado un patrón de consumo como el que se muestra en la Figura 4, que muestra el consumo normal (Cluster 0 y 2) y el consumo anormal (Cluster 1)
Los eventos recopilados en este Cluster han sido aislados y entregados al cliente para su análisis, con el fin de determinar qué ha causado este tipo de desviación.
¿QUIERES CONOCER MEJOR LOS BENEFICIOS QUE AINGURA IIoT PUEDE OFRECER A TU EMPRESA?