Internacional. Un grupo de investigadores italianos presentaron una revisión del rendimiento de 19 plantas de refrigeración en las que se implementaron algoritmos de inteligencia artificial.
La inteligencia artificial (IA), incluido el aprendizaje automático (ML), las redes neuronales artificiales (ANN) y el aprendizaje profundo (DL), que son subcampos de la IA, pueden generar beneficios significativos en términos de operación y mantenimiento de sistemas de refrigeración y aire acondicionado.
La detección y el diagnóstico de fallas (FDD) para el mantenimiento predictivo y la mejora de las operaciones de las máquinas es una de las aplicaciones de IA más estudiadas en estos campos. Como fallas predecibles, los autores dan ejemplos de defectos de carga de refrigerante, en términos de sobrecarga o fuga/carga insuficiente, y fallas de los intercambiadores de calor en términos de ensuciamiento, flujo másico de fluido secundario y reducción de la transferencia de calor.
El uso de algoritmos de IA en lugar de los basados en la física puede ser interesante si se requiere un tiempo de cálculo reducido y si se consideran los efectos acumulativos operativos en el tiempo. FDD permite una mejor programación de las operaciones de mantenimiento para evitar fallas graves y limitar los costos relacionados con fallas menores.
La IA también se está utilizando ampliamente para la predicción del rendimiento energético de los equipos de refrigeración. La predicción del rendimiento energético es útil para establecer la estrategia de control óptima y maximizar el ahorro de energía. Por ejemplo, la predicción del COP de una bomba de calor geotérmica con un algoritmo ANN utilizando la temperatura del suelo y la temperatura del aire del condensador de entrada y salida como variables de entrada resultó en un error de solo el 1 % entre el COP medido y el previsto.
El control predictivo es una aplicación importante de la IA. Gracias a su simplicidad y reducido tiempo de cómputo, los algoritmos ANN pueden implementarse en los principales tableros de control de los sistemas en operación en tiempo real. Estos novedosos sistemas de control pueden superar los límites de los controles termostáticos y PID ampliamente utilizados al proporcionar un tiempo de respuesta más corto durante la operación transitoria, logrando ahorros de energía significativos.
Como ejemplo, los autores presentan el modelado de una planta de 4 enfriadores con un algoritmo de dos niveles para minimizar los costos operativos. En el primer nivel, se utiliza un algoritmo genético para predecir el estado de encendido/apagado del enfriador en función de la carga de refrigeración. En el segundo nivel, la optimización del enjambre de partículas se usa para minimizar el consumo de energía del sistema utilizando la capacidad de enfriamiento, la diferencia de temperatura del agua y la entalpía como entradas principales. Durante dos días de operación, se logró un ahorro de energía del 14%; además, gracias a una alta tasa de cálculo, es posible implementar este algoritmo para controlar toda la planta en tiempo real.
Por otro lado, se ha trabajado poco en la predicción de la formación de heladas y en las técnicas de optimización del control de descongelación, lo que demuestra que esta área de investigación aún está por explorar.
Fuente: Instituto Internacional de Refrigeración.
