Descripción del proyecto
La generación de frío industrial tiene especial relevancia en la economía mundial ya que es un factor clave para la conservación de los alimentos y que conlleva un gran consumo de energía, Con el aumento del coste energético y el coste asociado al producto que eso supone, es fundamental optimizar la eficiencia de los sistemas de generación así como tener la capacidad de anticiparse a posibles mal funcionamientos de la instalación,Un sistema de generación de frío industrial consta de diversos equipos, hasta la fecha se ha trabajado para mejorar el rendimiento de cada máquina por separado, sin embargo, el enfoque de trabajar con todo el sistema en global aún no ha sido suficientemente explotado,En este contexto, el objetivo general del proyecto es el desarrollo de un sistema de monitorización inteligente de plantas de generación de frío industrial, maximizando la eficiencia de la planta de generación de frío industrial y minimizar el coste de funcionamiento, El indicador más utilizado para cuantificar el rendimiento de las plantas de generación de frío es el Coefficient Of Performance (COP), Este coeficiente tiene en cuenta la ratio entre la potencia frigorífica suministrada por la planta y la potencia eléctrica consumida, con lo que se determina el rendimiento estricto en términos energéticos de la planta, El valor del COP máximo esperable para un determinado compresor es proporcionado por el fabricante para unas condiciones determinadas de funcionamiento, Sin embargo, este indicador no es el rendimiento real máximo que puede alcanzar la planta en su conjunto, puesto que el valor del COP varía con diferentes condiciones de trabajo de la planta,Por lo tanto, la investigación se centrará en la modelización basada en datos de la planta que permita determinar en cada instante (i) COP actual y margen de mejora real del mismo, (ii) las causas de no operar con el COP máximo posible y (iii) las consignas de operación o setpoints para mantener en todo instante a la planta trabajando con el COP máximo posible,Asimismo, se investigará en la aplicación de técnicas de análisis y modelado multivariable, basadas en inteligencia artificial, y minería de datos para el reconocimiento de los patrones en las variables analizadas, asociados a los diferentes estados de operación de la planta, Se pretende modelar no solo los estados de operación estacionarios, sino también las transiciones entre diversos puntos de operación, De esta manera el modelo global de la planta se subdividirá en modelos para las situaciones estacionarias correspondientes a cada uno de los estados considerados, más los modelos de las transiciones entre ellos, Finalmente, en base a los modelos de planta generados, se propondrán los algoritmos de optimización de consignas que permitan reconducir a la planta al punto de operación óptimo en caso de detección de deriva del mismo,Para poder abordar este proyecto se ha formado un consorcio que incluye expertos en áreas complementarias de esta temática para el éxito científico y productivo del mismo, El consorcio se encuentra formado por los investigadores del CIT-UPC y por el equipo investigador de CAGSA,La metodología propuesta permitirá optimizar el compromiso precisión-generalización propio de los modelos basados en datos, ya que los diferentes modelos a desarrollar se centrarán en casuísticas concretas, siendo por lo tanto muy precisos, y la fusión de todos ellos nos permitirá obtener un modelo general de la globalidad de la planta,