Sie sind auf Seite 1von 19

TCNICAS INTELIGENTES DE

MONITOREO DEL MEDIDOR Y DE


MINERA DE DATOS PARA PREDECIR
EL RENDIMIENTO DEL SISTEMA DE
REFRIGERACIN

INTRODUCCIN

Un reto importante en muchos pases es proporcionar suficiente energa para


los seres humanos y para apoyar las actividades econmicas y reducir al
mnimo el dao social y ambiental. Este estudio predijo el coeficiente de
rendimiento (COP) para equipos de refrigeracin en diversas cantidades de
refrigerante (R404A) con las ayudas de las tcnicas de minera de datos (DM).
Despus de obtener el valor COP, las condiciones del equipo anormales
pueden ser evaluadas por una fuga de refrigerante. Los resultados analticos
de mtodo de validacin cruzada a veces se comparan para determinar los
mejores modelos. El estudio muestra que las tcnicas de DM se pueden
utilizar para predecir con precisin y eficiencia el valor COP. Los resultados
experimentales confirman que el anlisis sistemtico de los procesos de
construccin del modelo es eficaz para la evaluacin y optimizacin del
rendimiento de los equipos de refrigeracin.

OBJETIVOS

Predecir el coeficiente de rendimiento (COP) para


equipos de refrigeracin en diversas cantidades
de refrigerante (R404A) con la ayuda de tcnicas
de minera de datos.
Analizar las condiciones del equipo respecto al
COP.

METODOLOGA DE LA
INVESTIGACIN

La minera de datos y los enfoques basados en inteligencia


artificial utilizan programas informticos del sistema para
resolver problemas mediante la emulacin de los procesos del
cerebro humano.
Los mtodos DM son desarrollados recientemente en muchos
campos,
incluyendo
la
generalizacin,
caracterizacin,
clasificacin,
agrupacin,
asociacin,
la
evolucin,
la
coincidencia de patrones y visualizacin de datos . Por lo tanto,
la utilizacin de DM y los modelos basados en IA puede predecir
y mejorar el futuro rendimiento del sistema de refrigeracin.
Este trabajo utiliza nodos de prediccin numrica y seis tcnicas
de minera de datos, redes neuronales, las SVM, CART, MLR,
GLR, y CHAID, para la creacin y la comparacin de modelos por
defecto
de
los
resultados
numricos
continuos
automticamente.

DISEO EXPERIMENTAL

Proceso de refrigeracin

En un sistema de refrigeracin, el calor fluye desde bajo a


las zonas de alta temperatura.
El flujo se consigue mediante un refrigerante, que absorbe
el calor y por lo tanto se reduce o se evapora a baja presin
para formar vapor.

Sistema de monitoreo

Muestra los valores experimentales.


Los medidores inteligentes permiten la comunicacin bidireccional entre el
medidor y el sistema central. A diferencia de los monitores de energa del
hogar, los medidores inteligentes pueden informar continuamente los
datos de forma remota recogidos.
Sus principales funciones son la medicin y transmisin de energa a la
red.

Pronstico de COP

Este estudio estima los valores de la COP sobre la base de


los valores de temperatura y potencia de enfriamiento.
El COP puede ser utilizado para evaluar la capacidad de
refrigeracin de los equipos de refrigeracin.
Tcnicas de minera Seis de datos se utilizaron para
predecir COP bajo diferentes cantidades de refrigerante. La
temperatura de funcionamiento del evaporador tambin se
estableci en un intervalo de 20 C a 20 C.
El COP de un refrigerador es la relacin entre el cambio de
calor en el '' de salida '' para el trabajo suministrado.

PREPROCESAMIENTO DE
LA DATA Y RESULTADOS
ANALITICOS

Pre-procesamiento de la data
Los experimentos realizados fueron en base a las fugas de
los estados lquido y vapor.
Se utiliz un medidor inteligente para los datos obtenidos
que luego fueron llevados a una hoja de clculo.
Se us el Coeficiente de Correlacin de Pearson para medir
la correlacin entre las variables de entrada y salida.

Frmula de
Pearson

Medidor
Inteligente

El coeficiente describe el grado de relacin entre


las dos variables

Los valores experimentales fueron de 1kg a


6kg de cantidad de refrigerante y el rango
de temperatura del evaporador +20C a
-20C.
El mtodo usado para la validacin de
datos fue Cross-Fold, utilizada para
evaluar los resultados y garantizar la
particin entre los datos de entrenamiento
y prueba.
La eleccin de variables para establecer el
modelo, se bas en once atributos
correlacionados (|r| > 0.6)

Tabla de comparacin de la correlacin de las fases de fuga de liquido y vapor

La capacidad de enfriamiento se define como el vapor


de entalpa de la temperatura del evaporador de
salida menos el valor de la entalpa de la temperatura
del refrigerante entrada del evaporador.
La figura representa el modelo de Red Neuronal en la
fase liquida y muestra que la capacidad del
refrigerante en 2kg parece ser suficiente, pero el
tiempo para reducir la temperatura es muy largo. Se
concluye que el sistema funciona mejor cuando la
cantidad del refrigerante es 3kg.

Por otro lado, en la figura se muestra que la capacidad


de enfriamiento del refrigerante en el estado vapor est
disponible a partir de los 2kg. Cuando el refrigerante
liquido se convierte a vapor. El estado de refrigeracin
es inestable. Por lo tanto, la fuga de vapor puede
afectar el desarrollo de los equipos.

CONCLUSIONES

Predecir el Coeficiente de Performance es til en el monitoreo


de equipos en las empresas.
Para esto se llevaron a cabo mucho experimentos modificando
los valores de las variables.
Los hallazgos de la investigacin son:

Las Redes Neuronales Artificiales (RNA) predicen mejor los valores


de los coeficientes de rendimiento (COP) para la fase lquida del
refrigerante con r| > 0.7 y la Regresin Lineal Generalizada para fase
vapor con |r| > 0.6.
La cantidad de refrigerante afecta el rendimiento de los equipos, por
lo tanto, el rendimiento del equipo debe ser juzgada en trminos de
capacidad de refrigeracin y enfriamiento.
El sistema de refrigeracin propuesto funciona mejor cuando la
cantidad de R404 es de 3kg.