ES2293511T3 - Procedimiento de seguimiento del rendimiento de un equipo industrial. - Google Patents
Procedimiento de seguimiento del rendimiento de un equipo industrial. Download PDFInfo
- Publication number
- ES2293511T3 ES2293511T3 ES05300970T ES05300970T ES2293511T3 ES 2293511 T3 ES2293511 T3 ES 2293511T3 ES 05300970 T ES05300970 T ES 05300970T ES 05300970 T ES05300970 T ES 05300970T ES 2293511 T3 ES2293511 T3 ES 2293511T3
- Authority
- ES
- Spain
- Prior art keywords
- model
- excessive consumption
- probability
- equipment
- indicator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
- Blast Furnaces (AREA)
Abstract
Procedimiento de seguimiento del rendimiento de un equipo (E) industrial, en el que, durante una fase de aprendizaje, a lo largo de un periodo de referencia: - se calibra un modelo (M), destinado a proporcionar una estimación (We) de la potencia eléctrica consumida a partir de los valores del conjunto (F) de los parámetros de funcionamiento del equipo (E) industrial, - se calibra la distribución de una variable aleatoria que representa el consumo excesivo, es decir, la diferencia entre la medición de la potencia (W) eléctrica y el valor (We) estimado a partir del modelo (M), y durante una fase de seguimiento en tiempo real: - se mide un conjunto (F) de parámetros de funcionamiento del equipo (E) industrial, así como el valor de la potencia (W) eléctrica consumida del equipo, - se calcula, en tiempo real, utilizando el modelo (M), a partir de los valores del conjunto (F) de los parámetros de funcionamiento del equipo (E) industrial, una estimación (We) de la magnitud que representala potencia eléctrica consumida, - se compara la diferencia entre el valor (W) medido de la potencia (W) eléctrica consumida con el valor (We) estimado proporcionado por el modelo (M), para obtener el valor del consumo excesivo, - a partir de una prueba estadística sobre la variable de consumo excesivo, utilizando la distribución de esta variable, se deduce una puntuación de consumo excesivo correspondiente a una probabilidad (p1) de consumo excesivo y que constituye un indicador de consumo excesivo, - se dispara una alarma si la probabilidad (p1) de consumo excesivo sobrepasa un umbral (sp1) de probabilidad de consumo excesivo dado.
Description
Procedimiento de seguimiento del rendimiento de
un equipo industrial.
La presente invención se refiere a un
procedimiento de seguimiento del rendimiento de un equipo
industrial, así como a un dispositivo de puesta en práctica de tal
procedimiento.
La invención se aplica en particular a unidades
de separación de los componentes del aire, utilizando al menos un
compresor de aire, de oxígeno o de nitrógeno.
El seguimiento del rendimiento de un equipo
industrial, en particular de un compresor, sirve para planificar el
mantenimiento del mismo y para controlar su eficacia, y orientar la
elección operativa hacia los equipos con mejores rendimientos.
Es deseable para el explotador de este equipo
industrial disponer de un indicador de rendimiento de este equipo,
que permita detectar de manera fiable cualquier deterioro del
mismo.
Por tanto, este indicador debe permitir
diferenciar un deterioro del estado del equipo industrial y una
sencilla variación de las condiciones de funcionamiento.
Para ello, el documento FR 2 837 598 del
solicitante describe un procedimiento y un dispositivo de
seguimiento en el que el indicador de rendimiento del equipo es en
particular la potencia eléctrica consumida. Así, el procedimiento
consiste en comparar la medición de potencia eléctrica consumida por
un equipo con un modelo de esta potencia consumida. Cuando la razón
entre estas dos magnitudes es superior a un umbral, se dispara una
alarma de consumo excesivo.
El modelo utilizado puede ser de tipo lineal o
no lineal.
La calibración del modelo se realiza
actualmente, en general, sobre un conjunto de datos recogidos
durante un periodo de 3 meses.
El diagnóstico de consumo excesivo puede basarse
en un modelo que se ha vuelto inadecuado en el momento del
diagnóstico, si el comportamiento estadístico del conjunto de las
mediciones de las variables de entrada del modelo cambia con
respecto al periodo de calibración. Estas variables comprenden, en
particular, la temperatura del gas y del agua refrigerante, las
presiones de aspiración y de retorno y el caudal de gas.
Este cambio de comportamiento puede inducir por
tanto diagnósticos erróneos, e inducir una ausencia de detección de
un consumo excesivo, o una falsa detección de consumo excesivo,
siendo este último caso el más frecuente.
El cambio del comportamiento estadístico de las
mediciones puede deberse por ejemplo a condiciones estacionarias
extremas, pudiendo por ejemplo la temperatura exterior estar sujeta
a variaciones importantes, a un cambio a nivel del equipo o a un
desvío importante de un sensor.
El procedimiento descrito en el documento FR 2
837 598 no tiene en cuenta estos cambios estadísticos, lo que
provoca una tasa de falsa alarma alta, que conlleva acciones
inadecuadas de mantenimiento o aumento por los usuarios del umbral
de detección, lo que disminuye la eficacia de la herramienta.
El objetivo de la presente invención es la
mejora de la fiabilidad de los diagnósticos de consumo excesivo de
los compresores teniendo en cuenta cambios del comportamiento
estadístico de las mediciones utilizadas en la entrada del modelo,
en particular las mediciones de temperatura del gas y del agua
refrigerante, las presiones de aspiración y de retorno, y el caudal
de gas.
Así, la invención tiene como objetivo
proporcionar un indicador de consumo excesivo, pero también un
indicador de invalidez para sugerir un nuevo aprendizaje al
operador, que tenga en cuenta estos cambios.
Otro objetivo de la invención es la puesta a
disposición de informaciones complementarias útiles para los
usuarios para la gestión del parque de compresores, en particular
para facilitar la elección de los equipos que han de utilizarse o
la carga relativa de cada uno de ellos, proporcionando un indicador
de selección de compresores.
Para ello, la presente invención tiene como
objetivo un procedimiento de seguimiento del rendimiento de un
equipo industrial, en el que, durante una fase de aprendizaje a lo
largo de un periodo de referencia:
- se calibra un modelo, destinado a proporcionar
una estimación de la potencia eléctrica consumida a partir de los
valores del conjunto de los parámetros de funcionamiento del equipo
industrial,
- se calibra la distribución de una variable
aleatoria que representa el consumo excesivo, es decir, la
diferencia entre la medición de la potencia eléctrica y el valor
estimado a partir del modelo, y
durante una fase de seguimiento en tiempo
real:
- se mide un conjunto de parámetros de
funcionamiento del equipo industrial, así como el valor de la
potencia eléctrica consumida del equipo,
- se calcula, en tiempo real, utilizando el
modelo, a partir de los valores del conjunto de los parámetros de
funcionamiento del equipo industrial, una estimación de la magnitud
que representa la potencia eléctrica consumida,
- se compara la diferencia entre el valor medido
de la potencia eléctrica consumida con el valor estimado
proporcionado por el modelo, para obtener el valor del consumo
excesivo,
- a partir de una prueba estadística sobre la
variable de consumo excesivo, utilizando la distribución de esta
variable, se deduce una puntuación de consumo excesivo
correspondiente a una probabilidad de consumo excesivo y que
constituye un indicador de consumo excesivo,
- se dispara una alarma si la probabilidad de
consumo excesivo sobrepasa un umbral de probabilidad de consumo
excesivo dado.
Estas disposiciones permiten aumentar la
robustez del diagnóstico y, así, disminuir la tasa de falsa
alarma.
Ventajosamente, la puntuación que permite el
cálculo de la probabilidad de consumo excesivo corresponde a la
potencia de una prueba estadística sobre la variable de consumo
excesivo.
Según un modo de puesta en práctica, la
probabilidad de consumo excesivo corresponde a la probabilidad de
que el consumo excesivo sobrepase un umbral dado.
Ventajosamente, se calcula, durante la fase de
seguimiento en tiempo real un indicador de invalidez que representa
la probabilidad de validez o invalidez del modelo, a partir de los
valores del conjunto de los parámetros de funcionamiento del equipo
industrial, calculándose el indicador de invalidez a partir de una
puntuación cuyos medios de determinación se calibran durante una
fase de aprendizaje durante un periodo de referencia.
El indicador de invalidez o de nuevo aprendizaje
sirve para indicar al operador la necesidad de un nuevo aprendizaje,
por ejemplo a través de una alarma.
Según un modo de puesta en práctica, se dispara
una alarma si el indicador de invalidez sobrepasa un umbral de
probabilidad de invalidez dado.
Ventajosamente, durante la fase de seguimiento
en tiempo real, se calcula un indicador de selección de los equipos
como el coste marginal del equipo, es decir, el aumento de la
potencia eléctrica consumida para un aumento unitario del caudal
comprimido en el punto de funcionamiento actual, calculándose este
indicador mediante una derivación numérica sobre el modelo.
El indicador de selección sirve para que el
operador determine los mejores equipos que han de utilizarse.
Los costes marginales asociados a cada uno de
los compresores de una instalación permiten mejorar la elección de
utilización de los mismos.
Según un modo de puesta en práctica, se tiene en
cuenta al menos una ventana temporal deslizante de medición, que
contiene informaciones medidas durante la duración de la ventana
hasta el momento actual, para determinar el consumo excesivo y/o la
invalidez del modelo.
Ventajosamente, el modelo es de tipo no lineal,
comprendiendo en particular al menos una red de neuronas o de
herramientas de regresión local.
Según un modo de puesta en práctica, el conjunto
de las variables de entrada del modelo comprende:
- el caudal del gas a través del equipo,
- la presión de aspiración,
- la presión de retorno,
- la temperatura del agua refrigerante, y
- la temperatura del gas en la entrada del
equipo.
\newpage
La invención también tiene como objetivo un
sistema que permite poner en práctica el procedimiento anterior,
que comprende:
- medios de medición sobre el equipo,
- medios de almacenamiento que permiten
registrar los datos correspondientes,
- medios de cálculo,
- medios de información de un operador y de
control,
- medios de comunicación en red que conectan los
componentes del sistema.
Ventajosamente, se activa una nueva calibración
del modelo en caso de invalidez.
Según un modo de realización, el procedimiento
se realiza a intervalos regulares, en particular cada hora.
En cualquier caso, la invención se entenderá
correctamente con ayuda de la descripción que sigue, en referencia
al dibujo esquemático adjunto, que representa a título de ejemplo no
limitativo un modo de realización de un sistema según la
invención.
La figura 1 representa de manera esquemática un
equipo así como un dispositivo de seguimiento según la
invención.
La figura 2 es una vista esquemática de la
disposición de los medios de cálculo.
La figura 3 representa de manera esquemática el
organigrama de un procedimiento según la invención, durante la fase
de seguimiento.
Según un modo de realización representado en la
figura 1, un equipo E industrial de tipo compresor refrigerado está
asociado a un sistema S de seguimiento del rendimiento de un equipo
industrial según la invención.
Un compresor refrigerado toma en la entrada un
gas a una presión P_{in} de aspiración y lo comprime para obtener
en la salida un gas a una presión P_{out} de retorno superior a la
presión de aspiración.
El gas está a una temperatura T_{g}.
Este compresor se refrigera además por un
líquido de refrigeración, en particular agua, a una temperatura
T_{w}. Este compresor consume, para realizar la comprensión,
energía eléctrica caracterizada por una potencia W de consumo.
El sistema S comprende medios 2 de medición
situados sobre el equipo E que efectúan mediciones. Medios 3 de
almacenamiento permiten registrar los datos correspondientes, en
particular en forma de medias a la hora.
Las mediciones incluyen en particular mediciones
de la potencia W eléctrica consumida, así como un conjunto de
parámetros de funcionamiento del equipo E.
El sistema S también comprende medios de cálculo
4.
El sistema S comprende además medios de
información de un operador y de control, en forma por ejemplo de un
terminal 5 informático.
Los componentes del sistema están conectados
mediante medios de comunicación en red.
La figura 2 permite ilustrar los elementos
utilizados en los medios 4 de cálculo.
Los medios 4 de cálculo comprenden:
- medios 6 de estimación del valor de la
potencia W_{e} eléctrica consumida mediante un modelo M,
utilizando un modelo de comportamiento, o estadístico, para
calcular, a partir de un conjunto F de variables de entrada, una
estimación W_{e} de la potencia eléctrica consumida,
- primeros medios 7 de determinación de una
puntuación p_{1} correspondiente a la probabilidad de consumo
excesivo, a partir de la estimación W_{e} de la potencia eléctrica
consumida, del valor de la potencia W consumida medida por los
medios 2 de medición, de un primer umbral Dw de consumo excesivo, y
de una primera ventana t_{w1} temporal deslizante de consumo
excesivo en la que debe alcanzarse el primer umbral para
caracterizar un consumo excesivo,
- segundos medios 8 de determinación de una
puntuación p_{2} correspondiente a la probabilidad de invalidez
del modelo, a partir de los valores medidos para las variables de
entrada del modelo, y de una segunda ventana t_{w2} temporal
deslizante,
- primeros medios 9 de alarma de consumo
excesivo, que comparan la primera puntuación p_{1} correspondiente
a la probabilidad de consumo excesivo con un primer umbral s_{p1}
de probabilidad de consumo excesivo, y
- segundos medios 10 de alarma de invalidez del
modelo M, que comparan la segunda puntuación p_{2}
correspondiente a la probabilidad de invalidez del modelo con un
segundo umbral s_{p2} de probabilidad de invalidez;
utilizándose estos elementos durante la fase de
seguimiento del rendimiento del equipo.
Ha de señalarse que, en particular, los primeros
medios 7 de determinación de una puntuación p_{1} correspondiente
a la probabilidad de consumo excesivo y los segundos medios 8 de
determinación de una puntuación p_{2} correspondiente a la
probabilidad de invalidez del modelo pueden realizarse configurando
componentes de cálculo de puntuación del conjunto de software
MdIntelligence de la sociedad Miriad Technologies.
El modelo M es preferiblemente de tipo no
lineal, comprendiendo según variantes al menos una red de neuronas
o herramientas de regresión local. Este modelo se calibra durante
una fase previa de aprendizaje durante un periodo de
referencia.
El conjunto F de las variables de entrada del
modelo M, cuyos valores se obtienen mediante los medios 2 de
medición, comprende en particular, en este modo de realización:
- el caudal Q del gas a través del equipo E,
- la presión P_{in} de aspiración,
- la presión P_{out} de retorno,
- la temperatura T_{w} del agua refrigerante,
y
- la temperatura T_{G} del gas.
Así, el cálculo de la estimación de la potencia
consumida puede representarse mediante la relación:
We=M(F)=M(Q,P_{in},P_{out},T_{w},T_{g})
Los medios de cálculo comprenden asimismo:
- medios 12 de calibración del modelo M, a
partir de los valores del conjunto F de las variables de entrada
medidas durante un periodo de referencia de aprendizaje y del valor
W de la potencia consumida medida,
- primeros medios 13 de calibración de los
primeros medios 7 de determinación de la primera puntuación p_{1},
a partir de los valores de potencia consumida del periodo de
referencia de aprendizaje, y
- segundos medios 14 de calibración de los
segundos medios 8 de determinación de la segunda puntuación p_{2},
a partir de los valores del conjunto F de las variables de entrada
medidas durante un periodo de referencia de aprendizaje;
utilizándose los medios de calibración durante
la fase de aprendizaje.
En una variante, los medios 4 de cálculo
comprenden además medios de filtrado de datos que permiten suprimir,
durante la fase de aprendizaje o durante las fases de seguimiento
en tiempo real, los datos correspondientes a datos erróneos del
sensor.
Durante una fase de aprendizaje, la calibración
del modelo y de los medios de determinación se realiza mediante los
medios 9, 10, 12 de calibración.
Durante tal fase de aprendizaje, se eliminan los
datos correspondientes a los consumos excesivos, con el fin de
obtener un modelo lo más próximo al funcionamiento nominal del
equipo.
Durante una fase de seguimiento, se realizan las
siguientes etapas:
En una primera etapa SE1, el valor del conjunto
F de las variables de entrada del modelo M y de consumo W se
proporcionan por los medios 2 de medición, directamente, o a través
de los medios 3 de almacenamiento.
En una segunda etapa SE2, los datos
proporcionados se filtran por los medios de filtrado.
En una tercera etapa SE3, teniendo en cuenta el
valor del conjunto F de las variables de entrada, el modelo M
calcula una estimación W_{e} de la potencia eléctrica consumida
por el equipo.
En una cuarta etapa SE4, es posible calcular a
continuación, por los primeros medios 7 de determinación, una
puntuación p_{1} correspondiente a la probabilidad de consumo
excesivo, a partir de la estimación W_{e} de la potencia
eléctrica consumida, del valor de la potencia W consumida medida por
los medios 2 de medición, de un primer umbral D_{w} de consumo
excesivo y de una primera ventana t_{w1} temporal de consumo
excesivo en la que debe alcanzarse el primer umbral para
caracterizar un consumo excesivo.
En una quinta etapa SE5, la primera puntuación
p_{1} correspondiente a la probabilidad de consumo excesivo se
compara con un primer umbral s_{p1} de probabilidad de consumo
excesivo por los primeros medios 9 de alarma de consumo
excesivo.
En una sexta etapa SE6, si la primera puntuación
p_{1} sobrepasa este primer umbral s_{p1}, se detecta un
consumo excesivo y una alarma informa al usuario.
En paralelo a las etapas SE2 a SE6, en una
séptima etapa SE7, la segunda puntuación p_{2} correspondiente a
la probabilidad de invalidez del modelo se calcula a partir del
conjunto F de las variables, y de una segunda ventana T_{w2}
temporal deslizante.
En una octava etapa SE8, la segunda puntuación
p_{2} se compara con un segundo umbral s_{p2} de probabilidad
de invalidez por los segundos medios 10 de alarma de invalidez del
modelo M.
En una novena etapa SE9, si la segunda
puntuación p_{2} sobrepasa este segundo umbral s_{p2}, se
detecta una invalidez del modelo y una alarma informa al usuario,
para incitarlo a realizar un nuevo aprendizaje.
En una décima etapa opcional, no representada en
la figura 2, el usuario puede iniciar una nueva fase de aprendizaje
o de nueva calibración para obtener un modelo válido.
Así, el diagnóstico de consumo excesivo se
establece mediante una primera puntuación p_{1}, es decir, un
valor real de probabilidad comprendido entre 0 y 1, indicando una
puntuación 0 un riesgo nulo de consumo excesivo e indicando una
puntuación 1 un riesgo alto de consumo excesivo.
El concepto de consumo excesivo se define, en un
intervalo horario, por encima de un umbral s_{p1} de probabilidad
de consumo excesivo fijado por el usuario.
En este modo de puesta en práctica, se utiliza
una modelización de la distribución de la variable de consumo
excesivo. Esta modelización se calibra durante la fase de
aprendizaje y caracteriza la distribución de los consumos
excesivos.
La puntuación p_{1} corresponde a la potencia
de una prueba de consumo excesivo, es decir, la probabilidad de
tener un consumo excesivo en caso de que se constate consumo
excesivo por las mediciones y el modelo.
El procedimiento de seguimiento tal como se ha
descrito permite detectar la presencia de consumo excesivo
utilizando tres parámetros de uso:
- una ventana t_{w1} temporal deslizante de
consumo excesivo, por ejemplo de una duración de 24 horas,
conteniendo esta ventana deslizante toda la información horaria de
la duración de la ventana,
- un umbral Dw de consumo excesivo, por ejemplo
un nivel de 300 kilovatios,
- un umbral s_{p1} de disparo de alarma, es
decir, un valor entre 0 y 1 que permite disparar una alarma a
partir del valor de una puntuación, por ejemplo un nivel de 0,5.
El diagnóstico de consumo excesivo se establece
cada hora, a partir de los parámetros descritos anteriormente.
En relación con el diagnóstico de invalidez del
modelo M, este diagnóstico se basa en la segunda puntuación p_{2}
que constituye un indicador de invalidez para advertir al usuario
cuando el modelo utilizado y calibrado sobre una base de
aprendizaje dada se vuelve inadecuado con respecto a los datos de
detección utilizados para el diagnóstico.
La segunda puntuación p_{2} es un valor real
de probabilidad comprendido entre 0 y 1, indicando el valor 0 que
el modelo es aplicable con toda fiabilidad, e indicando el valor 1
que el modelo tiene una gran probabilidad de no ser aplicable.
El procedimiento de seguimiento tal como se ha
descrito permite determinar si el modelo es válido utilizando dos
parámetros de uso:
- una ventana t_{w2} temporal de deslizamiento
de consumo excesivo, por ejemplo de una duración de 24 horas,
conteniendo esta ventana deslizante toda la información horaria de
la duración de la ventana,
\newpage
\global\parskip0.970000\baselineskip
- un umbral s_{p2} de disparo de alarma, es
decir, un valor entre 0 y 1 que permite disparar una alarma a
partir del valor de una puntuación, siendo ventajosamente el valor
del umbral s_{p2} del orden de 0,95 a 0,98.
El indicador p_{2} de invalidez permite, en
particular, verificar que los datos operativos utilizados para el
diagnóstico de consumo excesivo no están demasiado alejados del
dominio de aprendizaje.
Si el usuario constata a través de este
indicador que los datos operativos están demasiado tiempo fuera del
dominio de aprendizaje, es necesario prever un nuevo aprendizaje o
una intervención sobre el sensor en caso de desviación del sensor
no controlada.
Este indicador p_{2} de invalidez permite
obtener por tanto una información muy apreciable sobre la validez
del modelo con respecto a los diagnósticos establecidos.
Obsérvese que el indicador p_{2} de invalidez
indica que hay que volver a calibrar únicamente cuando las
mediciones de entrada del modelo cambian de comportamiento
estadístico, y no cuando cambia la medición de potencia
consumida.
Ventajosamente, para permitir a un usuario
realizar un seguimiento más preciso del equipo, se calcula la
desviación del consumo del equipo E con respecto a las curvas
teóricas proporcionadas por el fabricante, mediante la diferencia
entre estas curvas almacenadas en los medios 3 de almacenamiento y
sus valores medidos.
Además se calcula el coste marginal por cada
compresor de una unidad industrial, y esta información permite a un
usuario mejorar la elección de uso de los mismos.
El coste marginal constituye un indicador de
selección de los compresores cuando hay varios compresores
disponibles en una misma unidad industrial.
El coste marginal se expresa como el coste de
compresión de un volumen por encima o por debajo próximo al punto
de funcionamiento actual, es decir, la derivada de potencia
consumida con respecto al caudal de gas.
La potencia eléctrica consumida se escribe
como:
con:
- W: potencia eléctrica consumida
- [kW]
- Q: caudal de gas
- [Nm^{3}/h]
- R: 1,0304\cdot10^{-4}
- [kWh/(Nm^{3}\cdotK)]
- T_{w}: temperatura del agua refrigerante
- [ºK]
- P_{in}: presión de aspiración, antes del filtro
- [bares]
- P_{out}: presión de retorno
- [bares]
- W_{e}: estimación de la potencia consumida
- [kW]
\eta: rendimiento isotérmico del compresor
\eta_{e}: estimación del rendimiento
isotérmico del compresor
\vskip1.000000\baselineskip
La estimación por el modelo M de la potencia
consumida se escribe como:
Según el modo de realización lineal descrito en
el documento FR 2 837 598, la estimación del rendimiento isotérmico
del compresor se considera como una ley lineal, es decir:
\global\parskip1.000000\baselineskip
El coste marginal se escribe entonces como:
donde W_{e}/Q es el coste
específico.
El inconveniente de este método es la débil
precisión en las zonas no lineales del rendimiento.
En el modo de realización según la invención, se
obtiene una precisión mejorada mediante derivación numérica
positiva y negativa sobre el modelo M no lineal.
La mejora de la precisión del cálculo del coste
marginal permite elegir mejor los compresores adecuados,
constituyendo el coste marginal un mejor indicador de
selección.
Evidentemente, la invención no se limita a las
formas de realización preferidas descritas anteriormente, a título
de ejemplo no limitativo; sino que abarca por el contrario todas las
variantes en el marco de las reivindicaciones siguientes.
Claims (12)
1. Procedimiento de seguimiento del rendimiento
de un equipo (E) industrial, en el que, durante una fase de
aprendizaje, a lo largo de un periodo de referencia:
- se calibra un modelo (M), destinado a
proporcionar una estimación (W_{e}) de la potencia eléctrica
consumida a partir de los valores del conjunto (F) de los
parámetros de funcionamiento del equipo (E) industrial,
- se calibra la distribución de una variable
aleatoria que representa el consumo excesivo, es decir, la
diferencia entre la medición de la potencia (W) eléctrica y el
valor (W_{e}) estimado a partir del modelo (M), y
durante una fase de seguimiento en tiempo
real:
- se mide un conjunto (F) de parámetros de
funcionamiento del equipo (E) industrial, así como el valor de la
potencia (W) eléctrica consumida del equipo,
- se calcula, en tiempo real, utilizando el
modelo (M), a partir de los valores del conjunto (F) de los
parámetros de funcionamiento del equipo (E) industrial, una
estimación (W_{e}) de la magnitud que representa la potencia
eléctrica consumida,
- se compara la diferencia entre el valor (W)
medido de la potencia (W) eléctrica consumida con el valor (W_{e})
estimado proporcionado por el modelo (M), para obtener el valor del
consumo excesivo,
- a partir de una prueba estadística sobre la
variable de consumo excesivo, utilizando la distribución de esta
variable, se deduce una puntuación de consumo excesivo
correspondiente a una probabilidad (p_{1}) de consumo excesivo y
que constituye un indicador de consumo excesivo,
- se dispara una alarma si la probabilidad
(p_{1}) de consumo excesivo sobrepasa un umbral (s_{p1}) de
probabilidad de consumo excesivo dado.
2. Procedimiento según la reivindicación 1,
caracterizado porque la puntuación que permite el cálculo de
la probabilidad (p_{1}) de consumo excesivo corresponde a la
potencia de una prueba estadística sobre la variable de consumo
excesivo.
3. Procedimiento según una de las
reivindicaciones 1 y 2, caracterizado porque la probabilidad
(p_{1}) de consumo excesivo corresponde a la probabilidad de que
el consumo excesivo sobrepase un umbral (Dw) dado.
4. Procedimiento según una de las
reivindicaciones 1 a 3, caracterizado porque se calcula,
durante la fase de seguimiento en tiempo real un indicador
(p_{2}) de invalidez que representa la probabilidad de validez o
invalidez del modelo (M), a partir de los valores del conjunto (F)
de los parámetros de funcionamiento del equipo (E) industrial,
calculándose el indicador (p_{2}) de invalidez a partir de una
puntuación cuyos medios (8) de determinación se calibran durante
una fase de aprendizaje durante un periodo de referencia.
5. Procedimiento según la reivindicación 4,
caracterizado porque se dispara una alarma si el indicador
(p_{2}) de invalidez sobrepasa un umbral (s_{p2}) de
probabilidad de invalidez dado.
6. Procedimiento según una de las
reivindicaciones 1 a 5, caracterizado porque, durante la fase
de seguimiento en tiempo real, se calcula un indicador de selección
de los equipos como el coste marginal del equipo, es decir, el
aumento de la potencia eléctrica consumida por un aumento unitario
del caudal comprimido en el punto de funcionamiento actual,
calculándose este indicador mediante una derivación numérica sobre
el modelo (M).
7. Procedimiento según una de las
reivindicaciones 1 a 6, caracterizado porque se tiene en
cuenta al menos una ventana (t_{w1}, t_{w2}) temporal
deslizante de medición, que contiene informaciones medidas durante
la duración de la ventana hasta el momento actual, para determinar
el consumo excesivo y/o la invalidez del modelo (M).
8. Procedimiento según una de las
reivindicaciones 1 a 7, caracterizado porque el modelo es de
tipo no lineal, comprendiendo en particular al menos una red de
neuronas o herramientas de regresión local.
9. Procedimiento según una de las
reivindicaciones 1 a 8, caracterizado porque el conjunto (F)
de las variables de entrada del modelo (M) comprende:
- el caudal (Q) del gas a través del equipo
(E),
- la presión (P_{in}) de aspiración,
- la presión (P_{out}) de retorno,
- la temperatura (T_{w}) del agua
refrigerante, y
- la temperatura (T_{G}) del gas en la entrada
del equipo.
10. Procedimiento según una de las
reivindicaciones 1 a 9, caracterizado porque se activa una
nueva calibración del modelo en caso de invalidez.
11. Procedimiento según una de las
reivindicaciones 1 a 10, caracterizado porque se realiza a
intervalos regulares, en particular cada hora.
12. Sistema (S) que comprende:
- medios (2) de medición sobre el equipo
(E),
- medios (3) de almacenamiento que permiten
registrar los datos correspondientes,
- medios (4) de cálculo,
- medios (5) de información de un operador y de
control,
- medios de comunicación en red que conectan los
componentes del sistema;
caracterizado porque comprende además
medios para la puesta en práctica de las etapas de un procedimiento
según una de las reivindicaciones 1 a 11.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR0453027 | 2004-12-16 | ||
FR0453027A FR2879769B1 (fr) | 2004-12-16 | 2004-12-16 | Procede de suivi des performances d'un equipement industriel |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2293511T3 true ES2293511T3 (es) | 2008-03-16 |
Family
ID=34952401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES05300970T Active ES2293511T3 (es) | 2004-12-16 | 2005-11-28 | Procedimiento de seguimiento del rendimiento de un equipo industrial. |
Country Status (9)
Country | Link |
---|---|
US (1) | US7933724B2 (es) |
EP (1) | EP1672444B1 (es) |
CN (1) | CN1790202B (es) |
AT (1) | ATE375535T1 (es) |
CA (1) | CA2528900C (es) |
DE (1) | DE602005002818T2 (es) |
ES (1) | ES2293511T3 (es) |
FR (1) | FR2879769B1 (es) |
PL (1) | PL1672444T3 (es) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9249794B2 (en) * | 2006-01-24 | 2016-02-02 | American Air Liquide, Inc. | Condition-based and predictive maintenance of compressor systems |
FR2929426A1 (fr) * | 2008-03-26 | 2009-10-02 | Thales Sa | Procede et systeme d'attribution de score |
DE102008021102A1 (de) | 2008-04-28 | 2009-10-29 | Siemens Aktiengesellschaft | Wirkungsgradüberwachung eines Verdichters |
NL1038234C2 (nl) * | 2010-09-13 | 2012-03-14 | Publicfacilities B V | Werkwijze en systeem voor het evalueren van een energieverbruik in een gebouw. |
US8849472B2 (en) | 2011-02-02 | 2014-09-30 | Inscope Energy, Llc | Effectuating energization and deactivation of particular circuits through rules-based smart nodes |
WO2012110607A1 (de) * | 2011-02-16 | 2012-08-23 | Ralf Tanneberger | Verfahren zur funktionsanalyse von elektrischen verbrauchern |
US10554077B2 (en) * | 2011-12-13 | 2020-02-04 | Schneider Electric USA, Inc. | Automated monitoring for changes in energy consumption patterns |
CN102879201B (zh) * | 2012-09-28 | 2014-10-15 | 西南石油大学 | 往复式天然气压缩机组用燃气发动机效率的测量方法 |
US20140244192A1 (en) * | 2013-02-25 | 2014-08-28 | Inscope Energy, Llc | System and method for providing monitoring of industrial equipment |
CN105139468B (zh) * | 2013-11-05 | 2017-07-07 | 南京大学 | 智能化计时计数系统 |
US9152737B1 (en) | 2014-11-26 | 2015-10-06 | Sense Labs, Inc. | Providing notifications to a user |
US10175276B2 (en) | 2014-11-26 | 2019-01-08 | Sense Labs, Inc. | Identifying and categorizing power consumption with disaggregation |
US20160224033A1 (en) * | 2015-01-16 | 2016-08-04 | United Services Automobile Association ("USAA") | Computer monitoring system, apparatus and method for controlling appliance operation |
US10205733B1 (en) * | 2015-06-17 | 2019-02-12 | Mission Secure, Inc. | Cyber signal isolator |
US10250619B1 (en) | 2015-06-17 | 2019-04-02 | Mission Secure, Inc. | Overlay cyber security networked system and method |
CN110036418B (zh) * | 2016-12-02 | 2021-06-04 | 塞阿姆斯特朗有限公司 | 护理装备和系统的性能参数化 |
US9699529B1 (en) * | 2017-02-22 | 2017-07-04 | Sense Labs, Inc. | Identifying device state changes using power data and network data |
US10750252B2 (en) * | 2017-02-22 | 2020-08-18 | Sense Labs, Inc. | Identifying device state changes using power data and network data |
US9800958B1 (en) | 2017-02-22 | 2017-10-24 | Sense Labs, Inc. | Training power models using network data |
US10740691B2 (en) | 2018-10-02 | 2020-08-11 | Sense Labs, Inc. | Identifying devices connected to a smart plug |
US11768228B2 (en) | 2019-07-11 | 2023-09-26 | Sense Labs, Inc. | Current transformer with calibration information |
USD944731S1 (en) | 2019-07-11 | 2022-03-01 | Sense Labs, Inc. | Electrical current sensor |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI105005B (fi) * | 1997-05-13 | 2000-05-15 | Nokia Networks Oy | Päätelaitteen nopeuden estimoimismenetelmä, solun valitsemismenetelmä ja radiojärjestelmä |
US6208873B1 (en) * | 1998-11-23 | 2001-03-27 | Qualcomm Incorporated | Method and apparatus for transmitting reverse link power control signals based on the probability that the power control command is in error |
US20020010563A1 (en) * | 1999-06-15 | 2002-01-24 | S. Michael Ratteree | Method for achieving and verifying increased productivity in an industrial process |
FR2837598B1 (fr) * | 2002-03-20 | 2004-05-28 | Air Liquide | Procede et dispositif de suivi de performances d'un equipement industriel |
FR2839285B1 (fr) | 2002-05-03 | 2004-10-29 | Alstom | Procede et dispositif pour le controle et la regulation de la puissance consommee par un systeme de transport |
-
2004
- 2004-12-16 FR FR0453027A patent/FR2879769B1/fr not_active Expired - Fee Related
-
2005
- 2005-11-28 PL PL05300970T patent/PL1672444T3/pl unknown
- 2005-11-28 DE DE602005002818T patent/DE602005002818T2/de active Active
- 2005-11-28 ES ES05300970T patent/ES2293511T3/es active Active
- 2005-11-28 EP EP05300970A patent/EP1672444B1/fr active Active
- 2005-11-28 AT AT05300970T patent/ATE375535T1/de not_active IP Right Cessation
- 2005-12-05 CA CA2528900A patent/CA2528900C/fr active Active
- 2005-12-08 US US11/297,842 patent/US7933724B2/en active Active
- 2005-12-13 CN CN2005101346099A patent/CN1790202B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CA2528900A1 (fr) | 2006-06-16 |
ATE375535T1 (de) | 2007-10-15 |
CA2528900C (fr) | 2016-02-02 |
CN1790202B (zh) | 2012-02-22 |
US20060155514A1 (en) | 2006-07-13 |
US7933724B2 (en) | 2011-04-26 |
EP1672444A1 (fr) | 2006-06-21 |
FR2879769A1 (fr) | 2006-06-23 |
CN1790202A (zh) | 2006-06-21 |
DE602005002818D1 (de) | 2007-11-22 |
FR2879769B1 (fr) | 2007-01-19 |
PL1672444T3 (pl) | 2008-02-29 |
EP1672444B1 (fr) | 2007-10-10 |
DE602005002818T2 (de) | 2008-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2293511T3 (es) | Procedimiento de seguimiento del rendimiento de un equipo industrial. | |
ES2277076T3 (es) | Procedimiento y dispositivo de seguimiento del rendimiento de un equipo industrial. | |
ES2907124T3 (es) | Un sistema de filtro purificador de aire, un purificador de aire y un método para controlar un purificador de aire | |
US20110185895A1 (en) | Filter apparatus and method of monitoring filter apparatus | |
ES2671050T3 (es) | Aparato de aire acondicionado | |
CN106500267B (zh) | 空调器的化霜控制方法及其控制装置 | |
CN104107012A (zh) | 具有机载诊断系统的空气运输器具 | |
CN104950318B (zh) | 一种gps定位模块的省电方法及移动设备 | |
CN109751725A (zh) | 用于新风系统的控制方法、新风系统 | |
CN104541109A (zh) | 室内空气包容度的监控方法,相关环境装置及操纵台 | |
CN112303708A (zh) | 一种空调器和控制方法 | |
US10989428B2 (en) | Performance diagnosis device and performance diagnosis method for air conditioner | |
CN103593949A (zh) | 一种气体报警的方法及装置 | |
JP5362692B2 (ja) | 冷蔵庫の冷却性能劣化診断システムおよび冷蔵庫の冷却性能劣化診断方法 | |
CN102472546B (zh) | 运输冷藏系统的相检测方法、设备以及系统 | |
CN106839329B (zh) | 应用于多联机室内机的温度补偿计算方法和装置 | |
JP2003315211A (ja) | 機器の劣化を検出する方法 | |
JP2015114038A5 (es) | ||
JP6723799B2 (ja) | 空調吹き出し温度推定装置及びプログラム | |
JP4134997B2 (ja) | 余寿命予測プログラム及び余寿命予測システム | |
CN109579224A (zh) | 一种中央空调云监控系统及其控制方法 | |
JP2009056446A (ja) | フィルタ履歴管理装置 | |
CN104422499A (zh) | 用于医疗仪器的流量传感器的标校方法及装置 | |
JP6365797B1 (ja) | 状態推定装置と方法とプログラム | |
IL261872B (en) | Methods and systems for optimizing the time period between filter changes |