IIoT + Machine Learning
Оптимизация холодильного гистерезиса
Снижение потребления электроэнергии предприятиями холодильной индустрии за счёт адаптивного управления гистерезисом компрессора и оттайкой по потребности.
Проблема: типовой объект без телеметрии
Типовой мясной склад с 5 камерами −18°C / 200 м³ потребляет 230–520 кВт·ч в сутки. Старые контроллеры работают с фиксированным широким гистерезисом и оттайкой по таймеру — независимо от фактической потребности.
Широкий гистерезис
±2…3K диапазон приводит к переохлаждению до −22°C и избыточной работе компрессора
Оттайка по таймеру
Нагрев испарителя каждые 6 часов × 30 мин, даже если обмерзания нет
Отсутствие телеметрии
Нет данных о COP, циклах, реальной нагрузке — невозможно оптимизировать
Типовой объект
| Параметр | Значение |
|---|---|
| Назначение | Хранение мяса (быков / свинина) |
| Температурный режим | −18°C (целевая) |
| Количество камер | 5 × 200 м³ |
| Теплоизоляция | 80 мм ППУ, U = 0,35 Вт/м²·К |
| Компрессоры | Полугерметичные, ~10 кВт холода |
| Управление | On/Off (DOL), один датчик холода на камеру |
| Оттайка | По таймеру: каждые 6 ч, 30 мин электронагрев |
| Суточное потребление | 230–520 кВт·ч (в зависимости от сезона) |
Холодильный гистерезис: до и после
График температурного профиля за 24 часа. Старый контроллер допускает качели ±3K, ML-оптимизация стабилизирует режим в пределах ±0,8K.
IIoT + ML методика
Три уровня оптимизации: прогноз нагрузки, адаптивный гистерезис, детекция аномалий.
Прогноз нагрузки
LSTM-модель предсказывает теплоприток на 2–4 часа вперёд на основе наружной температуры, расписания работы, истории открытия дверей
Оптимизация setpoint'ов
Адаптивный гистерезис: ночью ±0,5K для точности, днём ±1,0K для устойчивости к дверям. Предохлаждение перед пиком нагрузки
Детекция аномалий
Isolation Forest выявляет утечку хладагента, обледенение, износ компрессора по сигнатуре потребления
IIoT-инфраструктура на объекте
ДАТЧИКИ
- T воздуха
- T испарителя
- Давление
- Энергометр
EDGE-ШЛЮЗ
- Сбор Modbus
- Фильтрация
- Локальный ML
- MQTT в облако
ОБЛАКО
- Хранение
- Обучение модели
- Дашборд
- Алерты
АКТУАТОРЫ
- Setpoint контроллеру
- Управление оттайкой
- Сигнализация
Результат: циклы и COP
Технико-экономическое обоснование
Три сценария тепловой нагрузки: минимальный (зима), средний (весна/осень), максимальный (лето).
Минимальный
Зима
Средний
Весна / осень
Максимальный
Лето
Окупаемость инвестиций
* Инвестиции включают: датчики на 5 камер, edge-шлюз, настройку ML-модели, интеграцию с контроллерами. Сценарии отличаются по степени «бардака» на объекте: чем хуже состояние, тем больше экономия при сопоставимых инвестициях. Для объекта с 1–2 камерами стоимость ниже, но окупаемость выше.
План внедрения
2–3 недели
Аудит и пилот
Обследование камеры, установка датчиков и шлюза, сбор baseline-данных (1 неделя)
2–3 недели
Обучение модели
Анализ паттернов нагрузки, калибровка ML-модели, настройка адаптивного гистерезиса
Промышленная эксплуатация
Переключение на ML-управление, мониторинг COP и экономии, ежемесячная отчётность
Готовы оптимизировать холодильную установку?
Проведём бесплатный предпроектный аудит вашей камеры и рассчитаем потенциал экономии на реальных данных.