Objectifs

• Optimiser la consommation d’énergie dans une installation frigorifique industrielle.

• Améliorer l’efficacité opérationnelle des compresseurs et des composants du système.

• Utiliser l’intelligence artificielle pour un fonctionnement plus efficace et autonome.

Méthodologie et approche

• Mise en place de Cirrus AI, un optimiseur dynamique basé sur l’IA.

• Collecte de données opérationnelles pendant plusieurs semaines sous différentes conditions.

• Activation du système en mode automatique une semaine sur deux pour comparaison.

• Utilisation de modèles d’apprentissage automatique entraînés avec les données collectées afin d’optimiser en temps réel les paramètres tels que les set-points, les séquences de démarrage et les réglages de vannes.

Problèmes identifiés

• Gestion fixe de l’installation sans tenir compte des conditions variables.

• Consommation électrique plus élevée que nécessaire.

• Démarrages fréquents et parfois simultanés des compresseurs.

• Fonctionnement prolongé en charge partielle, entraînant une usure accrue.

• Séquences de démarrage/arrêt inefficaces.

Résultats obtenus

• Économies d’énergie de 7,65 % au départ et jusqu’à 10,47 % à maturité du modèle.

• Réduction de la consommation électrique spécifique (kWh par tonne de produit réfrigéré).

• Meilleure stabilité des compresseurs, réduction des démarrages inutiles, prolongation de la durée de vie des équipements.

• Ajustement des set-points et des flux de NH₃ ayant permis d’améliorer le COP (coefficient de performance).

• Modèle plus performant avec l’augmentation du volume de données.

• Préparation des prochaines phases : installation de débitmètres fixes et application de modèles d’optimisation multivariables.