Objetivos

El objetivo principal del proyecto fue optimizar el consumo energético de una instalación frigorífica de gran tamaño mediante la implementación de un sistema inteligente de control, Cirrus AI. Este sistema fue diseñado para adaptar dinámicamente los parámetros de funcionamiento de la instalación, con el fin de reducir el consumo eléctrico, mejorar la eficiencia operativa de los compresores, y extender la vida útil de los equipos.

Entre los objetivos específicos se incluyeron:

• Minimizar arranques innecesarios y prolongados de compresores.

• Reducir el consumo energético sin comprometer la estabilidad operativa ni la conservación de productos.

• Aprovechar datos en tiempo real para ajustes automáticos y constantes.

• Desarrollar un modelo de inteligencia artificial capaz de aprender de los datos históricos y encontrar continuamente puntos de operación más eficientes.

Metodología y enfoque

La metodología aplicada se basó en el uso de inteligencia artificial (IA) y aprendizaje automático integrados en la plataforma Cirrus AI. El enfoque incluyó varias etapas:

1. Recogida de datos durante semanas en distintas condiciones operativas, incluyendo temperaturas, presiones, caudales y consumos eléctricos.

2. Activación alterna del sistema Cirrus AI: se activó y desactivó en semanas distintas para tener una base comparativa bajo condiciones de carga similares.

3. Intervención en la instalación:

1. • Reemplazo de la regulación mecánica de algunos compresores por variadores de frecuencia para una mejor eficiencia en carga parcial.

   • Reprogramación de la secuencia de arranque para evitar arranques simultáneos o innecesarios.

   • Ajustes en la inyección de líquido del economizador y redistribución de cargas entre compresores disponibles.

   • Optimización dinámica de set-points, donde la IA identificó que pequeñas variaciones en los puntos de arranque de compresores y válvulas podían mejorar el COP (Coeficiente de Rendimiento) sin afectar la estabilidad.

Este enfoque permitió no solo una mejora continua, sino también la adaptación automática del sistema ante diferentes condiciones de carga, sin necesidad de intervención humana.

Problemas identificados

Previo a la intervención del sistema Cirrus AI, se identificaron varios problemas que afectaban negativamente la eficiencia y operación de la instalación frigorífica:

• Gestión fija del sistema: La instalación se operaba sin tener en cuenta las condiciones reales de carga, temperatura o eficiencia de los compresores.

• Consumo energético elevado: El sistema funcionaba de manera subóptima, llevando a un consumo mayor al necesario.

• Frecuentes arranques de compresores: Lo que generaba desgaste prematuro y baja eficiencia.

• Carga parcial prolongada: Algunos compresores trabajaban en condiciones ineficientes durante largos periodos.

• Secuencia de arranque y parada ineficiente: La lógica de funcionamiento no estaba optimizada para el ahorro energético.

Estos problemas se traducían en un elevado consumo específico de energía (kWh por tonelada refrigerada), inestabilidad operativa, y una reducción potencial en la vida útil del equipo.

Resultados obtenidos

La implementación de Cirrus AI arrojó resultados medibles y significativos desde las primeras semanas de operación:

• Ahorros energéticos del 7.65% en las primeras semanas con el optimizador activo.

• Hasta 10.47% de ahorro en la última semana registrada, cuando el modelo ya estaba más maduro.

• Reducción en el consumo específico (kWh por tonelada de producto refrigerado).

• Mayor estabilidad operativa: Se evitó el arranque frecuente y la operación prolongada en carga parcial, lo que mejoró la eficiencia y prolongó la vida útil de los compresores.

• Adaptabilidad continua del sistema: Cuantos más datos recopilaba Cirrus AI, más preciso se volvía en encontrar el punto de funcionamiento más económico.

Durante los periodos sin optimización activa (por ejemplo, festivos o baja carga), el modelo mostró una capacidad limitada de mejora, lo que refuerza la importancia de una aplicación continua y adaptativa.