×

Le nuove frontiere dell’efficienza

03 Gen 2019

Tempo di lettura: 2 min

Stime di rendimento e manutenzione, prestazioni istantanee e tempi di obsolescenza delle macchine: l’elettronica a bordo di sistemi di riscaldamento considerati quasi tradizionali come i generatori di vapore cambia completamente le “unità di misura” e le procedure di impostazione della progettazione, dell’installazione e della manutenzione.

Una rivoluzione che modifica radicalmente anche la gestione della macchina sul fronte dei consumi e della performance e in sostanza cambia il modello organizzativo dell’utilizzo: nasce il modello di controllo predittivo guidato dai dati acquisiti in tempo reale.

L’orizzonte è chiaro, limpido e già raggiungibile: Cannon Bono Energia e il Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano, in particolare tramite il gruppo di ricerca coordinato dal Prof. Luca Ferrarini, hanno tracciato un percorso operativo molto lineare verso una gestione della caldaia in chiave di Internet of Things che permette di transitare non certo facilmente, ma con grande consapevolezza da un uso della macchina su basi statistiche ad un uso su basi certe, quelle fornite dalla macchina stessa.

È stato questo l’oggetto di un convegno tenutosi a Milano nel settembre scorso, dal titolo La Sfida dell’Alta Efficienza Energetica, dove il gruppo Cannon ha presentato un metodo applicativo messo a punto in collaborazione fra diverse aziende del gruppo (Bono Energia, Automata, Artes), con una forte partnership tecnica e metodologica con il Politecnico di Milano e un bacino operativo già attivo, come dimostrato dalla presentazione di due case histories, una in collaborazione con una ESCo e l’altra in diretta condivisione di lavoro con un cliente.

Non più modelli approssimati derivanti da conoscenze parziali e filtrate dall’ “occhio umano” di altre macchine o modelli eccessivamente astratti e generici, ma modelli matematici precisi che affondano le proprie radici nelle leggi fisiche della termodinamica e che nel contempo si basano su dati provenienti in tempo reale e in continuo dai singoli impianti.

In questo sta anche un altro grande potenziale, innescato dal processo normativo: l’incontro fra le due grandi aree di incentivazione fiscale destinate alle imprese nell’ultimo periodo, quella appunto dell’Industria 4.0 e quella altrettanto strutturale del risparmio energetico. Il terreno su cui insiste questo nuovo schema di prodotto e gestione nel campo del riscaldamento industriale è tanto ampio quanto ricco di sviluppi: il driver vincente sta tutto in un fattore non della termodinamica, ma della gestione della conoscenza.

Diventa elemento discriminante la capacità di costruire logiche di integrazione e lettura organizzata dei dati che vengono prodotti da caldaie dotate di sensori e strumenti di trasmissione: questi fanno convergere tutti i valori verso un software collocato in uno spazio cloud, con la massima flessibilità di utilizzo e la possibilità di configurazioni idonee alle diverse tipologie di utenti delle informazioni.

Il processo di ideazione di questi sistemi di nuova frontiera dell’efficienza comincia naturalmente da un’analisi dell’esistente: Antonio Landi, Cannon Bono Energia, mette a fuoco immediatamente il nocciolo della questione, il rendimento e i suoi scostamenti fra le indicazioni relative al prodotto in sede di test e quelle rilevate sul campo.

Questi scostamenti esistono e non possono essere negati, ma quali sono le loro determinanti? Anche qui l’individuazione è piuttosto semplice, fors’anche accademica: il rendimento sul campo è funzione di variabili come transitori, perdite di irraggiamento, carichi parziali, spurghi e – soprattutto – è un valore medio.

Da qui la necessità di stabilire un percorso di valutazione dei sistemi in essere, ma non solo: il cuore del problema non è comparare efficienze medie di differenti tipologie di caldaie, senza recupero, con preriscaldatore, eco, ma andare a valutare il rendimento reale, contestuale alle differenti condizioni di utilizzo, per recuperare non un’efficienza a valle, ma per constatare in tempo reale i campi di ottimizzazione ed efficientamento. Ecco così spiegato dove nasce la logica di HE Smart, un prodotto che Cannon Bono Energia non propone come “semplicemente” efficiente, ma che presenta con a bordo un potenziale di qualificazione dell’utilizzo contenuto nel controllo continuo della prestazione. Il valore che se ne ricava è che a temperature alimento fino a 170 °C il rendimento è effettivamente il 97,5% dichiarato e i risparmi si fanno sempre maggiori al crescere della temperatura alimento.

Non dimentichiamo un punto: che tutto questo fa capo ad una logica organizzativa di gestione del prodotto installato molto più fluida e dinamica del passato, come dimostra il workflow che lo stesso Landi illustra in conclusione, una fotografia del flusso continuo e immediato che genera condizioni di intervento molto più elastiche e una maggiore consapevolezza delle dinamiche del funzionamento.

Ma che cosa rende possibile questo switch dall’efficienza presunta all’efficienza reale? È Riccardo Babini, uno dei ricercatori afferenti al laboratorio DAISY, coordinato dal Prof. Luca Ferrarini, del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico, a spiegare quale dinamica metodologica consente di arrivare là dove la caldaia HE Smart dice – a ragion veduta – di poter arrivare in termini di efficienza.

Antonio Landi, Cannon Bono Energia e Riccardo Babino, Laboratorio DAISY Politecnico di Milano

Il processo di trasformazione parte dalla potenzialità offerta dai nuovi sistemi di controllo. Dal classico PID controller, oggi siamo già in possesso di sistemi di controllo basati su modelli matematici predittivi, i cosiddetti MPC, che dotano il sistema di un’elasticità molto più consistente e molto più reattiva alle condizioni operative che abbiamo detto influenzare il rendimento, in particolare i transitori, elementi di rilievo nella gestione delle inefficienze.

Ma il ragionamento non si interrompe allo stato dell’arte, bensì si spinge oltre: se oggi partiamo da modelli che coagulano dati esperienziali e leggi formali in sistemi di controllo della performance, a tendere saranno le performance stesse a fornire le indicazioni per la gestione del rendimento, perché la gestione sarà affidata a dei modelli sempre meno preordinati e sempre più capaci di trarre informazioni ed elaborare scelte gestionali (soprattutto sui carichi parziali) tese all’ottimizzazione.

Da qui la possibilità di parlare di un data driven management, di passare così da una gestione in tempo reale a un controllo predittivo che si serve della storia della macchina per sfruttarne al meglio le potenzialità reali nel momento del funzionamento, una dimensione di utilizzo che – nella sua funzione predittiva – ha anche un significato reale per la valutazione del LCA, del Life Cost Assessment sempre più determinante per arrivare a scelte di investimento conservativo o di sostituzione e upgrade delle macchine.

Una centrale di controllo per sistemi di generazione di energia termica

Testo scritto da: Andrea Atteso

Pubblicato e visionabile su: CDA, condizionamento dell’aria, riscaldamento, refrigerazione (N°8 – Novembre Dicembre), DBInformation S.p.a