Analysis of machine learning methods and AutoML tools for indirect measurement of evaporation and condensation temperatures in variable speed compressors

Abstract

Os sistemas de refrigeração estão presentes em vários aspectos do cotidiano daspessoas, seja para conforto térmico, com o uso de condicionadores de ar, ou para a conservação de alimentos, com o uso de congeladores e refrigeradores. Com a alta demanda do mercado, é necessário que estes produtos tenham mais tecnologia embarcada para equilibrar o consumo de energia com o desempenho, e da perspectiva da indústria, o investimento em pesquisa e desenvolvimento torna-se ainda mais importante para abastecer o mercado com produtos de qualidade que estejam alinhados como baixo custo de produção. Considerando este cenário, o presente trabalho propõe um estudo de técnicas de aprendizado de máquina e ferramentas de autoML combinadas a um modelo de estimação de velocidade de rotação de compressores de velocidade variável para refrigeração, de forma não invasiva, a fim de estimar as temperaturas de evaporação e condensação. Como a medição dessas grandezas envolve um alto custo, de forma que só é realizada em bancada de testes, seria muito vantajoso utilizar formas indiretas de medição, transformando os refrigeradores em produtos mais inteligentes. Os resultados alcançados pelos modelos de aprendizado de máquina foram promissores, resultando na estimação da temperatura de evaporação com raiz de erro médio quadrático de 1,38◦C, e para temperatura de condensação, 4,54◦C, evidenciando a possibilidade de se utilizar aprendizado de máquina no contexto de estimação de condições de operação de sistemas de refrigeração com métodos não invasivos.