REPORTAGE
Cool and Comfort 91 – november 2021
Lekdetectie door artificiële intelligentie
Colruyt Group ontwikkelt systeem voor bewaking koelinstallaties
Lekdetectie bij de installaties op R507A is erg omslachtig. Een automatische bewaking is mogelijk, wil men snel ingrijpen.
Lekdetectie bij de installaties op R507A is erg omslachtig. Een automatische bewaking is mogelijk, wil men snel ingrijpen.
Lekdetectie bij de installaties op R507A is erg omslachtig. Een automatische bewaking is mogelijk, wil men snel ingrijpen.
Lekdetectie bij de installaties op R507A is erg omslachtig. Een automatische bewaking is mogelijk, wil men snel ingrijpen.
Het doel blijft om volledig over te schakelen op natuurlijke koelmiddelen. Ondertussen moet men de lekken zoveel mogelijk beperken.
Het team achter het systeem: Bram Neckebroeck, Margo Parmentier en Margot Van den Brande
Een van de prioriteiten van Colruyt Group is de CO2-uitstoot te verminderen. Koelmiddellekken vermijden is daar een belangrijk onderdeel van. De firma is wel volop de overstap aan het maken naar natuurlijke koelmiddelen, maar er zijn nog heel wat bestaande installaties met HFK’s in werking. Tot die vervangen worden moet de uitstoot daarvan ook minimaal blijven. Dat is echter gemakkelijker gezegd dan gedaan. Een toepassing van artificiële intelligentie voor lekdetectie brengt uitkomst.
Lekken vermijden
Koelmiddellekken vertegenwoordigen ongeveer 10% van de CO2-uitstoot van Colruyt Group. Dat is niet omdat de installaties bijzonder veel lekken vertonen. Integendeel, met een jaarlijks lekpercentage van ongeveer 4% doet Colruyt Group het aanzienlijk beter dan vele anderen in de sector, waar lekverliezen van 20% per jaar niet ongewoon zijn. Door sterke investeringen in groene elektriciteit is de directe uitstoot door energieverbruik echter sterk gedaald, zodat het relatieve belang van andere bronnen gestegen is. Colruyt Group beheert nu een duizendtal koelinstallaties, waarvan vele nog op hoog-GWP koelmiddelen. Het is de bedoeling dat die allemaal vervangen worden, maar dat gaat niet van vandaag op morgen. Er moet dus iets gedaan worden om de milieu-impact ondertussen te verminderen. Ervoor zorgen dat er zo weinig mogelijk HFK’s in de atmosfeer terecht komen, is dan een eerste prioriteit.
Het probleem
Daarbij komen vooral de oudere installaties op R507A in het vizier. Volgens de meest recente evaluatie heeft dit een GWP van 4775; een relatief klein lek heeft dus een grote impact in CO2-equivalent. Bovendien stammen de meeste installaties uit een tijd dat lekdichtheid nog niet zo een grote prioriteit was. Lekken opsporen is echter arbeidsintensief: een technicus moet met een detectie-apparaat de hele installatie aflopen. Colruyt Group besloot dus om een automatisch waarschuwingssysteem te ontwikkelen, zodat de technici snel en gericht kunnen ingrijpen.
Een eerste complicatie waar Margo Parmentier en Margot Van den Brande, projectingenieurs bij Colruyt Group Technics, op stootten, was dat men aan de werkingsparameters in de installatie niet kon zien of er een lek was. Bij dergelijke installaties varieert de hoeveelheid koelmiddel met de belasting. Die schommelingen worden opgevangen door middel van een buffervat, dat doorgaans vrij groot bemeten is. Zo lang er nog koelmiddel in dat buffervat zit, zal de installatie normaal werken. Pas als dit leeg is, zal er een storing optreden. Tegen dan is er al een aanzienlijke hoeveelheid koelmiddel ontsnapt.
Een voor de hand liggende oplossing is dan om het koelmiddelniveau in het buffervat op te volgen. De koeltechnici van Colruyt Group Technics voorzagen enkele installaties van niveaumeters als test. Het bleek echter een omslachtige procedure om tot betrouwbare resultaten te komen. Als men alle installaties wilde monitoren, was er een eenvoudigere methode nodig. Anderzijds kon het onderzoeksteam door deze ingreep nu wel beschikken over meetgegevens van enkele installaties in werking.
Artificiële intelligentie als oplossing
Men moest dus werken met de middelen die voorhanden waren. De buffervaten waren wel voorzien van twee niveausensoren: een onderaan het vat en een op halve hoogte. Dat waren eenvoudige aan/uit sensoren: als het vloeistofpeil hoger was, gaven ze een signaal, anders niet. Door gebruik te maken van de sensor halverwege kon men een idee hebben van de evolutie van het koelmiddelpeil. Dat lukte alleen met de juiste hoeveelheid koelmiddel in de installatie. Als er immers zoveel koelmiddel in het systeem was dat het peil zelden of nooit onder het halfwegpunt zakte, wist men nog niets. Na overleg met de koeltechnici bleek dat men de hoeveelheid koelmiddel inderdaad in die zin kon aanpassen.
Nu beschikte het team over een reeks signalen die aangaven of het koelmiddelpeil boven of onder de halfwegsensor was. De volgende vraag was dan wat dit zei over de toestand van de installatie, en of men daaraan een lek kon herkennen. Dat laatste is een cruciaal punt. Is het alarm te weinig gevoelig, dan zal er nog veel koelmiddel ontsnappen eer men iets merkt, en is alles een maat voor niets geweest. Stelt men het echter te gevoelig af, zullen er valse alarmen gegenereerd worden. Als men dan de technische dienst een paar keer voor niets heeft opgetrommeld, verliest die al snel zijn vertrouwen in het systeem.
Margo Parmentier en Margot Van den Brande maakten dan gebruik van artificiële intelligentie om een model te trainen dat het verwachte koelmiddelpeil in een installatie zou voorspellen. Dat hield rekening met een aantal parameters die de werking van de installatie beïnvloedden
- het opgenomen vermogen van de compressor (als maat voor de belasting)
- het schema van de ontdooicycli (deze gebeurden op vaste tijdstippen)
- openingsuren van de winkel
- de buitenluchttemperatuur
- de windsnelheid.
Dit model werd dan gevalideerd aan de hand van de installaties die al voorzien waren van een niveaumeter. Op basis van die reeks parameters voorspelt het model hoe het niveau in het buffervat zal schommelen. Wijken de gemeten waarden te sterk af van de voorspeld, wordt er alarm geslagen. Omdat elke installatie anders is, moet het model eerst getraind worden. Dat duurt een week, zodat het systeem alle situaties van maandag tot zondag heeft kunnen analyseren.
En de praktijk?
De eerste invoering in de praktijk bleek een groot succes. Toen het detectiesysteem een eerste alarm gaf, bleek het effectief om een lek te gaan. Het lekverlies bedroeg 3,66%. De doelstelling om lekken onder de 5% te detecteren, werd dus van de eerste keer gehaald. Dat bevorderde de uitrol van het lekdetectiesysteem in het hele installatiepark en gaf vertrouwen aan de technische dienst. “Zo’n lek zoeken kost ons heel wat manuren,” bevestigt Bram Neckebroeck, projectingenieur bij Colruyt Group Technics . “Het is dus van belang dat we niet nodeloos op pad worden gestuurd. Het systeem heeft wat dat betreft zijn waarde bewezen. Telkens het een alarm gaf, was er ook effectief een lek. Zo hebben we er ondertussen een goed dozijn kunnen vinden. Als we dus nu een signaal krijgen, geven we die ingreep meteen topprioriteit.”
Integrale aanpak
Doorslaggevend voor het succes van het project was dat Colruyt Group over zijn eigen koeltechnisch bedrijf beschikte. Zo zat al de kennis en ervaring over de werking van de installaties in huis. “Door de terugkoppeling uit de praktijk konden we een systeem ontwikkelen dat ook werkbaar was,” zegt Margo Parmentier. “De koeltechnische ploeg maakt het mogelijk om dingen uit te testen zoals het plaatsen van niveaumeters in de buffervaten. Dat bleek uiteindelijk niet de oplossing, maar het zette ons op weg om iets te zoeken dat wel werkte. Hun expertise was ook belangrijk om te koelmiddelinhoud van de installaties aan te passen, zodat we de bestaande sensoren konden gebruiken. De inbreng van de technici was cruciaal om tot een effectief systeem te komen. Ondertussen zijn we op koers om onze doelstelling te halen: het lekverlies halveren tegen eind 2021.”
Door Alex Baumans
De wisselwerking tussen theorie en praktijk was doorslaggevend voor het succes van dit project.
Bram Neckebroeck, Colruyt Group Technics.