Termosun, Pervasive e Imae, en colaboración con Schneider, unen sus recursos y conocimientos en un nuevo proyecto I+D+I para la optimización de la combustión de biomasa y subproductos afines en calderas industriales a través de la metodología del Machine Learning y el Big Data.

El notable aumento de los precios del gas de origen fósil, así como el aumento del precio de los créditos de carbono, están empujando a un gran número de industrias en España hacia la conversión de sus plantas térmicas, substituyendo las tradicionales y obsoletas calderas de gas por calderas que empleen biocombustibles renovables, como bien son la biomasa forestal y los subproductos agroindustriales.

Existe, por tanto, una creciente demanda de calderas de biomasa en la industria alimentaria, automovilística, química, etc. pero desde Termosun observamos que los operadores y mantenedores industriales no disponen de suficientes habilidades para la gestión de calderas, asegurando la máxima eficiencia energética, así como la mínima emisión de contaminantes.

El manejo en la operación y mantenimiento de las calderas de biomasa es superior a la simplicidad de operación de las calderas a gas y este salto tecnológico debe ser respaldado por tecnologías de control avanzadas, evitando dejar en muchos casos la eficiencia de la caldera a virtud del operador.

Por otro lado, se ocupan de que la vida útil de las calderas no se vea reducida o incluso sufra defectos que provoquen emisiones a la atmósfera o sobreconsumos de biomasa, siendo necesario trabajar con tecnologías avanzadas de adquisición de datos y control de estos equipos para garantizar la conservación de la energía y la protección del medio ambiente.

La solución en estudio que está desarrollando Termosun en colaboración con Pervasive e Imae, con el nombre “3BD - Biomass Boiler Big Data”, pretende ofrecer al mercado de las calderas de biomasa, una solución para garantizar el desempeño funcional en términos de rendimiento energético, reducción de impactos y reducción de costes de operación y mantenimiento.

Bajo el concepto de toolbox, se concibe este proyecto como una combinación de herramientas que integran en la caldera en diferentes capas de escalabilidad y licenciamiento, siendo las herramientas básicas:

• Medición continua de los parámetros que se suceden en los diferentes estados físico-químicos durante el proceso de combustión,
• Captura de imagen de parrilla de combustión en interior de horno
• Conjunto de sondas de oxígeno y temperatura en línea de gases de escape
• Plataforma de adquisición e interpretación masiva de datos
• Modelo digital de entrenamiento y afín del dato y autoaprendizaje
• Interface de corrección de parámetros de operación

Tal y como se muestra en la siguiente imagen, estas herramientas son ordenadas en diferentes capas, comenzando por la capa 0, también conocida como capa de hardware de campo y, progresivamente, escalando la información a capas superiores de adquisición, interpretación, iteración y alteración de parámetros de operación para culminar finalmente con el reporte al servicio de asistencia técnica.

El proyecto 3BD (Biomass Boiler Big Data) nace con el fin de mejorar los modelos de algoritmo actuales mediante tratamientos de Machine Learning, disciplina del campo de la Inteligencia Artificial que, a través de la obtención de gemelos y la creación de algoritmos, permite identificar patrones en datos masivos Big Data para elaborar predicciones que permitan digitalizar el funcionamiento de la caldera para su óptima combustión, rendimiento y mínimas emisiones.