Eficiencia in situ y estimación de parámetros de motores de inducción mediante optimización heurística

Por qué importan los motores más inteligentes

Ocultos en fábricas, bombas y sistemas de ventilación, los motores eléctricos consumen silenciosamente la mayor parte de la electricidad industrial del mundo. Incluso pequeñas mejoras en la eficiencia con que estas máquinas convierten electricidad en movimiento pueden ahorrar grandes cantidades de energía y reducir las emisiones de gases de efecto invernadero. Sin embargo, comprobar el rendimiento real de un motor suele implicar detener la producción y llevar la máquina a un laboratorio, algo que muchas plantas sencillamente no pueden hacer. Este artículo presenta una forma de estimar la eficiencia de un motor mientras sigue funcionando en la planta, usando únicamente medidas eléctricas estándar y algoritmos de búsqueda avanzados procedentes de la inteligencia artificial.

El problema de verificar los grandes motores de trabajo

Los motores de inducción trifásicos son los robustos caballos de batalla de la industria porque son sencillos, baratos y duraderos. Sin embargo, la mayoría de los motores instalados funcionan por debajo de su carga ideal, lo que desperdicia energía y dinero con el tiempo. Normas de ensayo oficiales, como la IEEE 112, definen formas muy precisas de medir la eficiencia, pero requieren bancadas de ensayo especiales, máquinas de frenado y mediciones directas de par. Esas pruebas son costosas, intrusivas y, a menudo, imposibles para motores grandes ya integrados en líneas de producción. Los valores de placa del fabricante tampoco siempre son fiables, sobre todo después de que un motor envejezca o haya sido reparado. Por ello, la industria necesita una forma de «auditar» los motores in situ, sin detenerlos ni instalar sensores mecánicos adicionales.

Una nueva manera de leer la salud real de un motor

Los autores abordan este reto tratando el motor como un rompecabezas eléctrico. En lugar de medir cada pérdida directamente, se centran en un modelo eléctrico simplificado del motor, construido a partir de un pequeño conjunto de parámetros internos clave como resistencias y reactancias. Si se conocen estos parámetros, se puede calcular la eficiencia y el par en distintos niveles de carga. La idea central es observar solo las magnitudes que son fáciles de medir en campo—tensión de línea, corriente, potencia de entrada y velocidad—y dejar que métodos de búsqueda por ordenador ajusten los parámetros ocultos del modelo hasta que el comportamiento del modelo coincida con las medidas. Una vez que el modelo encaja, se pueden aplicar las mismas ecuaciones estándar utilizadas en las pruebas de laboratorio para calcular la eficiencia, pero ahora in situ.

Permitir que algoritmos inspirados en la naturaleza realicen la búsqueda

Encontrar la combinación correcta de parámetros internos es complicado porque el espacio de búsqueda es grande y los parámetros interactúan de formas complejas. Para manejar esto, el estudio utiliza ocho algoritmos de optimización «heurísticos» inspirados en comportamientos naturales: bandadas de pájaros, manadas de lobos, halcones cazadores, ballenas errantes y más. Cada algoritmo parte de muchas soluciones de prueba y las empuja hacia mejores ajustes a lo largo de cientos de iteraciones. Los autores también introducen una forma basada en la física para restringir el rango permitido de cada parámetro, usando datos de placa, información del fabricante y relaciones eléctricas de ensayo. Esto evita soluciones poco realistas y ayuda a que los algoritmos converjan más rápido y con mayor fiabilidad, especialmente para magnitudes sensibles como la resistencia del rotor.

Pruebas en motores reales de distintos tamaños

El método se probó en seis motores industriales, con potencias desde 1,1 kilovatios hasta 132 kilovatios, en cuatro niveles de carga entre un cuarto y la carga plena. Se emplearon dos esquemas de estimación. En el Método I, los algoritmos se basaron únicamente en medidas de campo, ignorando la potencia nominal de la placa para ser robustos frente a etiquetas inexactas. En el Método II, la potencia nominal se añadió como una restricción adicional. Para cada motor y carga, las eficiencias estimadas se compararon con los valores obtenidos mediante los procedimientos oficiales IEEE 112 utilizando instalaciones completas de laboratorio. En todos los motores, el error medio a plena carga se mantuvo por debajo de aproximadamente 0,7 por ciento, y varios algoritmos—especialmente la optimización por enjambre de partículas, la optimización de ballena y la búsqueda diferencial—mostraron tanto alta precisión como resultados estables y repetibles. Los errores aumentaron con cargas muy ligeras, principalmente porque los modelos estándar de motor tratan algunas pérdidas como constantes incluso cuando el motor apenas está trabajando.

Qué implica esto para las fábricas y el ahorro energético

Para un lector no especializado, la conclusión principal es que las fábricas ahora pueden estimar cuán eficientemente están funcionando sus motores sin detener la producción ni instalar sensores mecánicos complejos. Midiendo solo señales eléctricas que ya se supervisan en muchas plantas, este método puede seguir la eficiencia a lo largo del tiempo, detectar máquinas con bajo rendimiento o degradadas, y apoyar auditorías energéticas y la planificación del mantenimiento. Aunque el enfoque es menos preciso a cargas muy bajas y puede ser sensible a datos de placa incorrectos, los autores muestran que, en condiciones de operación típicas, se aproxima mucho a las pruebas de laboratorio de referencia. En términos prácticos, esto significa que las empresas pueden obtener información casi de calidad de laboratorio sobre el estado de sus equipos más consumidores de energía, a bajo coste y sin interrupciones—una herramienta útil para reducir facturas energéticas y minimizar el impacto ambiental.

Cita: Göztaş, M., Sahman, M.A. & Çunkaş, M. In-situ efficiency and parameter estimation for induction motors using heuristic optimization. Sci Rep 16, 9643 (2026). https://doi.org/10.1038/s41598-025-34932-1

Palabras clave: eficiencia de motores de inducción, monitorización in situ, optimización heurística, ahorro energético industrial, estimación de parámetros del motor