Stima in situ dell’efficienza e dei parametri per motori a induzione usando ottimizzazione euristica

Perché i motori più intelligenti contano

Nascosti dentro fabbriche, pompe e impianti di ventilazione, i motori elettrici consumano buona parte dell’elettricità usata dall’industria. Anche piccoli miglioramenti nell’efficienza con cui queste macchine trasformano elettricità in movimento possono risparmiare grandi quantità di energia e ridurre le emissioni di gas serra. Tuttavia, verificare la reale prestazione di un motore di solito richiede di fermare la produzione e portare la macchina in laboratorio — cosa che molti impianti non possono permettersi. Questo articolo presenta un modo per stimare l’efficienza di un motore mentre continua a funzionare in officina, usando solo misure elettriche standard e algoritmi di ricerca avanzati tratti dall’intelligenza artificiale.

Il problema nel testare i grandi cavalli da lavoro

I motori asincroni trifase sono i robusti cavalli da lavoro dell’industria perché sono semplici, economici e durevoli. Tuttavia, la maggior parte dei motori installati lavora al di sotto del carico ideale, con conseguente spreco di energia e denaro nel tempo. Standard ufficiali di prova, come la IEEE 112, definiscono metodi molto accurati per misurare l’efficienza, ma richiedono banchi prova speciali, macchine frenanti e misure dirette della coppia. Questi test sono costosi, invasivi e spesso impossibili da eseguire per motori di grandi dimensioni già integrati nelle linee di produzione. Anche i valori riportati sulla targa del costruttore non sono sempre affidabili, specialmente dopo che un motore si è usurato o è stato riparato. L’industria ha quindi bisogno di un modo per «verificare» i motori sul posto, senza fermarli o installare sensori meccanici aggiuntivi.

Un nuovo modo per leggere il vero stato di salute di un motore

Gli autori affrontano questa sfida considerando il motore come un rompicapo elettrico. Invece di misurare ogni perdita direttamente, si concentrano su un modello elettrico semplificato del motore, costruito a partire da un piccolo insieme di parametri interni chiave come resistenze e reattanze. Se questi parametri sono noti, efficienza e coppia possono essere calcolate per diversi carichi. L’idea centrale è considerare solo grandezze facili da misurare sul campo — tensione di linea, corrente, potenza assorbita e velocità — e lasciare che metodi di ricerca al computer aggiustino i parametri nascosti del modello finché il comportamento del modello non corrisponde alle misure. Una volta che il modello combacia, si possono applicare le stesse equazioni standard usate nei test di laboratorio per calcolare l’efficienza, ma ora in situ.

Lasciare che algoritmi ispirati alla natura effettuino la ricerca

Trovare la giusta combinazione di parametri interni è complicato perché lo spazio di ricerca è ampio e i parametri interagiscono in modi non lineari. Per gestire questo, lo studio utilizza otto algoritmi di ottimizzazione «euristici» ispirati a comportamenti naturali: stormi di uccelli, branchi di lupi, falchi che cacciano, balene che vagano e altri. Ogni algoritmo parte da molte soluzioni di prova e le spinge verso migliori adattamenti attraverso centinaia di iterazioni. Gli autori introducono anche un metodo basato sulla fisica per restringere l’intervallo consentito per ogni parametro, usando dati di targa, informazioni del costruttore e relazioni elettriche di prova. Questo previene soluzioni irrealistiche e aiuta gli algoritmi a convergere più rapidamente e in modo più affidabile, soprattutto per grandezze sensibili come la resistenza del rotore.

Test su motori reali di diverse potenze

Il metodo è stato testato su sei motori industriali, da 1,1 kilowatt a 132 kilowatt, a quattro livelli di carico tra un quarto e il pieno carico. Sono stati utilizzati due schemi di stima. Nel Metodo I, gli algoritmi si sono basati soltanto sulle misure di campo, ignorando la potenza nominale della targa per essere robusti rispetto a etichette imprecise. Nel Metodo II, la potenza nominale è stata aggiunta come vincolo supplementare. Per ogni motore e carico, le efficienze stimate sono state confrontate con i valori ottenuti dalle procedure ufficiali IEEE 112 usando allestimenti di laboratorio completi. Su tutti i motori, l’errore medio a pieno carico è rimasto sotto circa lo 0,7 percento, e diversi algoritmi — in particolare l’ottimizzazione tramite sciame di particelle, l’ottimizzazione delle balene e la ricerca differenziale — hanno mostrato sia alta accuratezza sia risultati stabili e ripetibili. Gli errori aumentano a carichi molto leggeri, principalmente perché i modelli standard dei motori trattano alcune perdite come costanti anche quando il motore lavora quasi a vuoto.

Che cosa significa per le fabbriche e il risparmio energetico

Per un lettore non specialista, la conclusione principale è che le aziende possono ora stimare quanto efficientemente stanno girando i loro motori senza fermare la produzione o installare sensori meccanici complessi. Leggendo solo segnali elettrici che sono già monitorati in molti impianti, questo metodo può tracciare l’efficienza nel tempo, segnalare macchine sotto-performanti o degradate e supportare audit energetici e la pianificazione della manutenzione. Pur essendo meno preciso a carichi molto bassi e sensibile a dati di targa errati, gli autori dimostrano che, nelle condizioni operative tipiche, si avvicina molto ai test di laboratorio considerati standard d’oro. In termini pratici, questo significa che le aziende possono ottenere informazioni di qualità quasi da laboratorio sulla salute delle loro apparecchiature più energivore, a basso costo e senza interruzioni — uno strumento utile per ridurre bollette energetiche e impatto ambientale.

Citazione: 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

Parole chiave: efficienza motore a induzione, monitoraggio in situ, ottimizzazione euristica, risparmio energetico industriale, stima dei parametri del motore