Estimating energy efficiency of the aeration process of stored grains through machine learning

ABSTRACT Aeration is carried out by blowing external air into the silo, with the aim to keep the temperature in the mass of stored grains at safe levels. In the present study, the energy efficiency of aeration of stored sunflower grains was estimated, and a model was proposed and tested to estimate the energy efficiency of aeration, using different algorithms in supervised and unsupervised machine learning. The objective of the work was to develop a Web application based on data mining and modeling with machine learning. The database was composed of information on the average temperature at the height of the sensors, average temperature of the silo, external ambient temperature, occurrence of aeration, if there was cooling, heating and direct heating during aeration, and the energy efficiency of the aeration process. The model for estimating the energy efficiency of the aeration process proved to be efficient, identifying that the energy efficiency was 97.78% during the aeration of stored sunflower grains. Among the classifier algorithms tested, Support Vector Machine (SVM-Poly) showed the best metrics and indicators, hence being recommended for implementation in system development networks capable of predicting the aeration status of stored grains. RESUMO A aeração é realizada por meio da insuflação do ar externo para dentro do silo, tendo como objetivo manter a temperatura da massa de grãos armazenados em níveis seguros. No presente estudo foi estimada a eficiência energética da aeração de grãos de girassol armazenados, assim como proposto e testado um modelo de estimativa da eficiência energética da aeração, utilizando diferentes algoritmos no aprendizado de máquinas supervisionado e não supervisionado. O objetivo no trabalho foi desenvolver uma aplicação Web a partir da mineração e modelagem dos dados com o aprendizado de máquinas. O banco de dados foi composto pelas informações da temperatura média do nível dos sensores, temperatura média do silo, temperatura ambiente externa, ocorrência de aeração, se houve resfriamento, aquecimento e aquecimento direto durante aeração, e a eficiência energética do processo de aeração. O modelo de estimativa da eficiência energética do processo de aeração demonstrou-se eficiente, identificando que durante a aeração de grãos de girassol armazenados a eficiência energética foi de 97,78%. Dentre os algoritmos classificadores testados na Máquina de Vetores de Suporte (SVM-Poly) apresentou as melhores métricas e indicador