Resumen

GUTIERREZ-URUETA, Geydy Luz et al. Estimación de desempeño y optimización de un sistema de absorción adiabático H₂O-LiBr usando redes neuronales artificiales. Ing. invest. y tecnol. [online]. 2019, vol.20, n.1. ISSN 2594-0732.  https://doi.org/10.22201/fi.25940732e.2019.20n1.007.

La búsqueda de alternativas para frenar el cambio climático y sus consecuencias devastadoras para la sociedad actual, conduce a la investigación de sistemas climáticos respetuosos con el medio ambiente. Para optimizarlos o controlarlos, las redes neuronales artificiales (ANN) se consideran una opción efectiva. La absorción adiabática se basa en un diseño separado para el proceso de transferencia de calor y masa con el fin de reducir el tamaño del equipo. Este estudio trata la aplicación de redes neuronales artificiales (RNA) sobre los resultados experimentales de un sistema de absorción simple efecto agua- LiBr y su optimización utilizando una red neuronal inversa. Se usaron datos tanto en estado transitorio como estacionario para obtener tres modelos empíricos. Los modelos desarrollados corresponden al coeficiente de rendimiento (COP en inglés), potencia de refrigeración y de generación de la instalación. Las estadísticas de estado estable consisten en 219 puntos experimentales obtenidos en diferentes condiciones de operación. Estos datos se utilizaron para entrenar y probar los modelos de estado estacionario y transitorios de ANN. Para las estadísticas transitorias, se consideraron 1445 valores para un período. En el conjunto de datos de validación, los resultados mostraron que las simulaciones y datos experimentales se ajustan con un R> 0.98 para ambos modelos, transitorio y estable. Se obtuvo un modelo para el COP, con base en la accesibilidad de los datos, incluyendo temperaturas de los circuitos de fluido externos con buenos resultados. El modelo de red neuronal inversa aplicado a los datos transitorios demostró resultados satisfactorios, haciendo posible la optimización de la instalación. Estos resultados ilustran la idoneidad del uso de una RNA con datos transitorios en sistemas de absorción, lo que es especialmente atractivo para aplicaciones de refrigeración solar.

Palabras llave : Absorción adiabática; agua-Bromuro de litio; sistemas de absorción; redes neuronales artificiales; estimación de desempeño; optimización.