| Journal: | Energética (Medellín) |
| Database: | PERIÓDICA |
| System number: | 000337100 |
| ISSN: | 0120-9833 |
| Authors: | Gómez Sarduy, Julio R1 de Armas Teyra, Marcos A1 Monteagudo Yanes, José P1 Ramos Miranda, Fernando1 Navarro Aladro, Evelio2 |
| Institutions: | 1Universidad de Cienfuegos "Carlos Rafael Rodríguez", Centro de Estudio de Energía y Medio Ambiente, Cienfuegos. Cuba 2Ministerio del Azúcar, Empresa Azucarera "Ciudad Caracas", Cienfuegos. Cuba |
| Year: | 2008 |
| Season: | Dic-Jul |
| Number: | 41 |
| Pages: | 23-32 |
| Country: | Colombia |
| Language: | Español |
| Document type: | Nota breve o noticia |
| Approach: | Experimental |
| Spanish abstract | Por diferentes causas las turbinas; durante la explotación, pierden eficiencia y disminuyen su rendimiento relativo. Las técnicas emergentes como la inteligencia artificial, en particular las redes neurales artificiales (RNA), pueden ser aplicadas para estimar este rendimiento ya que permiten realizar un mapeo de las variables de entrada y salida del sistema y obtener resultados muy cercanos a su comportamiento real. La complejidad de implementar un sistema de monitoreo en línea se debe a las variaciones de la carga del turbogenerador desviaciones de los parámetros del vapor y al estado de la maquina fijado como condición normal de referencia. La técnica propuesta elimina este problema considerando una etapa inicial como aprendizaje en la cual el esquema implementado “aprende” las posibles variaciones del sistema antes de que haga falta tomar decisiones en cuanto a acciones correctivas. En este artículo se presenta un método para diagnosticar variaciones en el rendimiento de la turbina utilizando el consumo de vapor como indicador con una aplicación experimental en dos turbogeneradores de 4 MW |
| Disciplines: | Ingeniería |
| Keyword: | Ingeniería de energéticos, Ingeniería mecánica, Turbinas de contrapresión, Rendimiento, Consumo de vapor, Redes neuronales artificiales |
| Keyword: | Engineering, Energy engineering, Mechanical engineering, Backpressure turbines, Yield, Steam consumption, Artificial neural networks |
| Full text: | Texto completo (Ver HTML) |
