Diagnóstico del rendimiento en turbinas de contrapresión aplicando redes neuronales artificiales



Título del documento: Diagnóstico del rendimiento en turbinas de contrapresión aplicando redes neuronales artificiales
Revista: Energética (Medellín)
Base de datos: PERIÓDICA
Número de sistema: 000337100
ISSN: 0120-9833
Autors: 1
1
1
1
2
Institucions: 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
Any:
Període: Dic-Jul
Número: 41
Paginació: 23-32
País: Colombia
Idioma: Español
Tipo de documento: Nota breve o noticia
Enfoque: Experimental
Resumen en español 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
Paraules clau: 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
Text complet: Texto completo (Ver HTML)