Un modelo de red neuronal artificial optimizado de un expansor de gas de Limaçon a circular con una válvula de entrada
Autores: Hossain, Md Shazzad; Sultan, Ibrahim; Phung, Truong; Kumar, Apurv
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un modelo de red neuronal artificial optimizado de un expansor de gas de Limaçon a circular con una válvula de entrada
Categoría
Energía
Subcategoría
Energía térmica
Palabras clave
Red neuronal artificial
Expansor de gas limaçon
índices de rendimiento
Plantas de energía basadas en ORC
Rendimiento de predicción
Enfoque de modelado
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
En este trabajo, se propone un modelo basado en una red neuronal artificial (ANN) para describir las relaciones de entrada-salida en un expansor de gas Limaçon a circular (L2C) con una válvula de entrada. El expansor de gas L2C es un tipo de convertidor de energía que tiene un gran potencial para ser utilizado en plantas de energía de pequeña escala basadas en el ciclo de Rankine orgánico (ORC). El modelo propuesto predice los diferentes índices de rendimiento de un expansor de gas limaçon para diferentes presiones de entrada, velocidades del rotor y ángulos de corte de la válvula. Se construye y optimiza un modelo de red para diferentes parámetros del modelo para lograr el mejor rendimiento de predicción en comparación con el modelo matemático clásico del sistema. Se informa un error cuadrático medio normalizado total de 0.0014, un coeficiente de determinación de 0.98 y un error medio absoluto de 0.0114. Esto implica que el modelo sustituto puede imitar efectivamente el modelo real con alta precisión. El rendimiento del modelo también se compara con un método de interpolación lineal (LI). Se encuentra que las predicciones del modelo ANN propuesto son aproximadamente un 96.53% precisas para un umbral de error dado, en comparación con aproximadamente un 91.46% de precisión del método LI. Así, el modelo propuesto puede predecir efectivamente diferentes parámetros de salida de un expansor de gas limaçon, como energía, factor de llenado, eficiencia isentrópica y flujo másico para diferentes condiciones de operación. Cabe destacar que el modelo solo se entrena con un conjunto de valores de entrada y objetivo; por lo tanto, el rendimiento del modelo no se ve afectado por los complejos modelos matemáticos internos del sistema de expansor con válvula en general. Este enfoque basado en redes neuronales es altamente adecuado para la optimización, ya que el análisis iterativo alternativo del modelo analítico complejo consume mucho tiempo y requiere mayores recursos computacionales. Un enfoque de modelado similar con algunas modificaciones también podría utilizarse para diseñar controladores para estos tipos de sistemas que son difíciles de modelar matemáticamente.
Descripción
En este trabajo, se propone un modelo basado en una red neuronal artificial (ANN) para describir las relaciones de entrada-salida en un expansor de gas Limaçon a circular (L2C) con una válvula de entrada. El expansor de gas L2C es un tipo de convertidor de energía que tiene un gran potencial para ser utilizado en plantas de energía de pequeña escala basadas en el ciclo de Rankine orgánico (ORC). El modelo propuesto predice los diferentes índices de rendimiento de un expansor de gas limaçon para diferentes presiones de entrada, velocidades del rotor y ángulos de corte de la válvula. Se construye y optimiza un modelo de red para diferentes parámetros del modelo para lograr el mejor rendimiento de predicción en comparación con el modelo matemático clásico del sistema. Se informa un error cuadrático medio normalizado total de 0.0014, un coeficiente de determinación de 0.98 y un error medio absoluto de 0.0114. Esto implica que el modelo sustituto puede imitar efectivamente el modelo real con alta precisión. El rendimiento del modelo también se compara con un método de interpolación lineal (LI). Se encuentra que las predicciones del modelo ANN propuesto son aproximadamente un 96.53% precisas para un umbral de error dado, en comparación con aproximadamente un 91.46% de precisión del método LI. Así, el modelo propuesto puede predecir efectivamente diferentes parámetros de salida de un expansor de gas limaçon, como energía, factor de llenado, eficiencia isentrópica y flujo másico para diferentes condiciones de operación. Cabe destacar que el modelo solo se entrena con un conjunto de valores de entrada y objetivo; por lo tanto, el rendimiento del modelo no se ve afectado por los complejos modelos matemáticos internos del sistema de expansor con válvula en general. Este enfoque basado en redes neuronales es altamente adecuado para la optimización, ya que el análisis iterativo alternativo del modelo analítico complejo consume mucho tiempo y requiere mayores recursos computacionales. Un enfoque de modelado similar con algunas modificaciones también podría utilizarse para diseñar controladores para estos tipos de sistemas que son difíciles de modelar matemáticamente.