Optimización multi variable de un transformador térmico con reciclado de calor usando algoritmos genéticos en la red neuronal artificial inversa

RESUMEN En la presente investigación, se optimizaron los valores de múltiples variables (3) de un transformador térmico por absorción (HTA), con reciclado de calor, utilizando como herramienta para optimizar Algoritmos Genéticos (GA) en una Red Neuronal inversa (ANNi), con el objetivo de incrementar su coeficiente de eficiencia (COP). Para tal efecto se desarrollaron los modelos correspondientes a la fase experimental mediante el entrenamiento de una Red Neuronal Artificial del tipo feed-forward, del modelo resultante se utilizan los valores de pesos y bias de las capas de entrada y salida, con estos valores se desarrolla el segundo modelo, la inversa, la ANNi, el tercer modelo es el generador de soluciones creado haciendo uso de GA. Al entrenar, probar y validar la ANN, esta es capaz de predecir el valor del COP experimental del HTA, con reciclado de calor, considerando como entradas del sistema a la ANN, las temperaturas de entrada y salida de los componentes principales, de la misma forma las presiones y concentraciones registradas de la solución de trabajo; la arquitectura de red que presento resultados más precisos fue al aplicar la función de activación TANSIG en las tres neuronas de la capa oculta, logrando obtener un coeficiente de determinación R2 de 0.9935 y además un MAPE de 1.04%, relacionando los datos experimentales y los datos simulados, mostrando una fuerte correspondencia entre ambos grupos de datos. En las pruebas de optimización usando ANNi-GA se logró obtener incrementos en el valor del COP. Optimizando dos variables se obtiene un incremento del 0.34 a 0.38 en el valor del COP. Al optimizar tres variables el incremento del valor del COP se alcanza un incremento hasta el 0.43 del valor del COP..

ABSTRACT This work presents an application of an inverse artificial neural network (ANNi) and genetic algorithm (GA) to perform a multi-objective optimization of an absorption heat transformer (AHT) with energy recycling as well as increase its coefficient of performance (COP). AHT use waste heat sources to obtain useful energy, by recycling part of the useful energy within the same system provides an increase in performance. An artificial neural network (ANN) was developed to predict the value of COP, based on experimental data from the equipment. A satisfactory agreement was obtained by comparing the simulated and experimental data. With the ANN model consolidated an ANNi and multi-objective optimization was applied, where the variables to be optimized were: temperature in the generator, temperature in the evaporator and temperature in the condenser. GA was chosen to solve the multi- objective functions. The results showed that when applying the ANNi-GA methodology, it is possible to carry out the multi-objective optimization since this methodology had only been used to optimize one variable at a time. The temperature in the generator turned out to be the key variable to increase the performance of AHT, followed by the evaporator and condenser, reaching a maximum value of COP of 0.43. The optimal conditions found represent a better control of the variables and a saving of energy. Finally the GA solved satisfactorily the multi-objective function proposed, making feasible the use of this tool to optimize different variables at the same time.