Obtención de un modelo neuronal para el cálculo de la eficiencia del generador de vapor de la DTCCM.

Abstract

La presente investigación tiene como objetivo evaluar el comportamiento de la eficiencia del generador de vapor de la División Territorial de Comercialización de Combustibles de Matanzas, empleando un modelo de inteligencia artificial basado en redes neuronales artificiales. El entrenamiento de la red neuronal se lleva a cabo a partir de las variables de operación del proceso de producción de vapor que se registran en bases de datos referidas al segundo trimestre del año 2021. Se plantea la metodología a seguir para el entrenamiento y aprendizaje de la red neuronal mediante la aplicación de la técnica de propagación hacia atrás del error y arquitectura perceptrón multicapa. Se obtuvieron topologías desde dos neuronas en la capa oculta hasta 10. Para la selección se aplicaron las pruebas de Friedman y Wilcoxon de comparación de medianas. Se seleccionó la topología con seis neuronas en la capa oculta, con una media del error cuadrático medio de 1,01*10-4 , una desviación estándar del error cuadrático medio de 1,05*10-4 y un coeficiente de correlación de 0,9925. Se evaluó la respuesta del modelo ante variaciones de temperatura de salida de los gases de combustión y temperatura del agua de alimentación.