TECNOLOGÍAS: Ingeniería y tecnología químicas

Redes neuronales para estimar el valor calórico de la biomasa

  • Facebook
  • Delicious
  • Meneame
  • Arroba

Un grupo de la Universidad del País Vasco está llevando a cabo una investigación que utiliza redes neuronales artificiales para estimar el poder calorífico de cada tipo de biomasa utilizando su composición, ya que se trata de un material muy irregular.

Más información sobre:
bioóleos
petróleo sintético
biomasa
energías renovables
redes neuronales

UPV/EHU | 07 julio 2016 14:10

<p>El reactor cónico de lecho en surtidor es apropiado para este proceso, ya que es capaz de tratar materiales irregulares y adherentes. / UPV/EHU</p>

El reactor cónico de lecho en surtidor es apropiado para este proceso, ya que es capaz de tratar materiales irregulares y adherentes. / UPV/EHU

Investigadores del grupo de Procesos Catalíticos para la Valorización de Residuos de la Universidad del País Vasco (UPV/EHU) están trabajando en la obtención de bioóleos o petróleo sintético a partir de biomasa. Los investigadores han propuesto, en un artículo publicado en la revista Fuel, utilizar redes neuronales artificiales para determinar el poder calorífico de cada tipo de biomasa utilizando su composición, debido a que se trata de un material muy irregular.

El grupo ha analizado el proceso de creación de una refinería para obtener bioóleos o petróleo sintético de biomasa, en colaboración con investigadores de la Universidad de Sao Carlos de Brasil y en el marco de un proyecto europeo. "Después, del bioóleo producido se pueden lograr los mismos productos que se obtienen del petróleo, tanto hidrógeno, como cualquier otro compuesto", explica Martin Olazar, líder del proyecto.

El reactor cónico de lecho en surtidor –patentado por el equipo–  es muy apropiado para este proceso, debido a que es capaz de tratar materiales irregulares y adherentes.

Poder calorífico bruto

En el diseño del proceso de obtención de bioóleos a partir de biomasa hay que determinar ciertas variables: qué temperatura se ha de obtener, cómo lograr esa temperatura, cuánto combustible (en este caso, cuánta biomasa) hay que quemar, etc. El poder calorífico bruto es un parámetro clave en la determinación de todos esos datos: se trata del calor (la energía) que se libera al quemar totalmente una cierta cantidad de combustible.

Las redes neuronales deben ser continuamente alimentadas porque los resultados mejoran a medida que se introducen posibilidades más amplias

Este parámetro es fundamental en el análisis, el diseño y la mejora de sistemas de pirólisis, gasificación y combustión de biomasa. Las correlaciones existentes en la bibliografía dan resultados muy variables, en función de cada tipo de biomasa y sus características. Por tanto, los investigadores del grupo proponen utilizar redes neuronales artificiales para estimarlo; han probado experimentalmente que el sistema da muy buenos resultados, y los han dado a conocer en un artículo recientemente publicado en la revista científica Fuel.

Las redes neuronales artificiales son modelos computacionales basados en el funcionamiento de las redes neuronales biológicas, a través de las cuales se correlacionan bases de datos de entrada y de salida. Los investigadores han alimentado el sistema con datos tanto bibliográficos como de sus propias investigaciones, y han observado que obtienen resultados muy fiables y en muy poco tiempo, en comparación con las limitadas correlaciones existentes en la literatura.

"Estas redes neuronales deben ser continuamente alimentadas –explica Olazar– porque los resultados mejoran a medida que se introducen casuísticas más amplias. Mediante un análisis de composición sencillo e introduciendo algunos datos habituales en el sistema (como por ejemplo, densidad y humedad), la red neuronal nos proporciona el poder calorífico bruto de la biomasa de que disponemos, y de esta manera podemos poner en marcha más fácilmente los cálculos necesarios para nuestro diseño".

Según el investigador, "el desarrollo es uno de los eslabones de la cadena del proceso de obtención de petróleo sintético".

Referencia bibliográfica

I. Estiati, F. B. Freire, J. T. Freire, R. Aguado, M. Olazar. "Fitting performance of artificial neural networks and empirical correlations to estimate higher heating values of biomass". Fuel. vol. 180, 15 September 2016, Pages 377–383. doi:10.1016/j.fuel.2016.04.051

Zona geográfica: España
Fuente: Universidad del País Vasco/Euskal Herriko Unibertsitatea

Comentarios

QUEREMOS SABER TU OPINIÓN

Por favor, ten en cuenta que SINC no es un consultorio de salud. Para este tipo de consejos, acude a un servicio médico.

AGENCIA SINC EN TWITTER