Modelo del Proceso de Producción de Energía en Centrales de Generación Térmica Considerando el Perfil de Funcionamiento

Gary Omar Ampuño Aviles, Silvia Virginia Taipe Quilligana

Research output: Contribution to journalArticle

Abstract

El presente trabajo se desarrolló a fin de predecir mediante un modelo, la producción neta de energía en una central termoeléctrica. Como caso de estudio, se analizó los datos del histórico de horas de operación de la Central Termoeléctrica Quevedo. Como descriptores primarios, se identificaron las variables de entrada como combustible pesado (HFO), diésel (DO) y lubricante (LO). Las predicciones de energía, se desarrollaron aplicando múltiples regresores de aprendizaje automático (por ejemplo, procesos Gaussianos, algoritmos de aumento de gradiente, bosques aleatorios, vectores de soporte y redes neuronales). Se empleó un total de 365 conjuntos de datos, para lo cual, primero se aleatorizaron los datos y se dividió en porciones de entrenamiento (80%) y pruebas (20%). Para evitar el sobreajuste, se aplicó una validación cruzada de cinco veces. Se encontró una eficiencia de generación de planta del 15,52% ± 3,76 con un índice de disponibilidad de alrededor del 84% que describe el funcionamiento normal de la misma. El descriptor HFO representa el factor principal para predecir la energía neta producida a través de un análisis de importancia de características. Las predicciones de energía obtenidas, al compararlas, muestran un 97,85% de precisión en comparación a los resultados medidos. Los algoritmos que muestran mayor precisión fueron redes neuronales multicapa, procesos Gaussianos y el regresor de vector de soporte lineal.
Translated title of the contributionModelo del Proceso de Producción de Energía en Centrales de Generación Térmica considerando el Perfil de Funcionamiento
Original languageEnglish (US)
Pages (from-to)5541-5560
JournalCiencia latina
Volume6
Issue number6
DOIs
StatePublished - 27 Sep 2022

Keywords

  • Energy production
  • Thermoelectric
  • Machine learning
  • Importance of functions
  • Prediction

CACES Knowledge Areas

  • 727A Industrial and process design

Cite this