Red neuronal para control de combustión en unidades generadoras de vapor

Abstract

Esta investigación tiene como objetivo proponer una red neuronal para control de combustión en unidades generadoras de vapor. Sustentada por Lammers, H., Lammers, T. y Woodruff, E. (2004) en referencia a los sistemas de control de combustión, y por Aggarwal, C. (2018), Jurado, F. et al. (2012) y Berzal, F. (2018) en relación con las redes neuronales. La investigación se considera proyectiva, documental y descriptiva, con un diseño no experimental, de campo y transeccional. La unidad de análisis se compone de unidades generadoras de vapor empleadas para la estimulación térmica de pozos de crudo extrapesado, pertenecientes a una empresa de servicios petroleros que se desempeña en los campos Lagunillas y Bachaquero de la región zuliana. Como técnicas de recolección de información se emplearon la revisión documental, la entrevista no estructurada y las matrices de análisis. El desarrollo estuvo comprendido en cinco (05) fases de diseño con una metodología mixta fundamentada en (1) las unidades objetivo planteadas para la investigación y (2) la metodología para el desarrollo de modelos de redes neuronales artificiales propuesta por Mariño, S. y Primorac, C. (2016). Se propuso un nuevo diagrama de proceso con control basado en redes neuronales artificiales. Como resultado de un análisis comparativo, fue posible presentar un modelo de red neural artificial multicapa, con una (01) capa de entrada, conformada por 3 neuronas; cinco (05) capas ocultas de 10 neuronas cada una con función de activación ReLU, y dos (02) capas de salida con función de activación lineal. El entrenamiento de la red se llevó a cabo a través del algoritmo de backpropagation por el método del optimizador de Adam. Las pruebas de implementación realizadas a la red neuronal modelada validaron su capacidad de predecir los parámetros de salida de interés para el control de combustión con muy buena precisión.