Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental
Los sistemas de gestión energética pueden ser mejorados mediante la utilización de técnicas de inteligencia artificial, tales como, las redes neuronales y los algoritmos genéticos; con el propósito de modelar y optimizar el consumo energético de equipos y sistemas. Este trabajo, propone la modelació...
- Autores:
-
Gómez Sarduy, Julio R.
Monteagudo Yanes, José P.
Granado Rodríguez, Manuel E.
Quiñones Ferreira, Jorge L
Torres, Yudith Miranda
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2013
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/73865
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/73865
http://bdigital.unal.edu.co/38342/
- Palabra clave:
- gestión energética
consumo energético
molinos de cemento
Redes Neuronales Artificiales (RNA) y algoritmo genético.
energy management
energy
cement mill
artificial neural network (ANN)
genetic algorithm
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | Los sistemas de gestión energética pueden ser mejorados mediante la utilización de técnicas de inteligencia artificial, tales como, las redes neuronales y los algoritmos genéticos; con el propósito de modelar y optimizar el consumo energético de equipos y sistemas. Este trabajo, propone la modelación del consumo de los molinos y de las bolas que se emplean en la industria cementera, a partir de las variables disponibles en el campo. El modelo de regresión obtenido está basado en redes neuronales artificiales, permitiendo predecir el consumo de la electricidad en el accionamiento principal de los molinos, así mismo, permite evaluar el comportamiento de los índices de consumo establecidos. Además, se demuestra la influencia que ejerce la cantidad de puzolana, yeso y clinker en el consumo eléctrico del molino y se determina la dosificación que de acuerdo con el modelo, garantiza un mínimo consumo energético utilizando un algoritmo genético simple. El potencial de ahorro estimado a partir de la dosificación propuesta, es de 36 600 kWh/año para el molino 1; lo que representa 5 793,78 $/año y una reducción del impacto ambiental por gases sin emitir de 33 708 kg CO2/año. |
---|