Diseño de un sensor virtual para la predicción de la eficiencia de conversión de SO₂ a SO₃ en un reactor catalítico mult-ilechos mediante redes neuronales artificiales

• Autor: Espinoza Quiroz, Sergio Hernán
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/18425
• Enlace del recurso: https://hdl.handle.net/20.500.12672/18425
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Convertidores catalíticos; https://purl.org/pe-repo/ocde/ford#2.04.01

Examina la posibilidad de diseñar un sensor virtual basado en Redes Neuronales Artificiales (RNA) para predecir la eficiencia de conversión de un reactor catalítico de una planta de ácido sulfúrico. Para el diseño del sensor virtual se utilizaron datos de planta, que fueron preprocesados con el fin de seleccionar los datos útiles, y mediante análisis de correlación se determinan preliminarmente las variables de entrada relevantes para el modelo de predicción, siendo: La concentración de dióxido de azufre (SO2) en el ingreso, las temperaturas de salida de los lechos, la concentración de oxígeno (O2) en la entrada y el flujo volumétrico del gas en la entrada. El diseño del sensor virtual basado en RNA requirió previamente el desarrollo de un modelo neuronal para la predicción de la concentración de salida de SO2 en el último lecho del convertidor. Con el fin de obtener el mejor modelo de predicción se realizan entrenamientos y validaciones de diversas estructuras de redes neuronales cambiando su configuración en el número de variables de la capa de entrada y el número de neuronas de la capa oculta. La configuración final óptima del modelo para la predicción de la concentración de SO2 de salida tiene nueve variables en la capa de entrada y nueve neuronas en la capa oculta. Los indicadores de desempeño del modelo de predicción de la concentración de SO2 son: El error porcentual medio absoluto de 12 %, el índice refinado de concordancia de 0,832 y el coeficiente de correlación de 0,945. Luego a partir de los resultados de la concentración de salida de SO2 se calcularon las eficiencias de conversión de SO2, obteniéndose el sensor virtual, cuyos indicadores de desempeño de predicción de la eficiencia de conversión son: El error porcentual medio absoluto de 0,2 %, índice refinado de concordancia de 0,902 y el coeficiente de correlación de 1,00. Además, el sensor virtual basado en RNA es comparado con otro sensor virtual derivado de leyes en estado estacionario, este último se determinó calculando en cada lecho del convertidor con los datos de la planta de ácido. Los resultados indican que el sensor virtual basado en RNA tiene un mejor desempeño en comparación con el sensor virtual derivado de leyes en estado estacionario, que tuvo un bajo desempeño.