Generación de modelos computacionales de temperatura en función de la energía eléctrica para un sistema de calentamiento monofásico en condiciones de operación normal y de falla

Abstract

Este proyecto presenta la aplicación de las redes neuronales artificiales en el modelado computacional de sistemas dinámicos. En particular, se aplican para el caso de un sistema térmico constituido por una resistencia de calentamiento fabricada en cobre comercial, la cual se encuentra sumergida en aceite de motor. Se obtienen tres modelos del comportamiento del sistema, uno en condiciones de operación normal y los tres restantes en condiciones de operación modificada enunciadas como fallasfl, entre las cuales se tienen en cuenta: la variación en las propiedades del aceite, la disminución del nivel de aceite, y la presencia de una perturbación por calentamiento la cual se logra con el uso de una resistencia adicional del mismo material pero de menor potencia. La caracterización del comportamiento del sistema se aproxima utilizando ANSYS, herramienta computacional para análisis de sistemas basada en el método de elementos finitos. Con los datos obtenidos con este software, se entrenan cuatro Redes Neuronales Artificiales en la plataforma de Matlab, cada una de las cuales representa la dinámica de la temperatura del sistema en función de la energía consumida por este, para cada uno de los casos estudiados. Finalmente, se logra la validación experimental de los modelos con el uso de un prototipo del sistema. De acuerdo con la validación experimenta, se encuentra que los modelos obtenidos para las diferentes condiciones de operación del sistema predicen aceptablemente el comportamiento del sistema real ante una entrada de energía. Estos modelos son computacionalmente eficientes, principalmente debido al reducido tiempo de cómputo que emplean. El trabajo deja las puertas abiertas para la implementación de sistemas de diagnóstico en tiempo real y control por modelos, esto en parte gracias a la rapidez con que responden los modelos.