Prediction of parameters of a fluid catalytic cracking plant - FCC using neuronal models
No Thumbnail Available
Date
Advisors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Description
A partir del conocimiento de una unidad de craqueo catalítico de fluidos - FCC de unarefinería europea se presenta el diseño de modelos neuronales capaces de predecir ciertosparámetros de la planta, restringidos a la zona de operación de la cual se posee la informaciónnecesaria para el entrenamiento de las redes neuronales. Más que en el modelo diseñado, sepretende hacer énfasis en las pautas y directrices que permiten abordar el problema de laidentificación de sistemas y predicción de parámetros de procesos con un nivel de complejidadtal que las técnicas de modelamiento lineal puedan resultar insuficientes.
This document presents the design ofneural models that can predict some parameters of afluid catalityc cracking unir, located in an European refine/y, using historical data. In thiskind ofwork, it is necessary to take information about the behavior ofthe system, in this casethe behavior ofthe FCC unit, which is usedfor neural network training. This work propasesa methodolagy for system identification and parameter prediction in processes with a highlevel of complexity, such that linear modeling techniques are not enough.
This document presents the design ofneural models that can predict some parameters of afluid catalityc cracking unir, located in an European refine/y, using historical data. In thiskind ofwork, it is necessary to take information about the behavior ofthe system, in this casethe behavior ofthe FCC unit, which is usedfor neural network training. This work propasesa methodolagy for system identification and parameter prediction in processes with a highlevel of complexity, such that linear modeling techniques are not enough.
Keywords
FCC unit, catalytic cracking, neural network, reference model, parameter prediction, backpropagation, Unidad FCC, craqueo catalítico, red neuronal, modelo de referencia, predicción de parámetros, entrenamiento, retropropagación