Las redes neuronales artificiales son modelos computacionales basados en el funcionamiento de las redes neuronales biológicas

Redes neuronales artificiales para determinar el poder calorífico de cada tipo de biomasa

.

El grupo de investigación Catalytic Processes for Waste Valorisation de la UPV/EHU trabaja en diversas líneas de investigación en torno a las energías renovables, una de las cuales corresponde a la obtención de bioóleos o petróleo sintético a partir de biomasa. Los investigadores han propuesto, en un artículo recientemente publicado en la revista científica Fuel, utilizar redes neuronales artificiales para determinar el poder calorífico de cada tipo de biomasa utilizando su composición, ya que se trata de un material muy irregular.

.

La red neuronal proporciona el poder calorífico bruto de la biomasa de que disponen

UPV/EHU – En el campo de la producción de las energías renovables, una de las principales fuentes de energía y calor es la biomasa: se trata de cualquier tipo de materia orgánica no fósil, como plantas vivas, madera, residuos procedentes de la agricultura y la ganadería, aguas residuales, residuos sólidos urbanos orgánicos, etc. En la obtención de energía a partir de biomasa, las tecnologías más desarrolladas son estas tres: la pirólisis (descomposición mediante calentamiento sin oxígeno), la gasificación (reacción con aire, oxígeno o una mezcla de ambos, y conversión en gas) y la combustión (descomposición mediante calentamiento con oxígeno). La efectividad y los niveles de emisión de estos tres procesos cambian en función de la composición, así como de las características de la biomasa, las condiciones experimentales y el equipamiento utilizado.

Miembros del grupo de investigación de la UPV/EHU Catalytic Processes for Waste Valorisation han analizado el proceso de creación de una refinería para obtener bioóleos o petróleo sintético de biomasa, en colaboración con investigadores de la Universidad de Sao Carlos de Brasil y en el marco de un proyecto europeo. Ya que “después, del bioóleo producido se pueden obtener los mismos productos que se obtienen del petróleo, tanto hidrógeno, como cualquier otro compuesto”, explica Martin Olazar, líder del proyecto y catedrático del Departamento de Ingeniería Química. El reactor desarrollado y patentado por este grupo de investigación, el reactor cónico de lecho en surtidor, es muy apropiado para el citado proceso, debido a que es adecuado para tratar materiales irregulares y adherentes —la biomasa es un material muy irregular, y es difícil tratarla utilizando las tecnologías convencionales—.

.

Redes neuronales artificiales para determinar el poder calorífico bruto

En el diseño del proceso de obtención de bioóleos a partir de biomasa hay que determinar ciertas variables: qué temperatura se ha de obtener, cómo obtener esa temperatura, cuánto combustible (en este caso, cuánta biomasa) hay que quemar, etc. El poder calorífico bruto es un parámetro clave en la determinación de todos esos datos: se trata del calor (la energía) que se libera al quemar totalmente una cierta cantidad de combustible. Este parámetro es fundamental en el análisis, el diseño y la mejora de sistemas de pirólisis, gasificación y combustión de biomasa. Las correlaciones existentes en la bibliografía dan resultados muy variables, en función de cada tipo de biomasa y sus características. Por tanto, los investigadores del grupo proponen utilizar redes neuronales artificiales para estimarlo; han probado experimentalmente que el sistema da muy buenos resultados, y los han dado a conocer en un artículo recientemente publicado en la revista científica Fuel.

Han probado experimentalmente que el sistema da muy buenos resultados

Las redes neuronales artificiales son modelos computacionales basados en el funcionamiento de las redes neuronales biológicas, a través de las cuales se correlacionan bases de datos de entrada y de salida. Los investigadores han alimentado el sistema con datos tanto bibliográficos como de sus propias investigaciones, y han observado que obtienen resultados muy fiables y en muy poco tiempo, en comparación con las limitadas correlaciones existentes en la literatura. “Estas redes neuronales deben ser continuamente alimentadas —explica Olazar—, ya que los resultados mejoran a medida que se introducen casuísticas más amplias”.

“Mediante un análisis de composición sencillo e introduciendo algunos datos habituales en el sistema (como, por ejemplo, densidad y humedad), la red neuronal nos proporciona el poder calorífico bruto de la biomasa de que disponemos —explica—, y de esta manera podemos poner en marcha más fácilmente los cálculos necesarios para nuestro diseñó”. “Este es uno de los eslabones de la cadena del proceso de obtención de petróleo sintético en base a nuestra tecnología, y se trata de un eslabón muy útil”, concluye Olazar.

El grupo de investigación Catalytic Processes for Waste Valorisation de la Facultad de Ciencia y Tecnología de la UPV/EHU, corresponde al Departamento de Ingeniería Química, y está compuesto de 50 profesores e investigadores. Martin Olazar es líder del subgrupo Diseño y aplicaciones de reactores renovables, doctor y catedrático de Ingeniería Química.

.

Referencia bibliográfica:

I. Estiati, F. B. Freire, J. T. Freire, R. Aguado, M. Olazar. “Fitting performance of artificial neural networks and empirical correlations to estimate higher heating values of biomass”. Fuel. vol. 180, 15 September 2016, Pages 377–383. doi:10.1016/j.fuel.2016.04.051

.