Resumen de A thermodynamic evaluation of chilled water central air conditioning systems using artificial intelligence tools

Juan Carlos Armas Valdés, Margarita Lapido Rodríguez, Julio Gómez Sarduy, Yarelis Valdivia Nodal

• español

   Se presenta el análisis de un sistema centralizado de climatización por agua helada con el objetivo de evaluar las irreversibilidades en los componentes principales del ciclo, así como la sensibilidad de este indicador ante las variaciones de las condiciones de operación. Se hace uso de redes neuronales artificiales (RNA) y algoritmos genéticos (AG), herramientas de Matlab para  determinar las propiedades de los refrigerantes en cada punto del ciclo en estudio y que éstas, a su vez, interactúen con las ecuaciones que describen el comportamiento termodinámico del sistema. La temperatura del refrigerante a la salida del  compresor se determina a partir de un modelo híbrido que conjuga el modelo neuronal con un algoritmo genético simple como herramienta de optimización. Como resultado final se identifican  los componentes del ciclo más sensibles ante las variaciones de las condiciones de trabajo, se obtiene que el evaporador y el mecanismo de expansión, respectivamente, siguen al compresor con pérdidas exergéticas significativas, sumando entre todas 85,62% de las irreversibilidades totales del sistema, conformándose así una herramienta útil para la  evaluación de tales sistemas. 

• English

   An analysis of a chilled water central air conditioning system is presented. The object was to calculate main cycle component irreversibility, as well as evaluating this indicator’s sensitivity to operational variations. Artificial neural networks (ANN), genetic algorithms (GA) and Matlab tools were used to calculate refrigerant thermodynamic properties during each cycle stage. These tools interacted with equations describing the system’s thermodynamic behaviour. Refrigerant temperature, when released from the compressor, was determined by a hybrid model combining the neural model with a simple genetic algorithm used as optimisation tool; the cycle’s components which were most sensitive to changes in working conditions were identified. It was concluded that the compressor, evaporator and expansion mechanism (in that order) represented significant exergy losses reaching 85.62% of total system irreversibility. A very useful tool was thus developed for evaluating these systems.