Neste artigo analisa-se as causas potenciais de perdas de solvente hexano em uma indústria de óleo de soja localizada no sul do Brasil para reduzir os custos de produção. Para tal levantamento, utilizou-se de abordagem indutiva, tendo como procedimento a pesquisa bibliográfica e de laboratório com análises flash test e medições com detector multigases MSA. Foram analisadas as possíveis perdas de hexano no farelo, na água, no ar e por deficiência na operação de equipamentos e processos. Identificou-se que mais de 50% dos registros com perda significativa de solvente foram causados por paradas da fábrica em virtude de manutenções entre o extrator e o dessolventizador-tostador. Detectou-se também a ocorrência de perdas de solvente no descarte de água e em vazamentos nas estruturas dos equipamentos da extração.
Fontes de energia flutuantes, como a solar, estão aumentando sua participação na matriz energética. Concomitantemente está aumentando a dependência dessa energia e consequentemente, novos métodos de previsão de suprimento precisam ser desenvolvidos. Redes neurais artificiais têm sido usadas para prever a irradiação solar com sucesso. No entanto seu uso na previsão da energia futura disponível não tem sido explorado. O algoritmo de Levenberg-Marquard foi usado em diversas configurações que foram treinadas com a aplicação da função de transferência logssigmoide na camada oculta e purelin na camada de saída. Os dados de entrada foram a irradiação solar, a temperatura ambiente, a temperatura dos módulos solares e a hora do dia. Os dados de target foram os valores da energia produzida. O treinamento foi realizado com 5, 10, 15, 20, 25, 30 e 60 neurônios na camada oculta. O melhor resultado foi obtido com 30 neurônios, com coeficiente de correlação de 0,98. Palavras-chave: Energia solar. Redes neurais artificiais. Simulação da produção de energia. Algoritmo de Levenberg-Marquard.
Resumo -A crescente degradação ambiental tem refletido em alterações climáticas, gerando crises em diversos setores, como o energético. Esse cenário foi um dos propulsores das pesquisas relacionadas a fontes renováveis de energia. Nesse contexto, busca-se novas alternativas para a geração de energia. De forma gradual, essas novas fontes substituirão os combustíveis de origem fóssil e mineral. Assim, um estudo sobre as
Resumo: Este trabalho avalia o uso de redes neurais artificiais para análise de geração de eletricidade para um sistema fotovoltaico conectado a rede. Inicialmente, são descritas as características e potencial matemático de tratamento de dados apresentados pelas redes. Em seguida, são testadas várias configurações com o objetivo de buscar a mais adequada ao caso. Foram utilizados dados de 2014 da geração de energia, de temperatura ambiente, de temperatura dos módulos da incidência de radiação solar e da hora do dia. A aplicação utilizou os algoritmos de Levenberg-Marquardt para obtenção dos parâmetros da rede e o critério do erro médio quadrado para medir o desempenho. O treinamento foi reealizado com 5, 10, 15, 20, 25, 30 e 60 neurônios na camada oculta. As funções de transferência foram logsigmoide e purelin. O melhor resultado foi realizado foi obtido com 25 neurônios, com coeficiente de correlação de 0,98. Abstract: This paper talk about the applicability of artificial neural networks for power generation analysis for a photovoltaic system connected to the grid. First, the characteristics and mathematical potential of data processing presented by networks are described. Then, several configurations are tested in order to find the most appropriate one. Data from 2014 were used for energy generation, room temperature, module temperature, solar radiation incidence and time of day. The application used the Levenberg-Marquardt algorithms to obtain the network parameters and the criterion of the mean square error to measure the performance. The training was reealized with 5, 10, 15, 20, 25, 30 and 60 neurons in the hidden layer. The transfer functions were logsigmoid and purelin. The best result was obtained with 25 neurons, with a correlation coefficient of 0.98.
Palavras
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.