UNIVERSIDAD DE CHILE
FACULTAD DE CIENCIAS FÍSICAS Y MATEMETICAS
IQ791B
2006
Semestre Otoño
Informe Métodos Matemáticos para la Ingeniería
Química:
Modelamiento de un reactor Fedbatch.
Profesor:
-Leandro Herrera
Alumno:
-Daniel Guerrero
27 de Junio, 2006
RESUMEN
En informe se modela un reactor fedbatch con un intercambiador, en el proceso
transiente de llenado y con un autocontrol sobre temperatura. Esta modelación se realiza
en Matlab 6.5 y con una resolución de sistema de ecuaciones diferenciales acopladas
con la función edo23s, ya que la solución es rígida en varios puntos de las funciones.
Las condiciones de operación de este reactor (modelado como un RPA) son que
se debe llenar inicialmente con un volumen, posteriormente calentar la chaqueta
(modelado también como un RPA más pequeño) y luego llenar el estanque hasta el
tome del volumen. En este modelo se considera la transferencia de la transferencia de
calor con el ambiente y con el intercambiador, en cuanto al balance de masa solo se
considera la entrada del reactor fedbatch.
El autocontrol propuesto es sobre la válvula de entrada del flujo del
intercambiador instrumentado en modo de operación on/off.
El resultado entregado en la modelación principal por la simulación es que de un
gasto de 5.2515m^3 de intercambiador a 90ºC en un periodo de 120.67min. Sin
embargo se hace el análisis con la variación de parámetros con el fin de ver la respuesta
del modelo, tal como el volumen del RPA que contiene al intercambiador.
INTRODUCCIÓN
La modelación matemática que se menciona a continuación esta construida a
partir de balances de energía y masa conocidos para reactores fedbatch. De los cuales
vale mencionar solamente los valores de los parámetros necesarios para la modelación y
como se pretende modelar el problema.
El reactor se encuentra lleno con un volumen de 100 litros de liquido que se
pretende calentar inicialmente a 25ºC, la chaqueta con el intercambiador también se
encuentra a 25ºC. Luego se comenzará a calentar la chaqueta con el intercambiador con
un flujo de este mismo intercambiador a 90ºC, variando la temperatura como si la
chaqueta intercambiadora se tratara de un RPA.
Luego de un periodo de calentamiento de 8 minutos (escogido aleatoriamente,
para un calentamiento prudente del volumen inicial), se comenzara el llenado del
fedbatch con el líquido que se desea calentar. Después de que el estanque alcancé su
límite, se detendrá su llenado y se dejara reposar en el reactor hasta llegar a los 120
minutos (Escogido aleatoriamente también).
El autocontrol que se opera en el reactor es a través de la medición de la
temperatura del liquido, con el fin de que este se encuentre alrededor de 65 y 61ºC
(Escogido aleatoriamente también), controlando la válvula de entrada del
intercambiador a la chaqueta con una válvula on/off. Por lo tanto se pretende cortar el
flujo de intercambiador si la temperatura del líquido es de 65ºC y volver a colocar el
flujo si es que la temperatura disminuye de los 61ºC.
Los parámetros que se ocuparon para la modelación del reactor son:
Temperatura ambiental =25ºC
Coeficiente de transferencia de calor con el aire = 1.7522 [W/(m^2*°K)]
Coeficiente de transferencia de calor con el intercambiador= 43.8 [W/(m^2*°K)]
Altura de llenado del reactor fedbatch = 1.165 [m]
Diámetro del reactor fedbatch = 1.19 [m]
Volumen del reactor RPA que contiene al intercambiador = 0.25914 [m^3]
Capacidad calórica del liquido = 215.31 [J/kgr*K]
Capacidad calórica del intercambiador = 239.23 [J/kgr*K]
Densidad del liquido = 833 [kgr/m^3]
Densidad del liquido del intercambiador = 1000 [kgr/m^3]
Flujo volumétrico de entrada del liquido = 1 [m^3/hr]
Flujo volumétrico de entrada del intercambiador = 100 [L/min]
El diagrama del modelamiento del proceso se puede representar de la siguiente
manera.
necesarios para La absorción de oxigeno en una solución esta regida por la
transferencia de masa en un sistema cerrado transiente. La ecuación que representa la
absorción de oxigeno es la siguiente.
Donde “DO”, “DO*”, “Kg” y “a” corresponde al oxigeno disuelto,
concentración de oxigeno disuelto en equilibrio, constante de transferencia de masa,
área de interfase. En el caso que existiera consumo de oxigeno en la solución, a la
ecuación se le debe considerar este consumo.
Donde x es la concentración de elemento que consume oxigeno y R un
parámetro. Para el caso de esta resolución se considerara que x*R es una constante.
Para términos practico los parámetros que se consideraran para el análisis serán
4, 3 de los cuales corresponde a los siguientes “Kg*a”, “DO*” y “x*R”. El cuarto
parámetro corresponde al ciclo en que se le agrega el gas para la absorción de oxigeno.
Para un mejor entendimiento de esto la ecuación anterior se podria representar con la
ponderación de un valor binario i, el cual variara de 1 a 0 cada vez que el tiempo
sobrepasara un igual al ciclo que corresponde a este cuarto parámetro.
(1)
Esta última corresponde al modelo que se pretende modelar en Matlab para la
estimación de parámetros correspondiente a los datos empíricos dados. Los cuales
corresponde a:
Figura 1: Gráfico de los datos empíricos obtenidos, sin ningún tipo de cortes.
Posteriormente se pretende eliminar lo datos que no aportan nada a la estimación
de los parámetros, en este caso los primeros 0.3465 minutos no se consideraran, así
mismo los datos posterior al ultimo pick no se consideraran, superior a 2.2375 minutos.
La estimación de los cuatro parámetros mencionados se realizara a través de la
minimización de los errores cuadráticos, de los datos empíricos mostrados y los datos
teóricos de la ecuación (1).
RESULTADOS
Para la estimación de los parámetros se tiene que encontrar un punto que se
encuentre cerca de la solución del problema de minimización, ya que sino podría
encontrar un local mínimo el cual nada tuviera que ver con el resultado esperado.
Con este fin se eligió la ecuación diferencial con los siguientes valores de los
parámetros:
Se divide en 5 el intervalo ya que son el número de cambios que ocurren en la
ecuación diferencial.
La comparación entre ambas curvas se puede ver en la siguiente grafica:
Figura 2: Gráfico de los datos empíricos y teóricos, los empíricos en celestes y los datos en
negro corresponde a la ecuación diferencial que la representa teóricamente.
Sin embargo en la primera estimación de parámetros se corrió el algoritmo
solamente variando 3 parámetros y dejando fijo el parámetro del ciclo .
Para una mayor rapidez del desarrollo del algoritmo se decidió minimizar
solamente el error cuadrático de una fracción de los datos iniciales. Este proceso puede
llevar varios minutos. Dando como resultado de la minimización de un décimo de los
datos lo siguiente.
Figura 3: Gráfico de los un décimo de los datos empíricos y teóricos, ya minimizando el error
cuadrático.
El resultado de esta operación nos da un resultado sobre los parámetros.
Sin embargo no conforme con esto se decide comenzar la optimización para los
considerando todos los parámetros incluido el ciclo, ya que aquí puede haber un error
asociado.
Este proceso tomara bastante tiempo ya que se realiza con todos los datos
empíricos entregados y una variación de 4 parámetros para encontrar la minimización
del error cuadrático.
Figura 4: Gráfico de todos los datos empíricos y teóricos, ya minimizando el error cuadrático
con 4 parámetros.
El resultado que se presenta a esta minimización es:
Dos problemas principales se presentaron en el desarrollo del algoritmo. Uno fue
la resolución de la ecuación diferencial, esta ecuación al no ser continua en su derivada
ya que su pendiente cambia abruptamente en el cambio de ciclo, esta debe resolverse
con la función edo23s que es capas de resolver ecuaciones diferenciales rígidas, como la
presente. Pero como punto en contra no es una ecuación que tenga poco error debido a
que resuelve según un Taylor de grado 2 y 3, aun así se ocupo esta disminuyendo el
error relativo y total.
Otro problema que se presento es la respuesta de la función edo23s, da un
resultado de un vector con valores de tiempo distintos a los de los datos empíricos. Vale
la pena mencionar debido a que los errores cuadráticos solo se pueden calcular en un
mismo tiempo entre el teórico y el empírico. Debido a esto se ocupa una interpolación
linear entre los datos arrojador por la edo23s para la obtención de datos idénticos en el
vector tiempo.
DISCUSIÓN Y CONCLUCIONES
El resultado final encontrado no se asemeja mucho al real, debido a que el
resultado real contiene un ciclo variable, o sea estos ciclos en que se corta y se enciende
el flujo de transferencia de oxigeno no son constante como se supuso en la
programación del algoritmo. Talvez si se tuvieran más ciclos donde la variación del
ciclo se asemejara más a un promedio podría llegar a obtenerse un resultado mas
aproximado al real.
Claramente se ve que la máxima concentración alcanzada en el teórico sobrepasa
por mucho al real, por mucho que la minimización de los errores cuadráticos sea
correcta, no se asemeja correctamente a la realidad. O talvez simplemente el error radica
en que el punto inicial de partida fue en otra dirección que no concordaba con el mínimo
local que se esperaba encontrar. No se buscaron otros puntos de partidas debido a que la
mayoría termina en el mismo mínimo.
Para realizar una mejor comparación de métodos debería tratarse por intervalos y
la estimación de los parámetros de cada intervalo por si solo compararse con el
resultado aquí obtenido y con los otros intervalos resueltos.
