Diseño y configuración óptima de un sistema de refrigeración por absorción

Abstract

La utilización de sistemas de refrigeración por absorción (AR) presenta varias ventajas ambientales en comparación con los sistemas convencionales de refrigeración, pero tiene un mayor costo económico. Por lo tanto, la investigación sobre el diseño de sistemas AR se centra en hacer de este un proceso más rentable y competitivo en el mercado. En este artículo se presenta un problema de optimización de superestructuras basado en programación disyuntiva generalizada (GDP) para el diseño de ciclos de refrigeración solar de litio bromuro/agua (LiBr/H2O). El problema GDP fue abordado mediante dos tipos de reformulaciones: una aproximación como un problema no lineal mezclado con enteros (MINLP) y otra como un problema matemático con restricciones de complementariedad (MPCC). El modelo planteado permite obtener las condiciones de operación, dimensionar los equipos del proceso y seleccionar la configuración del ciclo de refrigeración más adecuada, todo esto mediante la resolución de problemas de optimización multi-objetivo que minimizan el costo total anualizado y el impacto ambiental del sistema.

The use of absorption refrigeration (AR) systems has several environmental advantages compared to conventional refrigeration systems, but it has a greater economic cost. Therefore, the research on the design of AR systems focuses on making them a more profitable and competitive process in the market. This paper presents a superstructure optimization problem based on generalized disjunctive programming (GDP) for the design of lithium bromide/water solar cooling cycles (LiBr/H2O). The GDP problem was addressed through two types of reformulations: one approach as a Mixed Integer Nonlinear Programming (MINLP) and another as a Mathematical Problem with Complementarity Constraints (MPCC). The proposed model allows obtaining the operating conditions, dimensioning the process equipment and selecting the most suitable refrigeration cycle configuration, all this by solving multi-objective optimization problems that minimize the total annualized cost and the environmental impact of the system.