INTELLIGENT OPTIMIZATION OF SOLAR-FOSSIL HYBRID REFRIGERATION SYSTEMS USING ANN SURROGATE MODELS AND METAHEURISTIC ALGORITHMS (OPTIMIZACIÓN INTELIGENTE DE SISTEMAS DE REFRIGERACIÓN HÍBRIDOS SOLAR-FÓSIL MEDIANTE MODELOS SUSTITUTOS CON REDES NEURONALES ARTIFICIALES Y ALGORITMOS METAHEURÍSTICOS)
Pistas Educativas
Resumen
Abstract This study presents an optimized hybrid refrigeration system powered by solar energy and natural gas, aimed at improving energy efficiency, economic performance, and environmental sustainability. The methodology combines thermoenergetic analysis, climatic adaptation across various Mexican regions, and advanced tools such as artificial neural networks and metaheuristic algorithms (Particle Swarm Optimization and TOPSIS). Through climate-informed optimization, the system is tailored to specific environmental conditions, enhancing performance. Results show significant improvements in Net Present Value and carbon emissions reduction, especially in semi-arid climates. The integration of intelligent algorithms enables the design of context-sensitive refrigeration solutions, demonstrating the potential of hybrid systems to meet cooling demands while minimizing environmental impacts. This work highlights the importance of localized adaptations and strategic optimization for advancing renewable energy integration in thermal systems, offering a replicable model for sustainable cooling applications in diverse regions. Keywords:Computational intelligence, hybrid refrigeration systems, metaheuristic optimization, solar-powered cooling, thermoenergetic analysis. Resumen Este estudio presenta un sistema de refrigeración híbrido optimizado, alimentado por energía solar y gas natural, orientado a mejorar la eficiencia energética, el desempeño económico y la sostenibilidad ambiental. La metodología combina análisis termoenergético, adaptación climática en diversas regiones de México y herramientas avanzadas como redes neuronales artificiales y algoritmos metaheurísticos (Optimización por Enjambre de Partículas y TOPSIS). A través de una optimización basada en condiciones climáticas, el sistema se adapta a entornos específicos, mejorando su rendimiento. Los resultados muestran mejoras significativas en el Valor Presente Neto y la reducción de emisiones de carbono, especialmente en climas semiáridos. La integración de algoritmos inteligentes permite diseñar soluciones de refrigeración sensibles al contexto, demostrando el potencial de los sistemas híbridos para satisfacer la demanda de enfriamiento minimizando los impactos ambientales. Este trabajo resalta la importancia de las adaptaciones localizadas y la optimización estratégica para impulsar la integración de energías renovables en sistemas térmicos, ofreciendo un modelo replicable para aplicaciones sustentables de refrigeración. Palabras Clave: Análisis termoenergético, inteligencia computacional, optimización metaheurística, refrigeración solar, sistemas de refrigeración híbridos.
Datos de publicación
Cita esta publicación
Comprueba el estilo que requiere tu institución o revista.
Fuentes y trazabilidad
Se conserva la procedencia de los datos y se da prioridad a la revista cuando existe información editorial.
Licencias declaradas por las fuentes
Licencia en el registro de origen