N3 Avanzado · Lección 5 de 8 · 40 min

Correlaciones de poder calorífico: cuándo confiar y cuándo no

Caracterización fisicoquímica de la biomasa

Equipo docente de biomasa360 · Responsable: Dirección de oferta, calidad y Academia · Revisada el 25 de octubre de 2026 (revisión científica de cálculos y citas)

Al terminar podrás

Aplicar las correlaciones de Channiwala–Parikh, Friedl, Sheng–Azevedo y Parikh (análisis próximo).
Calcular el error absoluto medio y el sesgo de una correlación frente a datos medidos.
Diagnosticar si un error grande se debe a la correlación o a un dato de entrada defectuoso.

Conviene saber antes

Lección «Análisis elemental y poder calorífico».

Medir el PCS exige una bomba calorimétrica; medir C, H, N o hacer un análisis próximo es más común. Por eso existen decenas de correlaciones que estiman el PCS a partir de la composición. Las cuatro más citadas para biomasa son:

\mathrm{PCS} = 0{,}3491\,C + 1{,}1783\,H + 0{,}1005\,S - 0{,}1034\,O - 0{,}0151\,N - 0{,}0211\,A

Channiwala y Parikh (2002): correlación «unificada», ajustada con 225 datos de combustibles gaseosos, líquidos y sólidos (incluida biomasa) y validada con 50 más; error absoluto medio declarado de 1,45 %. Contenidos en % bs; PCS en MJ/kg.

Variables de la ecuación 1
Símbolo	Significado	Unidad
$C, H, S, O, N, A$	carbono, hidrógeno, azufre, oxígeno, nitrógeno y ceniza en base seca	% en masa
$\mathrm{PCS}$	poder calorífico superior en base seca	MJ/kg

\mathrm{PCS}_{Friedl} = \frac{3{,}55\,C^2 - 232\,C - 2230\,H + 51{,}2\,C\,H + 131\,N + 20600}{1000} \qquad \mathrm{PCS}_{Sheng} = -1{,}3675 + 0{,}3137\,C + 0{,}7009\,H + 0{,}0318\,O

Friedl et al. (2005), con términos cuadráticos y de interacción, y Sheng y Azevedo (2005), lineal; ambas ajustadas solo con biomasa (MJ/kg, contenidos en % bs). Coeficientes tal como los reproducen Nhuchhen y Afzal (2017).

Variables de la ecuación 2
Símbolo	Significado	Unidad
$C, H, N, O$	contenidos en base seca	% en masa
$\mathrm{PCS}$	poder calorífico superior en base seca	MJ/kg

\mathrm{PCS}_{Parikh} = 0{,}3536\,FC + 0{,}1559\,VM - 0{,}0078\,A

Parikh, Channiwala y Ghosal (2005): estima el PCS solo con el análisis próximo (MJ/kg, fracciones en % bs).

Variables de la ecuación 3
Símbolo	Significado	Unidad
$FC, VM, A$	carbono fijo, volátiles y ceniza en base seca	% en masa

Ejemplo resuelto 1

Channiwala–Parikh y Parikh aplicadas a la misma cascarilla

Estima el PCS de la cascarilla #993 (C 38,83; H 4,75; S 0,05; O 35,47; N 0,52; A 20,26; FC 16,22; VM 63,52, % bs) con Channiwala–Parikh y con Parikh, y compáralas con el valor medido de 15,84 MJ/kg.

Datos del ejemplo 1
Dato	Valor	Unidad	Fuente
$C, H, S, O, N, A$	38,83; 4,75; 0,05; 35,47; 0,52; 20,26	% bs	Phyllis2 #993 (Miles et al., 1995)
$FC, VM$	16,22; 63,52	% bs	Phyllis2 #993
$\mathrm{PCS}_{med}$	15,84	MJ/kg	Phyllis2 #993

Channiwala–Parikh.
$0{,}3491(38{,}83) + 1{,}1783(4{,}75) + 0{,}1005(0{,}05) - 0{,}1034(35{,}47) - 0{,}0151(0{,}52) - 0{,}0211(20{,}26) = 15{,}05$
Parikh (próximo).
$0{,}3536(16{,}22) + 0{,}1559(63{,}52) - 0{,}0078(20{,}26) = 15{,}48$
Errores relativos.
$\varepsilon_{CP} = -5{,}0\ \%;\quad \varepsilon_{P} = -2{,}3\ \%$

Resultado

\mathrm{PCS}_{CP} = 15{,}05;\ \mathrm{PCS}_{P} = 15{,}48\ \mathrm{MJ/kg}

Interpretación: Ambas subestiman algo esta muestra; un error de 2–5 % equivale a 0,3–0,8 MJ/kg, que en un contrato indexado por energía ya es dinero.

Ejemplo resuelto 2

Diagnóstico de un dato atípico: la muestra #1457

La cascarilla #1457 (Grover, 1989, vía Phyllis2) tiene C 40,10 %, H 6,03 %, O 34,37 % y A 19,50 % (bs; N y S no informados) y PCS medido de 13,38 MJ/kg. Aplica Channiwala–Parikh y repite el cálculo con el H de la cascarilla #993 (4,75 %) para ver cuánto pesa el hidrógeno.

Datos del ejemplo 2
Dato	Valor	Unidad	Fuente
$C, H, O, A$	40,10; 6,03; 34,37; 19,50	% bs	Phyllis2 #1457 (Grover, 1989)
$\mathrm{PCS}_{med}$	13,38	MJ/kg	Phyllis2 #1457
$H_{ref}$	4,75	% bs	Phyllis2 #993 (comparación)

Channiwala–Parikh con los datos publicados (N = S = 0 por no estar informados).
$0{,}3491(40{,}10) + 1{,}1783(6{,}03) - 0{,}1034(34{,}37) - 0{,}0211(19{,}50) = 17{,}14\ \mathrm{MJ/kg}$
Error frente al medido.
$\frac{17{,}14 - 13{,}38}{13{,}38} = 28{,}1\ \%$
Mismo cálculo con H = 4,75 %: el cambio es 1,1783 × (6,03 − 4,75).
$17{,}14 - 1{,}1783 \times 1{,}28 = 15{,}63\ \mathrm{MJ/kg}$

Resultado

\Delta\mathrm{PCS} = 1{,}51\ \mathrm{MJ/kg}\ \text{por } 1{,}28\ \text{puntos de H}

Interpretación: Con un H típico la estimación seguiría alta (el PCS medido de esta muestra también es bajo para su carbono), pero el hidrógeno explica cerca del 40 % de la diferencia. Un dato atípico puede estar en el H, en el C o en el propio PCS: hay que volver a la fuente antes de usarlo.

Figura 1Error absoluto medio de cada correlación frente al PCS medido (34 muestras de Phyllis2)

Las correlaciones elementales ajustadas a biomasa rinden ≈3–4 % de error medio en el conjunto, pero empeoran con las cascarillas (6,8 % para Channiwala–Parikh). La de análisis próximo es la menos fiable (6,6 %).

Ver los datos en una tabla

Datos de la figura 1: Error absoluto medio de cada correlación frente al PCS medido (34 muestras de Phyllis2)
Correlación	Todas	Cascarilla
Channiwala–Parikh (2002)	3,82	6,79
Friedl et al. (2005)	3,07	5,79
Sheng y Azevedo (2005)	2,9	4,09
Parikh et al. (2005), próximo	6,57	9,9
Tipo Dulong (derivada de NIST)	14,07	16,95

Fuente: Derivado por biomasa360: correlaciones aplicadas a 34 muestras de Phyllis2 (8 de cascarilla); la de Parikh, a las 20 que tienen análisis próximo. Error = (estimado − medido)/medido.

Hipótesis contrastadas

¿Por qué las correlaciones fallan más con la cascarilla de arroz?

H1 Porque la ceniza alta (≈20 %) queda fuera del rango de ajuste de las correlaciones.
Evidencia a favor
- El error medio de Channiwala–Parikh sube de 3,8 % en el conjunto a 6,8 % en las cascarillas.
- Nhuchhen y Afzal (2017) muestran que el error de cada correlación cambia mucho al aplicarla a una biomasa distinta de la de ajuste (biomasa torrefactada).
Evidencia en contra
- En varias cascarillas (#2135, #1949, #2116) Channiwala–Parikh y Sheng–Azevedo aciertan dentro de ±2,5 %: la ceniza alta por sí sola no explica el fallo.
Fuentes: Nhuchhen y Afzal (2017); Phyllis2
H2 Porque unas pocas muestras tienen datos de entrada defectuosos, y un solo valor malo arrastra el promedio.
Evidencia a favor
- La muestra #1457 tiene H = 6,03 %, mucho más que las demás cascarillas (4,3–5,6 %); con ella, Channiwala–Parikh da 17,1 MJ/kg frente a 13,38 medidos (28 %). Cada punto de H vale 1,18 MJ/kg en esa correlación.
- La muestra #2876 tiene C = 31,44 % y O = 42,64 %, una combinación atípica para cascarilla que sugiere un problema en el C o en el cálculo del O por diferencia.
Evidencia en contra
- No se puede afirmar que esos datos estén mal sin la fuente original; puede tratarse de cascarillas realmente distintas (variedad, contaminación con tierra).
Fuentes: Phyllis2 #1457 (Grover, 1989); Phyllis2 #2876 (Haykiri-Acma et al., 2010)

Certeza media

Conclusión: La evidencia favorece H2 como causa principal del error medio y H1 como causa secundaria: sin #1457 y #2876, las correlaciones elementales funcionan razonablemente con cascarilla. La lección práctica es revisar la coherencia del análisis (H entre 4 y 6,5 %, C coherente con la ceniza, factor de emisión ≈100 kg CO2/GJ) antes de culpar a la correlación. Certeza media: no tenemos la fuente original de cada muestra para confirmar los errores.

Figura 2Balanza conceptual que muestra cómo un pequeño error en el hidrógeno desplaza mucho la estimación del poder calorífico

Ejercicios

Cálculo●○○
Aplica Sheng–Azevedo a la cascarilla #2135 (C 38,92; H 5,55; O 37,94 % bs) y compara con 16,00 MJ/kg medidos.
Ver la solución
−1,3675 + 0,3137 × 38,92 + 0,7009 × 5,55 + 0,0318 × 37,94 = 15,94 MJ/kg; error -0,4 %.
Cálculo●●●
Calcula la derivada de la correlación de Friedl respecto de H y evalúala con C = 40 %. Compárala con la de Channiwala–Parikh.
Ver la solución
∂PCS/∂H = (−2230 + 51,2 C)/1000 = (−2230 + 2048)/1000 = −0,182 MJ/kg por punto con C = 40 %: casi insensible al H, e incluso de signo negativo, frente a +1,18 en Channiwala–Parikh. Con C = 50 % vale 0,330. Las correlaciones no comparten la misma física; son ajustes estadísticos y no deben extrapolarse.
Criterio●●○
Un consultor te entrega un PCS «calculado con Dulong» para una cascarilla. ¿Qué le respondes?
Ver la solución
Que la forma de Dulong subestima la biomasa (≈13 % de media en 34 muestras); se debe usar una correlación ajustada a biomasa (Channiwala–Parikh, Sheng–Azevedo o Friedl) con su error declarado y, para contratos, el PCS medido con ISO 18125.

Autoevaluación

¿Qué correlación usa solo el análisis próximo?
1. Channiwala–Parikh
2. Friedl
3. Sheng–Azevedo
4. Parikh et al. (2005)
Ver la respuesta
Respuesta: D. Parikh, Channiwala y Ghosal (2005): 0,3536 FC + 0,1559 VM − 0,0078 A.
En Channiwala–Parikh, el coeficiente del hidrógeno es…
1. 0,3491
2. 1,1783
3. 0,1034 negativo
4. 0,0211
Ver la respuesta
Respuesta: B. 1,1783 MJ/kg por punto: el término más sensible.
Si una correlación da un error de 25 % en una sola muestra, lo primero es…
1. Descartar la correlación
2. Revisar la coherencia de los datos de entrada
3. Promediar con otra correlación
4. Ignorarlo
Ver la respuesta
Respuesta: B. Un error así suele venir de un dato de entrada atípico (por ejemplo, el H o el O por diferencia).
El error medio declarado por Channiwala y Parikh (2002) en su conjunto de ajuste es…
1. 0,1 %
2. 1,45 %
3. 5 %
4. 15 %
Ver la respuesta
Respuesta: B. 1,45 % de error absoluto medio y sesgo 0,00 % en su base de datos; en otras muestras el error puede ser mayor.

Referencias

Channiwala, S. A., & Parikh, P. P. (2002). A unified correlation for estimating HHV of solid, liquid and gaseous fuels. Fuel, 81(8), 1051–1063. https://doi.org/10.1016/S0016-2361(01)00131-4
Friedl, A., Padouvas, E., Rotter, H., & Varmuza, K. (2005). Prediction of heating values of biomass fuel from elemental composition. Analytica Chimica Acta, 544(1–2), 191–198. https://doi.org/10.1016/j.aca.2005.01.041
Sheng, C., & Azevedo, J. L. T. (2005). Estimating the higher heating value of biomass fuels from basic analysis data. Biomass and Bioenergy, 28(5), 499–507. https://doi.org/10.1016/j.biombioe.2004.11.008
Parikh, J., Channiwala, S. A., & Ghosal, G. K. (2005). A correlation for calculating HHV from proximate analysis of solid fuels. Fuel, 84(5), 487–494. https://doi.org/10.1016/j.fuel.2004.10.010
Nhuchhen, D. R., & Afzal, M. T. (2017). HHV predicting correlations for torrefied biomass using proximate and ultimate analyses. Bioengineering, 4(1), 7. https://doi.org/10.3390/bioengineering4010007
TNO. (2026). Phyllis2: Database for the physico-chemical composition of (treated) lignocellulosic biomass, micro- and macroalgae, various feedstocks for biogas production and biochar [Base de datos]. Consultado el 25 de octubre de 2026. https://phyllis.nl/

Para profundizar

Nhuchhen y Afzal (2017), Bioengineering. — Evalúa más de treinta correlaciones existentes con biomasa torrefactada y muestra cómo cambia su error fuera de la base de ajuste. Acceso abierto.
Friedl et al. (2005), Analytica Chimica Acta. — Ajusta modelos de regresión para predecir el PCS de la biomasa desde su composición elemental (C, H y N).

Cómo citar esta lección

APA 7, para tu tesis o tu informe:

Equipo docente de biomasa360. (2026). Correlaciones de poder calorífico: cuándo confiar y cuándo no (Versión 2026-10) [Lección del curso «Caracterización fisicoquímica de la biomasa»]. Academia 360, biomasa360. Recuperado el 26 de octubre de 2026, de https://biomasa360.com/academia/caracterizacion-fisicoquimica/correlaciones-de-poder-calorifico/

El progreso se guarda solo en este navegador; no se envía a ningún servidor.