Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/275155427
CITATIONS READS
0 2,767
2 authors, including:
Jorge Vanegas
Universidad del Cauca
2 PUBLICATIONS 0 CITATIONS
SEE PROFILE
All content following this page was uploaded by Jorge Vanegas on 20 April 2015.
sistemas, estos son; lógica difusa [4], redes neuronales parámetros de diseño apropiados o estrategias de control para
artificiales (ANN por sus siglas en inglés) [6], [7] y sistemas el seguimiento de los criterios de funcionamiento. Por lo tanto,
de inferencia neuro-difusos adaptativos (ANFIS por sus siglas son numerosas las representaciones de centrales propuestas en
en inglés) [3]. la literatura que permiten modelar su comportamiento
dinámico. En [17] se realiza una revisión del estado del arte
A. Lógica Difusa
los diferentes modelos de centrales y PCHs que se han
Lógica difusa es un sistema que representa los procesos elaborado así como los enfoques que les preceden.
humanos de toma de decisiones en una forma matemática. Los En la Fig. 1 se muestra el diagrama de bloques funcional de
seres humanos son inherentemente imprecisos por naturaleza, una PCH. En este se puede observar las relaciones entre los
utilizan descriptores tales como “rápido” o “lento” para elementos básicos de una PCH.
referirse a la velocidad de la turbina. La lógica difusa Carga [Te]
representa tales términos en una forma numérica, utilizando
“conjuntos” difusos. Este planteamiento evita la naturaleza g Tm
Referencia de Regulador de Turbina y Dinámicas del
quebradiza de la lógica booleana convencional, la cual puede Velocidad Velocidad Tubería Rotor
provocar impulsos durante la transición entre los estados. El
uso de descriptores humanos también permite la fácil Velocidad
implementación de reglas de expertos [10]. Fig. 1. Diagrama de bloques funcional simplificado de una PCH
B. Redes Neuronales Artificiales
Una ANN emula la habilidad del cerebro humano para A. Dinámicas del Rotor
aprender. Las ANNs imitan el cerebro humano a un nivel Las ecuaciones de importancia central en el análisis de
limitado utilizando neuronas artificiales, las cuales se estabilidad de sistemas de potencia son las ecuaciones de
comportan como las neuronas orgánicas lo hacen. Las señales inercia rotacional que describen el efecto de desbalance entre
de paso entre las neuronas están sujetas a un multiplicador el par electromagnético y el par mecánico de las máquinas. En
conocido como un peso. Las neuronas se “disparan”, lo cual es [11] se desarrollan estas ecuaciones en formato por unidad y
generar una señal, cuando las entradas que reciben satisfacen se definen parámetros que son usados para representar
una condición presente. Mediante el ajuste de los pesos dentro características mecánicas de las máquinas sincrónicas en
de una red de neuronas de acuerdo con el error actual, una estudios de estabilidad. La ecuación de movimiento en formato
ANN puede “aprender”, ya que los pesos se ajustarán en un por unidad es:
punto en el que el error es cero. De esta manera una ANN d wr
puede ser entrenada para completar una tarea sin la necesidad 2 Hg T m T e (1)
dt
de un ajuste humano externo. Adicionalmente, una ANN
puede auto-ajustarse en el tiempo por medio del re- B. Modelo de la Turbina Hidráulica
entrenamiento con datos operativos. De ahí que una ANN Un sistema de generación hidroeléctrica exhibe un
puede cambiar en el tiempo ya que el sistema está involucrado comportamiento de orden superior y no-lineal. Modelos
en los cambios [10]. matemáticos apropiados son herramientas esenciales para la
simulación de tales sistemas. El sistema hidráulico y los
C. Sistemas de Inferencia Neuro-Difusos Adaptativos
modelos turbina-tubería de carga han sido analizados en la
Los sistemas ANFIS combinan lo mejor de ambos mundos, literatura [5]. El lector puede encontrar que hay varios
implementan un sistema de lógica difusa con una ANN. Esto modelos con diferentes niveles de detalle para las centrales
proporciona un sistema que puede utilizar la lógica difusa y hidroeléctricas. En primer lugar, los modelos pueden ser
aprender. La nueva generación de controladores surgida de clasificados en categorías de lineal y no-lineal basados en la
esta simbiosis, combina las habilidades de inferencia de los complejidad de las ecuaciones. Los modelos propuestos
sistemas difusos con la capacidad de aprender de las redes pueden ser clasificados teniendo en cuenta el efecto de la
neuronales, y responde a la demanda de controladores difusos elasticidad de la columna de agua (en la tubería de carga).
que sean flexibles y capaces de adaptarse a cambios Debido al propósito de este trabajo, se ha seleccionado un
producidos en su entorno de operación, bien por necesidades modelo no-lineal asumiendo in-elasticidad en la columna de
de ajuste debidos a imprecisiones, o situaciones no agua. La Fig. 2 muestra el diagrama de bloques del modelo
contempladas durante su fase de diseño, bien por su aplicación seleccionado [11].
en entornos cambiantes y con cierto grado de incertidumbre
[16].
V. CONTROLADOR INTELIGENTE
El control avanzado soportado en técnicas de inteligencia
artificial es llamado control inteligente. Existe una
discrepancia entre los humanos y las máquinas: los seres
humanos razonan de manera incierta, imprecisa, difusa;
Fig. 3. Modelo del regulador de turbina hidráulico, tomado de [11] mientras que las máquinas y los computadores que las
2) Regulador Electrohidráulico: gobiernan están soportados en razonamiento binario. La lógica
Hoy en día, los reguladores de velocidad para turbinas difusa es una manera de hacer máquinas más inteligentes,
hidráulicas utilizan sistemas electrohidráulicos. Estos sistemas permitiéndoles razonar de una manera difusa como los
de regulación están formados por componentes electrónicos humanos. La lógica difusa ha recibido mucha atención en los
los cuales proporcionan una mayor flexibilidad y un mejor últimos años debido a su utilidad en la reducción de la
desempeño. Este tipo de reguladores están diseñados en su complejidad del modelo en la solución de problemas. Emplea
mayoría en forma de controlador PID (Proporcional, Integral y términos lingüísticos que encajan con la relación causal entre
Derivativo), el cual es ampliamente utilizado en la industria. El las restricciones de entrada y salida. Esta lógica fue
diagrama de bloques del regulador PID para turbinas desarrollada con base en la teoría de conjuntos difusos de Lotfi
hidráulicas se muestra en la Fig. 4 [11]. Zadeh en los 60s [4]. El controlador difuso está compuesto de
los siguientes cuatro elementos:
Una base de reglas (o conjunto de reglas si-entonces), la
cual contiene una cuantificación lógica difusa de la
descripción lingüística del experto de cómo lograr un
buen control.
Un mecanismo de inferencia (también llamado una
4
“máquina de inferencia” o un “módulo de inferencia representan mediante símbolos en minúsculas antes de las
difuso”), el cual emula la toma de decisiones de los ganancias y símbolos en mayúsculas después de las ganancias.
expertos en la interpretación y aplicación de los Estas ganancias pueden ser fijas o graduables para lograr el
conocimientos sobre la mejor manera de controlar la mejor desempeño posible. Las ganancias GE, GCE y GIE
planta. corresponden a las ganancias proporcional, derivativa e
Una interfaz de fuzzificación, la cual convierte las integral del controlador PID convencional respectivamente.
entradas del controlador en información que el 2) Fuzzificación:
mecanismo de inferencia puede utilizar fácilmente para Para representar los valores de las entradas (E y CE) y de la
activar y aplicar reglas. salida (cu), cinco funciones de membrecía simétricas en forma
Una interfaz de defuzzificación, la cual convierte las de triángulo (excepto dos trapezoidales en los extremos finales
conclusiones del mecanismo de inferencia en entradas para E y CE) con 50% de superposición fueron elegidas, [8],
reales para el proceso (salida del controlador). [9]. Aunque la elección de la forma y el ancho de la función de
La Fig. 6 muestra el diagrama de bloques de un sistema membrecía es subjetiva, se eligieron formas triangulares,
difuso. debido a que son más populares y convenientes [2], [9]. El
intervalo de [-1, 1] se utilizó para los universos de las
Base de
Reglas
variables de entrada, mientras que el intervalo [-2, 2], fue
Defuzzificación
4) Defuzzificación:
El operador mínimo (Min) fue seleccionado como método
de implicación, y fue seleccionado el método más popular y
estándar de defuzzificación conocido como centro de gravedad
(CoG).
W TT
RT 2.3 T 1.0 0.15 W (5)
M
T 5.0 T 1.0 0.5 T
R W (6)
W
El regulador PID se ajustó siguiendo las recomendaciones Fig. 11. Respuesta de la velocidad del sistema
de [5]. Donde:
La Fig. 12 muestra la respuesta del torque mecánico del
T
K P 0 .8 M (7) sistema ante las condiciones de simulación enunciadas.
T
W
6
VIII. APÉNDICE
Los parámetros utilizados en las simulaciones fueron los
siguientes:
Fig. 12. Respuesta del torque mecánico Ltub = 70 Hg = 3.7
Dtub = 1.2 Tp = 0.05
La Fig. 13 muestra la respuesta de la apertura del Hb = 30 Ks = 5
distribuidor del sistema ante las condiciones de simulación Qb = 14.4 Rmax_open = 0.16
enunciadas. Qr = Qb/2 Rmax_close = -0.16
gFL = 0.94 Gmax = 1
gNL = 0.06 Gmin = 0.01
Pt = 1962 TG = 0.2
Pg = 2290 Rp = 0.04
IX. REFERENCIAS
Revistas:
[1] H. Li, "A comparative design and tuning for conventional fuzzy
control", IEEE Transactions on Systems, Man, and Cybernetics (Part
B: Cybernetrics), vol. 27, pp. 884-889, Oct. 1997
[2] I. H. Altas, A. M. Sharaf, "A generalized direct approach for designing
fuzzy logic controllers in Matlab/Simulink GUI environment",
International Journal of Information Technology and Intelligent
Computing, no 4, vol. 1, 2007
[3] J.-S. R. Jang, "ANFIS: Adaptive-network-based fuzzy inference
systems", IEEE Transactions on Systems, Man, and Cybernetics, vol.
23, pp. 665-685, May. 1993.
[4] L. A. Zadeh, "Fuzzy sets", Information and Control, vol. 8, pp. 338–
353, 1965
Fig. 13. Respuesta de la apertura del distribuidor
[5] S. Hagihara, H. Yokota, K. Goda, K. Isobe, "Stability of a hydraulic
turbine generating unit controlled by PID governor", IEEE Transaction
VII. CONCLUSIONES on Power Apparatus and Systems, vol. 6, pp. 2294-2298, Nov. 1979
[6] W. S. McCulloch, W. Pitts, "A logical calculus of the ideas immanent in
Este trabajo proporcionó una visión del comportamiento nervous activity", Bulletin of Mathematical Biophysics, vol. 5, pp. 115-
dinámico del regulador mecánico-hidráulico y de dos tipos de 133, 1943.
reguladores electrohidráulicos (PID y FPD+I). El
Libros:
comportamiento dinámico de los tres reguladores fue
[7] D. E. Rumelhart, J. L. McClelland, PDP Research Group, Parallel
comparado mediante simulación utilizando Matlab/Simulink Distributed Processing: Explorations in the Microstructure of
para este propósito. Cognition, vol. 1, Foundations. Cambridge: MIT Press, 1986
Los resultados de la simulación comprobaron que el [8] J. Jantzen, Foundations of Fuzzy Control. Chichester: John Wiley &
Sons Ltd, 2007
regulador de velocidad diseñado utilizando técnicas de control [9] K. Passino, S. Yurkovich, Fuzzy Control. Menlo Park: Addison-Wesley
inteligente, lógica difusa en este trabajo, tuvo buen Longman Inc, 1998
desempeño. Es decir, que las respuestas transitorias y de [10] M. Negnevitsky, Artificial Intelligence, 2nd ed. Harlow: Pearson
Education Limited, 2005.
estado estable para los diferentes puntos de operación [11] P. Kundur, Power System Stability and Control. New York: McGraw-
(diferentes cargas) fueron mejores a las del regulador Hill Education, 1994.
mecánico-hidráulico y a las del regulador PID. [12] R. Ortiz, Pequeñas Centrales Hidroeléctricas. Bogotá: McGraw-Hill
Interamericana S.A., 2001.
Para el 20% de la carga nominal, el sub-impulso del
[13] Y. Shin, C. Xu, Intelligent Systems: Modeling, Optimization, and
regulador PID se redujo 41.9% respecto al sub-impulso del Control (Automation and Control Engineering Series). Boca Raton:
regulador mecánico-hidráulico. Mientras el sub-impulso del CRC Press. Taylor & Francis Group, 2009
7
Disertación:
[17] J. I. Sarasúa, "Control de Minicentrales Hidroeléctricas Fluyentes,
Modelado y Estabilidad", PhD. dissertation, Dept. Ing. Civil, Univ.
Politécnica de Madrid, Madrid, 2009
Normas:
[18] IEEE Guide for the Application of Turbine Governing Systems for
Hydroelectric Generating Units, IEEE Standard 1207-2004, Nov. 2004
X. BIOGRAFÍA