Identificacin de un modelo dinmico de la caldera para la planta termotasajero mediante inteligencia artificial .

Esp. Alejandro Guerrero Hdz

OBJETO DEL PROYECTO.

El objetivo del proyecto ser el de desarrollo de la representacin mediante inteligencia artificial de un sistema fsico como el del domo de la caldera usando datos experimentales de la planta. Es la forma de establecer un puente entre el domino de la realidad y el de los modelos que pretenden representarla, contribuyendo a entender y perfeccionar el mismo. En este trabajo se centra la atencin en la identificacin de parmetros de sistemas tanque cerrado, determinado los valores caractersticos a partir de su repuesta a la accin de cargas que varan en el tiempo Adems, tambin se desarrollar una estrategia de control con la cual poder hacer frente a distintas perturbaciones en el sistema (variaciones en la demanda de vapor a la salida, cambios en la composicin o presin de alimentacin de combustible al quemador...).

OBJETO DEL PROYECTO

Los pasos para cumplir estos objetivos sern: Obtencin de un modelo matemtico que represente el comportamiento dinmico de la caldera ante distintas situaciones de funcionamiento. Obtencin de los datos de la planta que represente el comportamiento dinmico de la caldera ante distintas situaciones de funcionamiento. Validacin de los datos con el modelo inteligente. Anlisis de estrategias de control para el proceso completo. Aplicacin de la estrategia ms adecuada a los modelos matemticos anteriores.

JUSTIFICACIN.

El modelado de estos sistemas va a permitir realizar estrategias de control virtuales en lugar de probarlas sobre la misma planta evitando de esta manera paradas de funcionamiento que se traducen en importantes prdidas econmicas. El control de estos sistemas es un punto clave para las plantas de produccin de energa elctrica no slo para poder adaptarse a cambios bruscos en la potencia elctrica generada sino tambin para no tener que realizar paradas de emergencia por una presin o nivel interior inadecuados o cualquier otra situacin inaceptable desencadenada de un mal control del sistema.

El modelado de este sistema permitir supervisar el correcto funcionamiento del mismo. En efecto, si ante una cierta lectura de los sensores el modelo nos informa que el sistema se debe comportar de una cierta forma y en realidad no lo hace podemos hacer una parada de emergencia antes de que esta situacin anmala tenga consecuencias drsticas sobre la planta.

OBJETIVOS ESPECIFICOS
Estudiar en planta de las caractersticas del proceso de generacin de vapor y los instrumentos relacionados con la termoelctrica.

Relacionar las diferentes metodologas de control inteligente que se pueden aplicar al modelo del domo.
Definir las estrategias de control que se va utilizar en el proceso.

Modelar y simular computacionalmente el comportamiento del sistema.

Recolectar los datos necesarios para el sistema.

Evaluar, validar y comprobar los resultados.

FUNCIONA MIENTO DEL DOMO

El control de nivel de domo de una caldera es crtico tanto para la proteccin de la planta como para la seguridad de equipos, y se aplica de la misma manera a los niveles altos o bajos dentro del domo. El domo aloja el agua que alimenta el sector de evaporacin del generador de vapor. Es la ltima etapa de calentamiento en la que el agua est en contacto con el vapor producido, y eleva su temperatura hasta alcanzar la saturacin. En el domo tambin se produce la separacin mecnica del vapor y el agua para enviar solamente vapor saturado al sobrecalentador o directamente al proceso

FUNCIONAMIENTO DEL DOMO

El propsito del controlador de nivel de domo es llevar al domo a su nivel de operacin en el arranque de la caldera, y mantener el nivel a una carga de vapor constante. Una disminucin dramtica en este nivel puede vaciar los tubos de la caldera, dandolos o sobrecalentndolos. Un aumento en este nivel puede interferir con el proceso de separacin de condensados de vapor dentro del domo, y reducir as la eficiencia de la caldera con el peligro de que agua en estado lquido sea introducida en el proceso o en la turbina. La estrategia utilizada es el control clsico se basa en al medida del caudal del vapor, la medida de caudal de agua de alimentacin y la medicin del nivel de agua del domo. La cuestin principal de esta estrategia es mantener el balance de masa entre el agua que ingresa y el vapor que egresa del domo, y al mismo tiempo mantener el nivel de agua cercano a un setpoint especificado. Para lograr este objetivo se utiliza una estrategia en cascada combinada con una compensacin en prealimentacin (feedforward).

LA IDENTIFICACIN.
Se puede definir la identificacin de sistemas, como los estudios de tcnicas que persiguen la obtencin de modelos matemticos de sistemas dinmicos a partir de mediciones realizadas en el proceso: Entradas o variables de control, salidas o variables controladas y perturbaciones. Los mtodos de identificacin tienen como fin, encontrar un modelo matemtico que nos relacione las colecciones de muestras de salidas con las de entrada.

LA IDENTIFICACION
Estas tcnicas de identificacin de parmetros reconocen una primer clasificacin segn se apoyen o no en modelos fsicos de los sistemas representados. Para el primer caso se recurre al ya mencionado mtodo de los elementos finitos y para el segundo a modelos denominados de caja negra. En este ltimo caso la definicin del modelo se basa en el comportamiento dinmico del sistema, es decir en los registros temporales de las excitaciones y sus respuestas, prescindiendo del planteo de la formulacin matemtica del fenmeno estudiado. Dentro de estos enfoques de caja negra estn ocupando un lugar destacado los modelos autoregresivos y las redes neuronales artificiales.

En particular, hay tres aspectos que justifican la creciente utilizacin de distintas variantes de redes neuronales en el modelado de sistemas dinmicos 1) Su aptitud para aproximar funciones complejas y altamente no lineales, lo que permite desarrollar modelos que servirn para la posterior identificacin de parmetros. 2) Su capacidad de aprendizaje, lo que hace posible ajustar el modelo a travs de procesos que, con los algoritmos actualmente disponibles, han reducido mucho los clsicos problemas de convergencia. 3) La tolerancia de las redes neuronales a datos imprecisos o incompletos, los que las hace especialmente apropiadas para aplicaciones en las que se opera con datos originados en mediciones sobre el mismo sistema.

POSIBLES RESULTADOS.

Desarrollar una metodologa para implantar un control generador de vapor de una central termoelctrica.

en el domo del

Aporte a la solucin de problemas actuales de la industria termoelctrica. Creacin de nuevas alternativas que generen proyectos de investigacin relacionados con el tema (sistema turbina-generador). Divulgacin cientfica (Artculos cientficos aceptados en revistas indexadas). Divulgacin tecnolgica.