control en turbina

267Instituto de Investigaciones Eléctricas

Boletín IIE, noviembre-diciembre del 2001

Resumen

En este artículo se presenta la aplicación de la tec-

nología de la lógica difusa al control de turbinas

de gas con el propósito de evaluarla en uno de los pro-

cesos más difíciles y con requerimientos más estrictos de con-

trol que existen en la industria de generación eléctrica. Por ser

importantes para el sector eléctrico de generación, dada su utili-

zación en CFE, el primer prototipo seleccionado fueron las tur-

binas de gas modelo W501 de Westinghouse, instaladas en las

centrales de ciclo combinado de Dos Bocas, Veracruz, Gómez

Palacio, Durango y Tula, Hidalgo. El segundo prototipo selec-

cionado fue el de unidades turbogás tipo 5001 (que aplica a los

modelos GE 5001 y Westinghouse de la serie 191 y 251). Basados

en el análisis del desempeño del sistema de control convencional

realizado previamente, los controladores de velocidad y de ge-

neración de potencia eléctrica fueron seleccionados para ser sus-

tituidos por controladores difusos.

Esquema básico de control de turbinasde gas

Las unidades generadoras turbogás o turbogeneradores a gas (TG)

son sistemas de alto riesgo que operan a altas velocidades, tem-

peraturas y presiones. Estas condiciones establecen requerimien-

tos muy estrictos para el sistema de control. Por otra parte se

requiere un alto nivel de automatización para lograr una opera-

ción segura y rentable; es común que una operación automática

completa se tenga disponible con un sistema típico de control

basado en computadora. La unidad puede ser llevada desde el

arranque hasta carga pico en forma rápida y segura presionando

unos cuantos botones en la interfaz de operación.

Adicionalmente, se cuenta con otras opciones disponibles para

proporcionar al operador la mayor versatilidad para comandar

Control difuso de turbinas de gas en centrales de

ciclo combinado

Marino Sánchez P., Raúl Garduño R., Salvador De Lara J. y Luis Castelo C.

una unidad de acuerdo con las necesidades y criterios actuales.

Básicamente, el sistema de control ejecuta las secuencias

de arranque y paro, el control de velocidad, potencia y tempe-

ratura, y las funciones de protección. Las secuencias de arran-

que y paro consisten de una serie compleja de eventos en donde

cada paso debe ser completado satisfactoriamente antes de que

comience el siguiente. Los algoritmos de control de velocidad

deben ser completados en poco tiempo porque la planta tiene

una respuesta muy rápida a los cambios en sus entradas. El con-

trol de la potencia generada es afectado grandemente por la ope-

ración cerca de los límites de temperatura y presión. El control

de temperatura es crítico para la conservación de la vida útil y el

desempeño global del proceso. Las protecciones requieren nu-

merosas verificaciones de seguridad para eliminar cualquier ries-

go de desastre.

De todas las etapas de operación, el arranque puede ser

considerada la más crítica. En primer lugar porque, vista desde

una perspectiva económica, durante el arranque solamente hay

pérdidas; todo el combustible es quemado sin producir electri-

cidad. En segundo lugar porque los esfuerzos térmicos y mecá-

nicos en el arranque reducen la vida útil de la unidad haciéndo-

la susceptible a daños físicos. Finalmente, estos efectos se multipli-

can por la gran frecuencia con que se realizan los arranques.

Típicamente, la estrategia general de control consiste en

regular el flujo de combustible y el flujo de aire de acuerdo con

la fase de operación vigente, mientras que la aceleración, tem-


El control automático de la TG abarca todos los

requerimientos de la operación, desde el arranque

inicial hasta el paro final.

268 Instituto de Investigaciones Eléctricas

peratura y flujo de aire en el compresor

(surge) son mantenidos bajo condiciones

seguras y eficientes. El núcleo del esque-

ma de control está formado básicamente

por dos circuitos de control: un circuito

dual de control de velocidad y carga para

la regulación de flujo de combustible (ver

Figura 1), y un circuito de control de

posición de los álabes guía para la regula-

ción del flujo de aire. Las condiciones de

presión de descarga del compresor, acele-

ración y temperatura son supervisadas

todo el tiempo para imponer límites se-

guros a los valores de los puntos de ajuste

y a la demanda a la válvula de combusti-

ble a fin de salvaguardar la integridad fí-

sica de la turbina.

El circuito de control de velocidad

y potencia en lazo cerrado tiene dos tra-

yectorias de operación complementarias

para generar la señal de control a la válvu-

la de combustible (ver Figura 2). La tra-

yectoria de velocidad del circuito de con-

trol está activa durante la mayor parte de

la etapa del arranque. La referencia de ve-

locidad se obtiene a partir de un perfil de

aceleración programado y la señal de con-

trol es calculada por un algoritmo PI a

partir del error de seguimiento de veloci-

dad. La aceleración inicial de la unidad ge-

neradora es proporcionada por un motor

eléctrico para obtener alta compresión del

aire. Después, a una velocidad predeter-

minada, el control de velocidad es activa-

do para regular el flujo de combustible re-

querido para la combustión a fin de apor-

tar potencia mecánica y sostener la rota-

ción mediante la expansión de gases en la

turbina.

Más tarde, el motor eléctrico es

desacoplado de la flecha de la turbina pro-

duciendo un cambio súbito en la dinámi-

ca de la unidad y un desbalance energéti-

co que debe ser corregido por el control

de velocidad. A una velocidad más alta las

válvulas de sangrado y los álabes guía son cerrados causando un cambio repentino en

la presión de descarga del compresor que también afecta la aceleración del grupo

turbogenerador. Después, el regulador automático de voltaje es activado y la veloci-

dad es regulada a un valor predefinido cercano y por debajo de la velocidad nominal

de sincronización a la red eléctrica. En seguida, la velocidad es modificada lentamente

mediante cambios en la señal de referencia de velocidad comandados por el

sincronizador automático para que el generador iguale la frecuencia actual del sistema

de potencia.

Finalmente, el interruptor principal es cerrado para enlazar la unidad turbogás

a la red eléctrica. En este instante la trayectoria de potencia del controlador es habili-

tada para generar la potencia mínima evitando una motorización del generador. Al

mismo tiempo, el control de velocidad es colocado en un estado latente manteniendo

el último valor antes de la sincronización como una contribución a la señal de con-

trol. A partir de aquí, el operador puede establecer los valores de la potencia a generar

y de su razón de cambio, con los cuales se pueden generar los perfiles de generación

deseados con base en rampas de la señal de referencia de potencia. La señal de control

a la válvula de combustible es calculada por un algoritmo de control PI a partir del

error de potencia generada. La trayectoria de control de potencia cuenta con una

prealimentación unitaria de la referencia de potencia para mejorar la eficiencia del con-

trol en la etapa de generación.

Figura 1. Estrategia de control de velocidad y potencia.

Artículos técnicos

Los controladores

convencionales lineales y no-

lineales son obtenidos usando

técnicas de la teoría de control

basadas en modelos matemáticos

del proceso controlado.

Demanda a válvula

combustible

...

/

Figura 2. Estrategia de control de velocidad y potencia.

<

<

Demandaa válvula

combustible

velocidad 2

velocidad 1

tiempopo

ten

cia

potencia

PI+ ++ +

tiempo

PI+

- +

po

ten

cia

<

-

f(u)



Desempeño del control

El control automático de la TG abarca todos los requerimientos

de la operación, desde el arranque inicial hasta el paro final. Para

arrancar la máquina, el operador simplemente oprime el botón de

arranque, el sistema de control genera una señal de salida que acti-

va la operación del motor de arranque encargado del rodado ini-

cial de la TG. Al alcanzar una velocidad de 900 RPM el control

activa un transformador de ignición y la válvula de combusti-

ble se abre súbitamente a una posición predeterminada. Al de-

tectarse flama en combustores el control comienza a acelerar la

turbina mediante la combinación de la potencia proporciona-

da por el motor y la producida por la combustión.

El sistema digital contiene la programación de una gráfica

que corresponde a la trayectoria de aceleración de la TG, llamada

referencia de velocidad, (ver Figura 3); la acción combinada de la

retroalimentación de velocidad y la curva de referencia logran una

aceleración suave de la máquina hasta la velocidad de sincronismo.

Sin embargo, los requerimientos de la operación originan

algunas perturbaciones del proceso que son significativas, como

se muestra en la figura citada:

• La primera perturbación se presenta cuando la velocidad de

la TG alcanza las 2300 RPM y el motor de arranque es saca-

do de operación.

• La segunda perturbación consiste en un transitorio de

sobrevelocidad originado por una variación brusca del flujo

de aire en la cámara de combustión al cierre de las válvulas

de sangrado del compresor.

• La tercera perturbación es originada por el cierre escalona-

do del actuador de los IGV al llegar la velocidad a las 3381

RPM, produciendo una fuerte variación del flujo de aire.

En el preciso instante que el sistema de control detecta el

cierre del interruptor principal del generador, se ordena abrir la

válvula de combustible para llevar a cabo la toma de carga mínima

(entre 4 y 5 MW). Normalmente, la unidad no está operando al

valor de carga mínima por tiempo indefinido ya que las turbinas

de gas son bastante ineficientes al operar en valores inferiores al de

la carga base.

El control de MW es uno de los dos modos principales

para la toma de carga en control automático. Permite al opera-

dor introducir desde el tablero de operación el valor deseado de

generación en MW y la rapidez de cambio de carga requerida en

MW/MIN. Consecuentemente, el control modulará la deman-

da a la válvula de combustible, de forma continua, hasta que se

alcance el valor demandado de MW, o mediante “saltos” de car-

ga usando comandos de AVANCE y DETENCIÓN.

La retroalimentación de la generación de MW fue im-

plantada en el sistema de control con la finalidad de asegurar

que la demanda y rapidez de carga solicitadas se logren eficien-

temente. En la Figura 4 se muestran las gráficas de la demanda

de MW por operador, la referencia de MW producida por el

programa de control y los MW generados. Nótese la ausencia

de un buen seguimiento de la referencia de MW.

Control con lógica difusa

Desarrollo histórico del control con lógicadifusa

La lógica difusa y las técnicas basadas en reglas fueron promo-

vidas por Lofti Zadeh (1973), Mandani y Assilian (1974, 1975),

como un medio para capturar la experiencia humana y tratar

con incertidumbres. Estos conceptos fueron aplicados rápida-

mente a procesos industriales mal definidos, ya que tales siste-

mas normalmente son operados por individuos experimenta-

dos quienes a menudo obtienen excelentes resultados sin im-

portar que reciban información imprecisa.

El origen de esas imprecisiones pueden ser retardos de

tiempo entre la aplicación de una señal de control y la indica-

ción de su efecto, las no linealidades en la dinámica del sistema

o la degradación de sensores (Bernard, 1988). Los procesos en

que ha sido aplicada la aproximación difusa basada en reglas,

incluyen la operación automatizada de trenes y grúas (Yasunobu

et al.,1983;1987), hornos de cemento (Holmvlad y Ostergaard,

1992), control de molinos de pulpa de madera y plantas

tratadoras de aguas residuales (Maiers y Sherif, 1985).

Es importante aclarar que la palabra difuso (fuzzy, en

idioma inglés) es un adjetivo técnico, ya que los sistemas difu-

sos son sistemas definidos con precisión y el control difuso es

una clase de control no-lineal que también será definido con

precisión. Esencialmente lo que se desea enfatizar es que a pesar

de que el fenómeno descrito por esta teoría puede ser difuso, la

teoría en sí es precisa.

Controladores lógicos difusos

Los controladores convencionales lineales y no-lineales son ob-

tenidos usando técnicas de la teoría de control basadas en mode-

los matemáticos del proceso controlado. Los controladores con-

vencionales mapean un vector de estado de dimensión n a una

acción de control, mientras que el diseño de controladores no-


lineales representa un problema mayor.

La dificultad intrínseca de esta tarea ha

conducido al desarrollo de nuevas técni-

cas de control, como el control lógico

difuso (CLD).

En esencia, el CLD es un algorit-

mo capaz de convertir una estrategia lin-

güista de control (expresada en forma con-

ceptual en lenguaje llano), basada en co-

nocimiento experto, en una estrategia de

control automático.

Los CLD son controladores basa-

dos en conocimiento, desarrollados usual-

mente mediante un proceso de adquisición

de conocimiento o sintetizados en forma

automática mediante arquitecturas de con-

trol especializadas.

Estos controladores típicamente

definen un mapeo no-lineal desde el espacio

de estado del sistema al espacio de control.

De esta forma, cada CLD puede visualizarse

como una superficie de control no-lineal

que representa el conocimiento de opera-

dores o ingenieros expertos. Cada superfi-

cie de control está representada de manera

declarativa en una base de conocimiento

(BC) que es ejecutada por un sistema intér-

prete o un compilador. La BC está forma-

da por un conjunto de reglas de control di-

fuso y una base de datos (formada por re-

glas, factores de escalamiento y funciones

geométricas), las cuales son evaluadas por

el intérprete.

Referencia de carga

Demanda de carga

50

45

40

35

30

25

20

15

10

5

00 500 1000 1500 2000 2500 3000 3500 4000

MW generados

Apertura de Alabes Guía

Seguimiento aRampa Constante

Figura 4. Generación automática usando el control de MW.

Al considerar la BC de un controlador PI difuso, un controlador PI conven-

cional puede describirse por su forma diferencial:

du = (Kp e + Ki ê ) dt

y mapea vectores de estado [e, ê] en acciones incrementales de control du, don-

de e es el error entre la referencia y la salida del sistema, y ê es su rapidez de cambio.

Asúmase que el objetivo del control es el llevar (e , ê) a (0,0). En el espacio generado

por e, ê y du, la superficie de control de un PI convencional sería un plano pasando a

través del orígen y orientado cierto ángulo con respecto al plano e – ê, con el ángulo

determinado por los valores particulares de Kp y Ki. Mientras que el PI difuso divide

el espacio (e , ê) en varias regiones traslapadas (llamadas particiones difusas), y especifi-

ca a du como una constante diferente sobre cada región. Al unirse, estas piezas produ-

cen una superficie de control con determinada curvatura, con saltos entre los puntos

adyacentes cuyos valores son definidos por los conjuntos difusos que particionan los

valores de entrada, los que unidos forman una función de membresía difusa. Las reglas

dividen el espacio de entrada en regiones difusas y también especifican la du. Los factores

de escalamiento determinan los extremos del rango numérico de valores de las variables

de entrada y salida.

Usando inferencia difusa es posible sintetizar una superficie de control no-lineal

obtenida por un mecanismo de interpolación que generaliza la superficie de control de

un controlador convencional PI.

Control difuso de velocidad y potencia eléctrica para turbinas de gas

En el IIE, el desarrollo de controladores difusos para unidades turbogás se inició en la

Gerencia de Control e Instrumentación (GCI) con un trabajo en donde se rediseñó la

programación del sistema de control de las unidades turbogas del SCD-GP y se incor-

poró un controlador difuso de velocidad en tiempo real para el arranque de la turbina

de gas (García y Garduño 1997; 1998).

Posteriormente, este trabajo fue continuado y extendido para abarcar el con-

trol de potencia generada, aportando una metodología para el desarrollo de las reglas

de control basada en resultados experimentales más que en un procedimiento analíti-


Figura 3. Perturbaciones en el arranque de la TG.

4000

3500 REFERENCIA DE VELOCIDAD

3000

2500

2000

1500

1000

500

00 200 400 600 800 1000 1200 1400 1600

Ref

eren

cia

y ve

loci

dad

(rpm

)

VE

LOC

IDA

D

1a. Perturbación (motor de arranque fuera de servicio)2300 rpm

tiempo (seg)

3a. Perturbación (cierre deálabes guía) 3381 rpm

2a. Perturbación (cierre de válvulasde sangrado)



co (Sánchez y Bahamaca 1999, 2000; Bahamaca 2000). En ambos casos los resultados

obtenidos fueron exitosos y constituyen una base sólida para la aplicación de controladores

difusos a una unidad turbogás real. Sin embargo, desde un principio fue patente la dificul-

tad para obtener los valores de los parámetros de los diversos elementos del sistema de

inferencia difuso embebido en el controlador. Para solucionar esta problemática y auto-

matizar lo más posible el diseño del sistema de inferencia difuso, se inició el desarrollo de

un sistema de sintonización basado en redes neuronales, el cual primeramente se aplicó a

controladores PI convencionales (Pat y De Lara 1999), y en una segunda etapa a la sinto-

nización de un controlador difuso (De Lara y Martínez 1999).

El enfoque de este último trabajo consistió en desarrollar un sistema que pro-

porcionara los parámetros que definen las variables lingüísticas del controlador usan-

do un algoritmo de aprendizaje de redes neuronales. El conjunto formado por la red

neuronal y el sistema difuso del controlador es un sistema de tipo cooperativo en

donde ambos componentes son aplicaciones independientes; la red neuronal le comu-

nica los resultados del aprendizaje al sistema difuso.

El control basado en lógica difusa fue seleccionado debido a su capacidad para

implementar controladores capaces de contender con procesos no lineales cuya dinámica

no es completamente conocida, sujetos a acciones normales de operación que perturban

el comportamiento de los lazos de control. Además, el diseño y la realización del contro-

lador difuso tomó en cuenta todos los requerimientos de automatización para ser com-

pletamente operativo dentro del sistema de control sin degradar su comportamiento.

Desarrollos en computadora personal

Control PID difuso de velocidad. El controlador difuso desarrollado emula el comporta-

miento de un controlador digital tipo PID en configuración velocidad (ver Figura 5), el

cual utiliza la señal de error, e[k], y las aproximaciones a sus dos primeras derivadas, ∆e[k]

y ∆e2[k], para generar la señal de control ∆u[k]:

∆u[k] = K1e [k] + K

2∆e [k] + K

3∆e2 [k]

Para cada una de las entradas se consideró un universo de discurso normalizado al

intervalo [-1,1] particionado en siete funciones de pertenencia triangulares (ver Figura 6).

Las reglas y las funciones de pertenencia son fijas y la única forma de sintonizar el contro-

lador es por medio de los valores de los factores de escala K1, K

2 y K

3 conforme al desem-

peño del controlador y a conocimiento experto (García y Garduño, 1997).

La aplicación del controlador PID difuso al control de la velocidad de la uni-

dad turbogás durante el arranque mejoró sustancialmente la respuesta con respecto al

esquema con un algoritmo de control PI convencional. Se obtuvieron tiempos de

arranque más cortos junto con una reducción del número de retrocesos y una más

rápida recuperación.

Controlador lógico difuso de velocidad/carga.

En la Figura 7 se muestra el diagrama de un CLD para tareas de regulación. El CLD

convierte variables observables (medidas) en acciones de control y consiste en un

algoritmo basado en relaciones difusas. Las secuencias de valores del error y la deriva-

da del error primero son transformadas a variables difusas (o variables lingüistas) por

medio de conjuntos difusos. Estas variables evalúan las reglas de control usando la

regla de inferencia composicional, y la acción de control computada entonces es

reconvertida a un valor preciso que es requerido para regular el proceso. Las etapas

principales de diseño para CLD son, de acuerdo con Sánchez y Bahamaca, (1999):

1. definir las variables de entrada y salida,

2. establecer el proceso por el que las va-

riables de entrada son convertidas en

conjuntos difusos,

3. determinar la base de reglas,

4. diseñar el proceso computacional que

accese a la base de reglas, y

5. establecer una transformación adecua-

da de las acciones de control difuso en

acciones precisas.

a) Diseño del controlador lógico difuso de ve-

locidad (CLD-vel).

• Para las entradas y la salida selecciona-

das del controlador primero se especifi-

can las variables lingüísticas: Error de

velocidad, Derivada del error de veloci-

dad y la Señal de control. También se

define el rango funcional, o universo de

discurso, para cada entrada y la salida:

Ui1 = [se

min, se

max], U

i2 = [ed

min, ed

max],

Uo = [scs

min, scs

max] y una ganancia cons-

tante asociada a cada entrada K1 and K

2.

• Proceso de “fuzificación”. Para las dos

entradas seleccionadas, error y deriva-

da del error, los valores lingüísticos se-

leccionados son: negativo grande (-G),

negativo mediano (-M), negativo pe-

queño (-P), cero (CE), positivo peque-

ño (+P), positivo mediano (+M) y po-

sitivo grande (+G). Entones son siete

conjuntos difusos o funciones de

membresía que caracterizan a las dos

entradas. Para este proceso se usaron

las llamadas funciones normalizadas

de Von Altrock.

• Base de reglas. El número máximo po-

sible de reglas de control para un con-

trolador difuso con r-entradas, una

salida y n niveles de cuantización de

las variables en conjuntos difusos es

nr. El CLD-vel seleccionado es de dos

entradas y la interfaz de “fuzificación”

tiene siete niveles de cuantización, o

funciones de membresía, por lo que

le corresponden 49 reglas de control.

• Derivación de reglas del CLD-vel. És-

tas fueron obtenidas mediante un pro-

ceso de prueba y error a partir del

análisis de la dinámica del proceso se

llegó a establecer primero 22 reglas

que fueron modificadas en varias oca-

siones hasta obtener la versión final-

mente aceptada de 21 reglas similares


a las que se muestran:

if (ERROR is +G) and

(D_ERROR is +P) then SC is AM

if (ERROR is –P) and (D_ERROR

is +P) then SC is SOSTENER

• La lógica para obtener decisiones es la

componente principal de un CLD, ya

que tiene la capacidad de simular un

proceso humano de decisiones basado

en conceptos difusos y en acciones di-

fusas que son inferidas empleando la im-

plicación difusa y reglas de inferencia.

• “Defuzificación” de la salida. Aun cuan-

do el proceso para la evaluación de re-

glas asigna intensidades a cada acción

específica, se requiere el proceso de

“defuzificación” por dos razones: para

descifrar el significado de acciones va-

gas (difusas) tales como “la señal de con-

trol es abrir medio”; la segunda razón

es para resolver conflictos entre situa-

ciones duales, por ejemplo “la señal de

control es abrir medio” y “la señal de

control es abrir poco”, que pudieron

haber sido establecidas durante la eva-

Figura 5. Estructura del controlador PID difuso.

1.0

0.5

0.00 1-1

-L -M +L+M-S +S0

Figura 6. Funciones de pertenencia de las entradas.

luación de reglas. La “defuzificación” emplea técnicas que resuel-

ven la falta de precisión y conflictos. Las funciones de membresía

seleccionadas para la variable de salida (señal de control) son: ce-

rrar mucho (CM), cerrar regular (CR), cerrar poco (CP), sostener

(S), abrir poco (AP), abrir regular (AR) y abrir mucho (AM).

b) Diseño del controlador lógico difuso de MW (CLD-MW).

En este caso se aplicó el mismo procedimiento ya que se especifi-

caron dos entradas y una salida (error de MW, derivada del error de MW y la señal de

control). Se diseñaron 16 reglas.

Validación del sistema difuso

Validación en PC: primero fueron realizadas pruebas estructurales a la programa-

ción del algoritmo del PI difuso desarrollado. Después se desarrollaron pruebas fun-

cionales en lazo cerrado mediante una plataforma de simulación con un modelo

dinámico de la TG y los controladores difusos de velocidad y MW. Después de haber

realizado numerosas pruebas variando algunas reglas, añadiendo y/o cancelando otras,

se lograron resultados satisfactorios con 22 reglas para el CLD-vel y 26 reglas para el

CLD-MW. Los resultados logrados se muestran en las Figuras 8(a),(b), (c), (d) .

Desarrollo en plataforma en tiempo real

Controlador industrial APACS™ de MOORE PRODUCTS

La plataforma industrial consistió de un controlador APACS™/MOORE, en donde

fue programado el controlador difuso de velocidad/carga apegándose a las normas de

programación IEC-1131-3, Lenguajes de programación para controladores industria-

les, e IEC-1131-7, Programación de control difuso (Castelo y Sánchez, 2000). Los

tipos de programación comprendidos por la norma son Diagrama de escalera,

Diagramas funcionales y Texto estructurado. La combinación de ambas herramientas

permite la visualización inmediata de las principales componentes funcionales del

CLD, es decir “FUZIFICACIÓN”, INFERENCIA y “DEFUZIFICACIÓN”, así como de las entra-

das/salidas correspondientes. El texto estructurado contiene los detalles puntuales de

la implantación de algoritmos.


fuzi

ficac

ión

infe

renc

ia

defu

zific

ació

n

e

Figura 7. Configuración del CLD de velocidad/carga.

REFERENCIA DE

VELOCIDAD / MW

Σ du

d/dt

Bas

e de

lco

noci

mie

nto

e in

fere

ncia

Controlador Lógico Difuso

P r o c e s o

du

Variables de procesovelocidad / MW

Variable de controldemanda válvula

de comb.

fuzificaciónDefuzifi-

cación

e

é



Arquitectura del software

El software desarrollado se organizó en tres bloques funcionales

principales cuyo contenido consiste en códigos de texto estruc-

turado (Castelo et al., 2000), correspondientes a bloques de

“fuzificación”, inferencia y “defuzificación”.

• “Fuzificación”. El módulo “Fuzificación” realiza la función

de configuración de los puntos que definen las gráficas de

funciones de membresía y calculan los grados de membresía

de la variable de entrada.

• Inferencia. El módulo Inferencia realiza la función de valida-

ción de las reglas lingüísticas de acuerdo con los grados de

membresía calculados anteriormente en el módulo de

fuzificación, calcula como salida un valor acumulado de aper-

tura a la señal de control que puede ser positivo o negativo

mediante el uso de funciones singletons.

• “Defuzificación”. El módulo “Defuzificación” realiza la fun-

ción de calcular el factor de apertura o cierre de la válvula de

combustible (señal de control).

Figura 8 (c). Carga de TG: PI vs. CLD. Figura 8 (d). Error de MW de TG: PI vs. CLD.

Figura 8 (a). Arranque de la TG: PI vs. CLD.

140

120

100

80

60

40

20

0

-20

200 400 600 800 1000 1200 1400 1600 1800 2000-40

0

Tiempo (seg)

Err

or d

e V

eloc

idad

( r

pm )

PI

Difuso

Figura 8 (b). Error de velocidad de TG: PI vs. FLC.

Figura 9. Plataforma Industrial APACS TM/ MOORE.

1. Controlador APACS/Moo 3. Simulador de la TG

2. Tablillas de interconexión 4. IHM

1

42

3

3400

2900

2400

1900

1400

9000 200200 400 600 800 1000 1200 1400 1600

Tiempo (seg)

Velo

cida

d de

la T

urbi

na d

e G

as (

rpm

) Referencia de velocidad

Velocidad PI

Velocidad

3a. Perturbación:Cierre de álabes guía

( 3381 rpm ).

2a. Perturbación:Cierre de válvulas de sangrado( 3300 rpm ).

1a. Perturbación:Motor de arranque fuera de servicio ( 2300 rpm ).

Tiempo (seg)

Erro

r de

MW

5

4

3

2

1

0

0 500 1000 1500 2000 2500 3000 3500 4000-1 Difuso

PI

50

45

40

35

30

25

20

15

10

5

00 500 1000 1500 2000 2500 3000 3500 4000

Demanda de carga

MW Difuso

MW PI

Referencia de carga

Tiempo (seg)

Gen

erac

ión

de p

oten

cia

elèc

tric

a (M

W)

Apertura de álabes guía


Arquitectura genérica de la programación delcontrolador

En la Figura 10 se muestra la organización genérica de los bloques

del controlador difuso.

Esfuerzos de sintonización

El proceso de sintonización de un CLD requiere de tiempo y de

un esfuerzo considerable. La efectividad del controlador depende

de la partición difusa del espacio de entrada; consecuentemente, el

ajuste de las funciones de membresía representa un aspecto de gran

importancia en el control difuso. Debido a que la tarea de sintoni-

zación o ajuste puede considerarse como un problema de

optimización, las redes neuronales artificiales ofrecen una posibi-

lidad para resolver este problema.

Un procedimiento fue el asumir cierta forma de las funcio-

nes de membresía, las cuales dependen de parámetros diferentes

que podrían ser aprendidos por una red neuronal.

Se realizaron intentos de sintonización usando un mo-

delo de sistema neurodifuso, el cual consiste de una red neuronal

que pudiera manipular las funciones de membresía de las par-

tes consecuentes de las reglas Si-Entonces. Sin embargo, los re-

sultados iniciales no fueron del todo satisfactorios.

Controlador industrial SIEMENS S7/400

Antecedentes

En el proyecto Desarrollo e implantación de estrategias de control

moderno para turbogeneradores de gas tipo 5001 en un controla-

dor industrial, se realizó el sistema de control para unidades

turbogás 5001 que fue implantado en el controlador APACS™ de

MOORE.

Posteriormente, durante la primera mitad del año 2001

se realizó el proyecto de Comercialización del sistema de con-

trol digital para unidades turbogás 5001, en él, dicho sistema de

control fue transferido a la empresa nacional Industria

SIGRAMA S.A. de C.V.

Con el trabajo conjunto del personal del IIE y de la empre-

sa SIGRAMA, la implantación se realizó en un PLC SIMATIC™

S7 400 de SIEMENS para ser comercializado por SIGRAMA.

Control neuro-difuso en el PLC SIMATIC

Es un proyecto realizado con la finalidad de continuar con el

Figura 11. Configuración para pruebas al Sistema de control.


1. IHM

2. PLC Siemens

3. Simulador TG GE-5000

4. Tablillas de interconexión

1

1

2 3

34

Figura 10. Controlador difuso del control de velocidad.

[ Error ] [ FM_ERR ]

VAR_EN SAL

ENT

Fuzificación

[ D_ERR ]

[ FM_DER ]

VAR_EN SAL

ENT

Fuzificación

[ GM_ERR ]

[ GM_DER ]

[ VC_SGT ][ NO_REG ][ Reglas ]

GM_EN1 RES_VC

GM_EN2 SUM_VC

RES_VC SC_CLD

SUM_VC

Defuzificación

[ SC_CLD ]

Reglas

NO:REC

SINGLE

Inferencia

4



desarrollo del control neuro-difuso para las TG en el ambiente

de software de una aplicación real. Contando con la autoriza-

ción de SIGRAMA, los programas fuente del sistema de con-

trol turbogás 5001 fueron trasladados al laboratorio de la GCI e

implantados en otro PLC SIMATIC S7 400 que fue proporcio-

nado por la empresa SIEMENS. En esta etapa se mejoró el códi-

go del CLD de velocidad/carga basado en las normas IEC-1131-

3 e IEC-1131-7, habiéndose obtenido una programación similar

a la anterior, basada en bloques funcionales, que forman la es-

tructura genérica del sistema de control y están incluidos den-

tro del bloque principal “IIE_ND”. Este bloque es el utilizado

por el usuario para crear un controlador neuro difuso de veloci-

dad o de carga.

En esta ocasión, el sistema de control de velocidad y carga

se formó con controladores híbridos del tipo neurodifuso. Los

sistemas híbridos neuro-difusos surgen de la combinación de las

redes neuronales con los algoritmos de lógica difusa, y la combina-

ción de ambos se debe a unir las ventajas que cada uno representa.

El control Neuro-Difuso adoptado fue del tipo ANFIS

(Adaptive Neuro–Fuzzy Inference System), que significa: Siste-

ma de inferencia difuso basado en redes neuronales adaptivas.

El sistema ANFIS tiene, por lo tanto, una arquitectura com-

puesta de redes neuronales híbridas funcionalmente equivalen-

te a los sistemas de inferencia difusos, equivalente al razona-

miento difuso. Esta estructura permite resolver los problemas

encontrados en el desarrollo anterior, relacionados con la sinto-

nización del controlador lógico difuso.

Validación del sistema

La validación de los sistemas de control difuso y neuro-difuso

realizadas en laboratorio, se basó en un modelo dinámico del

proceso de una unidad turbogás del tipo GE-5001 desarrollado

en la GCI (Delgadillo y Hernández, 1999). Esta herramienta

permitió realizar pruebas de simulación en tiempo real en las

que se emularon las diferentes condiciones de operación de una

unidad turbogás. La configuración del sistema de pruebas se

muestra en la Figura 11. El Sistema de control fue validado apli-

cando un conjunto de pruebas de aceptación, arranque, paro,

sincronización y toma de carga, realizando las maniobras de un

protocolo de pruebas (De Lara, 2000).

Conclusiones

La utilización de métodos no convencionales para el control de

procesos, en el caso del control difuso y neuro-difuso, ha mos-

trado ser una mejor opción en comparación con los

controladores convencionales.

De acuerdo con los resultados obtenidos en las pruebas

de simulación realizadas para la validación de los controladores

difusos, se observó que:

• Se mejoró el seguimiento de la curva de aceleración, con lo

que se asegura que tanto el compresor como la turbina son

llevados a la velocidad de régimen a través de una trayecto-

ria de mínimos esfuerzos mecánicos.

• Se obtuvo un mejor seguimiento a la referencia de MW de

acuerdo con las distintas demandas y rapidez de cambio in-

troducidas por un operador durante el proceso de subir y

bajar carga.

• Se minimizaron los efectos producidos por las perturbacio-

nes programadas del sistema (originadas por las acciones de

control), principalmente en la región de arranque compren-

dida entre las 2300 y 3000 RPM (salida del motor de arran-

que) y la región que abarca de las 3300 a 3600 RPM (cierre

de válvulas de sangrado y cierre de álabes guía).

• Durante la generación de potencia eléctrica, la región más

beneficiada fue la comprendida entre la carga mínima (4 MW)

y los 10 MW, para subir carga, que es donde se presenta la

apertura de los álabes guía. Además el controlador difuso de

MW mejoró notablemente el seguimiento de la referencia

de MW, reduciendo el error de seguimiento a rampa que

caracteriza a esta operación con el control convencional.

En lo que respecta al controlador neuro-difuso que fue

evaluado en un moderno PLC, la ventaja principal consiste en

su capacidad de establecer los valores de los parámetros del

controlador difuso que proporcionan los mejores resultados,

hecho que lo convierte en un controlador autosintonizable.

De acuerdo al análisis de resultados realizado utilizando

índices de desempeño (como el IAE y el ITAE), a pesar de que

con el control convencional se tiene un consumo de combusti-

ble ligeramente menor, éstos tienen un error mayor que los

CLD. Entonces el consumo de combustible poco mayor obte-

nido con los CLD no es significativo al considerar el beneficio

obtenido con el incremento de la vida útil de la turbina median-

te un mejor seguimiento a las referencias de velocidad y MW.

Agradecimientos: a las compañías MOORE PRODUCTS,



Referencias

• L. A. Zadeh, “Outline of a New Approach to the Analysis of Complex Systems and Decision Process”, IEEE Trans. Syst., Man, Cybern., Vol. SMC – 3, No. 1, pp. 28-44,

1973.

• E. H. Mandani, “Application of fuzzy algorithms for control of simple dynamic plant”, Proc. IEE, Vol. 121, No. 12, pp. 1585-1588, 1974.

• E.H. Mandani and S. Assilian, “ An Experiment in Linguistic Synthesis with a Fuzzy Logic Controler”, Int. J. Manchine Studies, Vol. 7, pp.1-13, 1975.

• J.A. Bernard, “ Use of a Rule-Based System for Process Control”, IEEE Control Systems Magazine, Vol. 8, No. 5, pp. 3-13, 1988.

• S. Yasunobu, S. Miyamoto, and H. Ihara, «Fuzzy control for automatic train operation system,» in Proc. 4th IFAC/IFIP/IFORS Int. Congress on Control in Transportation

Systems, Baden-Baden, April 1983.

• S. Yasunobu-2, S. Sekino and T. Hasegawa, «Automatic train operation and automatic crane operation systems based on predictive fuzzy control,» Proc. 2nd IFSA Congress,

Tokyo, Japan, pp. 835-838, 1987.

• L. P. Holmvlad and J. J. Ostergaard, «Control of a cement kiln by fuzzy logic,» in Fuzzy Information and Decision Process, M. M. Gupta and E Sanchez, Eds. Amstedam:

North-Holland, pp. 389-399, 1992.

• J. Maiers and Y.S. Sherif, “Application of Fuzzy Set Theory”, IEEE Trans. Syst., Man, Cybern., Vol. SMC – 15, No. 1, pp. 175-189, 1985.

• Bonissone, P.P., Badami, V., Chiang, K.H., Khedkar, P.S., Marcelle, K.W., Schutten, M.J., “Industrial Applications of Fuzzy Logic at General Electric”. Proc. IEEE, Vol.83,

No. 3, March 1995. pp. 450-465.

• M.N. Tarabishy, “An Application of Fuzzy Logic to Power Generation Control”. Proceedings of the 58th American Power Control, Vol. 1, 1996, pp. 315-319.

• J.A. Momoh and K. Tomsovic, “Overview and Literature Survey of Fuzzy Set Theory in Power Systems”, IEEE Transactions on Power Systems, Vol. 10, No. 3, pp.1676-

1690, August 1995.

• C.D. García Beltrán y R. Garduño Ramírez, “Control software of a turbogas power unit,” Preprints 5th IFAC Workshop on Algorithms and Architectures for Real-Time

Control, Cancún, México, pp. 161-166. 1998.

• C.D. García Beltrán y R. Garduño Ramírez, “Gas turbine fuzzy speed control,” Proceedings 2nd Joint Mexico-USA International Conference on Neural Networks and

Neurocontrol, Sianka’an, México, Agosto 1997.

• C.D. García Beltrán, Control Digital de Unidades Turbogás, Tesis de Maestría, Cenidet, México, 1997.

• M. Sánchez Parra y L. Bahamaca, “Realización de controladores lógicos difusos para el control de procesos en tiempo real: especificación y diseño.” 2º Encuentro Nacional

de Computación. Pachuca, México, 1999.

• M. Sánchez-Parra y L. Bahamaca, “Speed and Load Fuzzy Control for Gas Turbines,” Proceedings of 1st Annual ISA POWID/EPRI/DOE Joint Controls and Instrumentation

Conference, San Antonio, Texas, 2000.

• L. J. Bahamaca Fernández, Control de velocidad y de generación de potencia eléctrica de una turbina de gas mediante lógica difusa, Tesis de Maestría, Instituto Tecnológico

de la Laguna, México, 2000.

• M. Pat y S. De Lara Jayme, “Sintonización con redes neuronales de un controlador PID. Aplicación a una unidad turbogás”, Información Tecnológica. Vol. 10, No. 6, pp.

25-32. 1999.

• S. DeLara Jayme y M. A. Martínez, “Desarrollo del sistema para la sintonización de controladores difusos usando redes neuronales artificiales”, Informe técnico No.

11500INDT(A5), Proyecto IIE 11500, 1999.

• L. Castelo C. y M. Sánchez P., Programación de controladores industriales. Informe técnico No. 11805DOC-06-1.0, Proyecto IIE 11805, 2000.

• L. Castelo C., S. De Lara J. y M. Sánchez P., Programación de un controlador difuso de velocidad/carga para unidades turbogás en plataforma industrial bajo las normas IEC-

1131-3 & IEC-1131-7. Informe técnico No. 11805DOC-08-1.0, Proyecto IIE 11805, 2000.

• S. De Lara J. y M. Sánchez P., Protocolo de pruebas de simulación del sistema de control digital de unidades turbogás. Informe técnico No. 11805DOC-11-1.0, Proyecto IIE

11805, 2000.

• M. A. Delgadillo Valencia y M.A. Hernández Cuéllar, Modelo dinámico de la turbina de gas GE 5001, informe interno de la Gerencia de Control e Instrumentación, 1999.

SIEMENS e Industria SIGRAMA, S.A.de C.V. por los equipos

proporcionados y la confianza entregada, que nos han permiti-

do avanzar hacia la consolidación de resultados.

Marino Sánchez ParraVer currículum en la pág. 249.

Raúl Garduño RamírezVer currículum en la pág. 249.

Salvador De Lara Jayme

Recibió el grado de Ingeniero Industrial en Electrónica del Instituto Tecnológico

de la Laguna (1983) y el de maestro en Ciencias en Ingeniería Eléctrica opción

control del Centro de Graduados en la misma institución (1985). Obtuvo un

Diploma de Estudios Avanzados y el grado de doctor en Control e Informática

Industrial por el Instituto Politécnico Nacional de Toulouse, Francia (1991, 1995).

Sus áreas de interés incluyen: los sistemas de control avanzado para proce-

sos industriales, el desarrollo de sistemas de control para turbinas de gas y pro-

cesos industriales y la identificación de parámetros de máquinas eléctricas.

[email protected]

Luis Castelo CuevasIngeniero mecánico egresado de la Facultad de Ciencias Químicas e Ingeniería

de la Universidad del Estado de Morelos. En 1993 ingresó al IIE y actualmente

labora en la Gerencia de Control e Instrumentación.

Tiene experiencia en la implantación del control coordinado de centrales

de generación eléctrica. Su interés se centra en el estudio y desarrollo de estrate-

gias de control moderno (Neurodifuso) implementados en plataformas comer-

ciales y en la integración de sistemas digitales.

[email protected]

control en turbina

Documents