control en turbina
TRANSCRIPT
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-
267Instituto de Investigaciones Eléctricas
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)
269Instituto de Investigaciones Eléctricas
Boletín IIE, noviembre-diciembre del 2001
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-
270 Instituto de Investigaciones Eléctricas
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-
Artículos técnicos
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)
271Instituto de Investigaciones Eléctricas
Boletín IIE, noviembre-diciembre del 2001
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
272 Instituto de Investigaciones Eléctricas
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.
Artículos técnicos
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
273Instituto de Investigaciones Eléctricas
Boletín IIE, noviembre-diciembre del 2001
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
274 Instituto de Investigaciones Eléctricas
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.
Artículos técnicos
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
275Instituto de Investigaciones Eléctricas
Boletín IIE, noviembre-diciembre del 2001
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,
276 Instituto de Investigaciones Eléctricas
Artículos técnicos
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.
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.