Documentos de Académico
Documentos de Profesional
Documentos de Cultura
BUCARAMANGA
2006
BUCARAMANGA
2006
ii
iii
RESUMEN
TITULO:
DISEO Y SIMULACIN DE UN CONTROLADOR MULTIVARIABLE PREDICTIVO
APLICADO A UN HORNO DE CALENTAMIENTO DE CRUDO. *
AUTOR:
GMEZ ORTEGA, Mayra Alejandra. Ing.
**
PALABRAS CLAVE:
Control Predictivo, Identificacin de Sistemas, Controlador multivariable, Tcnicas de
Control Avanzado.
DESCRIPCIN:
El presente trabajo de investigacin propone una estrategia MPC diseada y
sintonizada a partir de una simulacin dinmica rigurosa para ser aplicada a un horno
de calentamiento de Crudo. El objetivo operacional del horno es calentar la carga; por
consiguiente, la eficiencia de la operacin resulta al maximizar la transferencia de
calor hacia el fluido de proceso, es decir, al incrementar la temperatura para un
consumo dado de combustible.
El objeto del esquema de balanceo de pasos propuesto es mantener el caudal total al
horno, asegurar que el exceso de oxgeno, las temperaturas y las vlvulas de flujo y
presin de gas combustible permanezcan dentro de los lmites, y variar la distribucin
de flujo en los pasos (cuidando los lmites del diferencial de flujo) para balancear las
temperaturas de salida (diferencia de temperaturas entre los pasos igual a cero).
La simulacin dinmica rigurosa del proceso integrada con el controlador predictivo
permiti orientar la configuracin del proceso para garantizar un punto ptimo de
operacin (la optimizacin implica el mejor valor de la funcin objetivo) que satisface
los lmites establecidos. La tcnica de control predictivo gener un beneficio adicional
al obtenido con una mejor prctica operativa, porque la solucin al problema de
optimizacin establece una disminucin de la variabilidad en las variables de
restriccin activa que permite operar contra los lmites.
Este trabajo de investigacin es el resultado de la cooperacin entre el grupo de
investigacin CEMOS adscrito a la Escuela de Ingenieras Elctrica, Electrnica y de
Telecomunicaciones y el grupo de Automatizacin de ECOPETROL ICP.
Trabajo de Investigacin
Facultad de Ingenieras Fsico-Mecnicas. Maestra en Ingeniera Electrnica.
Director: Carlos Rodrigo Correa Cely, PhD. Codirector: Carlos F. Agudelo Gmez,
MsC. Codirector: Jaime G. Barrero Prez, MsC.
**
ABSTRAC
TITLE:
DESIGN AND SIMULATION OF A MULTIVARIABLE PREDICTIVE CONTROLLER
FOR A FURNACE TO HEAT CRUDE-OIL *
AUTHOR:
GMEZ ORTEGA, Mayra Alejandra. Eng. **
KEYWORDS:
Predictive Control, System Identification, Multivariable Controller, Advanced Systems
Control.
DESCRIPTION:
This article describes a formulation of a strategy for Model Predictive Control (MPC).It
was designed and tuned from rigorous dynamic simulation for a crude-oil heating
furnace. The MPC controller will maximize furnace heat transfer to the process fluid
which results eventually in a minimum energy costs.
The objective of the MPC Furnace Pass Balancing strategy was: to assure an oil flow
constant through the furnace and close to its optimum value; to ensure the appropriate
limits of the oxygen percent; to reach the optimal skin temperatures; to keep the oil
flow and fuel gas valves positions within the operating limits. Furnace Pass Balancing
Controller adjusted the flow distribution to maintain identical pass outlet temperatures.
Rigorous dynamic simulation model interfaced with the predictive controller allowed to
orientate the configuration processs to guarantee an optimal operating point. The
related benefits with the predictive control structure are an additional to those obtained
with the best operative practice. This controller solves an optimization problem
minimizing the variability of the variables of active restriction, i.e., changing the
operating conditions to work at the limit of the design.
This work is the result of a cooperative effort between the research group CEMOS of
the Electrical and Electronic Engineering School and the Automation Ecopetrol - ICP
groups.
Research Work.
Facultad de Ingenieras Fsico-Mecnicas. Maestra en Ingeniera Elctrica. Dir:
Carlos Rodrigo Correa Cely, PhD. Cod: Carlos F. Agudelo Gmez, MsC. Cod: Jaime
G. Barrero Prez, MsC.
**
ii
AGRADECIMIENTOS
mi
familia,
destinatarios de mi amor y
orgullo.
ii
TABLA DE CONTENIDO
RESUMEN ................................................................................................................i
ABSTRAC ...............................................................................................................ii
AGRADECIMIENTOS ..............................................................................................i
TABLA DE CONTENIDO .......................................................................................iii
LISTADO DE FIGURAS ..........................................................................................v
LISTADO DE TABLAS.........................................................................................viii
INTRODUCCIN ...................................................................................................14
1. DESCRIPCIN DEL PROCESO ......................................................................16
1.1 Introduccin...........................................................................................................16
1.2 Balanceo de Pasos................................................................................................18
1.3 Simulacin Dinmica rigurosa del Horno ...........................................................19
2. IDENTIFICACIN DE SISTEMAS....................................................................22
2.1 Introduccin............................................................................................................22
2.2 ESTIMACIN DE MODELOS arx ..........................................................................22
2.2.1
Datos ........................................................................................................................... 23
2.2.2
Estructura. ................................................................................................................... 23
3.2
iii
3.3
3.3.1
3.3.2
3.4
Restricciones........................................................................................................... 55
5. RESULTADOS DE LA SIMULACIN..............................................................58
5.1 Perturbaciones de prueba .....................................................................................58
5.2 ESQUEMA DE CONTROL PID................................................................................60
5.2.1
5.2.2
5.2.3
5.3.2
5.3.3
6. CONCLUSIONES Y RECOMENDACIONES..................................................105
6.1 Conclusiones .......................................................................................................105
6.2 RECOMENDACIONEs PARA ESTUDIOS FUTUROS.........................................108
BIBLIOGRAFA ...................................................................................................109
ANEXO A. INTERFAZ GRFICA DEL CONTROLADOR .................................111
iv
LISTADO DE FIGURAS
Figura 1.
Horno................................................................................................17
Figura 2.
Figura 3.
Figura 4.
Figura 5.
Figura 6.
Figura 7.
Figura 8.
Figura 9.
Figura 10.
TPIEL2).
......................................................................................................51
Figura 11.
Figura 12.
Figura 13.
Figura 14.
Figura 15.
Figura 16.
del crudo
.........................................................................................................63
Figura 17.
crudo
.........................................................................................................63
Figura 18.
Figura 19.
Figura 20.
Figura 21.
Figura 22.
Figura 23.
Figura 24.
gas
.........................................................................................................68
Figura 25.
Figura 26.
Figura 27.
Figura 28.
de control.
.........................................................................................................74
Figura 29.
Figura 30.
parmetros P y M...................................................................................................77
Figura 31.
Figura 33.
Figura 34.
Figura 35.
Figura 36.
Figura 37.
Figura 38.
vi
Figura 39.
Figura 40.
Figura 41.
Figura 42.
Figura 43.
Figura 44.
control
.........................................................................................................92
Figura 45.
control
.........................................................................................................93
Figura 46.
control
.........................................................................................................93
Figura 47.
Figura 49.
Figura 50.
Figura 51.
del gas
.........................................................................................................98
Figura 52.
boquillas
....................................................................................................103
vii
LISTADO DE TABLAS
viii
INTRODUCCIN
15
1.1 INTRODUCCIN
Un horno es un equipo de proceso en el que se lleva a cabo una transferencia de
calor de un producto (combustible) a otro (carga). La fuente de calor es la energa
liberada por la combustin controlada de un combustible [14]; los productos de la
combustin estn en fase gaseosa, por ello son denominados gases de
combustin. En el horno, un serpentn tambin llamado paso, es un circuito de flujo
de tuberas a travs del cual pasa el fluido de proceso y se calienta.
El objetivo operacional del horno en una unidad de crudo es calentar la carga; el
mecanismo principal para efectuar la transferencia de calor es la radiacin desde
la llama hacia el fluido del proceso. Al calentar el crudo, parte de la energa
suministrada es utilizada para aumentar la temperatura y parte para cambiar de
fase (vaporizarse). La energa para la vaporizacin es llamada calor latente para la
vaporizacin y la energa invertida para aumentar la temperatura es el calor
sensible; normalmente, la energa requerida para vaporizar es mayor que la
energa para aumentar la temperatura.
El calor que libera el gas se convierte en calor absorbido en la seccin radiante,
calor absorbido en la zona de conveccin, ms prdidas. La pared del horno tiene
un material refractario (aislante trmico) para evitar que el calor se pierda a travs
de esta hacia la atmsfera; como el aislante no es perfecto un porcentaje (entre 2
y 3%) del calor liberado por el combustible escapa a la atmsfera (prdidas por
radiacin). Adems, el calor de la masa de gases calientes que se pone en
contacto con los tubos no es aprovechado totalmente lo que trae prdidas por la
16
Figura 1.
17
Horno
18
19
combustin) en la chimenea.
20
Figura 2.
21
2. IDENTIFICACIN DE SISTEMAS
2.1 INTRODUCCIN
La teora de identificacin de sistemas permite estimar un modelo emprico
descrito por ecuaciones a partir de un grupo de datos entrada/salida dinmicos
experimentales, sin hacer uso de las leyes fsico-qumicas que gobiernan el
comportamiento del sistema (modelo Caja Negra). Los mtodos de identificacin
se han desarrollado sobre el principio de mnimos cuadrados y permiten obtener
de forma experimental un modelo que reproduce (para los fines deseados) las
caractersticas dinmicas del sistema.
22
2.2.2 Estructura.
(1)
donde A y B son los parmetros del modelo en funcin del operador de retardo
q 1 , y (t ) es la secuencia de salida, u (t ) es la secuencia de entrada, e(t ) una
fuente de ruido.
En la estructura del modelo ARX presentado na y nb son los ordenes de los
polinomios A y B respectivamente, y [a1 , a 2 , a na ] , [b1 , b2 , bnb ] son los parmetros
estimados (vase ecuacin 2).
23
A(q ) = 1 + a1 q 1 + a 2 q 2 + + a na q na
(2)
B (q ) =b1 q 1 + b2 q 2 + + bnb q nb
y (t ) = T (t )
donde,
(4)
(t ) = [ y (t 1)
= [a1
a na
y (t na) u (t 1)
b1
u (t nb)]
bnb ]
24
25
3. CONTROL PREDICTIVO
3.1 INTRODUCCIN
Los algoritmos MPC permiten manejar problemas de control multivariable con
dinmicas complejas e interactuantes. La estructura general del controlador
introduce una accin de control feedforward o control en adelanto (carcter
predictivo) para la compensacin de perturbaciones, y la inclusin de restricciones
en la formulacin del problema de control.
MPC es una estrategia de optimizacin que hace uso de un modelo del proceso
para predecir el efecto de la accin de control sobre la planta. El controlador se
vale del conocimiento de la dinmica del sistema para alcanzar las condiciones
deseadas a lo largo de una trayectoria de referencia mediante la accin
feedforward, y compensar las perturbaciones no medidas (dinmicas no
modeladas) con la accin feedback (vase Figura 3).
Figura 3.
Estructura MPC.
Perturbaciones
Lmites de
MVs y CVs
Setpoints
CONTROLADOR PREDICTIVO
Modelo
Control Regulatorio
(PID)
Algoritmo
26
Salidas
PLANTA
El alcance del MPC est ampliamente definido por el modelo emprico (derivado
de datos del proceso) que este usa, entonces es necesario resumir los pasos
involucrados para aplicar MPC:
1. Prediccin explcita del comportamiento futuro de la planta.
2. Trayectoria de referencia conocida para las salidas futuras.
3. Clculo de los movimientos de las variables manipuladas que minimizan las
desviaciones entre los setpoints y los valores de las variables controladas
(error predicho).
4. Estrategia de horizonte mvil; en cada instante se aplica el primer elemento
del vector de movimientos calculados, se desplaza el horizonte hacia el
futuro y en el instante siguiente se repite el ciclo de clculo.
El control predictivo ha encontrado gran aceptacin en
el mbito industrial y
control
en
adelanto
(feedforward)
para
compensar
las
27
3.1.1 Antecedentes y Estado del Arte. A finales de la dcada de los 70, las
aplicaciones industriales sobre sistemas multivariables incluyendo restricciones
permitieron el desarrollo de algoritmos que utilizaban una tcnica de control
basada en el concepto de prediccin mediante modelos explcitos del proceso,
para resolver un problema de optimizacin dinmica en cada ejecucin del
controlador.
El primer acercamiento a una aplicacin MPC fue presentado por Richalet (1976);
su trabajo describe el control heurstico predictivo basado en un modelo de
respuesta al impulso (MPHC por sus iniciales en ingls). El software de solucin
nombrado IDCOM (acrnimo de identificacin y comando) est basado en un
algoritmo interactivo heurstico que calcula las entradas ptimas.
Paralelo y de manera independiente, los ingenieros de Shell Oil desarrollaron una
primera aplicacin MPC en 1973. Un algoritmo de control multivariable llamado
Dynamic Matrix Control (DMC) fue presentado en el congreso AIChE (Cutler &
Ramaker, 1979). Este algoritmo incluye respuesta al escaln, funcin objetivo
sobre un horizonte de prediccin finito, comportamiento futuro de la unidad
especificado por el seguimiento del setpoint y clculo de las entradas ptimas
como la solucin a un problema de mnimos cuadrados.
Otras generaciones de controladores siguieron a los algoritmos IDCOM y DMC,
incluyendo solucin al problema mediante programacin cuadrtica y mejora en el
manejo de las restricciones. Unos artculos que cubren las ideas principales
abordadas en este trabajo de investigacin se relacionan a continuacin:
(Alsop, & Ferrer, 2004), estudiaron los beneficios que la simulacin brinda al
ingeniero
de
control
de
procesos
en
un
caso
particular
splitter
de
28
29
s3
s2
sn ]
(5)
y (k ) = s n u k n + si u k i = s1 u k 1 + s 2 u k 2 + + s n 1 u k n +1 + s n u k n
i =1
(6)
donde, u k = u k u k 1 .
La salida del modelo de prediccin nunca ser igual a la salida medida, a menos
que el modelo sea ideal, por tanto en cada instante es necesario calcular la
prediccin corregida.
c
y k +1 = y k +1 + pek +1
(7)
Y = S u u u + S p u p + pe
30
(8)
u (t ) = u (t ) u (t 1)
(9)
La formulacin MPC garantiza una solucin ptima del problema porque asegura
el cumplimiento de las restricciones de entradas/salidas y previene el nmero
excesivo de movimientos en las variables manipuladas.
La metodologa de ejecucin del algoritmo de control predictivo (vase Figura 4)
se caracteriza porque en cada instante de tiempo t, se hace uso de un modelo y
31
de los valores de entradas y salidas conocidos hasta ese instante para calcular las
salidas predichas futuras a lo largo de un horizonte de prediccin P (variable
controlada y (t + k | t ), para k = 0, , P ), en funcin de los movimientos futuros de
control (valores futuros u (t + k | t ), para k = 0, , P ).
La secuencia control futura u (t + k ) busca llevar el proceso desde el valor actual
de la variable controlada y (t ) al setpoint w (t + k ) de acuerdo con el criterio de
optimizacin. Aunque M movimientos son calculados, slo el primero de ellos
(valor u (t ) en el instante t) es implementado, y en el instante consecutivo se
repiten los clculos [12]. De esta manera, u (t + k | t ) en el instante t + 1 se calcula
con informacin diferente y en consecuencia se mantendr distinta de
u (t + k | t ) en el instante t.
Figura 4.
Estrategia MPC.
Futuro
Pasado
u(t)
Variable manipulada
Entrada
Horizonte de control
w(t)
y(t+kt)
Setpoint
y(t)
Salida
Modelo de prediccin
t-1 t t+1 ... t+M
...
Horizonte de prediccin
32
t+P
La optimizacin implica el mejor valor de una funcin objetivo que puede tomar
diferentes formas; este trabajo de investigacin minimiza una funcin de la forma 1 :
J (k ) =
k =1
M 1
c
y
(
t
+
k
|
t
)
w
(
t
+
k
)
(
k
)
+
[u (t + k 1)] (k )
k =0
(10)
la
variable
u (t + k | t ) = 0
controlada.
Se
asume
siempre
que
M P
que
para k M .
( x T x)
33
u min
u min
u (t ) u (t 1)
y min
donde
los
subndices
u max
u (t )
u max
min
(11)
y max
y (t )
max
significan
valor
mnimo
mximo
y (t ) es la salida.
La combinacin de una funcin objetivo cuadrtica, un modelo y un conjunto de
restricciones (reducidas a desigualdades) lineales resulta en un problema de
programacin cuadrtica (QP por sus iniciales en ingls).
El problema de
34
35
3.4 PROGRAMACIN
CUADRTICA:
SOLUCIN
DEL
PROBLEMA
DE
CONTROL
La programacin cuadrtica permite abordar un problema de optimizacin con una
funcin objetivo cuadrtica sujeta a restricciones lineales, que puede ser
visualizada como una superficie cuadrtica convexa.
Para encontrar el valor ptimo de x , definimos el vector gradiente G de la
funcin J (k ) definida en (10). La propiedad de convexidad puede ser establecida a
partir de la matriz Hessiana de la funcin objetivo; al derivar el gradiente G con
respecto a x se obtiene la matriz de la segunda derivada de J (k ) , denominada
matriz Hessiana H . El problema de optimizacin restringido toma la forma:
1 T
x H x + GT x
2
sujeto a : A x B
min( x)
(12)
el trmino inferior
representa las
36
u min (t )
u (t + k | t ) + u (t 1)
j =0
I
I
I
I
I
I
I I
u (t )
0 0
I 0
I I
0
I
u (t 1) u max (0)
u (t 1) u max ( Nu 1)
u min (0) u (t 1)
u min ( Nu 1) u (t 1)
(14)
1
0
0
1
0
0
0 1
u (t )
0 0
1 0
0 1
0
1
u max (0)
u max ( Nu 1)
u min (0)
u min ( Nu 1)
(15)
3. Restricciones en las variables controladas: Son los lmites sobre las salidas
del problema
37
y min (t )
y (t + 1 | t ) y max (t )
(16)
(17)
S u
S u (t )
u
S p u p + pe y max
y min S p u p + pe
E = E S u u = S p u p + pe S u u
(18)
1
u (t ) T H u (t ) G (t + 1 | t ) T u (t )
2
sujeto a : A u (t ) B(t + 1 | t )
min u
G (t + 1 | t ) = Su T T + E (t + 1 | t ) es el Gradiente,
A y B son los trminos de la desigualdad.
38
(19)
I I
1 0
A=
0 1
0 0
1 0
0 1
0 0
Su
Su
I
0
0
0
1
0
u (t 1) u max (0)
u (t 1) u max ( Nu 1)
u min (0) u (t 1)
u min ( Nu 1) u (t 1)
u max (0)
(
1
)
u
ma
x
Nu
B=
u min (0)
u min ( Nu 1)
ym y max
y min ym
39
(20)
4.1 INTRODUCCIN
Este trabajo de investigacin presenta el diseo y simulacin de un controlador
multivariable predictivo aplicado a un horno de calentamiento de crudo. La
estrategia de control est desarrollada y simulada en el ambiente de MATLAB MR
de Mathworks y hace uso de los beneficios de una interfaz de conexin con
HYSYS MR de Aspentech para cerrar el lazo del sistema de control propuesto.
La configuracin y simulacin de la aplicacin estn soportadas por una interfaz
grfica de usuario que permite adquirir datos, cambiar la configuracin del
controlador y simular el sistema.
40
Seal
Unidades
Temp. Salida
TIC1.SP
685
Flujo Paso1
FIC1.SP
BPD
24000
Flujo Paso2
FIC2.SP
BPD
24000
Exceso de oxgeno
4.2
BPD
1512.2
865.4
865.4
74.2
74.2
32.6
BPD
48000
Carga Total
41
42
Figura 5.
43
44
Figura 6.
( F )
2
0
100
200
300
400
500
600
700
Time (min)
Seal PRBS variables manipuladas FIC1.SP y FIC2.SP
100
200
300
800
( BPD )
1000
500
400
500
Time (min)
600
700
800
45
46
Figura 7.
Iniciar el simulador
Seal PRBS
Periodo de muestreo Ts
Longitud n
j=0
- Enviar Eprbs(j)
- Leer Sprbs(j)
- Esperar Ts
- Incrementar j
Si
j<n
No
Guardar Eprbs[ ]
Guardar Sprbs[ ]
Detener el simulador
47
Los datos de la prueba PRBS para cada subproceso fueron ajustados a un modelo
ARX implementado en MATLAB, los grados de los polinomios A y B fueron
limitados a valores entre 1 y 3; la evaluacin realizada en MATLAB para ordenes
hasta 10 revel que los ajustes (prediccin del error) para los datos de validacin
no mejoran significativamente despus del orden 3 (vase Tabla 4).
FPE
[4 6 1]
0.0060
[1 6 1]
0.0061
[4 4 1]
0.0062
[6 6 1]
0.0058
[4 1 1]
0.0062
(21)
B (q 1 ) = 0.7681 (0.04245) q 1
48
Valor
[1
-0.7823
Polinomio B
(A)
[0
0.1277
[0
0.7681]
0.07205
0.09153
[0
0.04245]
(B)
na
nb
nk
FPE
0.07112]
0.04268]
0.006295
La Figura 8 compara las salidas predichas simuladas con las salidas medidas
(datos de validacin) y muestra la proporcin en que la variacin en la salida ha
sido explicada por el modelo, y la Figura 9 presenta el ajuste del modelo ARX para
el par TIC1-TPIEL2 de (2). En el tratamiento de los datos se han removido los
valores en estado estable y se han divido por la magnitud del tamao del
movimiento aplicado.
49
Figura 8.
Amplitud
1.5
0.5
-0.5
50
100
150
200
tiempo (min)
250
300
Figura 9.
Amplitud
1.5
0.5
-0.5
50
100
150
200
tiempo (min)
50
250
300
Para validar que cada modelo describe correctamente el sistema (se muestran
slo las grficas para el submodelo TIC201TPIEL2), se calcularon y evaluaron
los residuos (errores de prediccin) del modelo y se realiz la comparacin grfica
(vase Figura 10) del ajuste de los modelos con los datos de validacin (no
usados en la identificacin) mediante el anlisis de independencia para las
funciones de autocorrelacin y correlacin cruzada entre las entradas y los
residuos de las salidas, estableciendo lmites de confianza del 99%.
La Figura 10 muestra que el ajuste para el modelo TIC1-TPIEL2 es bueno ya que
la funcin de correlacin cruzada (parte inferior de la grfica) entre los residuos y
la entrada no se aleja significativamente de la regin de confidencia establecida
para los retardos positivos; grandes picos indican retardos errneos o
descripciones pobres de los efectos de entrada sobre la salida.
Figura 10.
-0.5
10
15
20
retardo
Correlacin cruzada entre la entrada TIC1 y la salida TPIEL2
25
0.6
0.4
0.2
0
-0.2
-25
-20
-15
-10
-5
0
retardo
10
15
20
25
51
Figura 11.
Respuesta Escaln
2
1.5
Amplitud
0.5
-0.5
-20
-10
10
20
tiempo (min)
30
40
50
52
53
54
4.5.2 Restricciones.
debidas a los lmites fsicos impuestos por los actuadores (vase Tabla 6). Por su
parte, las restricciones en las variables controladas son adicionadas al problema
de control por las exigencias de operacin o por razones de seguridad (vase
Tabla 7).
Tabla 6. Restricciones sobre las variables manipuladas
Nombre
Unidades
Mnimo
Mximo
Delta Mnimo
Delta Mximo
Temp. Salida
670
720
Flujo Paso1
BPD
17500
25000
500
Flujo Paso2
BPD
17500
25000
500
Unidades
Mnimo
Mximo
Exceso de oxgeno
1.5
-20
20
55
BPD
-5000
5000
1400
1600
800
1300
800
1300
100
100
100
BPD
35000
50000
Carga Total
Unidades
Rango
Rango
Lmite bajo
Lmite alto
Exceso de oxgeno
BPD
56
BPD
Carga Total
57
5. RESULTADOS DE LA SIMULACIN
Fraccin Molar
Crudo Normal
Crudo Pesado
Crudo Liviano
Metano
0.000456
0.000271
0.000452
Etano
0.001000
0.000595
0.000991
Propano
0.013820
0.008217
0.013692
i-Butano
0.008722
0.005186
0.008641
n-Butano
0.030926
0.004039
0.044583
58
Fraccin Molar
Fraccin Molar
Fraccin Molar
Gas Normal
Gas ms Calor
Metano
0.287293
0.206045
0.321891
Etano
0.209945
0.216290
0.210976
Propano
0.232044
0.298765
0.195086
i-Butano
0.049724
0.051227
0.049968
Aire Normal
0.123907
0.048601
Aire ms hmedo
0.156863
59
60
Figura 12.
Controladores de flujo
30000
BPD
25000
20000
15000
10000
10
20
30
Time (min)
40
50
60
Figura 13.
95
90
85
80
75
70
65
60
55
50
10
20
30
Time (min)
61
40
50
60
Figura 14.
BPD
52000
50000
48000
46000
44000
42000
10
20
30
Time (min)
40
50
60
Figura 15.
Controlador de temperatura
720
710
700
690
680
10
20
30
Time (min)
62
40
50
60
Figura 16.
0
-10
-20
-30
-40
-50
-60
10
20
30
Time (min)
40
50
60
15000
10000
BPD
Figura 17.
5000
-5000
10
20
30
Time (min)
63
40
50
60
64
Figura 18.
36
34
32
30
28
26
24
Figura 19.
10
20
30
Time (min)
40
50
60
1600
1550
1500
1450
1400
10
20
30
Time (min)
65
40
50
60
Figura 20.
960
940
920
900
880
860
840
10
20
30
Time (min)
40
50
60
Figura 21.
3.5
2.5
10
20
30
Time (min)
66
40
50
60
5.2.2
cambi la composicin del gas combustible (minuto diez) para aumentar el poder
calorfico el gas; las variables se evaluaron para un periodo de 60 minutos.
Si el gas se enriquece (significa mayor poder calorfico del gas) aumenta la
energa (cantidad de calor) que libera el combustible cuando se quema. Al inicio
de la prueba la cada de presin (delta P) a travs de la vlvula de admisin de
gas disminuye, lo que resulta
embargo, como el flujo de gas no se ha modificado, una vez superado esta etapa
(despus del minuto doce) la temperatura a la salida del horno va a empezar a
subir, por lo que el TIC le enva la orden al PIC para reducir el suministro de gas
(con menos gas se puede proporcionar la misma cantidad de energa) y
compensar el aumento de temperatura, vase Figura 23. La temperatura de la
zona de radiacin y las temperaturas de piel de tubo siguen un comportamiento
similar al del TIC (Figura 24 y 25).
Figura 22.
50
45
40
35
30
10
20
30
Time (min)
67
40
50
60
Figura 23.
Controlador de temperatura
694
692
690
688
686
684
682
680
678
10
20
30
Time (min)
40
50
60
Figura 24.
688
686
684
682
680
678
10
20
30
Time (min)
68
40
50
60
Figura 25.
885
880
875
870
865
860
855
850
845
10
20
30
Time (min)
40
50
60
Figura 26.
4.5
3.5
2.5
10
20
30
Time (min)
69
40
50
60
Figura 27.
24040
24020
BPD
24000
23980
23960
23940
23920
5.2.3
10
Otras perturbaciones.
20
30
Time (min)
40
50
60
70
71
72
subir o bajar el setpoint de una variable, la accin a tomar sera estrechar los
lmites establecidos para esa variable hacia arriba o hacia abajo respectivamente.
Los principios bsicos para la ejecucin del MPC diseado establecieron que el
controlador debe mover las variables manipuladas en la direccin que asegure un
punto de operacin ptimo, hasta que encuentre un lmite de una variable
controlada o manipulada. Si una variable se aleja de su restriccin otra variable
debe pegarse a la suya; en general, es deseable mantener las variables
manipuladas lejos de los lmites y las variables controladas en los lmites.
El sistema de control regulatorio (PID) y el sistema de control predictivo en el
horno, tienen diferentes objetivos de control, por ello la evaluacin de la respuesta
MPC se har de manera independiente. En el esquema de control feedback
bsico el objetivo es mantener un valor de temperatura de salida fijo (establecido
por el TIC) y una distribucin de flujo por cada paso tambin fija (establecida por
los FIC), de acuerdo con eso, ante una perturbacin, el sistema tratar de
recuperar el estado anterior. Por su parte, el sistema de control predictivo utiliza la
accin feedforward en conjuncin con el control feedback, para compensar los
efectos que las perturbaciones puedan tener sobre las variables controladas.
El controlador MPC mueve la planta a un punto de operacin ptimo; sin embargo,
ese punto puede cambiar si las condiciones normales de operacin cambian
(composicin de la carga, composicin del gas, condiciones ambientales), y en
consecuencia los valores de los setpoints de los controladores PID (para la
temperatura de salida y para los flujos en los pasos) cambian dinmicamente
segn el esquema de control supervisorio.
En la etapa de diseo del controlador el intervalo de control mnimo para la
ejecucin del MPC fue fijado a treinta segundos; el controlador es activado y la
solucin al problema es enviada a la planta mediante el enlace de comunicacin.
Las simulaciones mostraron que este valor es suficiente para asegurar que no se
73
Figura 28.
TIC1.SP
( F )
686
685.5
685
10
4
( BPD )
2.5
x 10
30
40
Time (min)
Varibale Manipulada: FIC1.SP
50
60
20
50
60
50
60
2.45
2.4
10
4
2.5
( BPD )
20
x 10
30
40
Time (min)
Varibale Manipulada: FIC2.SP
2.45
2.4
10
20
30
Time (min)
40
74
1620
1600
1580
1560
1540
1520
1500
10
20
30
Time (min)
40
50
60
950
940
930
920
910
900
890
880
870
860
10
20
30
Time (min)
5.6
40
50
60
x 10
5.4
5.2
5
4.8
BPD
Figura 29.
4.6
4.4
4.2
4
3.8
10
20
30
Time (min)
75
40
50
60
1 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0
0 0 0
0 0 0 0 1 0 0 0 0 0
Caso Base M = 2, P = 20, = 0 0 0, =
0 0 0 0 0 1 0 0 0 0
0 0 0
0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 1
peso FIC1.SP
T
Exceso de oxigeno
1
Diferencia entre temperaturas
1
1
=
=
Temperatura piel paso 2
1
Vlvula flujo paso 1
1
Vlvula gas combustible
C arg atotal
76
comportamiento del MPC una vez se han introducido al sistema las perturbaciones
presentadas al inicio del captulo.
Figura 30.
80
6
MPC,
MPC,
MPC,
MPC,
5.5
5
(P=20 M=2)
(P=10 M=2)
(P=40 M=2)
(P=20 M=5)
MPC,
MPC,
MPC,
MPC,
60
(P=20
(P=10
(P=40
(P=20
M=2)
M=2)
M=2)
M=5)
40
4.5
%
20
3.5
-20
-40
2.5
-60
10
20
30
Time (min)
40
50
60
77
10
20
30
Time (min)
40
50
60
1650
25000
MPC,
MPC,
MPC,
MPC,
20000
15000
(P=20 M=2)
(P=10 M=2)
(P=40 M=2)
(P=20 M=5)
(P=20
(P=10
(P=40
(P=20
M=2)
M=2)
M=2)
M=5)
1550
10000
F
5000
BPD
MPC,
MPC,
MPC,
MPC,
1600
1500
0
1450
-5000
1400
-10000
-15000
-20000
1350
10
20
30
Time (min)
40
50
(P=20 M=2)
(P=10 M=2)
(P=40 M=2)
(P=20 M=5)
30
Time (min)
40
50
MPC,
MPC,
MPC,
MPC,
950
940
60
(P=20
(P=10
(P=40
(P=20
M=2)
M=2)
M=2)
M=5)
930
930
920
F
920
F
20
960
MPC,
MPC,
MPC,
MPC,
940
10
60
910
910
900
900
890
890
880
880
870
870
860
860
10
20
30
Time (min)
40
50
20
30
Time (min)
40
50
60
100
MPC,
MPC,
MPC,
MPC,
90
10
60
(P=20 M=2)
(P=10 M=2)
(P=40 M=2)
(P=20 M=5)
MPC,
MPC,
MPC,
MPC,
90
85
(P=20
(P=10
(P=40
(P=20
M=2)
M=2)
M=2)
M=5)
80
80
70
75
70
60
65
50
60
55
50
40
10
20
30
Time (min)
40
50
60
78
10
20
30
Time (min)
40
50
60
6.5
50
MPC,
MPC,
MPC,
MPC,
45
(P=20 M=2)
(P=10 M=2)
(P=40 M=2)
(P=20 M=5)
MPC,
MPC,
MPC,
MPC,
6
5.5
40
(P=20
(P=10
(P=40
(P=20
M=2)
M=2)
M=2)
M=5)
5
BPD
x 10
35
4.5
4
30
3.5
3
25
2.5
20
10
20
30
Time (min)
40
50
10
20
30
Time (min)
40
50
60
60
5.3.1
79
Las respuestas para el caso base muestran que el controlador MPC predice la
perturbacin y se anticipa para ejercer una accin de control compensatoria ms
rpida y menos agresiva que la conseguida con el esquema de control
convencional. Segn se observa en la Figura 31, el MPC es superior al PID en el
manejo de la perturbacin, y como tiene la ventaja de mover el punto de operacin
de la planta (objetivo no contemplado en el control bsico), esta configuracin
consigue colocar algunas variables controladas en el lmite de las restricciones
(vlvulas de flujo en los pasos y carga total) garantizando que las variables
restantes permanecen dentro de los lmites establecidos.
De acuerdo con los resultados observados (Figura 31), la configuracin dada por
los PID supera la perturbacin y retorna los flujos a travs de los pasos a sus
setpoints (24000 BPD), mientras que el MPC compensa el efecto, mueve la
posicin de las vlvulas de los flujos por cada paso a su lmite superior (restriccin
activa vlvula totalmente abierta) y asegura la mxima carga total al horno
(vase Figura 31) segn el lmite de diseo (50000 BPD); consiguiendo con esto
mayor beneficio econmico potencial.
Figura 31.
Controlador MPC
Carga total
95
54000
52000
85
50000
80
48000
BPD
90
75
46000
70
44000
65
42000
60
40000
55
10
20
56000
30
Time (min)
40
50
38000
60
80
10
20
30
Time (min)
40
50
60
Figura 32.
Controlador MPC
50
Posicin vlvula gas combustible
45
40
35
30
25
20
10
20
30
Time (min)
40
50
60
Como la carga al horno aumenta (no ms all del lmite de diseo) una vez
superado el efecto de la perturbacin, el esquema de balanceo de pasos ajusta los
flujos individuales para mantener temperaturas de salida iguales y garantiza
aproximadamente en el mismo valor en las temperaturas de piel de tubo an con
el aumento en la carga vase Figura 33 (normalmente segn el esquema de
control bsico si la carga aumenta la temperatura de piel disminuye), lo que resulta
en una mayor absorcin del calor y una variacin de los setpoints de los
controladores de flujo. Como la cantidad de calor absorbido aumenta, habr
menos prdidas y el horno operar de una forma ms eficiente.
81
Figura 33.
Controlador MPC
960
Temperatura de piel paso 1
Temperatura de piel paso 2
950
940
930
920
910
900
890
880
870
860
10
20
30
Time (min)
40
50
60
82
Figura 34.
Varibale Manipulada:
TIC1.SP
750
4
Temperatura de salida (variable de proceso)
Setpoint TIC1.SP
( BPD )
740
730
720
Varibale Manipulada:
x 10
3
2
710
10
20
30
40
Time (seg)
Varibale Manipulada: FIC2.SP
x 10
680
( BPD )
0
10
20
30
Time (min)
40
50
60
50
60
700
690
FIC1.SP
3
2
10
20
30
Time (min)
40
50
60
4.5
Figura 35.
3.5
2.5
10
20
30
Time (min)
83
40
50
60
Horizonte de control
(M)
Horizonte de
prediccin
Coeficientes de
pesos sobre
error
(P)
( )
( )
20
[0 0 0]
[1 1 1 1 1 1 1 1 1 1]
20
[0 0 0]
[1 1 1 1 1 1 1 1 1 1]
20
[0 0 0]
[1 1 1 1 1 1 1 1 1 1]
Figura 36.
690
MPC, Horizonte de control=2
MPC, Horizonte de control=1
MPC, Horizonte de control=4
689.5
689
688.5
( F )
688
687.5
687
686.5
686
685.5
685
10
20
30
Time (min)
84
40
50
60
Figura 37.
25000
MPC, Horizonte de control=2
MPC, Horizonte de control=1
MPC, Horizonte de control=4
24900
24800
24700
( BPD )
24600
24500
24400
24300
24200
24100
24000
10
20
30
Time (min)
40
50
60
Figura 38.
25000
MPC, Horizonte de control=2
MPC, Horizonte de control=1
MPC, Horizonte de control=4
24900
24800
24700
( BPD )
24600
24500
24400
24300
24200
24100
24000
10
20
30
Time (min)
40
50
60
85
Figura 39.
4.5
MPC, Horizonte de control=2
MPC, Horizonte de control=1
MPC, Horizonte de control=4
60
40
3.5
%
20
-20
2.5
-40
-60
10
2.5
20
30
Time (min)
50
60
40
50
60
1620
1580
0.5
1560
F
1600
1540
-0.5
1520
-1
1500
-1.5
1480
0
10
20
30
Time (min)
40
50
1460
60
10
20
30
Time (min)
40
50
60
960
960
MPC, Horizonte de control=2
MPC, Horizonte de control=1
MPC, Horizonte de control=4
950
940
950
940
930
930
920
920
910
910
30
Time (min)
900
900
890
890
880
880
870
860
20
1640
MPC, Horizonte de control=2
MPC, Horizonte de control=1
MPC, Horizonte de control=4
1.5
-2
10
x 10
BPD
40
870
0
10
20
30
Time (min)
40
50
860
60
86
10
20
30
Time (min)
40
50
60
100
100
MPC, Horizonte de control=2
MPC, Horizonte de control=1
MPC, Horizonte de control=4
90
80
80
70
70
90
60
60
50
50
40
10
20
30
Time (min)
40
50
40
60
20
6
MPC, Horizonte de control=2
MPC, Horizonte de control=1
MPC, Horizonte de control=4
45
10
30
Time (min)
40
50
60
x 10
5.5
40
BPD
4.5
35
4
30
3.5
25
3
20
10
20
30
Time (min)
40
50
2.5
60
10
20
30
Time (min)
40
50
60
87
Horizonte de
Caso
control
(M)
de
Coeficientes de
pesos sobre
prediccin
Coeficientes de pesos
sobre el error
(P)
( )
( )
20
[0 0 0]
[1 1 1 1 1 1 1 1 1 1]
[0 0 0]
[1 1 1 1 1 1 1 1 1 1]
40
[0 0 0]
[1 1 1 1 1 1 1 1 1 1]
Figura 40.
800
MPC, Horizonte de prediccin=20
MPC, Horizonte de prediccin=5
MPC, Horizonte de prediccin=40
780
( F )
760
740
720
700
680
10
20
30
Time (min)
88
40
50
60
Figura 41.
25000
MPC, Horizonte de prediccin=20
MPC, Horizonte de prediccin=5
MPC, Horizonte de prediccin=40
24900
24800
24700
( BPD )
24600
24500
24400
24300
24200
24100
24000
Figura 42.
10
20
30
Time (min)
40
50
60
25000
MPC, Horizonte de prediccin=20
MPC, Horizonte de prediccin=5
MPC, Horizonte de prediccin=40
24900
24800
24700
( BPD )
24600
24500
24400
24300
24200
24100
24000
10
20
30
Time (min)
40
50
60
89
Figura 43.
100
7
MPC, Horizonte de prediccin=20
MPC, Horizonte de prediccin=5
MPC, Horizonte de prediccin=40
80
60
40
F
20
0
-20
-40
-60
10
20
30
Time (min)
40
50
10
20
30
Time (min)
40
50
60
1650
40000
MPC, Horizonte de prediccin=20
MPC, Horizonte de prediccin=5
MPC, Horizonte de prediccin=40
30000
60
1600
1550
1500
20000
F
1400
1350
0
1300
-10000
1250
1200
-20000
10
20
30
Time (min)
40
50
10
20
30
Time (min)
40
50
60
960
940
60
960
940
920
920
900
F
900
F
BPD
1450
10000
880
880
860
860
840
840
820
820
800
800
10
20
30
Time (min)
40
50
60
90
10
20
30
Time (min)
40
50
60
100
100
MPC, Horizonte de prediccin=20
MPC, Horizonte de prediccin=5
MPC, Horizonte de prediccin=40
95
90
80
85
80
%
90
70
75
60
70
50
65
60
40
55
50
30
10
20
30
Time (min)
40
50
10
20
30
Time (min)
40
50
60
65000
100
MPC, Horizonte de prediccin=20
MPC, Horizonte de prediccin=5
MPC, Horizonte de prediccin=40
90
60
60000
80
55000
70
50000
BPD
60
50
45000
40000
40
35000
30
30000
20
25000
10
10
20
30
Time (min)
40
50
60
10
20
30
Time (min)
40
50
60
91
Tabla 14. Prueba del controlador MPC para un cambio en la penalizacin de los
movimientos de control
Horizonte
Horizonte de
Caso
de
control
Coeficientes de
pesos sobre
prediccin
(M)
Coeficientes de pesos
sobre el error
(P)
( )
( )
20
[0 0 0]
[1 1 1 1 1 1 1 1 1 1]
20
[0 0.5 0.5]
[1 1 1 1 1 1 1 1 1 1]
20
[0 1 1]
[1 1 1 1 1 1 1 1 1 1]
Figura 44.
688.5
688
687.5
( F )
687
686.5
686
685.5
685
10
20
30
Time (min)
92
40
50
60
Figura 45.
control
25000
MPC, pesos TIC1.SP=0 FIC1.SP=0 FIC2.SP=0
MPC, pesos TIC1.SP=0 FIC1.SP=0.5 FIC2.SP=0.5
MPC, pesos TIC1.SP=0 FIC1.SP=1 FIC2.SP=1
24900
24800
24700
( BPD )
24600
24500
24400
24300
24200
24100
24000
10
20
30
Time (min)
40
50
60
25000
MPC, pesos TIC1.SP=0 FIC1.SP=0 FIC2.SP=0
MPC, pesos TIC1.SP=0 FIC1.SP=0.5 FIC2.SP=0.5
MPC, pesos TIC1.SP=0 FIC1.SP=1 FIC2.SP=1
24900
24800
24700
24600
( BPD )
Figura 46.
24500
24400
24300
24200
24100
24000
10
20
30
Time (min)
93
40
50
60
control
(M)
Horizonte
de
prediccin
Coeficientes de
pesos sobre
(P)
( )
20
[0 0 0]
[1 1 1 1 1 1 1 1 1 1]
20
[0 0 0]
[1 1 1 1 1 1 10 10 1 1]
20
[0 0 0]
[1 1 1 1 1 1 500 500 1 1]
94
asign mayor importancia al error de las posiciones de las vlvulas de flujo en los
pasos, porque esta accin va en contra del esfuerzo normal del controlador. Las
simulaciones mostraron que cuando se penaliza con ms nfasis el error en la
posicin de las vlvulas de flujo mejora un poco el desempeo del horno, porque
disminuye el tamao de las fluctuaciones en las variables para alcanzar el mismo
valor. De acuerdo con el comportamiento observado, la estrategia mantiene el
objetivo con las temperaturas de piel y de la zona radiante, y permite la apertura
total de las vlvulas de flujo (mxima carga); esta accin evidencia la habilidad del
controlador para convertir una variable controlada en una variable de restriccin
activa. Un efecto directo del cambio de los factores de peso se ve en el control
ejercido para disminuir la diferencia de flujo entre los pasos 1-2.
Respuesta de las variables controladas para cambios en la
Figura 47.
80
MPC, todas las variables con la misma importancia
MPC, peso error 10
MPC, peso error 500
60
4
40
3.5
20
-20
2.5
10
20
30
Time (min)
40
50
-40
-60
60
10
x 10
20
30
Time (min)
40
50
60
1620
1600
1
BPD
1580
0
1560
-1
1540
-2
-3
1520
10
20
30
Time (min)
40
50
1500
60
95
10
20
30
Time (min)
40
50
60
960
960
MPC, todas las variables con la misma importancia
MPC, peso error 10
MPC, peso error 500
950
950
940
930
930
920
920
910
910
940
900
900
890
890
880
880
870
860
870
0
10
20
30
Time (min)
40
50
860
60
10
20
30
Time (min)
40
50
60
100
90
90
80
80
70
70
60
60
50
30
50
40
10
20
30
Time (min)
40
50
40
10
20
60
6
MPC, todas las variables con la misma importancia
MPC, peso error 10
MPC, peso error 500
45
40
50
60
x 10
5.5
5
40
BPD
4.5
35
4
30
3.5
25
20
5.3.2
10
20
30
Time (min)
40
50
2.5
60
10
20
30
Time (min)
40
50
60
96
Figura 48.
686
( F )
685.5
685
684.5
684
10
20
30
Time (min)
40
50
60
Figura 49.
24003
24002.9
24002.8
( BPD )
24002.7
24002.6
24002.5
24002.4
24002.3
24002.2
24002.1
10
20
30
Time (min)
97
40
50
60
Figura 50.
24005
( BPD )
24004.5
24004
24003.5
24003
24002.5
24002
10
20
30
Time (min)
40
50
60
Segn los resultados de las simulaciones (vase Figura 51) con el conjunto de
parmetros del caso base, el punto de operacin tras la accin de control del MPC
consigue mantener las temperaturas de piel de tubo, la temperatura de la zona de
radiacin y dems variables aproximadamente en el mismo valor con una pequea
reduccin en el consumo de gas (ahorro); el proceso opera en una zona segura
donde las variables de salida se mantienen alrededor de los valores esperados.
Respuesta de las variables controladas cambio en la composicin
Figura 51.
del gas
Perturbacin: Mayor poder calorfico del gas (minuto 10)
0.06
4.2
Exceso de Oxgeno
4.15
0.04
4.1
0.02
4.05
0
F
4
3.95
-0.02
3.9
-0.04
3.85
3.8
-0.06
3.75
3.7
-0.08
10
20
30
Time (min)
40
50
60
98
10
20
30
Time (min)
40
50
60
1565
Diferencia entre flujos pasos 1-2
1555
-0.5
1550
1545
1540
BPD
-1
-1.5
1535
1530
-2
1525
-2.5
1520
-3
10
20
30
Time (min)
40
50
1515
60
10
20
30
Time (min)
40
60
875
875
873
873
872
872
871
871
F
874
870
870
869
869
868
868
867
867
866
10
20
30
Time (min)
40
50
866
60
10
20
30
Time (min)
40
60
74.3
Vlvula flujo paso 1
74.28
74.28
74.27
74.27
74.26
74.26
74.25
74.25
74.29
74.24
74.24
74.23
74.23
74.22
74.22
74.21
74.21
74.2
50
50
10
20
30
Time (min)
40
50
74.2
60
99
10
20
30
Time (min)
40
50
60
32.8
48020
Carga total
32.4
48000
32.2
BPD
32
31.8
47990
47980
31.6
31.4
47070
31.2
31
5.3.3
10
20
30
Time (min)
40
50
47960
60
10
20
30
Time (min)
40
50
60
con los parmetros de ajuste presentados para el caso base, se produjo una
perturbacin en la temperatura ambiente y en la humedad del aire. Para el caso
particular de la temperatura del aire, el desempeo del controlador no se ve
afectado de manera significativa; el proceso mantiene el estado y el punto de
operacin.
Sin embargo, cuando el aire se satura de agua, el controlador (con la misma
configuracin del caso base) aumenta la demanda de gas combustible (parte de la
energa liberada debe usarse para calentar el agua) y disminuye el exceso de
oxgeno (aunque asegura que la medida no sea menor al lmite inferior) lo que
podra resultar en una combustin incompleta que hara inestable la operacin,
aumentara
las
prdidas
reducira
la
eficiencia,
vase
Figura
52.
100
Figura 52.
4.5
0.5
MPC, Perturbacin: Aumento en la temperatura del aire
MPC, Perturbacin: Aumento en la humedad del aire
3.5
2.5
-0.5
1.5
10
20
30
Time (min)
40
50
60
-1
10
20
30
Time (min)
40
50
60
1600
MPC, Perturbacin: Aumento en la temperatura del aire
MPC, Perturbacin: Aumento en la humedad del aire
2.5
1400
2
BPD
1200
1.5
1000
0.5
800
0
600
-0.5
-1
10
20
30
Time (min)
40
50
60
400
10
40
50
60
880
860
860
840
840
820
820
800
30
Time (min)
880
780
800
780
760
760
740
720
20
740
0
10
20
30
Time (min)
40
50
60
720
101
10
20
30
Time (min)
40
50
60
76.5
76.5
76
76
MPC, Perturbacin: Aumento en la temperatura del aire
MPC, Perturbacin: Aumento en la humedad del aire
75.5
75
74.5
74
74.5
74
73.5
73.5
73
72.5
75.5
75
73
0
10
20
30
Time (min)
40
50
60
72.5
10
20
30
Time (min)
40
50
60
100
48800
MPC, Perturbacin: Aumento en la temperatura del aire
MPC, Perturbacin: Aumento en la humedad del aire
90
80
48400
60
BPD
70
48200
50
48000
40
47800
30
20
10
20
30
Time (min)
40
50
60
47600
10
20
30
Time (min)
40
50
60
102
Figura 53.
4.115
0.0025
Exceso de Oxgeno
4.114
0.002
4.113
0.0015
4.112
0.001
4.111
0.0005
4.11
4.109
4.108
-0.0005
0
10
20
30
Time (min)
40
50
60
-0.001
10
20
50
60
1514.95
Diferencia entre flujos pasos 1-2
0.138
1514.9
0.136
1514.85
0.134
BPD
1514.8
0.132
1514.75
0.13
1514.7
0.128
1514.65
0
10
20
30
Time (min)
40
50
60
1514.6
10
20
30
Time (min)
40
50
60
866.26
866.26
Temperatura piel paso 1
866.24
866.24
866.22
866.22
866.2
866.2
866.18
866.18
866.16
866.16
866.14
866.12
40
0.14
0.126
30
Time (min)
866.14
0
10
20
30
Time (min)
40
50
60
866.12
103
10
20
30
Time (min)
40
50
60
74.2695
74.268
Vlvula flujo paso 1
74.269
74.2675
74.2685
74.267
%
74.268
74.2675
74.2665
74.267
74.266
74.2665
74.266
10
20
30
Time (min)
40
50
60
74.2655
10
20
30
Time (min)
40
48017
Vlvula gas combustible
Carga total
32.66
48016.9
32.65
48016.8
32.64
48016.7
32.63
48016.6
32.62
BPD
60
32.67
32.61
48016.5
48016.4
32.6
48016.3
32.59
48016.2
32.58
32.57
50
48016.1
0
10
20
30
Time (min)
40
50
60
48016
104
10
20
30
Time (min)
40
50
60
6. CONCLUSIONES Y RECOMENDACIONES
6.1 CONCLUSIONES
El algoritmo de control multivariable predictivo aplicado al horno de calentamiento
de crudo fue probado y simulado en varios escenarios de operacin. La estrategia
de control configurada en la planta contiene controladores tipo PID, y la estrategia
MPC propuesta segn el esquema de balanceo de pasos manipula los setpoints
de esos controladores bsicos para igualar las temperaturas de salida de los
pasos, incrementar la eficiencia y mantener estable la operacin. A continuacin
se presentan los principales resultados de esta investigacin:
1. El diseo y simulacin del controlador permiti mostrar como se
implementa la tecnologa MPC, y establecer que la estructura de control
convencional que hace uso de controladores PID no siempre ofrece y
mantiene buenos resultados cuando rige el proceso multivariable con
interaccin, restricciones de operacin y perturbaciones llevado a cabo en
el horno, por lo que la accin de control (cambios en los setpoints) debe ser
ejecutada manualmente por un operario.
2. El objetivo del esquema de control MPC es superior y complementa de
mejor manera la operacin del horno con respecto a la configuracin de
control bsica constituida por los PID. La eliminacin de perturbaciones es
asegurada en ambas estrategias; sin embargo, en las simulaciones se
observ que el MPC garantiza adems, que las variables controladas (no
evaluadas en el esquema PID) se encuentren dentro de los limites y que la
planta siga un objetivo econmico potencial dado por la maximizacin de la
105
106
107
108
BIBLIOGRAFA
109
[8] DIYZHUIJZEN, G., STAALMAN, D., KOORN, A., Identification and model
predictive control of a slab reheating furnace, Conference on control applications,
IEEE International, Glasgow, Scotland, U.K., 2002.
[9] OLSEN, D., VAN DER LEE, J., YOUNG, B., SVRCEK, W., A case using an
integrated, real-time computing enviroment for advanced process control
development, American control Conference, IEEE International, Arlington, 2001.
[10] GARCA, S., MARTNEZ, M., BLASCO, X., Simulador de controladores
predictivos multivariables con modelos en espacio de estados, XXV Jornadas de
automtica, Ciudad Real, 2004.
[11] TRIVELLA, F., MARCHETTI, G., Integration for innovation, Aspentech,
Hydrocarbon Engineering, Italy, 2004.
[12] DE PRADA, C., Instrumentacin y control de procesos, Los manuales de
Ingeniera Qumica, Captulo 11, Fundamentos de control predictivo de procesos,
Valladolid, 1997.
[13] MORARI, M., LEE, J., GARCA, C., Model Predictive Control, Marzo, 2002.
[14]
de
Barrancabermeja,
Gerencia
110
de
Refinacin
de
Crudos,
111
A. 2 INTERFAZ DE USUSARIO
112
113
A.2.1 Panel estructura. Permite al usuario reconocer las variables del problema
de control de acuerdo a su clasificacin como variables manipuladas o variables
controladas, las unidades de medida que se maneja para cada variable y el valor
en estado estable segn las condiciones configuradas en la planta, vase Figura
A.2.
114
A.2.3
Panel restricciones.
115
A.2.4 Panel factores de peso. Permite al usuario variar los factores de peso
para la penalizacin de los movimientos de control (parte superior del panel), el
valor de atenuacin es un valor entre 0 y 1. Adicionalmente, el usuario puede
especificar la importancia de la desviacin desde el setpoint de una variable
controlada con respecto a otra variable controlada (estos pesos inciden sobre la
distribucin de los errores dinmicos), vase Figura A..
116
A.2.5
Perturbaciones.
Permite
al
usuario
introducir
perturbaciones
117
118