Está en la página 1de 12

Diseño de un sistema de control avanzado para

regular la velocidad de una turbina de vapor


acoplada a un generador DC
Advanced controller design for speed control in a steam
turbine coupled to DC generator

Hernando González-Acevedo Hernan González-Acuña


M.Sc. en Ingeniería M.Sc. en Ingeniería
Universidad Autónoma de Bucaramanga Universidad Autónoma de Bucaramanga
Bucaramanga, Colombia Bucaramanga, Colombia
hgonzalez7@unab.edu.co hgonzalez3@unab.edu

Resumen− El artículo presenta la metodología para el 1. INTRODUCCIÓN


diseño de dos estrategias de control, LQG (Linear Qua-
dratic Gaussian Control) y DMPC (Discrete Time Model Una turbina de vapor es una turbomáquina
Predictive Control), para regular la velocidad de una tur- que transforma la energía de un flujo de vapor en
bina de vapor acoplada a un generador DC de excitación
energía mecánica, a través de un intercambio de
independiente. La dinámica del sistema es representa-
da por un modelo lineal en el cual los parámetros del cantidad de movimiento entre el fluido de trabajo
modelo se calculan a partir de un algoritmo de optimi- (vapor) y el rodete, que cuenta con palas o álabes
zación. Las estrategias de control se implementan en el para poder realizar el intercambio energético. Las
sistema de control distribuido (DCS), Delta V. El objetivo turbinas de vapor están presentes en diversos ci-
es mantener constante la velocidad ante variaciones de clos de potencia que utilizan un fluido que pueda
la presión en la tubería de vapor y modificación de la
cambiar de fase, entre estos el más importante
resistencia del bobinado de campo del generador DC.
es el ciclo de rankine, el cual genera el vapor en
una caldera, de la que sale en unas condiciones
Palabras clave− Turbina de vapor, generador DC, con-
trol LQG, control DMPC. de elevada temperatura y presión. En la turbina se
transforma la energía interna del vapor en ener-
Abstract− The paper presents the methodology for the gía mecánica, que, típicamente, es aprovechada
design of two control strategies, LQG (Linear-Quadra- por un generador para producir electricidad. Los
tic-Gaussian Control) and DMPC (Discrete Time Model modelos dinámicos y estáticos de la turbina de
Predictive Control), for speed control in a steam turbine vapor se han venido desarrollando de diferentes
coupled to separately excited DC generator. The dyna- formas, a través de procesos similares. Los mode-
mics of the system is represented by a linear model in
los incluyen la unidad de recalentamiento, la cual
which the model parameters are calculated using an
optimization algorithm. The control strategies were im- es representada como una función de transferen-
plemented on a distributed control system (DCS), Delta cia de primer orden y los parámetros del modelo
V. The goal is to maintain the speed constant despite the se ajustan a partir de datos experimentales [1].
variation of pressure in the steam pipeline and changes Otros modelos trabajan funciones lineales de pri-
in the field resistance of the DC generator. mer orden y funciones no lineales [2], que relacio-
nan el caudal con las diferencias de presión, los
Keywords− Steam turbine, DC generator, LQG control, parámetros del modelo son determinados a partir
DMPC control.
de la respuesta dinámica de una planta de 600

Recibido: 25/11/2017 Aceptado: 16/12/2017 ITECKNE Vol. 15 Número 1 • ISSN 1692-1798 • ISSN Digital 2339-3483 • junio 2018 • 51 - 62

http://dx.doi.org/10.15332/iteckne.v15i1.1964
52 ITECKNE Vol. 15 Número 1 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • junio 2018 • 51 - 62

MW ante perturbaciones aplicadas, utilizando un 2. 1 Modelo dinámico de la turbina de vapor


algoritmo genético.
En muchos casos, el modelo dinámico de una tur-
La variable por regular, comúnmente en estos
bina de vapor se simplifica; las variables intermedias
procesos, es la velocidad del generador acoplado
se omiten y todo queda con base en las variables
a la turbina. Dado que las funciones lineales y no
de entrada y salida [8]. La potencia mecánica desa-
lineales que presentan los modelos clásicos no
rrollada por una turbina sin secciones de recalenta-
describen completamente la dinámica del siste-
miento se basa en una ecuación de continuidad (1)
ma, algunas estrategias se centran en modificar
^ h ^ h ^1h
en tiempo real las constantes de un control PID. 2W 2t
Entre esas estrategias está el regulador PID adap- 2t = V 2t = Fin t - Fout t
tativo [3], es decir, un sistema difuso modifica las donde W es la masa del vapor en la turbina
constantes proporcional, integral y derivativa de 6 Kg@ , V el volumen de la turbina 6m 3@ , t la
acuerdo con la señal de error y razón de cambio densidad del vapor 6 K g m 3 @ y F el flujo másico
del error. Esta metodología ha sido optimizada de vapor 6 K g S @ . Suponiendo que el flujo de sa-
utilizando cuatro métodos diferentes: algoritmos lida de la turbina es proporcional a la presión en la
genéticos, optimización por enjambre de partícu- turbina, de acuerdo con (2)
las (PSO), optimización por enjambre de bacterias
(BPSO) y controladores neurodifusos (ANFIS) [4].
Fo
Fout = P Po ^2h
En [5] se compara la robustez de un control pre-
donde P es la presión de vapor en la turbina
6 KPa@ , Po la presión nominal y Fo el flujo má-
dictivo GPC (Generalized Model Predictive Control)
con un PID, para regular la potencia de una uni-
dad turbina-caldera y se demuestra que el control sico nominal de la turbina. Con temperatura cons-
predictivo presenta buen seguimiento a la señal tante en la turbina se tiene (3)

^3h
de referencia y rechazo a perturbaciones compa- 2 t 2P 2 t
rado con el PID. La referencia [6] compara la res- 2t = 2t $ 2P
puesta dinámica de un control predictivo GPC y Unificando las ecuaciones (1), (2), (3) resulta
CRHPC (Constrained Receding-Horizon Predictive el modelo matemático mostrado en (4) y (5)
Control), presentando esta última mejor exactitud
Fin ^ t h - Fout ^ t h = V 2t $ 2P
2P 2t
y menores fluctuaciones ante perturbaciones apli-
cadas a la turbina. Otra técnica empleada ha sido
= V 2P $ Fo $ dtout = TT dtout ^ 4 h
2t Po 2F 2F
el control LQG (Linear-quadratic-Gaussian) para
regular la temperatura de vapor de una planta de
TT dtout + Fout ^ t h = Fin ^ t h ^ 5 h
2F
300 Mw [7]. Los resultados se comparan con los
obtenidos con un controlador PID, y se demuestra
Al aplicar la transformada de Laplace, la fun-
que el rendimiento del LQG es mejor, especial-
ción de transferencia de una turbina de vapor se
mente, durante los transitorios.
expresa como (6)
Fout ^ S h
H^ S h = ^6h
2. MODELO DINÁMICO 1
Fin ^ S h
= T S+1
T
La Universidad Autónoma de Bucaramanga
cuenta en su laboratorio de planta piloto con una 2t
Po
turbina de vapor, tipo Terry, acoplada a un genera- donde TT = V 2P $ Fo es una constante de
dor de corriente continua de excitación indepen- tiempo [sg]. El torque de la turbina es proporcional
diente de 1 Kw. El vapor es suministrado por una al flujo másico de vapor y se muestra en (7)
caldera pirotubular de 10 BHP, a una temperatura Tm ^ t h = k 1 $ Fout ^ t h ^ 7 h
de 170 Celsius, con una capacidad máxima de donde k 1 es una constante proporcional. El
345 Lb/hora. La caldera tiene un controlador on- flujo másico de vapor se controla por medio de
off que regula la presión de vapor, la cual oscila una válvula proporcional, cuya dinámica se define
en un rango entre 115 a 125 psi. El flujo másico en (8), donde k 2 es un constante de proporciona-
es regulado a través de una válvula proporcional, lidad, el retardo de la válvula y Td el porcentaje
marca Spirax Sarco. de apertura de la válvula.
Diseño de un sistema de control avanzado para regular la velocidad de una turbina de vapor acoplada a un generador
DC - González, González 53

~^ S h
Fin ^ S h = k 2 e -T u ^ S h ^ 8 h GG ^ S h =
Tm ^ S h
dS
=
A partir de las ecuaciones (6), (7) y (8) la fun- Ra + RL + La ^ 13 h
S

ción de transferencia que caracteriza la dinámica


de la turbina se define como (9) ^ J S + B m h^ R a + R L + L a h + K i K v $ V f
S
Rf

GT ^ S h = ^9h
Tm (S) k 1 k 2 e -T d S
2. 3 Programación cuadrática secuencial
u^ S h
= T S+1
T
El diseño por optimización consiste en la ob-
2. 2 Modelo dinámico del generador DC de tención de la solución de un problema, a través
excitación independiente de la aplicación de una formulación matemática
que permite evaluar y comparar diversas solu-
El generador DC de excitación independiente ciones con el fin de hallar una respuesta óptima.
presenta la ventaja que el campo del estator es La programación cuadrática secuencial (SQP) es
constante al no depender de la carga del motor, una técnica de optimización clásica basada en el
y el par de fuerza es prácticamente constante [9]. cálculo del gradiente de la función objetivo y de
Las variaciones de velocidad al aumentar la carga las restricciones. La técnica se divide en dos sub-
se deberán solo a la disminución de la fuerza elec- problemas de optimización, uno para determinar
tromotriz por aumentar la caída de tensión en el la dirección de búsqueda, y otro para calcular el
rotor. La dinámica de esta clase de máquinas está paso de una iteración a otra. En cada iteración se
representada por (10), (11) y (12) resuelve un problema cuadrático, el cual se esta-
blece en función del gradiente de la función obje-
dI f ^ t h
Vf ^ t h = Rf If ^ t h + Lf dt
^ 10 h tivo y de las restricciones.
Los siguientes parámetros se conocen a partir
de la hoja técnica del generador DC: R f = 367X
dI a ^ t h
K v ~^ t h = ^ R a + R L hI a ^ t h + L a ^ 11 h L f = 20.6H , R a = 7.4X , L a = 11.38mH ,
dt R L = 20.8X ; el bobinado de campo está excita-
d~ ^ t h
do a una tensión de 213 voltios DC. Para deter-
Tm ^ t h = J ^ h
dt + B m ~ t
minar los parámetros desconocidos del modelo
dinámico de la turbina y del generador DC se pro-
+K I I f ^ t h I a ^ t h ^ 12 h grama un algoritmo de optimización, fundamen-
tado en la teoría de SQP, aplicando la siguiente
metodología:
donde V f es la tensión aplicada a la bobina de
• Se sintoniza un control proporcional y se re-
campo, I f es la corriente de la bobina de campo,
gistran los datos de la señal de referencia,
R f la resistencia del bobinado de campo, L f la
porcentaje de apertura de la válvula y velo-
inductancia del bobinado de campo, K v la cons-
cidad del generador, a una tasa de muestreo
tante de fuerza contraelectromotriz, ~ la veloci-
de un segundo, Fig. 1. La referencia se modi-
dad del eje del generador DC, R a la resistencia
fica en un rango de 0 – 1500 rpm, garantizan-
del bobinado de armadura, L a la inductancia del
do de esta forma un comportamiento lineal
bobinado de armadura, I a la corriente de arma-
del sistema.
dura, R L la resistencia de carga conectada al ge-
nerador DC, Tm el torque que aplica la turbina de • El modelo dinámico del sistema se implemen-
vapor al eje del generador, J es la suma de la ta en la herramienta de Simulink de Matlab;
inercia del generador y el eje de la turbina, B m la la señal de entrada al modelo es el porcen-
constante de fricción viscosa y K I la constante taje de apertura de la válvula y la salida de
de par. Al despreciar el transitorio en el bobinado la velocidad de la turbina. En la Fig. 2, se ob-
de campo debido a que la tensión V f es fija, la serva el diagrama de bloques de la planta, lo
función de transferencia que representa el com- conforma la función de transferencia de la
portamiento dinámico del generador DC se expresa turbina GT y la función de transferencia del
en (13). generador GG, ecuación (9) y (13), respecti-
54 ITECKNE Vol. 15 Número 1 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • junio 2018 • 51 - 62

vamente. La constante K representa el cam- TABLA I


PARÁMETROS DEL MODELO MATEMÁTICO
bio de unidades de la velocidad del generador:
de radianes por segundo ^ rad s h a revolu- Parámetro Valor
ciones por minuto (RPM). Turbina de vapor

Se programa un algoritmo de optimización en TT 119.7 6 sg @


el cual el objetivo es disminuir el error medio cua-
drático (14), entre los datos simulados ^ x sim h y K1 * K2 0.055031 6 Nm %@
los datos experimentales ^ x Exp h , dado un vector
x con los valores de los parámetros del modelo Td 9 6sg@
matemático.
f = | kN= 0 ^ x sim ^ k h - x Exp ^ k hh2 ^ 14 h Generador DC

En la Tabla I se observa los valores de los pará- J 0.006015527721586 6 Kg $ m 2@


metros, una vez se ejecuta el algoritmo de optimi-
6 N $ m A 2@
zación. En (15) se presenta el modelo dinámico
de la turbina de vapor acoplada con el generador
Ki 0.843524807917543
DC y en la Fig. 3 se compara la respuesta transito-
ria del modelo con los datos experimentales. Kv 0.620330916257256 6 N $ m A 2@
Fig. 1. DATOS EXPERIMENTALES. A) PORCENTAJE DE APERTURA DE LA
; E
VÁLVULA, B) VELOCIDAD MECÁNICA DE LA TURBINA
Bm N$m
0.000922377688340 rad sg
Fuente: Los autores.

^ 0.01879S + 46.56 h e -9s


G^ S h = ^ 15 h
0.02574S 3 + 63.8S 2 + 124.5S + 1.036

Para simplificar (15) se aproxima el retardo


que presenta la función de transferencia de la
planta por una función de transferencia de pri-
mer orden (16), obteniendo una nueva función de
transferencia (17).

-S + 1 9
e -9s
. ^ 16 h
S+ 19

G^ S h = ^ 17 h
-0.01879S 2 - 46.56S + 10.35
0.02574S 4 + 63.81S 3 + 138.7S 2 + 28.7S + 0.2302
Fuente: Los autores.

Fig. 2. DIAGRAMA DE BLOQUES DEL MODELO DINÁMICO DE LA PLANTA

Fuente: Los autores.


Diseño de un sistema de control avanzado para regular la velocidad de una turbina de vapor acoplada a un generador
DC - González, González 55

Fig. 3. COMPARACIÓN DE LOS DATOS EXPERIMENTALES CON LOS DATOS DE SIMULACIÓN PARA LA SEÑAL DE VELOCIDAD

Fuente: Los autores.

La dinámica del sistema se representa en un 3. DISEÑO DEL SISTEMA DE CONTROL


modelo en espacio de estados discretos, asumien-
do un período de muestreo de un segundo (18). La turbina de vapor es el elemento con mayor
x^ k + 1 h = G L x^ k h + H L u^ k h ^ 18 h
importancia para la generación de la energía eléc-
trica en centrales térmicas. Para que la energía
eléctrica generada en dichas centrales sea prác-
y^ k h = C L x^ k h ticamente constante, se hace necesario tener un
Donde, sistema de regulación de la velocidad de la turbi-
RS -0.000117 -0.004559 -0.000102 -0.000003 WVW na de vapor con el fin de mantener la velocidad de
SS giro de los rotores del conjunto turbina-generador
S 0.001424 0.055065 -0.042968 -0.001370 WWW
G L = SS W lo más cercano posible al valor de referencia.
SS 0.039239 1.519927 0.880884 -0.003809 WW
SS W
0.006815 0.264122 0.238425 0.999629 W 3. 1 Sistema de seguimiento
T X
RS 0.000089 VW Para funciones de transferencia que no pre-
SS W
SS 0.039239 WWW sentan integrador, el principio básico del diseño
HL = S
SS 0.109044 WWW de un sistema de seguimiento es insertar un inte-
SS W grador en el camino directo entre el comparador
0.010605 W de error y la planta [10], tal como se observa en
T X
6
C = 0 -0.002851 -1.766304 1.570189@ la Fig. 4.

Fig. 4. DIAGRAMA DE BLOQUES DEL SISTEMA DE SEGUIMIENTO

Fuente: Los autores.


56 ITECKNE Vol. 15 Número 1 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • junio 2018 • 51 - 62

Asumiendo que la entrada de referencia (fun- 3. 2 Control LQG (Linear Quadratic Gaussian
ción escalón) se aplica en t = 0 , la dinámica del Control)
sistema para t 2 0 está descrita por (19)
x^ k + 1 h
El controlador LQG es la combinación de una
< F=; E
GL 0 ganancia de realimentación de estados y un es-
^
v k+1 h -C L G L 1 timador de estados, tipo Kalman [11]. El primer
x^ k h
< F + : H L Du^ k h +
paso para el diseño del controlador LQG es deter-
v^ k h -C L H L minar una matriz de ganancias K t que minimice
9 0 Cr^ k + 1 h ^ 19 h
la función de costo J , (28). Las matrices Q y R
1 son matrices definidas positivas, generalmente
diagonales, que determinan el equilibrio entre el
Considerando que r ^ k h es una entrada es- seguimiento de una trayectoria por parte de los
calón, se tiene que r ^ k h = r ^ k + 1 h = r (cons- estados y la energía de la señal control requerida
tante). Cuando k tiende a infinito, la ecuación de por el sistema para alcanzar los objetivos de con-
estados se define como (20) trol deseados. La matriz K t se determina resol-
x^ 3 h G L 0 x^ 3 h viendo la ecuación matricial de Riccatti, dadas las
< F=; E< F+ t ,Ht , Q y R.
v^ 3 h -C L G L 1 v ^ 3 h
matrices G

: H L Du^ 3 h + 9 0 Cr^ 3 h ^ 20 h J = 2 | 3k = 0 ^ p T Qp + u Te Ru e h ^ 28 h
1
-C L H L 1
Restando (19) de (20), se obtiene (21) y (24) Para estimar los estados se utiliza un filtro Kal-
se transforman en (26) y (27) man, el cual asume la presencia de ruido gaus-
xe ^ k + 1 h GL 0 xe ^ k h siano en la señal de control y la variable a medir
< F=; E< F
ve ^ k + 1 h -C L G L 1 v e ^ k h en el proceso. Conocidas las varianzas del ruido
de estas dos señales, Q n y R n , se determina un
+: -C LH D u e ^ k h ^ 21 h
H
vector de ganancias L que minimiza el error en
L L
la estimación, x - xt , utilizando la ecuación de Ri-
Donde, catti. Matemáticamente, los estados se calculan a
xe ^ k h = x^ k h - x^ 3 h ^ 22 h partir de la siguiente expresión (29)
xt ^ k + 1 h = G L xt ^ k h + H L u ^ k h
ve ^ k h = v^ k h - v^ 3 h ^ 23 h +L ^ y ^ k h - C L xt ^ k hh ^ 29 h
donde u ^ k h es la señal de control y y ^ k h la
u e ^ k h = -Kx e ^ k h + K I v e ^ k h ^ 24 h variable a controlar del proceso. Los siguientes va-
lores se asumieron para el diseño del controlador:
Se define un nuevo vector de estados, p k , ^ h Q = diag ^ 1, 1, 1, 8.5, 0.009 h y R = 5. Al solucionar la
de dimensión ^ n + 1 h , mediante (25) ecuación de Ricatti se obtiene Kt = 60.061111, 2.367096, 1.369298
Kt = 60.061111, 2.367096, 1.369298, 1.786684, - 0.037269@ . Para el di-
xe ^ k h
p^ k h = < F = ^ n + 1 h - vector ^ 25 h
seño del observador se asumen las siguientes va-
ve ^ k h rianzas: Q n = 176.9876 y R n = 21225, a partir de
estos valores se obtiene la matriz
Así, (21) y (24) se transforman en (26) -8
6 @
L = 10 37.59397, - 1129.21097, - 51464.655, 1617969.98
p ^ k + 1 h = Gt p ^ k h + Hu
t e ^ k h ^ 26 h
La Fig. 5 muestra el diagrama de bloques de
u e ^ k h = Kt p ^ k h ^ 27 h la estrategia de control LQG. Si la señal de con-
Donde, trol alcanza los límites prefijados del actuador, al
utilizar un controlador con acción integral, el error
continuará incrementándose, esto significa que el
Gt = ;
GL 0
E t = : HL D
H Kt 6 K -K I @
-C L G L 1 -C L H L término integral puede volverse muy grande y pro-
ducirse el efecto llamado windup, esto genera un
Diseño de un sistema de control avanzado para regular la velocidad de una turbina de vapor acoplada a un generador
DC - González, González 57

Fig. 5. DIAGRAMA DE BLOQUES DEL CONTROLADOR LGQ CON GANANCIA ANTIWINDUP

Fuente: Los autores.

gran sobrepaso, mayor tiempo de establecimien- de establecer un nuevo modelo en espacio de esta-
to y algunas veces inestabilidad en la respuesta dos, definiendo Dx m ^ K h = x m ^ k h - x m ^ k - 1 h
transitoria. Back calculation es un método que y Du ^ k h = u ^ k h - u ^ k - 1 h dado por (30).
permite compensar este fenómeno [12], el cual
Dx m ^ k + 1 h G L 0 Dx m ^ k h
funciona de la siguiente forma: cuando la salida
del actuador se satura, la acción integral es recal- < F=; E< F
culada a través de una ganancia antiwindup K a , y^ k + 1 h CL GL 1 y^ k h
+: C HL D Du ^ k h ^ 30 h
de forma que el nuevo valor aporte una salida en H
el límite de saturación. Para el controlador LQG se L L

Dx m ^ k h
F
ajusta una ganancia K a = 10 . Al evaluar la res-
y ^ k h = 60 1@<
puesta transitoria del sistema en lazo cerrado a y^ k h
una entrada escalón unitario se obtiene un tiem-
po de establecimiento de 130 segundos con un Basado en el modelo de espacio de estados
sobrepaso del cero por ciento. descrito en (30), las variables de estado futuras
son calculadas secuencialmente a través de (31)
x ^ k i + N p k i h = A N x ^ k i h + A N BDu ^ k i h
3. 3 Control DMPC (Discrete Time Model p p-1

Predictive Control)
+A N BDu ^ k i + 1 h + g
p-2

+A N N BDu ^ k i + N c - 1 h ^ 31 h
Una de las propiedades del controlador DMPC p- c

es su formulación abierta, que permite la incorpo-


ración de distintos tipos de modelos de predicción,
Donde,(32) se define como
sean lineales o no lineales, monovariables o multi-
A=; E B = : H L D C = 60 1@ ^ 32 h
GL 0
variables, y la consideración de restricciones sobre
CL GL 1 CL HL
las señales del sistema. Entre las ventajas se pue-
de destacar: N c y N p son los horizontes de control y pre-
• Formulación en el domino del tiempo, flexible, dicción, respectivamente. A partir de las variables
abierta e intuitiva. de estado se calcula las variables de salida, como
• La ley de control responde a criterios óptimos. (33)
• Permite la incorporación de restricciones en la y ^ k i + N p k i h = CA N x ^ k i h + CA N BDu ^ k i h
p p-1

+CA N BDu ^ k i + 1 h
síntesis del controlador. p-2

Partiendo de un modelo de una planta en espacio +g + CA N N BDu ^ k i + N c - 1 h


p- c
^ 33 h
de estados en tiempo discreto, dado por (18), se pue-
58 ITECKNE Vol. 15 Número 1 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • junio 2018 • 51 - 62

La trayectoria de control Du se representa h = -X -1 Wx ^ k i h ^ 43 h


como la respuesta al impulso de un sistema esta- En la práctica todos los procesos están sujetos
ble dado por (34) a restricciones, por ejemplo, los actuadores tie-
Du ^ k h = L ^ k h h ^ 34 h nen un campo limitado de acción, así como una
donde L ^ k h es una matriz constante que determinada velocidad de cambio (slewrate), ade-
representa las funciones de Laguerre y h es un más el proceso presenta un rango de operación
vector con los coeficientes de Laguerre [13]. La para cada una de las variables que intervienen,
matriz L ^ k h contiene N funciones de Laguerre esto hace necesario la introducción de las restric-
expresados en forma de vectores, como (35) ciones en la función a minimizar.
L ^ k h = 6l 1 ^ k h l 2 ^ k h gl N ^ k h@ ^ 35 h 3. 4 Diseño del controlador DMPC
La construcción de la matriz L ^ k h se basa en
La implementación del controlador DMPC se
la siguiente ecuación de diferencias (36)
divide en dos etapas: la fase de inicialización y la
L^ k + 1 h = Al L^ k h ^ 36 h fase de ejecución o proceso iterativo. En la fase de
donde la matriz A l ^ NxN h es función de los inicialización se obtiene el modelo en espacio de
parámetros a y b = ^ 1 - a 2 h . La condición ini- estados en tiempo discreto de la planta y se calcu-
cial para la construcción de la matriz L ^ k h es lan las matrices constantes A, B, C, L ^ 0 h , O
Y, X,
T

dada por (37) y W . Estas matrices se evalúan una sola vez,


L ^ 0 hT = b 61 - a a 2 - a 3 g ^ -a hN - @ ^ 37 h
1 es decir, antes de entrar al lazo de control. Para
determinar los coeficientes de Laguerre se debe
En (38) se observa un ejemplo de las matrices establecer previamente el número de términos
A l y L ^ 0 hT para N = 5 . Para la construcción ^ N h , el factor de escalamiento ^ a h y el hori-
de la matriz L ^ k h se debe definir el número N zonte de predicción ^ N P h , para lo cual se evalúa
de funciones de Laguerre por utilizar y el paráme- la respuesta a una entrada escalón al modificar
tro a (también llamado factor de escalamiento), cada variable. En la Fig. 6 se observa la respuesta
el cual su valor debe estar entre 0 ≤ α < 1. Una vez transitoria de la velocidad del generador, dado un
construida la matriz L ^ k h , esta será constante setpoint de 1000 rpm, para dos valores diferentes
para el resto del programa. de N , fijando a = 0.8 y N p = 20 . En el caso de
RS a 0 0 0 0 VWW RS 1 VW
SS WW SS W N = 1 , la variable presenta un retardo de 120
SS b a 0 0 0W SS -a WWW segundos y para N = 2 es de 40 segundos. Para
0 WW L ^ 0 h = b SSS a 2 WWW ^ 38 h
S W
A l = SS -ab b a 0 N mayor a tres el sistema no se estabiliza.
SS 2 W SS - 3 WW
SS a b -ab b a 0 WW SS a WW
S -a 3 b a 2 b -ab WW S a4 W Fig. 6. RESPUESTA TRANSITORIA PARA DOS VALORES DIFERENTES DEL
b a T X NÚMERO DE FUNCIONES DE LAGUERRE
T X
Para un sistema SISO, el objetivo del controla-
dor DMPC es encontrar los coeficientes Laguerre
h que minimicen la función costo, (39)
J = h T Xh + 2h T Wx ^ k i h ^ 39 h
donde,
Y = ^ | iN= 0 A N BL ^ i hT h
O p-1 p-i-1
^ 40 h
X = ^ |m = 1 O
N
Y ^ m h QO
p
Y ^ m h + R L h ^ 41 h
T

W = ^ |m = 1 O
N
Y ^ m h QA m h ^ 42 h
p

Q = C T C y R L es un escalar que penaliza la Fuente: Los autores.


acción de control. Cuando el controlador no tiene
restricciones y asumiendo que X -1 existe cuando Definido el número de funciones de Laguerre
dj/dh = 0 , la solución óptima para h , se obtie- ^ N = 2 h y fijando N p = 20 , se modifica el fac-
ne analíticamente como (43) tor de escalamiento a . Al disminuir este paráme-
Diseño de un sistema de control avanzado para regular la velocidad de una turbina de vapor acoplada a un generador
DC - González, González 59

tro el tiempo de establecimiento aumenta, Fig. 7,


W;
27.3263 1058.4748 617.24201 877.2666 2
presentando una buena respuesta con a = 0.9 . -14.8431 -574.9489 -339.48399 -517.51101 -
Al modificar el horizonte de predicción, se observa
que al aumentar N p el tiempo de establecimien-
to aumenta Fig. 8. W ; E ^ 46 h
27.3263 1058.4748 617.24201 877.2666 29.56302
-14.8431 -574.9489 -339.48399 -517.51101 -19.2915
Fig. 7. RESPUESTA TRANSITORIA PARA TRES VALORES DIFERENTES DEL
FACTOR DE ESCALAMIENTO
Para la fase de ejecución el algoritmo predic-
tivo interactúa con la planta y calcula analítica-
mente la solución óptima para h . El algoritmo
contempla las siguientes restricciones: límites
de la variable por controlar y ^ k h y delta de la
señal de control Du ^ k h . En la muestra k i , la
predicción del estado x ^ k i + 1 k i h es descrito
por la relación (47)

x ^ k i + 1 k i h = Ax ^ k i h + BL ^ 0 hT h ^ 47 h
Fuente: Los autores. La salida queda definida de la forma (48)
y ^ k i + 1 k i h = CAx ^ k i h + CBL ^ 0 h h ^ 48 h
Fig. 8. RESPUESTA TRANSITORIA PARA TRES VALORES DIFERENTES DEL T
HORIZONTE DE CONTROL

Si la variable de salida esta limitada


y # y ^ k h # y max , existen tres posibles solu-
min

ciones para este caso:

y min 1 CAx ^ k i h + CBL ^ 0 h h 1 y max ,T


• Si
entonces h = -X -1 Wx ^ k i h es la solución
óptima.
• Si CAx ^ k i h + CBL ^ 0 h h # y min , se debe
T

determinar una nueva expresión para h .


Definiendo la variable M act = -CBL ^ 0 h , la
T
Fuente: Los autores.
solución óptima del parámetro h esta defi-
Se establecen como parámetros de diseño
nido por (49)
N = 2 , a = 0.9 , N p = 20 y se calcula la ma-
triz L ^ 0 h = 60.43588, - 0.3923 @ . A partir del h = -X -1 ^ Wx ^ k i h + M Tact m act h ^ 49 h
T

modelo aumentado y fijando R L = 0.001 se de-


Y, X y W (44), (45) y (46).
termina las matrices O donde el multiplicador de Lagrange, m act , es
Para implementar la estrategia de control predic- igual a (50):
m act = -^ M act X -1 M Tact h
tivo es necesario disponer de la medición de todo -1
el vector de estados, por lo tanto, se emplea el
estimador de Kalman, el cual presenta una buena ^ -y min + CAx ^ k i h + M act X -1 Wx ^ k i hh ^ 50 h
velocidad de convergencia.
RS 0.000006 Del mismo modo, si se infringe la restricción
SS -0.000002 VWW del límite superior, entonces la solución analíti-
SS -0.002317 W
-0.000010 WW ca para el multiplicador de Lagrange se expresa
Y = SSS 0.071815 0.164472 WW ^ 44 h
W como (51)
O
SS
0.174524 WW
W m act = -^ M act X -1 M Tact h
-1
SS 0.735866 W
S 7.373417 -2.764404 W ^ y max - CAx ^ k i h + M act X -1 Wx ^ k i hh ^ 51 h
T X
X=; E ^ 45 h donde M act = CBL ^ 0 h . La solución óptima
172.8821 -85.3635 T

-85.3635 47.2629 de h está dada por la ecuación (49).


60 ITECKNE Vol. 15 Número 1 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • junio 2018 • 51 - 62

Si el delta de la acción de control se encuen- de cero a 1500 RPM (Fig. 9 y Fig. 10). En general,
tra limitado, Du min # Du ^ k h # Du max , se pre- para las dos estrategias de control, se observa
senta tres casos: que la señal de velocidad de la turbina oscila al-
• Si Du min # L ^ 0 h h # Du max , entonces la rededor de la señal de referencia, esto se debe a
T

solución óptima, h = -X -1 Wx ^ k i h , es la so- que la presión del vapor en la tubería no es cons-


lución que minimiza la función de costo J . tante debido al control on-off que tiene la caldera

• Si L ^ 0 h h # Du min , entonces la solución óp-


T para regular esta variable.

tima es la que conduce a Du ^ k i h = Du min .


Fig. 9. RESPUESTA TRANSITORIA DEL CONTROLADOR LQG. A) VELOCI-
DAD DEL GENERADOR B) PORCENTAJE DE APERTURA DE LA VÁLVULA

• Si L ^ 0 h h # Du max , entonces la solución óp-


T

tima es la que conduce a Du ^ k i h = Du max ..

Una vez evaluado Du ^ k i h , la acción de con-


trol es u ^ k i h = u ^ k i - 1 h + Du ^ k i h .

4. RESULTADOS
Un sistema de control distribuido o DCS es
un sistema de control que tiene elementos inte-
ligentes, que se pueden ubicar en distintos nive-
les de jerarquía, y que no solo reciben acciones
o envían variables de proceso, sino que también Fuente: Los autores.
ejecutan mandos de operación. Los DCS se en- Fig. 10. RESPUESTA TRANSITORIA DEL CONTROLADOR DMPC. A) VELOCI-
DAD DEL GENERADOR B) PORCENTAJE DE APERTURA DE LA VÁLVULA
cargan de descentralizar las labores que tendría
un controlador principal. Emerson Delta V es un
sistema DCS que ofrece un software y hardware
de control avanzado para plantas industriales. El
sistema Delta V se puede implementar tanto en
plantas discretas como analógicas, trabajando
con diferentes protocolos de comunicación. Los
dispositivos de control se interconectan en for-
ma de una red conectada a un sistema remoto
de adquisición de datos (SCADA) que se encarga
de la supervisión. Además, el usuario puede in-
gresar los valores deseados de las variables y rea-
lizar el monitoreo del proceso por medio de una Fuente: Los autores.
HMI (Human Machine Interface). Para las etapas
de programación, configuración de la instrumen- La Fig. 11 muestra el comportamiento transi-
tación, sintonización de lazos y administración torio de la señal de presión a la entrada de la tur-
del sistema, Delta V cuenta con una diversidad bina, cuando el controlador modifica el porcen-
de software enlazados entre sí, que permiten el taje de apertura de la válvula, la presión sigue
cumplimiento de estas funciones. Entre las herra- estos cambios y oscila alrededor de su punto de
mientas de Delta V, se encuentra Control Studio, equilibrio. El control DMPC disminuye este efecto
la cual permite crear estrategias de control como y presenta un menor tiempo de establecimiento
pequeños componentes modulares independien- comparado con el controlador LQG, esto se debe
tes que se ejecutan simultáneamente. Por medio a que la acción de control del regulador DMPC
de esta herramienta se programan las estrategias presenta una tasa de cambio mayor comparada
de control LQG y DMPC, ejecutando cada módulo con el controlador LQG. El control DMPC presenta
con un período de muestreo de un segundo. Para un error de !30 RPM y el control LQG un error de
analizar la respuesta transitoria de cada controla- !22 RPM, pero el sobrepaso es mayor en la pri-
dor se modifica la señal de referencia en un rango mera estrategia. Los tiempos de establecimiento
Diseño de un sistema de control avanzado para regular la velocidad de una turbina de vapor acoplada a un generador
DC - González, González 61

son cercanos a los valores establecidos en la eta- Fig. 13. RESPUESTA TRANSITORIA DEL CONTROLADOR DMPC ANTE
CAMBIOS EN LA RESISTENCIA DE CAMPO DEL GENERADOR
pa de diseño.
Fig. 11. PRESIÓN DEL VAPOR A LA ENTRADA DE LA TURBINA

Fuente: Los autores.

Fuente: Los autores.


5. CONCLUSIONES
Se analizó la robustez de los dos controlado-
res ante cambios de la resistencia del bobinado La determinación del modelo dinámico de un
de campo del generador DC. Al disminuir la resis- sistema es importante a la hora de diseñar el con-
tencia de campo la velocidad del generador debe trolador, esto garantiza estabilidad y robustez ante
aumentar, por lo tanto, el controlador debe dis- señales de perturbación. Los dos controladores
minuir el porcentaje de apertura de válvula con presentan una buena respuesta transitoria ante
el objetivo de mantener la velocidad cercana al cambios en la señal de referencia, estableciéndo-
nivel de referencia. Se establece una referencia se más rápido el controlador DMPC, pero con una
de 1000 RPM y se modifica la resistencia de cam- acción de control más agresiva. Las variaciones
po en t = 420 segundos, t = 950 segundos y de la presión en la línea de vapor no afectan la es-
t = 1400 segundos. En el primer cambio, la tabilidad del sistema, además el controlador com-
resistencia se reduce a un 60% de su valor no- pensa los cambios de la resistencia de campo del
minal, luego se fija a un 20% del valor nominal generador de corriente continua, lo cual demues-
y, posteriormente, retorna la resistencia al valor tra que las dos estrategias son robustas ante la
nominal. En las figuras 12 y 13 se observa la res- presencia de perturbaciones.
puesta de cada controlador. Nuevamente el con-
trolador DMPC presenta un comportamiento más REFERENCIAS
agresivo en la acción de control, lo cual se refleja [1] Ç.L. Hubka y P. Skolnik, “Steam turbine and steam
en una menor desviación que tiene la velocidad reheating simulation model”. International Conferen-
ce on Process Control, Junio, 2003. DOI: 10.1109/
del generador con relación al setpoint, especial- PC.2013.6581378.
mente cuando la resistencia cambió del 20% a su [2] P. Jiang, L. Gao y Y. Dai, “A new non-linear model of
valor nominal. steam turbine unit for dynamic analysis of power
system”. International Conference on Power System
Fig. 12. RESPUESTA TRANSITORIA DEL CONTROLADOR LQG ANTE CAM-
Technology, Octubre, 2010. DOI: 10.1109/POWER-
BIOS EN LA RESISTENCIA DE CAMPO DEL GENERADOR
CON.2010.5666735.
[3] G. Han, L. Chen, J. Shao y Z. Sum, “Study of fuzzy PID
controller for industrial steam turbine governing sys-
tem”. International Symposium on Communications
and Information Technology, Octubre, 2005. DOI:
10.1109/ISCIT.2005.1567100.
[4] I. Mohamed, “Adaptation of PID controller using AI
technique for speed control of isolated steam tur-
bine”. Conference on Electronics, Communications
and Computers, Marzo, 2012. DOI: 10.1109/JEC-
ECC.2012.6186962.
[5] H. Reza y R. Mohseni, “Generalized Model Predictive
Control for a Multivariable Boiler- Turbine Unit”. 11th
International Conference on Control, Automation and
Fuente: Los autores.
Systems, Octubre, 2011. ISSN: 2093-7121.
62 ITECKNE Vol. 15 Número 1 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • junio 2018 • 51 - 62

[6] M. Kordestani, M. Soleimani y A. Mirzaee, “Pre- [10] K. Ogata, Sistemas de control en tiempo discreto. Ed.
dictive control of large steam turbines”. 9th Asian Pearson Educacion. ISBN 0-13-034281-5, pp. 596-
Control Conference, Junio, 2013. DOI: 10.1109/ 609, 1995.
ASCC.2013.6606366. [11] R. Burns, Advanced Control Engineering. Ed. But-
[7] B. Codrons, “LQG control of steam temperature in terworth Heinemann. ISBN 0750651008, pp. 288-
power plants”. European Control Conference, Septiem- 299, 2001.
bre, 2003. Print ISBN: 978-3-9524173-7-9. [12] X. Lan Li, J. Gyu y H. Shin, “Comparison and evaluation
[8] M. Dulau y D. Bica, “Mathematical modelling and simu- of anti-windup PI Controllers”. Journal of Power Elec-
lation of the behavior of the steam turbine”. 7th Inter- tronics, vol. 11 no. 1, Enero, 2011.
national Conference Interdisciplinarity in Engineering, [13] L. Wang, Model Predictive Control System Design and
Octubre, 2013. DOI: 10.1016/j.protcy.2013.12.555. Implementation Using MATLAB. ISBN 978-84882-
[9] S. Chapman, Máquinas Eléctricas. McGraw Hill. ISBN 330-3, pp. 85-142, 2009.
958-600-125-3, Segunda edición, pp. 283-290,
1993.

También podría gustarte