Congreso Nacional de Control Automático 2006
18 - 20, Octubre, 2006, UNAM, México, DF
Diagnóstico de Fallas en el Turbogenerador a Vapor
de una Central de Ciclo Combinado
Ángel Flores Abad, Marino Sánchez Parra* y Cristina Verde
Resumen— Se presenta el desarrollo de un sistema de
diagnóstico de fallas para el turbogenerador a vapor de una
central de generación de ciclo combinado. El diseño se lleva a
cabo usando el análisis estructural. La descomposición Dulmage-
Mendelsohn de la matriz de incidencia divide al sistema en uno
justamente restringido y otro sobre restringido. Se realiza un
emparejamiento únicamente en la sección sobre restringida, lo
que permite encontrar las relaciones de redundancia analítica y
determinar la monitorabilidad y detectabilidad del proceso. El
sistema de diagnóstico de fallas se implanta en el simulador de
una central de generación de ciclo combinado, se prueba ante un
escenario reducido de fallas en los sensores, actuadores y proceso
y se analizan los resultados obtenidos.
Palabras Clave—Análisis estructural, diagnóstico de fallas,
detectabilidad, monitorabilidad, turbogenerador a vapor.
I. INTRODUCCIÓN
L AS centrales de generación de ciclo combinado (CGCC)
representan una de las mejores alternativas para
generación de energía eléctrica en todo el mundo. Sus
principales ventajas son: alta eficiencia en el proceso de
combustión, mayor generación de potencia eléctrica, menor
contaminación y gran flexibilidad.
La turbina de vapor (TV) es una componente fundamental en
las CGCC, ya que se considera la ganancia del proceso. Si
ocurre una falla en ella, se pueden provocar: pérdidas
económicas, peligro para los operadores, daños al medio
ambiente o incluso que la máquina salga de operación, lo que
reduciría la eficiencia global del proceso en alrededor de un
50%. Por lo anterior, contar con sistemas que permitan la
oportuna detección y localización (FDI, por sus siglas en
inglés) de las fallas, que mejore la disponibilidad y
confiabilidad de la planta; reduzca los costos de
mantenimiento y aumente el tiempo de vida de los equipos, es
una característica cada vez más necesaria en las CGCC.
En este trabajo se desarrolla un sistema de detección de
fallas basado en modelos de acuerdo a la metodología FDI, la
cual emplea la redundancia analítica y la consistencia entre el
A. Flores Abad, Departamento de Mecatrónica del Centro Nacional de
Investigación y Desarrollo Tecnológico, Cuernavaca, Mor. 62490 México.
(e-mail: anf_abad04mk@cenidet.edu.mx).
* Autor de correspondencia: M. Sánchez Parra, División de Sistemas de
Control del Instituto de Investigaciones Eléctricas, Cuernavaca, Mor. 62490
México (teléfono: +52-777-362-3811ext. 7721; fax +52-777-362-3811 ext.
2100; e-mail: msanchez@iie.org.mx ).
C. Verde, Departamento de Automatización del Instituto de Ingeniería de
la UNAM, Coyoacan, DF 04510 México, (e-mail: verde@servidor.unam.mx
).
316
ISBN 970-32-4025-9
modelo matemático y las mediciones del proceso para el
diagnóstico de fallas.
En los sistemas de gran escala, el uso de un modelo
estructural es más apropiado que un modelo dinámico porque
el primero es una abstracción del segundo, ya que para el
modelo estructural sólo se necesita saber qué variables
aparecen en cada una de las restricciones (ecuaciones), sin
tener en cuenta los parámetros ni la forma detallada de la
expresión matemática.
Existen diversas metodologías para analizar la estructura de
un sistema, en este trabajo se usa el análisis estructural (AE)
propuesto en [1]. El AE se basa en el proceso de
emparejamiento y las relaciones causales que existen entre las
variables del sistema para construir un modelo estructural,
generar las relaciones de redundancia analítica (ARR´s) y
determinar la monitorabilidad, detectabilidad y aislabilidad de
las fallas del sistema.
El documento está organizado de la siguiente manera. En la
sección II se introducen algunos conceptos sobre el análisis
estructural. La sección III presenta una descripción breve de la
TV y su modelo dinámico. En la sección IV se aplica el AE a
la TV y se analiza la detectabilidad y monitorabilidad del
proceso. En la sección V se muestra el diseño del sistema de
diagnóstico, en la sección VI se implanta y prueba en el
simulador de una CGCC y finalmente en la sección VII se dan
las conclusiones del trabajo.
II. ANÁLISIS ESTRUCTURAL
El análisis estructural es una herramienta basada en la teoría
de grafos [2] que usa la información estructural contenida en el
modelo dinámico, para determinar algunas propiedades del
sistema que son útiles en el diagnóstico de fallas.
Definición 1. El modelo estructural de un sistema se puede
representar por un grafo bipartito G = (V ∪ C , Γ )
dondeV = X ∪ K es el conjunto de vértices correspondiente a
las variables conocidas K y desconocidas X , que están en las
restricciones C = {c1 , c2 ,..., ci } ;
Γ= {(c , v ) v aparece en c }
i j j i es el conjunto de aristas. La
correspondiente matriz de incidencia MI de G es una matriz
booleana en donde las filas corresponden a C, las columnas a
{ }
V y MI = mi, j mi, j = 1si (ci , v j ) ∈ Γ, 0 en otro caso .
Definición 2. Un emparejamiento es una asignación causal que dinámica del proceso, en el AE se amplía el modelo agregando
asocia algunas variables desconocidas Xe del sistema con una restricción de la forma
las restricciones C e a partir de las cuales pueden ser d
xi = x i (di)
calculadas. Un emparejamiento es un subconjunto de Γ tal dt
que ninguna arista tiene vértices comunes. por cada variable de estado y así obtener un modelo estructural
de 33 restricciones.
Teorema 1. Cualquier MI se puede descomponer en tres
secciones: A. Modelo estructural

1) S + = (C + ,V + ) es la parte sobre restringida con más El modelo estructural contiene la información de las
variables que pertenecen a cada restricción. Considere el caso
restricciones que variables y existe un emparejamiento de c1 que corresponde a la posición de la válvula bypass, su
completo en V + pero no en C + .
expresión dinámica es
2) S 0 = (C 0 ,V 0 ) es la parte justamente restringida, con el k − k3
mismo número de restricciones que variables y existe si x1 = 2 (1)
θ1
hay un emparejamiento completo tanto en V 0 como en C 0 . y la estructural
3) S − = (C − ,V − ) es la parte sub restrzingida, con menos x 1 = f (k2 , k 3 , θ1 ) (2)
restricciones que variables y existe un emparejamiento
completo en C − pero no en V − . B. Matriz de incidencia
Esta descomposición se conoce como Dulmage-Mendelsohn
[3]: El modelo estructural de un sistema se puede representar por
una MI o por un G . La tabla 1 muestra la MI para el
III. DESCRIPCIÓN DE LA TURBINA DE VAPOR Y SU MODELO modelo de la TV en función de variables desconocidas.
DINÁMICO TABLA I
MATRIZ DE INCIDENCIA PARA LA TV
Existen diferentes configuraciones de CGCC. La que se usa C
X x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 x 10 x 11 x 12 x 13 x 14 x 15 x 16 x 17 x 18 x 19 x 20 x 21 x 22 x 23 x 24 x 25 x 26
en este trabajo cuenta con dos turbogeneradores a gas y uno a c1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
d1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
vapor. En condiciones ideales las unidades turbogas generan c2 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
95 MW y la de vapor 50 MW. El modelo dinámico usado d2
c3
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
corresponde al de una turbina de vapor para central de d3 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
generación de ciclo combinado Westinghouse [4]. Este c4
c5
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
modelo puede ir desde arranque en frío, sincronización, carga c6 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

mínima y carga base y se ha validado en diversos escenarios

c7 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
d4 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
de prueba similares a los reales. Los componentes principales c8 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0

del modelo de la TV son: válvula bypass, válvulas de control

d5 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
c9 0 0 0 1 0 1 1 1 1 0 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0
de admisión de vapor, turbina de vapor y generador eléctrico, d6 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
c10
los cuales se muestran en la Fig. 1. c11
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
c12 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
c13 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0
Recuperador FT Línea de extraccón
Gases de de calor al deareador c14 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0 0 0
salida TG1 Generador c15
TT 0 0 0 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
de vapor 1 ZT c16 0 0 0 0 0 0 0 1 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 0 0 0
Cabezal de vapor Carga c17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 0 0 0 0
sobrecalentado MW
Válvula c18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 0 0 0 0 0 0
Válvula
de corte de control ST c19
Válvulas de combustible de
PT TT 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 1 0 0
Turbina
quemadores posteriores de vapor Generador JT d7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
ZT c20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
c21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
c22 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0
ZT c23 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Recuperador
Gases de de calor TT d8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1
salida TG2 Generador c24
de vapor 2 Válvula PT TT 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
FT
bypass Condensador c25 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1
principal

Fig. 1. Turbogenerador a vapor de una CGCC C. Generación de ARR´s

IV. ANÁLISIS ESTRUCTURAL PARA LA TV Las ARR´s son expresiones escalares expresadas únicamente
El Modelo dinámico de la TV contiene 25 restricciones: 17 en función de variables conocidas, tal que en caso libre de
algebraicas no lineales y 8 diferenciales que corresponden a falla ci (k ) = 0 . Las ARR´s se obtienen de aquellas
las variables de estado. Se identifican 15 variables restricciones que no son consideradas en el proceso de
conocidas ki (APÉNDICE A), 26 desconocidas x i emparejamiento y por tanto son redundantes. Existen
(APÉNDICE B) y 22 parámetros θi . Para hacer referencia a la diferentes algoritmos para llevar a cabo el emparejamiento
[5], [6] y el que se usa aquí [2].

317
 TABLA 2
DESCOMPOSICIÓN DULMAGE-MENDELSOHN DE LA MI Y EMPAREJAMIENTO EN EL SUBSISTEMA SOBRE RESTRINGIDO
Desconocidas X 0
Desconocidas X +
Conocidas K
R C x17 x20 x 5 x21 x22 x 2 6 x 2 5 x 1 6 x 2 4 x 1 3 x 1 5 x14 x11 x 1 2 x 7 x 4 x 2 3 x 8 x 1 8 x 9 x10 x 3 x 2 x 6 x19 x 1
c18 1 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
c17 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
C0 d4 0 0 ∆ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
c21 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
c22 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 c23 0 0 0 0 0 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 k6
1 c25 0 0 0 0 0 1 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 k15
0 c20 0 0 0 0 0 0 0 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 k 3 , k 7 , k12 , k 13
0 d7 0 0 0 0 0 0 0 0 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 k6
0 c12 0 0 0 0 0 0 0 0 0 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 k 4 , k 5 , k 7 , k12 , k13 , k14
1 c13 0 0 0 0 0 0 0 0 0 1 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 k13 , k14
1 c10 0 0 0 0 0 0 0 0 0 1 0 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 k 7 , k12
0 d6 0 0 0 0 0 0 0 0 0 0 0 0 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 0 k12
2 c11 0 0 0 0 0 0 0 0 0 1 0 1 0 ⊕ 0 0 0 0 0 0 0 0 0 0 0 0 φ
0 c6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ⊕ 0 0 0 0 0 0 0 0 0 0 0 k7
0 c5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ⊕ 0 0 0 0 0 0 0 0 0 0 k7
0 c24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ⊕ 0 0 0 0 0 0 0 0 0 k6
1 c15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 ⊕ 0 0 0 0 0 0 0 0 k12
C+ 2 c19 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 ⊕ 0 0 0 0 0 0 0 k 6 , k15
0 c4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ⊕ 0 0 0 0 0 0 k 7 , k12
1 d5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ∆ ⊕ 0 0 0 0 0 φ
0 d3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ⊕ 0 0 0 0 k5
0 d2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ⊕ 0 0 0 k4
2 c9 0 0 0 0 0 0 0 1 0 0 1 0 1 0 1 1 0 1 0 1 0 0 0 ⊕ 0 0 k 8 , k 9 , k10 , k11 k12
3 c16 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 0 0 ⊕ 0φ
0 d1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ⊕ k4
0 c1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 k2 , k 3
0 c2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 k1 , k 4
0 c3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 k1 , k 5

ARR´s
2 c7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 φ
1 c8 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 k8 , k9
3 c14 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 k13
4 d8 0 0 0 0 0 ∆ 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ

En la tabla 2 el símbolo ∆ indica que la variable no es d8 : f (c23 (k 6 ), c25 (k15 ), k 6 , k15 ) = 0 (9)
calculable para evitar los ciclos diferenciales, como se señala
en [2] y [5]; ⊕ denota el emparejamiento (ci , v j ) . También en D. Análisis de monitorabilidad.
la tabla 2 se observa cómo al aplicar el algoritmo de
Dulmage-Mendelsohn propuesto en [7] se divide a la MI en En ausencia de falla, un sistema es estructuralmente
un subsistema S 0 y otro S + . En esta investigación se realizó monitoreable si el conjunto de variables desconocidas X se
solamente un emparejamiento de variables, de varias posibles puede expresar en función de las variables conocidas K . Para
combinaciones que existen, con las cuales es posible obtener este caso como todas las variables desconocidas X fueron
un mayor número de ecuaciones redundantes y aislar más emparejadas, el sistema es monitoreable por el conjunto de
fallas. Al llevar a cabo el proceso de emparejamiento en S + se K de variables conocidas dado por
obtiene el conjunto de restricciones redundantes dado por K = K s ∪ Kc
C red = {c1, c2 , c3 , c7 , c14 , c8 , d8 } donde
a las cuales se les aplica el back tracing según [8] para obtener K s = {k 3 , k 4 , k5 , k 6 , k 7 , k 8 , k 9 , k10 , k11, k12 , k13 , k14 , k15 }
(3)-(9) que representan las 7 ARR´s, expresadas únicamente en representa 3 transmisores de posición para las válvulas, 2
función de variables conocidas. trasmisores de presión, 1 pick-up magnético para medir la
velocidad, 4 termopares, 2 transmisores de flujo y 1
c1 : f (d1 (k 3 ), k2 , k 3 ) = 0 (3) wattimetro; las variables del subconjunto
Kc = {k1, k2 }
c2 : f (d2 (k 4 ), k1 , k 4 ) = 0 (4)
c3 : f (d3 (k 5 ), k1, k5 ) = 0 (5) son las señales control.
Para analizar la monitorabilidad en caso de falla se sigue el
c7 : f (c4 (k7 , k12 ), c5 (k 7 ), c6 (k 7 ), c9 (k 8 , k 9 , k10 , k11, k12 ), c12 (k 4 , procedimiento descrito en [9] y se encuentra que el sistema ya
k 5 , k7 , k12 , k13 , k14 ), c13 (k13 , k14 ), c15 (k12 ), c20 (k 3 , k 7 , k12 , k13 ) (6) no será monitoreable si falla un sensor del subconjunto
K nm = {k6 , k7 , k10 , k11 , k12 , k13 , k14 , k15 }
, d5 , d6 (k12 ), k 3 , k 4 , k 5 , k7 , k 8 , k 9 ,10 , k11, k12 , k13 , k14 ) = 0
y permanece, si falla un sensor de
c8 : f (c4 (k 7 , k12 ), c12 (k 4 , k5 , k 7 , k12 , k13 , k14 ), c13 (k13 , k14 ), c20 K m = {k8 , k9 }
(7)
(k 3 , k7 , k12 , k13 ), d5 , k 3 , k,4 , k5 , k7 , k 8 , k9 , k12 , k13 , k14 ) = 0 lo que indica que en los sensores de K m es posible sustituir la
c14 : f (c5 (k 7 ), c6 (k7 ), c10 (k 7 , k12 ), c11, c12 (k 4 , k 5 , k 7 , k12 , k13 redundancia de hardware por la analítica porque las ARR´s
calculan su valor en caso de que estos fallen, mientras que en
, k14 ), c13 (k13 , k14 ), c15 (k12 ), c16 , c19 (k 6 , k15 ), c24 (k6 ), (8) los sensores K nm se debe continuar con la redundancia de
d6 (k12 ), d7 (k 6 ), k 4 , k 5 , k 6 , k7 , k12 , k13 , k14 ) = 0 hardware.

318
E. Análisis de detectabilidad Para obtener la expresión matemática del residuo a partir del
modelo dinámico, se iguala a cero c8 (5) y se despeja la
Las fallas asociadas a la parte no detectable coinciden con el variable desconocida x i que aparece en el GEO para cada una
subsistema S 0 de la tabla 2, por lo que el conjunto de fallas no de las restricciones, como se muestra a continuación
detectable de la TV está en:
C nd = {d4 , c17 , c18 , c21 , c22 }
El que se tengan restricciones no detectables, no impacta k 8 + k9 − x 15 − x 16
c8 : − x 10 = 0 (10)
fuertemente en el proceso porque existen otras restricciones θ8
que cubren las secciones en las que C nd aparece. Como Con:
ejemplo considere que ocurre una falla en d 4 que calcula la k7
x9 = (11)
variación másica de vapor sobrecalentado, a pesar que ésta es k12 * θ 3
una restricción no detectable, existen otras restricciones que 2
podrían detectar la falla, como c4 , c5 , c6 , c7 , c8 , d5 , c9 , d6 las θ122 * k12 * k132 + (k 4 + k5 ) * θ132 * k14 * k72
x 13 = 2 (12)
cuales representan la: presión de vapor sobrecalentado, θ122 * k12 + (k 4 + k 5 ) * θ132 * k14
entalpía del vapor sobrecalentado, masa de vapor en el
k72 − k132
recuperador, densidad de vapor sobrecalentado, temperatura x 16 = k 3 * θ16 (13)
de vapor sobrecalentado, y variación de la temperatura de k12
vapor sobrecalentado, respectivamente. d
x 10 = x9 (14)
dt
V. DIAGNÓSTICO DE FALLAS
De acuerdo con [10] las etapas del diseño de un sistema de 2
x 13 − k132
diagnóstico de fallas son: generación de residuos, detección y x 15 = θ12 * (15)
k12
localización de las fallas.

Al sustituir (11)-(15) en (10) ésta queda únicamente en

A. Generación de residuos
Para obtener las expresiones matemáticas de los residuos, se
utilizan los grafos estructurales orientados (GEO´s), los cuales
indican el orden en el que se usan las restricciones para
calcular las variables desconocidas. Considere como ejemplo
el residuo 5, correspondiente a (7), primero se dibujan las
variables conocidas k 3 , k 4 , k5 , k7 , k 8 , k9 , k12 , k13 y k14 . Para las
variables desconocidas, en la tabla 2 se observa que c8 es
función de x 10 , x15 , x16 y que éstas se emparejaron con las
restricciones d5 , c13 y , c20 respectivamente, d5 a su vez es
función de x 9 que se emparejó con c4 , observe también que
c13 depende de x 13 que se empareja con c12 . De acuerdo al
índice R de la tabla 2 las restricciones c4 , c12 y c0 con
R = 0 se colocan primero y después d5 y c13 , como se ilustra
en la figura 2.
k8
función de variables conocidas y parámetros, dando lugar a la
expresión matemática del residuo.
Es común que la falta de exactitud en el modelado, las
condiciones del proceso y el ruido provoquen que los residuos
no sean cero en ausencia de fallas, tal como se aprecia en la
Fig. 3, que muestra la señal del residuo r5 correspondiente a
la ARR5 ( c8 ). Sin embargo, si se observa la escala del eje Y ,
los picos que presenta son muy pequeños. Estos picos se deben
a que las variables de las que depende el residuo de la TV
presentan variaciones originadas al momento del arranque de
la turbina de gas. En particular por la dinámica del compresor
que demanda un cierre el de la válvula de sangrado, lo que
modifica fuertemente el flujo de aire dirigido a la cámara de
combustión provocando cambios repentinos en la temperatura,
flujo y presión de vapor sobrecalentado que son variables de
las que depende el residuo 5.
Residuo 5
0.03
0.02

k12 0.01

0
k7 c4 d5
x9 x10 -0.01

k13 -0.02

k4 -0.03
c12 x13 c13 x15 c8 Cero
0 1000 2000 3000 4000 5000
Tiempo (s)
6000 7000 8000 9000

k5 Fig. 3. Señal del residuo 5

k14
x16 B. Detección de fallas
k3 c20
Las fallas que se proponen para validar el sistema de
k9 diagnóstico se muestra en la tabla 3.
Fig. 2. Grafo estructural orientado para la ARR5 ( c8 ).

319
 TABLA 3 A. Falla de sensores por desviación
FALLAS PROPUESTAS
Falla Descripción
En la Fig. 4 se muestra la falla por desviación del sensor de
Fallas en sensores:
posición de la válvula de control de admisión de vapor
f1 , f2 , f3 , f4 , f5 , f6 , f7 , Falla total ó por desviación de los
superior. La falla asociada a este caso es f2 y se introduce a
sensores, donde f1 , f2 , f3 , ..., son las fallas
f8 , f9 , f10 , f11, f12 , f13 los 4500 s. durante el rodado de la TV . De acuerdo a la tabla
de los elementos de K s *
3 los residuos que deben detectar esta falla son el 2, 4, 5 y 6.
f14 Falla en actuador: 100
Señal del sensor
Bloqueo de la válvula bypass 80
Desviación del sensor

f15 Falla en el proceso: Sobrevelocidad

Apertura (%)
60

* Ver APÉNDICE A 40

20

Para analizar cuales son las fallas que cada residuo detecta, 0
se relacionan los residuos ri y las fallas f j mediante la matriz 0 1000 2000 3000
Tiempo (s)
4000 5000 6000

Fig. 4. Señal del sensor de posición de la válvula superior de control de

de firma de fallas MF en donde admisión de vapor y la señal con desviación.
Residuo 2
0.01

1 si la falla j afecta el residuo i 0

MF =  -0.01

0 si la falla j no afecta el residuo i -0.02

-0.03
0 1000 2000 3000 4000 5000 6000

En la tabla 4 se presenta la MF para la TV. En la cual se 1

Residuo 4

observa que: r1, r2 , r3 detectan una falla cada uno y

0
corresponde a sensores, r4 detecta 11 fallas en sensores y el
bloqueo de la válvula bypass, r5 detecta la falla de 9 sensores y -1
0 1000 2000 3000 4000 5000 6000
Residuo 5
el bloqueo de la válvula bypass, r6 reacciona ante la falla de 8 0.03
0.02
sensores y la de sobrevelocidad, finalmente r7 detecta 2 fallas 0.01

en sensores y la de sobrevelocidad.
0
-0.01
0 1000 2000 3000 4000 5000 6000

TABLA 4 Residuo 6

MATRIZ DE FIRMA DE FALLAS PARA LA TV 0

-0.02
f1 f2 f3 f4 f5 f6 f7 f8 f9 f10 f11 f12 f13 f14 f15 -0.04

r1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -0.06
0 1000 2000 3000 4000 5000 6000
r2 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 Tiempo (s)

r3 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 Fig. 5. Respuesta de los residuos 2, 4, 5 y 6 ante la falla por desviación en el

sensor de posición de la válvula superior de control de admisión de vapor.
r4 1 1 1 0 1 1 1 1 1 1 1 1 0 1 0
r5 1 1 1 0 1 1 1 0 0 1 1 1 0 1 0
Como se observa en la Fig. 5 se cumple lo especificado en la
r6 0 1 1 1 1 0 0 0 0 1 1 1 1 0 1
tabla 4, es decir, que los residuos que tienen que detectar la
r7 0 0 0 1 0 0 0 0 0 0 0 0 1 0 1 falla, lo hacen. También se aprecia que únicamente r2 muestra
un efecto permanente, en r4 , r5 y r6 la falla se refleja por un
C. Localización de fallas instante y luego desaparece.

Una falla fj es localizable si su columna j en la tabla 4 es B. Falla de sobrevelocidad

única, es decir que tiene una firma de falla que no se repite.
De acuerdo a lo anterior las fallas f1 , f2 , f3 si se distinguen del
resto y las fallas que tienen la misma firma son ( f4 , f13 , f15 ) ,
( f5 , f10 , f11, f12 ) , ( f6 , f7 , f14 ) y ( f8 , f9 ) .
En la Fig. 6 se ilustra como a los 7200 s. la velocidad
angular de la TV rebasa su valor nominal de 3600 rpm y llega
hasta 4500 rpm. Para este caso los residuos que deben de
detectar la falla son r6 y r7 , lo cual se muestra en la Fig. 7

4000
VI. RESULTADOS DE LA SIMULACIÓN
Velocidad (rpm)

3000
Se programó y validó el sistema de diagnóstico en el
simulador [11] de una CGCC ante las fallas propuestas en la
2000

tabla 3, aquí únicamente se muestran dos casos. 1000

0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
Tiempo (s)
Fig. 6. Falla por sobrevelocidad.

320
 2
Residuo 6
1
0
-1
-2
0 1000 2000 3000 4000 5000 6000 7000
Residuo 7
50
0
-50
-100
0 1000 2000 3000 4000 5000 6000 7000
Tiempo (s)
Fig. 7. Respuesta de los residuos 6 y 7 ante la falla por sobrevelocidad.
VI. CONCLUSIONES
Se presentó un sistema de diagnóstico de fallas basado en el
modelo del turbogenerador a vapor de una central de
generación de ciclo combinado. Se usó el análisis estructural
como herramienta principal para el diseño. La descomposición
Dulmage-Mendelshon de la matriz de incidencia separó
directamente al subsistema no detectable S 0 y redujo el
esfuerzo algorítmico y análisis a únicamente el subsistema
sobre restringido S + . El algoritmo de emparejamiento
utilizado, sólo encuentra uno de los múltiples emparejamientos
que existen en S + dependiendo del algoritmo que se use, lo
cual dificulta la tarea de localización de las fallas. Al analizar
la monitorabilidad del sistema se obtiene que es posible
combinar la redundancia analítica con la de hardware para
reducir el número de sensores sin perder la disponibilidad de
la variable. Se mostró que a pesar de que existe un conjunto de
restricciones no detectables C nd , existen otras restricciones
que protegen las secciones del proceso a las que pertenece
C nd . Con las 7 ARR´s encontradas se diseñó el sistema de
diagnóstico de fallas que se validó experimentalmente
mediante la simulación de fallas en sensores, actuadores y
proceso. Actualmente se trabaja en la mejora de la etapa de
localización, para poder aislar aquellas fallas que tengan la
misma firma.
VII. APENDICES
A. Variables conocidas K
Señal de control para la válvula bypass, k1 ; señal de
control para las válvulas de control, k2 ; posición de la válvula
bypass, k 3 ; posición de la válvula de control superior, k 4 ;
posición de la válvula de control inferior, k 5 ; velocidad del
turbogenerador, k 6 ; presión de vapor en el recuperador, k 7 ;
flujo de vapor en el recuperador de calor 1, k 8 ; flujo de vapor
en el recuperador de calor 2, k 9 ; temperatura de vapor después
de la válvula de atemperación 1, k10 ; temperatura de vapor
después de la válvula de atemperación 2, k11 ; temperatura de
vapor sobrecalentado, k12 ; presión de vapor en el
condensador, k13 ; temperatura de vapor en el condensador,
k14 ; trabajo eléctrico del generador, k15 .
B. Variables desconocidas X
Derivada de la posición de la válvula bypass, x 1 ; derivada
de la posición de la válvula de control superior, x 2 ; derivada
de la posición de la válvula de control inferior, x 3 ; entalpía
del vapor que sale del recuperador de calor, x 4 ; masa de
vapor en el recuperador de calor, x 5 ; derivada de la masa de
8000 9000 vapor en el recuperador de calor x 6 , temperatura de agua en el
deareador, x 7 ; entalpía del vapor sobrecalentado, x 8 ;
densidad de vapor sobrecalentado, x 9 ;derivada de la densidad
del vapor sobrecalentado, x 10 ;derivada de la temperatura del
vapor sobrecalentado, x 11 ;densidad del vapor que entra a la
8000 9000
turbina, x 12 ; presión de vapor que entra a la turbina, x 13 ;
temperatura de vapor que entra a la turbina, x 14 ; flujo de vapor
que entra a la turbina, x 15 ; flujo de vapor en la válvula bypass,
x 16 ;flujo de vapor que sale de la turbina, x 17 ; entalpía de
vapor que sale de la turbina, x 18 ; densidad de vapor que sale
de la turbina, x 19 ; fracción másica de vapor saturado que sale
de la turbina, x 20 ; entalpía del líquido saturado en el
condensador, x 21 ; entalpía del vapor saturado en el
condensador, x 22 ; energía perdida por fricción en el
turbogenerador, x 23 ; derivada de la velocidad del
turbogenerador, x 24 ; ángulo de potencia, x 25 ; derivada del
ángulo de potencia, x 26 .
REFERENCIAS
[1] M. Staroswiecki, & P. Declerck, “Analytical redundancy in non-linear
interconnected systems by means of structural analysis,” in
Proceedings of the IFAC/AIPAC´89, Nancy, Francia. 1989, vol. 2,
pp. 23-17.
[2] M. Blanke, M. Kinnaert, J. Lunze & M. Staroswiecki, Diagnosis and
fault tolerant control. Berlin: Springer, 2003.
[3] A.L. Dulmage, & N. S. Mendelsohn (1958), “Covering of bipartite
graphs,” Canadian Journal of mathematics, vol 10, pp. 517-534,
1958.
[4] M. A. Delgadillo Valencia y J. E. Fuentes Gutiérrez, “Modelo
dinámico de la turbina de vapor,” informe técnico No. IC-5117-MOD-
TV-2.0, Proyecto IIE-5117, 1996. Instituto de Investigaciones
Eléctricas, Cuernavaca, México, 1996.
[5] D. Düştegör, E. Frisk, V. Cocquempot, M. Krysander, & M.
Staroswiecki, “Structural analysis of fault isolability in the
DAMADICS benchmark,” Control Engineering Practice, vol 14, no.
6, pp. 597-608, 2005.
[6] R. Izadi-Zamanabadi, “Structural Analysis Approach to Fault
Diagnosis with Application to Fixed-wing Air Craft Motion,” in
Proceedings of the American Control Conference, ACC’02,
Anchorage, Alaska, 2002 pp. 3949-3954.
[7] A. Pothen, & Ch. Fan, “Computing the blok triangular form of a
sparse matrix,” ACM Trans on mathematical software, vol 16, no. 4,
pp. 330-324, 1990.
[8] M. Sánchez y C. Verde, “Redundancia analítica en el sistema de
inyección de una turbina de gas,” en memorias del Congreso Anual
del AMCA. Cuernavaca, México, 2005
[9] C. Verde & M. Sánchez, “Monitorability analysis for a gas turbine
using structural analysis,” 6th IFAC Symposium in Fault Detection,
Supervision and Safety for Technical Processes. SAFEPROCESS’06.
Beijing, China. To be Published, 2006.
[10] J. Chen, & R. Patton, Robust model-based fault diagnosis for
dynamic systems. Boston: Kluwer academic publishers, 1999.
[11] M. A. Martínez, “Sistema de control supervisorio generalizado
convencional e inteligente para centrales de generación de ciclo
combinado,” Tesis de maestría, Centro Nacional de Investigación y
Desarrollo Tecnológico, Cuernavaca, México, 2004
321