160MC Voso PDF

CENTRO NACIONAL DE INVESTIGACIN
Y DESARROLLO TECNOLGICO
cenidet
CONTROL NEURODIFUSO MULTIVARIABLE APLICADO
AL CONTROL DE VELOCIDAD, POTENCIA Y TEMPERATURA
DE GASES DE ESCAPE DE UNA UNIDAD TURBOGAS
T E S I S
PARA OBTENER EL GRADO DE:
MAESTRO EN CIENCIAS EN
INGENIERIA ELECTRNICA
P R E S E N T A:
ING. VICTOR OCTAVIO SEGURA OZUNA
DIRECTOR DE TESIS:
DR. CARLOS SALVADOR DE LARA JAYME
CO-DIRECTOR DE TESIS:
DR. VICTOR MANUEL ALVARADO MARTINEZ
CUERNAVACA, MORELOS, MXICO. NOVIEMBRE 2004

RESUMEN
La demanda de energa elctrica en Mxico ha obligado al sector elctrico a estar en

una bsqueda constante de mtodos y sistemas que, entre otros objetivos, mejoren
continuamente la operacin de las centrales generadoras de energa elctrica. Como parte
de su misin, el Instituto de Investigaciones Elctricas (IIE) ha promovido y apoyado la
investigacin aplicada y el desarrollo tecnolgico para mejorar los ndices de seguridad,
disponibilidad, confiabilidad, eficiencia y durabilidad de centrales generadoras mediante el
desarrollo y la implantacin de grandes sistemas digitales de informacin y control.
En la actualidad, dentro del esquema de generacin de energa elctrica, las

unidades turbogas (UTG) representan 7% de la generacin del sector elctrico nacional [1].
Estas unidades se han convertido en el modo dominante de la nueva generacin elctrica
en los EE.UU, ya sea en ciclo simple o combinado. Lo anterior, es atribuible al menor costo
de instalacin por kilowatt generado, a los programas de construccin ms cortos, a bajos
niveles de emisin de contaminantes y costos de operacin competitivos.
El sistema de control de las unidades turbogas est basado en algoritmos de control

convencionales del tipo PI [2]. Este esquema de control es destinado para tareas de
regulacin y rechazo a perturbaciones, y no para seguimiento de puntos de referencia. Los
controladores actan todos sobre una sla vlvula de control, lo cual representa una fuerte
interaccin entre los mismos, por ejemplo un ajuste en los parmetros del algoritmo del PI
digital de temperatura, puede mejorar su desempeo pero tambin puede afectar el
desempeo del control de velocidad o el de potencia.
La turbina de gas presenta un comportamiento no lineal y variante en el tiempo,

principalmente en la etapa de arranque donde se presentan varios disturbios importantes.
Actualmente, los controladores utilizados en los esquemas de control de las turbinas son
lineales, los cuales son sintonizados para un punto de operacin especfico y son
conservados as por tiempo indefinido.
En esta tesis se presenta la formulacin de un controlador prealimentado

multivariable, diseado con la combinacin de las tecnologas de lgica difusa y redes
neuronales con el propsito de mejorar el control de velocidad, potencia y temperatura de la
UTG. Este control propuesto es usado en conjuncin con el esquema de control
convencional de la UTG existente, para integrar una estrategia de control hbrida
prealimentada. El control prealimentado est compuesto por un sistema de inferencia difuso
de mltiples entradas y una sla salida diseado con datos de entrada y salida de la planta.
El controlador retroalimentado est compuesto por controladores tipo PI convencionales en
este tipo de unidades.
Con esta estrategia, el controlador prealimentado provee una mayor contribucin en

la seal de control disminuyendo el esfuerzo de control de los controladores PI
convencionales y la fuerte interaccin que existe entre ellos. Los controladores PI
retroalimentados aportan una menor seal de control utilizada para ajustes finos en la seal
de control.
SUMMARY
The electric power demand in Mexico has forced to the electric sector to be in a
constant search of methods and systems that, among other objectives, improve the
operation of the generating power stations of electric power continually. As part of their
mission, the Electrical Research Institute (IIE) it has promoted and leaning the applied
research and the technological development to improve the indexes of security, readiness,
dependability, efficiency and durability of central generating by means of the development
and the installation of big digital systems of information and control.
At the present time, inside the scheme of electric power generation, the gas turbine
(UTG) represent 7% of the generation of the national electric sector [1]. These units have
become the dominant way of the new electric generation in the U.S, either in simple cycle
or combined. The above-mentioned, is attributable at less installation cost for generated
kilowatt, to the shortest construction programs, at first floor levels of emission of pollutants
and competitive operation costs.
The control system of the gas turbine is based on conventional control algorithms of
the type PI [2]. This control scheme is dedicated for regulation tasks and rejection to
interferences, and it doesn't stop pursuit of reference points. The controllers act all on a
control valve, that which represents a strong interaction among the same ones, for example
an adjustment in the parameters of the algorithm of the digital PI of temperature, it can
improve their acting but it can also affect the acting of the speed control or that of power.
The gas turbine presents a non lineal behavior and variant in the time, mainly in the
starting stage where several important disturbances are presented. At the moment, the
controllers used in the scheme of control of the turbines are lineal, which are syntonized for
a specific operation point and they are conserved this way by indefinite time.
In this thesis the formulation of a controller feedback multivariable is presented,

designed with the combination of the technologies of fuzzy logic and neural networks with
the purpose of improving the control of speed, power and temperature of the UTG. This
proposed control is used in conjunction with the scheme of conventional control of the
existent UTG, to integrate a strategy of control hybrid feedback. The control feedback is
compound for a fuzzy inference system of multiple entrances and a left exit designed with
entrance data and exit of the plant. The controller feedforward is compound for
conventional controllers type PI in this type of units.
With this strategy, the controller feedback provides a bigger contribution in the
control sign the effort of the conventional controllers' PI control and the strong interaction
that it exists among them diminishing. The controllers PI feedforward contribute a smaller
control sign used for fine adjustments in the control sign.
INDICE
LISTA DE TABLAS ------------------------------------------------------------------------- iii

LISTA DE FIGURAS ------------------------------------------------------------------------- iii
LISTA DE ABREVIATURAS --------------------------------------------------------------- vi
INTRODUCCIN
Antecedentes ------------------------------------------------------------------------------------- 1
Estado del arte ----------------------------------------------------------------------------------- 3
Justificacin ------------------------------------------------------------------------------------ 4
Planteamiento del problema a solucionar --------------------------------------------------- 5
Objetivo ----------------------------------------------------------------------------------- 5
Alcance ----------------------------------------------------------------------------------- 6
Aportaciones-------------------------------------------------------------------------------------- 6
Organizacin ------------------------------------------------------------------------------------ 6
CAPITULO 1 UNIDAD TURBOGAS
1.1 Introduccin ----------------------------------------------------------------------------- 8

1.2 Ciclo de trabajo de una turbina de gas ----------------------------------------------- 9
1.3 Transformaciones de energa en una central turbogas ----------------------------- 10
1.4 Operacin tpica de una unidad turbogas -------------------------------------------- 11
1.5 Componentes principales de una unidad turbogas -------------------------------- 12
1.5.1 Compresor ------------------------------------------------------------------- 12
1.5.2 Cmara de combustin ------------------------------------------------------ 14
1.5.3 Turbina ------------------------------------------------------------------------ 15
1.5.4 Generador elctrico --------------------------------------------------------- 15
1.5.5 Equipo auxiliar motor de arranque --------------------------------------- 16
1.5.6 Equipo del sistema de combustible --------------------------------------- 16
1.6 Ecuaciones principales que rigen el comportamiento de la UTG modelo
GE-5001 ---------------------------------------------------------------------------------- 17
1.6.1 Datos de operacin de la TG-5001 ------------------------------------------ 22
1.7 Conclusiones -----------------------------------------------------------------------------23
CAPITULO 2 CONTROL CONVENCIONAL DE LA UNIDAD TURBOGAS
2.1 Introduccin ---------------------------------------------------------------------------- 24

2.2 Evolucin de los sistemas de control para unidades turbogas --------------------- 25
2.3 Requerimientos de control de una unidad turbogas -------------------------------- 25
2.3.1 Secuencia ----------------------------------------------------------- 26
2.3.2 Control de velocidad ------------------------------------------------------- 29
2.3.3 Control de potencia --------------------------------------------------------- 30
2.3.4 Control de temperatura ---------------------------------------------------- 31
2.4 Esquema actual de control (tpico) -------------------------------------------------- 31
2.5 Comportamiento de control actual ------------------------------------------------- 33
2.6 Problemtica del control actual ------------------------------------------------------ 35
i
2.7 Conclusiones -------------------------------------------------------------------------- 38
CAPITULO 3 CONTROL PREALIMENTADO NEURODIFUSO

MULTIVARIABLE
3.1. Introduccin ------------------------------------------------------------------------- 40

3.2. Control prealimentado ------------------------------------------------------------- 41
3.3. Sistemas neurodifusos -------------------------------------------------------------- 44
3.3.1. Anfis ------------------------------------------------------------------------ 44
3.3.1.1.Arquitectura anfis ------------------------------------------------------ 44
3.4. Diseo del controlador neurodifuso multivariable ----------------------------- 47
3.5. Pruebas de CNMP con ajuste de los controladores ----------------------------- 55
3.6. Conclusiones ------------------------------------------------------------------------- 55
CAPITULO 4 EVALUACION Y ANALISIS DE RESULTADOS
4.1 Introduccin----------------------------------------------------------------------------- 56
4.2 Ambiente de pruebas-------------------------------------------------------------------- 57
4.3 Pruebas del esquema propuesto vs esquema de control convencional --------- 57
4.3.1 Interaccin entre los controladores --------------------------------------- 58
4.3.2 Evaluacin del sistema de control mediante ndices de
Comportamiento ------------------------------------------------------------ 67
4.3.3 Rechazo a disturbios ------------------------------------------------------- 71
4.4 Conclusiones ------------------------------------------------------------------------------ 74
CAPITULO 5 CONCLUSIONES
5.1 Introduccin ------------------------------------------------------------------------- 75

5.2 Problemtica ------------------------------------------------------------------------ 76
5.3 Conclusiones ------------------------------------------------------------------------ 76
5.4 Aportaciones ------------------------------------------------------------------------ 76
5.5 Trabajos futuros -------------------------------------------------------------------- 77
APENDICE A AMBIENTE DE PRUEBA
A.1 Introduccin ------------------------------------------------------------------------ 78

A.2 Sistema de prueba ----------------------------------------------------------------- 79
A.3 Modelo del sistema UTG ---------------------------------------------------------- 79
A.3.1 Bloque de control -------------------------------------------------------------- 80
A.3.2 Bloque del secuenciador ------------------------------------------------------ 81
A.3.3 Bloque de la UTG --------------------------------------------------------------82
A.4 Pruebas de simulacin de la UTG ------------------------------------------------ 83
APENDICE B ANFISEDIT
B.1 Introduccin ------------------------------------------------------------------------ 85

B.2 Procedimiento de diseo ---------------------------------------------------------- 86
ii
APENDICE C FUNDAMENTOS DE LGICA DIFUSA, REDES NEURONALES,
SISTEMAS NEURODIFUSOS Y ANFIS.
C.1 Lgica Difusa ------------------------------------------------------------------------- 90

C.2 Redes Neuronales ----------------------------------------------------------- 98
C.3 Sistemas Neurodifusos -------------------------------------------------------------105
C.3.1 ANFIS ...-------------------------------------------------------------------------------107
APENDICE D PUBLICACIN RVP-AI/2000 ---------------------- --------------113
REFERENCIAS --------------------------------------------------------------------------120
LISTA DE TABLAS
Tabla 1.1 Variables principales de la TG --------------------------------------------------17

Tabla 1.2 Nomenclatura -----------------------------------------------------------------------19
Tabla 3.1 Rangos reales de la variables vs rangos normalizados --------------------- 50
Tabla 3.2 Base de reglas del sistema neurodifuso -------------------------------------- 53
Tabla 4.1 Puntos de interaccin entre los controladores -------------------------------- 60
Tabla 4.2 ndices de error de la velocidad angular de la TG --------------------------- 68
Tabla 4.3 ndices de error de la temperatura de gases de escape de la TG ----------- 69
Tabla 4.4 ndices de error de la potencia generada por la TG ------------------------- 69
Tabla C.1 Funciones de pertenencia --------------------------------------------------------- 94
Tabla C.2 Comparativa entre las tcnicas de RNA y lgica difusa ---------------------105
LISTA DE FIGURAS
Figura 0.1. Mapa de generacin de energa elctrica ------------------------------------ 2

Figura. 1.1 El ciclo Brayton (4 fases de operacin) -------------------------------------- 9
Figura 1.2 Transformaciones de energa --------------------------------------------------- 11
Figura 1.3 Diagrama esquemtico de una turbina de gas -------------------------------- 12
Figura 1.4. Diagrama presin-velocidad-temperatura del aire en el compresor ------- 13
Figura 1.5. Trayectoria del aire en una turbina de gas tpica ------------------------------ 14
Figura 1.6 Sistema compresor-cmara de combustin-turbina de gas y sus variables- 17
Figura 2.1 Secuencia de arranque ----------------------------------------------------------- 26
Figura 2.2 Esquema actual de control de velocidad, potencia y temperatura------------ 32
Figura. 2.3 Diagrama a Bloques del Lazo de Control de Velocidad ------------------- 32
Figura 2.4 Grfica de las respuestas de la turbina ---------------------------------------- 34
Figura 2.5 Grfica de la velocidad de la turbina ante ajuste de los parmetros en el
PI de temperatura ---------------------------------------------------------------- 35
Figura 2.6 Grfica del comportamiento de la temperatura de la turbina ante ajuste de los
parmetros en el PI de temperatura -------------------------------------------- 36
Figura 2.7 Grfica de la potencia de la turbina ante ajuste de los parmetros en el PI
de temperatura -------------------------------------------------------------------- 36
Figura 2.8 Grfica del error de la velocidad de la TG ----------------------------------- 37
Figura 2.9 Grfica del error de la potencia de la turbina -------------------------------- 38
iii
Figura 3.1 Configuracin del control de dos grados de libertad ------------------------ 41
Figura 3.2 Esquema de Control Propuesto aplicado al control de velocidad potencia
y temperatura de unidades turbogas ------------------------------------------ 43
Figura 3.3 Mecanismo de razonamiento para un sistema TSK --------------------------45
Figura 3.4 Diagrama del algoritmo ANFIS ------------------------------------------------ 45
Figura. 3.5 Obtencin de los datos de entrenamiento ------------------------------------ 48
Figura 3.6 Mapeo lineal entre el dominio X de la variable fsica x y el universo de
discurso normalizado Y de la variable difusa y ------------------------------ 49
Figura. 3.7 Estructura del sistema neurodifuso -------------------------------------------- 51
Figura 3.8. Funciones de membresa tipo trapezoidal para cada entrada. a) de
velocidad, b) de potencia, c) de temperatura ---------------------------------- 52
Figura 3.9 Funcin de pertenencia trapezoidal ------------------------------------------ - 52
Figura 3.10 Implementacin del sistema neurodifuso al esquema de control --------- 54
Figura 4.1 Grfica de la velocidad angular de la TG.-------------------------------------- 58
Figura 4.2 Grfica de la temperatura de los gases de escape de la TG. ---------------- 59
Figura 4.3 Grfica de la potencia generada de la TG ------------------------------------- 59
Figura 4.4 Grfica de la velocidad angular de la TG en el primer periodo de
control del PI de velocidad ------------------------------------------------------- 61
Figura 4.5 Grfica de la velocidad angular de la TG en el segundo periodo de
control del PI de velocidad ----------------------------------------------------- 62
Figura 4.6 Grfica de la TGE de la TG durante la etapa de arranque ------------------ 63
Figura 4.7 Grfica de la TGE de la TG durante la etapa de generacin --------------- 63
Figura 4.8 Grfica del seguimiento de la referencia de potencia ----------------------- 64
Figura 4.9 Grfica de la potencia mxima generada ------------------------------------- 65
Figura 4.10 Seales de control generadas por el esquema de control propuesto ----- 66
Figura 4.11 Seales de control de los esquemas de control ---------------------------- 66
Figura 4.12 ndices de error IAE e ITAE de las respuestas de velocidad ------------- 68
Figura 4.13 ndices de error IAE e ITAE de las respuestas de la TGE ----------------- 69
Figura 4.14 ndices de error IAE e ITAE de las respuestas de la potencia generada - 69
Figura 4.15 Grfica del error de seguimiento de la velocidad -------------------------- 70
Figura 4.16 Grfica del error de seguimiento de la potencia --------------------------- 71
Figura 4.17 Respuestas de la potencia generada ante el disturbio --------------------- 72
Figura 4.18 Respuestas de la velocidad ante el disturbio ------------------------------- 73
Figura 4.19 Salida de los controladores ante rechazo a disturbio --------------------- 73
Figura A.1 Diagrama a bloques de la operacin de la UTG --------------------------- 79
Figura A.2 Diagrama a Bloques del Sistema UTG -------------------------------------- 80
Figura A.3. Etapa de control de la UTG ---------------------------------------------------- 80
Figura A.4. Diagrama que muestra la parte del secuenciador lgica de la UTG ---- 81
Figura A.5 Diagrama interno de la UTG, vlvulas de combustible, sangrado y
labes gua, Compresor, Cmara de Combustin y Turbina. ------------- 82
Figura A.6 Graficas de las respuestas en la UTG ----------------------------------------- 84
Figura B.1 Datos de entrenamiento --------------------------------------------------------- 86
Figura B.2 seleccin de numero y tipo de funciones de membresa ------------------ 87
Figura B.3 Comportamiento del error durante el entrenamiento ---------------------- 88
Figura B.4 Verificacin del entrenamiento del sistema neurodifuso ----------------- 89
Figura C.1 Funciones de pertenencia de tres conjuntos difusos para la velocidad de un
automvil ---------------------------------------------------------------------------91
iv
Figura.C.2 Bloques funcionales del sistema difuso ----------------------------------------94
Figura C.3 Tipos de razonamiento difuso -------------------------------------------------- 98
Figura C.4 Diagrama de la Red Neuronal Artificial. --------------------------------------101
Figura C.5 arquitectura de una red de 2 entradas, y 1 salida (propagacin)------------107
Figura C.6 arquitectura de una red de 2 entradas, y 1 salida (retro.propagacin) -----109
Figura C.7 Funcin de membresa tipo triangular. ----------------------------------------111
v
Lista de Abreviaciones
ANFIS Adaptive Network based Fuzzy Inference System
ARIC Aproximate Reasoning based Intelligent Control
c.a Corriente alterna.
CD Conjunto Difuso
CFE Comisin Federal de Electricidad.
CGCC Centrales de Generacin de Ciclo Combinado ()
CNM Controlador Neurodifuzo Multivariable
CNMP Controlador Neurodifuzo Multivariable Prealimentado
CSV Controlador Supervisor de Velocidad
CTG Centrales Turbogas
DELTAet Angulo de desfasamiento de campos magnticos del generador.
Ecomp Energa del compresor.
EE.UU Estados Unidos de America
FALCON Fuzzy Adaptive Learning Control Network
FP Funcin de Pertenencia
FuNe Fuzzy Network
Gaic Flujo de aire que entra al compresor.
GARIC Generalized Aproximate Reasoning based Intelligent Control
Gasang Flujo que sale de las vlvulas de sangrado.
Gasc Flujo de aire que sale del compresor.
Gcgt Flujo de combustible gas a la cmara de combustin.
Gct Flujo total de combustible a la cmara de combustin.
GE General Electric
Ggicct Flujo de gases que entran a la cmara de combustin.
Ggit Flujo de gases que salen de la cmara de combustin.
Gqclt Flujo de combustible diesel a la cmara de combustin.
Hcct Energa en la cmara de combustin.
Hgst Energa a la salida de la turbina de gas.
IAE Integral Absoluta del Erro
vi
IEEE Instituto de Ingenieros Elctricos y Electrnicos
IHM Interfaz Hombre Maquina
IIE Instituto de Investigaciones Elctricas
IPG Interruptor Principal del Generador
ITAE Integral del Tiempo por el valor Absoluto del Error
LD Lgica Difusa
MISO Multiples entradas- simple salida
MW Megawatts
NEFCON Neuro Fuzzy Control
NNDFR Neural Network Driven Fuzzy Reasoning
OMEGAt Velocidad angular de la turbina.
OMEGAtr Velocidad angular del generador.
PC Computadora Personal
Pcct Presin en la cmara de combustin.
PI Proporcional Integral
PID Proporcional Integral Derivativo
Piqg Presin del combustible gas.
Piql Presin del combustible diesel.
Pj Presin atmosfrica.
RN Redes Neuronales
RNA Redes Neuronales Artificiales
RPM Revoluciones por minuto
RVP-AI Reunin de Verano de Potencia, Aplicaciones Industriales
Tacct Temperatura de entrada a la cmara de compresin.
TG Turbinas de Gas
Tgcct Temperatura en la cmara de combustin.
Tgst Temperatura de gases que salen de la turbina.
Tsang Temperatura del flujo de aire de sangrado.
TSK Takagi Sugeno Kan
vii
UTG Unidad Turbogas
VL Variable Lingstica
Vol Voltaje en terminales.
Wet Energa elctrica producida por el generador.
Wft Friccin en la turbina de gas.
Xcgt Apertura de la vlvula de control de combustible gas.
Xqclt Apertura de la vlvula de control de combustible diesel.
viii
Introduccin
Antecedentes.
La mayora de las Centrales Generadoras de Energa Elctrica que se encuentran

actualmente en servicio fueron instaladas en las dcadas de los 60s y 70s. La dcada de
los 80s se caracteriz principalmente por una baja actividad en la instalacin de nuevas
centrales, en los 90s se observ un notable incremento en la demanda, bajo un clima de
fuerte incertidumbre econmica y con un bajo crecimiento en la capacidad instalada.
En la actualidad, la Comisin Federal de Electricidad (CFE) est preparada para la

reestructuracin de acuerdo al Programa de desarrollo y reestructuracin del sector de la
energa [3], en el cual se alienta la participacin privada en la generacin elctrica y se
orienta a la inversin pblica a mejorar y fortalecer la transmisin y distribucin de
electricidad. De esta forma, la CFE avanza en la transicin de un monopolio a un mercado
abierto donde haya competencia entre un mayor nmero de participantes.
La CFE tambin fortalece y ampla su infraestructura con la adopcin de nuevas

tecnologas y el impulso a la investigacin y desarrollo tecnolgico del sector, incorpora
ms calidad en sus procesos de produccin disminuyendo tambin la afectacin del medio
ambiente.
1
Introduccin
El gas es actualmente la fuente que requiere de menor inversin de capital y la ms

limpia para la obtencin del fluido energtico. La evolucin mundial de los sistemas
elctricos que utilizan gas es inevitable, pues se sabe que el costo de capital por MW
invertido en una planta de gas equivale a cerca de la mitad del costo de capital en una
planta convencional (por ejemplo una planta hidroelctrica o una carboelctrica)[3]. Debido
a esto la CFE se prepara para incrementar la utilizacin de gas en la generacin de
electricidad, previendo que en pocos aos se pasar de un 16 % a un 60 % en su consumo.
Otra de las estrategias adoptadas por la CFE para satisfacer la demanda de energa
elctrica presenta un enfoque hacia la produccin, a menor costo, de ms energa elctrica
con la capacidad instalada existente. Con respecto a esto, desde una perspectiva tcnica, son
de vital importancia los problemas de extensin de la vida til (duracin del equipo) y el
mejoramiento del rgimen trmico de las centrales (eficiencia de los procesos de
transformacin de energa).
Como resultado del ambicioso programa de construccin de plantas generadoras de

energa elctrica que el gobierno mexicano inici en 1998, para el ao 2001 la CFE alcanz
una capacidad instalada de generacin cercana a 36 mil MW. La meta principal de la
empresa elctrica nacional consiste en satisfacer la gran demanda de energa elctrica que
requiere el crecimiento industrial del pas, principalmente mediante centrales de generacin
ms flexibles, eficientes y rentables basadas en el uso del gas [4] .
En la actualidad, dentro del esquema de generacin de energa elctrica, las

unidades turbogas representan 7% de la generacin del sector elctrico nacional como lo
muestra la figura 0.1. Cada unidad cuenta con una capacidad nominal de generacin de
hasta 24 MW. Sin embargo, la caracterstica de rpida entrada en generacin ha hecho de
stas un equipo particularmente adecuado para satisfacer cargas pico o como fuentes de
energa de respaldo.
Combustin
Turbogas 7% interna
0.4%
Ciclo combinado
17.8%
Hidroelctrica 23.3%
Dual 6.1%
Carboelctrica
6.3%
Nucleolectrica 3.3%
Geotrmica y
Trmica eolectrica 2.1%
convencional
34.7%
Figura 0.1 Mapa de generacin de energa elctrica
2
Introduccin
Este tipo de unidad se ha instalado en grandes centrales trmicas, nucleares o en

refineras como fuentes primarias de energa. Las aplicaciones ms exitosas de las unidades
turbogas se dan en las centrales generadoras del tipo ciclo combinado, en donde constituyen
el factor predominante para lograr los porcentajes ms elevados de eficiencia entre todos
los tipos de centrales generadoras. Adicionalmente y debido a las ventajas que presentan en
cuanto a transportabilidad, tamao, peso, adaptabilidad a una gran variedad de
combustibles (desde gas natural hasta petrleo crudo o residual), y gran facilidad para
responder a cargas pico, las unidades turbogas, operadas en ciclo abierto, son
universalmente utilizadas en las instalaciones del sector petrolero y en poblados de difcil
acceso con poca demanda y escasez de agua.
La demanda de energa elctrica en Mxico ha obligado al sector elctrico a estar en

una bsqueda constante de mtodos y sistemas que, entre otros objetivos, mejoren
continuamente la operacin de las centrales generadoras de energa elctrica. Como parte
de su misin, el Instituto de Investigaciones Elctricas (IIE) ha promovido y apoyado la
investigacin aplicada y el desarrollo tecnolgico para mejorar los ndices de seguridad,
disponibilidad, confiabilidad, eficiencia y durabilidad de centrales generadoras mediante el
desarrollo y la implantacin de grandes sistemas digitales de informacin y control.
Estado del arte
La demanda de energa elctrica ha obligado al sector elctrico a estar en una

bsqueda constante de mtodos y sistemas que, entre otros objetivos, mejoren
continuamente la operacin de las centrales generadoras de energa elctrica.
Influenciados por las experiencias logradas en proyectos de contrato para CFE, el

Instituto de Investigaciones Electricas ha desarrollado diversos proyectos de investigacin
dirigidos a mejorar la operacin de las centrales generadoras. Una de las lneas de
investigacin desarrolladas para lograr este objetivo, es el diseo de sistemas de control
basados en tcnicas de control inteligente. A continuacin se mencionan algunos de los
proyectos desarrollados:
En1995 se realiz una aplicacin de redes neuronales artificiales al control

supervisor de turbinas de gas [5]. En.1997 se desarroll un controlador difuso de velocidad
en tiempo real para el arranque de la turbina de gas [6]. Posteriormente, este trabajo fue
extendido para abarcar el control de potencia generada [2]. En ambos casos los resultados
obtenidos fueron exitosos y constituyen una base slida para la aplicacin de controladores
difusos a una unidad turbogas real. As mismo, se trat el problema de sintonizacin
mediante redes neuronales de los controladores convencionales y difusos [7]. Con el objeto
de consolidar la lnea de desarrollo tecnolgico de sistemas de control inteligente de
unidades generadoras tipo turbogas, se desarroll un controlador hbrido neurodifuso retro-
prealimentado aplicado al control de velocidad y potencia para dicho tipo de unidad. Los
resultados logrados fueron a nivel simulacin en PC y en plataforma industrial de
laboratorio [8]. Estos fueron alentadores, de manera tal que es importante continuar con
esta misma lnea de investigacin.
3
Introduccin
Algunos estudios realizados por otras instituciones han explorado el esquema retro-
prealimentado basados en simulaciones, como un controlador prealimentado difuso
multivariable para una unidad termoelctrica [9]. As como tambin, han realizado el
desarrollo de controladores neurodifusos aplicados al control de turbinas de gas, estos
controladores fueron diseados apoyndose con el uso de la herramienta de simulacin
comercial Matlab [10].
Justificacin
La importancia de trabajar con Turbinas de Gas (TG) radica en que se han

convertido en el modo dominante de la nueva generacin elctrica en los EE.UU, ya sea en
ciclo simple o combinado. Lo anterior, es atribuible al menor costo de instalacin por
kilowatt generado, a los programas de construccin ms cortos, a bajos niveles de emisin
de contaminantes y costos de operacin competitivos. Avances recientes en las tecnologas
de TG y compresores han logrado que la eficiencia trmica se aproxime al 60% para las
Centrales de Generacin de Ciclo Combinado (CGCC) basadas en gas [4].
Adems, a diferencia de otros impulsores primarios, las turbinas de gas se

caracterizan principalmente por ocupar poco espacio en su instalacin y gran simplicidad
de maniobra.
Las unidades turbogas operadas en ciclo abierto (centrales turbogas CTG),

conectadas a redes pequeas o utilizadas en operacin aislada, son muy susceptibles de
volverse inestables ante una perturbacin severa, como las producidas por el arranque y
salida de grandes motores de induccin (de hasta 10 MW) tpicos en los complejos
industriales; as como por cambios sbitos de carga de hasta 2 MW, lo que puede provocar
la salida de operacin de la unidad y derivarse en prdidas de produccin y daos a terceros
equipos[11].
La aplicacin de un controlador neurodifuso multivariable se justifica ya que el uso

de controladores independientes (control/supervisor) que operan slo al actuar sobre una
vlvula de control implica una interaccin importante entre los controladores (de velocidad,
potencia y temperatura de gases de escape). Esta interaccin puede considerarse en un solo
controlador multivariable de tipo MISO. Adems, una alternativa para tratar esta
interaccin y mejorar el desempeo de la unidad turbogas es el empleo de tcnicas de
control inteligente.
El uso de controladores neurodifusos los cuales son no lineales han demostrado ser
una opcin viable para controlar procesos que presentan un comportamiento no lineal y
variante en el tiempo como el de arranque de una turbina de gas, as como el desempeo de
dichos procesos.
De acuerdo a lo anterior, se deriva la importancia de realizar mejoras en cuanto a la

disponibilidad, efectividad y confiabilidad de este tipo de unidad de generacin.
4
Introduccin
Planteamiento del problema a solucionar

Las generadoras turbogas o turbogeneradores a gas (TG) son sistemas de alto riesgo
que operan a altas velocidades, temperaturas y presiones. Estas condiciones establecen
requerimientos muy estrictos para el sistema de control.
Tpicamente la estrategia general de control utilizada para la operacin de la UTG

consiste en la regulacin de flujo de combustible. El ncleo del esquema de control est
formado bsicamente por un circuito dual de control de velocidad y carga para la
regulacin de flujo de combustible a travs de una vlvula de control, el cual es
supervisado por un control de temperatura.

convencionales del tipo PI [2]. Este esquema de control es destinado para tareas de
regulacin y rechazo a perturbaciones, y no para seguimiento de puntos de referencia. Los
controladores actan todos sobre una sla vlvula de control, lo cual representa una fuerte
interaccin entre los mismos, por ejemplo un ajuste en los parmetros del algoritmo del PI
digital de temperatura, puede mejorar su desempeo pero tambin puede afectar el
desempeo del control de velocidad o el de potencia.

Actualmente, los controladores utilizados en los esquemas de control de las turbinas son
lineales, los cuales son sintonizados para un punto de operacin especfico y son
conservados as por tiempo indefinido.
Una alternativa para tratar esta interaccin y mejorar el desempeo de la unidad

turbogas es el empleo de tcnicas de control inteligente, adoptando un esquema
prealimentado tal como se menciona en el objetivo de esta propuesta.
Objetivo
Esta tesis tiene como objetivos:

Disear y desarrollar un sistema de control prealimentado neurodifuso multivariable
basado en tcnicas de control inteligente, para su incorporacin al sistema de control de
velocidad, potencia y temperatura de los gases de escape de una unidad turbogas.
Disminuir la afectacin negativa sobre la seal de control, provocada por la

interaccin de los controladores.
Mejorar el seguimiento de las trayectorias de referencia de la velocidad y la

potencia.
Obtener una mejor regulacin de la temperatura.
5
Introduccin
Alcance
El trabajo de tesis plantea el siguiente alcance:
El desarrollo y la integracin del sistema neurodifuso multivariable se realizar

bajo el ambiente de programacin Matlab/Simulink.
Revisar el modelo de la unidad turbogas y de su sistema de control en el ambiente

Simulink.
Validacin por comparacin del control prealimentado neurodifuso multivariable

contra el desempeo del sistema de control convencional basado en controladores tipo
PID.
Aportaciones.
El trabajo de tesis aporto el diseo y desarrollo de un esquema de control

prealimentado multivariable, basado en tcnicas de control inteligente, el cual ser aplicado
a procesos de generacin.
El control neurodifuso multivariable supera algunas de las desventajas del control

convencional y satisface los requerimientos de operacin.
El desarrollo de esta tesis ayudar a fortalecer la lnea de investigacin del grupo de

control de la Gerencia de Control e Instrumentacin del IIE, sobre el diseo de
controladores para mejorar el desempeo de centrales generadoras de energa .
Se public el articulo Control Neurodifuso Aplicado al Control de Velocidad,

Potencia y Temperatura de Unidades Turbogas en la 17 reunin de verano de potencia,
aplicaciones industriales y exposicin industrial. (RVP-AI/2004), IEEE, Acapulco.
Guerrero (anexo D).
Organizacin.
El contenido de este trabajo de tesis esta conformado por 5 capitulos y 3 anexos,

mismos que se describen a continuacin.
En el captulo 1 se presenta el funcionamiento y descripcin de las unidades

turbogas, las ecuaciones principales del modelo matemtico que rigen su comportamiento,
as como la implementacin del modelo en el ambiente grfico Simulink .
En el captulo 2 se exponen los requerimientos de control, la secuencia de operacin

de la unidad turbogas, el esquema actual de control (comportamiento, ventajas y
desventajas) que opera en la unidad turbogas.
6
Introduccin
En el captulo 3, se describe el desarrollo de un controlador prealimentado

multivariable, se presenta el esquema de control propuesto, se describe la arquitectura
bsica de las redes neuronales y del control difuso. As como la combinacin de ambas
tcnicas de control para la formulacin del control hbrido-neurodifuso.
En el captulo 4 se muestra el desarrollo de diferentes controladores neurodifusos,

as como los resultados obtenidos con estos, de igual manera se compara el comportamiento
del esquema de control hbrido neurodifuso contra el esquema de control convencional,
aplicando criterios de error y rechazo a disturbios.
En el captulo 5 se establecen las conclusiones y los logros obtenidos en el presente

trabajo de tesis. Tambin se proporcionan algunas sugerencias de posibles trabajos a futuro
relacionados con la presente investigacin.
En el apndice A se describe el sistema para desarrollo y validacin de algoritmos

de control para turbinas de gas.
El apndice B muestra el procedimiento para el diseo de sistemas neurodifusos

utilizando la herramienta Anfisedit de Matlab.
El apndice C presenta los conceptos fundamentos sobre lgica difusa, control

difuso, redes neuronales, sistemas neurodifusos y algoritmos de aprendizaje de ANFIS.
El apndice D finalmente presenta el articulo publicado, producto de este trabajo de

tesis.
7
CAPITULO 1 Unidad Turbogas
Unidad Turbogas
1.1 Introduccin.
Este captulo explica el funcionamiento de una turbina de gas tpica, se detalla el

principio de operacin el cual esta basado en el ciclo Brayton, adems presenta la
descripcin de los componentes principales que la integran y la operacin de cada uno de
ellos. tambin se presentan las transformaciones de energa que tienen lugar en una central
turbogas, por ultimo se presentan las variables y ecuaciones principales del modelo
matemtico que rigen el comportamiento de la turbina de gas.
8
1.2 Ciclo de trabajo de la turbina de gas
La turbina de gas es una mquina de combustin interna que transforma la energa

qumica de una fuente combustible en potencia mecnica til, es decir, en energa mecnica
rotatoria.
En general, las turbinas de gas se basan en cuatro fases de operacin (ciclo Brayton)
y cuatro componentes principales (figura 1.1), que funcionan simultneamente y
continuamente, para producir potencia mecnica los cuales se describen mas adelante.
La operacin de una turbina de gas de ciclo simple puede explicarse mediante el

ciclo Brayton, el cual consiste de cuatro fases: compresin, adicin de calor, expansin y
expulsin del calor. La cantidad de trabajo que se produce durante el ciclo, est relacionada
con la cantidad de calor que produce el combustible y que seala la cantidad de trabajo que
producir la turbina de gas. Debido a que la cantidad de calor se indica por la temperatura y
la entropa; el ciclo Brayton se aprecia en la figura. 1.1 b).
Combustible
Camara
2 comb.
3
Compresor Turbina Generador
4
1
Aire Gases
calientes
a) b)
Figura. 1.1 a) Componentes principales. b) El ciclo Brayton (4 fases de operacin)
Examinando el ciclo Brayton [12], se observa que el punto 1 describe la temperatura

y presin del aire ambiente. Estas condiciones ambientales tienen un efecto significante en
el trabajo de salida y en la eficiencia de ciclo de la turbina. La turbina de gas obtiene aire a
estas condiciones y lo comprime hasta cierta presin; este aumento de la presin del aire
ocasiona un incremento en su temperatura. En la figura 1.1 b) se aprecia el cambio del
punto 1 al punto 2. Ntese que la trayectoria es en forma vertical, la razn es que el proceso
de compresin ideal es isoentrpico (no hay variacin en el grado de orden o desorden
molecular del gas), esto significa que no existe transferencia de calor con el aire. Por lo
9
tanto, aun cuando la temperatura del gas puede cambiar en el proceso, su entropa no lo
har.
Despus de la compresin el aire pasa al sistema de combustin donde se aade
calor. El aire se mezcla con el combustible y la mezcla se enciende causando un incremento
muy grande en la temperatura. Esto se realiza a presin constante, as que el proceso se
ilustra en la figura como un cambio del punto 2 al 3.
Cuando entra la mezcla a la seccin de la turbina, su presin incide (otra vez

isoentrpicamente, es decir sin variacin) contra los alabes de la turbina, ocasionando que
su eje gire y el gas contina expandindose hasta que regresa a la presin ambiente. Este
proceso es mostrado en la figura en el cambio del punto 3 al punto 4.
Debido a las curvaturas de las lneas de presin constante, la temperatura de la

mezcla todava es alta comparada con la temperatura ambiente, lo que indica que todava
existe una cantidad significante de calor. Este calor es rechazado cuando la mezcla se enfra
a la temperatura ambiente; trayectoria del punto 4 al punto 1.
Examinando el ciclo grficamente, la ignicin y el calor aadido por el combustible

se representan por el rea bajo la curva, entre los puntos 2 y 3. El calor rechazado a la
atmsfera se representa por el rea bajo la curva entre los puntos 1 y 4. El rea contenida
por la superficie sombreada es la potencia de salida y la proporcin de sta al rea total bajo
los puntos 2 y 3 es la eficiencia trmica.
El ciclo real de la turbina de gas difiere poco del caso ideal; la diferencia principal
entre el ciclo Brayton ideal y el ciclo real es que tanto los procesos de compresin como el
de expansin no son isoentrpicos, adems de que existen diversas clases de perdidas
mecnicas.
1.3 Transformaciones de energa en una central turbogas.
En una central generadora, la energa elctrica se produce como resultado de una

serie de transformaciones que se inician a partir de alguna fuente de energa disponible.
Para el caso particular de una Central Turbogas, las transformaciones de energa que
ocurren en este tipo de central se muestran en la figura 1.2. La fuente de energa primaria
es un combustible, generalmente gas natural o diesel. La energa se encuentra almacenada
en el combustible de acuerdo a su composicin qumica y se libera haciendo que se
produzca una reaccin qumica por medio del proceso de combustin.
Al producirse la combustin, se tiene la primera transformacin de energa, ya que

la energa qumica del combustible se transforma en energa calorfica en la flama y en los
gases calientes producto de la combustin. Este proceso se realiza en la cmara de
combustin de la turbina de gas.
Los gases calientes producto de la combustin se envan a una turbina, en donde se

expanden y desarrollan trabajo mecnico. De esta manera, la energa calorfica producida
por la combustin, es transformada en energa mecnica rotatoria por la turbina, la cual gira
debido a la energa cintica de los gases en expansin.
10
Combustibles
Energia quimica
Combustin
Energia calorifica
Flujo de gases
Energia cinetica
movimineto de la turbina
Energia mecnica
Movimiento del generador
Energia elctrica
Figura 1.2 Transformaciones de energa.
La turbina de gas se encuentra acoplada mecnicamente a un generador elctrico y,

mediante ste, la energa mecnica producida puede ser transformada finalmente en energa
elctrica.
1.4 Operacin tpica de una unidad turbogas
Los componentes principales de una unidad turbogas (UTG) son:
a) La turbina de gas, compuesta por el compresor, la cmara de combustin y la turbina

propiamente dicha.
b) El generador elctrico.
La representacin esquemtica de una UTG se puede observar en la figura 1.3, en la

cual se muestra una turbina de gas de un solo eje y de ciclo abierto, acoplada a un
generador elctrico. Mediante esta figura, se puede conocer la operacin bsica de una
UTG. Un compresor gira e introduce aire del medio ambiente que posteriormente se
comprime hasta un valor aproximado de 10 Atmsferas y se enva a la cmara de
combustin. De esta manera se proporciona el suministro de oxgeno necesario para poder
quemar el combustible. Aunque en esta etapa an no se ha agregado calor, la temperatura
del aire se incrementa debido a la compresin. En la cmara de combustin, el aire
comprimido se combina con el combustible alimentado y, con la ayuda de una buja de
11
ignicin, se produce la combustin, que provoca un incremento substancial de la

temperatura. Los gases producto de la combustin son enviados a la turbina de gas, en
donde se expanden y desarrollan trabajo mecnico que se aprovecha para impulsar un
generador elctrico y producir energa elctrica. [13]
Combustible
Gas Diesel
Aire
comprimido CMARA DE Gases
calientes Gases de
COMBUSTIN escape
COMPRESOR TURBINA GENERADOR
Aire
atmosfrico
Figura 1.3 Diagrama esquemtico de una turbina de gas
Durante la expansin de los gases, su temperatura y presin se reducen

continuamente mientras realizan trabajo en los labes de la turbina. Despus de realizar
trabajo, los gases de escape, an calientes, son enviados a la atmsfera, en donde se enfran
a temperatura ambiente.
1.5 Componentes principales de una unidad turbogas
1.5.1 Compresor
El primer componente en el ciclo de operacin de la turbina de gas es el compresor,

el cual es un elemento mecnico rotatorio que tiene como funcin comprimir el fluido de
trabajo (aire).
Para que la turbina de gas pueda tener alguna aplicacin prctica, se necesita de un
gran volumen de aire a alta presin con el propsito de quemar suficiente combustible en la
cmara de combustin. Esto se obtiene comprimiendo el aire a una presin deseada por
medio de un compresor de flujo axial.
Para obtener la presin requerida, los compresores de flujo axial estn constituidos
por varias etapas, en donde, en cada una de ellas, el aire se acelera y se comprime. Cada
etapa del compresor axial consiste en una serie de labes mviles (giratorios) seguidos por
12
un conjunto de labes fijos. En cada etapa, los labes mviles aceleran el aire y los labes
estacionarios convierten la energa cintica del aire en un incremento de presin. Por lo
tanto, incrementando la velocidad del aire por cada serie de labes mviles y convirtiendo
esta velocidad en aumentos de presin por medio de los labes fijos, se obtiene la fuente de
aire a alta presin necesitado para la combustin. Los compresores axiales utilizados en
UTG's normalmente tienen de 15 a 20 etapas. La figura 1.4 muestra el diagrama de presin,
velocidad y temperatura del aire a lo largo de un compresor axial. Como puede verse, la
presin y la temperatura aumentan, mientras que la velocidad apenas vara.
Cada etapa del compresor tiene ciertas caractersticas de flujo de aire que son
diferentes a las dems etapas. Los parmetros que determinan estas caractersticas son el
flujo msico, la razn de presin y la velocidad rotacional. Las etapas del compresor estn
diseadas para producir un flujo de aire dado relacionado con un cierto incremento de
presin. Si algn suceso altera la relacin entre razn de presin, velocidad rotacional y
flujo msico, el aire no fluir suavemente por los labes estacionarios, y en cambio, crear
turbulencias. Esto ocasionar un "atascamiento" en los labes fijos que impedir que el aire
fluya hacia la siguiente etapa. Como resultado, el aire tambin se "estanca" en las etapas
precedentes. Si este proceso continua hasta que todas las etapas estn "atascadas", el flujo
de aire podra invertirse y moverse violentamente causando un ruido estrepitoso y,
seguramente, un dao considerable a los labes del compresor. Este fenmeno de
inestabilidad es conocido como "surge" del compresor y debe prevenirse para evitar
condiciones anormales de operacin.
labes labes labes labes labes labes
mvile fijos mvile fijos movile fijos
Velocidad
Presin
Temperatura
del
Compresor
Figura 1.4. Diagrama presin-velocidad-temperatura del aire en el compresor.
13
1.5.2 Cmara de combustin
Es un elemento que consiste de compartimientos (canastas) en los cuales se quema

combustible y se aade energa trmica al fluido de trabajo. El propsito de la cmara de
combustin es, por lo tanto, agregar calor al aire comprimido.
La cantidad de trabajo que puede ser realizado por una turbina de gas ideal, es decir,
sin calor agregado y sin prdidas de energa, es exactamente igual a la cantidad de trabajo
hecho por el compresor para comprimir el aire. En otras palabras, la mquina podra girar
por s misma. Las turbinas de gas, sin embargo, tienen prdidas de potencia considerables
en el compresor y en la turbina misma. En consecuencia, es necesario agregar energa al
fluido de trabajo para obtener una turbina de gas til y prctica. El calentamiento del aire
incrementa la presin, el aire se expande y esta energa mueve la combinacin turbina-
compresor, as como tambin proporciona potencia para el generador elctrico.
El aire a alta presin proveniente del compresor entra a los combustores, localizados
generalmente en una seccin entre el compresor y la turbina (figura 1.5). El combustible se
alimenta por medio de toberas y se mezcla con el aire comprimido, necesario para producir
la combustin. El aire entra a la zona de combustin a travs de perforaciones en el
revestimiento protector de los combustores, que protege al metal de la carcaza de la turbina
contra las radiaciones intensivas producidas por la combustin. La combustin comienza
con una mezcla parcial de combustible y aire, y contina a lo largo del combustor, mientras
se agrega aire adicional para completar la combustin y enfriar los gases. Normalmente,
solamente del 20% al 30% del aire comprimido se utiliza para quemar el combustible,
mientras que el resto fluye entre los combustores y la carcaza de la mquina para propsitos
de enfriamiento. La mayora de las turbinas de gas tienen una serie de combustores
instalados alrededor del eje; de esta manera, las temperaturas y los esfuerzos en los labes
de la turbina se distribuyen uniformemente.
Figura 1.5. Trayectoria del aire en una turbina de gas tpica.
14
1.5.3 Turbina
La turbina es un componente mecnico rotatorio que produce energa mecnica por

la accin de un fluido de trabajo. La turbina convierte la energa del flujo de los gases
calientes en energa mecnica rotacional por medio del proceso de expansin de los gases.
Normalmente est constituida de 3 a 5 etapas (para el caso de unidades de eje

simple). Cada etapa consiste de un conjunto de toberas fijas seguido por una serie de
paletas o alabes mviles. Los gases se expanden en las toberas fijas y se obtiene una
corriente de gases a alta velocidad; estos gases actan contra el conjunto de paletas mviles
y proporcionan un par al rotor de la turbina. Aproximadamente, dos terceras partes de la
potencia de la turbina se utiliza para mover el compresor axial, mientras que el resto se
emplea en la generacin de potencia elctrica.
Debido a las elevadas temperaturas de gas en la entrada de la turbina, las primeras

etapas deben ser enfriadas para obtener un perodo de vida til econmicamente justificable
del empaletado. El enfriamiento se proporciona normalmente por medio de una parte del
aire suministrado por el compresor. El rotor mismo y el estator tambin deben ser
protegidos contra las altas temperaturas. Algunas turbinas tambin emplean enfriamiento en
algunas etapas (Turbinas de Gas con Regeneracin e intercambiador de calor), pero
generalmente las turbinas no necesitan enfriarse debido a que la temperatura de los gases se
reduce mientras stos se expanden a travs de la turbina.
1.5.4 Generador elctrico
El generador elctrico es una mquina sncrona que convierte la energa mecnica

de la turbina en energa elctrica de c.a. de voltaje y frecuencia especficos.
En general, el principio de operacin de las mquinas elctricas est basado en el

fenmeno de induccin electromagntica y, en particular, para el caso del generador
sncrono consiste en la generacin de una fuerza electromotriz en un sistema de
conductores estacionarios que son cortados por las lneas de flujo de un campo magntico
giratorio. Para tal fin, el generador tiene un sistema inductor, destinado a crear el campo
magntico, y un sistema de inducido, en el cual se induce la fuerza electromotriz debido al
movimiento relativo de un sistema con respecto al otro.
El generador elctrico es una mquina que siempre esta girando al mismo tiempo
que el sistema turbina-compresor, puesto que el generador elctrico est acoplado al mismo
eje de la UTG. El generador elctrico empieza a otorgar energa, cuando el interruptor
principal se cierra (el generador se energiza), y esto sucede cuando la velocidad del sistema
compresor-turbina tiene la velocidad de sincronismo y el sistema est listo para realizar el
empalme de energas, es decir, se tiene la misma frecuencia en el sistema que en el Sistema
Nacional1 (como un ejemplo), y la velocidad adecuada.
1
La frecuencia del Sistema Nacional es de 60 Hz.
15
1.5.5 Equipo Auxiliar Motor de Arranque.
El equipo auxiliar de arranque puede consistir de una mquina diesel o un motor

elctrico. Bajo operacin normal, la potencia del motor de arranque de diesel o motor
elctrico auxiliar, se transmite a travs del torque del convertidor, el embrague de arranque
y los accesorios de transmisin, a la flecha de la turbina.
El equipo auxiliar de arranque tiene por funcin, hacer girar la flecha de la turbina
de gas desde el estado de reposo hasta la velocidad mnima de la turbina. Adicionalmente la
unidad cuenta con un dispositivo llamado virador hidrulico, el cual hace girar
peridicamente el rotor de la unidad ciertos grados durante el perodo de enfriamiento que
sigue a un paro, para evitar distorsiones en la flecha.
Una vez iniciado el arranque de la turbina y el encendido del combustible en la

cmara de combustin, se esperar hasta que la turbina acelere sobre la velocidad de
empuje del motor auxiliar de arranque; en ese instante el embrague de arranque se sobregira
y se pone fuera de servicio (desembraga).
1.5.6 Equipo del Sistema de Combustible.
Un sistema dual consiste de dos sistemas de combustible independientes, gas o

diesel. Este sistema est diseado de modo que se pueda hacer automticamente una
transferencia de un sistema a otro. La solicitud de transferencia de combustible la efecta
el operador desde la estacin de operacin.
Los principales componentes del sistema de combustible diesel son: vlvula de corte
de combustible, bomba de combustible y vlvula de bypass.
Vlvula de corte de combustible (combustible diesel. Esta vlvula tiene asignada la

labor de detener el suministro de combustible, es decir, est totalmente abierta o totalmente
cerrada. Se opera por el circuito de disparo.
Bomba de combustible (combustible diesel). La bomba de combustible es

accionada por un engrane accesorio, de tipo de desplazamiento positivo de engranes. Una
vlvula de alivio protege a la bomba de combustible de una sobrepresin.
Vlvula reguladora o bypass (combustible diesel). Se encarga de regular la

cantidad de combustible que es retornada al sistema de combustible, controlando as el flujo
neto de combustible que va a la cmara de combustin.
En el caso del combustible gas, se cuenta con una vlvula de corte, una vlvula
reguladora de la presin de suministro de gas, y una vlvula reguladora de combustible gas
a la cmara de combustin.
16
1.6 Ecuaciones principales que rigen el comportamiento de la UTG modelo GE

5001.
Dentro de las ecuaciones que dan el comportamiento a la UTG, se tienen diversas

variables y condiciones iniciales para cada bloque que conforma el diagrama esquemtico
de la TG, tal como se muestra en la figura 1.6.
Vlvula de
combustible gas
Combustible: Gct Xcgt, Piqg
Aire Gas: Gcgt
Comprimido Diesel: Gqclt Vlvula de
Gasc, Tacct combustible diesel
Cmara de Gases Xqclt, Piql,
Calientes
Combustin
Ggit Gases de escape
Ggicct, Pcct, Tgcct,
Tgst
Turbina Generador
Compresor t, Wft tr, WMW
Wcomp
Aire de sangrado
Aire atmosfrico Gasang, Tsang

Gaic, Patm
Figura 1.6 Sistema compresor-cmara de combustin-turbina de gas y sus variables.
A continuacin en la tabla 1.1 se enlistan las variables principales de la TG:
Tabla 1.1 Variables Principales de la TG

Variable Descripcin
t Velocidad angular de la turbina.
tr Velocidad angular del generador.
Gaic Flujo de aire que entra al compresor.
Gasang Flujo que sale de las vlvulas de sangrado.
Gasc Flujo de aire que sale del compresor.
Gcgt Flujo de combustible gas a la cmara de combustin.
Gct Flujo total de combustible a la cmara de combustin.
Ggicct Flujo de gases que entran a la cmara de combustin.
Ggit Flujo de gases que salen de la cmara de combustin.
17
Gqclt Flujo de combustible diesel a la cmara de combustin.

Patm Presin atmosfrica.
Pcct Presin en la cmara de combustin.
Piqg Presin del combustible gas.
Piql Presin del combustible diesel.
Tacct Temperatura de entrada a la cmara de combustin.
Tgcct Temperatura en la cmara de combustin.
Tgst Temperatura de gases que salen de la turbina.
Tsang Temperatura del flujo de aire de sangrado.
Wcomp Energa del compresor.
WMW Energa elctrica producida por el generador.
Wft Friccin en la turbina de gas.
Xcgt Apertura de la vlvula de control de combustible gas.
Xqclt Apertura de la vlvula de control de combustible diesel.
Seccin del Compresor. La operacin de esta unidad depende de la presin de la

cmara de combustin (considerando gas ideal), de la velocidad con que gira el sistema
compresor-turbina, de la temperatura en la cmara de combustin, adems de la apertura de
las vlvulas de corte de combustible (gas), vlvula de sangrado y apertura de los labes
gua, dando como variables de salida la energa que transfiere el compresor al fluido y el
flujo de aire de salida del mismo [14].
Para el caso de la Cmara de Combustin, sus variables de entrada son la presin de

entrada del combustible (gas), la energa que transfiere la compresin del fluido, la
velocidad angular del sistema compresor-turbina y la apertura de la vlvula de control de
combustible (gas), por otro lado, las variables calculadas en la cmara de combustin son:
la temperatura en la cmara de combustin, la energa en la cmara de combustin, la
presin y densidad de los gases, adems del flujo de los gases que salen de la cmara de
combustin.
En la Turbina se tienen como variables de entrada todas las variables de salida de la
cmara de combustin antes mencionadas, dando como variables de salida la temperatura
de gases de escape de la turbina, la energa de salida de la turbina y la velocidad angular del
sistema compresor-turbina. La tabla 1.2 muestra la nomenclatura empleada en las
ecuaciones.
18
Tabla 1.2 Nomenclatura

Constantes Sub indices
Simbolo Descripcin Simbolo Descripcin
Cp Calor especifico a presin constante, kJ/(kg acct Temperatura de entrada a la

K) cmara de combustion
Cf Coeficiente de flujo, para gases kg/(s K1/2) y aic Aire que entra al compresor
para lquidos kg/(s kPa1/2) air Aire
Cv Calor especifico a volumen constante, kJ/(kg asang Sangrado total
K)
J Calor de combustin, kJ/kg asc Aire que sale compresor
K Constante atm Atmosfrica
r Relacin de velocidad generador-turbina cct Cmara de combustin
R Constante de gas ideal (kJ/Kg-mol K) cgt Combustible gas
V Volumen, m3 cgt Combustible gas total
Relacin de calor especifico (Cp/Cv) comb Combustible
comp Compresor
ct Combustible total
ft Friccin
Variables g Gases de combustin
gas Gas combustible
Simbolo Descripcin gen Generador
gicct Gases que entran a la
cmara de combustin
A Apertura de alabes gua git Gases que entran a la turbina
G Flujo masico, kg/s gst Gases de escape de la
turbina
H Entalpia, kJ/kg igv Entrada alabes gua
I Momento de inercia, kg-m2 iqg Entrada combustible gas
P Presion, kPa iql Entrada combustible diesel
T Temperatura absoluta, K liq Combustible diesel
Vol Generator terminal voltage, volts mt Motor de arranque
W Potencia kWatts MW Potencia elctrica
X Final control element opening qclt Combustible diesel total
Dencidad, kg/m3 sang Sangrado
Velocidad angular, Hz t Turbina
0 0 (cero) K,
1,2,3,4,5 Numero de constante
Presin en la cmara de combustin:
Teniendo la consideracin de un comportamiento de gas ideal en la cmara de

combustin y de acuerdo a la ley de los gases ideales se tiene lo siguiente:
19
Pcct = R g Tgcct gcct (1.1)

Flujo de aire que entra al compresor:
Ajustando el comportamiento grfico del flujo a una ecuacin de una parbola y

afectndole por la apertura de los alabes gua y la velocidad angular del eje de rotor, se
tiene la siguiente expresin:
[ ]
Gaic = At t K1 K 2 (Pcct Patm ) K 3 (1.2)
Flujo de combustible a la turbina de gas:
Se tienen dos formas de suministro del combustible: combustible lquido y

combustible gas. En el caso del combustible gas, el flujo de gas en el proceso de generacin
que pasa a travs de una vlvula con caractersticas lineales, se comporta segn la siguiente
relacin:
2
Piqg Pcct2 (1.3)
Gcgt = X cgt Cf cgt
Tcomb
El flujo de gas proviene de la lnea de PEMEX y mantiene una presin constante, no
as, para el combustible lquido, donde se tiene un depsito del cual una bomba suministra
el combustible hacia los combustores. El flujo de combustible lquido que pasa a travs de
los quemadores, se comporta de acuerdo a la siguiente relacin, deducida mediante el
balance de materia y energa, segn lo establece la ecuacin de Bernoulli.
Gqclt = Cf qclt Piql Pcct (1.4)
Finalmente, el flujo total de combustible a la cmara de combustin est
representado por la siguiente expresin:
Gct = Gcgt + Gqclt (1.5)
Flujo que sale de las vlvulas de sangrado:
Existe un flujo de sangrado de aire en la 4 y la 10 etapa del compresor, donde

juntas descargan el flujo de aire a la atmsfera durante, el arranque, lo cual evita
inestabilidad de flujo en el proceso de arranque del sistema compresor turbina. Tomando
Tsang como la temperatura promedio entre la temperatura de entrada y salida del
compresor, se tiene lo siguiente:
T + Tacct (1.6)
Tsang = atm
2
El flujo de sangrado total (4 y 10 etapas) se puede aplicar la expresin de flujo de
gases a travs de una restriccin, y considerando a la vlvula con caracterstica de flujo
lineal, tenemos lo siguiente:
2
Pcct Patm
2 (1.7)
G asang = X sang * Cf sang
T sang
20
Flujo de aire que sale del compresor:
El flujo de aire que sale del compresor y que entra a la cmara de combustin, se
determina por la resta entre el flujo de aire que entra al compresor menos el flujo que sale
por el sangrado:
Gasc = Gaic Gasang (1.8)
Flujo de gases que entran a la cmara de combustin:
El flujo de gases de combustin es la suma del flujo de aire que sale del compresor
ms el flujo de combustible que entra:
G gicct = Gasc + Gct (1.9)
Temperatura de entrada en la cmara de combustin:
Considerando una compresin isentrpica del aire en el compresor, la temperatura

del aire comprimido se obtiene mediante la siguiente relacin:
Pcct
Yair
Cp air (1.10)
Tacct = Tatm donde Yair =
Patm Cv air
Temperatura de gases de escape que salen de la turbina:
Para los gases de escape se considera que presentan un comportamiento de gas

ideal, por lo que un proceso de expansin isentrpica a travs de la turbina de gas se
obtiene bajo la siguiente relacin:
Patm
Yg
g 1 (1.11)
Tgst = Tgcct donde Yg =
Pcct g
Temperatura en la cmara de combustin:
A travs de un balance de energa dinmico en la cmara de combustin, se obtiene

la expresin dada por una diferencial de la temperatura dentro de esta cmara respecto al
tiempo; quedando en funcin de cambios presentados en los flujos de entrada (energa que
entra) y los de salida (energa que sale), la energa generada por la combustin de ambos
combustibles, as como lo que se acumula en los flujos que residen dentro de esa cmara.
dTgcct Gasc * Cpair (Tatm T0 ) Gcgt * J gas Gqclt * J liq (1.12)

= + +
dt Cpg * gcct * Vcct Cpg * gcct * Vcct Cpg * gcct * Vcct
G (T T0 ) (Tgcct T0 )(Ggicct Ggit )
git gcct
gcct * Vcct gcct * Vcct
21
Velocidad de giro del generador:
Debido a que el generador gira a diferente velocidad que la turbina de gas, la

relacin entre las velocidades angulares est dada por las dimensiones de los engranes en
contacto en la transmisin que se mantiene constante
gen = t r (1.13)
Friccin en turbina de gas:
El trabajo de friccin entre las diversas partes en movimiento y en las fijas del
sistema compresor turbina generador, se propone proporcional [14]a la velocidad de
giro:
W ft = K comb t (1.14)
Velocidad angular del sistema compresor_turbina:
La rapidez con la que se acumula la energa cintica rotacional en el eje del sistema
compresor turbina generador depende del balance de energa [15].
d t I tg1 (1.1)
dt
=
t
[ ]
G git (H cct H gst ) + Wmt WMW W ft Wcomp
1.6.1 Datos de operacin de la TG-5001
El modelo de la turbina de gas en la que nos basamos para realizar este trabajo de
tesis es la TG modelo GE-5001, la cual es una mquina de ciclo simple de un slo eje,
con las siguientes caractersticas [16]:
Datos del Generador Elctrico
Marca: Hitachi-GE
Capacidad: 30,313 KVA
Voltaje: 13800 V
Factor de potencia: 0.8
Velocidad: 3600 RPM
Frecuencia: 60 Hz
Nm. fases: 3 fases
Tipo de aislamiento: Clase F
Tipo de excitador: Esttico
Voltaje/excitacin: 285 V
Corriente/excitacin: 276 A
Datos de la Turbina
Marca: Hitachi-GE
Modelo: PG5341
Sistema de control: Speedtronic MARK-II
Altitud: 20 metros sobre el nivel del mar
Etapas de la turbina: 2
22
Velocidad: 5,100 RPM

Capacidad carga pico: 25,980 KW (Gas Natural)
25,440 KW (Diesel)
Temperatura de entrada: 15C
Presin de entrada: 760 mmHg
Temperatura de escape: 486C
Presin de escape: 760 mmHg
Sistema de combustible: DUAL (Gas Natural/Diesel)
Sistema de arranque: Mquina Diesel de 500 HP
Accesorios: TYPE-A500
Datos del Compresor

Tipo: Flujo Axial
Etapas del compresor: 17
1.7 Conclusiones
Las turbinas de gas a diferencia de otros impulsores primarios, se caracterizan por

ocupar poco espacio en su instalacin, arranques rpidos, poca asistencia tcnica durante su
operacin y costos de instalacin bajos. Debido a esto, en las ultimas dcadas las UTG han
desempeado un papel importante en la generacin de energa elctrica.
El uso de un modelo matemtico es muy importante, ya que nos permite realizar

pruebas y simulaciones a nivel laboratorio, as como adaptar diferentes estrategias de
control para controlar un proceso, y seleccionar la mas adecuada para su posterior
aplicacin al proceso real.
23
CAPITULO 2 Control Convencional de la Unidad Turbogas
Control Convencional de la Unidad

Turbogas
2.1 Introduccin.
Este captulo se presenta un panorama general de la evolucin de los sistemas de

control empleados para la operacin de las TG, as como tambin se mencionan los
requerimientos fundamentales de control para imponer en la turbina aspectos de mxima
seguridad, disponibilidad y eficiencia. Adems, se muestra el esquema de control actual
con el cual se opera la TG, el cual esta compuesto por un circuito dual de control de
velocidad y carga, se describe el tipo y configuracin de cada controlador que compone
este esquema y se analiza el comportamiento del mismo, remarcando las principales
desventajas que posee.
24
2.2 Evolucin de los sistemas de control para unidades turbogas
La TG fue introducida como fuente de energa primaria a finales de los 40s. Los
primeros sistemas de control estuvieron basados en sistemas hidro-mecnicos, los cuales
mediante secuencias manuales permitan un control prctico en las turbinas de vapor.
La secuencia automtica de arranque fue la base para la introduccin del primer

control electrnico de la TG a finales de los 60s. Los rpidos avances en la tecnologa de
sistemas electrnicos propiciaron la modernizacin de los sistemas de control de las TGs,
apareciendo el control electrnico a inicios de los 70s. Para mediados de los 80s, se
introdujeron tcnicas de automatizacin de TGs mediante implementacin digital y
actualmente se cuenta con sistemas de control digital, los cuales integran funciones de
control de arranque, velocidad, generacin y temperatura que cumplen con los
requerimientos de alta exactitud, confiabilidad, flexibilidad y respuesta rpida
indispensables ya que las TGs operan a altas temperaturas y velocidades [17].
2.3 Requerimientos de control de una unidad turbogas
Con el fin de obtener seguridad, disponibilidad y eficiencia en la turbina de gas, se

requiere de un sistema de control efectivo para que realizar las siguientes acciones [18]:
1) mantener la estabilidad de la unidad despus de una perturbacin y mantener la

precisin de la respuesta en operacin normal,
2) que durante el arranque, obtener la respuesta ms precisa en el seguimiento de las

curvas de aceleracin, lo cual minimizar el uso de combustible antes de la
sincronizacin y los perodos de alta vibracin,
3) en generacin, mantener a la unidad trabajando a altas temperaturas y presiones

muy cercanas a los lmites de disparo por ser el punto de mxima eficiencia de la
unidad, pero sin excederlos para conservar la disponibilidad de la unidad.
4) con el fin de incrementar la confiabilidad en los arranques, la secuencia de arranque,

incremento de velocidad, sincronizacin y toma de carga se efectu
automticamente, ante una orden del operador de la unidad.
De acuerdo a lo anterior, el sistema de control debe llevar a cabo seis funciones

fundamentales:
1) Secuencia de arranque y paro.

2) Control de velocidad.
3) Control de potencia.
4) Control de temperatura.
5) Proteccin del equipo turbogas.
6) Interaccin entre operador-sistema.
25
Cada una de estas funciones tiene requerimientos especficos que deben ser tratados
de manera particular. A continuacin mencionaremos algunos de estos aspectos.
2.3.1 Secuencia
Mdulo lgico del sistema de control que se encarga de realizar un conjunto de

operaciones en forma ordenada, segura y sucesiva, de tal manera que el arranque y paro de
la turbina de gas se efecten adecuadamente de acuerdo a una secuencia de eventos pre-
establecida (figura 2.1).
La secuencia proporciona las seales discretas o de encendido-apagado a diversos

equipos que intervienen en el conjunto de operaciones secuenciales, tales como
arrancadores de motores, vlvulas solenoides, luces indicadoras y rel de ignicin. Adems
de las seales requeridas para operacin normal y segura, el sistema de secuenciamiento
tambin debe proporcionar aquellas seales necesarias para poner fuera de servicio a la
unidad en caso de condiciones anormales de operacin, incluyendo fallas del equipo o del
sistema de control.
CARGA PICO
25
C A R G A
20
CARGA BASE
(MW)
15
10
5
CARGA MINIMA
5100 VELOCIDAD DE SINCRONISMO
INTERRUPTOR
4945 - 5100 R. P. M.
PRINCIPAL CERRADO
CIERRE DE VALVULAS
4600 DE SANGRADO
APERTURA DE
4200 ALABES GUA
3800
V E L O C I D A D
3400
3000
(RPM)
2600
2200
MOTOR DE ARRANQUE FUERA (2140 R. P. M.)
1800
1400
PUNTO DE IGNICION (1020 R. P. M.)
1000
600
200
0
MOTOR DE ARRANQUE ENCENDIDO T I E M P O

VERIFICACIN DE PERMISIVOS DE ARRANQUE
SELECCIN Y SUMINISTRO DE COMBUSTIBLE
BOMBA DE ACEITE ENCENDIDA
Figura 2.1 Secuencia de arranque
26
Requerimientos de Arranque
Esta funcin tiene como objetivo conducir y supervisar al equipo Turbogas durante
el proceso de arranque hasta alcanzar la velocidad de sincronizmo donde la frecuencia y el
voltaje del generador deben igualarse con los del sistema elctrico interconectado.
Los eventos mnimos que debern realizarse, para desarrollar correctamente la

secuencia de arranque son:
Permisivos de arranque. Los permisivos de arranque corresponden al

restablecimiento de auxiliares (agua de enfriamiento, banco de bateras, sistema
deteccin de fuego, sistema de alimentacin de corriente directa, etc.), de disparos y
a la indicacin de los ignitores apagados, necesarios para generar la solicitud de
arranque e inicio de secuencia.
Listo para arrancar. Con base en la solicitud de arranque, se abren las vlvulas de
sangrado en el compresor y se cierran los labes gua (esto para aportar mayor
fuerza sobre los labes).
Arrancar. Al activar el estado operativo de arranque de la turbina a travs de la

estacin de operacin IHM (Interfaz Hombre Maquina), se indica que el arranque es
normal y exitoso.
Secuencia en progreso. Cuando la secuencia est en progreso, se activa la bomba de

suministro de combustible; al mismo tiempo se selecciona cual de los combustibles
(gas o diesel) ser utilizado durante el arranque.
Comienza el dispositivo auxiliar de arranque. Automticamente se activa el

dispositivo mecnico auxiliar, el cual puede ser un motor elctrico o una mquina
diesel, que es utilizado como impulsor inicial de la velocidad de la turbina (para el
caso aqu expuesto se trata de un motor).
Velocidad mnima en la turbina. Al 20 % de la velocidad de la turbina (1020 r.p.m.),

se activa el estado operativo que indica la velocidad mnima de operacin de la
turbina.
Deteccin de flama. A la velocidad mnima se encienden los ignitores para iniciar

el proceso de ignicin en la cmara de combustin. Al detectar flama, la la vlvula
de combustible se mantiene en una apertura mnima (0.2%) para un perodo de
calentamiento de 60 seg.
Rampa de aceleracin. Al trmino del periodo de calentamiento se incrementa el

flujo de combustible siguiendo la trayectoria de la rampa establecida por el operador
de la turbina.
27
Velocidad de aceleracin. Cuando la velocidad de la turbina llega al 40% (2040

r.p.m.), se denota como rgimen de aceleracin. A esta velocidad se desembraga el
dispositivo de arranque auxiliar.
Secuencia completa. Cuando la velocidad de la turbina alcanza el 95% (4845 r.p.m.)

se indica que est en velocidad de sincronismo, entonces se abren los labes gua de
entrada de aire al compresor y se cierran las vlvulas de sangrado en el mismo. El
rango de velocidad de 4845 r.pm. y 5100 r.p.m. se denomina velocidad de
sincronismo.
Sincronizacin.
Cierre del interruptor de campo del generador. A la velocidad de sincronismo (95%)

se cierra el interruptor de campo del generador con la finalidad de energizar al
generador.
Cierre del interruptor principal del generador (conecta al generador con el sistema
elctrico nacional). el cierre del interruptor principal puede ser en forma manual o
automtica, este ltimo a travs del sincronizador. Si la sincronizacin es realizada
automticamente, el equipo de sincronizacin genera los comandos de incrementar
o disminuir la velocidad en la turbina hasta igualar la frecuencia del generador con
los del sistema elctrico en lnea, en tanto, el voltaje en terminales requerido para la
sincronizacin es controlado por el regulador automtico de voltaje. Cuando la
frecuencia y el voltaje del generador estn en fase con los del sistema elctrico en
lnea, se cierra el interruptor principal del generador.
Toma de carga. Al cerrarse el interruptor principal del generador, finaliza la

secuencia de arranque.
Paro.
En general, el paro de la turbina de gas puede ser normal o de emergencia:
1. Paro normal. Consiste en un procedimiento paso a paso, ordenado y seguro, para

poner fuera de servicio a la unidad. Puede ser realizado en forma manual o
automtica. Con el paro normal, la unidad queda habilitada para que se pueda
efectuar un nuevo arranque (arranque en caliente).
2. Paro de emergencia. Puede ser activado manualmente, pero tambin debe ocurrir
como resultado de la operacin automtica de los dispositivos de proteccin
correspondientes. En este caso, el sistema debe generar las seales requeridas
para cerrar la vlvula de alimentacin de combustible y cortar el suministro del
mismo a la turbina.
28
Los sistemas de control de la turbina y del generador elctrico deben mantener una
relacin conveniente. En caso de paro de la turbina, se debe contar con medios automticos
para aislar al generador del sistema elctrico de potencia al que se encuentra conectado, con
el fin de prevenir el flujo inverso de potencia (motorizacin del generador).
Proteccin
El sistema de control debe incorporar las verificaciones de seguridad necesarias y

suficientes a fin de garantizar la integridad del equipo y del personal que labora en el rea
empleando equipos redundantes para reducir al mnimo la posibilidad de accidentes.
La proteccin comprende las funciones que previenen la operacin anormal del

equipo. Su objetivo principal es prevenir daos al personal. Los requerimientos secundarios
se refieren a la prevencin de daos a los equipos principales y auxiliares, aumentando al
mximo el nivel de disponibilidad de la unidad y reduciendo considerablemente los costos
de mantenimiento.
El sistema de proteccin es un respaldo independiente para el sistema de control que

garantiza la operacin segura de la turbina. Las funciones de proteccin ms comunes son:
sobre-velocidad, sobre temperatura, prdida de flama, alta vibracin, baja presin del aceite
lubricante, alta temperatura del aceite lubricante, fuego y falla del equipo de control.
2.3.2 Control de Velocidad
El control de velocidad se realiza mediante la regulacin del flujo de combustible

alimentado a la cmara de combustin de la turbina, lo cual proporciona las siguientes
funciones bsicas:
Control de ignicin y aceleracin: El control de combustible establece el flujo de

combustible para la ignicin. Despus de verificar que se ha establecido la flama, el
control incrementa el flujo de combustible que a su vez acelera la turbina hasta un
valor predeterminado, punto donde el control de velocidad entra en operacin.
Durante este periodo de aceleracin, el control de combustible debe prevenir el flujo
excesivo del mismo para evitar daos a la turbina.
Control de Velocidad en estado estable: Una vez que la turbina alcanza su

velocidad nominal de operacin, el control de combustible debe regular este valor
de estado estable ya que, para el caso de una unidad generadora de energa elctrica,
es la velocidad quien determina la frecuencia nominal del voltaje de c.a.
Control durante condiciones transitorias: Las turbinas experimentan transitorios

(rechazo de carga, salida de operacin de grandes motores, cambios en la
frecuencia, etc.). El controlador de velocidad debe incrementar o disminuir
rpidamente el flujo de combustible de acuerdo a una cierta razn de cambio,
despus de cualquier movimiento de carga que se presente.
29
Una turbina de gas consiste de un sistema que desarrolla un par (compresor, cmara
de combustin y turbina), y de una carga impulsada, con un par que se opone al par
desarrollado. La cantidad de par desarrollado depende directamente del flujo de
combustible suministrado a la turbina. Durante condiciones de estado estable, el par de la
carga es constante y el par desarrollado debe ser suficiente para mover el compresor, vencer
la friccin interna y desarrollar un par igual al de la carga impulsada. Durante condiciones
transitorias, cuando el par de carga cambia, se produce un desbalance entre ste y el par
desarrollado lo cual ocasiona un cambio en la velocidad. Por lo tanto, la tarea del
controlador de velocidad es muy importante, debe mantener condiciones estables de
operacin y, despus de un cambio de carga debe regresar la velocidad al valor de estado
estable con un mnimo de oscilaciones (sobre impulsos) y en el menor tiempo posible.
El controlador de velocidad compara el valor de referencia (punto de ajuste) con el

valor de velocidad medido y acta sobre el sistema de combustible. Para el caso de turbinas
del tipo de un slo eje, el compresor, la turbina y la carga estn montados en una flecha
comn. Por lo tanto, nicamente est involucrado un parmetro de velocidad.
El combustible alimentado a la turbina debe ser controlado durante todo el rgimen

de operacin, desde la ignicin inicial hasta su condicin mxima de operacin, as como
tambin durante las condiciones de aceleracin y desaceleracin.
2.3.3 Control de Potencia
El control de potencia comienza una vez que el interruptor del generador fue
cerrado y comienza la generacin de una potencia mnima (aproximadamente para sta
turbina Modelo GE-5001 es de 2 MW). Esto se hace para que la energa generada comience
con una rampa ascendente, de lo contrario la generacin puede cambiar con un pico grande
o cambio brusco en el inicio de la potencia, lo que puede provocar problemas en la lnea de
generacin.
Cualquier incremento de carga requiere de un incremento en el flujo de

combustible. Sin embargo, la correspondencia entre estos eventos no puede continuar ms
all de los lmites de diseo de la turbina, es decir, de la potencia y temperatura mximas de
operacin en las que influyen fundamentalmente las condiciones del medio ambiente.
Cuando la demanda de potencia aumenta, el controlador de velocidad incrementa el

flujo de combustible. A un cierto nivel de combustible, la turbina alcanza su potencia de
diseo mxima. Para una turbina de eje simple, este nivel puede estar determinado por el
valor mximo del punto de ajuste, por la cantidad mxima de combustible permitido o por
el lmite de temperatura de operacin. En estas situaciones, la turbina debe comenzar a
operar a un nivel de potencia fijo. Cualquier incremento en la demanda de potencia ms all
de este valor mximo producir una disminucin en la velocidad o la activacin de alguna
proteccin que pueda poner fuera de operacin a la unidad.
Una turbina acoplada a un generador elctrico que opera aisladamente debe

mantener una frecuencia constante. Por lo tanto, la turbina debe tener una capacidad
suficiente para proveer toda la potencia requerida sin rebasar los lmites de operacin
30
permitidos (por ejemplo limite de temperatura de gases de escape impuesto por el

fabricante). Cuando por el contrario, el generador elctrico se encuentra conectado a un
gran sistema elctrico de potencia, frecuentemente suministra potencia base y, por lo tanto,
opera a su nivel mximo de potencia. En estas condiciones, el nivel de precisin y exactitud
del controlador de velocidad y del controlador de temperatura juegan un papel
trascendental.
La potencia mecnica de salida de una turbina de gas que opera a velocidad o

temperatura constante vara en funcin de la temperatura ambiente. En este caso, cuando la
temperatura ambiente baja, la masa de aire por pie cbico se incrementa y, por lo tanto, existe
tambin un incremento en el flujo de aire a travs del compresor. Debido a que la potencia de
la turbina es proporcional al flujo msico de los gases, entonces un cambio en la temperatura
ambiente provoca un cambio correspondiente en la potencia de salida de la turbina y, por lo
tanto, en la potencia elctrica de un generador que opera en paralelo con un sistema elctrico
de potencia
2.3.4 Control de Temperatura
El control de temperatura es sumamente importante para la vida til de la UTG,

debido a que las altas temperaturas indeseadas provocan daos irreparables en los
componentes y elementos que constituyen a la UTG. La medicin de la temperatura de la
Turbogas se realiza por medio de un grupo de termopares situados estratgicamente en la
UTG, estos termopares generan seales en milivolts que son enviadas al sistema de control,
para su comparacin e interpretacin del ajuste sobre la vlvula de combustible, si as fuese
requerido.
Si la temperatura lmite de la turbina de gas es excedida, sus partes se desgastan ms

rpido y pueden llegar a deteriorarse completamente, causando daos severos a la misma e
inclusive al equipo y personal cercanos a ella.
Un incremento en la demanda de potencia requiere un flujo de combustible mayor,

lo cual produce un incremento en la temperatura de operacin de la turbina. Esta
temperatura debe ser limitada al valor mximo permitido impuesto por el fabricante.
2.4 Esquema actual de control (Tpico)
El control automtico de la UTG abarca todos los requerimientos de la operacin,

desde el arranque inicial hasta el paro final.
Tpicamente la estrategia general de control utilizada para la operacin de la UTG

consiste en la regulacin de flujo de combustible. El ncleo del esquema de control est
formado bsicamente por un circuito dual de control de velocidad y carga para la
regulacin de flujo de combustible.
El control de velocidad, potencia y temperatura se lleva a cabo mediante el circuito

de control que muestra la figura 2.2. Este esquema de control principalmente est
compuesto por un control de velocidad, implementado con un algoritmo PI digital, el cual
31
se encuentra en una configuracin retroalimentada como lo muestra la figura 2.3, as como

un control de potencia basado tambin en un algoritmo PI digital en un esquema
retroalimentado. Adems de estos 2 controladores principales tambin existe un control
supervisor de temperatura, conformado por un PI digital retroalimentado.
Ref. +
PI Vel.
Vel.
-
+
Ref. +
PI MW Vel.
MW
- sc MW
< UTG
TGE
+
Ref.
PI TGE
TGE
-
Figura 2.2 Esquema Actual de Control de velocidad, potencia y temperatura.

Donde:
Ref. Vel. Curva de referencia de la velocidad.
Vel. Velocidad medida de la turbina de gas
Ref. MW Curva de referencia de la potencia.
MW Potencia generada por la TG.
Ref. TGE Curva de referencia de la temperatura de gases de escape
TGE Temperatura de gases de escape de la TG.
sc Seal de control
< Selector de menor seal
Ref. Vel. error PI sc Velocidad

+ Velocida
- UTG
d
Medicin
Figura. 2.3 Diagrama a Bloques del Lazo de Control de Velocidad
Bsicamente la operacin del esquema de control presentado en la figura 2.2 se

puede describir en dos etapas principales: etapa de arranque y etapa de generacin, en cada
una de las cuales se presentan diferentes pertubarciones y eventos.
Durante la etapa de arranque, el esquema de control que se encuentra en operacin

es el control de velocidad, quien regula el flujo de combustible hacia a la cmara de
32
combustin a travs de la vlvula de combustible, de tal manera que se pueda lograr el

mejor seguimiento de la curva de referencia de velocidad.
La seal de control es calculada por un algoritmo PI convencional, a partir del error
de seguimiento de velocidad, el cual es la diferencia entre la curva de referencia y la
velocidad angular de la UTG.
Durante la etapa de arranque el control de velocidad debe contrarrestar

perturbaciones del proceso que son significativas, por ejemplo el sobre flujo de aire en la
cmara de combustin provocado por el cierre de las vlvulas de sangrado del compresor.
Cuando se lograr alcanzar la velocidad de sincronismo, el interruptor principal del

generador es cerrado para enlazar la unidad turbogas a la red elctrica, comenzando as la
etapa de generacin. En este instante, el control de potencia es habilitado para llevar a la
unidad turbogas a generar la potencia mnima con la finalidad de evitar una motorizacin
del generador, al mismo tiempo el control de velocidad es colocado en un estado latente
manteniendo el ltimo valor antes de la sincronizacin como una contribucin a la seal de
control. Despus de esto, el control PI de potencia se encarga de generar la seal de control
necesaria para suministrar la potencia solicitada por el operador. La seal de control a la
vlvula de combustible es calculada por un algoritmo de control PI a partir del error de
potencia generada.
Durante las dos etapas descritas anteriormente, tambin se encuentra actuando un

controlador de temperatura como lo muestra la figura 2.2. Este se encarga de proteger a la
UTG cuando la demanda de combustible solicitada por el control de velocidad y/o de
potencia se incrementa provocando que se incremente la temperatura de los gases de
escape por arriba de los lmites establecidos por el fabricante. Como consecuencia el PI de
temperatura toma el control de la UTG hasta regular la temperatura, despus devuelve el
control al PI que se encontraba en operacin de acuerdo a la etapa de operacin vigente.
El control de temperatura es crtico para la eficiencia, vida til y potencia generada.

Mientras la turbina se opere lo ms cercano posible a su temperatura lmite, ms alta ser su
eficiencia y su potencia de salida. Por otra parte, si la temperatura lmite de la turbina de
gas es excedida, sus partes se desgastan ms rpido y pueden llegar a deteriorarse
completamente, causando daos severos a la turbina e inclusive al equipo y personal
cercanos a la misma.
2.5 Comportamiento del control actual
En esta seccin se realiza un anlisis del desempeo del esquema de control actual
basndose en las respuestas de la velocidad de la turbina de gas, de la temperatura de los
gases de escape, y de la potencia generada por la turbina de gas, estas respuestas se
muestran el la figura 2.4, con la finalidad de analizar su comportamiento. Estas respuestas
fueron obtenidas con el sistema para desarrollo y validacin de algoritmos de control para
turbinas de gas, desarrollado en ambiente Simulink [19] (ver anexo A). Posteriormente
en el captulo 5 se analizar mejor el desempeo del esquema actual de control, por medio
de ndices de error y pruebas de rechazo a disturbio.
33
Figura 2.4 Grfica de las respuestas de la turbina
Como se observa en la figura 2.4, de acuerdo a la secuencia de arranque el primer

componente en entrar en operacin es el motor de arranque, despus que finaliza el periodo
de calentamiento (aprox. a los 120 seg) se activa la rampa de aceleracin, el primer control
en entrar en accin es el control de velocidad, el cual comienza a regular la velocidad de
acuerdo a la curva de referencia, debido a que la velocidad se va incrementado
gradualmente, el controlador tambin incrementa la demanda de combustible para lograr el
mejor seguimiento de la curva de referencia, pero este incremento de la demanda de
combustible provoca que se eleve la temperatura por encima de la referencia (vase la
figura 2.4), provocando que el PI supervisor de temperatura tome el control
(aproximadamente a los 150 seg.) hasta regular la misma, despus el control de velocidad
retoma el mando (aproximadamente a los 280 seg.) hasta llevar a la TG a la velocidad de
sincronismo para ceder despus el control al PI de potencia (aproximadamente a los 400
seg.) .
En la figura 2.4 se observa como el PI de potencia se encarga de llevar a la TG a

carga mnima (2 MW) y despus a la demanda solicitada por el operador (20 MW). Sin
embargo, como se observa en la figura la potencia mxima generada por la TG es aprox.
10.7 MW, debido a que la temperatura de los gases de escape de la TG se incrementa,
aproximndose al lmite mximo de diseo (aproximadamente a los 475 seg.), ocasionando
que el PI supervisor de temperatura tome nuevamente el control para regular la temperatura
de acuerdo a la referencia de como se observa en la figura 2.4. cuando la demanda de carga
34
disminuye, provocando que tambin disminuya la temperatura, por lo que el PI de potencia

vuelve a retomar el control (aproximadamente a los 820 seg.) .
2.6 Problemtica del control actual
Como se puede observar en las grficas anteriores, una de las mayores desventajas
que presenta el control actual es la fuerte interaccin que existe entre los controladores, ya
que estos son controladores independientes que operan sobre un mismo elemento final de
control (vlvula de flujo de gas combustible). Por ejemplo, una variacin en los parmetros
del controlador PI de temperatura, no slo afectar el desempeo del control de
temperatura, sino que tambin afectar el desempeo del control de velocidad y potencia,
esto se puede observar en las figuras 2.5, 2.6 y 2.7. En estas graficas se muestra las
repuestas normales presentadas en la grafica 2.4 obtenidas del sistema para desarrollo y
validacin de algoritmos de control para turbinas y estas se comparan con las respuestas
obtenidas con el mismo sistema al variar un solo parmetro del PI de temperatura.
En la grafica 2.5 se observa como la variacin del parmetro del controlador de

temperaturas afecto la respuesta de velocidad, empeorando el seguimiento de la curva de
referencia. En la grafica 2.6 se observa como con la variacin de este parmetro se logra
regular mejor la temperatura durante la etapa de arranque, pero esta regulacin empeora
durante la etapa de generacin, provocando la generacin de una menor potencia, tal como
se muestra en la figura 2.7.
Figura 2.5 Grfica de la velocidad de la turbina ante ajuste de los parmetros en el PI de

temperatura
35
Figura 2.6 Grfica del comportamiento de la temperatura de la turbina ante ajuste de los
parmetros en el PI de temperatura
Figura 2.7 Grfica de la potencia de la turbina ante ajuste de los parmetros en el PI de temperatura
36
Otra desventaja como se observa en la figura 2.4 es que cuando el control de

temperatura toma el mando durante la etapa de arranque de la TG, en un principio este no
alcanza a regular bien la temperatura de los gases de escape de la misma sobrepasando
ligeramente el lmite establecido (aprox. de 175 a 280 seg), lo que puede provocar que las
partes de la turbina se desgasten ms rpido o lleguen a deteriorarse completamente.
Durante esta etapa la regulacin de temperatura se puede mejorar ajustando los parmetros
del PI de temperatura, pero esto causar otras alteraciones al sistema de control, por
ejemplo como se muestra en la figura 2.6 la regulacin en la temperatura durante la etapa
de arranque mejor, pero provoc que la regulacin en la etapa de generacin muestre un
desempeo ms pobre como se observa en la figura 2.7, disminuyendo con ello la eficiencia
de la TG.
En cuanto al seguimiento de las curvas de referencia correspondiente a los lapsos en

que cada controlador est operando, se puede decir que es aceptable, pero susceptible de
mejorarse con la aplicacin del controlador neurodifuso lo cual se ver en el captulo 4. En
las figuras 2.8 y 2.9 se muestran los errores de seguimiento durante la etapa de arranque y
de generacin.
Error de seguimiento de velocidad
Figura 2.8 Grfica del error de la velocidad de la TG.
37
Figura 2.9 Grfica del error de la potencia de la turbina

Otras desventajas generales que presentan los controladores convencionales del tipo
PI es que son diseados para tareas de regulacin y rechazo a perturbaciones y no para
seguimiento de puntos de referencia en forma de rampa. Las UTGs presentan un
comportamiento no lineal y variante en el tiempo, principalmente en la etapa de arranque
donde se presentan varios disturbios importantes, actualmente los controladores utilizados
en los lazos de control de la UTG son lineales, y son sintonizados para un punto de
operacin especfico y conservados as por tiempo indefinido, lo que puede desfavorecer su
desempeo en los puntos distantes de operacin donde fueron sintonizadas sus ganancias.
2.7 Conclusiones
Actualmente el control de las turbinas de gas esta implementado con algoritmos de

control tipo PI debido a las ventajas que posee como son:
Es el algoritmo de control mas comnmente usado en la industria, debido a

su versatilidad, elevada confiabilidad y fcil operacin.
Existen muchos mtodos para disear el controlador.
Ofrecen una gran variedad de maneras de utilizar la informacin de los
modelos matemticos para hacer un buen control.
Tiene un desempeo aceptable.
Sin embargo, este algoritmo de control tambin posee algunas desventajas como las
detalladas en este capitulo, algunas de las cuales son:
38
Son diseados para tareas de regulacin y rechazo a perturbaciones y no

para seguimientos de puntos de referencia.
Los controladores PI presentan un comportamiento lineal, mientras la
turbina de gas presenta un comportamiento no lineal e invariante en el
tiempo.
Aunadas a estas desventajas tambin se presentan las derivadas de la estrategia de

control utilizada para el control de la UTG, las cuales son:
La fuerte interaccin que existe entre los controladores.

La temperatura de los gases de escape no es regulada correctamente, lo cual
implica mayores mantenimientos y la reduccin de la vida til de la UTG.
39
CAPITULO 3 Control Prealimentado Neurodifuso Multivariable
CONTROL PREALIMENTADO
NEURODIFUSO MULTIVARIABLE
3.1 Introduccin.
En este captulo se describe el desarrollo de un controlador prealimentado

multivariable, para actuar en conjunto con el esquema de control retroalimentado existente,
con la finalidad de reducir las desventajas del esquema convencional de control
mencionadas en el captulo anterior. De tal modo que el controlador prealimentado aporte
la mayor parte de la seal de control y los controladores PI retroalimentados proporcionen
el complemento de la seal de control necesaria para realizar ajustes finos y rechazar
disturbios.
Se propone disear el control prealimentado como un sistema neurodifuso, debido a las
ventajas que esta estrategia de control presenta, y las cuales se describen en este captulo.
40
3.2 Control prealimentado
El combinar el control retroalimentado con el control prealimentado puede mejorar

significativamente el desempeo sobre un control retroalimentado simple, siempre que
haya un disturbio que pueda ser medido antes de que este afecte la salida del proceso. En
una situacin ideal el control prealimentado puede eliminar enteramente los efectos del
disturbio medido en la salida del proceso. Incluso cuando hay errores en el modelado, el
control prealimentado frecuentemente reduce los efectos del disturbio medido en la slida
mejor que lo alcanzado con slo un controlador retroalimentado.
La estrategia de control prealimentada puede ser clasificada como de mltiples

entradas y una sola salida (MISO) si se requiere ms de una medicin de proceso, pero
solamente existe un elemento final de control, como ocurre en la turbina de gas, donde nos
interesa controlar la velocidad, potencia y temperatura (entradas) y slo tenemos un
elemento final de control (vlvula de control de combustible) para lograr este objetivo.
Existen varias tcnicas o configuraciones para realizar una estrategia de control

prealimentado, la estrategia de control empleada para el desarrollo de este trabajo de tesis
se deriva de la configuracin del control lineal de dos grados de libertad mostrado en la
figura 3.1 [9].
Control Uff(s) U(s)

Yd(s) UTG Y(s)
Prealimentado
Gff(s) + + Gp(s)
Ufb(s)
Control Retroa-
limentado Gfb(s)
E(s)
+ -
Figura 3.1 Configuracin del control de dos grados de libertad.
Donde:
Yd(s) Seal de referencia
Y(s) Salida de la planta
Uff(s) Seal de control prealimentado
Ufb(s) Seal de control retrolaimentado
U(s) Seal de control total
Analizando las funciones de transferencia del diagrama de bloques de la figura 3.1

tenemos las siguientes ecuaciones:
Y ( s ) = Gp ( s )U ( s ) (3.1)
U ( s ) = Uff ( s ) + Ufb ( s ) (3.2)
Uff ( s ) = Yd ( s )Gff ( s ) (3.3)
Ufb ( s ) = [Yd ( s ) Y ( s )]Gfb ( s ) (3.4)
41
Sustituyendo las ecuaciones 3.3 y 3.3 en la ecuacin 3.2, tenemos:
U ( s ) = Yd ( s )Gff ( s) + [Yd ( s) Y ( s )]Gfb( s ) (3.5)
Sustituyendo la ecuacin 3.5 en la ecuacin 3.1 y reduciendo, tenemos:
Y ( s ) = Gp ( s )[Yd ( s )Gff ( s ) + [Yd ( s ) Y ( s )]Gfb( s )]

Y ( s ) = Gp ( s )Yd ( s )Gff ( s ) + Gp ( s )[Yd ( s) Y ( s )]Gfb( s )
Y ( s ) = Yd ( s )Gff ( s )Gp ( s ) + Yd ( s )Gfb( s )Gp ( s ) Y ( s )Gfb( s )Gp ( s )
Y ( s ) = Yd ( s )[Gff ( s )Gp ( s ) + Gfb( s )Gp ( s )] Y ( s )Gfb( s )Gp ( s )
Y ( s ) + Y ( s )Gfb( s )Gp ( s ) = Yd ( s )[Gff ( s )Gp ( s ) + Gfb( s )Gp ( s )]
Y ( s ) = Yd ( s )[Gff ( s )Gp ( s ) + Gfb( s )Gp ( s )][1 + Gfb( s )Gp ( s )]
1
(3.6)
Si hacemos [
G ff ( s ) = G p ( s) ] y lo sustituimos en la ecuacin 3.6 tenemos:
1
Y ( s ) = Yd ( s )[1 + Gfb( s)Gp( s)][1 + Gfb( s )Gp ( s )]

1
Y ( s ) = Yd ( s ) (3.7)
Lo cual idealmente significara tener un seguimiento perfecto de la seal de

referencia.
Esta tcnica nos ofrece las siguientes ventajas:
1. Las caractersticas de prealimentacin y las caractersticas de lazo cerrado se ajustan

sin depender una de otras.
2. El desempeo de seguimiento depende de Gff(s) y Gfb(s).
3. El rechazo a perturbaciones, la sensibilidad a los errores en el modelo, el mrgen de

estabilidad y la sensibilidad en el ruido slo dependen de Gfb
4. Gfb determina la caracterstica del lazo de realimentacin.
5. Gff afecta la funcin de transferencia en lazo cerrado entre la entrada de referencia

y la salida del sistema.
Sin embargo, esta tcnica tambin presenta algunas desventajas como son:
1. El control por prealimentacin no puede reemplazar al control por
retroalimentacin.
2. La efectividad de un sistema prealimentado est limitado por el modelo matemtico

que describe el sistema y la exactitud de los componentes involucrados. Las
inexactitudes pueden causar que el sistema prealimentado tenga una desviacin en
estado estable.
42
3. La componente de control por prealimentacin no puede compensar perturbaciones

inesperadas.
Como se mostr en la ecuacin 3.7, se requiere del modelo inverso de la planta para
implementar el control retroalimentado, lo cual puede ser muy difcil de obtener si es que
este en realidad existe.
Actualmente con el avance del conocimiento, los sistemas neurodifusos nos ofrecen
una alternativa para representar una aproximacin del modelo inverso de la planta, lo cual
nos permite seguir adelante con este esquema de control. La descripcin de los sistemas
neurodifusos se presenta mas adelante en este captulo.
Basndose en el esquema prealimentado de dos grados de libertad mostrado

anteriormente en la figura 3.1 y aplicndolo al esquema de control actual de la turbina de
gas visto en el captulo anterior (ver figura 3.2), se forma el esquema propuesto para la
realizacin de este trabajo de tesis el cual se muestra en la figura 3.2.
Como se muestra en la figura 3.2 los controladores PI convencionales de velocidad,

potencia y temperatura se conservan (con su misma configuracin retroalimentada) y se
aade un control prealimentado multivariable neurodifuso, para formar una estrategia de
control hbrida Retro-prealimentada.
El controlador prealimentado ser del tipo MISO (multiples entradas y una salida)
donde las entradas al controlador sern las referencias de velocidad, potencia y temperatura
y la salida ser la seal de control.
Control
PI
Neurodifuso
SP PI Demanda
+ Vlvula
Velocidad
<
DEMANDA
PRIMARIA
+
SP PI
MW
Control
Arranque
Ref. temp. RPM
<
PI
PDC Limitador
x Aceleracin
Carga
Temp_Gases_Escape
Figura 3.2 Esquema de Control Propuesto aplicado al control de velocidad

potencia y temperatura de unidades turbogas.
Con este esquema de control se espera que la mayor aportacin de la seal de

control sea proporcionada por el control prealimentado multivariable neurodifuso,
43
disminuyendo de esta manera la interaccin entre los controladores PIs, aportando estos
una seal complementaria de control utilizada para ajustes finos de control y rechazo de
perturbaciones.
3.3 Sistemas neurodifusos
Como se mencion anteriormente para implementar el esquema de control

propuesto se necesita el modelo inverso de la planta, tambin se mencion de la
complejidad de obtenerlo matemticamente y de que una alternativa para obtenerlo es a
travs de la aplicacin de sistemas neurodifusos.
En la actualidad existen varios tipos de sistemas neurodifusos comerciales entre los

que se encuentran FALCON (Fuzzy Adaptive Learning Control Network) [20];
ARIC(Aproximate Reasoning based Intelligent Control)[20]; GARIC(Generalized
Aproximate Reasoning based Intelligent Control)[20]; NEFCON (Neuro Fuzzy Control)
[21]; NNDFR (Neural Network Driven Fuzzy Reasoning) [22]; FuNe (Fuzzy Network)
[23] y ANFIS (Adaptive Network based Fuzzy Inference System) [24].
Para el desarrollo de la tesis se utilizar ANFIS, debido a que es una clase de redes
adaptivas que son funcionalmente equivalentes a sistemas de inferencia difusos con un
mtodo de auto sintonizacin (Sistemas de inferencia neurodifusos adaptivos). Otras
razones para su uso son la disponibilidad del software, ya que utiliza la misma plataforma
de programacin (Matlab) empleada por el modelo de la unidad turbogas y se tiene
conocimiento previo de aplicaciones de ANFIS en otros proyectos realizados en el IIE.
Con el uso de un procedimiento hbrido de aprendizaje, ANFIS (puede construir un

mapeo de entrada salidas basado en conocimiento humano en forma de reglas difusas si
entonces (If_Then) y en pares de datos de entrada - salida estipulados. La arquitectura
ANFIS puede ser utilizada para modelar funciones no lineales, identificar componentes no
lineales en sistemas de control, prediccin de series caticas, aplicaciones de control
automtico y procesamiento de seales. A continuacin se describen los conceptos bsicos
de los sistemas de inferencia difusos y de las redes neuronales, debido a que son las dos
tcnicas que unen sus caractersticas y ventajas para generar los sistemas neurodifusos [24].
3.3.1 ANFIS
Para la realizacin de esta tesis se propone el uso de una clase de red adaptiva la cual es
funcionalmente equivalente a un sistema de inferencia difuso. La arquitectura propuesta es
llamada ANFIS (Sistema de Inferencia Difuso basado en Redes Adaptivas).
La arquitectura y reglas de aprendizaje de esta red adaptiva se describen en el anexo D.
3.3.1.1 Arquitectura ANFIS.
Por simplicidad asumiremos que el sistema de inferencia difuso bajo consideracin

tiene 2 entradas x y y, una salida z. La base de reglas contiene 2 reglas difusas Si - entonces
del tipo Takagi y Sugeno [24].
44
Regla 1: Si x es A1 & y es B1, entonces f1 = p1x + q1y + r1.
Regla 2: Si x es A2 & y es B2, entonces f2 = p2x + q2y + r2.
La figura 3.3 ilustra el mecanismo de razonamiento para este modelo (tipo 3, ver anexo
D) y la arquitectura ANFIS equivalente a este razonamiento difuso es mostrado en la figura
3.4. como podemos observar ANFIS est compuesto por cinco capas, los nodos dentro de
una misma capa tienen funciones similares.
A1 A3
f1 = p1 x + q1 y + r1
w1
a1 b1 c1 a3 b3 c3 w1 f1 + w2 f 2
X Y f =
w1 + w2
= w1 f1 + w2 f 2
A2 A4
w2 f 2 = p 2 x + q 2 y + r2
a2 b2 c2 a4 b4 c4
X Y
x y
Figura 3.3 Mecanismo de razonamiento para un sistema TSK
capa 1 capa 2 capa 3 capa 4 capa 5
A1
a1, b1, c1 x y
x
A2 w1 w1
N p 1 , q 1, r 1 w1 f1
a2, b2, c2
f
A3 w2 w2
N p 2 , q 2, r 2 w2f2
a3, b3, c3
y
A4 x y
a4, b4, c4
Figura 3.4 Diagrama del algoritmo ANFIS.
45
Las funciones de cada nodo en la misma capa son descritos a continuacin:
Capa 1: Cada nodo i en esta capa, es un nodo adaptivo con una funcin nodal. Para este
ejemplo esta capa tiene 4 nodos adaptivos (A1, A2, A3 Y A4).
O1,i = Ai (x ) para i = 1,2,3 y 4

(3.8)
Donde x y es la entrada al nodo i, y Ai es la etiqueta lingstica (pequeo, mediano,

grande) asociada a este nodo, O1i es el grado de membresa. De Ai.
La funcin de membresa puede ser cualquier funcin parametrizada por ejemplo

trapezoidal, triangular, campana de gauss, etc, la siguiente funcin es la empleada en el
ejemplo (ver anexo D):
x ai ci x
Ai ( x ) = max 0, min , (3.9)
bi a i c i bi
Donde {ai, bi, ci} es el conjunto de parmetros, estos se conocen como parmetros
premisas o antecedentes.
Capa 2: Cada nodo en esta capa es un nodo fijo representado mediante un crculo,
etiquetado por una , en el cual se realiza el producto de las seales de entrada.
O 2 ,i = i = A(1, 3 ) (x ) A( 2 , 4 ) ( y ), i = 1, 2.
(3.10)
Cada salida del nodo representa la fuerza de disparo (activacin) de la regla (Norma -
T).
Capa 3: Cada nodo en esta capa es un nodo fijo representado mediante un crculo,
etiquetado por una N, en estos nodos se calcula la relacin de la fuerza de disparo de la i-
sima regla respecto del total de fuerzas de disparo de las reglas.
i
O 3,i = i = , i =1 . (3.11)
1 + 2
Las salidas de esta capa son llamadas fuerzas de activacin o disparo normalizadas.
Capa 4: Cada nodo i en esta capa es un nodo adaptivo con una funcin nodal:
O 4 ,i = i f i = i ( p i x + q i y + ri ) (3.12)
Donde {pi, qi, ri} es el conjunto de parmetros, llamados parmetros consecuentes y

i es una fuerza normalizada proveniente de la capa 3.
46
Capa 5: Compuesto por un solo nodo, etiquetado con la letra (sigma), el cual calcula
la salida total como la suma de todas las seales de entrada.
i fi (3.13)
O5 ,i = i fi = i
i i
i
A travs de estas 5 capas se construye una red adaptiva la cual es funcionalmente

equivalente a un sistema de inferencia difuso. Esta arquitectura ANFIS entonces puede
actualizar sus parmetros de acuerdo al procedimiento de actualizacin del gradiente
descendente (ver anexo D).
En resumen el procedimiento bsico para construir un sistema neurodifuso, mediante la

combinacin de sistemas neurodifusos (partiendo de los valores numricos de las entradas,
la fusificacion, el sistema de inferencia difuso, la defusificacion) y redes neuronales
(aplicando los mtodos de aprendizaje de gradiente descendente y mnimos cuadrados para
encontrar los mejores parmetros del sistema neurodifuso) se describe a continuacin.
1. Definir el dominio de las variables de entrada para las funciones de membresa, de

acuerdo a los datos de entrenamiento
2. Definir el tipo y nmero de funciones de membresa para cada entrada (anexo C).
3. Inicializar los parmetros de las funciones de membresa.
4. Propagar todos los datos de entrenamiento por la red.
5. Aplicar el mtodo de mnimos cuadrados, con la finalidad de encontrar los

parmetros de los consecuentes (anexo C).
6. Propagar nuevamente los patrones de entrenamiento para determinar el error.
7. Aplicar el mtodo de aprendizaje de gradiente descendente para actualizar los

parmetros de las funciones de membresa (antecedentes) para cada patrn de
entrada (anexo C).
8. Una vez terminado el entrenamiento, verificar el comportamiento del sistema

neurodifuso (anexo C).
3.4 Diseo del Controlador Neurodifuso Multivariable
Como se mencion anteriormente para poder implementar la estrategia de control

hbrida retro-prealimentada, necesitamos del modelo inverso de la planta, el cual ser
representado por un sistema neurodifuso diseado con ANFIS.
47
La metodologa de diseo para implementar el control prealimentado ser la siguiente:
Obtener los datos de entrenamiento.
Para obtener estos datos se utiliza el Sistema para Desarrollo y Validacin de

Algoritmos de Control para Turbinas de Gas, desarrollado en ambiente Simulink [19]
(ver anexo A). El cual bsicamente realiza las funciones de simular la dinmica de la UTG,
el control lgico secuencial y el control regulatorio de acuerdo a como se describi en
capitulo anterior, implementando el esquema de control convencional que se mostr en la
figura 3.2. Los tres controles estn basados en el control clsico Proporcional-Integrativo,
en donde las constantes de cada uno de los controles fueron encontradas aplicando el
mtodo de Zeigler Nichols, primero obteniendo una aproximacin cercana a la deseada y
despus ajustando las pequeas variantes de cada control.
El entrenamiento del controlador ANFIS, requiere de un mapeo esttico de las

variables del sistema UTG, por lo tanto es necesario realizar una simulacin del sistema
UTG bajo las condiciones ms optimas que el control convencional ofrece.
Ref. +
PI Vel.
Vel.
-
+
Ref. +
PI MW Vel.
MW
- SC MW
< UTG
TGE
+
Ref.
PI TGE
TGE
-
Datos de
entrenamiento
Entrada Salida
Figura. 3.5 Obtencin de los datos de entrenamiento
Las variables que se seleccionaron para generar los datos de entrenamiento son la
velocidad angular de la turbina de gas, la potencia (MW) generados por la turbinas de gas,
la temperatura de los gases de escape y la seal de control a la vlvula de combustible.
Estos datos son almacenados en forma matricial para su posterior utilizacin. La forma en
que son almacenados estos datos se muestra en la figura 3.5, lo que interesa es obtener el
modelo inverso de la planta, por lo tanto las salidas de la planta (velocidad, MW, TGE) se
48
tomarn como las entradas para el sistema neurodifuso y la seal de entrada a la UTG
(seal de control) ser la salida del sistema neurodifuso.
Estos datos de entrenamiento seleccionados se guardan en un archivo con formato

(.mat) para su posterior utilizacin en el editor grafico ANFIS de Matlab.
Normalizacin de los datos.
El entrenamiento de la red puede ser ms eficiente si se emplean algunos pasos de

preprocesamiento de los datos, como puede ser el escalamiento o normalizacin de los
datos de las entradas y los de la salida, con mayor razn si estos presentan magnitudes muy
variados como es el caso de los datos de entrenamiento colectados anteriormente.
Para uniformizar estas magnitudes se emple una transformacin lineal T1, Esta
transformacin lineal puede ser vista como un escalamiento y un desplazamiento de
coordenadas (figura 3.6).
Ymax
T1
T1-1
Ymin
Xmin x Xmax
Figura. 3.6 Mapeo lineal entre el dominio X de la variable fsica x y el universo de discurso normalizado
Y de la variable difusa y.
El mapeo desde el dominio de operacin de las variables fsicas hacia el rango de

operacin normalizado se realiza a travs de la transformacin lineal T1, que se describe a
continuacin.
T1: [Xmin, Xmax] [Ymin, Ymax]

Y max Y min
(x) T1(x)= y = Y min + (x X min ) (3.14)
X max X min
El mapeo desde el dominio de operacin normalizado hacia el rango de operacin de las
variables fsicas se realiza a travs de la transformacin lineal inversa T11,que se describe
a continuacin.
T11: [Ymin, Ymax] [Xmin, Xmax]
49
X max X min
(y) T11(y)= x = X min + ( y Y min ) (3.15)
Y max Y min
donde:
x y y representan las variables fsicas y normalizadas respectivamente.
X= [Xmin, Xmax] es el dominio de la variable fsica.
Y= [Ymin, Ymax] es el universo de discurso normalizado de la variable difusa.
Los rangos reales de las variables (velocidad, potencia, temperatura y seal de control)
y los rangos normalizados se resumen en la tabla 3.1.
Tabla 3.1. Rangos reales de la variables vs rangos normalizados

Variable Rango real Rango Normalizado
Velocidad 0-85 rps 0-1
Potencia 0-24000 kw 0-1
Temperatura 130-1000 F 0-1
Seal de control 0-0.5 0-1
Los rangos reales de las variables (velocidad, potencia, temperatura y seal de control)
y los rangos normalizados se resumen en la tabla 3.1.
Diseo del sistema neurodifuso.
Para facilitar la programacin del sistema neurodifuso, se utiliza el editor grfico

ANFIS (anfisedit) de matlab [26], siguiendo el procedimiento mencionado en el anexo
B.
Despus de haber realizado varios diseos de sistemas neurodifusos, con diferentes

combinaciones de caractersticas como: nmero y tipo de funciones de membresa de
entrada, tipo de salida, nmero de pocas de entrenamiento, mtodo de inicializacin y
generacin del sistema de inferencia difuso, mtodo de optimizacin para el entrenamiento,
etc. En base al error de entrenamiento se defini el sistema neurodifuso que representar el
control neurodifuso. Este ndice de error depende de las caractersticas mencionadas
anteriormente y representa la diferencia entre los valores de salida de los datos de
entrenamiento y las salidas del sistema de inferencia difuso correspondiente a los mismos
datos de entrenamiento de entrada.
El sistema neurodifuso que representa al Control Neurodifuso Multivariable (CNM),

esta representado por un sistema difuso del tipo TSK (Takagi Sugeno Kan) de 3 entradas, 1
salida y 27 reglas generadas por las diferentes combinaciones de los antecedentes como lo
muestra la tabla 3.2. la estructura de este sistema neurodifuso se muestra en la figura 3.7.
Este sistema utiliza las siguientes definiciones:
50
funciones Reglas
Entradas Salida
de membresia
trapezoidales w27
w 27
Velocidad
wi zi
Potencia
Temperatura wi z
sc =
wi
w1
w1
wi
Figura. 3.7 Estructura del sistema neurodifuso
Funciones de membresa de entrada:
a)
51
b)
c)
Figura. 3.8. Funciones de membresa tipo trapezoidal para cada entrada. a) de velocidad, b) de
potencia, c) de temperatura
La utilizacin de funciones de pertenencia trapezoidal se debi a que el error de

entrenamiento generado con estas funciones fue menor, lo cual nos representa una mayor
aproximacin al modelo inverso de la planta, adems este tipo de funcin de membresa
reduce el tiempo computacional de entrenamiento. La funcin trapezoidal esta dada por:
xa d x
trapezoide( x; a, b, c, d ) = max min ,1, ,0 donde a < b < c < d (3.16)
ba d c
siendo a, b, c, d los vrtices del trapecio tal como lo muestra la figura 3.9 (vase anexo
D).
x
a b c d
Figura. 3.9 Funcin de pertenencia trapezoidal
52
Inferencia basada en reglas individuales, la tabla 3.2 muestra la base de reglas, estas reglas
son generadas por la combinacin de las entradas, como tenemos 3 entradas (velocidad,
potencia y temperatura) y cada una esta compuesta por tres conjuntos difusos (baja, media y
alta) esto nos da una combinacin de 27 reglas.
Tabla 3.2. Base de reglas del sistema neurodifuso

Re Condi Antecedente1 Antecedente2 Antecedente3 Condici Consecuente
gla cional onal
1 Si Velocidad baja y Potencia baja y Temp. baja Entonces z = p x + q y + r1
1 1 1
2 Si Velocidad baja y Potencia baja y Temp. media Entonces z 2 = p 2 x + q 2 y + r2
3 Si Velocidad baja y Potencia baja y Temp. alta Entonces z 3 = p3 x + q3 y + r3
4 Si Velocidad baja y Potencia media y Temp. baja Entonces z 4 = p 4 x + q 4 y + r4
5 Si Velocidad baja y Potencia media y Temp. media Entonces z 5 = p5 x + q5 y + r5
6 Si Velocidad baja y Potencia media y Temp. alta Entonces z 6 = p 6 x + q 6 y + r6
7 Si Velocidad baja y Potencia alta y Temp. baja Entonces z 7 = p 7 x + q 7 y + r7
8 Si Velocidad baja y Potencia alta y Temp. media Entonces z 8 = p8 x + q8 y + r8
9 Si Velocidad baja y Potencia alta y Temp. alta Entonces z 9 = p 9 x + q 9 y + r9
10 Si Velocidad media y Potencia baja y Temp. baja Entonces z10 = p10 x + q10 y + r10
11 Si Velocidad media y Potencia baja y Temp. media Entonces z11 = p11 x + q11 y + r11
12 Si Velocidad media y Potencia baja y Temp. alta Entonces z12 = p12 x + q12 y + r12
13 Si Velocidad media y Potencia media y Temp. baja Entonces z13 = p13 x + q13 y + r13
14 Si Velocidad media y Potencia media y Temp. media Entonces z14 = p14 x + q14 y + r14
15 Si Velocidad media y Potencia media y Temp. alta Entonces z15 = p15 x + q15 y + r15
16 Si Velocidad media y Potencia alta y Temp. baja Entonces z16 = p16 x + q16 y + r16
17 Si Velocidad media y Potencia alta y Temp. media Entonces z17 = p17 x + q17 y + r17
18 Si Velocidad media y Potencia alta y Temp. alta Entonces z18 = p18 x + q18 y + r18
19 Si Velocidad alta y Potencia baja y Temp. baja Entonces z19 = p19 x + q19 y + r19
20 Si Velocidad alta y Potencia baja y Temp. media Entonces z 20 = p 20 x + q 20 y + r20
21 Si Velocidad alta y Potencia baja y Temp. alta Entonces z 21 = p 21 x + q 21 y + r21
22 Si Velocidad alta y Potencia media y Temp. baja Entonces z 22 = p 22 x + q 22 y + r22
23 Si Velocidad alta y Potencia media y Temp. media Entonces z 23 = p 23 x + q 23 y + r23
24 Si Velocidad alta y Potencia media y Temp. alta Entonces z 24 = p 24 x + q 24 y + r24
25 Si Velocidad alta y Potencia alta y Temp. baja Entonces z 25 = p 25 x + q 25 y + r25
26 Si Velocidad alta y Potencia alta y Temp. media Entonces z 26 = p 26 x + q 26 y + r26
27 Si Velocidad alta y Potencia alta y Temp. alta Entonces z r = p 27 x + q 27 y + r27
En el sistema neurodifuso ANFIS, por su estructura en forma de red neuronal aplica

un mtodo de aprendizaje hbrido, es decir por medio del mtodo de gradiente descendente
53
calcula los parmetros de los antecedentes y aplicando el mtodo de mnimos cuadrados

determina los parmetros de los consecuentes.
Implicacin mnimo de mandani, Norma-T producto algebraico y norma-S mximo.
Defusificacin por promedio ponderado, Es decir la salida del sistema difuso TSK
est dada por:
r
r zr
O5 , r = r =1
r
r (3.17)
r =1
Donde:
z r = p r x + q r y + rr (3.18)
Implementar el CNM al sistema de control.
Una vez construido el sistema neurodifuso que representa el modelo inverso de la

planta, procedemos a incorporarlo al sistema para desarrollo y validacin de los algoritmos
de control para turbinas de gas, desarrollado en ambiente simulink (figura 3.10).
Control
neurodifuso
Ref. +
PI Vel.
Vel.
-
+
Ref. +
PI MW Vel.
MW
- + sc MW
< UTG
+ TGE
+
Ref.
PI TGE
TGE
-
Figura. 3.10 Implementacin del sistema neurodifuso al esquema de control
Las entradas al controlador neurodifuso son las referencias de velocidad, potencia y

temperatura, y su salida ser la seal de control de la cual se espera que aporte la mayor
parte de la seal de control total.
54
Probar y ajustar los controladores
l ultimo paso del diseo es probar el CNM en conjunto con los controladores PI
existentes, estos controladores PI fueron ajustados para trabajar como controladores
independientes y aportar gran parte de la seal de control, con el esquema propuesto estos
controladores aportan una seal de control menor (complementaria) dedicada para rechazar
disturbios y realizar ajustes finos en la seal de control, por lo tanto es necesario reajustar
los parmetros de estos controladores para obtener el mejor desempeo de ellos.
3.5 Pruebas del CNM con ajuste de los controladores PI
Despus de haber diseado el sistema neurodifuso y de haber implementado el esquema

de control propuesto en el sistema para desarrollo y validacin de algoritmos de control
para turbinas de gas, se procede a evaluar los resultados, comparando el desempeo del
esquema propuesto implementado con el controlador prealimentado neurodifuso
multivariable contra el esquema de control actual implementado con algoritmos de control
convencionales PI.
El desempeo de los esquemas de control se evalan realizando las siguientes pruebas:
a) Interaccin entre controladores,

b) Pruebas de seguimiento y,
c) Rechazo a disturbios.
El anlisis de esta pruebas se presentan en el siguiente captulo.
3.6 Conclusiones
Como se observo en el capitulo anterior, el esquema de control convencional

utilizado en las UTG, tiene un comportamiento aceptable, sin embargo tambin presenta
algunas desventajas. Lo cual da la posibilidad de partir del esquema de control
convencional para aprovechar sus beneficios y mediante la combinacin de otra tcnica de
control, como es el control prealimentado lograr mejores resultados y disminuir las
desventajas presentadas anteriormente.
La principal limitante para implementar la estrategia con el control prealimentado,

es que se requiere del modelo inverso de la planta, en este caso el de la turbina de gas, el
cual es muy grande y complejo, por lo tanto este modelo inverso es muy difcil o imposible
de obtener.
Actualmente con el avance del conocimiento, los sistemas neurodifusos ofrecen una
alternativa para representar una aproximacin del modelo inverso de la planta. Para lograr
esto se utilizara ANFIS, debido a que es una clase de red adaptiva funcionalmente
equivalente a un sistema de inferencia difuso con un mtodo de auto sintonizacin.
55
CAPITULO 4 Evaluacin y Anlisis de Resultados
EVALUACIN Y ANLISIS DE
RESULTADOS
4.1 Introduccin.
En este captulo se presentan las simulaciones y pruebas realizadas a los esquemas

de control vistos en el captulo 2 (esquema tpico de control basado en PIs convencionales)
y en el captulo 3 (esquema propuesto basado en un controlador prealimentado
neurodifuso).
Las pruebas fueron realizadas en el sistema para desarrollo y validacin de

algoritmos de control para turbinas de gas [19], desarrollado en la Gerencia de Control e
Instrumentacin del IIE. Las pruebas que se realizaron son: la afectacin a la seal de
control provocada por la interaccin de los controladores, evaluacin del comportamiento
de los esquemas de control a travs de ndices de error, pruebas de seguimiento y pruebas
de rechazo a disturbios.
56
4.2 Ambiente de Pruebas
La realizacin de pruebas se llev a cabo mediante el uso del Sistema para Desarrollo y
Validacin de Algoritmos de Control para Turbinas de Gas, desarrollado en ambiente
Simulink . Este ambiente de prueba fue desarrollado en MATLAB versin 6.0, utilizando
un lenguaje modular ofrecido por la herramienta de Matlab llamada Simulink para
facilitar el entendimiento y modificacin del Sistema para Desarrollo y Validacin de
Algoritmos de Control para Turbinas de Gas.
Las funciones que realiza este sistema son las siguientes.
1) Simular la dinmica de la turbina de gas, a partir del modelo matemtico de la misma,

se generan las variables principales necesarias para el sistema de control, como son: la
velocidad angular del rotor, la potencia generada, la temperatura de los gases de escape
y la presin de descarga del compresor.
2) Control Lgico Secuencial. Cuenta con un sistema de secuenciamiento de arranque, que

permite efectuar las etapas y permisivos mnimos necesarios para llevar a cabo el
arranque de la unidad turbogas.
3) Control Regulatorio. Tiene un sistema de control simplificado que permite regular la

velocidad, potencia generada y temperatura de los gases de escape durante las
diferentes etapas de operacin de la unidad turbogas. Adems, ste modelo permite
sustituir el controlador seleccionado basado en un control clsico, por algn otro; como
es el caso de los controladores basados en lgica difusa, redes neuronales, neurodifusos,
algoritmos genticos o evolutivos.
Para realizar las pruebas del Sistema Turbogas, fue necesaria la implementacin de la
seccin secuencial lgica, as como de la seccin del control, donde se involucraron los tres
controles, el de Potencial, Velocidad y Temperatura. Los tres controles se basaron en el
control clsico Proporcional -Integrativo Derivativo, en donde las constantes de cada uno
de los controles fueron encontradas aplicando el mtodo de Zeigler Nichols, teniendo una
aproximacin cercana a la deseada y solamente ajustando las pequeas variantes de cada
control, la implementacin fue hecha mediante el control Proporcional - Integrativo para
los tres casos. Una descripcin ms detallada de este sistema se presenta en el anexo A.
4.3 Pruebas del esquema propuesto vs esquema de control convencional.
Una vez diseado el Controlador Neurodifuzo Multivariable e implementado en el

sistema para desarrollo y evaluacin de algoritmos de control, se procede a realizar las
siguientes pruebas.
a) Interaccin entre los controladores.
b) Pruebas de seguimiento.
57
c) Rechazo a disturbios
4.3.1 Interaccin entre los controladores
Como se mencion en el captulo 3, una de las desventajas ms relevantes que se

generan con el esquema actual de control, es el uso de controladores independientes
(control/supervisor) los cuales actan solo sobre una vlvula de control, implicando una
fuerte interaccin entre los mismos. De modo que no permite realizar ajustes finos en un
controlador sin que estos ajustes afecten el desempeo de los dems controladores. Esta
limitante tiene inferencia directa sobre el seguimiento de las curvas de referencia.
A continuacin se presentan las tres grficas mostradas en el captulo 3: Respuestas de

velocidad (figura 4.1), de potencia (figura 4.2), y de temperatura de gases de escape (figura
4.3), con la finalidad de recordar la interaccin entre los controladores, estas grficas
presentan la variante de que tambin se ha introducido la respuesta obtenida con el esquema
de control propuesto, con el objetivo de poder realizar una anlisis comparativo entre los
dos esquemas de control.
4 5 6 7 8
Figura 4.1 Grfica de la velocidad angular de la TG.
58
4 5 6 7 8
Figura 4.2 Grfica de la temperatura de los gases de escape de la TG.
6
7
8
4 5
1 2 3
Figura 4.3 Grfica de la potencia generada de la TG.
59
En el captulo 3 se explic detalladamente la interaccin entre los controladores. En este

captulo se muestra la tabla 4.1 la cual resume los eventos enumerados en las grficas,
estos nos sirven de gua para describir la interaccin que existe entre los controladores.
Tabla 4.1 Puntos de interaccin entre los controladores

Evento Descripcin
1-2 Etapa de arranque, el PI de velocidad se encuentra operando. Este empieza a

operar despus de la velocidad de ignicin.
2-3 Etapa de arranque, el PI de temperatura toma el control hasta regular la
temperatura. Durante este perodo se pierde el seguimiento de la curva de
referencia de velocidad.
3-4 Etapa de arranque, el PI de velocidad retoma el control y el seguimiento de la
curva de referencia de velocidad hasta alcanzar la velocidad de sincronismo,
donde cede el control al PI de potencia.
4-5 Etapa de generacin, el PI de potencia es activado, en este periodo se encarga de
llevar a demanda mnima a la UTG.
5-6 Etapa de generacin, el PI de potencia en este perodo se encarga de llevar a
demanda mxima a la UTG.
6-7 Etapa de generacin, el PI de temperatura toma el control hasta regular la
temperatura. La potencia es limitada por esta sobre- temperatura.
7-8 Etapa de generacin, el PI de potencia en este perodo se encarga de llevar a
demanda mnima a la UTG.
Como se observa en las figuras anteriores, las respuestas obtenidas con los dos esquemas
de control son similares, sin embargo, haciendo acercamientos en los diferentes puntos
mencionados en la tabla 4.1 se puede observar como las respuestas obtenidas con el
esquema de control propuesto mejoran el comportamiento del esquema de control
convencional. Estas grficas que muestran los acercamientos se presentan a continuacin.
Las primeras dos grficas muestran el comportamiento de la velocidad angular de la turbina

de gas mientras se encuentra operando el controlador de velocidad. Despus se muestran el
comportamiento de la temperatura de gases de escape cuando esta sobrepasa o se acerca al
lmite de temperatura impuesto por el fabricante, y finalmente se muestran las grficas del
comportamiento de la potencia cuando opera el control de potencia.
Como se observa en la figura 4.4 el control de velocidad se activa una vez que se ha
alcanzado las 1700 rpm, presentndose inmediatamente la ignicin que inicia la combustin
y abre la vlvula de combustible. Como se observa los dos controladores tienen un buen
seguimiento inicial, el cual se va perdiendo conforme se va incrementando la demanda de
combustible hasta que la temperatura de gases de escape sobrepasa el lmite impuesto por el
fabricante.
60
Figura 4.4 Grfica de la velocidad angular de la TG en el primer perodo de control del PI de velocidad
Continuando con el control de velocidad, durante la etapa de arranque en la figura

4.5 se observa como el regulador de velocidad retoma el control despus de que la
temperatura de los gases de escape ha sido regulada, y este lleva a la UTG hasta la
velocidad de sincronismo. En trminos generales se observa que el seguimiento
proporcionado por el esquema de control propuesto es mejor que el generado por el
esquema de control actual. En este lapso de tiempo ocurre un evento importante el cual es
necesario analizar, como se puede observar a la velocidad de 4845 rpm aproximadamente,
se presentan oscilaciones en la respuesta de velocidad de los dos esquemas de control, esto
es debido a que a esta velocidad se cierran las vlvulas de sangrado del compresor,
provocando una sobre velocidad, derivada del incremento de flujo de aire, ambos esquemas
de control tratan de corregir este disturbio natural, pero enseguida se presenta la apertura de
los labes gua, provocando nuevamente un incremento de la velocidad. Como se observa
en las grfica el esquema de control propuesto, regula mejor y ms rpido estos dos
disturbios presentados durante la etapa de arranque.
61
Figura 4.5 Grfica de la velocidad angular de la TG en el segundo periodo de control del PI de vel.
Las figuras 4.6 y 4.7 nos muestra las etapas en las cuales el control supervisor de
temperatura de gases de escape toma el control para regular la temperatura y evitar que
esta sobrepase el lmite impuesto por el fabricante.
Particularmente la figura 4.6 muestra la regulacin de temperatura durante la etapa de

arranque (puntos 2-3), como se aprecia en la parte inferior izquierda, en un principio,
tanto la respuesta del control convencional como la del propuesto sobrepasan este lmite,
debido a que en este momento el control de velocidad incrementa la demanda de
combustible, provocando que aumente la temperatura. Sin embargo despus de este
transitorio se puede observar como la respuesta del esquema de control propuesto regula
la temperatura ajustndose a la curva de referencia, mientras el esquema de control
convencional no alcanza a tener una buena regulacin, como ya se mencion esto puede
provocar daos a la UTG.
La figura 4.7 muestra la regulacin de temperatura durante la etapa de generacin, como
se puede apreciar en trminos generales con el esquema de control propuesto se
alcanza a operar ms cerca de la temperatura lmite impuesta por el fabricante, lo cual
permitir incrementar la potencia generada por la UTG.
62
Figura 4.6 Grfica de la TGE de la TG durante la etapa de arranque.
6 7
Figura 4.7 Grfica de la TGE de la TG durante la etapa de generacin.
63
Por ltimo analizamos la etapa de generacin, como ya lo mencionamos despus de

que el control de velocidad lleva a la UTG a la velocidad de sincronismo, este cede el
control al regulador de potencia, el cual se encarga de generar la potencia demandada por el
operador. Primero llevndolo a carga mnima, donde no se presenta ningn problema para
cualquiera de los dos controladores, y despus a carga mxima, las siguientes figuras
muestran el comportamiento durante esta etapa.
Como se observa en la figura 4.8, el esquema de control propuesto proporciona

claramente un mejor seguimiento de la curva de referencia, desde carga mnima hasta el
mximo de potencia producido por la UTG, en comparacin con el seguimiento producido
por el esquema actual de control.
En la figura 4.9 se observa la potencia mxima generada por la UTG, cabe recordar
que la generacin de potencia est limitada por la habilidad del sistema de control para
regular la temperatura lo ms cerca posible del lmite de temperatura impuesta por el
fabricante. Como se vio anteriormente el esquema de control propuesto mostr ser ms
eficaz en este punto, por lo tanto permite una generacin adicional de aproximadamente
100 Kw. Esto representa una clara ventaja sobre el esquema de control convencional.
Figura 4.8 Grfica del seguimiento de la referencia de potencia.
64
6 7
Figura 4.9 Grfica de la potencia mxima generada.
Como se observ cualitativamente en todas las grficas anteriores el esquema de

control propuesto, genera un mejor comportamiento en cuanto a: regulacin de disturbios,
seguimiento de curvas de referencia, mejor regulacin de la temperatura de gases de
escape, mayor generacin de potencia.
Estas mejoras son consecuencia de que ahora el Control Neurodifuso Multivariable

Prealimentado (CNMP) aporta la mayor contribucin a la seal de control, mientras que los
controladores PIs aportan una seal complementaria, utilizada para realizar ajustes finos a
la seal de control. Al disminuir la contribucin de los PIs a la seal de control,
lgicamente tambin disminuye la afectacin negativa provocada por la interaccin entre
estos. Permitiendo de esta manera una mejor regulacin y seguimiento de curvas de
referencia.
La figura 4.10 nos muestra las seales de control proporcionadas por el control
neurodifuso prealimentado y por la combinacin de los PIs retroalimentados. Como se
aprecia en la figura la seal de control proporcionada por el CNMP es mayor en todo
instante de tiempo y con cambios ms suaves en su magnitud, mientras que la seal
proveniente de los controladores retroalimentados es menor, y esta presenta en algunas
secciones cambios bruscos provocados por la interaccin de los controladores.
65
Figura 4.10 Seales de control generadas por el esquema de control propuesto
La grfica 4.11 muestra las seales de control del esquema propuesto y del esquema
convencional, como se observa estas son muy similares en cuanto a magnitud y
oscilaciones provocadas por la interaccin entre los controladores PIs retroalimentados.
Figura 4.11 Seales de control de los esquemas de control.
66
4.3.2 Evaluacin del sistema de control mediante ndices de comportamiento
Como los sistemas de control son dinmicos, se puede evaluar su comportamiento

en funcin de trminos de respuesta transitoria ante determinadas entradas, tales como
escaln, rampa, etc., o se pueden dar especificaciones en trminos de un ndice de
comportamiento [26,27]. Un ndice de comportamiento es un nmero que indica el grado
de beneficio del sistema, es decir es una medida cuantitativa del comportamiento, que
indica la desviacin respecto al comportamiento ideal. La evaluacin de un sistema se
puede considerar aceptable si los valores de los ndices de comportamiento son un mnimo
o un mximo.
En la literatura se han propuesto varios ndices de comportamiento basados en el

error, que son integrales de alguna funcin de la salida del sistema en s, con la entrada
deseada. El objetivo de esta seccin es el evaluar el desempeo del control propuesto y el
convencional mediante la aplicacin de los siguientes ndices de error.
Los ndices de error utilizados ms comnmente son la Integral Absoluta del Error
(IAE) y la Integral del Tiempo por el valor Absoluto del Error (ITAE) cuyas formulas son:
IAE =
t
e dt (4.1)
0
ITAE =
t
t e dt (4.2)
0
Un sistema evaluado con el criterio IAE, es un sistema con razonable

amortiguamiento y satisfactoria caracterstica de respuesta transitoria. Para el ITAE, un
error grande en la respuesta transitoria pesa poco y los errores que se presentan ms tarde
son penalizados severamente. El esquema de control que presente el valor mnimo al ser
evaluados con el IAE y el ITAE representar el mejor sistema.
Como se vio en la seccin anterior el control de las variables (velocidad, potencia y

temperatura) se da por lapsos de tiempo (es decir slo puede operar un controlador a la vez
y estos se alternan el control de la UTG por instantes de tiempo). As que los ndices de
error se cuantificaron slo en estos lapsos de tiempo para cada controlador.
La cuantificacin de estos ndices tambin nos aporta una medicin directa del
seguimiento de las curvas de referencia que generan los esquemas de control analizados.
67
Tiempo (seg.) Tiempo (seg.)

Figura. 4.12 ndices de error IAE e ITAE de las respuestas de velocidad
! " ! #
! ! $
Tabla 4.2 ndices de error de la velocidad angular de la TG

Esquema de Control IAE ITAE
PI convencional 1 1
Esquema de control propuesto 0.2160 0.2484
# % & #
'
% ( ! #
# ' #
!
) % ! #
! " % ! # &
68
Figura. 4.13 ndices de error IAE e ITAE de las respuestas de temperatura de gases de escape
Tabla 4.3 ndices de error de la temperatura de gases de escape de la TG

PI convencional 1 1
* +, # ! %
# !
' -- . / #
! %
!

Figura. 4.14 ndices de error IAE e ITAE de las respuestas de la potencia generada.
Tabla 4.4 ndices de error de la potencia generada por la TG

PI convencional 1 1
69
En trminos generales se observ cmo para todos los casos analizados, los ndices
de error generados por el esquema de control propuesto son menores que los generados por
el esquema control convencional, remarcando los resultados obtenidos en la seccin
anterior. Por ultimo en las figura 4.15 y 4.16, se muestran las grficas del error de
seguimiento de la velocidad y de la potencia, en ambas grficas se observa claramente
como el error del control propuesto es menor, traducindose en un mejor seguimiento de las
curvas de referencia.
Seguimiento de
Velocidad
Figura. 4.15 Grfica del error de seguimiento de la velocidad.
70
Figura. 4.16 Grfica del error de seguimiento de la potencia.
4.3.3 Rechazo a disturbios
Para realizar esta prueba se seleccion y se implement en el modelo un disturbio

real que es muy representativo del proceso y ocurre durante la operacin de la turbina de
gas, este disturbio es conocido como rechazo de carga. Este se origina cuando sbitamente
se abre el Interruptor principal del Generador (IPG), estando la unidad en modo de
generacin de potencia elctrica.
El IPG puede abrirse sbitamente, por alguna de las siguientes causas:
a) Falla en el BUS de salida,
b) Falla del interruptor del BUS de salida y
c) Apertura accidental del IPG (error de operacin)
En cualquier caso, el efecto consiste en un incremento muy rpido de la velocidad

ocasionado por la aceleracin excesiva debido al alto valor de demanda a la vlvula de
combustible (en el momento de la apertura del IPG), lo que producira el paro de la unidad
si se alcanza el lmite de disparo por sobre-velocidad (5480 rpm) o por baja velocidad. Es
claro pensar que a mayor carga generada es mayor el aceleramiento en la velocidad de la
turbina una vez desacoplada del generador. Esta prueba se realiz con generacin mxima
de potencia de la UTG con la finalidad de probar un caso extremo.
71
Figura. 4.17 Respuestas de la potencia generada ante el disturbio
En la figura 4.17 se observa el efecto sobre la generacin de potencia que ocurre

cuando el interruptor de generador es abierto, la potencia cae sbitamente hasta los cero
megawatts, en ambos esquemas de control.
En el esquema de control convencional la estrategia que se toma para regular esta

velocidad y evitar el paro de la unidad es el agregar un controlador supervisor de velocidad
(CSV), basado tambin en un algoritmo PI convencional. Este CSV lgicamente tambin
presenta las desventajas de un control convencional, adems de que el adicionar otro
controlador independiente aumenta la interaccin entre los controladores, por la
manipulacin de la vlvula de control.
Con el esquema de control propuesto se logr que este disturbio sea controlado, sin
adicionar el control supervisor de velocidad, tal como se observa en la Fig. 4.18, adems
este disturbio es rechazado ms rpidamente y con oscilaciones de menor magnitud que con
el CSV.
72
Figura. 4.18 Respuestas de la velocidad ante el disturbio
La figura 4.19 muestra la seal de control generada por estos dos esquemas de
control para rechazar el disturbio.
Figura. 4.19 Salida de los controladores ante rechazo a disturbio
73
Un evento que se observa en la grfica 4.19, en ambos controladores, es el de saturacin,

este se presenta cuando la seal de salida del controlador es mayor o menor a la posicin
mxima o mnima que fsicamente puede tomar la vlvula. La saturacin puede ocasionar
inestabilidad para tiempos de saturacin prolongados, pero en este caso el perodo de
saturacin es de poca duracin en ambos controladores, y este todava es menor para la
seal de salida del esquema de control propuesto.
4.4 Conclusiones
Con el uso del controlador prealimentado neurodifuso multivarianle se logr

disminuir la influencia de la interaccin entre los controladores (controles
convencionales PIs), ya que ahora estos slo proporcionan una seal
complementaria utilizada para realizar ajustes finos y rechazar disturbios, mientras
la mayor aportacin de la seal de control es suministrada por el controlador
neurodifuso multivariable.
Como se observ en los resultados, gracias al esquema de control propuesto el

seguimiento de las curvas de referencia fue mejorado, debido al uso del control
prealimentado neurodifuso multivariable, permitiendo una mejor regulacin de la
temperatura en relacin con los limites impuestos por el fabricante, de esta manera
aumenta su eficiencia y potencia de salida, y evita el desgaste prematuro de la
unidad por sobre temperaturas.
Con el mismo control prealimentado multivariable neurodifuso se logr controlar el

disturbio generado por el rechazo de carga, sin necesidad de utilizar un controlador
adicional.
74
CONCLUSIONES
5.1 Introduccin.
En este trabajo de tesis se present el diseo y validacin de un sistema de control

prealimentado neurodifuso multivariable basado en tcnicas de control inteligente, para su
incorporacin al sistema de control de velocidad, potencia y temperatura de gases de escape
de una unidad turbogas.
Se compar su desempeo con el sistema de control convencional basado en

controladores del tipo PI.
En esta seccin se presentan las conclusiones derivadas de estas comparaciones del

esquema de control propuesto y del esquema convencional, y se recuerda la problemtica
que motiv a la realizacin del esquema propuesto de control.
75
5.2 Problemtica

convencionales del tipo PI. Este esquema de control es destinado para tareas de regulacin
y rechazo a perturbaciones, y no para seguimiento de puntos de referencia.
Los controladores actan todos sobre una sola vlvula de control, lo cual representa
una fuerte interaccin entre los mismos, por ejemplo un ajuste en los parmetros del
algoritmo del PI digital de temperatura, puede mejorar su desempeo pero tambin puede
afectar el desempeo del control de velocidad o el de potencia.

Actualmente los controladores utilizados en los lazos de control de las turbinas son lineales
los cuales son sintonizados para un punto de operacin especifico y son conservados as por
tiempo indefinido
5.3 Conclusiones
En este trabajo de tesis se diseo y desarrollo un controlador prealimentado

neurodifuso multivariable, basado en tcnicas de control inteligente. Este controlador se
incorporo al sistema de control de velocidad, potencia y temperatura de una UTG,
generando un nuevo esquema de control. Con el uso del nuevo esquema de control se
alcanzaron los siguientes beneficios:
Se logr disminuir la influencia de la interaccin entre los controladores (controles

convencionales PIs), ya que ahora estos slo proporcionan una seal
complementaria utilizada para realizar ajustes finos y rechazar disturbios, mientras
la mayor aportacin de la seal de control es suministrada por el controlador
neurodifuso multivariable. Este logro implica una mejor regulacin en cualquiera de
las variables controladas (velocidad, temperatura, potencia) sin que esta afecte a las
otras variables.
Como se observ en los resultados, gracias al esquema de control propuesto el

seguimiento de las curvas de referencia fue mejorado, debido al uso del control
prealimentado neurodifuso multivariable, permitiendo una mejor regulacin de la
temperatura en relacin con los limites impuestos por el fabricante. Esto se traduce
en beneficios econmicos y de seguridad del personal, como pueden ser un aumento
en la potencia de salida de la UTG, reducir los mantenimientos correctivos de la
unidad y evitar el desgaste prematuro de la unidad por sobre temperaturas.
Con el mismo control multivariable neurodifuso se logr controlar el disturbio

generado por el rechazo de carga, sin necesidad de utilizar un controlador adicional
como ocurre con el esquema de control convencional, lo cual evita un incremento
de la interaccin entre los controladores.
76
5.4 Aportaciones
Tambin el desarrollo de este trabajo de tesis proporciona las siguientes

aportaciones:
Se revis y complement (con la integracin del controlador multivariable

neurodifuso) el Sistema para Desarrollo y Validacin de Algoritmos de Control para
Turbinas de Gas.
Este trabajo de tesis aporta el diseo y simulacin de tcnicas de control inteligente

basado en sistemas neurodifusos multivariables, aplicado a procesos de generacin.
El desarrollo de esta tesis y los logros alcanzados fortalecen la lnea de

investigacin del grupo de control de la Gerencia de Control e Instrumentacin del
IIE, en cuanto a la aplicacin de tcnicas inteligentes de control en sistemas de
generacin.
Se public el artculo Control Neurodifuso Aplicado al Control de Velocidad,

Potencia y Temperatura de Unidades Turbogas en la 17 reunin de verano de
potencia, aplicaciones industriales y exposicin industrial. (RVP-AI/2004),IEEE,
Acapulco. Guerrero (anexo D).
5.5 Trabajos futuros.
Redaccin y publicacin de un artculo nacional o internacional con los resultados

finales.
Validacin en laboratorio con controladores industriales, es decir, implementar los

algoritmos del esquema de control actual en un microprocesador industrial para
turbinas de gas y realizar pruebas en tiempo real con el simulador de la turbina de
gas.
77
ANEXO A AMBIENTE DE PRUEBA
AMBIENTE DE PRUEBA
A.1 Introduccin.
En este apndice se presenta el sistema para desarrollo y validacin de algoritmos

de control para turbinas de gas, desarrollado en ambiente Simulink [19]. Se describen los
principales bloques que lo conforman, su programacin , su operacin y pruebas del
algoritmo de control basado en PI convencional.
78
A.2 Sistema de prueba
Las funciones que realiza el sistema son las siguientes (figura A.1).
a) Simula la dinmica de la turbina de gas, A partir del modelo matemtico de la misma,

se generan las variables principales necesarias para el sistema de control, como son: la
velocidad angular del rotor, la potencia generada, la temperatura de los gases de escape
y la presin de descarga del compresor,
b) Control Lgico Secuencial. Cuenta con un sistema de secuenciamiento de arranque, que

permita efectuar las etapas y permisivos mnimos necesarios para llevar a cabo el
arranque de la unidad turbogs y,
c) Control Regulatorio. Tiene un sistema de control simplificado que permita regular la

velocidad, potencia generada y temperatura de los gases de escape durante las
diferentes etapas de operacin de la unidad turbogs. Adems ste modelo permite el
sustituir el controlador seleccionado basado en un control clsico, por algn otro
propuesto por el diseador.
Secuencia
lgica
Unidad
Turbogs
Control
Regulatorio
Figura A.1 Diagrama a bloques de la operacin de la UTG.
Para realizar las pruebas del Sistema Turbogs, fue necesaria la complementacin
de la seccin secuencial lgico, as como de la seccin del control, donde se involucraron
los tres controles, el de Potencial, Velocidad y Temperatura. Los tres controles se basaron
del control clsico Proporcional -Integrativo Derivativo, en donde las constantes de cada
uno de los controles fueron encontradas aplicando el mtodo de Zeigler Nichols, teniendo
una aproximacin cercana a la deseada y solamente ajustando las pequeas variantes de
cada control, la implementacin fue hecha mediante el control Proporcional - Integrativo
para los tres casos. A continuacin se explican los bloques de control y secuencia lgica
que fueron necesarios incorporar al sistema, para verificar el funcionamiento de la UTG.
A.3 Modelo del Sistema UTG
La figura A.2 muestra el sistema completo del la UTG en ambiente simulink. El

sistema completo esta formado por cuatro bloques que forman a todo el sistema Turbogs,
los cuales son; el bloque de control, de secuencia lgica, adquisicin de datos (necesario
para interpretar el muestreo de las seales de la UTG) y el bloque de la Unidad Turbogs.
79
Figura. A.2 Diagrama a Bloques del Sistema UTG
A.3.1 Bloque de control
En el primer bloque de la figura anterior (fig. A.3), se encuentran los controles que
mantienen a la turbina en condiciones estables, y cercanos a los valores de referencia
previamente establecidos. En la primera posicin se encuentra el Control de Potencia que es
aquel que mantiene el valor de potencia generada, teniendo en cuenta que la operacin de
ste control comienza una vez que la turbina lleg al valor de velocidad de sincronismo. En
segunda posicin se encuentra el control de velocidad, donde su mayor participacin la
tiene cuando la UTG est en la condicin de arranque, y posteriormente mantendr al
sistema a la velocidad de sincronismo (constante). Como tercer y ltimo sub-bloque se
encuentra el control de temperatura de los gases de escape de la turbina, que toma un valor
muy importante para asegurar la utilizacin de la UTG, y de esta forma confiar de un largo
perodo de vida. Todos ellos son sumamente importantes para el desempeo de la unidad
turbogs (fig. A.3).
Figura. A.3. Etapa de control de la UTG.
80
A.3.2 Bloque del secuenciador
En el segundo Bloque del Diagrama principal de la figura A.2 se tiene la secuencia

lgica, este bloque es el encargado de llevar a cabo los pasos necesarios para el arranque de
la turbina. Es aqu donde se establecen las etapas y permisivos para llevar a la unidad desde
la velocidad cero hasta la velocidad de sincronismo (figura. A.4).
La operacin del bloque de la fig. A.4 de la secuencia lgica es la siguiente; La

entrada uno corresponde a la velocidad angular de giro del sistema compresor-turbina que
es acelerada por el motor de arranque y es detectada en los cuatro sub-bloques de esta etapa
secuencia lgica, donde en el primer sub-bloque se detectada la velocidad Kmotor_ar, que
indica la velocidad mxima a la cual el motor de arranque debe desacoplarse del sistema,
mandando como seal un uno lgico a la variable 4cr que indica un paro en el motor de
arranque. En el segundo sub-bloque las instrucciones son detectar el valor de la constante
Ksang, que indica el valor mximo que debe tomar la velocidad para que las vlvulas de
sangrado se cierren y los labes gua se abran, otorgando las literales SC_AG (seal de
control Alabes gua) en un cero lgico y SC_VS (seal de control de vlvulas de
sangrado) en un uno lgico. En el tercer sub-bloque se realizan las siguientes tareas, las
cuales son; deteccin de la velocidad Kenc_q, que indica encendido de los combustores
para preparacin de la UTG, al tiempo que se detecta la presencia de flama en los
combustores y se inicia el perodo de precalentamiento por 60 seg., una vez terminado el
perodo de calentamiento se genera la rampa de referencia para la velocidad de la turbina.
Fig A.4. Diagrama que muestra la parte del secuenciador lgica de la UTG.
81
A.3.3 Bloque de la unidad turbogas
A continuacin se muestra el tercer bloque de la Unidad Turbogs en Simulink la

imagen (figura. A.5), muestra el interior de la UTG donde se aprecia la interconexin del
Compresor - Cmara de Combustin Turbina, juntamente con las vlvulas de
combustible, de sangrado y la de los alabes gua.
Como anteriormente se explic su funcionamiento inicia con la introduccin de aire

al compresor, en donde ste lo comprime y lo enva a la cmara de combustin y los gases
calientes producto de la combustin pasan a travs de la turbina donde se expanden y hacen
girar a la turbina, obtenindose energa mecnica til para hacer girar al generador
elctrico. sta es la operacin que realiza el modelo, adems de contemplar detalladamente
la secuencia de arranque para tener el desarrollo eficiente para reproducir la dinmica de la
Unidad Turbogs.
Figura. A.5 Diagrama interno de la UTG, vlvulas de combustible, sangrado y labes gua, Compresor, Cmara de
Combustin y Turbina.
Como anteriormente se explic su funcionamiento inicia con la introduccin de aire

al compresor, en donde ste lo comprime y lo enva a la cmara de combustin y los gases
calientes producto de la combustin pasan a travs de la turbina donde se expanden y hacen
girar a la turbina, obtenindose energa mecnica til para hacer girar al generador
elctrico. sta es la operacin que realiza el modelo, adems de contemplar detalladamente
la secuencia de arranque para tener el desarrollo eficiente para reproducir la dinmica de la
Unidad Turbogs.
82
La dinmica de la secuencia de arranque controla las cuatro vlvulas mostradas en

la figura anterior, las cuales son las siguientes:
Vlvula de Control y Corte de combustible.

Vlvula de Sangrado.
Vlvula de labes Gua.
Vlvula de Control y Corte de combustible. stas vlvulas de control permiten

regular el flujo de combustible a la cmara de combustin. La vlvula de corte interrumpe
el flujo de combustible en caso de un paro normal o de emergencia de la unidad.
Vlvula de Sangrado. Mediante sta vlvula se tiene una descarga de aire que sale
a la atmsfera en el arranque, esto para evitar inestabilidad en el sistema, y una vez
llegando al 95% de la velocidad nominal (5100 rpm), se cierra sta vlvula para darle
mayor desempeo.
Vlvula de Alabes Gua. Mediante esta vlvula se tiene control sobre los labes
gua, en donde al inicio su posicin es de aproximadamente el 50%, y cuando la velocidad
llega a un 95%, stos se abren a un 75% para darle mayor flujo de aire a la Turbina.
A.4 Pruebas de Simulacin de la UTG.
Teniendo en cuenta todas las consideraciones que en los apartados anteriores se han
mencionado, se muestra en esta seccin la simulacin de la UTG. Primero se parte de dar
de alta las condiciones iniciales de todas las variables del proceso que lo requieran. Para la
condicin en que la turbina tiene un comienzo de Arranque en Fro, es decir, que la
Turbogs comienza desde velocidad cero, se inicializan las variables del proceso con el
programa denominado Val_pro1_5.m donde estn todos los parmetros establecidos
bajo esa condicin de Simulacin.
Retomando nuevamente la figura A.2 se ve en la parte inferior izquierda tres

botones de condiciones; El primero es para dar de alta las condiciones iniciales en las que el
programa iniciar, y lo constituyen tres archivos. El inicial da instrucciones de borra del
espacio de trabajo y de todas las variables que en l existan (dejando limpio de basura),
para dar a inicio una simulacin, otro archivo indica la utilizacin de todas las variables en
la Unidad Turbogs, y el ltimo indica el estado en que operar la turbina, donde las
opciones son; de Arranque en Fro, Carga Base o de Sincronismo. El segundo botn es para
poner en uno lgico la variable de inicio del Motor de Arranque y El tercero muestra
ayuda general del comienzo de una nueva simulacin.
Al oprimir los dos primeros botones del programa, el sistema de simulacin queda
listo para entrar en funcionamiento
Terminado el tiempo de simulacin, en el interior de cada bloque existen

osciloscopios que registran el comportamiento de las variables, as como tambin hay
bloques que almacenan los datos de algunas variables especficas para un posterior anlisis
83
detallado. En la figura A.6 se observan las variables principales y ms importantes de la

unidad turbogs como son la velocidad angular, la potencia generada y la temperatura de
los gases de escape. Obtenindose de manera visual la dinmica de la turbina de gas (todo a
partir del modelo matemtico de la misma).
Figura A.6 Grfica de las respuestas de la UTG
84
ANEXO B ANFISEDIT
ANFISEDIT
B.1 Introduccin.
Esta herramienta de Matlab aplica tcnicas de inferencia difusa para el modelado de

datos, prcticamente cubre la secuencia de pasos del procedimiento bsico de diseo visto
anteriormente.
El editor grfico esta subdividido en 4 submenus principales, mediante los cuales se

realiza el diseo y el entrenamiento del sistema neurodifuso. En este anexo se presentan los
pasos que se llevaron a cabo para generar el sistema neurodifuso que representar el control
neurodifuso multivariable.
85
ANEXO B ANFISEDIT
B.2 Procedimiento de diseo
Paso 1 Cargar Datos
En esta primera parte se carga la matriz de datos generada anteriormente, la cual

contiene los datos normalizados de entrenamiento obtenidos del modelo de la unidad
turbogas, estos mismos datos sern los que se utilizan para la validacin del sistema
neurodifuso, no se emplean otro grupo diferente de datos para validacin, ya que se
considera que el primer grupo fue recolectado sin ruido en la medicin.
La figura B.1 muestra la ventana grfica del editor de ANFIS, desplegando la

grfica de los datos de entrenamiento, los cuales aparecen como un conjunto de crculos. El
eje horizontal es llamado data set index. Este ndice indica la fila de la cual los valores de
los datos de entrada fueron obtenidos (cada fila contienen un dato de velocidad, potencia y
temperatura) y el eje vertical los valores de la salida (seal de control) para cada fila.
En la parte superior derecha de la figura B.1 se muestra el nmero de entradas, el

nmero de salidas, nmero de funciones de membresa (aun no se definen) y del nmero de
patrones de entrenamiento cargados.
Figura. B.1 Datos de entrenamiento
Paso 2 Inicializacin y generacin del sistema de inferencia difuso.
El sistema de inferencia difuso se puede inicializar de dos formas, estas pueden ser
de acuerdo a la experiencia, conocimiento del proceso y preferencias de cmo se quiere
iniciar los parmetros de las funciones de membresa o dejar que el editor de ANFIS
86
ANEXO B ANFISEDIT
automticamente realice estas tareas. Esta segunda opcin es una de las grandes ventajas
de utilizar el editor ANFIS ya que se logran los mismos resultados con menor esfuerzo.
Para la realizacin de este trabajo se eligi la segunda opcin, para la inicializacin

del sistema difuso usando la inicializacin automtica de ANFIS se siguen los siguientes
pasos:
1. Escoger el mtodo de particin del sistema difuso, en este caso se selecciona el

mtodo Grid partition, es el mtodo de particionamiento por default de ANFIS
(segundo submenu de la figura B.4).
2. Oprimir el botn de Generate FIS (Generar sistema de inferencia difuso) el cual

desplegar el submen que se muestra en la figura B.2 en el cual se escogen el nmero
de funciones de membresa, el tipo de funciones de membresa de entrada y salida.
Como ANFIS slo maneja sistemas de inferencia tipo Sugeno slo tiene dos tipos de
funciones de membresa de salida: constante y lineal. Para ste caso se definieron 3
funciones de membresa para cada entrada del tipo trapezoidal y la salida como una
combinacin lineal.
Figura. B.2 Seleccin de numero y tipo de funciones de membresa.
El ndice de error que genera el entrenamiento del sistema neurodifuso, depende de

la seleccin del tipo y nmero de funciones de membresa, para el caso del sistema
neurodifuso que se est entrenando, entre ms funciones de membresa sean consideradas,
menor ser este ndice de error, pero el esfuerzo de entrenamiento es mayor llegando en la
mayora de las ocasiones a entrenamientos inconclusos debido a limitaciones impuestas por
el hardware ya que el nmero de parmetros de la red aumenta exponencialmente.
87
ANEXO B ANFISEDIT
Paso 3 Entrenamiento ANFIS
Hay 2 mtodos de optimizacin disponibles para el entrenamiento del sistema de

inferencia difuso, estos son: el mtodo hbrido (es el mtodo por default, mezcla
backpropagation y mnimos cuadrados) y el mtodo backpropagation. El error de tolerancia
es usado para crear un criterio para detener el entrenamiento, este est relacionado con el
tamao del error, cuando este alcanza la tolerancia el entrenamiento finaliza. El error es la
diferencia entre los valores de salida de los datos de entrenamiento y las salidas del sistema
de inferencia difuso correspondiente a los mismos datos de entrenamiento de entrada Otro
criterio para detener el entrenamiento es definiendo el numero de pocas para el
entrenamiento.
En este caso se seleccion el mtodo de aprendizaje hbrido, debido a que es ms

rpido por combinar el algoritmo de aprendizaje de gradiente descendente y el de mnimos
cuadrados, el mtodo backpropagation afecta los parmetros asociados con las funciones de
membresa de entrada y el mtodo de mnimos cuadrados afecta los parmetros asociados
con las funciones de membresa de salida, se tom el valor por default el error que es cero
y se definieron 30 pocas de entrenamiento.
En la figura B.3 se observa el comportamiento del error durante las 30 pocas de

entrenamiento, el error va decrementando paulatinamente hasta alcanzar su valor mnimo.
Figura B.3 Comportamiento del error durante el entrenamiento
PASO 4 Prueba del sistema de inferencia difuso entrenado.
Despus de haber terminado el entrenamiento, se procede a verificarlo contra los

mismos datos, si la verificacin es satisfactoria, como se observa en la figura B.4 se
88
ANEXO B ANFISEDIT
procede a guardar el sistema neurodifuso generado en un archivo con formato .fis para
despus poder incorporarlo como un bloque funcional al modelo del sistema en Simulink.
Figura B.4 Verificacin del entrenamiento del sistema neurodifuso
ANFIS es un sistema difuso complejo y slo soporta sistemas difusos tipo Sugeno y
estos deben cumplir las siguientes propiedades.
Ser un sistema difuso de tipo Sugeno.
Tener una sla salida, obtenida usando la defusificacion por promedio de los pesos
de todas las salidas.
No hay reglas compartidas, diferentes reglas no pueden compartir la misma funcin

de membresa de salida, es decir el nmero de funciones de membresa de salida debe
ser igual al numero de reglas.
Tener pesos unitarios para cada regla.
Por lo anterior ANFIS no acepta todas las opciones que los sistemas de inferencia bsicos
permiten.
89
ANEXO C Fundamentos de lgica difusa, redes neuronales, sistemas neurodifusos y ANFIS
Fundamentos de lgica difusa, redes

neuronales, sistemas neurodifusos y
ANFIS
C.1 Lgica difusa
La lgica difusa (LD)ha cobrado una gran fama por la variedad de sus aplicaciones,
las cuales van desde el control de complejos procesos industriales, hasta el diseo de
dispositivos artificiales de deduccin automtica, pasando por la construccin de artefactos
electrnicos de uso domstico y de entretenimiento, as como tambin de sistemas de
diagnstico. La expedicin de patentes industriales de mecanismos basados en la lgica
difusa tiene un crecimiento sumamente rpido en todas las naciones industrializadas del
orbe.
La lgica difusa trata de crear aproximaciones matemticas en la resolucin de

ciertos tipos de problemas. Pretenden producir resultados exactos a partir de datos
imprecisos, por lo cual son particularmente tiles en aplicaciones electrnicas o
computacionales.
El adjetivo ``difuso'' aplicado a esta lgica se debe a que en ella los valores de
verdad no-deterministas utilizados tienen, por lo general, una connotacin de
incertidumbre. Un vaso medio lleno, independientemente de que tambin est medio vaco,
no est lleno completamente ni est vaco completamente. Qu tan lleno puede estar es un
elemento de incertidumbre, es decir, de difusidad, entendida esta ltima como una
propiedad de indeterminismo. Ahora bien, los valores de verdad asumidos por enunciados
aunque no son deterministas, no necesariamente son desconocidos. Por otra parte, desde un
punto de vista optimista, lo difuso puede entenderse como la posibilidad de asignar ms
90
valores de verdad a los enunciados que los clsicos ``falso'' o ``verdadero''.

Consecuentemente, la lgica difusas es un tipo especial de lgica multivaluada.
Conjuntos difusos
El concepto ms fundamental en teora de lgica difusa es el concepto de conjunto difuso

(CD). Un CD en un universo de discurso U es caracterizado por una funcin de
pertenencia A(x) que toma valores en el intervalo [0,1]. De esta manera, un CD es una
generalizacin de un conjunto clsico permitiendo que su funcin de pertenencia (FP) tome
valores en el intervalo [0,1]. Es decir, una FP de un conjunto clsico puede solamente tomar
dos valores: cero o uno, mientras que una FP de un CD es una funcin continua con rango
[0,1]. [29].
De esta manera, un CD A en U puede ser representado como un conjunto de pares

ordenados de un elemento genrico x y su valor de pertenencia, esto es:
A = {(x, A(x)) | x U}
Donde U es continuo.
El CD A es comnmente escrito como:
A ( x ) / x, si U es discreto.
U
A=
A ( x ) / x, si U es continuo.
U
Los signos de sumatoria e integracin no representan suma aritmtica ni integracin

sino la coleccin de todos los puntos x U asociados con la FP A(x). Similarmente, / es
solamente una marca y no implica divisin.
La figura A1 muestra las FPs de tres CD llamados Lento, Moderado y

Rpido para la velocidad de un carro. El universo de discurso es el rango de velocidad
que puede tener un automvil, esto es, U= [0, Vmax], donde Vmax es la mxima velocidad del
automvil.
A( VMax)
Lento Moderado Rpido
0
35 55 75 V Max mph
Figura C.1 Funciones de pertenencia de tres conjuntos difusos para la velocidad de un automvil
91
Existe una gran variedad de FPs, y se necesita un planteamiento para su eleccin.

Conceptualmente hay dos planteamientos para determinar una FP:
1. El primero utiliza el conocimiento de los humanos expertos, es decir, se

apoya en el dominio de los expertos para especificar las FPs. Las FPs
representan parte del conocimiento humano, por ello los CDs son
frecuentemente usados para formular el conocimiento humano.
2. El segundo planteamiento, se utilizan datos reunidos desde varios sensores
para determinar las FPs. Especficamente, primero se especifican las
estructuras de las funciones de membresa y luego se sintonizan finamente
los parmetros de las funciones de pertenencia basados en los datos.
Operaciones bsicas de conjuntos difusos
Sea A y B dos CDs definidos en el mismo universo de discurso U, con FPs A(x) y
B(x), respectivamente. Las operaciones tericas de conjuntos de unin, interseccin y
complemento para CDs se definen a continuacin.
Unin [Norma-S]
La FP AB de la unin AB de los conjuntos A y B se define para toda x U por:
AB(x)= max{A(x), B(x)}.
Interseccin [Norma-T]
La FP AB de la unin AB de los conjuntos A y B se define para toda x U por:
AB(x)= min{A(x), B(x)}.
Con frecuencia, los operadores de unin y de interseccin son denotados por y ,

respectivamente.
Complemento
La FP A del complemento de un CD A se define para toda x U por:
A (x)= 1 - A(x).
Producto Cartesiano
Si A1, A2, ,,,, An son conjuntos difusos en U1,U2, ,,,, Un respectivamente, el

producto cartesiano de A1,A2,..., An es un conjunto difuso en el espacio producto U1 X U2 X
... X Un con la funcin de pertenencia:
A1X A2 X ,,,,X An(u1, u2, ..., un) = min[ A1(u1), A2(u2), ..., An (un)]
92
o
A1X A2 X ,,,, X An(u1, u2, ..., un) = A1(u1) A2(u2) ... An (un)
Variables lingsticas y conjuntos difusos
En nuestra vida diaria, las palabras son a menudo usadas para describir variables.
Por ejemplo, cuando decimos hoy hace calor, o equivalentemente, hoy la temperatura es
alta, utilizamos la palabra alta para describir la variable hoy la temperatura. Por
consiguiente, la variable hoy la temperatura toma la palabra alta como su valor. Es
claro que la variable hoy la temperatura tambin puede tomar nmeros como 25C, 19C,
etc., como sus valores. Cuando una variable toma nmeros como sus valores, tenemos bien
establecida una estructura para formular sta. Pero cuando la variable toma palabras como
sus valores, no tenemos una estructura formal para formular sta en teora matemtica
clsica. En orden de proporcionar esa estructura formal, el concepto de variable lingstica
(VL) fue introducido. As, para formular palabras en trminos matemticos se usan CDs
para caracterizar estas palabras.
Definicin de Variable Lingstica
Si una variable puede tomar palabras en un lenguaje natural como sus valores, sta
es llamada VL, donde las palabras son caracterizadas por CD definidos en el universo de
discurso en el cual la variable es definida.
En la figura C.1 se definieron tres CD llamados Lento, Moderado y Rpido en [0,

Vmax]. Si se mira x como una VL, entonces sta puede tomar como sus valores Lento,
Moderado y Rpido, as, se puede decir x es Lento, x es Moderado y x es
Rpido. Por supuesto x tambin puede tomar nmeros en el intervalo [0, Vmax] como sus
valores, por ejemplo, x = 50 mph, 35 mph, etc.
Estas dos definiciones son esencialmente equivalentes y desde las cuales se puede
ver que una VL es una extensin de una variable numrica en el sentido que permiten tomar
CDs como sus valores.
El concepto de VL es muy importante porque las VLs son los elementos ms

fundamentales en la representacin del conocimiento humano. Cuando se utilizan sensores
para medir una variable, estos nos dan nmeros; cuando se le hacen preguntas a los
expertos humanos para evaluar una variable, ellos proporcionan palabras. Al introducir el
concepto de VL, se es capaz de formular descripciones vagas en un lenguaje natural en
trminos matemticos precisos. Este es el primer paso para incorporar el conocimiento
humano dentro de sistemas de ingeniera en una manera sistemtica y eficiente.
Razonamiento a Aproximado
En la lgica tradicional existen dos reglas de inferencia, el Modus Ponens y Modus

Tollens:
93
Modus Ponens:
Premisa 1 (antecedente): si x es A entonces y es B
Premisa 2 (antecedente): x es A;
Consecuencia: y es B.
Modus Tollens:
Premisa 1: si x es A entonces y es B
Premisa 2: y es B
Consecuencia: x es A.
Ejemplo de Modus Ponens Generalizado:
Premisa 1: si nivel es bajo entonces abrir vlvula,

Premisa 2: nivel es poco bajo,
Consecuencia: abrir poco la vlvula.
Funciones de pertenencia
Las opciones mas populares de las figuras en las FPs son las funciones triangular,
trapezoidal y campana. Estas tres opciones definidas por la facilidad de sus parmetros,
descripcin funcional de las FPs, almacenadas con un mnimo uso de memoria y
manipuladas eficientemente por la mquina de inferencia.
La FP triangular debido a sus parmetros y descripcin funcional es la ms econmica.

Esto explica su predominante uso en este tipo de FP.
Tabla C.1 Funciones de pertenencia

Funcin Frmula Analtica Representacin Grfica
(x ) A (x )
A( x)
A
Triangul xa cx
A (x; a , b , c ) = max 0, min ,
ar A ba cb
Parmetros : a , b, c
0
a b c x
B( x)
(x ) B (x ) B
Trapecio xa d x
B (x; a, b, c, d , ) = max min ,1, ,0
B ba d c
a<b<c<d
Parmetros : a, b, c y d 0
a b c d x
94
(x ) C (x )
C( x)
C
1
C ( x; a , b , c ) = 2b
,b>0
xc a
Campana 1+
a
C b
Parmetros : a, b y c 0
c x
Sistemas de inferencia difusos
Un sistema de inferencia difuso emplea reglas si-entonces las cuales pueden

modelar aspectos cualitativos de procesos, de razonamiento y de conocimiento humano sin
emplear un anlisis cuantitativo preciso. Este modelado difuso o identificacin difusa fue
explorada sistemticamente por Takagi y Sugeno [30], encontrando numerosas aplicaciones
prcticas en control [31,32], prediccin e inferencia [33,34]. Sin embargo hay 2
restricciones bsicas acerca de los sistemas de inferencia difusos los cuales deben ser
comprendidos, estos son:
No existen mtodos estndar para transformar la experiencia o conocimiento

humano en base de datos y base de reglas de un sistema de inferencia difuso.
Hay una necesidad de mtodos efectivos que nos permitan sintonizar las funciones
de membresa, as como minimizar el error de salida o maximizar el ndice de
desempeo.
ANFIS puede servir como una base para construir un conjunto de reglas de
inferencia difusas si-entonces con funciones de membresa apropiadas para generar los
pares de entrada-salida estipulados.
Reglas difusas si entonces
Las reglas difusas si-entonces o las declaraciones condicionales difusas son

expresiones de la forma:
IF A THEN B (Si A entonces B)
Donde A y B son valores lingsticos de conjuntos difusos, caracterizados por

funciones de membresa apropiados [35]. Debido a su forma concisa, las reglas difusas si-
entonces frecuentemente se emplean para capturar las formas imprecisas de razonamiento
que juegan un papel esencial en la habilidad humana para tomar decisiones en un ambiente
de imprecisin e incertidumbre. Un ejemplo que describe un simple hecho es:
Si la presin es alta, entonces el volumen es pequeo.
Donde presin y volumen son variables lingsticas [36], alto y pequeo son valores
lingsticos los cuales son caracterizados por funciones de membresa.
95
Otra forma de reglas de inferencia difusas si entonces, propuestos por Takagi y

Sugeno [37] involucran conjuntos difusos slo en la parte de los antecedentes, por ejemplo:
Si la velocidad es alta, entonces fuerza = k * (velocidad)
Donde, nuevamente en la parte del antecedente alta es un valor lingstico

caracterizado por una funcin de membresa apropiada, sin embargo, la parte consecuente
es descrita por una ecuacin que no es difusa, involucrando a la variable de entrada
(velocidad).
Ambos tipos de reglas difusas han sido usadas ampliamente tanto en control como
modelado, una regla difusa si entonces fcilmente puede capturar la esencia de una regla
de dedo humana por medio de funciones de membresa y variables lingsticas. Las reglas
difusas si entonces forman la parte central del sistema de inferencia difuso.
Sistemas de Inferencia Difusos.
Los sistemas de inferencia difusos tambin son conocidos como sistemas basados en
reglas difusas, modelos difusos, memorias asociativas difusas o controladores difusos,
cuando son utilizados como controladores. Bsicamente un sistema de inferencia difuso
est compuesto por 5 bloques funcionales (fig. 4.3) estos son:
Base de reglas. Contiene un nmero de reglas de inferencia difusas.
Base de Datos. Define las funciones de membresa de los conjuntos difusos usados
en las reglas difusas.
Mquina de inferencia. Realiza las operaciones de inferencia con las reglas.
Interface de fusificacin. Esta es la interface entre la mquina de inferencia y el

proceso. El mdulo de fusificacin permite calcular un valor que representa el grado de
pertenencia o membresa de una medicin de variables de estado del proceso en uno o ms
conjuntos difusos especificados en el universo de discurso. En otras palabras es donde el
valor real (numrico) se convierte a un valor difuso (lingstico).
Interface de defusificacin. La salida final de la mquina de inferencia difusa es un

conjunto difuso, pero ya que la mayora de los sistemas requieren que la salida sea una
variable de valor real, se necesita de una interfase de defusificacin para convertir el
conjunto difuso en un valor numrico. En otras palabras, el proceso de defusificacin
determina una accin de control actual desde un conjunto difuso producto de acciones de
control inferidas desde las reglas difusas. En la literatura existen varios mtodos de
defusificacin.
Usualmente las bases de reglas y bases de datos son nombradas conjuntamente

como base de conocimiento (figura C.2.).
96
Base de
Conocimiento
Base Base
de de
Datos Reglas
Fusificacin Defusificacin
x en U y en V
Maquina de
Inferencia
Conjuntos Conjuntos
difusos en U difusos en V
Figura.C.2 Bloques funcionales del sistema difuso
Los pasos bsicos del razonamiento difuso (operaciones de inferencia en reglas de

inferencia Si Entonces) realizados por sistemas de inferencia difuso son:
1. Comparar las variables de entrada con las funciones de membresa en la parte de los
antecedentes para obtener los valores de membresa (grados de membresa o
medidas de compatibilidad) de cada variable lingstica (este paso frecuentemente
es conocido como fusificacin).
2. Combinar (a travs de un operador especifico Norma-T, usualmente multiplicacin

o mnimo) los valores de membresa de los antecedentes para obtener la fuerza de
disparo (peso) de cada regla.
3. Generar los consecuentes correctos (ya sea difusos o numricos) de cada regla
dependiendo de la fuerza de disparo.
4. Agregar los consecuentes calculados para producir una salida numrica. (Este paso
es llamado defusificacin).
En la literatura dependiendo del tipo de razonamiento difuso y del tipo de reglas si

entonces empleadas, la mayora de los sistemas difusos pueden ser clasificados en tres
tipos (figura C.3):
Tipo 1: La salida global es el promedio de la fuerza de disparo de cada regla por las
funciones de membresa de salida.
Tipo 2: La salida global difusa es calculada con la aplicacin de la operacin maxde

las salidas difusas competentes (cada una de las cuales es igual al mnimo de la fuerza de
disparo y la funcin de membresa de salida de cada regla). Varios esquemas han sido
propuestos para proporcionar la salida numrica final basada en todas las salidas difusas;
algunos de ellos son el centro del rea, bisector del rea, criterio mximo, etc [25,26].
97
Tipo 3: Takagi y Sugeno, usan reglas difusas Si Entonces, la salida de cada regla
es una combinacin lineal de las variables de entrada ms un trmino constante, y la
salida final es el promedio ponderado de la salida de cada regla.
tipo 1 tipo 2 tipo 3
A1 A3 C1 C3
f1 = p1 x + q1 y + r1
w1
a1 b1 c1 a3 b3 c3
X Y f1 f f
f 2 = p2 x + q2 y + r2
A2 A4 C2 C4
w2
a2 b2 c2 a4 b4 c4 a2 b2 c2
X Y f2 f f
x y
multiplicacin
( o min)
w1 f1 + w2 f 2 w1 f1 + w2 f 2
f = f =
w1 + w2 centroide del area w1 + w2
f = w1 f1 + w2 f 2
Figura C.3 Tipos de razonamiento difuso
C.2 Fundamentos de Redes Neuronales
Las Redes Neuronales (RN) aparecen como una poderosa tcnica de reconocimiento
de patrones, las cuales surgen en el momento en que las computadoras interactan con el
mundo real. Las redes neuronales son ampliamente usadas en muchas aplicaciones. La
evaluacin de la aplicacin de las redes neuronales requieren de un conocimiento previo de
los algoritmos necesarios y tcnicas desarrolladas, as como de sus fuerzas y debilidades.
Como otras tcnicas de reconocimiento de patrones, las redes neuronales actan sobre datos
detectando algunos tipos de organizacin fundamentales. Las RN pueden realizar tareas de
clasificacin, prediccin y estimacin[40].
Las RN aprenden similitudes entre patrones de datos, infieren soluciones desde los
datos sin conocimiento previo de ellos, extrayendo las similitudes empricamente.
Este es un aspecto distintivo en muchas aplicaciones ya que no trabajan como la

programacin convencional. Mientras ms se conozca el problema mejor es el diseo. Las
RN son entrenadas y no programadas lo que las diferencia del software.
98
Pueden generalizar, es decir, responder correctamente a patrones que son solo

similares a los patrones de entrenamiento original. La generalizacin es til ya que los
datos del mundo real son ruidosos, distorsionados y a menudo incompletos. Las RN son no
lineales, es decir, pueden resolver algunos problemas complejos mejor de lo que lo hacen
las tcnicas lineales. El comportamiento no lineal es comn pero matemticamente difcil
de manejar.
Como caracterstica importante, las RN son altamente paralelas. Contienen muchas

operaciones que son idnticas e independientes que pueden ser ejecutadas
simultneamente. Esto es til ya que el hardware paralelo puede correr RN muy rpido,
hacindolo en ocasiones ms rpido que los mtodos alternativos. Las RN pueden aprender
algunas cosas diferentes para las cuales fueron entrenadas.
Bsicamente la estructura de una red neuronal esta formada por nodos (de entrada,
salida y ocultos), conexiones capas y pesos que son prcticamente universales pero los
arreglos entre ellos varan.
Las RN imitan funciones, y esta es la base para medir su desempeo, a esta

habilidad se le conoce con el nombre de funcin de estimacin, modelado o aproximacin,
y se aplican en muchos aspectos como clasificacin, prediccin, patrones de
reconocimiento y agrupaciones. Los programas de computadoras pueden hacer tareas
similares, sin embargo algunas de estas tareas sern simples para un mtodo, mientras para
el otro apenas sern posible.
Los programas de computadoras son buenos en aplicaciones donde se requieren

gran exactitud en clculos numricos y manipulacin de smbolos, para una RN esta tarea
probablemente sea muy difcil de aprender. Las RN, muestran un mejor desempeo en
aplicaciones donde existen pocas reglas obvias, se trata con datos imperfectos, y se tienen
que optimizar muchas restricciones simultneamente. Las redes neuronales raravez son
aplicaciones aisladas, generalmente forman parte de una gran aplicacin.
Ventajas de las RN.
Se pueden utilizar para estimacin de funciones.

Pueden entrenarse con datos imprecisos.
Habilidad para tolerar resultados aproximados o complejos.
Comportamiento no lineal.
Desventajas de la RN.
Pueden fallar en la bsqueda de la solucin correcta, quizs a una funcin

inaprendible o a datos insuficientes.
Los resultados de una RN son difciles de explicar.
Las RN pueden ser lentas y caras de entrenar.
99
El tiempo de ejecucin depende del numero de conexiones, las cuales son

tpicamente el cuadrado de los nodos, incrementos pequeos en el numero de nodos
causa grandes incrementos en el tiempo de ejecucin.
Redes neuronales artificiales.
El concepto de Red Neuronal Artificial (RNA) est inspirado en las Redes

Neuronales Biolgicas. Una Red Neuronal Biolgica es un dispositivo no lineal altamente
paralelo, caracterizado por su robustez y su tolerancia a fallos.
Sus principales caractersticas son las siguientes:

Aprendizaje mediante adaptacin de sus pesos sinpticos de acuerdo al entorno que
la rodea.
Manejo de imprecisin, ruido e informacin probabilstica.
Generalizacin de salidas a partir de ejemplos.
Las Redes Neuronales Artificiales intentan imitar algunas, o todas, de estas

caractersticas. Este paradigma de programacin difiere de las secuencias de instrucciones
en que la informacin se encuentra almacenada en las conexiones sinpticas. Cada neurona
es un procesador elemental con operaciones muy primitivas como la suma ponderada de
sus pesos de entrada y la amplificacin o umbralizacin de esta misma suma.
La Red Neuronal se caracterizada por su topologa, por la intensidad de la conexin

entre sus pares de neuronas (pesos), por las propiedades de todos los nodos y por las reglas
de actualizacin de pesos. Las reglas de actualizacin, tambin llamadas de aprendizaje,
controlan los pesos y/o estados de los elementos del proceso (neuronas).
Los principales aspectos de este modelo de computacin distribuida son los

siguientes:
Un conjunto de unidades de procesamiento.

Un estado de activacin y k para cada unidad, que es equivalente a la salida de la
unidad.
w jk
Conexiones entre unidades, generalmente definidas por un peso ,que
determinan el efecto de la unidad j sobre la unidad k.
Una regla de propagacin que determina la entrada de la unidad sk a partir de sus
entradas externas.
Una funcin de activacin Fk que determina el estado de activacin en funcin de
la entrada de la unidad (en algunos casos la funcin de activacin tiene en cuenta la
activacin actual de la unidad).
Una entrada externa (u offset) k para cada unidad.
Un mtodo para modificar los valores de los pesos (regla de aprendizaje).
100
Un entorno de trabajo en el que sistema opere, compuesto por seales de entrada y,

si es necesario, seales de error.
Modelo de la neurona
A los elementos individuales de clculo que forman los modelos de sistemas

neuronales artificiales reciben el nombre de Elementos de Procesamiento o Neuronas
Artificiales (nodo). Cada unidad realiza un trabajo muy simple: recibe impulsos de otras
unidades o de estmulos externos y calcula una seal de salida que propaga a otras unidades
y, adems, realiza un ajuste de sus pesos. Este tipo de modelos es inherentemente paralelo
en el sentido de que varias unidades pueden realizar sus clculos al mismo tiempo. El
elemento de procesamiento ms simple suele tener el siguiente esquema, (figura C.4).
Neurona
x1
w1
x2 w2 yk
Entradas
..
..
sk Fk
wn
.. Salida
..
xn
Pesos
k Umbra
l
Figura C.4 Diagrama de la Red Neuronal Artificial.
Este esquema de elemento de procesamiento tiene las siguientes caractersticas:
Cada elemento de proceso puede tener varias entradas asociadas a propiedades

diferentes.
La entrada de tendencia es opcional (valor constante).
Las entradas pueden ser: Excitadoras, inhibidoras, de ganancia, de disparo fortuito o
de amortiguamiento.
Las entradas estn ponderadas por un factor multiplicativo de peso o intensidad de
conexin que resaltan de forma diferente la importancia de cada entrada..
Cada elemento de procesado tiene un valor de activacin calculado en funcin del
valor de entrada neto (calculado a partir de las entradas y los pesos asociados a
ellas). En algunos casos, el valor de activacin, depende adems de la entrada neta
del valor anterior de activacin.
Una vez calculado el valor de activacin, se determina un valor de salida aplicando
una funcin de salida sobre la activacin del elemento de procesamiento.
101
Conexin entre neuronas.
En la mayor parte de los casos se asume que cada neurona recibe contribuciones
aditivas de las neuronas que estn conectadas a ellas (enlaces). La entrada total de la unidad
k es la suma ponderada de las entradas que recibe, ms el trmino de offset
sk = j
w jk y j + k
Cuando el peso de la contribucin es positivo se considera que la entrada es

excitatoria y cuando el peso es negativo que es inhibidora.
Funciones de activacin y salida.
Adems de la regla de propagacin es necesario poseer expresiones para las

funciones de activacin (son quienes calculan la activacin, en funcin de la entrada total)
y funciones de salida (las que calculan la salida en funcin de la activacin).
La funcin de activacin calcula la activacin de la neurona en funcin de la entrada

total y la activacin previa, aunque en la mayor parte de los casos es simplemente una
funcin no decreciente de la entrada total. Los tipos de funcin ms empleados son:
funciones con umbral lineal y la funcin sigmoide.
La funcin de salida empleada usualmente es la funcin identidad y as la salida del

proceso es idntica a su nivel de activacin.
Topologa.
La topologa es el nmero de elementos de proceso que forman la red y las

interconexiones existentes entre ellos. Los elementos de procesado de una red neuronal se
distribuyen por capas (conjunto de elementos de procesado que se encuentran en el mismo
nivel en la estructura).
Existen tres tipos de capas:
Capa de entrada: Dependen del problema a abordar.

Capa de salida: Salidas que proporciona la estructura.
Capas ocultas: conjunto de elementos de procesamiento asociados en capas que se
encuentran entre la capa de entrada y la capa de salida.
El nmero de elementos del proceso puede variar en unas capas respecto a las otras.
Las funciones (tanto de activacin como de salida) de los elementos de procesamiento
pueden ser diferentes. No existe limitacin en el nmero de capas ocultas. En general,
cuanto mayor sea la diferencia entre los elementos de entrada y los de salida, ser necesario
dotar a la estructura de ms capas ocultas. Estas capas ocultas crean una representacin
interna de los patrones de entrada. La habilidad de la red para procesar informacin crece
en proporcin directa al nmero de capas ocultas.
102
Creacin de un conjunto de datos.
Esta es la etapa mas larga y critica, en esta etapa se incluye la recopilacin de datos,
su anlisis, la seleccin de variables y el preprocesamiento de los datos (patrones de
entrada) con los cuales la red puede aprender eficientemente.
Las RN pueden reconocer nuevos ejemplos de patrones utilizados para entrenarlas,

pero solo si estos se asemejan al patrn original. El objetivo mayor es construir un ndice
de series de patrones de entrada, cada uno de los cuales es un conjunto de los valores
medidos. Estas redes que aprenden de resultados conocidos tambin requieren de resultados
correctos para cada patrn de entrada. Los patrones de entrada son usualmente vistos como
un vector y los valores individuales como un vector de componentes.
En la practica la suficiencia de datos depende de varios factores: tamao de la red,

pruebas necesarias y distribucin de las entradas. El tamao de la red toma mucha
importancia. Una red grande generalmente requiere de mas entrenamiento que una red
pequea, por eso se debe tener cuidado en la seleccin de las variables de entrada y salida
para conservar pequea la red, nicamente con los datos necesarios para entrenarla.
Configuracin
El diseo de una red neuronal puede ser tan simple como seleccionar una red
comercial disponible, implementar el hardware o el sofware o la combinacin de ambos y
configurarla de acuerdo con los datos. La seleccin del diseo de la red incluye definir el
comportamiento de los nodos, el procedimiento de entrenamiento, la topologa de la red y
los valores de los parmetros de entrenamiento.
Despus de seleccionar una red el siguiente paso es configurarla, ajustando el

numero de nodos de entrada y salida de acuerdo con el numero de datos de entradas y
salidas, algunas redes requieren valores adicionales los cuales deben ser asignados. Otras
redes permiten configurar otros aspectos como por ejemplo: cambiar el numero de capas
ocultas, la frecuencia de actualizacin de los pesos el tipo de funcin de transferencia y
otros factores.
Entrenamiento y pruebas.
Por ultimo la parte final del desarrollo es entrenar y probar la red, durante el
entrenamiento se hacen ciclos repetidamente a travs de los datos cambiando los valores de
sus pesos para mejorar su desempeo. Cada paso a travs del entrenamiento de datos es
conocido como una etapa, y la red aprende a travs de la acumulacin de los cambios
hechos a los pesos durante todas las etapas hasta que los pesos proporciona los resultados
mas adecuados.
Una red es usada solo si esta regresa resultados apropiados con datos que no han
sido usados para su entrenamiento, para la validacin de esta habilidad llamada
generalizacin se requiere probar la red con un conjunto independiente de datos, durante
103
estas pruebas la red calcula un ndice de desempeo como puede ser el error cuadrtico
promedio. Las pruebas durante el entrenamiento deben mostrar cuando termina este, para
evitar un sobreentrenamiento, tambin muestran cual configuracin es mejor.
Apoyndonse en un ndice de desempeo como puede ser el error cuadrtico

promedio podemos evitar el sobreentrenamiento, parando el entrenamiento cuando el error
cuadrtico promedio alcance su valor mas bajo.
El error cuadrtico promedio de los conjuntos de pruebas y de entrenamientos en un

principio su valor va decayendo, y cuando el error cuadrtico promedio del conjunto de
pruebas comienza a incrementarse, significa que la red a dejado de aprender y el
entrenamiento debe pararse.
Red backpropagation
El funcionamiento de la red backpropagartion (BP) consiste en el aprendizaje de un

conjunto predefinido de pares de entradas-salidas dados, como ejemplo: primero se aplica
un patrn de entrada como estmulo para la primera capa de las neuronas de la red, se va
propagando a travs de todas las capas superiores hasta generar una salida, se compara el
resultado en las neuronas de salida con la salida que se desea obtener y se calcula un valor
de error para cada neurona de salida. A continuacin, stos errores se transmiten hacia
atrs, partiendo de la capa de salida hacia todas las neuronas de la capa intermedia que
contribuyan directamente a la salida, recibiendo de error aproximado a la neurona
intermedia a la salida original. Este proceso se repite, capa por capa, hasta que todas las
neuronas de la red hayan recibido un error que describa su aportacin relativa al error total.
Basndose en el valor del error recibido, se reajustan los pesos de conexin de cada
neurona, de manera que en la siguiente vez que se presente el mismo patrn, la salida estar
ms cercana a la deseada.
La importancia de la red backpropagation consiste en su capacidad de autoadaptar

los pesos de las neuronas de las capas intermedias para aprender la relacin que existe entre
un conjunto de patrones de entrada y sus salidas correspondientes. Es importante la
capacidad de generalizacin, (facilidad de dar salidas satisfactorias a entradas que el
sistema no ha visto nunca en su fase de entrenamiento). La red debe encontrar una
representacin interna que le permita generar las salidas deseadas cuando se le dan entradas
de entrenamiento, y que pueda aplicar, adems, a entradas no presentadas durante la etapa
de aprendizaje para clasificarlas.
La clave del algoritmo de aprendizaje backpropagation consiste en su habilidad para

cambiar el valor de los pesos en funcin de los errores. Esto lo hace mediante un proceso
llamado gradiente descendente en el cual la red neuronal cambia los pesos de una forma
descenderte hasta el punto en el que se produzca el mnimo error ( promedio de la suma de
los errores cuadrticos).
104
C.3 Sistemas Neurodifusos
El avance de los sistemas de Inteligencia Computacional y la bsqueda de

soluciones cada vez mas completas para los problemas, han llevado a la unin de tcnicas
de programacin, haciendo que las debilidades de unos sistemas se compensen con las
bondades de otros. De esta manera surge la unin de las tcnicas de Redes Neuronales
Artificiales (RNA) y Lgica Difusa (LD). En la tabla C.2 se pueden observar las
similitudes y diferencias entre estas dos tcnicas. Re-definiendo las motivaciones para crear
los sistemas hbridos neurodifusos, podemos mencionar las siguientes:
Los problemas a resolver con estas tcnicas inteligentes tienen generalmente una
componente de datos empricos y otra de conocimiento previo, que con los sistemas
neurodifusos pueden ser explotados a cabalidad mezclando los mtodos
cuantitativos y cualitativos de las RNA y la LD respectivamente.
La expresin de conocimiento como una base de reglas lingsticas, enriquecida o

surgida con o a travs de datos cuantitativos, es una forma adecuada para hacer
realimentacin al usuario de la forma como el sistema realiza las tareas.
Habiendo encontrado que la representacin del conocimiento como un Sistema

Difuso se acerca a la forma de razonamiento humano, es natural intentar adicionar a
estos sistemas capacidades de aprendizaje, de forma que se emule mejor tal
comportamiento o que se mejoren los resultados obtenidos con el slo sistema
difuso.
Tabla C.2 Comparativa entre las tcnicas de RNA y Lgica Difusa.

CARACTERISTICAS RNA Lgica Difusa
Paralelismo Bueno Bueno
Dominio Continuo Continuo
Linealidad No lineal No lineal
Base de Conocimiento Distribuda en pesos Distribuda en Base de

Reglas
Mtodo de Solucin Matemtica mediante Razonamiento sobre la

propagacin de la Base de Reglas
informacin de entrada
Representacin del Numrica Lingustica

conocimiento
Conocimiento explotado Datos empricos Conocimiento humano
105
previo
Capacidad de Alta No tiene - Es una forma

aprendizaje lgica de tratamiento
matemtico.
Ventajas de los sistemas neurodifusos
La estructura neurodifusa permite el uso de mtodos cualitativos y cuantitativos en

la construccin de modelos, en la etapa de aprendizaje, en la de funcionamiento y en la
realimentacin de conocimiento al usuario, permitiendo as, todo el conocimiento
disponible. Los mtodos cuantitativos que se observan en el aprendizaje que los sistemas
neurodifusos pueden realizar a partir de datos del ambiente y en su forma matemtica de
funcionamiento, mientras los mtodos cualitativos se reflejan en el sentido lingstico que
tiene la base de conocimiento de los sistemas difusos y que genera una interaccin bilateral
sistema-hombre, permitiendo la introduccin de conocimiento previo al sistema y la
realimentacin del estado final del modelo en forma de reglas expresadas lingsticamente
desde el sistema al hombre. Las otras ventajas, son las conocidas ya ampliamente y que
vienen heredadas de los sistemas difusos y de las RNA, tales como interpretacin
lingstica, introduccin de conocimiento previo, autoaprendizaje, generalizacin,
interpolacin, etc.
Limitaciones de los sistemas neurodifusos
Curso de la dimensionalidad: Los sistemas difusos presentan el problema del

crecimiento exponencial del tamao del modelo respecto al nmero de variables que
poseen, haciendo impractico su uso para sistemas de ms de cuatro dimensiones
Calidad de los datos: Existen problemas asociados con la cantidad, distribucin y

ruido en los datos. Si los datos estn mal distribuidos, el aprendizaje puede no ser
muy bueno, presentando especialmente problemas de generalizacin de
interpolacin si faltan muchos datos en cierta regin. Este inconveniente es herencia
de los sistemas neuronales y puede ser superado interpolando los datos, haciendo un
tratamiento previo o buscando una representacin adecuada de los mismos.
Conocimiento previo: En los sistemas neurodifusos es deseable tener el

conocimiento previo y confiable de un experto en el sistema, pues de otro modo, se
debe realizar un modelado por "Fuerza Bruta" exclusivamente a travs de los datos
numricos empricos y existirn problemas al no haber descripcin cualitativa del
sistema.
106
C.3.1 ANFIS
Es una clase de red adaptiva que es funcionalmente equivalente a un sistema de

inferencia difuso TSK. Este tipo de red usa un procedimiento de aprendizaje hbrido, es
decir utiliza el algoritmo de aprendizaje de gradiente descendente para determinar los
antecedentes del sistema difuso y utiliza mnimos cuadrados para determinar los parmetros
de salida.. Para explicar estos algoritmos se propone el diseo de una red de 2 entradas
(x,y) y una salida (z), cada entrada estara representada por 2 conjuntos difusos, para este
ejemplo se proponen funciones triangulares, se asume que el sistema difuso representado
por esta red tiene 4 reglas, este diseo de red se muestra en la figura C.5 [24].

x y
w1 w1
A1
N p1, q1, r1
a 1, b 1, c 1
x
w2 w2
A2
N p2, q2, r2
a 2, b 2, c 2
z
w3 w3
A3
N p3, q3, r3
a 3, b 3, c 3
y w4 w4
A4
N p4, q4, r4
a 4, b 4, c 4
x y
Fig. C.5 arquitectura de una red de 2 entradas, y 1 salida (propagacin)
El procedimiento para entrenar la red es el siguiente:
1. Se proponen los parmetros de las funciones triangulares (ai, bi, ci).
2. Propagar los patrones de entrada (x,y) y por medio del mtodo de mnimos
cuadrados, se encuentran los parmetros de los consecuentes pi, qi y ci. Este mtodo
se explica a continuacin.
La salida de la red de acuerdo a la relacin de las entradas con las reglas TSK es:
4 (C.1)
z= w r ( p r x + q r y + rr )
r =1
Como son cuatro reglas:
107
z1 = w1 ( p1 x + q1 y + r1 )
z 2 = w 2 ( p 2 x + q 2 y + r2 )
z 3 = w 3 ( p3 x + q3 y + r3 )
z 4 = w 4 ( p 4 x + q 4 y + r4 )
Ordenando de forma matricial se tiene:

p1
q1
r1
p2
z1 w1 x w1 y w1 w 2 x w 2 y w2 w3 x w3 y w3 w4 x w 4 y w4 q2
z2 w1 x w1 y w1 w2 x w2 y w 2 w3 x w3 y w3 w4 x w4 y w 4 r2
=
z3 w1 x w1 y w1 w2 x w2 y w 2 w3 x w3 y w3 w4 x w4 y w 4 p3
z4 w1 x w1 x w1 w 2 x w 2 y w2 w3 x w3 y w3 w4 x w 4 y w4 q3
r3
p4
q4
r4
O bien generalizando:
Z = XC
Donde:
| Z= Salida Deseada.
X= Patrones de entrenamiento afectado por los antecedentes.
C= Consecuentes.
Lo que interesa es la obtencin de los parmetros de los consecuentes, as que aplicando
la definicin de mnimos cuadrados [42] se tiene:
[
C = XTX ]
1
XTZ
3. Inicializar los consecuentes con los valores que se obtienen con mnimos cuadrados.
4. Propagar de nuevo todos los patrones de entrenamiento.
5. Realizar la retropropagacion para encontrar los valores de los antecedentes

(parmetros ai, bi, ci).
Al hablar de redes de retropropagacin o redes de propagacin hacia atrs hacemos

referencia a un algoritmo de aprendizaje mas que a una arquitectura determinada. La
retropropagacin consiste en propagar el error hacia atrs, es decir de la capa de salida
hacia la capa de entrada, pasando por las capas ocultas intermedias y ajustando los
108
pesos de las conexiones con el fin de reducir dicho error. Hay distintas versiones o
reglas del algoritmo de retropropagacin y distintas arquitecturas a las que pueden ser
aplicados.
El algoritmo bsico de aprendizaje (gradiente descendente) de la red se basa en la

habilidad para cambiar los valores de sus pesos en respuesta al error generado. Durante
el entrenamiento de una red, se pasa cada patrn de entrada a travs de las capas de la
red para generar un resultado en cada nodo de salida. Para encontrar el error se resta el
resultado generado por la red al resultado deseado. Despus la red propaga hacia atrs, a
las capas ocultas la derivada del error de la salida.
Cada nodo oculto calcula la suma de los errores retropropagados para encontrar la
contribucin indirecta al error conocido de la salida. Despus de que los errores de la
salida y de cada nodo han sido determinados los nodos ajustan sus pesos para reducir
este error. La ecuacin que cambia sus pesos esta diseada para minimizar las suma de
los errores cuadrados de la red [24]. El gradiente descendente trata de encontrar los
pesos que mejor se ajustan a los patrones y es la base del algoritmo de
retropropagacion, se trata de una regla de aprendizaje supervisado, ya que es preciso
presentar a la red todos los casos de pares entradas-salida que se desea que la red
aprenda. Este mtodo tambin es conocido como Regla Delta generalizada, por que en
esencia el procedimiento consiste en modificar los pesos de las conexiones (por lo
tanto, favorecer el aprendizaje de la red) a partir del calculo o la diferencia (o delta)
entre las salidas efectivas de la red y las salidas deseadas.
La figura C.6 representa la retropropagacion en la red de dos entradas y una salida

descrita anteriormente, mediante la cual se mostrar el desarrollo matemtico del
algoritmo de aprendizaje de la red.

x y
w1 w1
A1
N p1, q1, r1
a 1, b 1, c 1
x w2 u1
w2
A2 E
N p2, q2, r2 u 2
a 2, b 2, c 2 u
u
w3 w3
A3 u3
N p3, q3, r3
a 3, b 3, c 3
y w4 u 4
w4
A4
N p4, q4, r4
a 4, b 4, c 4
x y
Fig. C.6 arquitectura de una red de 2 entradas, y 1 salida (retro.propagacin)
109
De la definicin de la regla delta [42]:
= n E ( )
(C.3)
Correccin Factor de Gradiente
= (Error )
de pesos aprendisaje local
E
i = n
i
Suponiendo que sea cualquiera de los parmetros (ai, bi, ci) de cualquier funcin de
membresa y que E sea la medida del error dada por:
E=
1
2
(
u * u
2
) (C.4)
1
Error = (salida deseada salida real )
2
2
De acuerdo a la regla, para cualquier parmetro del nodo i en la capa 1 de forma
genrica la razn de cambio para un parmetro despus de un patrn de datos
propagado es:
E (C.5)
= n

De acuerdo a la regla de la cadena la cual nos permite derivar composiciones de
funciones [referencia] el gradiente se puede expresar como:
E E u wi wi i (C.6)
=
u wi wi i
De acuerdo a la estructura de la red de la figura. (C:6) se definen las siguientes
relaciones:
E
E=
1
2
( 2
u * u )

u
(
= u * u ( 1) ) (C.7)
u (C.8)
u = wi u r
= u r
wi
wi w wi wi wi (C.9)
wi =
i = = (1 wi )
wi wi ( wi )
2
wi
Segn el producto de los antecedentes se tiene:

wi (C.10)
wi = i j para i j
= i
i
Sustituyendo las ecuaciones (C.7), (C.8), (C.9), (C.10) en la ecuacin (C.6) y
reduciendo se tiene:
110
E 1 (C.11)
=
i
( )
u u * u r w1 (1 w1 ) i

Para encontrar el nuevo parmetro a, b c de las funciones de membresa de acuerdo a

la ecuacin (C.5) se tiene:
E
= n donde = ( peso nuevo peso anterior )

E
A P = n

E (C.12)
(k + 1) = (k ) n

De modo que sustituyendo la ecuacin (C.11) en la (C.12) tenemos:
(C.13)
(k + 1) = (k ) n
1
i
( )
u u * u r w1 (1 w1 ) i

i
Las derivadas parciales de se encuentran de acuerdo a la funcin de
membresa utilizada. Para este caso definimos funciones de membresa triangulares
(figura C.7).
(x ) A (x )
A( x)
A
Triangular 0 si x a
A
xa
si a < x b
= ba
cx 0
si b < x c a b c x
cb
0 si x < c

xa cx
( x; a , b , c ) = max 0, min ,
ba cb
Parmetros : a , b , c
Figura C.7 Funcin de membresa tipo triangular.

Finalmente las derivadas son:
111
i
=0 si x a
a
i xb
= si a < x b
a (b a )2
i
=0 si b < x c
a
i
=0 si x < c
a
i
=0 si x a
b
i ax
= si a < x b
b (b a )2
i cx
= si b < x c
b (c b )2
i
=0 si x < c
b
i
=0 si x a
b
i
=0 si a < x b
b
i xb
= si b < x c
b (c b )2
i
=0 si x < c
b
112
ANEXO D Publicacin RVP-AI/2004
Publicacin RVP-AI/2004
En este anexo se presenta el articulo publicado en la decimosptima reunin de verano de
potencia, aplicaciones industriales y exposicin industrial, celebrada en julio del 2004 en
Acapulco, Guerrero, Este articulo describe los resultados preliminares de este tema de tesis.
113
114
115
116
117
118
119
Referencias
[1] Comisin Federal de Electricidad. Programas de inversiones del sector elctrico 2003
2012. Gerencia de Programacin de Sistemas Elctricos. (noviembre 2003).
http://www.cfe.gob.mx/recursos/publicacion_id47/POISE_PORTAL_CFE_2003.pdf
[2] M. Sanchez, S. DeLara, L.Bahamaca. A fuzzy-logic rule-based speed and load

controller for combustion turbines in power generation. Proceedings of the American
Control Conference. pp. 2659-2664. Anchorage, USA. May 8-10, 2002.
[3] L. Tllez. Prospectiva del sector elctrico 2000-2009. Informe Secretaria de Energa.
edicin de la Subsecretara de Poltica y Desarrollo de Energticos y de la Unidad de
Comunicacin Social. (2003)
[4] M. Snchez, R. Garduo, R. Chvez. Tendencias tecnolgicas para el mejoramiento del

desempeo de centrales de ciclo combinado. Boletn IIE, Noviembre Diciembre del 2001.
[5]M. Snchez. Aplicacin de redes neuronales artificiales al control supervisorio de

turbinas de gas. Proyecto interno, Unidad de Control e Instrumentacin, Instituto de
Investigaciones Elctricas, 1995.
[6] C. Garcia. Gas turbine fuzzy speed control. International Conference on Neural
Networks and Neurocontrol, proceedings 2nd Joint Mxico-USA (1997)
[7] S. DeLara, M. Carretero, R. Garduo, L. Castelo, M. Snchez. Feedforward and

Neurofuzzy speed control for a turbogas unit. ISA, Chicago, Octuber 2002.
[8] R. Garduo,Y. Villagran, S. DeLara, L. Castelo, M. Snchez. A neurofuzzy update of PI

controllers for speed control of a turbogas unit.. ISA Powid Conference, San Diego, July
2001.
[9] R. Garduo, K. Lee. Wide range operation of a power unit via feedforward fuzzy
control. Departament of Electrical Engineering, The Pennsylvania State University, IEEE
Transactions on Energy Conversion, Vol. 15, No. 4, December 2000.
[10] F. Jurado, M. Blas, M. Castro, J. Carpio. Neural networks and fuzzy logic in electrical
engineering. Department of Electrical Engineering, University of Jaen. IEEE Porto Power
Tech Conference. Porto, Portugal, September 2001.
[11] M. Mihuc. Gas turbine control system modernization: planning, design and
implementation. Paper ISA, 92-0627, 1992.
[12] Westinghouse Electric Corporation Gas Turbines Systems Division. Gas Turbine
Systems Primer, An Introduction to Gas Turbines, Combined Cycles and Gasification
Processes, Lester Pennsylvania. October 1975.
120
[13] M. Ramrez. Modernizacin del control de velocidad, potencia y temperatura de una

unidad turbogas. Trabajo de tesis, Instituto Politcnico Nacional. Mxico D.F. 1996.
[14] M. Delgadillo, M. Hernndez. Modelling and Dynamic Simulation of a gas turbine.

Paper ISA Powid Conference 2002.
[15] M. Hernndez, M. Delgadillo. Adecuacin del modelo prototipo de turbina de gas al

modelo Hitachi (Ge-5001). Proyecto 11184 Programacin del Controlador Apacs de
Moore. Unidad de Control e Instrumentacin. Divisin Sistemas de Control. Docto IIE-
11184-DOC-04-2.00Enero 1999.
[16] R. Garduo, M. Snchez, S.DeLara, M. Carretero; Control neurodifuso retro-

prealimentado para la operacin en rango amplio de unidades turbogas. Proyecto de
infraestructura No. 11983, Gerencia de Control e Instrumentacin, Divisin de Sistemas
de Control 2002.
[17] Y.Tani, T. Iwamiya, S. Takahashi. Advanced control system for gas turbine and
combined cycle power plants. Hitachi Review, Vol. 38, No. 3, 1989.
[18] M. Arreola, S. DeLara, Z. Flores. Especificacin Funcional del Prototipo Turbogas-II

(W-191G). Reporte interno, Unidad de Control e Instrumentacin. Divisin Sistemas de
Control, IIE,1996.
[19] M. Carretero, S. DeLara, R. Garduo, D. Libreros. Sistema para desarrollo y

validacin de algoritmos de control para turbinas de gas. RVP-AI/2002. IEEE, Acapulco
Guerrero.
[20] D. Naucke, F. Klawon. Fundations of Neurofuzzy Systems. John Wiley & Sonn Inc,
Paris Francia, 1997
[21] M Sugeno. An introduction survey of fuzzy control. Inform. Sci. Vol. 36, No. 1 pgs.
59-83, (1985).
[22] H. Takagi., Hayashi. NN-driven fuzzy reasoning. Int. Appoximate Reasoning. I. Vol.
5, N0. 3, pgs. 191-212, (1991).
[23] Halgamuge, M. Glesner M. The fuzzy neural controller FuNe II with a new adaptive
defuzzification strategy based on CBAD distribution. In European Congress on Fuzzy and
Intelligent Technologies93. Aachen Alemania. Vol. 2, pgs. 665-685.
[24] J-S R. Jang. ANFIS: Adaptive-Network-Based-Fuzzy-Inference. IEEE Trans. On

Systems, Man, and Cybernetics, may 1993.
[25] Dan Hammerstron, Adaptive Solution Inc. Working with Neural Network. IEEE
Spectrum, July 1993.
121
[26] J.S.R. Jang, N. Gulley, Natick. Fuzzy Logic Toolbox. MS, Mathworks, 2000.
[27] K. Ogata. Ingeniera de Control Moderna. segunda edicin, Prentice Hall

Hispanoamrica, 1993.
[28] B. C. Kuo. Sistemas de Control Automatico .septima edicin, Prentice Hall

Hispanoamrica, 1996.
[29] L-X. Wang. A course in fuzzy systems and control. Prentice Hall, Upper Saddle River,
NJ,1997.
[30] T. Takagi and M. Sugeno. Fuzzy identification of systems and its applications to
modeling and control. IEEE Trans. On Systems, Man, and Cybernetics, 15:116-132, 1985.
[31] M.Sugeno, editor. Industrial applications of fuzzy control. Elservier Science Pub. Co.,
1985.
[32] W. Pedrycz. Fuzzy control and fuzzy systems. Wiley, New York, 1989
[33] A. Kandel. Fuzzy expert systems. Addison-Wesley, 1988.
[34] A. Kandel, editor. Fuzzy expert systems. CRC Press, Boca Raton, FL, 1992.
[35] L.A. Zadeh. Fuzzy sets. Information and Control, 8:338-353, 1965.
[36] L.A. Zadeh. Outline of a new appoach to the analisis of complex systems and decision
processes. IEEE Trans. On Systems, Man, and Cybernetics, 3(1):28-44, January 1973.
[37] T. Takagi and M. Sugeno. Derivation of fuzzy control rules from human operators
control actions. Proc. of the IFAC Symp. on Fuzzy Information, Knowledge Representation
and Decision Analysis, pages 55-60, July 1983.
[38] C.-C. Lee. Fuzzy logic in control systems: fuzzy logic controler-part 1. . IEEE Trans.
On Systems, Man, and Cybernetics, 20(2):404-418,1990.
[39] C.-C. Lee. Fuzzy logic in control systems: fuzzy logic controler-part 2. . IEEE Trans.
On Systems, Man, and Cybernetics, 20(2):419-435,1990.
[40] P. K. Simpson. Artificial Neural Systems. Pergamon Press,1990.
[41] J-S. Roger Jang, C.-T. Sun, E. Mizutani. Neuro-Fuzzy and Soft Computing. Prentice
Hall, Upper Saddle River, NJ,1997.
[42] S. Haykin. Neural Networks A Comprehensive Foundation. Prentice Hall, Upper

Saddle River, NJ,1999.
122

160MC Voso PDF

Cargado por

Copyright:

Formatos disponibles

160MC Voso PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

160MC Voso PDF

Cargado por

Copyright:

Formatos disponibles

CENTRO NACIONAL DE INVESTIGACIN

CUERNAVACA, MORELOS, MXICO. NOVIEMBRE 2004

La demanda de energa elctrica en Mxico ha obligado al sector elctrico a estar en

En la actualidad, dentro del esquema de generacin de energa elctrica, las

El sistema de control de las unidades turbogas est basado en algoritmos de control

La turbina de gas presenta un comportamiento no lineal y variante en el tiempo,

En esta tesis se presenta la formulacin de un controlador prealimentado

Con esta estrategia, el controlador prealimentado provee una mayor contribucin en

In this thesis the formulation of a controller feedback multivariable is presented,

LISTA DE TABLAS ------------------------------------------------------------------------- iii

CAPITULO 1 UNIDAD TURBOGAS

1.1 Introduccin ----------------------------------------------------------------------------- 8

CAPITULO 2 CONTROL CONVENCIONAL DE LA UNIDAD TURBOGAS

2.1 Introduccin ---------------------------------------------------------------------------- 24

CAPITULO 3 CONTROL PREALIMENTADO NEURODIFUSO

3.1. Introduccin ------------------------------------------------------------------------- 40

CAPITULO 4 EVALUACION Y ANALISIS DE RESULTADOS

5.1 Introduccin ------------------------------------------------------------------------- 75

APENDICE A AMBIENTE DE PRUEBA

A.1 Introduccin ------------------------------------------------------------------------ 78

B.1 Introduccin ------------------------------------------------------------------------ 85

C.1 Lgica Difusa ------------------------------------------------------------------------- 90

APENDICE D PUBLICACIN RVP-AI/2000 ---------------------- --------------113

Tabla 1.1 Variables principales de la TG --------------------------------------------------17

Figura 0.1. Mapa de generacin de energa elctrica ------------------------------------ 2

La mayora de las Centrales Generadoras de Energa Elctrica que se encuentran

En la actualidad, la Comisin Federal de Electricidad (CFE) est preparada para la

La CFE tambin fortalece y ampla su infraestructura con la adopcin de nuevas

El gas es actualmente la fuente que requiere de menor inversin de capital y la ms

Como resultado del ambicioso programa de construccin de plantas generadoras de

En la actualidad, dentro del esquema de generacin de energa elctrica, las

Figura 0.1 Mapa de generacin de energa elctrica

Este tipo de unidad se ha instalado en grandes centrales trmicas, nucleares o en

La demanda de energa elctrica en Mxico ha obligado al sector elctrico a estar en

Estado del arte

La demanda de energa elctrica ha obligado al sector elctrico a estar en una

Influenciados por las experiencias logradas en proyectos de contrato para CFE, el

En1995 se realiz una aplicacin de redes neuronales artificiales al control

La importancia de trabajar con Turbinas de Gas (TG) radica en que se han

Adems, a diferencia de otros impulsores primarios, las turbinas de gas se

Las unidades turbogas operadas en ciclo abierto (centrales turbogas CTG),

La aplicacin de un controlador neurodifuso multivariable se justifica ya que el uso

De acuerdo a lo anterior, se deriva la importancia de realizar mejoras en cuanto a la

Planteamiento del problema a solucionar

Tpicamente la estrategia general de control utilizada para la operacin de la UTG

El sistema de control de las unidades turbogas est basado en algoritmos de control

La turbina de gas presenta un comportamiento no lineal y variante en el tiempo,

Una alternativa para tratar esta interaccin y mejorar el desempeo de la unidad

Esta tesis tiene como objetivos:

Disminuir la afectacin negativa sobre la seal de control, provocada por la

Mejorar el seguimiento de las trayectorias de referencia de la velocidad y la

Obtener una mejor regulacin de la temperatura.

El trabajo de tesis plantea el siguiente alcance:

El desarrollo y la integracin del sistema neurodifuso multivariable se realizar

Revisar el modelo de la unidad turbogas y de su sistema de control en el ambiente

Validacin por comparacin del control prealimentado neurodifuso multivariable

El trabajo de tesis aporto el diseo y desarrollo de un esquema de control

El control neurodifuso multivariable supera algunas de las desventajas del control

El desarrollo de esta tesis ayudar a fortalecer la lnea de investigacin del grupo de