SciELO - Scientific Electronic Library Online

 
vol.6 issue3Noisy Binary Texture Recognition Using the Coordinated Cluster TransformA New Algorithm for Computing Optical Flow and His Application to Image Registration author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Computación y Sistemas

Print version ISSN 1405-5546

Comp. y Sist. vol.6 n.3 México Jan./Mar. 2003

 

Artículo

 

Predictive Control Based on an Auto–Regressive Neuro–Fuzzy Model Applied to the Steam Generator Startup Process at a Fossil Power Plant

 

Control Predictivo Basado en un Modelo Neurodifuso Auto–Regresivo Aplicado al Proceso de Arranque del Degenerador de Vapor de una Unidad Termoeléctrica

 

José Antonio Ruz Hernández1, Dionisio A. Suárez Cerda2 , Evgen Shelomov1 and Alejandro Villavicencio Ramírez2

 

1 Facultad de Ingeniería de la Universidad Autónoma del Carmen Calle 56 No. 4X Av. Concordia, Cd. del Carmen, Campeche, México. E–mails: jruz@pampano.unacar.mx ; eshelomov@pampano.unacar.mx

2 Instituto de Investigaciones Eléctricas Calle Reforma No. 113, Col. Palmira, Cuernavaca, Morelos, México C.P. 62490. E–mails: suarez@iie.org.mx ; avilla@iie.org.mx

 

Article received on January 07, 2003
Accepted on March 14, 2003

 

Abstract

This paper presents an application of artificial intelligence techniques for the improvement of the operation of a thermoelectric unit. The capacity for empirical learning gained from artificial intelligence systems was utilized in the development of the strategy. A neuro–fuzzy model for the steam generator startup process is obtained from experimental data. Ultimately, the neuro–fuzzy model is combined with a predictive control algorithm to produce a control strategy for the heating stage of the steam generator. This provides the operators at the fossil power plant with the necessary information to efficiently accomplish the heating process. The information gained from the control strategy is not directly applied to an automatic control scheme; instead it is presented to the operator who then decides on its application. Therefore, in this way the information is used to develop a strategy that takes into consideration the personal capacity and the working routine of the operator. The simulation tests that were carried out demonstrated the feasibility and the beneficial results that can be obtained fromthe application of any of the three variants of predictive control proposed in this paper.

Keywords: Predictive control, optimization, ANFIS, auto–regressive model, steam generator, fossil power plant.

 

Resumen

En este trabajo se presenta una aplicación de técnicas de inteligencia artificial al mejoramiento de la operación de una unidad termoeléctrica. El desarrollo llevado a cabo aprovecha la capacidad de aprendizaje a partir de experiencias, que ofrecen los sistemas basados en inteligencia artificial. Usando datos experimentales, se obtiene un modelo neurodifuso del comportamiento del arranque de un generador de vapor. Posteriormente, este modelo se combina con un algoritmo de control predictivo para construir una estrategia de control para la etapa de calentamiento del generador de vapor, la cual permite ofrecer a los operadores de la unidad termoeléctrica la información requerida para llevar a cabo de manera eficiente el calentamiento. La información generada por la estrategia de control no se aplica directamente en un esquema de control automático, sino que se ofrece al operador y éste decide en última instancia su aplicación. Por la manera como es empleada la información generada, la estrategia toma en cuenta las limitaciones y las costumbres de los operadores. Las pruebas en simulación llevadas a cabo muestran la factibilidad de la estrategia y el buen desempeño que se obtiene a través de la aplicación de cualquiera de las tres variantes de control predictivo ofrecidas.

Palabras Clave: Control predictivo, optimización, ANFIS, modelo auto–regresivo, generador de vapor, central termoeléctrica.

 

DESCARGAR ARTÍCULO EN FORMATO PDF

 

References

Babuska R., "An Overview of Fuzzy Modeling and Model–Based Fuzzy Control", volume Fuzzy Logic Control Advances in Applications, Part I: Tutorials of World Scientific Series in Robotics and Intelligent Systems, 1999.        [ Links ]

Babuska R. and Verbruggen H. B., "An overview of fuzzy modeling for control". Control Eng. Practice, Vol. 4, No.ll, 1996, pp. 1593–1606.        [ Links ]

CFE, Procedimiento de Operación General. Centro de Adiestramiento de Operadores Ixtapantongo, CFE, MÉXICO, 1994.        [ Links ]

Clarke D. W., Mohtadi C, Tuffs P. S., "Generalized Predictive Control", Automática, Vol. 23, No. 2, 1987, pp. 137–160.        [ Links ]

Haykin S., Neural Networks, Prentice–Hall, Inc., N.J., 2nd ed., 1999.        [ Links ]

Jang J. –S. R., "ANFIS: Adaptive–Network–based Fuzzy Inference System", IEEE Transactions on Systems, Man and Cybernetics, Vol. 23, No. 3, 1993, pp. 665–684.        [ Links ]

Jang J. –S. R., Sun CH.T., "Neuro Fuzzy Modeling and Control", Proceedings of the IEEE, Vol. 83, 1995, No.3, March. 1995.        [ Links ]

Jang J. –S. R., "Input Selection for ANFIS learning", Proceedings of the Fifth IEEE International Conference on Fuzzy Systems, Vol. 2, 1996, pp. 1493–1499.        [ Links ]

Kramer A. W., A power plant primer, Technical Publishing Company, Barrington, Illinois 60010, 1954.        [ Links ]

Narendra K. S. and Parthasarath K., "Identification and Control of Dynamical Systems Using Neural Networks", IEEE Trans. On Neural Networks, Vol. 1, No. 1, 1990, pp. 4–27.        [ Links ]

Nørgaard M., Ravn O., Poulsen N. K., and Hansen L. K., Neural Networks for Modelling and Control of Dynamic Systems, Springer–Verlag London, Limited, 2000.        [ Links ]

Ruz Hernández J. A., Sintonización óptima de un controlador difuso para el calentamiento y presurización del generador de vapor de una unidad termoeléctrica, Tesis de Maestría en Ingeniería de Control, pp. 29–44, Universidad Autónoma del Carmen, Cd. del Carmen, 2001.        [ Links ]

Ruz Hernández J. A., Suárez Cerda D. A., Shelomov E., Villavicencio Ramirez A., "Predictive Control Based on an Auto–regressive Neuro–Fuzzy Model Applied to the Steam Generator Startup Process at a Fósil Power Plant", Lecture Notes in Artificial Intelligence: MICAI 2002 Advances in Artificial Intelligence, Proceedings of Second Mexican International Conference on Artificial Intelligence, Springer–Verlag, Vol. 2313, 2001, pp. 430–439.        [ Links ]

Sousa J. M., Babuska R., Bruijn P., Verbruggen H. B., "Comparison of Convencional and Fuzzy Predictive Control", Proceedings of the IEEE, 1996.        [ Links ]

Takagi T. and Sugeno M., "Fuzzy Identification of systems and its applications to modeling and control", IEEE Trans. Syst., Man, Cybern., Vol 15, 1985, pp. 116–132.        [ Links ]

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License