View
32
Download
1
Category
Preview:
DESCRIPTION
Sistema Inteligente para apoyo a la operación en línea de Centrales Termoeléctricas. Dr. Gustavo Arroyo Figueroa. Contenido. Introducción Arquitectura del Sistema Inteligente Modulos en desarrollo Diagnóstico y predicción de eventos Prototipo SAEP Conclusiones y trabajo futuro. - PowerPoint PPT Presentation
Citation preview
Sistema Inteligente para apoyo a la
operación en línea de Centrales
Termoeléctricas
Sistema Inteligente para apoyo a la
operación en línea de Centrales
TermoeléctricasDr. Gustavo Arroyo
Figueroa
IntroducciónIntroducción
Arquitectura del Sistema InteligenteArquitectura del Sistema Inteligente
Modulos en desarrolloModulos en desarrollo
Diagnóstico y predicción de eventosDiagnóstico y predicción de eventos
Prototipo SAEPPrototipo SAEP
Conclusiones y trabajo futuroConclusiones y trabajo futuro
ContenidoContenido
• El Instituto de Investigaciones Eléctricas es un centro de desarrollo tecnológico creado para resolver la problemática en la Generación, Transmisión y Distribución de Energía Eléctrica de Comisión Federal de Electricidad (CFE), la industria Eléctrica del Gobierno de México. • Agrupa a 500 Investigadores en diversas áreas divididos en 4 Divisiones Técnicas (DEA, DSM, DSE y DSC). La DSC realiza investigación aplicada en las áreas de instrumentación, supervisión, control y automatización de procesos.
IntroducciónIntroducción
• Proyecto estratégico: “Sistemas Inteligentes para la Operación de Procesos Industriales”, el Objetivo es desarrollar Sistemas Inteligentes en tiempo real para operación de Centrales Termoeléctricas, que permitan una operación eficiente y oportuna.
ArquitecturaArquitectura
Sis
tem
a d
e A
dq
uis
ició
n d
e
Dat
os y
Con
trol
(S
CD
, PL
C)
Datos, Alarmas
Sis
tem
a d
e In
form
ació
n
Op
erac
ion
ales
(SIT
R, S
MP
, SV
)Índices, Eventos
Sis
tem
as I
nte
li ge n
tes
oper
acio
nal
es (
SD
,SP
I,S
CI)
Guías Operación
Interfaz con el usuario
ArquitecturaArquitectura
Gu
ías
de
Op
erac
ión
Sistema ValidaciónSeñales
SistemaVigilancia
Sistema Diagnóstico
Sistema Planeación
Sistema Control
Inteligente
Sis
tem
a d
e A
dq
uis
ició
n d
e D
atos
y C
ontr
ol (
DC
S)
Módulos en desarrolloMódulos en desarrolloAny time probabilistic reasoning for sensor validation (Ibarguengoytia and Sucar, UAI 98).Temporal Nodes Bayesian Network for Diagnosis and Prediction (Arroyo and Sucar, UAI 99)Continuous Planning for the Operation of Power Plants (Ibarguengoytia and Reyes, ENC 2001).Fuzzy scheduling control of a Power Plant (Garduño and Lee, IEEE Power Society, 2000)
Steam Fuzzy Controller for the operation of Power Plants (Arroyo and Sanchez, EAAI 2000).
Dominio complejo Gran número de procesos y variables interactuando de manera continua.
Dominio incierto Información incompleta
Usualmente información imprecisa Información con ruido
Dominio dinámico Naturaleza dinámica del proceso
El retardo temporal entre causa y efecto no es constante. Se requieren tareas de razonamiento en tiempo real.
Sistema de DiagnósticoSistema de Diagnóstico
Se require una representación que combine Manejo de incertidumbre
Problema
Redes Bayesianas
Razonamiento temporal
Una de las técnicas más utilizadas
Representar cada variable y su relación con otras variables a cada instante de tiempo.
V1
V2 V3
V4
E1 E2
E3E4
Basada en la teoría de probabilidad Muestra la relación causal entre las variables del proceso
Sistema de DiagnósticoSistema de Diagnóstico
El instante de tiempo en que una variable cambia (evento) es importante para el diagnóstico de las perturbaciones.
Los valores de la variable
Se propone una representación basada en eventos y su intervalo de tiempo dentro del cual ocurre (nodos temporales).
El intervalo de tiempo de su ocurrencia
Cada estado de un nodo es definido por un par ordenado :
Los intervalos de tiempo representan los retardos entre la ocurrencia de un evento y otro.
Sistema de DiagnósticoSistema de Diagnóstico
Una RBNT es definida como RBNT=(V, E), donde V es el conjunto de nodos temporales y E es el conjunto de arcos. Cada nodo temporal es definido por un par (s,
t) y una matrix de probabilidades condicionales de cada par ordenado dados sus padres.
Estados {normal, alto}
Intervalos de tiempo
{[0-10], [10-30], [30-60], [0-60]}
{alto, [0-10]),
(alto, [10-30]),
(alto, [30-60]),
(normal, [0-60])}
NLDNLD
NORMAL ALTONORMAL ALTO
Nodo temporal del nivel del domo
Sistema de DiagnósticoSistema de Diagnóstico
El evento del incremento en el flujo de agua de alimentación (FAA) puede ser causado por dos diferentes eventos: el incremento en la velocidad de la bomba de agua de alimentación (VBAA) o un incremento en la apertura de la válvula de agua de alimentación (AVAA). De acuerdo a la dinámica del proceso, el intervalo de tiempo entre la ocurrencia del evento VBAA y FAA es de 25 a 114 segundos ; el intervalo de tiempo de ocurrencia entre AVAA y FAA es de 104 a 248 segundos.
FAAFBAA VBAA[10-32] [25-58]
[25-90]
FAA IC VBAA[29-107] [50-114]
[79-221]
FAAFVAA AVAA[28-64] [104-248]
[132-314]
De esta manera, si el incremento de flujo ocurre dentro del primer intervalo, la causa más probable es el aumento en la velocidad de la bomba; pero si el incremento de flujo ocurren dentro del segundo intervalo, la causa más probable será el incremento en la apertura de la válvula.
Sistema de DiagnósticoSistema de Diagnóstico
El mecanismo propuesto fue aplicado al diagnóstico y predicción de fallas en los sistemas de agua de alimentación y vapor sobrecalentado. Se consideraron 4 posibles perturbaciones: un incremento de carga (IC); una falla en la bomba de agua de alimentación (FBAA); una falla en la válvula de agua de alimentación (FVAA); y una falla en la válvula de agua de atemperación (FVAT).
Aplicación a una CTEAplicación a una CTE
D O M O
S IS T E M A V AP O R S O B R E C A L EN T A D O
(B A JA )
A T E M P E R A D ORS O B R E C AL E N T A DO RS E C U ND A R IO
S O B R E C AL E N T A DO RP R IM A R IO
(A L T A )V AL V U L A
G OB E R N A DO R A
R E C IR C U L AC ION
B O M B A D E
TU
BO
S D
EB
AJA
DA
PA
RE
DE
S D
E A
GU
A
EC
ON
OM
IZA
DO
R
C A L E NT A D OR D EP R E S ION A L T A
B O M B AD E A GU A
D EA L IM EN T A C IO N
D E AR E A D OR
V AL V U L A DE D E AR E A D OR
C A L E NT A D OR D E P R E S ION B A JA
B O M B A D EC O ND E N S A DO
CO
ND
EN
SA
DO
R
R E C A LE N T A DO R
A T E M P E R A D OR D E L R E C A L E NT A D OR
V AL V U L AIN T E R C E P T O R A
S IS T E M A V AP O RR E C A LE N T A DO
T U R B IN AD E P R E S IO N
A L T A
T U R B IN AD E P R E S IO N
IN T E R M E D IA
T U R B IN AD E P R E S IO N
B A JA
T U B OS C ON E C T OR E S
S IS T E M A T U RB INA -VA P O R
S IS T E M A D E C ON D E NS A D OS IS T E M A D E AG U A DE A L IM E NT A C IÓ N
SIS
TE
MA
DE
VA
PO
R
Los datos del proceso fueron generado por medio de un simulador a detalle de alcance total de una CTE de 350 MW.
BASE DE DATOS DEL PROCESO
Aplicación a una CTEAplicación a una CTE
SIMULADORDE FALLAS
SADRE
SIMULADORDE UNA
CTE 350 MW
INTERVALOS DE TIEMPO
BASE DE CONOCIMIENTO
PRUEBAS
APRENDIZAJE (80%)
VALIDACION (20%)
RED BAYESIANA CON NODOS TEMPORALES
VariablesVariables
IC=Incremento de cargaIC=Incremento de carga
FBAA= Falla en la FBAA= Falla en la BombaBomba
FVAA= Falla en la Val.FVAA= Falla en la Val.
FVAT=Falla Val. AtempFVAT=Falla Val. Atemp
AVVP=Inc. Val. VaporAVVP=Inc. Val. Vapor
ABA=Inc. Vel. BombaABA=Inc. Vel. Bomba
AVAA=Inc. Val. AAAVAA=Inc. Val. AA
AVAT=Inc. Val ATAVAT=Inc. Val AT
FVP= Inc. Flujo vaporFVP= Inc. Flujo vapor
FAA=Inc. Flujo AAFAA=Inc. Flujo AA
FAT=Inc. Flujo ATFAT=Inc. Flujo AT
NLD=Nivel del domoNLD=Nivel del domo
PVD=Inc. Presión domoPVD=Inc. Presión domo
TVS=Inc. TemperaturaTVS=Inc. Temperatura
Aplicación a una CTEAplicación a una CTE
FAA
FBAA IC
FVAT
AVAT
FAT
FVAA
AVAA ABA AVVP
FVP
NLD
PVD
TVS
AVVPIncremento,I1= 0.69Incremento,I2= 0.20¬Incremento = 0.11
FBAAOcurre 0.58¬ocurre 0.42
TVSDisminuye,I1= 0.37Disminuye,I2= 0.14Disminuye,I3= 0.47¬Disminuye = 0.02
FATAumenta,I1= 0.75Aumenta,I2= 0.21¬Aumenta = 0.04
ICOcurre 0.88¬ocurre 0.12
FVAAOcurre 0.57¬ocurre 0.43
FVATOcurre 0.18¬ocurre 0.82
AVAAIncremento,I1= 0.30Incremento,I2=0.27¬Aumenta = 0.43
AVATIncremento,I1= 0.11Incremento,I2=0.13¬Incremento = 0.76
ABAAumenta,I1= 0.36Aumenta,I2= 0.57¬Aumenta = 0.07
FVPAumenta,I1= 0.65Aumenta,I2= 0.24¬Aumenta = 0.11
FAAAumenta,I1= 0.77Aumenta,I2= 0.18¬Aumenta = 0.05
NLDIncrementa,I1= 0.49Incrementa,I2= 0.09Decrementa,I1=0.28Decrementa,I2=0.12¬Aumenta = 0.02
PVDDisminuye,I1= 0.58Disminuye,I2= 0.40¬Disminuye = 0.02
Resultados
Prueba
Predicción% de Exactitud 87.37 9.19% de aciertos 84.48 14.98
Diagnóstico84.25 8.0980.00. 11.85
Diagnóstico yPredicción
95.85 4 .7194.92 . 8.59
Aplicación a una CTEAplicación a una CTE
% de Exactitud% de aciertos
% de Exactitud% de aciertos
Prototipo SAEP Prototipo SAEP
SISTEMA DE ADQUISICION
DE DATOS
MODULO DE DETECCION DE
EVENTOS
MODULO DE ANALISIS
(RAZONAMIENTO TEMPORAL
PROBABILISTICO)
INTERFACE CON EL OPERADOR
PROCESO
MENSAJES ACTIVOS
BASE DE DATOS DE
OPERACION
BASE DE CONOCIMIENTO
(RB, RBNT)
ARCHIVO DE MENSAJES
ARCHIVO DE MENSAJES
MENSAJES ACTIVOS
Prototipo SAEP Prototipo SAEP
Instituto de Investigaciones Eléctricas
INICIOINICIO
SISTEMA PARA EL ANALISIS DE EVENTOS Y DE PERTURBACIONES
SAEP
Prototipo SAEP Prototipo SAEP
SAEP Hora: 16:00Día: 11 / 05 / 99
NIVELPDRLPSH
PRH
TSH
TRH
0.0 c.m178.4 kg./cm2
540.0ºc 19.8 kg./cm2280.9ºc
175.6 kg./cm2
Prototipo SAEP Prototipo SAEP
INICIO
Prototipo SAEP Prototipo SAEP
SAEP Hora: 16:38:35 Fecha: 11 / 05 / 99
INICIO
EVENTO: FAA
VARIABLE DETECTADA
FAA Flujo de Agua de Alimentación (ton/h) 450.8 16:38:00
VALOR
VAA Válvula de Agua de Alimentación 60 % Normal 0
BAA Velocidad de Bomba Agua A 1880 rpm Normal +
NLD Nivel del Domo 0.01 cm Normal 0
VARIABLES RELACIONADAS VALOR ESTADO
TIEMPO
ANALISIS
TENDENCIA
Prototipo SAEP Prototipo SAEP
SAEP Hora: 16:38:42 Fecha: 11 / 05 / 99
INICIO
ANALISIS
EVENTO: Incremento flujo de Agua de Alimentación (1er intervalo)
Conclusiones
Causa 2: FALLA EN LA BOMBA DE AGUA 75
Acción 1: Activar bomba de reserva de agua
Acción 2: Reparar bomba de agua
VALOR CERTEZA
(Probabilidad)
Incremento en la velocidad de la bomba 25-114 seg (-) 61
Incremento en la apertura de la válvula AA 114-248 seg 32
Incremento en el Nivel del Domo 10-27 seg 95
Eventos Pasados y Futuros
Variable ( evento ) Tiempo Probabilidad
(-)(+)
Prototipo SAEP Prototipo SAEP
SAEP Hora: 16:41:00Fecha: 11 / 05 / 99
INICIO
EVENTO: FAA TVS
VARIABLE DETECTADA
FAA Flujo de Agua de Alimentación (ton/h) 450.8 16:38:00
TVS Temperatura vapor sobrecalentado (o C ) 530.27 16:40:27
VALOR
PDL Presión en el Domo 178.4 Kg/cm2 Normal 0
FVS Flujo de vapor 445.6 ton/hr Normal +
FAT Flujo de agua de atemperación 13.5 ton/hr Normal 0
VARIABLES RELACIONADAS VALOR ESTADO
TIEMPO
ANALISIS
TENDENCIA
Aplicación a una CTEAplicación a una CTE
-
SAEP Hora: 16:41:16Fecha: 11 / 05 / 99
INICIO
ANALISIS
EVENTO : Incremento Flujo de Agua (1er intervalo) y decremento temperaturade vapor (2do intervalo)
Conclusiones
Causa 1: Incremento de carga 92
Acción 1: Vigilar el nivel del domo
Acción 2: Vigilar flujo de agua de atemperación
Incremento en el flujo de vapor sobrecalentado (-) 10-42 sec 96
Decremento de la presión del domo (-) 100-272 sec 62
Incremento del flujo de atemperación (-) 42-100 sec 36
Eventos pasados y futuros
Variable ( evento) Tiempo Probabilidad
Aplicación a una CTEAplicación a una CTE
VALOR CERTEZA
(Probabilidad)
SAEP, es un prototipo que ha mostrado la viabilidad de aplicar SAEP, es un prototipo que ha mostrado la viabilidad de aplicar redes bayesianas para el análisis de las perturbaciones del proceso redes bayesianas para el análisis de las perturbaciones del proceso de generación eléctrica.de generación eléctrica.
ConclusionesConclusiones
La RBNT es una representación basada en eventos que modela La RBNT es una representación basada en eventos que modela formalmente las relaciones temporales y causales que existen formalmente las relaciones temporales y causales que existen entre los mismos. entre los mismos.
El formalismo permite el diagnóstico y la predicción de El formalismo permite el diagnóstico y la predicción de eventos. Lo cual asociado a un planificador inteligente permitirá eventos. Lo cual asociado a un planificador inteligente permitirá llevar a una Central Térmica a condiciones óptimas de operación.llevar a una Central Térmica a condiciones óptimas de operación.
Integrar un prototipo fuera de línea en una Central Térmica.
Líneas futurasLíneas futuras
Modelar mediante RBNT todas las perturbaciones que se presentan en una Central Térmica.
Validar el prototipo con operadores de Centrales Térmicas.
Integrar los módulos desarrollados en un Sistema Inteligente para la Operación de Centrales Térmicas.
Recommended