If you can't read please download the document
Upload
trinhlien
View
216
Download
0
Embed Size (px)
Citation preview
A-Teams para la minizacin
del caudal total turbinado de
una represa hidroelctrica.
i
Este trabajo est dedicado a mis padres y hermanas. Espero poder retribuirlesel apoyo, el cario y la comprensin que me brindaron durante todos estos aos de
grandes sacrificios.
ii
NDICE
CAPTULO 1: INTRODUCCIN................................................................................ 11.1 CONSIDERACIONES INICIALES ..........................................................................................................11.2 BREVE DESCRIPCIN E HISTORIA DE LOS TEAM ALGORITHMS.......................................................41.3 TCNICAS DE INTELIGENCIA ARTIFICIAL.......................................................................................71.4 IMPORTANCIA ECONMICA...............................................................................................................91.5 OBJETIVOS Y ORGANIZACIN DEL PRESENTE TRABAJO ...........................................................11
CAPTULO 2: AUTOMATIZACIN DE USINAS .................................................. 142.1 GENERALIDADES ...............................................................................................................................142.2 SISTEMAS AUTOMTICOS DE CONTROL .......................................................................................162.3 ALGORITMOS DEL SISTEMA DE CONTROL DE GENERACIN ....................................................19
CAPTULO 3: MTODOS NUMRICOS PARA LA MINIMIZACIN DELCAUDAL TOTAL TURBINADO............................................................................... 22
3.1 EL PROBLEMA DE MINIMIZACIN DEL CAUDAL TURBINADO ..................................................223.2 MTODO DEL GRADIENTE DE PRIMER ORDEN.............................................................................233.3 MTODO DE OPTIMIZACIN DE BSQUEDA EXHAUSTIVA........................................................283.4 COMPARACIN ENTRE AMBOS MTODOS DE OPTIMIZACIN..................................................303.5 MTODO NUMRICO UTILIZADO ....................................................................................................31
CAPTULO 4: ALGORITMOS GENTICOS.......................................................... 414.1 CONCEPTO DE LOS ALGORITMOS GENTICOS .............................................................................414.2 DESEMPEO DE LOS MTODOS NUMRICOS TRADICIONALES ................................................434.3 CARCTERSTICAS DE LOS ALGORITMOS GENTICOS...............................................................474.4 OPERADORES DEL ALGORITMO GENTICO ..................................................................................48
4.4.1 OPERADORES PROBABILSTICOS ..........................................................................................484.4.2 IMPLEMENTACIN BSICA DEL ALGORITMO GENTICO................................................52
4.5 FUNDAMENTO MATEMTICO DE LOS AG .....................................................................................554.5.1 CONCEPTO DE ESQUEMA .............................................................................................................55
4.5.2 ANLISIS MATEMTICO DE LOS OPERADORES GENTICOS ...........................................574.6 ALGORITMOS GENTICOS PARALELOS .........................................................................................64
4.6.1 IMPLEMENTACIONES SNCRONAS Y ASNCRONAS............................................................644.6.2 CLASIFICACIN DE ALGORITMOS GENTICOS PARALELOS ...........................................66
CAPTULO 5: ASYNCHRONOUS TEAM (A-TEAM) ............................................. 745.1 INTRODUCCIN ..................................................................................................................................745.2 CONCEPTO DE LOS ASYNCHRONOUS TEAMS...............................................................................755.3 ALGORITMOS GENTICOS COMBINADOS......................................................................................775.4 ALGORITMOS GENTICOS PARALELOS Y COMBINADOS ...........................................................79
CAPTULO 6: IMPLEMENTACIN DEL A-TEAM PARA LA MINIMIZACINDEL CAUDAL TURBINADO. ................................................................................... 82
6.1 IMPLEMENTACIN DE UN ALGORITMO GENTICO COMBINADO......................................................836.2 IMPLEMENTACIN DEL A-TEAM.....................................................................................................88
iii
CAPTULO 7: ESTUDIOS EXPERIMENTALES .................................................... 917.1 AMBIENTE COMPUTACIONAL..........................................................................................................917.2 PROBLEMA EJEMPLO.........................................................................................................................927.4 ANLISIS DE LOS RESULTADOS OBTENIDOS................................................................................94
CAPTULO 8: CONCLUSIONES............................................................................ 1028.1 PUNTO DE VISTA TCNICO.............................................................................................................1038.2 PUNTO DE VISTA ECONMICO ......................................................................................................105
REFERENCIAS......................................................................................................... 109
1
CAPTULO 1: INTRODUCCIN
1.1 CONSIDERACIONES INICIALES
El Paraguay es un pas exportador de energa elctrica gracias a sus dos represas
hidroelctricas de gran envergadura: Itaip y Yacyret. Estas centrales de generacin
poseen mltiples unidades generadoras, con 18 turbinas en Itaip y 20 turbinas en
Yacyret [1-2]. Debido a la importancia de optimizar la utilizacin de los recursos
hdricos (con el fin de satisfacer la creciente demanda de energa elctrica), se hace
necesaria la implementacin de un sistema de control que optimice la generacin de
energa (producir la potencia requerida minimizando la cantidad de agua utilizada).
Gracias a los rpidos avances en los campos de la informtica y las
comunicaciones, actualmente todas las centrales de generacin se encuentran
automatizadas en gran parte, incluyendo la generacin de energa, control y diagnstico
precoz de fallas [3-4]. La automatizacin est dada por la instalacin de sistemas
computacionales, sensores y sus correspondientes dispositivos de comunicacin [3-4] y
la implementacin de algoritmos o programas especializados que procesan la
informacin proveniente de los sensores, ya sea para realizar el monitoreo y
diagnstico de las turbinas en funcionamiento como para el proceso de generacin de
energa propiamente dicho. De este modo, con dichos sistemas se puede controlar el
caudal a ser turbinado en las unidades generadoras para producir energa, y satisfacer
as la demanda de potencia. Igualmente, con la automatizacin de una central de
generacin, es posible establecer un control altamente confiable de los parmetros que
hacen al funcionamiento fsico de cada turbina (temperatura, presin, vibracin,
desgaste, etc.) para prevenir as posibles fallas disminuyendo el nmero y frecuencia de
paradas de las turbinas, mejorando el desempeo de las unidades ms importantes de la
usina hidroelctrica, y aumentando su vida til [3].
2
Sin embargo, en las instalaciones hidroelctricas de gran envergadura, la
generacin eficiente de energa es an hoy un tema de continua investigacin, en lo que
se refiere a la optimizacin en la generacin de energa [4]. Dicha optimizacin
consiste en encontrar el punto ptimo de operacin de la usina teniendo como datos la
altura del agua, las curvas de eficiencia de cada turbina (obtenida a partir del index-
test), fajas prohibidas de generacin, nmero de turbinas en servicio, entre otros
parmetros. El ptimo de generacin (punto ptimo de operacin) para el presente
trabajo es aquel en el cual con un determinado nmero NT de turbinas en
funcionamiento se genera la potencia requerida (PD) para una determinada zona de
consumo, usando en las unidades generadoras la menor cantidad posible de agua
(QTotal) del embalse.
En la literatura se conocen numerosos mtodos numricos de optimizacin
tradicionalmente aplicados para la obtencin del punto ptimo de generacin en
represas hidroelctricas de gran porte [4]. La desventaja principal que poseen estos
mtodos numricos es el elevado tiempo de computacin que invierten para la
resolucin del problema volvindose no viables para la implementacin en centrales de
generacin que utilizan numerosas unidades generadoras.
De modo a lidiar con las crecientes dimensiones de estos problemas, en las
ltimas dcadas surgi una alternativa que consiste en descomponer un problema
global en varios problemas ms pequeos (subproblemas). A continuacin, se aplica
sobre cada subproblema un mtodo numrico adecuado para resolverlo. La
metodologa as descripta, en la que se combinan diversos mtodos numricos para
resolver un problema grande y complejo, se denomina Team Algorithm (TA) [5].
3
Recientemente ha surgido una tcnica que mejora an ms el desempeo de los
Team Algorithm. Dicha tcnica se sirve de los grandes logros y avances tecnolgicos
en el campo de las comunicaciones entre computadoras y entre los diversos
procesadores de un mismo sistema computacional. La