UN NUEVO SISTEMA DE RIEGO INTELIGENTE …³n-Seminario... · Diapositiva 1 Author: Natalia Mujica Neira Created Date: 2/8/2017 11:56:56 AM

UN NUEVO SISTEMA DE RIEGO INTELIGENTE PARA MÁXIMA

EFICIENCIA HÍDRICA Y METALÚRGICA

J.M. Menacho (DRM), J.A. Larraín (MiningSystems) y C. Rivas (WiseConn)

Seminario Eficiencia Hídrica en la Minería, MOP Antofagasta, Chile, Noviembre 18, 2009.

Seminario Eficiencia Hídrica en la Minería, MOP, Antofagasta, Nov. 18, 2009

2

Contenido

• Antecedentes

• Fundamentos

• El Sistema de Control

• Proyecto Piloto de Riego Inteligente


3

Todas las Operaciones de Lixiviación en Pilas Tienen o Han Tenido Dificultades por:

• Tasas de riego excesivas y/o insuficientes, por prácticas inadecuadas,

• Rampas de humectación excesivas y/o insuficientes, por prácticas inadecuadas,

• Excesivo consumo de agua, por uso inadecuado del recurso hídrico,

• Desbalance hidráulico por diseño/instalación/operación inadecuadas,

• Suciedad en las líneas, por operación inadecuada,

• Acrecentado por frecuente exceso de finos arcillosos, por la variabilidad geológica del mineral en proceso,

• Pero lo más importante…

OCURRE DETERIORO NO CUANTIFICADO DE LA PRODUCCIÓN Y DEL NEGOCIO!


4

Principales Defectos Riego Pilas Industriales T

asa

de R

iego

, L/h

/m²

Ciclo de Riego, días

Humectación

Riego

1

2

3

Caso 1: Nos fuimos despacito, pero igual dio poco

jugo, pa’mí que na’que ver lo que dice el Menacho…

Caso 3: Apuremos que falta cobre! Qué raro, se

apozó por todos lados, qué nos habrán mandado los

mineros?

Caso 2: Vamos bien, no saquemos el pié del

acelerador, seguro que aguanta! En la parte final?,

no importa, total las ”viejas” no dan manteca…

PENSAMIENTOS DE METALURGISTAS:


5

¿Por Qué el Riego es Tan Crítico?

Sub dimensionamiento de las necesidades del sistema de riego

Manejo inadecuado de las variables controlantes del riego

Desconocimiento del real impacto en el negocio

Desconocimiento de los fundamentos del riego


6

¿Hacia Dónde va la Tecnología del Riego?

Sistemas riego automático Micro aspersores y nebulizadores

Mallas dobles de aspersores/goteros

Mallas de riego balanceadas

Flushing para limpieza de líneas

Layflat: opción a las tubería rígida

Goteros auto-compensados

Goteros con laberinto hidrodinámico

Goteros pre-insertados en las líneas

Goteros básicos conectados a líneas de riego

Aspersores de alto caudal

Sistemas INTELIGENTES de riego automático


7

No Confunda…

El objetivo del riego no es lograr un “tasa uniforme”, sino una

“recuperación máxima”

Control estabilizante

Control optimizante


8

¿Tasa Constante o Discriminada?

0

20

40

60

80

100

0,0 0,5 1,0 1,5 2,0 2,5 3,0

Razón de Riego, m3/t

Recu

pera

cón,

%ió

n

PAD 1 PAD 2

0

20

40

60

80

0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6

Razón de Lixiviación, m³/t

Rec

uper

ació

n C

uT, %

12a-154 11-155 10-156 14a-157 14b-158 14c-159 3-160 5-161 7-162 8-163

9-164 2-165 1-166 12b-167 12c-168 13a-169 13b-170 13c-171 4-172 6-173

100

80

60

40

20


9

¿Tasa Constante o Discriminada?

66

68

70

72

74

76

78

0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8

Razón de Riego, m3/t

Recu

pera

ción

, %

%

Control estabilizante

(tasa constante)

Control optimizante (tasa

discriminada)

x

Fundamentos


11

Concepto I: “No Linealidad”

CADA PARCELA INDIVIDUAL SE DEBE REGAR EN CONDICIONES PARTICULARES!

tdqt,RtgtMdttqt,RtgtM average'365t

0t

'365t

0t

“En cualquier operación de lixiviación, lo que se gana por exceso de riego es SIEMPRE menor a lo que se pierde por

defecto” (Menacho, 2000).


12

Concepto II: “Pad Virtual”

PAD REAL • Hidrodinámica • Transporte

ACTUADORES CONTROLADORES

SISTEMA TRANSMISIÓN INALÁMBRICA

SISTEMA MONITOREO

Perturbaciones Respuestas

PAD VIRTUAL • Modelo Hidrodinámico • Modelo Transporte Solutos

MODELO RIEGO OPTIMIZANTE

Perturbaciones Respuestas

SE REQUIERE UN MODELO DINÁMICO PREDICTIVO DEL PAD

CONTROL ESTABILIZANTE

CONTROL OPTIMIZANTE


13

Modelo Flux®: Modelo Hidrodinámico de Optimización y Control

Transporte Soluciones

Transporte Aire

Transporte Oxígeno

Transporte Fe II

Transporte Fe III

Transporte Cobre

Crecimiento Bacterial

Transporte Calor

Transporte Ácido

QON QEV

QOFF

Aire

Sistema Trifásico con Reacciones Químicas y Bioelectroquímicas

(DRM, 2000-2009)


14

Efluente Pad Real versus Pad Virtual

0.0

1.0

2.0

3.0

4.0

5.0

6.0

0 20 40 60 80 100 120 140 160 180 200 220 240

Tiempo, días

Cau

dal

Efl

uent

e, m

3/d

Real Modelo


15

[Cu] Pad Real versus Pad Virtual

0.0

1.0

2.0

3.0

4.0

5.0

6.0

7.0

8.0

9.0

10.0

0 20 40 60 80 100 120 140 160 180 200 220 240

Tiempo, días

Con

cent

raci

ón d

e C

obre

PLS

, g/

L

Real Modelo


16

0.0

1.0

2.0

3.0

4.0

5.0

6.0

7.0

8.0

9.0

10.0

0 20 40 60 80 100 120 140 160 180 200 220 240

Tiempo, días

Con

cent

raci

ón d

e Á

cido

PLS

, g/

L

Real Modelo

Acidez Pad Real versus Pad Virtual


17

0.0

5.0

10.0

15.0

20.0

25.0

30.0

35.0

40.0

45.0

0 20 40 60 80 100 120 140 160 180 200 220 240

Tiempo, días

Rec

uper

ació

n C

uT, %

Real Modelo

Recuperación Pad Real versus Pad Virtual


18

Ejemplo 1: Capacidad Predictiva de Flux®

Entre julio 2007 y enero 2009 Flux® tuvo un error promedio de 3.7%. Se verifica su alta capacidad predictiva.

0

50

100

150

200

250

300

350

400

01-04-

2007

01-05-

2007

01-06-

2007

01-07-

2007

01-08-

2007

01-09-

2007

01-10-

2007

01-11-

2007

Fecha

Cob

re D

epos

itad

o, t

Cu

.

Real Simulado

0

50

100

150

200

250

300

350

400

01-04-

2007

01-05-

2007

01-06-

2007

01-07-

2007

01-08-

2007

01-09-

2007

01-10-

2007

01-11-

2007

Fecha

Cob

re D

epos

itad

o, t

Cu

.

Real Simulado

0

50

100

150

200

250

300

350

400

01-04-

2007

01-05-

2007

01-06-

2007

01-07-

2007

01-08-

2007

01-09-

2007

01-10-

2007

01-11-

2007

Fecha

Cob

re D

epos

itad

o, t

Cu

.

Real Simulado


19

Ejemplo 2: Capacidad Optimizante de Flux®

0

1

2

3

4

5

6

7

8

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90

Días

Tasa d

e R

iego, L/h/m

²

Tasa Riego Rampa Humectación DRM Pila 12c, Planta 1

RS = 0.72%

ARC B = 49.6%

ARC M = 50.4%

-#100 = 14.1%

Tasa M áxima Riego =3.5 L/h/m² Pila 1

0

10

20

30

40

50

60

70

80

0 30 60 90 120 150 180 210 240 270 300 330 360

Días

Recupera

ció

n C

uT

, %

0

1

2

3

4

5

6

7

8

Tasa

de R

iego, L/h/m

²

Simulación 1 Simulación 2Recuperación CuT Real Riego CMCCRiego DRM

Pila 12c, Planta 1Pila 1

Rampa inicial acelerada, riego excesivo e irregular

Pérdida significativa de recuperación

SIN FLUX®


20

Ejemplo 2: Riego con Flux®

0

1

2

3

4

5

6

7

8

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90

Días

Tasa d

e R

iego, L/h/m

²

Tasa Riego Rampa Humectación DRM Pila 13a, Planta 1

RS = 0.72%

ARC B = 50.0%

ARC M = 50.0%

-#100 = 14.1%

Tasa M áxima Riego =3.5 L/h/m² Pila 2

0

10

20

30

40

50

60

70

80

0 30 60 90 120 150 180 210 240 270 300 330 360

Días

Recuperació

n C

uT

, %

0

1

2

3

4

5

6

7

8

Tasa d

e R

iego, L/h/m

²

Simulación 1 Simulación 2Recuperación CuT Real Riego CMCCRiego DRM

Pila 13a, Planta 1Pila 2

Rampa inicial y riego según Flux®

Máxima recuperación

CON FLUX®

El Sistema de Control


22

Arquitectura WiseFlux

PLCinout

Monitoreo Control Análisis

Datos Información Programa Riego

Ejecución

WiseFlux es un sistema SCADA para la gestión integral de riego en pilas

La solución combina Software y Hardware especializado que permite hacer un monitoreo de variables relevantes y un control preciso del riego aplicado.


23

Flux IN


24

Flux IQ


25

Flux OUT


26

Equipos de Monitoreo en Terreno

Estación Meteorológica

Pluviometria

La Estación Meteorológica permite el cálculo de la Et0

Temperatura y humedad ambiente Agua libre

Radiación solar

Velocidad y dirección viento


27

Equipos de Monitoreo en Terreno

Monitoreo de Variables en Pila Monitoreo Caudal Efluente

Sensor de

Humedad de

Suelo Sensor de

Temperatura

de Suelo

Sensor de

Temperatura y

Humedad

Ambiente

Medición a múltiples

profundidades

Sensor de nivel

Aforador

En el caso de biolixiviación se agregan

sensores de Eh y potencial de O2

Sensor de

Acidez del

Suelo

Proyecto Piloto de Riego Inteligente


29

Objetivo del Proyecto

Proporcionar un sistema mejorado de riego, monitoreo y control automático de flujos y presiones (eventualmente otros), vía telemetría, con actualización diaria de las condiciones óptimas de riego a aplicar. Este sistema de riego optimizante se basa en el modelo hidrodinámico por pad, Flux®, orientado a la ADMINISTRACIÓN DEL RIEGO QUE MAXIMICE LA PRODUCCIÓN DE COBRE del conjunto.

Las mismas condiciones iniciales y de operación pila real/virtual

Pila Virtual Pila Real

Respuesta conocida

Respuesta desconocida

Acciones optimizantes sobre la pila real

Sensores


30

Distribución de Equipos en Canchas de Prueba

Sistema de monitoreo y

control

Sistema de monitoreo solamente


31

GRACIAS

Documents

UN NUEVO SISTEMA DE RIEGO INTELIGENTE …³n-Seminario... · Diapositiva 1 Author: Natalia Mujica Neira Created Date: 2/8/2017 11:56:56 AM