Diseño e Implementación de Estrategias de Control Predictivo Supervisor Aplicadas a la Caldera de una Central Termoeléctrica de Ciclo Combinado”

Abstract

En esta tesis se aplican los algoritmos de computación evolutiva como una eficiente herramienta de resolución del problema de control predictivo difuso basado en modelos de Takagi – Sugeno (T&S). Se plantea la metodología de formulación general en tiempo discreto del problema predictivo difuso basado en los siguientes algoritmos evolutivos: algoritmo genético simple (SGA), Deterministic Crowding (DC) y Particle Swarm Optimization(PSO). Estas formulaciones basadas en algoritmos evolutivos se implementan en MATLAB SIMULINK y son aplicadas a una serie de problemas benchmark que muestran las ventajas y desventajas de cada uno de los mencionados algoritmos. Se realiza una sensibilización de los parámetros relevantes de cada uno de los algoritmos y se selecciona la mejor estrategia según sus parámetros. El desafío principal de la tesis es la implementación de la mejor solución basada en algoritmos de computación evolutiva en la Caldera o Generadora de Vapor por Recuperación de Calor de una Planta Termoeléctrica de Ciclo Combinado. Este tipo de plantas termoeléctricas mejoran la eficiencia energética de un combustible fósil por medio de la recuperación del calor de la fuente fría de una turbina a gas y su utilización para generar vapor para el funcionamiento de una turbina a vapor. Este problema es de alta complejidad y no linealidad. La implementación de la solución basada en algoritmos evolutivos es comparada con las tradicionales para evaluar su funcionamiento. Por último, se destaca que el aporte de esta tesis radica en el análisis de los algoritmos de computación evolutiva (GAs y PSO) aplicado a un problema altamente no lineal dado por la optimización de plantas termoeléctricas, que debe ser resuelto en tiempo real.