Control predictivo supervisor neuronal para la turbina a gas de la central térmica nueva renca.

Abstract

El presente trabajo tiene como objetivos el ajuste de un simulador programado en MatLab Simulink para emular el comportamiento de la turbina a gas de la central térmica Nueva Renca, además del análisis y diseño de estrategias de control supervisor basadas en modelos difusos, y de un emulador neuronal del controlador predictivo difuso. La importancia actual de este estudio radica en la necesidad de hacer más eficientes los procesos de generación de electricidad, especialmente los que utilizan gas natural en la producción, dadas las perspectivas de crecimiento del precio del combustible y de las restricciones impuestas al suministro desde Argentina. El diseño de las estrategias de control supervisor requirió la modelación difusa de la turbina y la modelación neuronal de control supervisor predictivo difuso. Como modelo difuso se escogió un modelo de Takagi – Sugeno y como modelo neuronal una red perceptrón multicapa con una capa oculta. Las funciones de activación son tangente hiperbólica para las neuronas de la capa oculta y lineal para la capa de salida. Los resultados de este estudio reflejan que según criterios económicos, operativos y de esfuerzo computacional, el control por emulación es mejor que el control predictivo difuso, sin embargo, se debe realizar un trabajo previo mayor, al tener que recolectar datos para el entrenamiento de la red neuronal. Con la implementación del controlador neuronal se logró un incremento 3,027% en las utilidades con respecto a la estrategia de control regulatoria, lo que se traduce en un incremento de 1,8 millones de dólares anuales.