Boletín IIE, noviembre-diciembre del 2001

Control difuso de turbinas de gas en centrales de

ciclo combinado
Marino Sánchez P., Raúl Garduño R., Salvador De Lara J. y Luis Castelo C.

El control automático de la TG abarca todos los una unidad de acuerdo con las necesidades y criterios actuales.
requerimientos de la operación, desde el arranque Básicamente, el sistema de control ejecuta las secuencias
de arranque y paro, el control de velocidad, potencia y tempe-
inicial hasta el paro final. ratura, y las funciones de protección. Las secuencias de arran-
que y paro consisten de una serie compleja de eventos en donde
cada paso debe ser completado satisfactoriamente antes de que
comience el siguiente. Los algoritmos de control de velocidad
deben ser completados en poco tiempo porque la planta tiene
Resumen una respuesta muy rápida a los cambios en sus entradas. El con-
trol de la potencia generada es afectado grandemente por la ope-

E
n este artículo se presenta la aplicación de la tec-
nología de la lógica difusa al control de turbinas
de gas con el propósito de evaluarla en uno de los pro-
cesos más difíciles y con requerimientos más estrictos de con-
trol que existen en la industria de generación eléctrica. Por ser
importantes para el sector eléctrico de generación, dada su utili-
zación en CFE, el primer prototipo seleccionado fueron las tur-
binas de gas modelo W501 de Westinghouse, instaladas en las
centrales de ciclo combinado de Dos Bocas, Veracruz, Gómez
Palacio, Durango y Tula, Hidalgo. El segundo prototipo selec-
cionado fue el de unidades turbogás tipo 5001 (que aplica a los
modelos GE 5001 y Westinghouse de la serie 191 y 251). Basados
en el análisis del desempeño del sistema de control convencional
realizado previamente, los controladores de velocidad y de ge-
neración de potencia eléctrica fueron seleccionados para ser sus-
tituidos por controladores difusos.
ración cerca de los límites de temperatura y presión. El control
de temperatura es crítico para la conservación de la vida útil y el
desempeño global del proceso. Las protecciones requieren nu-
merosas verificaciones de seguridad para eliminar cualquier ries-
go de desastre.
De todas las etapas de operación, el arranque puede ser
considerada la más crítica. En primer lugar porque, vista desde
una perspectiva económica, durante el arranque solamente hay
pérdidas; todo el combustible es quemado sin producir electri-
cidad. En segundo lugar porque los esfuerzos térmicos y mecá-
nicos en el arranque reducen la vida útil de la unidad haciéndo-
la susceptible a daños físicos. Finalmente, estos efectos se multipli-
can por la gran frecuencia con que se realizan los arranques.
Típicamente, la estrategia general de control consiste en
regular el flujo de combustible y el flujo de aire de acuerdo con
la fase de operación vigente, mientras que la aceleración, tem-

Esquema básico de control de turbinas

de gas

Las unidades generadoras turbogás o turbogeneradores a gas (TG)

son sistemas de alto riesgo que operan a altas velocidades, tem-
peraturas y presiones. Estas condiciones establecen requerimien-
tos muy estrictos para el sistema de control. Por otra parte se
requiere un alto nivel de automatización para lograr una opera-
ción segura y rentable; es común que una operación automática
completa se tenga disponible con un sistema típico de control
basado en computadora. La unidad puede ser llevada desde el
arranque hasta carga pico en forma rápida y segura presionando
unos cuantos botones en la interfaz de operación.
Adicionalmente, se cuenta con otras opciones disponibles para
proporcionar al operador la mayor versatilidad para comandar

Instituto de Investigaciones Eléctricas 267

 Artículos técnicos

Los controladores
convencionales lineales y no-
lineales son obtenidos usando
técnicas de la teoría de control
basadas en modelos matemáticos
del proceso controlado.
peratura y flujo de aire en el compresor
(surge) son mantenidos bajo condiciones
seguras y eficientes. El núcleo del esque-
ma de control está formado básicamente
por dos circuitos de control: un circuito
dual de control de velocidad y carga para
la regulación de flujo de combustible (ver
Figura 1), y un circuito de control de
posición de los álabes guía para la regula-
ción del flujo de aire. Las condiciones de
presión de descarga del compresor, acele-
ración y temperatura son supervisadas
todo el tiempo para imponer límites se-
guros a los valores de los puntos de ajuste
y a la demanda a la válvula de combusti-
ble a fin de salvaguardar la integridad fí-
sica de la turbina.
El circuito de control de velocidad
y potencia en lazo cerrado tiene dos tra-
yectorias de operación complementarias
para generar la señal de control a la válvu-
la de combustible (ver Figura 2). La tra-
yectoria de velocidad del circuito de con-
trol está activa durante la mayor parte de
la etapa del arranque. La referencia de ve-
locidad se obtiene a partir de un perfil de
aceleración programado y la señal de con-
trol es calculada por un algoritmo PI a
partir del error de seguimiento de veloci-
dad. La aceleración inicial de la unidad ge-
válvulas de sangrado y los álabes guía son cerrados causando un cambio repentino en
la presión de descarga del compresor que también afecta la aceleración del grupo
turbogenerador. Después, el regulador automático de voltaje es activado y la veloci-
dad es regulada a un valor predefinido cercano y por debajo de la velocidad nominal
de sincronización a la red eléctrica. En seguida, la velocidad es modificada lentamente
mediante cambios en la señal de referencia de velocidad comandados por el
sincronizador automático para que el generador iguale la frecuencia actual del sistema
de potencia.
Finalmente, el interruptor principal es cerrado para enlazar la unidad turbogás
a la red eléctrica. En este instante la trayectoria de potencia del controlador es habili-
tada para generar la potencia mínima evitando una motorización del generador. Al
mismo tiempo, el control de velocidad es colocado en un estado latente manteniendo
el último valor antes de la sincronización como una contribución a la señal de con-
trol. A partir de aquí, el operador puede establecer los valores de la potencia a generar
y de su razón de cambio, con los cuales se pueden generar los perfiles de generación
deseados con base en rampas de la señal de referencia de potencia. La señal de control
a la válvula de combustible es calculada por un algoritmo de control PI a partir del
error de potencia generada. La trayectoria de control de potencia cuenta con una
prealimentación unitaria de la referencia de potencia para mejorar la eficiencia del con-
trol en la etapa de generación.
Figura 1. Estrategia de control de velocidad y potencia.
...
Demanda
a válvula
combustible
/
Figura 2. Estrategia de control de velocidad y potencia.
<
potencia

neradora es proporcionada por un motor + + Demanda

+ PI + f(u) a válvula
eléctrico para obtener alta compresión del - combustible
+ <
aire. Después, a una velocidad predeter- tiempo
minada, el control de velocidad es activa-
do para regular el flujo de combustible re- potencia
querido para la combustión a fin de apor-
tar potencia mecánica y sostener la rota-
ción mediante la expansión de gases en la
potencia

turbina. + PI
-
Más tarde, el motor eléctrico es tiempo
desacoplado de la flecha de la turbina pro-
duciendo un cambio súbito en la dinámi- velocidad 1
ca de la unidad y un desbalance energéti- <
co que debe ser corregido por el control velocidad 2
de velocidad. A una velocidad más alta las

268 Instituto de Investigaciones Eléctricas

 Boletín IIE, noviembre-diciembre del 2001
Desempeño del control
El control automático de la TG abarca todos los requerimientos
de la operación, desde el arranque inicial hasta el paro final. Para
arrancar la máquina, el operador simplemente oprime el botón de
arranque, el sistema de control genera una señal de salida que acti-
va la operación del motor de arranque encargado del rodado ini-
cial de la TG. Al alcanzar una velocidad de 900 RPM el control
activa un transformador de ignición y la válvula de combusti-
ble se abre súbitamente a una posición predeterminada. Al de-
tectarse flama en combustores el control comienza a acelerar la
turbina mediante la combinación de la potencia proporciona-
da por el motor y la producida por la combustión.
El sistema digital contiene la programación de una gráfica
que corresponde a la trayectoria de aceleración de la TG, llamada
referencia de velocidad, (ver Figura 3); la acción combinada de la
retroalimentación de velocidad y la curva de referencia logran una
aceleración suave de la máquina hasta la velocidad de sincronismo.
Sin embargo, los requerimientos de la operación originan
algunas perturbaciones del proceso que son significativas, como
se muestra en la figura citada:
• La primera perturbación se presenta cuando la velocidad de
la TG alcanza las 2300 RPM y el motor de arranque es saca-
do de operación.
• La segunda perturbación consiste en un transitorio de
sobrevelocidad originado por una variación brusca del flujo
de aire en la cámara de combustión al cierre de las válvulas
de sangrado del compresor.
• La tercera perturbación es originada por el cierre escalona-
do del actuador de los IGV al llegar la velocidad a las 3381
RPM, produciendo una fuerte variación del flujo de aire.
En el preciso instante que el sistema de control detecta el
cierre del interruptor principal del generador, se ordena abrir la
válvula de combustible para llevar a cabo la toma de carga mínima
(entre 4 y 5 MW). Normalmente, la unidad no está operando al
valor de carga mínima por tiempo indefinido ya que las turbinas
de gas son bastante ineficientes al operar en valores inferiores al de
la carga base.
El control de MW es uno de los dos modos principales
para la toma de carga en control automático. Permite al opera-
dor introducir desde el tablero de operación el valor deseado de
generación en MW y la rapidez de cambio de carga requerida en
MW/MIN. Consecuentemente, el control modulará la deman-
da a la válvula de combustible, de forma continua, hasta que se
alcance el valor demandado de MW, o mediante “saltos” de car-
ga usando comandos de AVANCE y DETENCIÓN.
La retroalimentación de la generación de MW fue im-
plantada en el sistema de control con la finalidad de asegurar
que la demanda y rapidez de carga solicitadas se logren eficien-
temente. En la Figura 4 se muestran las gráficas de la demanda
de MW por operador, la referencia de MW producida por el
programa de control y los MW generados. Nótese la ausencia
de un buen seguimiento de la referencia de MW.
Control con lógica difusa
Desarrollo histórico del control con lógica
difusa
La lógica difusa y las técnicas basadas en reglas fueron promo-
vidas por Lofti Zadeh (1973), Mandani y Assilian (1974, 1975),
como un medio para capturar la experiencia humana y tratar
con incertidumbres. Estos conceptos fueron aplicados rápida-
mente a procesos industriales mal definidos, ya que tales siste-
mas normalmente son operados por individuos experimenta-
dos quienes a menudo obtienen excelentes resultados sin im-
portar que reciban información imprecisa.
El origen de esas imprecisiones pueden ser retardos de
tiempo entre la aplicación de una señal de control y la indica-
ción de su efecto, las no linealidades en la dinámica del sistema
o la degradación de sensores (Bernard, 1988). Los procesos en
que ha sido aplicada la aproximación difusa basada en reglas,
incluyen la operación automatizada de trenes y grúas (Yasunobu
et al.,1983;1987), hornos de cemento (Holmvlad y Ostergaard,
1992), control de molinos de pulpa de madera y plantas
tratadoras de aguas residuales (Maiers y Sherif, 1985).
Es importante aclarar que la palabra difuso (fuzzy, en
idioma inglés) es un adjetivo técnico, ya que los sistemas difu-
sos son sistemas definidos con precisión y el control difuso es
una clase de control no-lineal que también será definido con
precisión. Esencialmente lo que se desea enfatizar es que a pesar
de que el fenómeno descrito por esta teoría puede ser difuso, la
teoría en sí es precisa.
Controladores lógicos difusos
Los controladores convencionales lineales y no-lineales son ob-
tenidos usando técnicas de la teoría de control basadas en mode-
los matemáticos del proceso controlado. Los controladores con-
vencionales mapean un vector de estado de dimensión n a una
acción de control, mientras que el diseño de controladores no-
Instituto de Investigaciones Eléctricas 269
 Artículos técnicos

Figura 3. Perturbaciones en el arranque de la TG. Figura 4. Generación automática usando el control de MW.

4000
3a. Perturbación (cierre de 50
REFERENCIA DE álabes guía) 3381 rpm
3500 45
VELOCIDAD
40
3000
VELOCIDAD

2a. Perturbación 35 Referencia de carga

Referencia y velocidad (rpm)

(cierre de
2500
válvulas 30
de sangrado) Demanda de carga
2000 25
1a. Perturbación
(motor de arranque 20
fuera de servicio) MW generados
1500
2300 rpm 15 Seguimiento a
Rampa Constante
1000 10

5 Apertura de
500
Alabes Guía
0
0 500 1000 1500 2000 2500 3000 3500 4000
0
0 200 400 600 800 1000 1200 1400 1600
tiempo (seg)

lineales representa un problema mayor. Al considerar la BC de un controlador PI difuso, un controlador PI conven-

La dificultad intrínseca de esta tarea ha cional puede describirse por su forma diferencial:
conducido al desarrollo de nuevas técni-
cas de control, como el control lógico du = (Kp e + Ki ê ) dt
difuso (CLD).
En esencia, el CLD es un algorit- y mapea vectores de estado [e, ê] en acciones incrementales de control du, don-
mo capaz de convertir una estrategia lin- de e es el error entre la referencia y la salida del sistema, y ê es su rapidez de cambio.
güista de control (expresada en forma con- Asúmase que el objetivo del control es el llevar (e , ê) a (0,0). En el espacio generado
ceptual en lenguaje llano), basada en co- por e, ê y du, la superficie de control de un PI convencional sería un plano pasando a
nocimiento experto, en una estrategia de través del orígen y orientado cierto ángulo con respecto al plano e – ê, con el ángulo
control automático. determinado por los valores particulares de Kp y Ki. Mientras que el PI difuso divide
Los CLD son controladores basa- el espacio (e , ê) en varias regiones traslapadas (llamadas particiones difusas), y especifi-
dos en conocimiento, desarrollados usual- ca a du como una constante diferente sobre cada región. Al unirse, estas piezas produ-
mente mediante un proceso de adquisición cen una superficie de control con determinada curvatura, con saltos entre los puntos
de conocimiento o sintetizados en forma adyacentes cuyos valores son definidos por los conjuntos difusos que particionan los
automática mediante arquitecturas de con- valores de entrada, los que unidos forman una función de membresía difusa. Las reglas
trol especializadas. dividen el espacio de entrada en regiones difusas y también especifican la du. Los factores
Estos controladores típicamente de escalamiento determinan los extremos del rango numérico de valores de las variables
definen un mapeo no-lineal desde el espacio de entrada y salida.
de estado del sistema al espacio de control. Usando inferencia difusa es posible sintetizar una superficie de control no-lineal
De esta forma, cada CLD puede visualizarse obtenida por un mecanismo de interpolación que generaliza la superficie de control de
como una superficie de control no-lineal un controlador convencional PI.
que representa el conocimiento de opera-
dores o ingenieros expertos. Cada superfi- Control difuso de velocidad y potencia eléctrica para turbinas de gas
cie de control está representada de manera
declarativa en una base de conocimiento En el IIE, el desarrollo de controladores difusos para unidades turbogás se inició en la
(BC) que es ejecutada por un sistema intér- Gerencia de Control e Instrumentación (GCI) con un trabajo en donde se rediseñó la
prete o un compilador. La BC está forma- programación del sistema de control de las unidades turbogas del SCD-GP y se incor-
da por un conjunto de reglas de control di- poró un controlador difuso de velocidad en tiempo real para el arranque de la turbina
fuso y una base de datos (formada por re- de gas (García y Garduño 1997; 1998).
glas, factores de escalamiento y funciones Posteriormente, este trabajo fue continuado y extendido para abarcar el con-
geométricas), las cuales son evaluadas por trol de potencia generada, aportando una metodología para el desarrollo de las reglas
el intérprete. de control basada en resultados experimentales más que en un procedimiento analíti-

270 Instituto de Investigaciones Eléctricas

 Boletín IIE, noviembre-diciembre del 2001

co (Sánchez y Bahamaca 1999, 2000; Bahamaca 2000). En ambos casos los resultados 2. establecer el proceso por el que las va-
obtenidos fueron exitosos y constituyen una base sólida para la aplicación de controladores riables de entrada son convertidas en
difusos a una unidad turbogás real. Sin embargo, desde un principio fue patente la dificul- conjuntos difusos,
tad para obtener los valores de los parámetros de los diversos elementos del sistema de 3. determinar la base de reglas,
inferencia difuso embebido en el controlador. Para solucionar esta problemática y auto- 4. diseñar el proceso computacional que
matizar lo más posible el diseño del sistema de inferencia difuso, se inició el desarrollo de accese a la base de reglas, y
un sistema de sintonización basado en redes neuronales, el cual primeramente se aplicó a 5. establecer una transformación adecua-
controladores PI convencionales (Pat y De Lara 1999), y en una segunda etapa a la sinto- da de las acciones de control difuso en
nización de un controlador difuso (De Lara y Martínez 1999). acciones precisas.
El enfoque de este último trabajo consistió en desarrollar un sistema que pro-
porcionara los parámetros que definen las variables lingüísticas del controlador usan- a) Diseño del controlador lógico difuso de ve-
do un algoritmo de aprendizaje de redes neuronales. El conjunto formado por la red locidad (CLD-vel).
neuronal y el sistema difuso del controlador es un sistema de tipo cooperativo en
donde ambos componentes son aplicaciones independientes; la red neuronal le comu- • Para las entradas y la salida selecciona-
nica los resultados del aprendizaje al sistema difuso. das del controlador primero se especifi-
El control basado en lógica difusa fue seleccionado debido a su capacidad para can las variables lingüísticas: Error de
implementar controladores capaces de contender con procesos no lineales cuya dinámica velocidad, Derivada del error de veloci-
no es completamente conocida, sujetos a acciones normales de operación que perturban dad y la Señal de control. También se
el comportamiento de los lazos de control. Además, el diseño y la realización del contro- define el rango funcional, o universo de
lador difuso tomó en cuenta todos los requerimientos de automatización para ser com- discurso, para cada entrada y la salida:
pletamente operativo dentro del sistema de control sin degradar su comportamiento. Ui1 = [semin, semax], Ui2 = [edmin, edmax],
Uo = [scsmin, scsmax] y una ganancia cons-
Desarrollos en computadora personal tante asociada a cada entrada K1 and K2.
• Proceso de “fuzificación”. Para las dos
Control PID difuso de velocidad. El controlador difuso desarrollado emula el comporta- entradas seleccionadas, error y deriva-
miento de un controlador digital tipo PID en configuración velocidad (ver Figura 5), el da del error, los valores lingüísticos se-
cual utiliza la señal de error, e[k], y las aproximaciones a sus dos primeras derivadas, ∆e[k] leccionados son: negativo grande (-G),
y ∆e2[k], para generar la señal de control ∆u[k]: negativo mediano (-M), negativo pe-
queño (-P), cero (CE), positivo peque-
∆u[k] = K1e [k] + K2∆e [k] + K3∆e2 [k] ño (+P), positivo mediano (+M) y po-
sitivo grande (+G). Entones son siete
Para cada una de las entradas se consideró un universo de discurso normalizado al conjuntos difusos o funciones de
intervalo [-1,1] particionado en siete funciones de pertenencia triangulares (ver Figura 6). membresía que caracterizan a las dos
Las reglas y las funciones de pertenencia son fijas y la única forma de sintonizar el contro- entradas. Para este proceso se usaron
lador es por medio de los valores de los factores de escala K1, K2 y K3 conforme al desem- las llamadas funciones normalizadas
peño del controlador y a conocimiento experto (García y Garduño, 1997). de Von Altrock.
La aplicación del controlador PID difuso al control de la velocidad de la uni- • Base de reglas. El número máximo po-
dad turbogás durante el arranque mejoró sustancialmente la respuesta con respecto al sible de reglas de control para un con-
esquema con un algoritmo de control PI convencional. Se obtuvieron tiempos de trolador difuso con r-entradas, una
arranque más cortos junto con una reducción del número de retrocesos y una más salida y n niveles de cuantización de
rápida recuperación. las variables en conjuntos difusos es
nr. El CLD-vel seleccionado es de dos
Controlador lógico difuso de velocidad/carga entradas y la interfaz de “fuzificación”
. tiene siete niveles de cuantización, o
En la Figura 7 se muestra el diagrama de un CLD para tareas de regulación. El CLD funciones de membresía, por lo que
convierte variables observables (medidas) en acciones de control y consiste en un le corresponden 49 reglas de control.
algoritmo basado en relaciones difusas. Las secuencias de valores del error y la deriva- • Derivación de reglas del CLD-vel. És-
da del error primero son transformadas a variables difusas (o variables lingüistas) por tas fueron obtenidas mediante un pro-
medio de conjuntos difusos. Estas variables evalúan las reglas de control usando la ceso de prueba y error a partir del
regla de inferencia composicional, y la acción de control computada entonces es análisis de la dinámica del proceso se
reconvertida a un valor preciso que es requerido para regular el proceso. Las etapas llegó a establecer primero 22 reglas
principales de diseño para CLD son, de acuerdo con Sánchez y Bahamaca, (1999): que fueron modificadas en varias oca-
siones hasta obtener la versión final-
1. definir las variables de entrada y salida, mente aceptada de 21 reglas similares

Instituto de Investigaciones Eléctricas 271


Figura 5. Estructura del controlador PID difuso.
Figura 7. Configuración del CLD de velocidad/carga.
e
REFERENCIA
DE
é
VELOCIDAD / d/dt
MW
Variables de proceso
velocidad / MW
a las que se muestran:
if (ERROR is +G) and
(D_ERROR is +P) then SC is AM
if (ERROR is –P) and (D_ERROR
is +P) then SC is SOSTENER
• La lógica para obtener decisiones es la
componente principal de un CLD, ya
que tiene la capacidad de simular un
proceso humano de decisiones basado
en conceptos difusos y en acciones di-
fusas que son inferidas empleando la im-
plicación difusa y reglas de inferencia.
• “Defuzificación” de la salida. Aun cuan-
do el proceso para la evaluación de re-
glas asigna intensidades a cada acción
específica, se requiere el proceso de
“defuzificación” por dos razones: para
descifrar el significado de acciones va-
gas (difusas) tales como “la señal de con-
trol es abrir medio”; la segunda razón
es para resolver conflictos entre situa-
ciones duales, por ejemplo “la señal de
control es abrir medio” y “la señal de
control es abrir poco”, que pudieron
haber sido establecidas durante la eva-
272 Instituto de Investigaciones Eléctricas
Artículos técnicos
Figura 6. Funciones de pertenencia de las entradas.
-L -M -S 0 +S +M +L
e 1.0
defuzificación
fuzificación
inferencia
0.5
0.0
-1 0 1
Controlador Lógico Difuso
conocimiento
luación de reglas. La “defuzificación” emplea técnicas que resuel-
e inferencia
du
Σ du
Base del
ven la falta de precisión y conflictos. Las funciones de membresía
fuzificación
Defuzifi-
cación seleccionadas para la variable de salida (señal de control) son: ce-
Proceso rrar mucho (CM), cerrar regular (CR), cerrar poco (CP), sostener
Variable de control (S), abrir poco (AP), abrir regular (AR) y abrir mucho (AM).
demanda válvula
de comb.
b) Diseño del controlador lógico difuso de MW (CLD-MW).
En este caso se aplicó el mismo procedimiento ya que se especifi-
caron dos entradas y una salida (error de MW, derivada del error de MW y la señal de
control). Se diseñaron 16 reglas.
Validación del sistema difuso
Validación en PC: primero fueron realizadas pruebas estructurales a la programa-
ción del algoritmo del PI difuso desarrollado. Después se desarrollaron pruebas fun-
cionales en lazo cerrado mediante una plataforma de simulación con un modelo
dinámico de la TG y los controladores difusos de velocidad y MW. Después de haber
realizado numerosas pruebas variando algunas reglas, añadiendo y/o cancelando otras,
se lograron resultados satisfactorios con 22 reglas para el CLD-vel y 26 reglas para el
CLD-MW. Los resultados logrados se muestran en las Figuras 8(a),(b), (c), (d) .
Desarrollo en plataforma en tiempo real
Controlador industrial APACS™ de MOORE PRODUCTS
La plataforma industrial consistió de un controlador APACS™/MOORE, en donde
fue programado el controlador difuso de velocidad/carga apegándose a las normas de
programación IEC-1131-3, Lenguajes de programación para controladores industria-
les, e IEC-1131-7, Programación de control difuso (Castelo y Sánchez, 2000). Los
tipos de programación comprendidos por la norma son Diagrama de escalera,
Diagramas funcionales y Texto estructurado. La combinación de ambas herramientas
permite la visualización inmediata de las principales componentes funcionales del
CLD, es decir “FUZIFICACIÓN”, INFERENCIA y “DEFUZIFICACIÓN”, así como de las entra-
das/salidas correspondientes. El texto estructurado contiene los detalles puntuales de
la implantación de algoritmos.
 Boletín IIE, noviembre-diciembre del 2001

Figura 8 (a). Arranque de la TG: PI vs. CLD. Figura 8 (b). Error de velocidad de TG: PI vs. FLC.
140
3a. Perturbación:
Cierre de álabes guía
( 3381 rpm ). 120
Velocidad de la Turbina de Gas ( rpm )

3400 Referencia 100

Error de Velocidad ( rpm )

de velocidad Velocidad
80
2900 2a. Perturbación:
Cierre de válvulas de sangrado
( 3300 rpm ). 60
PI
2400 1a. Perturbación: 40
Motor de arranque fuera de
servicio ( 2300 rpm ).
1900 20 Difuso
Velocidad PI 0
1400
-20
900 -40
0 200 400 600 800 1000 1200 1400 1600 0 200 400 600 800 1000 1200 1400 1600 1800 2000
Tiempo (seg) Tiempo (seg)

Figura 8 (c). Carga de TG: PI vs. CLD. Figura 8 (d). Error de MW de TG: PI vs. CLD.
50 5
45
4
Generación de potencia elèctrica (MW)

40

35
3
Error de MW

30 Referencia de carga

25 2 PI
MW Difuso
20
Demanda 1
15 de carga

10 0
MW PI
5
Apertura de álabes guía -1 Difuso
0 0 500 1000 1500 2000 2500 3000 3500 4000
0 500 1000 1500 2000 2500 3000 3500 4000
Tiempo (seg)
Tiempo (seg)

Arquitectura del software Figura 9. Plataforma Industrial APACS TM/ MOORE.

El software desarrollado se organizó en tres bloques funcionales

principales cuyo contenido consiste en códigos de texto estruc-
turado (Castelo et al., 2000), correspondientes a bloques de 1
“fuzificación”, inferencia y “defuzificación”.
• “Fuzificación”. El módulo “Fuzificación” realiza la función 4
2
de configuración de los puntos que definen las gráficas de
funciones de membresía y calculan los grados de membresía
de la variable de entrada.
• Inferencia. El módulo Inferencia realiza la función de valida-
ción de las reglas lingüísticas de acuerdo con los grados de
membresía calculados anteriormente en el módulo de
3
fuzificación, calcula como salida un valor acumulado de aper-
tura a la señal de control que puede ser positivo o negativo
mediante el uso de funciones singletons.
• “Defuzificación”. El módulo “Defuzificación” realiza la fun- 1. Controlador APACS/Moo 3. Simulador de la TG
ción de calcular el factor de apertura o cierre de la válvula de 2. Tablillas de interconexión 4. IHM
combustible (señal de control).

Instituto de Investigaciones Eléctricas 273

 Artículos técnicos

Figura 10. Controlador difuso del control de velocidad.

Fuzificación Inferencia Defuzificación

[ GM_ERR ]
[ Error ] VAR_EN SAL

[ FM_ERR ] ENT
GM_EN1 RES_VC RES_VC SC_CLD [ SC_CLD ]
GM_EN2 SUM_VC SUM_VC
[ GM_DER ]

Fuzificación

[ D_ERR ] VAR_EN SAL

[ VC_SGT ] SINGLE

[ NO_REG ] NO:REC
[ FM_DER ] ENT [ Reglas ] Reglas

ajuste de las funciones de membresía representa un aspecto de gran

Figura 11. Configuración para pruebas al Sistema de control.
importancia en el control difuso. Debido a que la tarea de sintoni-
zación o ajuste puede considerarse como un problema de
optimización, las redes neuronales artificiales ofrecen una posibi-
lidad para resolver este problema.
1 Un procedimiento fue el asumir cierta forma de las funcio-
nes de membresía, las cuales dependen de parámetros diferentes
que podrían ser aprendidos por una red neuronal.
2 3 Se realizaron intentos de sintonización usando un mo-
delo de sistema neurodifuso, el cual consiste de una red neuronal
que pudiera manipular las funciones de membresía de las par-
4 3 tes consecuentes de las reglas Si-Entonces. Sin embargo, los re-
sultados iniciales no fueron del todo satisfactorios.
1
4 Controlador industrial SIEMENS S7/400

Antecedentes
1. IHM
En el proyecto Desarrollo e implantación de estrategias de control
2. PLC Siemens
moderno para turbogeneradores de gas tipo 5001 en un controla-
3. Simulador TG GE-5000
dor industrial, se realizó el sistema de control para unidades
4. Tablillas de interconexión
turbogás 5001 que fue implantado en el controlador APACS™ de
MOORE.
Posteriormente, durante la primera mitad del año 2001
Arquitectura genérica de la programación del se realizó el proyecto de Comercialización del sistema de con-
controlador trol digital para unidades turbogás 5001, en él, dicho sistema de
control fue transferido a la empresa nacional Industria
En la Figura 10 se muestra la organización genérica de los bloques SIGRAMA S.A. de C.V.
del controlador difuso. Con el trabajo conjunto del personal del IIE y de la empre-
sa SIGRAMA, la implantación se realizó en un PLC SIMATIC™
Esfuerzos de sintonización S7 400 de SIEMENS para ser comercializado por SIGRAMA.

El proceso de sintonización de un CLD requiere de tiempo y de Control neuro-difuso en el PLC SIMATIC

un esfuerzo considerable. La efectividad del controlador depende
de la partición difusa del espacio de entrada; consecuentemente, el Es un proyecto realizado con la finalidad de continuar con el

274 Instituto de Investigaciones Eléctricas

 Boletín IIE, noviembre-diciembre del 2001

desarrollo del control neuro-difuso para las TG en el ambiente

de software de una aplicación real. Contando con la autoriza-
ción de SIGRAMA, los programas fuente del sistema de con-
trol turbogás 5001 fueron trasladados al laboratorio de la GCI e
implantados en otro PLC SIMATIC S7 400 que fue proporcio-
nado por la empresa SIEMENS. En esta etapa se mejoró el códi-
go del CLD de velocidad/carga basado en las normas IEC-1131-
3 e IEC-1131-7, habiéndose obtenido una programación similar
a la anterior, basada en bloques funcionales, que forman la es-
tructura genérica del sistema de control y están incluidos den-
tro del bloque principal “IIE_ND”. Este bloque es el utilizado
por el usuario para crear un controlador neuro difuso de veloci-
dad o de carga.
En esta ocasión, el sistema de control de velocidad y carga
se formó con controladores híbridos del tipo neurodifuso. Los
sistemas híbridos neuro-difusos surgen de la combinación de las
redes neuronales con los algoritmos de lógica difusa, y la combina-
ción de ambos se debe a unir las ventajas que cada uno representa.
El control Neuro-Difuso adoptado fue del tipo ANFIS
(Adaptive Neuro–Fuzzy Inference System), que significa: Siste-
ma de inferencia difuso basado en redes neuronales adaptivas.
El sistema ANFIS tiene, por lo tanto, una arquitectura com-
puesta de redes neuronales híbridas funcionalmente equivalen-
te a los sistemas de inferencia difusos, equivalente al razona-
miento difuso. Esta estructura permite resolver los problemas
encontrados en el desarrollo anterior, relacionados con la sinto-
nización del controlador lógico difuso.
Validación del sistema
La validación de los sistemas de control difuso y neuro-difuso
realizadas en laboratorio, se basó en un modelo dinámico del
proceso de una unidad turbogás del tipo GE-5001 desarrollado
en la GCI (Delgadillo y Hernández, 1999). Esta herramienta
permitió realizar pruebas de simulación en tiempo real en las
que se emularon las diferentes condiciones de operación de una
unidad turbogás. La configuración del sistema de pruebas se
muestra en la Figura 11. El Sistema de control fue validado apli-
cando un conjunto de pruebas de aceptación, arranque, paro,
sincronización y toma de carga, realizando las maniobras de un
protocolo de pruebas (De Lara, 2000).
Conclusiones
La utilización de métodos no convencionales para el control de
procesos, en el caso del control difuso y neuro-difuso, ha mos-
trado ser una mejor opción en comparación con los
controladores convencionales.
De acuerdo con los resultados obtenidos en las pruebas
de simulación realizadas para la validación de los controladores
difusos, se observó que:
• Se mejoró el seguimiento de la curva de aceleración, con lo
que se asegura que tanto el compresor como la turbina son
llevados a la velocidad de régimen a través de una trayecto-
ria de mínimos esfuerzos mecánicos.
• Se obtuvo un mejor seguimiento a la referencia de MW de
acuerdo con las distintas demandas y rapidez de cambio in-
troducidas por un operador durante el proceso de subir y
bajar carga.
• Se minimizaron los efectos producidos por las perturbacio-
nes programadas del sistema (originadas por las acciones de
control), principalmente en la región de arranque compren-
dida entre las 2300 y 3000 RPM (salida del motor de arran-
que) y la región que abarca de las 3300 a 3600 RPM (cierre
de válvulas de sangrado y cierre de álabes guía).
• Durante la generación de potencia eléctrica, la región más
beneficiada fue la comprendida entre la carga mínima (4 MW)
y los 10 MW, para subir carga, que es donde se presenta la
apertura de los álabes guía. Además el controlador difuso de
MW mejoró notablemente el seguimiento de la referencia
de MW, reduciendo el error de seguimiento a rampa que
caracteriza a esta operación con el control convencional.
En lo que respecta al controlador neuro-difuso que fue
evaluado en un moderno PLC, la ventaja principal consiste en
su capacidad de establecer los valores de los parámetros del
controlador difuso que proporcionan los mejores resultados,
hecho que lo convierte en un controlador autosintonizable.
De acuerdo al análisis de resultados realizado utilizando
índices de desempeño (como el IAE y el ITAE), a pesar de que
con el control convencional se tiene un consumo de combusti-
ble ligeramente menor, éstos tienen un error mayor que los
CLD. Entonces el consumo de combustible poco mayor obte-
nido con los CLD no es significativo al considerar el beneficio
obtenido con el incremento de la vida útil de la turbina median-
te un mejor seguimiento a las referencias de velocidad y MW.
Agradecimientos: a las compañías MOORE PRODUCTS,

Instituto de Investigaciones Eléctricas 275

 Artículos técnicos

SIEMENS e Industria SIGRAMA, S.A.de C.V. por los equipos
proporcionados y la confianza entregada, que nos han permiti-
do avanzar hacia la consolidación de resultados.
Marino Sánchez Parra
Ver currículum en la pág. 249.
Industrial por el Instituto Politécnico Nacional de Toulouse, Francia (1991, 1995).
Sus áreas de interés incluyen: los sistemas de control avanzado para proce-
sos industriales, el desarrollo de sistemas de control para turbinas de gas y pro-
cesos industriales y la identificación de parámetros de máquinas eléctricas.
sdelara@iie.org.mx

Raúl Garduño Ramírez Luis Castelo Cuevas

Ver currículum en la pág. 249.
Salvador De Lara Jayme
Recibió el grado de Ingeniero Industrial en Electrónica del Instituto Tecnológico
de la Laguna (1983) y el de maestro en Ciencias en Ingeniería Eléctrica opción
control del Centro de Graduados en la misma institución (1985). Obtuvo un
Diploma de Estudios Avanzados y el grado de doctor en Control e Informática
Ingeniero mecánico egresado de la Facultad de Ciencias Químicas e Ingeniería
de la Universidad del Estado de Morelos. En 1993 ingresó al IIE y actualmente
labora en la Gerencia de Control e Instrumentación.
Tiene experiencia en la implantación del control coordinado de centrales
de generación eléctrica. Su interés se centra en el estudio y desarrollo de estrate-
gias de control moderno (Neurodifuso) implementados en plataformas comer-
ciales y en la integración de sistemas digitales.
lcastelo@iie.org.mx

Referencias
• L. A. Zadeh, “Outline of a New Approach to the Analysis of Complex Systems and Decision Process”, IEEE Trans. Syst., Man, Cybern., Vol. SMC – 3, No. 1, pp. 28-44,
1973.
• E. H. Mandani, “Application of fuzzy algorithms for control of simple dynamic plant”, Proc. IEE, Vol. 121, No. 12, pp. 1585-1588, 1974.
• E.H. Mandani and S. Assilian, “ An Experiment in Linguistic Synthesis with a Fuzzy Logic Controler”, Int. J. Manchine Studies, Vol. 7, pp.1-13, 1975.
• J.A. Bernard, “ Use of a Rule-Based System for Process Control”, IEEE Control Systems Magazine, Vol. 8, No. 5, pp. 3-13, 1988.
• S. Yasunobu, S. Miyamoto, and H. Ihara, «Fuzzy control for automatic train operation system,» in Proc. 4th IFAC/IFIP/IFORS Int. Congress on Control in Transportation
Systems, Baden-Baden, April 1983.
• S. Yasunobu-2, S. Sekino and T. Hasegawa, «Automatic train operation and automatic crane operation systems based on predictive fuzzy control,» Proc. 2nd IFSA Congress,
Tokyo, Japan, pp. 835-838, 1987.
• L. P. Holmvlad and J. J. Ostergaard, «Control of a cement kiln by fuzzy logic,» in Fuzzy Information and Decision Process, M. M. Gupta and E Sanchez, Eds. Amstedam:
North-Holland, pp. 389-399, 1992.
• J. Maiers and Y.S. Sherif, “Application of Fuzzy Set Theory”, IEEE Trans. Syst., Man, Cybern., Vol. SMC – 15, No. 1, pp. 175-189, 1985.
• Bonissone, P.P., Badami, V., Chiang, K.H., Khedkar, P.S., Marcelle, K.W., Schutten, M.J., “Industrial Applications of Fuzzy Logic at General Electric”. Proc. IEEE, Vol.83,
No. 3, March 1995. pp. 450-465.
• M.N. Tarabishy, “An Application of Fuzzy Logic to Power Generation Control”. Proceedings of the 58th American Power Control, Vol. 1, 1996, pp. 315-319.
• J.A. Momoh and K. Tomsovic, “Overview and Literature Survey of Fuzzy Set Theory in Power Systems”, IEEE Transactions on Power Systems, Vol. 10, No. 3, pp.1676-
1690, August 1995.
• C.D. García Beltrán y R. Garduño Ramírez, “Control software of a turbogas power unit,” Preprints 5th IFAC Workshop on Algorithms and Architectures for Real-Time
Control, Cancún, México, pp. 161-166. 1998.
• C.D. García Beltrán y R. Garduño Ramírez, “Gas turbine fuzzy speed control,” Proceedings 2nd Joint Mexico-USA International Conference on Neural Networks and
Neurocontrol, Sianka’an, México, Agosto 1997.
• C.D. García Beltrán, Control Digital de Unidades Turbogás, Tesis de Maestría, Cenidet, México, 1997.
• M. Sánchez Parra y L. Bahamaca, “Realización de controladores lógicos difusos para el control de procesos en tiempo real: especificación y diseño.” 2º Encuentro Nacional
de Computación. Pachuca, México, 1999.
• M. Sánchez-Parra y L. Bahamaca, “Speed and Load Fuzzy Control for Gas Turbines,” Proceedings of 1st Annual ISA POWID/EPRI/DOE Joint Controls and Instrumentation
Conference, San Antonio, Texas, 2000.
• L. J. Bahamaca Fernández, Control de velocidad y de generación de potencia eléctrica de una turbina de gas mediante lógica difusa, Tesis de Maestría, Instituto Tecnológico
de la Laguna, México, 2000.
• M. Pat y S. De Lara Jayme, “Sintonización con redes neuronales de un controlador PID. Aplicación a una unidad turbogás”, Información Tecnológica. Vol. 10, No. 6, pp.
25-32. 1999.
• S. DeLara Jayme y M. A. Martínez, “Desarrollo del sistema para la sintonización de controladores difusos usando redes neuronales artificiales”, Informe técnico No.
11500INDT(A5), Proyecto IIE 11500, 1999.
• L. Castelo C. y M. Sánchez P., Programación de controladores industriales. Informe técnico No. 11805DOC-06-1.0, Proyecto IIE 11805, 2000.
• L. Castelo C., S. De Lara J. y M. Sánchez P., Programación de un controlador difuso de velocidad/carga para unidades turbogás en plataforma industrial bajo las normas IEC-
1131-3 & IEC-1131-7. Informe técnico No. 11805DOC-08-1.0, Proyecto IIE 11805, 2000.
• S. De Lara J. y M. Sánchez P., Protocolo de pruebas de simulación del sistema de control digital de unidades turbogás. Informe técnico No. 11805DOC-11-1.0, Proyecto IIE
11805, 2000.
• M. A. Delgadillo Valencia y M.A. Hernández Cuéllar, Modelo dinámico de la turbina de gas GE 5001, informe interno de la Gerencia de Control e Instrumentación, 1999.

276 Instituto de Investigaciones Eléctricas