1 / 28

Sistema Inteligente para apoyo a la operación en línea de Centrales Termoeléctricas

Sistema Inteligente para apoyo a la operación en línea de Centrales Termoeléctricas. Dr. Gustavo Arroyo Figueroa. Contenido. Introducción Arquitectura del Sistema Inteligente Modulos en desarrollo Diagnóstico y predicción de eventos Prototipo SAEP Conclusiones y trabajo futuro.

juro
Download Presentation

Sistema Inteligente para apoyo a la operación en línea de Centrales Termoeléctricas

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Sistema Inteligente para apoyo a la operación en línea de Centrales Termoeléctricas Dr. Gustavo Arroyo Figueroa

  2. Contenido • Introducción • Arquitectura del Sistema Inteligente • Modulos en desarrollo • Diagnóstico y predicción de eventos • Prototipo SAEP • Conclusiones y trabajo futuro

  3. Introducción • El Instituto de Investigaciones Eléctricas es un centro de desarrollo tecnológico creado para resolver la problemática en la Generación, Transmisión y Distribución de Energía Eléctrica de Comisión Federal de Electricidad (CFE), la industria Eléctrica del Gobierno de México. • Agrupa a 500 Investigadores en diversas áreas divididos en 4 Divisiones Técnicas (DEA, DSM, DSE y DSC). La DSC realiza investigación aplicada en las áreas de instrumentación, supervisión, control y automatización de procesos. • Proyecto estratégico: “Sistemas Inteligentes para la Operación de Procesos Industriales”, el Objetivo es desarrollar Sistemas Inteligentes en tiempo real para operación de Centrales Termoeléctricas, que permitan una operación eficiente y oportuna.

  4. Sistemas Inteligentes operacionales (SD,SPI,SCI) Sistema de Información Operacionales(SITR, SMP,SV) Sistema de Adquisición de Datos y Control (SCD, PLC) Índices, Eventos Datos, Alarmas Guías Operación Interfaz con el usuario Arquitectura

  5. Arquitectura Sistema Diagnóstico Sistema Validación Señales Sistema Vigilancia Sistema Planeación Sistema de Adquisición de Datos y Control (DCS) Guías de Operación Sistema Control Inteligente

  6. Módulos en desarrollo • Any time probabilistic reasoning for sensor validation (Ibarguengoytia and Sucar, UAI 98). • Temporal Nodes Bayesian Network for Diagnosis and Prediction (Arroyo and Sucar, UAI 99) • Continuous Planning for the Operation of Power Plants (Ibarguengoytia and Reyes, ENC 2001). • Fuzzy scheduling control of a Power Plant (Garduño and Lee, IEEE Power Society, 2000) • Steam Fuzzy Controller for the operation of Power Plants (Arroyo and Sanchez, EAAI 2000).

  7. Sistema de Diagnóstico • Dominio complejo • Gran número de procesos y variables interactuando de manera continua. • Dominio incierto • Información incompleta • Usualmente información imprecisa • Información con ruido • Dominio dinámico • Naturaleza dinámica del proceso • El retardo temporal entre causa y efecto no es constante. • Se requieren tareas de razonamiento en tiempo real.

  8. E2 E1 E4 E3 V2 V4 V3 V1 Sistema de Diagnóstico • Se require una representación que combine • Manejo de incertidumbre • Razonamiento temporal • Redes Bayesianas • Una de las técnicas más utilizadas • Basada en la teoría de probabilidad • Muestra la relación causal entre las variables del proceso • Problema • Representar cada variable y su relación con otras variables a cada instante de tiempo.

  9. Sistema de Diagnóstico • El instante de tiempo en que una variable cambia (evento) es importante para el diagnóstico de las perturbaciones. • Se propone una representación basada en eventos y su intervalo de tiempo dentro del cual ocurre (nodos temporales). • Cada estado de un nodo es definido por un par ordenado : • Los valores de la variable • El intervalo de tiempo de su ocurrencia • Los intervalos de tiempo representan los retardos entre la ocurrencia de un evento y otro.

  10. NORMAL ALTO Sistema de Diagnóstico • Una RBNT es definida como RBNT=(V, E), donde V es el conjunto de nodos temporales y E es el conjunto de arcos. • Cada nodo temporal es definido por un par (s, t) • y una matrix de probabilidades condicionales de cada par ordenado dados sus padres. {alto, [0-10]), Estados {normal, alto} (alto, [10-30]), NLD Intervalos de tiempo (alto, [30-60]), {[0-10], [10-30], [30-60], [0-60]} (normal, [0-60])} Nodo temporal del nivel del domo

  11. [10-32] [25-58] [25-90] [29-107] [50-114] [79-221] [28-64] [104-248] [132-314] IC FVAA FBAA VBAA VBAA AVAA FAA FAA FAA Sistema de Diagnóstico • El evento del incremento en el flujo de agua de alimentación (FAA) puede ser causado por dos diferentes eventos: el incremento en la velocidad de la bomba de agua de alimentación (VBAA) o un incremento en la apertura de la válvula de agua de alimentación (AVAA). De acuerdo a la dinámica del proceso, el intervalo de tiempo entre la ocurrencia del evento VBAA y FAA es de 25 a 114 segundos ; el intervalo de tiempo de ocurrencia entre AVAA y FAA es de 104 a 248 segundos. • De esta manera,si el incremento de flujo ocurre dentro del primer intervalo, la causa más probable es el aumento en la velocidad de la bomba; pero si el incremento de flujo ocurren dentro del segundo intervalo, la causa más probable será el incremento en la apertura de la válvula.

  12. Aplicación a una CTE • El mecanismo propuesto fue aplicado al diagnóstico y predicción de fallas en los sistemas de agua de alimentación y vapor sobrecalentado. Se consideraron 4 posibles perturbaciones: un incremento de carga (IC); una falla en la bomba de agua de alimentación (FBAA); una falla en la válvula de agua de alimentación (FVAA); y una falla en la válvula de agua de atemperación (FVAT).

  13. PRUEBAS SIMULADOR DE FALLAS SIMULADOR DE UNA CTE 350 MW BASE DE DATOS DEL PROCESO BASE DE CONOCIMIENTO SADRE Aplicación a una CTE • Los datos del proceso fueron generado por medio de un simulador a detalle de alcance total de una CTE de 350 MW. INTERVALOS DE TIEMPO APRENDIZAJE (80%) VALIDACION (20%) RED BAYESIANA CON NODOS TEMPORALES

  14. Aplicación a una CTE Variables IC=Incremento de carga FBAA= Falla en la Bomba FVAA= Falla en la Val. FVAT=Falla Val. Atemp AVVP=Inc. Val. Vapor ABA=Inc. Vel. Bomba AVAA=Inc. Val. AA AVAT=Inc. Val AT FVP= Inc. Flujo vapor FAA=Inc. Flujo AA FAT=Inc. Flujo AT NLD=Nivel del domo PVD=Inc. Presión domo TVS=Inc. Temperatura

  15. Aplicación a una CTE • Resultados Prueba m s Predicción % de Exactitud 87.37 9.19 % de aciertos 84.48 14.98 Diagnóstico 84.25 8.09 % de Exactitud 80.00. 11.85 % de aciertos Diagnóstico y Predicción % de Exactitud 95.85 4 .71 % de aciertos 94.92 . 8.59

  16. Prototipo SAEP

  17. Prototipo SAEP BASE DE DATOS DE OPERACION BASE DE CONOCIMIENTO (RB, RBNT) PROCESO SISTEMA DE ADQUISICION DE DATOS MODULO DE DETECCION DE EVENTOS MODULO DE ANALISIS (RAZONAMIENTO TEMPORAL PROBABILISTICO) ARCHIVO DE MENSAJES ARCHIVO DE MENSAJES MENSAJES ACTIVOS MENSAJES ACTIVOS INTERFACE CON EL OPERADOR

  18. Instituto de Investigaciones Eléctricas Prototipo SAEP SAEP SISTEMA PARA EL ANALISIS DE EVENTOS Y DE PERTURBACIONES INICIO

  19. SAEP Día: 11 / 05 / 99 Hora: 16:00 NIVEL 0.0 c.m 178.4 kg./cm2 PDRL 175.6 kg./cm2 PSH TSH 540.0ºc 19.8 kg./cm2 PRH TRH 280.9ºc Prototipo SAEP INICIO

  20. Prototipo SAEP

  21. EVENTO: FAA VARIABLE DETECTADA VALOR TIEMPO FAA Flujo de Agua de Alimentación 450.8 16:38:00 (ton/h) VALOR VARIABLES RELACIONADAS ESTADO VAA Válvula de Agua de Alimentación 60 % Normal 0 BAA Velocidad de Bomba Agua A 1880 rpm Normal + NLD Nivel del Domo 0.01 cm Normal 0 ANALISIS Prototipo SAEP SAEP Fecha: 11 / 05 / 99 Hora: 16:38:35 INICIO TENDENCIA

  22. ANALISIS VALOR CERTEZA EVENTO: Incremento flujo de Agua de Alimentación (1er intervalo) ( Probabilidad ) Conclusiones Causa 2: FALLA EN LA BOMBA DE AGUA 75 Acción 1: Activar bomba de reserva de agua Acción 2: Reparar bomba de agua Eventos Pasados y Futuros Variable ( evento ) Tiempo Probabilidad Incremento en la velocidad de la bomba 61 (-) 25-114 seg Incremento en la apertura de la válvula AA 114-248 seg 32 95 Incremento en el Nivel del Domo 10-27 seg Prototipo SAEP SAEP Fecha: 11 / 05 / 99 Hora: 16:38:42 INICIO (-) (+)

  23. EVENTO: FAA TVS VALOR VARIABLE DETECTADA TIEMPO 450.8 16:38:00 FAA Flujo de Agua de Alimentación (ton/h) TVS Temperatura vapor sobrecalentado 530.27 16:40:27 (o C ) VARIABLES RELACIONADAS VALOR ESTADO PDL Presión en el Domo 178.4 Kg/cm2 0 Normal 445.6 ton/hrNormal + FVS Flujo de vapor FAT Flujo de agua de atemperación 13.5 ton/hr Normal 0 ANALISIS Aplicación a una CTE Hora: 16:41:00 Fecha: 11 / 05 / 99 SAEP INICIO - TENDENCIA

  24. ANALISIS EVENTO : Incremento Flujo de Agua (1er intervalo) y decremento temperatura de vapor (2do intervalo) Conclusiones Causa 1: Incremento de carga 92 Acción 1: Vigilar el nivel del domo Acción 2: Vigilar flujo de agua de atemperación Eventos pasados y futuros Variable ( evento ) Tiempo Probabilidad Incremento en el flujo de vapor sobrecalentado (-) 10-42 sec 96 Decremento de la presión del domo (-) 100-272 sec 62 Incremento del flujo de atemperación (-) 42-100 sec 36 Aplicación a una CTE SAEP Fecha: 11 / 05 / 99 Hora: 16:41:16 INICIO VALOR CERTEZA ( Probabilidad )

  25. Conclusiones • SAEP, es un prototipo que ha mostrado la viabilidad de aplicar redes bayesianas para el análisis de las perturbaciones del proceso de generación eléctrica. • La RBNT es una representación basada en eventos que modela formalmente las relaciones temporales y causales que existen entre los mismos. • El formalismo permite el diagnóstico y la predicción de eventos. Lo cual asociado a un planificador inteligente permitirá llevar a una Central Térmica a condiciones óptimas de operación.

  26. Líneas futuras • Integrar un prototipo fuera de línea en una Central Térmica. • Modelar mediante RBNT todas las perturbaciones que se presentan en una Central Térmica. • Validar el prototipo con operadores de Centrales Térmicas. • Integrar los módulos desarrollados en un Sistema Inteligente para la Operación de Centrales Térmicas.

More Related