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

Presentación del tema: "Sistema Inteligente para apoyo a la operación en línea de Centrales Termoeléctricas Dr. Gustavo Arroyo Figueroa."— Transcripción de la presentación:

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

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

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

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

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 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. Sistema de Diagnóstico

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

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

10 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. Estados {normal, alto} Intervalos de tiempo {[0-10], [10-30], [30-60], [0-60]} {alto, [0-10]), (alto, [10-30]), (alto, [30-60]), (normal, [0-60])} NLD NORMAL ALTO Nodo temporal del nivel del domo Sistema de Diagnóstico

11 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. FAA FBAA VBAA [10-32][25-58] [25-90] FAA IC VBAAVBAA [29-107][50-114] [79-221] FAA FVAA AVAA [28-64][104-248] [132-314] 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. Sistema de Diagnóstico

12 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). Aplicación a una CTE

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

14 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 Aplicación a una CTE

15 Resultados Prueba  Predicción %de Exactitud87.37 9.19 %de aciertos84.48 14.98 Diagnóstico 84.25 8.09 80.00. 11.85 Diagnóstico y Predicción 95.85 4.71 94.92. 8.59 Aplicación a una CTE %de Exactitud %de aciertos %de Exactitud %de aciertos

16 Prototipo SAEP

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

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

19 SAEP Hora: 16:00Día: 11 / 05 / 99 NIVE L PDR L PS H PRH TSH TRH 0.0 c.m 178.4 kg./cm 2 540.0 ºc 19.8 kg./cm 2 280.9 ºc 175.6 kg./cm 2 Prototipo SAEP INICIO

20 Prototipo SAEP

21 SAEP Hora: 16:38:35Fecha: 11 / 05 / 99 INICIO EVENTO: FAA VARIABLE DETECTADA FAAFlujo de Agua de Alimentación (ton/h) 450.8 16:38:00 VALOR 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 VARIABLES RELACIONADAS VALOR ESTADO TIEMPO ANALISIS TENDENCIA Prototipo SAEP

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

23 SAEPSAEP Hora: 16:41:00 Fecha: 11 / 05 / 99 INICIO EVENTO:FAATVS VARIABLE DETECTADA FAA Flujo de Agua de Alimentación (ton/h) 450.8 16:38:00 TVS Temperatura vapor sobrecalentado (o C ) 530.2716:40:27 VALOR PDL Presión en el Domo 178.4 Kg/cm 2 Normal 0 FVS Flujo de vapor 445.6 ton/hr Normal + FAT Flujo de agua de atemperación 13.5 ton/hr Normal 0 VARIABLES RELACIONADASVALORESTADO TIEMPO ANALISIS TENDENCIA Aplicación a una CTE -

24 SAEP Hora: 16:41:16Fecha: 11 / 05 / 99 INICIO 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 Incremento en el flujo de vapor sobrecalentado (-) 10-42 sec96 Decremento de la presión del domo (-) 100-272sec 62 Incremento del flujo de atemperación (-) 42-100sec 36 Eventos pasados y futuros Variable (evento)TiempoProbabilidad Aplicación a una CTE VALOR CERTEZA (Probabilidad)

25 SAEP, es un prototipo que ha mostrado la viabilidad de aplicar redes bayesianas para el análisis de las perturbaciones del proceso de generación eléctrica. SAEP, es un prototipo que ha mostrado la viabilidad de aplicar redes bayesianas para el análisis de las perturbaciones del proceso de generación eléctrica. Conclusiones La RBNT es una representación basada en eventos que modela formalmente las relaciones temporales y causales que existen entre los mismos. 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. 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 Integrar un prototipo fuera de línea en una Central Térmica. Líneas futuras 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.

27

28