3.3 Comunicación entre el modelo de simulación y el control supervisor
3.3.2 Intercambio de información HYSYS-MATLAB
Anteriormente se hizo una breve descripción de las formas que utiliza Aspen HYSYS para importar o exportar datos; y se indicó cual forma de comunicación se implementó en el desarrollo e implementación del controlador supervisor jerárquico que se plantea en este proyecto. A continuación se explicará el procedimiento utilizado para establecer la comunicación entre Aspen HYSYS y MATLAB, para realizar el tratamiento de los datos enviados y recibidos, y para llevar a cabo el control supervisado del proceso.
3.3.2.1. Envío y Recepción de datos en HYSYS
El envío de datos hacia entornos exteriores y la recepción de datos desde los mismos se realiza utilizando un elemento de Aspen HYSYS conocido como SPREADSHEET, que se encarga de agrupar en una "hoja de cálculo"dentro de Aspen HYSYS los pa- rámetros o variables que se desea supervisar dentro de la simulación, de esta forma se simplifica la ubicación de estos y su acceso. Este módulo almacena los datos que se supervisarán referenciando directamente el objeto al cual están asociados, permi- tiendo así leer y modificar sus valores sin importar el elemento de la simulación al cual corresponden; adicionalmente, contiene opciones de configuración que permiten mo- dificar el sistema de unidades utilizado para la supervisión y manipulación de los datos, y la determinación de cuándo se recalculan los datos en el modo dinámico.
(a)Bloque SPREADSHEET
(b)Elementos de la SPREADSHEET
Figura 3.7: SPREADSHEET utilizada para el intercambio de datos del FWKO entre Aspen HYSYS y MATLAB
En la figura 3.7a se ilustra el módulo que representa a la SPREADSHEET. Dentro de este se encuentra el entorno que permite la comunicación. Este se debe configurar de tal forma que en una interfaz como la que se muestra en la figura 3.7b se encuentren las variables a las que se les hará seguimiento y que se conectaran con MATLAB. El investigador Olaf Trygve Berglihn desarrolló una librería para simplificar la comunica- ción ActiveX entre Aspen HYSYS y MATLAB utilizando el lenguaje de macros diseñado para la herramienta de Aspen [87]. Esta librería cuenta con funciones que establecen la conexión y permiten el intercambio de datos entre la SPREADSHEET y el espacio de trabajo (workspace) de MATLAB. En el anexo A.1.1 se muestra un ejemplo del uso de cada función de la librería.
Para el caso que atañe a este proyecto las variables cuyos datos serán compartidos por Aspen HYSYS y MATLAB son las que se muestran en la tabla 3.3.
Variable ID Celda en spreadsheet
Flujo_Alimento FICFIN.PV A8
Flujo_Energía TICTEM.OP A3
Flujo_Gas PICGAS.OP A2
Temperatura_Interna Phase Temperature C4 Presion_Interna Vessel Pressure C5
Tabla 3.3:Variables compartidas entre Aspen HYSYS y MATLAB
Con base en estos datos cada capa de la estructura de control jerárquico tiene un objetivo, y para cumplirlo manipula de forma especifica la información proveniente de la SPREADSHEET. A continuación, se describirá el uso que cada capa del controlador hace de la información proveniente de Aspen HYSYS.
Control directo MPC
El control directo MPC es la capa de la estructura jerárquica encargada de la interac- ción directa con el proceso, esta capa toma como referencias las salidas de las capas de optimización de estado estacionario superiores y se encarga de hacer el seguimien- to óptimo de las mismas. En esta capa se implementó un controlador MPC dirigido desde Simulink que a partir de un modelo del proceso y de los valores de respuesta de la planta (temperatura y presión en cada instante de muestreo, obtenidos desde Aspen HYSYS a través de la función mostrada en el anexo A.1.3.2 e interpretados en MATLAB) es capaz de determinar cómo deben aplicarse los esfuerzos de control para minimizar el error (la diferencia entre los valores de referencia y los valores actuales del sistema). El proceso matemático de la determinación de las consignas óptimas y el establecimiento de las trayectorias óptimas se realiza desde MATLAB y Simulink, empleando para ello funciones de MATLAB (MATLAB Fcn) y funciones de Simulink (S-Functions), una vez que se ha determinado la trayectoria que deben seguir los es- fuerzos de control del MPC para lograr el seguimiento adecuado de las consignas, esta trayectoria es seguida en tiempo real por las variables que representan el esfuerzo de control en HYSYS, para esto, desde Simulink se hace el envío de la información a As- pen HYSYS a través de la función mostrada en el anexo A.1.3.1. Es importante tener en cuenta que el intercambio de datos numéricos entre Aspen HYSYS y MATLAB se hace en unidades del sistema internacional (SI), por consiguiente, es necesario utili- zar factores de conversión para que las unidades se interpreten de forma correcta, de lo contrario, parámetros que se representan en Aspen HYSYS en términos de minu- tos u horas podrían estar recibiendo valores calculados en MATLAB en términos de segundos, lo cual ocasionaría que los esfuerzos de control no sean adecuados.
Para las actividades de control relacionadas con el control directo MPC y el intercambio de información entre Aspen HYSYS y MATLAB el esquema utilizado en Simulink es el mostrado en la figura 3.8
3.3. Comunicación entre el modelo de simulación y el control supervisor
Figura 3.8: Esquema de conexión HYSYS-MATLAB a través de Simulink para una es- trategia de control MPC. Los bloques MATLAB IN y MATLAB OUT corresponden a fun- ciones que afectan las variables manipuladas en HYSYS, y que registran, via ActiveX, las variables controladas en HYSYS, respectivamente.
Capa de Optimización LSSO
Mientras que la capa de control directo MPC se encarga de enviar y recibir datos des- de y hacia Aspen HYSYS en cada periodo de muestreo, la capa de optimización (que opera en MATLAB-Simulink) recibe información del disturbio y el valor actual de las salidas (temperatura y presión), evalúa dichos datos en un modelo de estado estacio- nario del proceso cada n muestras o periodos de muestreo, y determina las consignas que minimizan el consumo de energía manteniendo al FWKO dentro de sus rangos operativos. Una vez que desde Simulink se han encontrado las consignas deseadas según el criterio de optimización, estas son enviadas al MPC a fin de que este deter- mine los esfuerzos de control necesarios para el seguimiento de las mismas y envíe estos esfuerzos a Aspen HYSYS. Las funciones de dicha capa se realizan a través de un bloque de función de simulink denominado S-Function que almacena el modelo de estado estacionario de la planta y realiza sobre dicho modelo las predicciones y los cálculos necesarios para determinar las consignas óptimas, en el anexo A.1.2 se muestra el código de la S-Function FWKOmodel donde se realizan todas las activida- des correspondientes al control óptimo de la planta simulada.
En la figura 3.9 se muestra el esquema completo de Simulink utilizado para el inter- cambio de datos e información entre Aspen HYSYS y MATLAB (más específicamente Simulink), vale la pena resaltar que el control de los lazos de nivel (nivel de agua- petroleo y nivel de petroleo) se realiza de forma directa utilizando controladores PID locales, por consiguiente, estos lazos no hacen parte de la estructura de control je- rárquico (no se controlan desde el MPC, ni se fijan consignas óptimas en línea para
ellos).
Figura 3.9:Esquema de conexión HYSYS-MATLAB a través de Simulink para una es- trategia de control multicapa (con control MPC y optimización LSSO). El bloque FWKO model corresponde a una s-function donde se implementa la capa LSSO para el cálcu- lo de consignas óptimas para los lazos de temperatura y presión del sistema.
Una vez confirmado de manera experimental que la comunicación ActiveX cliente/- servidor y los componentes mencionados anteriormente parecen ser suficientes para establecer una simulación de control supervisor para fijación de consignas óptimas en línea que funcione correctamente, se pasa a evaluar cuál puede ser la influencia de usar un modelo lineal como medio para predecir las consignas óptimas de régimen permanente.
Para identificar esta situación, se realizó un experimento consistente en hacer varia- ciones, dentro del rango de valores permitidos, a las aperturas de válvulas que regulan las variables controladas de Temperatura y Presión en cada caso. Se registran los valores de régimen permanente de Temperatura, Presión y consumo energético para cada combinación obtenidos en Hysys (modelo no lineal). Para los mismos valores de entradas, se calculan los valores de las variables controladas de régimen permanente predichas por el modelo lineal identificado. En las figuras 3.10a, 3.10b y 3.10c se ob- serva que el modelo identificado solo representa una franja de todo el dominio de los valores de respuesta del FWKO ante diferentes cantidades del flujo de alimentación (los resultados del modelo lineal se observan como planos tangentes a la superficie obtenida con el modelo no lineal). El experimento se repite para tres valores del flujo de alimento, el cual se ha descrito como un disturbio de interés frecuente en la lite- ratura. Se concluye que debido a las no-linealidades del FWKO, los modelos lineales obtenidos a través de métodos de identificación fuera de línea no describen de forma adecuada el comportamiento del sistema ante variaciones del disturbio (el flujo molar
3.3. Comunicación entre el modelo de simulación y el control supervisor
de la corrienteAlimento).
Considerando que el modelo identificado es la base para el diseño del controlador MPC y de la capa de optimización, existe la posibilidad de que para algunos valores de la corriente Alimento las consignas definidas por los algoritmos de optimización en realidad sean consignas subóptimas y en este caso las trayectorias seguidas por el controlador no serían las mejores posibles.
Lo anterior justifica el estudio a realizar en este trabajo de grado ya que se demuestra la necesidad de emplear modelos que respondan ante las variaciones del disturbio, para lo cual la solución propuesta consiste en utilizar como base para el diseño del controlador y del optimizador, modelos lineales obtenidos a través de identificación recursiva en linea.
Motivado por lo anteriormente expuesto, este proyecto de investigación tiene como objetivo principal evaluar el desempeño de una estrategia de control supervisor para la fijación de consignas óptimas en línea a partir de una identificación en línea del proceso.
A través de esta investigación se desea verificar si el uso de modelos identificados en línea favorece el desempeño de la estructura de control supervisor diseñada, para lo cual el siguiente capitulo describirá el proceso de identificación en línea realizado para la construcción del controlador y el optimizador con lo cual se busca brindar al lector una mayor comprensión de los objetivos de las capacidades del algoritmo de identificación recursiva implementado y las características que este adiciona a la im- plementación realizada.
(a) Comparación de las respuestas de HYSYS y del modelo identificado paraAlimento = 50 kgmol/h
(b)Comparación de las respuestas de HYSYS y del modelo identificado para Alimento = 112 kgmol/h
(c)Comparación de las respuestas de HYSYS y del modelo identificado paraAlimento = 120 kgmol/h
Capítulo 4
El proceso de identificación en línea y la actua-
lización de los modelos
En este capítulo se expone el diseño o construcción del algoritmo de identificación en línea, el cual permite obtener un modelo dinámico del proceso con el propósito de implementar su aplicación para el caso de estudio. En la sección 4.1 se establecen algunas recomendaciones sobre cómo debe ser el procedimiento de identificación pa- ra el desarrollo del algoritmo de identificación, la sección 4.2 describe las principales razones por las cuales es precisó realizar identificación en línea y por último la sección 4.3 muestra el algoritmo aplicado para llevar a cabo el proceso de identificación en línea.
4.1.
Procedimiento de identificación
El proceso de identificación de sistemas se basa en tres principios básicos que per- miten describir el comportamiento dinámico de un sistema (selección de un algoritmo de identificación, implementación y prueba, y validación o evaluación) [88], mediante un modelo matemático el cual típicamente es usado con el fin de implementar una ley de control encargada de llevar el sistema a sus puntos de operación estables. Cada principio es explicado a continuación,
Selección de un algoritmo de identificación:existen diversos tipos de algorit-
mos los cuales posibilitan realizar el procedimiento de identificación teniendo en cuenta la relación presente entre las entradas y salidas, y las entradas no mani- pulables y salidas del proceso. Algoritmos de identificación de sistemas fuera de línea y en línea han sido desarrollados para verificar el rendimiento del proceso al ejecutar la ley de control propuesta.
Implementación y prueba:consiste en realizar el algoritmo precisando aspectos
como número de entradas y salidas con el objetivo de representar de la mejor manera la correlación entre ellas, logrando de este modo estimar los parámetros que mejor se ajustan al modelo del sistema identificado.
Validación o evaluación:en esta etapa lo fundamental es conseguir la respuesta deseada, es decir, obtener prácticamente una réplica de la reacción del sistema original con respecto al modelo del sistema identificado.