Optimización dinámica basada en Fourier. Aplicación al proceso de biodiesel

M. N. Pantano, M. C. Fernández, L. Rodríguez, G. J.E. Scaglia

Resumen

Este trabajo presenta una novedosa metodología para la optimización dinámica del proceso de producción de biodiesel a partir de aceites vegetales en modo discontinuo. La metodología propuesta tiene la particularidad de emplear la serie de Fourier para la parametrización de la acción de control, y algoritmos evolutivos para la optimización de parámetros. Las ventajas principales de esta estrategia son, por un lado, que los perfiles obtenidos son suaves, es decir, continuos y diferenciables, por lo tanto pueden implementarse directamente en sistemas reales, sin necesidad de filtrar o suavizar la señal de control; por otro lado, se requiere una mínima cantidad de parámetros para la optimización, evitando la sobre-parametrización, la cual puede disminuir la calidad de la respuesta. Los algoritmos propuestos han sido evaluados a través de simulaciones, obteniendo resultados muy satisfactorios comparados con los existentes en bibliografía.


Palabras clave

Control óptimo; parametrización; sistemas no lineales; sistemas de energía renovable; trayectoria óptima

Clasificación por materias

Modelado, identificación, simulación y optimización de sistemas; Control de procesos industriales, sistemas energéticos, mineros, ingeniería civil y edificios;Técnicas de control avanzado

Texto completo:

PDF

Referencias

Benavides, P. T. & Diwekar, U., 2012a. Optimal control of biodiesel production in a batch reactor: Part I: Deterministic control. Fuel,94, 211- 217. https://doi.org/10.1016/j.fuel.2011.08.035

Benavides, P. T. & Diwekar, U., 2012b. Optimal control of biodiesel production in a batch reactor: Part II: Stochastic control. Fuel,94, 218-226. https://doi.org/10.1016/j.fuel.2011.08.033

Brásio, A. S., Romanenko, A., Leal, J., Santos, L. O. & Fernandes, N. C., 2013. Nonlinear model predictive control of biodiesel production via transesterification of used vegetable oils. Journal of Process Control,10,23, 1471-1479. https://doi.org/10.1016/j.jprocont.2013.09.023

Cantrell, D. G., Gillie, L. J., Lee, A. F. & Wilson, K., 2005. Structure-reactivity correlations in MgAl hydrotalcite catalysts for biodiesel synthesis. Applied Catalysis A: General,2,287, 183-190. https://doi.org/10.1016/j.apcata.2005.03.027

Fernández, Cecilia, M., Nadia Pantano, M., Rossomando, F. G., Alberto Ortiz, O. & Scaglia, G. J., 2019. State estimation and trajectory tracking control for a nonlinear and multivariable bioethanol production system. Brazilian Journal of Chemical Engineering,1,36, 421-437. https://doi.org/10.1590/0104-6632.20190361s20170379

Fernández, C., Pantano, N., Godoy, S., Serrano, E. & Scaglia, G., 2019a. Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales. Revista Iberoamericana de Automática e Informática industrial,1,16, 89-99. https://doi.org/10.4995/riai.2018.8796

Fernández M. C., P. M. N., Rodriguez L., Scaglia G., 2020. State Estimation and Nonlinear Tracking Control Simulation Approach. Application to a Bioethanol Production System. Bioprocess and Biosystems Engineering,In press.

Fernández, M. C., Pantano, M. N., Machado, R. A. F., Ortiz, O. A. & Scaglia, G. J., 2019b. Nonlinear multivariable tracking control: application to an ethanol process. International Journal of Automation and Control,4,13, 440-468. https://doi.org/10.1504/IJAAC.2019.10020240

Fernández, M. C., Pantano, M. N., Rómoli, S., Patiño, H. D., Ortiz, O. A. & Scaglia, G. J., 2019c. An algebra approach for nonlinear multivariable fedbatch bioprocess control. International Journal of Industrial and Systems Engineering,1,33, 38-57. https://doi.org/10.1504/IJISE.2019.10023564

Fernández, M. C., Pantano, M. N., Serrano, E. & Scaglia, G., 2020. Multivariable Tracking Control of a Bioethanol Process under Uncertainties. Mathematical Problems in Engineering,2020. https://doi.org/10.1155/2020/8263690

Ho, Y., Mjalli, F. & Yeoh, H., 2010. Multivariable adaptive predictive model based control of a biodiesel transesterification reactor. Journal of Applied Sciences,12,10, 1019-1027. https://doi.org/10.3923/jas.2010.1019.1027

Ignat, R. M. & Kiss, A. A., 2013. Optimal design, dynamics and control of a reactive DWC for biodiesel production. Chemical Engineering Research and Design,9,91, 1760-1767. https://doi.org/10.1016/j.cherd.2013.02.009

Kreyszig, E. 1978. Introductory functional analysis with applications, Wiley New York.

Mjalli, F. S., Kim San, L., Chai Yin, K. & Azlan Hussain, M., 2009. Dynamics and control of a biodiesel transesterification reactor. Chemical Engineering & Technology,1,32, 13-26. https://doi.org/10.1002/ceat.200800243

Nagle, R. K., Saff, E. B. & Snider, A. D. 2001. Ecuaciones diferenciales y problemas con valores en la frontera, Pearson Educación.

Nasir, N., Daud, W. R. W., Kamarudin, S. & Yaakob, Z., 2013. Process system engineering in biodiesel production: A review. Renewable and Sustainable Energy Reviews,22, 631-639. https://doi.org/10.1016/j.rser.2013.01.036

Nearing, J., 2006. Mathematical tools for physics.

Pantano, M. N., Fernández, M. C., Serrano, M. E., Ortiz, O. A. & Scaglia, G. J. E., 2018. Tracking Control of Optimal Profiles in a Nonlinear Fed-Batch Bioprocess under Parametric Uncertainty and Process Disturbances. Industrial & Engineering Chemistry Research,32,57, 11130-11140.

https://doi.org/10.1021/acs.iecr.8b01791

Pantano, M. N., Serrano, M. E., Fernández, M. C., Rossomando, F. G., Ortiz, O. A. & Scaglia, G. J., 2017. Multivariable Control for Tracking Optimal Profiles in a Nonlinear Fed-Batch Bioprocess Integrated with State Estimation. Industrial & Engineering Chemistry Research,20,56, 6043- 6056. https://doi.org/10.1021/acs.iecr.7b00831

Rajarathinam, K., Gomm, J. B., Yu, D.-L. & Abdelhadi, A. S., 2016. PID controller tuning for a multivariable glass furnace process by genetic algorithm. International Journal of Automation and Computing,1,13, 64- 72. https://doi.org/10.1007/s11633-015-0910-1

Salvi, B. & Panwar, N., 2012. Biodiesel resources and production technologies-A review. Renewable and Sustainable Energy Reviews,6,16, 3680-3689. https://doi.org/10.1016/j.rser.2012.03.050

Santori, G., Di Nicola, G., Moglie, M. & Polonara, F., 2012. A review analyzing the industrial biodiesel production practice starting from vegetable oil refining. Applied energy,92, 109-132. https://doi.org/10.1016/j.apenergy.2011.10.031

Tempo, R. & Ishii, H., 2007. Monte Carlo and Las Vegas Randomized Algorithms for Systems and Control: An Introduction. European Journal of Control,2-3,13, 189-203. https://doi.org/10.3166/ejc.13.189-203

Wali, W., Al-Shamma'a, A., Hassan, K. H. & Cullen, J., 2012. Online geneticANFIS temperature control for advanced microwave biodiesel reactor. Journal of Process Control,7,22, 1256-1272. https://doi.org/10.1016/j.jprocont.2012.05.013

Wali, W., Hassan, K., Cullen, J., Shaw, A. & Al-Shamma'a, A., 2013. Real time monitoring and intelligent control for novel advanced microwave biodiesel reactor. Measurement,1,46, 823-839. https://doi.org/10.1016/j.measurement.2012.10.004

Zhang, M., Gao, Z., Zheng, T., Ma, Y., Wang, Q., Gao, M. & Sun, X., 2016. A bibliometric analysis of biodiesel research during 1991-2015. Journal of Material Cycles and Waste Management, 1-9. https://doi.org/10.1007/s10163-016-0575-z

Zhang, Y., Dube, M., McLean, D. & Kates, M., 2003. Biodiesel production from waste cooking oil: 1. Process design and technological assessment. Bioresource technology,1,89, 1-16. https://doi.org/10.1016/S0960-8524(03)00040-3

Abstract Views

966
Metrics Loading ...

Metrics powered by PLOS ALM




Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912