Análisis en Linea del Estado Energético de Plantas Azucareras

Luis Felipe Acebes, A. Merino, R. Alves, C. de Prada

Resumen

En este artículo se describe una aplicación para el diagnóstico energético de plantas azucareras que ha sido desarrollado en el Centro de Tecnología Azucarera. Esta herramienta toma datos del proceso real y mediante la utilización de un modelo estacionario del proceso, utilizando algoritmos de reconciliación de datos basados en técnicas de optimización, es capaz de proporcionar información acerca de variables no medidas, detectar desviaciones de las variables medidas y calcular índices relacionados con la eficiencia energética. Dado que la aplicación se va a particularizar para diferentes fábricas, se han desarrollado herramientas que permiten una rápida reconfiguracíón y reutilización de código. Para ello se ha construido una librería de modelos estacionarios, modulares, parametrizables y reutilizables y se ha empleado un SCADA configurable de desarrollo propio.

Palabras clave

Aplicaciones industriales del control de procesos; Modelado de procesos e identificación; optimización en tiempo real

Texto completo:

PDF

Referencias

Alves R., Normey-Rico J.E., Merino A., Acebes L.F. & de Prada C. (2006). EDUSCA (EDUCATIONAL SCADA): Features and Applications. 7th IFAC Symposium in Advances in Control Education. ACE 2006, Madrid, Spain.

Bagajewicz and Sanchez (2000), Reallocation and upgrade of instrumentation in process plants, Computers and Chemical Engineering, vol. 24, pp. 1945–1959.

Bagajewicz M. J. (2001). Process Plant Instrumentation: Design and upgrade. Thechnomic Publications.

Bagajewicz, Markowski and Budek (2005), Economic value of precision in the monitoring of linear systems, AIChE Journal, vol. 4, pp. 1304–1309.

Chuaprasert, Douglas, Minh Nguyen (1999), Data reconciliation of an agitated thin film evaporator using Aspenplus, Journal of food engineering, vol. 39, num 3, pp. 261-267.

Crowne, C.M. (1996). Data reconciliation progess and challenges. Journal of Process Control. vol 6. N: 2/3.

De Prada, C., Alonso C., Morilla F. (2002). Supervision and advanced control in a beet sugar factory. Computational Techniques in Food Engineering, Ed. CIMNE, pp 103-112.

Dynasim (2008). http://www.dynasim.se

EA (2008). EcosimPro by EA Internacional, Dynamic Modeling & Simulation Tool, http://www.ecosimpro.com

Frant I. and Jurguen L. (2002). OPC-Fundamentals, Implementation and Application, 2002.

Gordon A. (2000). Programación COM y COM+. Ed. Anaya Multimedia, 2000.

Kelly (2004). Techniques for solving industrial nonlinear data reconciliation problems, Computers and Chemical Engineering, vol. 28, pp. 2837–2843.

Kuehn and Davidson (1961) Computer control. II. Mathematics of control, Chemical Engineering Progress, vol. 57, pp. 44–47.

Liebman, Edgar and Lasdon (1992). Efficient data reconciliation and estimation for dynamic processes using nonlinear programming techniques, Computers and Chemical Engineering, vol. 16, pp. 963–986.

Mathcore (2008). http://www.mathcore.com

Mazaeda, R. and De Prada, C. (2003). Real Time Optimisation of a Sugar Factory, CITS proceedings Madrid.

Mc Ginnis R. A. (1982). Beet sugar technology. 3d Edition. Beet Sugar Development Foundation. Colorado, USA.

Merino A., Acebes L.F. (2005). A training simulator for the evaporation section of a beet sugar production process. The 2005 European Simulation and Modelling Conference. 24-26 October. Porto, Portugal.

Merino A. (2008). Librería de modelos del cuarto de remolacha de una industria azucarera para un simulador de entrena-miento de operarios. Tesis Doctoral. Univ. de Valladolid.

Mingfang, Bingzhen and Bo (2000), An Integral approach to dynamic data rectification, Computers and Chemical Engineering, vol. 24, pp. 749–753.

Modelica (2008). http://www.modelica.org.

NAG (2008). Numerical Algorithm Group. http://www.nag.co.uk

Narasimhan and Jordache (2000), Data reconciliation and gross error detection—an intelligent use of process data, Gulf Publishing Company, Houston, Texas (2000).

Ripps (1965) Adjustment of experimental data, Chemical Engineering Progress Symposium Series, vol 61, pp. 8–13.

Sabadi, R., Armas, C.M. de; Fernandez, V.; Rodriguez, F.; Torres, A.; Vega, E. de la (1991). SIMFAD: Un sistema para la simulación de fábricas de azúcar y derivados. Parte I: Descripción de módulos de procesos. Cuba Azúcar, vol. 25. num. 4.

Sabadi, R., Hurtado, R., Nieto, F, Priede, A.; Fernandez, D.; Mesa, J. (1992). SIMFAD: Un sistema para la simulación de fábricas de azúcar y derivados. Parte II: La estructura computacional. Cuba Azúcar, vol. 26, num. 1, pp. 3-9.

Schulze B-C, Fietz N-K. (2005) Magnagement Systems-Software Solutions for today’s sugar industry. International Sugar Journal, vol. 107, num. 1274, pp: 104-109.

Schulze B-C, Tzschätzsch O. (2003). Magnagement & Expert Systems Online-Tools for Sugar Processing, SIT Proceedings Hamilton Island.

Simpson, Voller and Everett (1991), An efficient algorithm for mineral processing data adjustment, International Journal of Mineral Processing, vol. 31, pp. 73–96.

Sobol’ IM, Kucherenko SS. (2005). Global sensitivity indices for nonlinear mathematical models. Review: Wilmott Magazine (1): pp. 56–61.

Soderstrom, Himmelblau Edgar (2003), A mixed integer nonlinear optimization based approach to simultaneous data reconciliation and bias identification, Proceedings of the FOCAPO-2003 conference Coral Springs, Florida.

Toja and Biegler (1991), Simultaneous strategies for data reconciliation and gross error detection of nonlinear systems, Computers Chemical Engineering, vol. 15, pp. 679–690.

Tong, H., Crowne C. (1995). Detection of gross errors in Data Reconciliation by principal component analysis. AIChE Journal, vol. 41, pp. 1712–1722

Urbaniec K. (1989). Modern Energy Economy in beet sugar factories. Ed. Elsevier, 1989.

Van der Poel P. W., Schiweck H., Schwartz T. (1998). Sugar Techonology: Beet and Cane Sugar Manufacture. Ed. Bartens. Berlín.

Weiss, W. (1999). Sugars for Windows a revolucionary update, CITS proceedings Antwerp.

Wongrat, Srinophakun and Srinophakun (2005), Modified genetic algorithm for nonlinear data reconciliation, Computers and Chemical Engineering, vol. 29, pp. 1059–1067.

Abstract Views

585
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