Sintonización digital de controladores PID en plantas industriales

Manuel H. Manyari Rivera

SINTONIZACIÓN DIGITAL

DE CONTROLADORES PID

EN PLANTAS INDUSTRIALES;

Primera edición

Enero, 2012

Lima - Perú

© Manuel H. Manyari Rivera

PROYECTO LIBRO DIGITAL

PLD 0438

Editor: Víctor López Guzmán

http://www.guzlop-editoras.com/guzlopster@gmail.com guzlopnano@gmail.com facebook.com/guzlopstertwitter.com/guzlopster428 4071 - 999 921 348Lima - Perú

PROYECTO LIBRO DIGITAL (PLD)

El proyecto libro digital propone que los apuntes de clases, las tesis y los avances en investigación (papers) de las profesoras y profesores de las universidades peruanas sean convertidos en libro digital y difundidos por internet en forma gratuita a través de nuestra página web. Los recursos económicos disponibles para este proyecto provienen de las utilidades nuestras por los trabajos de edición y publicación a terceros, por lo tanto, son limitados.

Un libro digital, también conocido como e-book, eBook, ecolibro o libro electrónico, es una versión electrónica de la digitalización y diagramación de un libro que originariamente es editado para ser impreso en papel y que puede encontrarse en internet o en CD-ROM. Por, lo tanto, no reemplaza al libro impreso.

Entre las ventajas del libro digital se tienen:• su accesibilidad (se puede leer en cualquier parte que tenga electricidad),• su difusión globalizada (mediante internet nos da una gran independencia geográfica),• su incorporación a la carrera tecnológica y la posibilidad de disminuir la brecha digital (inseparable de la competición por la influencia cultural),• su aprovechamiento a los cambios de hábitos de los estudiantes asociados al internet y a las redes sociales (siendo la oportunidad de difundir, de una forma diferente, el conocimiento),• su realización permitirá disminuir o anular la percepción de nuestras élites políticas frente a la supuesta incompetencia de nuestras profesoras y profesores de producir libros, ponencias y trabajos de investiga-ción de alta calidad en los contenidos, y, que su existencia no está circunscrita solo a las letras.

Algunos objetivos que esperamos alcanzar:• Que el estudiante, como usuario final, tenga el curso que está llevando desarrollado como un libro (con todas las características de un libro impreso) en formato digital.• Que las profesoras y profesores actualicen la información dada a los estudiantes, mejorando sus contenidos, aplicaciones y ejemplos; pudiendo evaluar sus aportes y coherencia en los cursos que dicta.• Que las profesoras y profesores, y estudiantes logren una familiaridad con el uso de estas nuevas tecnologías.• El libro digital bien elaborado, permitirá dar un buen nivel de conocimientos a las alumnas y alumnos de las universidades nacionales y, especialmente, a los del interior del país donde la calidad de la educación actualmente es muy deficiente tanto por la infraestructura física como por el personal docente.• E l pe r sona l docente jugará un r o l de tu to r, f ac i l i t ador y conductor de p r oyec tos

de investigación de las alumnas y alumnos tomando como base el libro digital y las direcciones electró-nicas recomendadas.• Que este proyecto ayude a las universidades nacionales en las acreditaciones internacionales y mejorar la sustentación de sus presupuestos anuales en el Congreso.

En el aspecto legal:• Las autoras o autores ceden sus derechos para esta edición digital, sin perder su autoría, permitiendo que su obra sea puesta en internet como descarga gratuita.• Las autoras o autores pueden hacer nuevas ediciones basadas o no en esta versión digital.

Lima - Perú, enero del 2011

“El conocimiento es útil solo si se difunde y aplica” Víctor López Guzmán Editor

SINTONIZACIÓN DIGITAL DE CONTROLADORES PID EN PLANTAS INDUSTRIALES

Ing. CIP. Manuel H. Manyari Rivera

Compañía Operadora de LNG del Perú SAC

Resumen: En los últimos años se han experimentado diversos avances en la teoría de control, software especializado de cálculo, sistemas de información, escalabilidad y estandarización de tecnologías, lo cual nos permite utilizarlas como herramientas para la solución de problemas reales actuales, como el diseño e implementación de controladores automáticos. El presente trabajo describe el desarrollo de un proyecto de investigación aplicada, motivado por la necesidad de sintonizar controladores PI. La investigación analiza y muestra la implementación en Simulink - MATLAB® de un identificador de sistemas, usando el método de mínimos cuadrados recursivos ponderados, el cual halla los parámetros de la función de transferencia de sistemas reales. El algoritmo de identificación de alta demanda computacional implementado en Simulink, se comunica vía servidor OPC con PLCs, para hallar un modelo aproximado del sistema a controlar. El objetivo final es encontrar un controlador tipo Proporcional Integral que cumpla con especificaciones de regulación y rapidez. El controlador es diseñado a partir de los parámetros identificados on-line aplicando el método de localización de polos, quedando a sugerencia del diseñador su implementación en el sistema real, previa validación. Para la validación de la metodología empleada, se describe un caso de estudio en un Ducto de Gas Natural donde se aplicó los algoritmos descritos, mostrando que es posible su aplicación tanto para fines experimentales como industriales. Palabras Clave: Controladores PID, Sistemas en tiempo Real, autosintonización, OPC.

I. INTRODUCCIÓN La teoría de control ha desarrollado muchas estrategias simples y avanzadas con la finalidad de cumplir especificaciones de comportamiento puntuales, de éstas muy pocas han sido implementadas en aplicaciones reales, debido al alto costo computacional que las técnicas y algoritmos de control requieren, entre ellas controladores lineales basados en modelos, identificación de sistemas, controladores predictivos y controladores no lineales. El común denominador en la mayoría de algoritmos de control citados, es la capacidad de iteración que debería contener el controlador digital, capacidad de memoria y velocidad de procesamiento. Actualmente en la industria se tiene una gran capacidad instalada de controladores lógicos programables (PLCs) de diferentes fabricantes, en los cuales se implementan las rutinas de control de procesos. Siendo las instrucciones PID, las más usadas para aplicaciones de regulación y control, normadas en IEC 61131-3. Instrucciones de mayor complejidad son escasamente implementadas en PLCs de gama media y alta [9]. Por tal

motivo, el PLC se encuentra limitado a brindar alternativas de control con cierta capacidad de cálculo, ubicando a estos dispositivos electrónicos de control en cierta desventaja con respecto a los Sistemas de Control Distribuido (DCSs) los cuales implementan rutinas avanzadas para basadas en auto sintonización, modelos de control interno, control predictivo, control multivariable, control neuronal, control difuso, entre otros. En el contexto del desarrollo de estrategias de control, diversas técnicas para la sintonización y diseño de controladores han sido estudiadas [1], [14], en especial los controladores PI y PID, debido a su gran utilización en la industria, flexibilidad y desempeño de implementación presentado por estos controladores. La primera propuesta [1], ofrece una técnica de auto-sintonización basada en la conmutación y la adaptación del controlador para adecuarse a las características de la planta. Para ciertas aplicaciones esta técnica resulta complicada y con poca performance para otras, dependiendo del proceso en cuestión. El segundo de ellos [1], propuso una técnica que es ampliamente usada en problemas prácticos de sintonización de

controladores ya sea en el mundo industrial como en las aplicaciones de investigación. Esta técnica se basa en la observación de ciertos parámetros dinámicos de la planta para calcular coeficientes de los controladores P, PI y PID, de acuerdo a unas reglas de sintonización pre-establecidas. Una de las desventajas de éste método es el elevado porcentaje de sobrepaso (overshoot) en su respuesta de salida, que en algunas aplicaciones puede resultar indeseable y hasta intolerable. Ante lo expuesto, sería una interesante aplicación poder aplicar algoritmos de control aprovechando el hardware de los PLCs, teniendo como soporte una aplicación ubicada en una estación de programación o estación de operador. Tal aplicación debe tener una metodología de acceso de lectura/escritura de datos hacia cualquier PLC, una alta capacidad de procesamiento de datos y una considerable capacidad de memoria, tema abordado para el estudio e implementación del presente trabajo. Por otro lado, una herramienta bastante usada en intercambio de datos para entorno Windows, es la comunicación OPC (Ole for Process Control), la cual implica conectividad abierta en automatización industrial y sistemas empresariales que dan soporte a la industrial, que ha sido adoptada por diversos fabricantes ante la necesidad del intercambio de datos, variables de control y estados de procesos industriales. A través de OPC, es posible realizar intercambio de datos entre distintas plataformas para diversos fabricantes mediante una filosofía cliente – servidor. En síntesis, OPC permite realizar aplicaciones de base de datos, interconectividad abierta entre aplicaciones con entorno Windows y controladores industriales (PLCs, DCSs, Drivers, entre otros) o implementar pasarelas de datos entre los controladores citados. El proyecto desarrollado sugiere un método de sintonización de controladores basado en identificación de sistemas y localización de los polos de la planta. Este algoritmo utiliza identificación con mínimos cuadrados recursivos (RLS), ajusta los parámetros del controlador de forma a localizar los polos de forma conveniente y establece las condiciones iniciales de las variables de identificación y controladores en forma estratégica, con la finalidad de no desestabilizar la planta en lazo cerrado ni causar transiciones indeseables de la planta. El algoritmo de sintonización, se comunica vía servidor OPC con un PLC CompactLogix L32E - Allen Bradley y ControlLogix, para identificar en tiempo real y diseñar un controlador PI específico para un lazo de control.

II. EL CONTROLADOR PID Dentro de las estrategias de control a lazo cerrado, se tiene el controlador clásico PID. La versatilidad de este controlador y su simpleza a asegurado su amplio uso y popularidad en el mundo industrial. Considere el siguiente sistema de control realimentado:

Fig. 1: Sistema de control a lazo cerrado con

controlador Es bien conocido que los controladores PID brindan una señal de control relativa al error E(s) entre el set-point R(s) y la salida Y(s) cuya función de transferencia es representada mediante C(s) con salida U(s). La acción de este controlador es proporcional (P) al error, proporcional a la integral del error (I) y proporcional a la derivada del error (D), más específicamente:

)()()()(0

tedt

dKdeKteKtu D

t

IP ++= ∫ ττ

Nótese que en la ecuación anterior, los parámetros principales que son de necesidad calcular y/o sintonizar para el controlador PID son KP, KI y KD, los cuales serán materia de estudio en el presente trabajo. Este tipo de controladores tienen la capacidad de eliminar el error en régimen estacionario ante una referencia tipo escalón y la habilidad de anticipar cambios en la salida, puesto a que contiene un integrador, el cual cumple con gran parte de estas características funcionales. La función de transferencia del controlador PID de variables independientes puede ser expresada por:

sKs

KKsC D

IP ⋅++=)(

. La función de transferencia del controlador PID de variables dependientes puede ser expresada por:

⋅++= sT

sTKsC D

IP

11)(

Comúnmente los procesos reales pueden ser modelados como plantas de primer y segundo orden, sistemas de orden superior pueden ser aproximados por plantas de segundo orden sin comprometer en gran parte el modelamiento de sus dinámicas. Este trabajo desenvuelve una solución a este problema con una estrategia de

sintonización on-line que calcula los parámetros del controlador a partir del modelo, todo ello efectuado en tiempo real según Fig. 2.

Fig. 2: Diagrama de bloques del estimador de

parámetros y sintonizador. Comúnmente los procesos reales pueden ser modelados como plantas de primer y segundo orden, sistemas de orden superior pueden ser aproximados por plantas de segundo orden sin comprometer en gran parte el modelamiento de sus dinámicas. Caso I: Sistema de primer orden Considere la planta de primer orden como siendo modelada sólo por la siguiente función de transferencia por:

)()(

as

KsG

+=

Podemos expresar la función de transferencia del controlador PI bajo su estructura de variables dependientes como:

+=

+==

s

TsK

sTK

sE

sUsC I

PI

P

/111

)(

)()(

Haciendo un análisis en el plano complejo s, de C(s) se puede notar la presencia de un polo en el origen y un cero en -1/KPTI. Una forma simple y eficaz de eliminar la dinámica de uno de los polos de G(s) es localizando el cero de C(s) en -a, es decir:

ITa

1=

Con ello, eliminamos el polo y cero, lo cual permite reducir el orden de la función de transferencia y disminuir la complejidad del problema. De tal forma tenemos que:

s

KKsGsCsG P

A =⋅= )()()(

Es fácil ver que la función de transferencia a lazo cerrado queda reducida a un sistema de primer orden de la forma, según Fig. 2:

KKs

KK

sG

sGsG

P

P

A

AC +

=+

=)(1

)()(

Definimos los parámetros del controlador PI como:

K

aK p

2=;

aTI

1=

Caso II: Sistema de Segundo orden Considere la planta de segundo orden como siendo modelada sólo por la siguiente función de transferencia por [9]:

))(()(

bsas

KsG

++=

Podemos expresar la función de transferencia del controlador PI bajo su estructura de variables independientes como:

s

KKsK

s

KK

sTK

sE

sUsC PI

PI

PI

P

/1

)(

)()(

+=+=+==

Haciendo un análisis en el plano complejo “s”, en C(s) se puede notar la presencia de un polo en el origen y un cero en –KI /KP. Una forma simple y eficaz de eliminar la dinámica de uno de los polos de G(s) es localizando el cero de C(s) en –a, es decir:

P

I

K

Ka =

Dicha eliminación de polo y cero nos permite reducir el orden de la función de transferencia y disminuir la complejidad del problema. De tal forma tenemos que:

)()()()(

bss

KKsGsCsG P

A +=⋅=

Es fácil ver que la función de transferencia a lazo cerrado queda reducida a un sistema de segundo orden de la forma:

KKbss

KK

sG

sGsG

P

P

A

AC ++

=+

=2)(1

)()(

Dadas algunas especificaciones de respuesta, podemos crear una ecuación característica para el diseño, entonces aproximamos el denominador de GC(s), a:

222 2 ωξω ++=++ ssKKbss P

Luego podemos obtener los parámetros de sintonización del controlador como:

ξω

2

b=;

KK p

2ω=;

PI KaK ⋅= El tiempo integral podemos expresarlo por:

PI KaT ⋅= /1 De esta manera se tiene un sistema de segundo orden con error en régimen permanente nulo ante una entrada de tipo escalón. Cabe destacar que este tipo de respuestas, tienen buen índice de rechazo a perturbaciones externas por el hecho de tener un integrador en el controlador.

III. IDENTIFICACIÓN DE SISTEMAS

Uno de los objetivos de la ingeniería es poder obtener el modelo matemático de los diferentes fenómenos de la naturaleza, para así poder analizarlos y predecir su conducta futura. En este contexto, en la ingeniería de control vemos que es importante el conocimiento del modelo matemático de las plantas y sistemas a ser controlados, ante esta necesidad técnica de diversas áreas, se creó la teoría de identificación de sistemas. Esta teoría nos permite tener una aproximación experimental del modelo de los procesos. Dentro de la identificación de sistemas, se tiene una técnica muy usada, como lo es los mínimos cuadrados, ver [3]. En un problema de mínimos cuadrados la variable calculada es dada por:

)()()( 221 xxxy nnφθφθφθ +++=′ L

Donde:

nφφφ ,,, 21 L : son funciones conocidas.

nθθθ ,,, 21 L : parámetros desconocidos.

Niyx ii ,,3,2,1);,( L=′ :parámetros

experimentales. El objetivo es determinar los parámetros desconocidos de tal forma que las variables iy′

y los valores experimentales ix sean los más

cercanos posibles a la variable medida iy . La

ecuación anterior podemos expresarla en forma vectorial a través de:

;][

;][

;][

;][

21

21

21

21

Tn

Tn

Tn

Tn

yyyy

εεεε

θθθθφφφφ

L

L

L

L

=

==

=

T

NT

T

x

x

=Φ)(

)( 1

φ

φM

Ahora defínase la función pérdida como una función del error:

2

2

1

2

1)( εεεθ == TJ

Teorema: La función J(θ) es mínima para θ’ tal que:

yTT Φ=ΦΦ 'θ

Si la matriz ΦΦT es no singular, el

mínimo es dado por: yTT ΦΦΦ= −1)('θ El método de mínimos cuadrados puede aplicarse para la identificación de sistemas dinámicos discretos y continuos a través de un cambio de variables y discretización en N parámetros. Es decir:

• u(1), u(2), ..., u(N) secuencia de entrada aplicada a un sistema,

• y(1), y(2), ..., y(N) secuencia de salida. Es bien conocido que un sistema dinámico, continuo e invariante en el tiempo, puede ser expresado en su equivalente discreto, esto es, en una función de transferencia discreta:

011

011

1)(azazaz

bzbzbzbzH

mm

m

mm

mm

++++++++

= +

−−

L

L

Del mismo modo, formamos una matriz de parámetros expresada por:

[ ]0101 bbbaaa mm LL=θ

Sea )(Nθ , el vector que denota los mínimos cuadrados estimados basados en N

mediciones, entonces introducimos las ecuaciones de parámetros en función de N:

=Φ

=

−−

−−−−−−

−−−−

=Φ)(

)1(

)(;)(;

)(

)2(

)1(

)(

)2(

)1(

1

N

N

y

y

Ny

mku

ku

ku

mky

ky

ky

T

T

N

T

φ

φMM

M

M

La estimación de )(' Nθ utilizando mínimos cuadrados es dada por:

[ ] )()()()()('1

NyNNNN TT ΦΦΦ=−θ

De la misma manera, para

)1( +N muestras podemos reescribir la ecuación como:

+Φ

=+Φ

=+

+ )1(

)()1(;

)()1(

1 N

NN

y

NyNy

TN φ

[ ] )1()1()1()1()1('1 ++Φ+Φ+Φ=+ −

NyNNNN TTθ

Siendo que la matriz )()( NNT φφ es positiva definida, la solución de estimación conocida como Mínimos Cuadrados Ponderados (Weighted LS) en la forma recursiva, viene dada por:

[ ])1()1()1()()1( 1 +Φ+−++=+ + NNyNLNN TN φθθ

1

)()()(1)(

)()1(

−

+

=+λ

φφφλ

NNPN

aN

NPNL

T

λφ

λφφ

φλλ

)()(

)()()(1

)()()(

)1(

1NP

NNNPN

a

NNPNP

NP

TT −

+

⋅

−=+

Donde: )1( +NL es la ganancia de estimación, además tenemos:

( ) ( ) ( )[ ] 1)(

−ΦΦ= NNWNNP T

nNadiagW −= λ{

1+−nNaλ ... }a

: ,1 λ−=a 1<λ ( 1.0=a y 9.0=λ )

A partir de estas ecuaciones recursivas podemos estimar los coeficientes de una función de transferencia discreta cualquiera, luego de ello, es simple hallar su equivalente continuo, es decir, calcular la función de transferencia )(sG′ ,

es decir el modelo aproximado de )(sG . Una vez estimado el modelo de la planta, se aplicará las ecuaciones de la sección anterior. Con el método de identificación de sistemas visto podemos identificar plantas de primer y segundo orden, de la forma [9]:

)()(

)(

2

1

ass

KsG

as

KsG

+=

+=

Además de plantas con polos complejos conjugados:

))(()(

jbasjbas

KsG

−+++= .

IV. COMUNICACIÓN OPC El continuo avance y crecimiento de la industria a conllevado al incremento en necesidades de comunicación e integración de sistemas de control. Numerosos fabricantes han lanzado al mercado elementos actuadores, sensores, controladores con diferentes plataformas y compatibilidades de comunicación. Las tecnologías de control han encontrado un problema al momento de integrar distintos elementos en una sola plataforma. Una alternativa para ello, es la disposición de drivers para distintas aplicaciones y la convergencia hacia una plataforma principal para integrar varias plataformas a diversos equipos de control. Otra alternativa de mayor flexibilidad es OPC (Ole for Process Control), aplicación software de entorno Microsoft Windows, que actúa como un bus de comunicación de datos bajo una arquitectura cliente – servidor. Llámese Servidor OPC, a la aplicación que exporta variables de elementos físicos hacia una plataforma de intercambio de datos, y llámese cliente OPC a la aplicación que accede a los datos para procesarlos y supervisarlos, ver Figura 3.

Figura 3. Intercambio de datos entre diversos elementos de control.

Dentro de la arquitectura OPC, cada dato físico como la lectura de sensor de nivel o una dirección de memoria en un PLC, se convierten variables o Tags, y es el servidor OPC el que permite el acceso a tales datos. Un cliente puede leer conjuntos de Tags, denominados Ítems, en forma síncrona o asíncrona. Los datos que cualquier cliente puede exportar son tipo Booleano, Entero, Flotante, Doble Flotante o array de datos. La filosofía de comunicación de los PLCs Allen Bradley utiliza un software plataforma de comunicación de alto nivel, denominado RsLinx, que permite la conectividad de forma transparente entre cada dispositivo compatible con Allen Bradley y su aplicación Rockwell Software. RsLinx, es un servidor OPC, que exporta ítems de los controladores que se encuentran en línea a través de tópicos OPC. Con todo ello, RsLinx se convierte en un software que permite la lectura/escritura de tags desde/hacia PLCs compatibles. Otro software de simulación, cálculo para la teoría de control y gran importancia en los últimos años, ha sido MATLAB, junto con sus aplicaciones Simulink y Toolboxes específicos. MATLAB, a través del OPC Toolbox permite la configuración cliente OPC, dando la posibilidad de procesar datos que se encuentren dentro de un bus OPC De esta forma es posible comunicar cualquier PLC fabricado por Allen Bradley vía el Servidor OPC Remoto RsLinx y exportar ítems hacia una aplicación en simulink, ejecutándose en tiempo real.

V. RESULTADOS: CASO DE ESTUDIO Perú LNG es una empresa peruana constituida en el año 2003. Su accionista mayoritario y operador es Hunt Oil Company, compañía con sede en Texas, Estados Unidos, considerada una de las principales empresas independientes de petróleo y gas natural a nivel

mundial. Sus socios son SK Energy de Corea del Sur, Repsol YPF de España y Marubeni de Japón. El Proyecto PERU LNG incluye dos partes: una Planta de Gas Natural Licuado (LNG) con un Terminal Marítimo desde donde se embarcará el gas natural licuado y un gasoducto conectado al ya existente de TgP, que transportará el gas natural procedente de Malvinas desde este punto de conexión en los Andes de Ayacucho hasta la Planta de LNG ubicada en la costa en el kilómetro 170 de la Panamericana Sur. El gas natural llega a la Planta de licuefacción mediante un ramal que se conecta en la zona de Chiquintirca en Ayacucho, al gasoducto existente de TgP que va de Camisea a Lima. Con una longitud de 408 kilómetros, el gasoducto atraviesa 100 kilómetros de desierto costero y 308 kilómetros de grandes montañas en la Cordillera de los Andes en donde llega a su punto más alto en los 4,901 metros sobre el nivel del mar. El gasoducto permite llevar el gas natural hasta la Planta de licuefacción en la costa y está completamente enterrado a una profundidad aproximada de un metro [15]. El ducto de Perú LNG está compuesto por tubería de 34” alta presión, el ducto consta de 14 válvulas de globo con actuadores operados por gas cada 30 Km en promedio. Las válvulas permiten el aislamiento parcial de los segmentos del ducto para propósitos de mantenimiento y condiciones de emergencia. Además, el ducto de Peru LNG consta de 4 estaciones que son: - Estación de Medición de transferencia en custodia. - Estación de lanzamiento y recepción de Scraper. - Estación de control de presión. - Estación de recepción en Planta Melchorita. Dado que el ducto de Perú LNG atraviesa la cordillera de los andes, el ducto se encuentra a distintas alturas que van desde los 100 m.s.n.m. hasta los 4817 m.s.n.m. El ducto de PLNG tiene un perfil de presión variable, el cual depende de la densidad del gas respecto a la altura, esto es, el gas es menos denso a medida que se incrementa la altura ya que hay una menor concentración de moléculas por efecto de la gravedad. Para el proyecto de Perú LNG, una estación de regulación de presión (Pressure Control Station) ha sido diseñada para prevenir que la presión en la sección aguas abajo de los andes exceda la Máxima Presión Operativa (MAPO) durante el empacamiento normal del ducto. La Estación de Control de Presión (PCS) está compuesta por una Válvula de Globo de

30” NPS con actuador operado por gas y dos ramas de control en paralelo. Cada rama consta de dos válvulas de control normalmente abiertas de 12” con actuador neumático, las cuales operan cuando se tiene alta presión aguas debajo de la estación. Ambas ramas de control de presión operan simultáneamente y son comandadas por un controlador ROC 809 – Marca Emerson, el cual implementa instrucciones de control PID con estructura de variables dependientes para regular la presión aguas abajo de la PCS, siendo necesaria una adecuada sintonización del controlador de presión para evitar sobrepresiones y variaciones abruptas en el ducto de PLNG. La Figura 4 muestra la estación de control de presión.

Fig.4: Diagrama P&ID de la estación reguladora

de presión de Peru LNG El detalle de la filosofía de control es como sigue: La variable de proceso es cuantificada mediante un transductor de presión y enviada al ROC por un transmisor de presión. El controlador compara el valor del Set Point con la variable de proceso, aplica el algoritmo PID y genera la señal de comando para la variable manipulada que comanda el porcentaje de apertura de las válvulas reguladoras de presión (PRVs), mediante un conversor IP. Simultáneamente, el ROC envía los datos del proceso mediante Modbus RTU a un PLC local, encargándose éste de la comunicación con el sistema de supervisión de Perú LNG, basado en Plataforma OASyS DNA. Para efectos de la sintonización del controlador, se aplicó el algoritmo de identificación entre las variables manipuladas (CV-103 y CV-104 señales de comando para apertura porcentual de las válvulas) y las variables de salida o presión de respuesta del sistema (PT-107) según los gráficos mostrados: Para excitar los modos del sistema e identificar los parámetros de la función de transferencia, se generó diversas variaciones de comando hacia las válvulas reguladoras, dentro de las regiones de operación, a fin de aproximar

el modelo de la planta linealizado, ya que el comportamiento general del ducto de PLNG presenta comportamientos no lineales causados por los volúmenes de consumo de Planta, volúmenes de inyección y el Linepack instantáneo. La figura 5 muestra las variaciones de MV para los propósitos de identificación, y la Fig. 6 muestra la respuesta del sistema a las variaciones de MV.

Fig. 5: Diagrama de la estación reguladora de

presión

Fig. 6: Diagrama de la estación reguladora de presión De acuerdo al experimento realizado, se identificó la siguiente función de transferencia:

03367.0

0284.0)(

+=

ssGn

El PI adecuado para el sistema resulta:

+=s

sC7.29

111495.4)(

• K = 4.1495 • Ti = 29.7002 segs.

Los parámetros de sintonización hallados mediante el algoritmo fueron insertados en la configuración del bloque PID del ROC.

Las Figuras 7 y 8 muestran señal la respuesta en presión del patín de regulación de presión de Perú LNG con los parámetros sugeridos por el procedimiento de cálculo desarrollado en el presente trabajo. Nótese, que ante variaciones de Setpoint (Fig. 7), el sistema regula aceptablemente la presión en el PT-107, sin esfuerzos bruscos ni oscilaciones en las válvulas de control, ver Fig. 9. Nótese también, que el lazo de control de presión alcanza el valor deseado en aproximadamente 25 segundos y con un overshoot inferior al 10%. Cabe mencionar que la estación de regulación de presión ha sido diseñada para volúmenes máximos de 622 MSCFD (Millones de pies cúbicos estándar por día) a presiones comprendidas entre los 1100 a 1300 psi, por tanto es importante mantener la integridad del patín de regulación minimizando el esfuerzo de las válvulas de regulación.

Fig. 7: Gráfica de cambios de Setpoint en la Estación de Control de Presión de PLNG.

Fig. 8: Gráfica de la variación de presión (psi)

en PT-107

Fig. 9: Gráfica de la salida del controlador que comanda el % de apertura de las válvulas de

control CV-104 y CV-102 Actualmente la estación de regulación de presión opera bajo la sintonización propuesta en el presente trabajo y con setpoints dinámicos, los cuales dependen del linepack y la producción corriente de la planta de PLNG, ésta sintonización es recomendada cuando los parámetros de operación en la PCS se encuentran entre 1150 a 1250 psi y de 200 a 500 MMSCF/D, lo que garantiza una respuesta aceptable al perfil de presión del ducto de PLNG.

VI. CONCLUSIONES Se pudo observar que el algoritmo propuesto cumple claramente las especificaciones deseadas, además de ello fueron superados los problemas de implementación asignados a la velocidad de comunicación en OPC y Direct Driver. Con la comunicación OPC es posible realizar software de simulación para controladores lógicos programables y entrenar estrategias de control avanzadas como las basadas en modelo de referencia, control predictivo, control neuronal, control robusto y otros, en software especializado como el MATLAB.

REFERENCIAS BIBLIOGRÁFICAS [1] Astrom, K. J. y Haglund T. (1995) , “PID

Controllers: Theory, Design and Tuning”, 2nd ed., ISA.

[2] J.C. Basilio y M.V. Moreira, (2004) “State space parameter identification in a second laboratory”, IEEE Transactions on Education, vol. 47, NPoP 2, pp. 204-210.

[3] Astrom K.J., Wittenmark B., (1997), “Computer controlled systems”, Prentice Hall.

[4] Smith C. y Corripio A., (2000) “Control automático de procesos”, Teoría y Práctica. Limusa, México.

[5] Goodwin, G., Graebe, S., y Salgado, M., (2001), “Control Systems Design”, Prentice-Hall.

[6] H. Takatsu, T. Itoh y M. Araki. (1998) “Future needs for the control theory in industries report and topics of the control technology survey in Japanese industry”. Journal of Process Control 8(5-6).

[7] Kuo, B., (1996), “Sistemas de control Automático”, 6ma. Edición, Prentice Hall Hispanoamericana S.A.

[8] Manyari-Rivera, M., Basilio, y J. C., Bhaya, A. (2007), “Integrated fault diagnosis based on Petri net models”. In: Proceedings of the 16th IEEE International Conference on Control Applications, pp. 958–963, Singapore.

[9] Manyari-Rivera, M. (2007), “Auto sintonización de controladores basado en modelo y localización de polos”, Congreso Internacional de Ingeniería Eléctrica, Electrónica y Sistemas – INTERCON, Piura.

[10] Manyari-Rivera, M., (2008), “Implementación de Controladores en Matlab y PLC con Comunicación OPC Aplicado a Plantas Industriales”, Investigación Aplicada e Innovación I+i, TECSUP, Vol 2 Nro 2.

[11] Mathworks (2006), “Matlab, The Language of Technical Computing”, The Mathworks, Inc., Natick, MA.

[12] Smith, O.J. (1957) “Closed control of loops with dead-time”. Chemical Engineering Progress, 53:217,219.

[13] Ogata, K.,(1997) “Modern Control Engineering”, 3rd ed. Upper Saddle River, NJ: Prentice-Hall.

[14] Ziegler, J. G., Nichols, N. B. (1942), “Optimal settings for automatic controllers”, Trans. ASME, Vol. 64, pp. 759–768.

[15] Página Web de Perú LNG (2010), www.perulng.com

[16] Página Web de OPC Foundation (2010), www.opcfoundation.org

Manuel Humberto Manyari-Rivera nació en Arequipa, año 1983. Recibió el título profesional de Ingeniero Electrónico por la Universidad Nacional de San Agustín - Perú y en Grado de Master of Science en Ingeniería Eléctrica por la Universidad Federal de Rio de Janeiro – Brasil.

En el año 2004 empezó su carrera en el área de proyectos de Control Total SAC, luego como profesor del Departamento de Electrotécnia Industrial de TECSUP, posteriormente se desempeñó como Ingeniero de Proyectos de AVR Ingenieros SRL. Desde el año 2010, ingresó a la Compañía Operadora de LNG del Perú SAC como Ingeniero de Sala de Control, actualmente se desempeña como Supervisor de Mantenimiento del Gaseoducto de Perú LNG. El Ing. Manyari ha realizado diversas publicaciones en eventos nacionales e internacionales como el CCA 2007 (Singapoure), INTERCON 2007 y otros, así como también fue invitado a ser parte del Comité Técnico revisor del CCA 2008 (USA) y ISNN 2007 (China). Actualmente es miembro activo de la IEEE y del Colegio de Ingenieros del Perú.