Universidad de Costa Rica Escuela de Ingeniera Elctrica

IE 0502 Proyecto Elctrico

CONTROL ADAPTATIVO DE UNA PLANTA DE TRATAMIENTO DE AGUAS RESIDUALES

Por: David Villalobos Agero

Ciudad Universitaria Rodrigo Facio JULIO del 2010

CONTROL ADAPTATIVO DE UNA PLANTA DE TRATAMIENTO DE AGUAS RESIDUALES

Por: David Villalobos Agero

Sometido a la Escuela de Ingeniera Elctrica de la facultad de Ingeniera de la Universidad de Costa Rica como requisito para optar por el grado de:

BACHILLER EN INGENIERA ELCTRICA

Aprobado por el Tribunal:

_____________________ M.Sc. Vctor Alfaro. Profesor Gua

Dr. Guillermo Lora. Lector

ii

_____________________ Dr. Ramn Vilanova. Profesor lector

DEDICATORIA
A mi familia que han sido los que me han apoyado en todos estos aos de estudio.

iii

NDICE GENERAL
NDICE DE FIGURAS .............................................................................................. vi NDICE DE CUADROS ........................................................................................... vii NOMENCLATURA ................................................................................................ viii RESUMEN ................................................................................................................. ix CAPTULO 1: Introduccin ...................................................................................... 1 1.1 Descripcin del Proyecto ..................................................................................... 1 1.2 Objetivos ............................................................................................................ 2 1.2.1 Objetivo General .......................................................................................... 2 1.2.2 Objetivos Especficos ................................................................................... 2 1.4 Metodologa ................................................................................................... 3 CAPTULO 2: Antecedentes ...................................................................................... 4 2.1 El benchmark simulation model ....................................................................... 4 2.2 Datos del afluente ................................................................................................ 7 2.3Proceso de verificacin y simulacin .................................................................... 8 2.4 Estrategia de control ............................................................................................ 8 2.5 Evaluacin del rendimiento ................................................................................. 9 2.6 Identificacin de Parmetros ............................................................................. 11 2.6.1 Mtodo de cuadrados mnimos y cuadrados mnimos recursivos ................. 11 2.7 Controladores en tiempo discreto ...................................................................... 13 2.8 Control adaptativo ............................................................................................. 14 2.8.1 Control adaptativo autoajustables (STR) ..................................................... 17 CAPTULO 3: Validacin y evaluacin del modelo BSM1 ..................................... 18 3.1 Validacin en lazo abierto ................................................................................. 19 3.2 Validacin en lazo cerrado ................................................................................ 21 3.3 Variacin del valor deseado de los controladores............................................... 26 CAPTULO 4: Implementacin adaptativa y evaluacin del desempeo .............. 30 4.1 Identificacin de parmetros del modelo en tiempo discreto .............................. 30 4.2 Implementacin del mtodo adaptativo ............................................................. 32 4.3 Adaptacin de los parmetros del controlador de oxgeno ............................. 33 4.3.1 Pruebas realizadas variando c.................................................................... 39 4.3.2 Determinacin de costos de operacin y calidad del efluente ...................... 41 4.3.3 Seal de control (variable manipulada) ....................................................... 44 4.3.4 Control adaptativo ante cambios en el valor deseado .................................. 45 4.3.5 Efluente y energa utilizando un valor deseado de 0.5 gm-3 de O2 ............... 46 4.3.6 Caso de estudio particular en Costa Rica..................................................... 51 iv

CAPTULO 5: Conclusiones y Recomendaciones .................................................. 53 BIBLIOGRAFA ...................................................................................................... 56 APNDICES ............................................................................................................. 57 Ap.1 Validacin del Modelo. ndices de rendimiento y costos de operacin ............ 57 Ap.1.1 Lazo abierto poca seca .......................................................................... 57 Ap.1.2 Lazo abierto tormenta ............................................................................. 59 Ap.1.3 Lazo abierto en poca lluviosa ................................................................ 60 Ap.1.4 Lazo cerrado en poca seca ..................................................................... 62 Ap.1.5 Lazo cerrado en poca lluviosa ................................................................ 64 Validacin lazo cerrado en poca lluviosa ............................................................... 65 Validacin lazo cerrado en poca lluviosa ............................................................... 66 Validacin lazo cerrado en poca lluviosa ............................................................... 67 Ap.2 Rutinas implementadas en MATLAB ............................................................. 67 Ap.2.1 Rutina utilizada para la implementacin de Identifiacin RLS ................ 67 Ap.2.2 Rutina utilizada para las grficas de superficies....................................... 68 Ap.2.3 Rutina de adaptacin ............................................................................... 71

NDICE DE FIGURAS
Figura 2.1 Planta del modelo BSM1 [2] ..................................................................... 5 Figura 2.2 Influente en poca de tormenta [2] ........................................................... 7 Figura 2.3 Esquema bsico de un control adaptativo [1] ........................................ 14 Figura 2.4 Esquema bsico de un control adaptativo en lazo abierto [1] ............... 15 Figura 2.5 Diagrama de bloques del STR ................................................................ 17 Figura 3.1 Planta operando en lazo abierto ante una entrada constante................ 18 Figura 3.2 Planta operando en lazo cerrado ante una entrada constante .............. 22 Figura 3.3 Calidad del efluente ................................................................................ 27 Figura 3.4 Sludge production for disposal ............................................................... 27 Figura 3.5 Energa de Aereacin .............................................................................. 28 Figura 3.6 Energa de Bombeo ................................................................................. 28 Figura 4.1 Bloque utilizado para la identificacin ................................................... 30 Figura 4.2 Proceso continuo y proceso discreto ante una seal escaln................. 31 Figura 4.3 Ejemplo de adaptacin............................................................................ 32 Figura 4.4 Error generado por la funcin adaptativa ............................................. 33 Figura 4.6 Bloque utilizado para disponer del oxgeno ........................................... 34 Figura 4.7 Bloque Adapt_02 ..................................................................................... 35 Figura 4.8 Controlador del Oxgeno ........................................................................ 36 Figura 4.9 Controlador PI fijo y adaptativo en condiciones de tormenta............... 39 Figura 4.10 Controlador PI fijo y adaptativo en condiciones de seco ..................... 40 Figura 4.11 Controlador PI fijo y adaptativo en condiciones de lluvia................... 41 Figura 4.12 Seal de control ante el afluente de lluvia ............................................ 45 Figura 4.13 Control adaptativo ante un escaln ...................................................... 46 Figura 4.14 P PI fijo y adaptativo, poca seca , v.deseado 0,5 g.m-3 de O2.............. 47 Figura 4.15 PI fijo y adaptativo, poca lluvia , v.deseado 0,5 g.m-3 de O2 ............. 48 Figura 4.16 PI fijo y adaptativo, poca tormenta , v.deseado 0,5 g.m-3 de O2 ....... 49

vi

NDICE DE CUADROS
Cuadro 2.1 Estados del modelo ASM1 ....................................................................... 6 Cuadro 2.2 Variables de estado del modelo ASM1.................................................... 9 Cuadro 3.1 ndices de la planta en lazo abierto y con caudal de poca seca .......... 19 Cuadro 3.2 ndices de la planta en lazo cerrado y con caudal de tormenta ........... 24 Cuadro 3.3 Validacin de ndices en el control del oxgeno .................................... 34 Cuadro 4.1 Calidad del efluente y costos de operacin ante variaciones c .......... 42 Cuadro 4.2 Costos de operacin .............................................................................. 44 Cuadro 4.3 Costos y calidad (v.d 0,5 g.m-3 de O2).................................................... 49 Cuadro 4.4 PI fijo y adaptativo, valor deseado 2 g.m-3 de O2.................................. 51 Cuadro 4.5 PI fijo y adaptativo, valor deseado 0,5 g.m-3 de O2 .............................. 52 Cuadro Ap.1 Validacin lazo abierto en poca seca ............................................... 57 Cuadro Ap.2 Validacin lazo abierto en poca tormenta ....................................... 59 Cuadro Ap.2 Validacin lazo abierto en poca lluviosa ......................................... 60 Cuadro Ap.4 Validacin lazo cerrado en poca seca .............................................. 62 Cuadro Ap.5 Validacin lazo cerrado en poca lluviosa ........................................ 64

vii

NOMENCLATURA
ASM1 Activated Sludge Model 1 BSM1 Benchmark Simulation model 1 DQO Demanda qumica de oxgeno EQ IAE ISE Kc KLa Kp N O2 SALK Si SO Ss SND SNH SNO T Tc Ti ndice de Calidad del efluente Integral del error absoluto Integral de error al cuadrado Ganancia de lazo cerrado Coeficiente de transferencia de oxgeno Ganancia de la planta Nitrgeno Oxgeno Alcalinidad Materia orgnica soluble inerte Concentracin de oxgeno Sustrato fcilmente biodegradable Solubles de nitrgeno orgnico biodegradable NH4+NH3 Concentracin de Nitrato Constante de tiempo de la planta Constante de tiempo del controlador Tiempo integral del controlador Constante de tiempo normalizada Biomasa autotrpica activa Biomasa hetertrafa activa Partculas inertes de materia orgnica Sustrato lentamente biodegradable Partculas derivadas de la biomasa Partculas de nitrgeno orgnico biodegradable

c
XB,A XB,H Xi Xs XP XND

viii

RESUMEN
El objetivo fundamental de este proyecto fue evaluar los costos de operacin y el desempeo de un esquema de control adaptativo en una planta de tratamiento de aguas residuales y compararlo con un controlador de parmetros fijos. La metodologa empleada se bas inicialmente en validar el modelo BSM1 empleado, comparando los valores de los ndices de desempeo obtenidos con los del patrn de comparacin (COST). Luego se procedi a implementar un controlador PI adaptativo, modificando el originalmente usado en la planta, para esto primero se implement un bloque identificador, el cual se encarga de obtener un modelo de primer orden de la planta, la cual, debido a su gran no linealidad, resulta difcil de identificar. Posteriormente se incorpor a ste proceso una funcin adaptativa de los parmetros de un controlador PI. Se analiz el efecto que tiene la variacin del parmetro de sintonizacin de controlador c en la planta con el propsito de elegir uno que cumpla con un buen funcionamiento de adaptacin. Adems de la misma forma se observ el efecto de la variacin del nivel de referencia del oxgeno y se realizan cuadros comparativos del ndice de calidad y costos de operacin para observar el efecto de stas variaciones. Entre las conclusiones ms importantes se destaca el hecho de que la planta sea no lineal, ya que esto complica el desarrollo del trabajo. Adems, en cuanto al ndice de calidad del efluente es muy poco lo que vara modificando ya sea el parmetro de diseo del sistema de control o el valor deseado del mismo. En cuanto a la energa de aireacin si se obtienen resultados ms relevantes, en donde si se utiliza un valor deseado menor al usual y utilizando una mezcla entre el controlador PI fijo y el adaptativo, se logra obtener un ahorro importante de 13 000 000 por ao.

ix

CAPTULO 1: Introduccin
1.1 Descripcin del Proyecto
El tratamiento de aguas residuales es un proceso importante a escala mundial, mediante el cual es posible disminuir en gran medida la contaminacin de los ros y mares por las aguas servidas que provienen de los hogares y de las industrias. Las plantas de tratamiento de aguas residuales (WWTP por sus siglas en ingls), son sistemas complejos, los cuales utilizan microorganismos vivientes para realizar el proceso de depuracin. Estos sistemas estn sujetos a grandes cambios en el afluente debido al clima y en el grado de contaminacin de este. Adems, a esto se suman la complejidad biolgica del proceso y lo lento del mismo, lo cual hace que las estrategias de control implementadas en una planta de tratamiento de aguas residuales deban considerar las variaciones del proceso y evaluarse adecuadamente. Por esta razn, la COST (European Cooperation in the Field of Scientific and technical Research) desarroll el simulador para pruebas comparativas en plantas de tratamiento de aguas residuales denominado BSM1 [3], desarrollado para varias plataformas de simulacin incluyendo el MATLAB. Mediante su utilizacin, se pueden evaluar las estrategias de control, considerando diferentes condiciones del afluente. Debido a la naturaleza variante de este proceso, es importante emplear mtodos de control ms eficientes, como por ejemplo el control adaptativo, el cual fue utilizado en este proyecto.

1.2 Objetivos
1.2.1 Objetivo General
Comparar el desempeo y el costo operativo del control adaptativo de una planta de tratamiento de aguas residuales, con los de un esquema de control con parmetros fijos, conforme a lo establecido en el Benchmark Simulation Model no.1 (BSM1)

1.2.2 Objetivos Especficos

Introducir los sistemas de tratamiento de aguas residuales por lodos activados y en particular el modelo ASM1. Familiarizarse con el modelo de prueba simulado en el BSM1. Realizar pruebas de operacin con los lazos de control bsicos planteados en el BSM1, en condiciones de poca seca, lluviosa y tormenta. Evaluar los costos de operacin y la calidad del agua del efluente, segn los ndices establecidos en el COST. Disear, implementar y evaluar, los lazos de control con base en una formulacin adaptativa. Comparar el desempeo y el costo del esquema de control adaptativo implementado, con el de los lazos de control de parmetros fijos del BSM1.

1.4 Metodologa
La metodologa que se utiliz comprendi los siguientes pasos: Primero se realizaron pruebas de simulacin bsicas en lazo abierto y lazo cerrado para las pocas seca, lluviosa y de tormenta. Esto con el fin de familiarizarse con la herramienta de simulacin y validar los resultados obtenidos, verificando que estos coincidieran con los reportados en el COST [3]. Posteriormente se implement un esquema de control adaptativo y se compararon los costos de operacin y rendimiento de este con los del sistema de control de parmetros fijos incluido en el BSM1.

CAPTULO 2: Antecedentes
Se presenta aqu la teora relevante que sirvi de base para el desarrollo del proyecto. Principalmente se realiza una descripcin detallada del Benchmark Simulation Model n1 (BSM1), el cual es el ambiente de simulacin empleado y que define la planta de tratamiento de aguas residuales a controlar. Adems, se incluye la teora relevante acerca del control adaptativo y la identificacin de parmetros de un modelo en tiempo discreto.

2.1 El benchmark simulation model

El sistema de comparacin, como se mencion anteriormente, incluye una planta de tratamiento de aguas residuales tpica junto con su sistema de control. En este se pueden realizar pruebas utilizando diferentes efluentes y evaluar el desempeo del sistema de control[2]. El simulador est disponible para diferentes ambientes de trabajo. En este

proyecto en particular se utiliz su implementacin en MATLAB/Simulik, por ser la herramienta de simulacin disponible en la Escuela de Ingeniera Elctrica. El proceso utilizado para estudiar los sistemas de control de la planta de tratamiento de aguas residuales dentro del BSM1 consta de un reactor biolgico de cinco compartimentos y un decantador. El fenmeno biolgico dentro del reactor es descrito mediante el modelo de lodos activados ASM1 [4]. El proceso en los dos primeros compartimentos es anxido, no se le proporciona oxgeno, y el de los restantes tres es aerbico, se le adiciona oxgeno. La planta adems maneja una configuracin utilizada en plantas de gran escala, con la cual se trata de alcanzar la eliminacin 4

5 completa del nitrgeno y para esto se realiza un proceso de nitrificacin seguido por uno de predenitrificacin. La salida del reactor se lleva a un sedimentador. A partir de este se tiene una recirculacin externa hacia el primer compartimento del reactor para que los microorganismos vuelvan a ser parte del proceso de limpieza. Tambin se obtiene el desperdicio que se extrae y el agua ya limpia se vierte en el ro. El sistema de control provisto para las planta incluye el control del nivel de oxgeno en el ltimo compartimento del reactor, manipulando el flujo de aire inyectado al mismo y el del nivel de nitrato en el segundo compartimento manipulando el caudal de la recirculacin interna (a partir del quinto compartimento). El diagrama de la planta se puede observar en la figura 2.1.

Figura 2.1 Planta del modelo BSM1 [2] Las variables indicadas en la figura 2.1 son: Q0, Z0 KLa Qa, Za Qf, Zf caudal y composicin del afluente coeficiente de transferencia de oxgeno caudal y composicin de la recirculacin interna caudal y composicin de la salida del reactor

6 Qe, Ze Qr, Zr Qw, Zw caudal y composicin del agua depurada caudal y composicin de la recirculacin externa caudal y composicin del material de desecho

Caractersticas generales del proceso simulado. La planta est diseada para que trabaje con un promedio de afluente de 20000 m3d-1 y con un promedio de demanda qumica de oxgeno biodegradable (DQO) de 300 g.m-3. Tanto el volumen del reactor como el volumen del sedimentador es de 6000 m3. La lista de variables de estado que estn implementadas en el ASM1 se muestra en el Cuadro 2.1: Cuadro 2.1 Estados del modelo ASM1 Descripcin de la variable de estado Densidad de materia soluble inerte orgnica Densidad de sustrato biodegradable Densidad de Partculas inertes orgnicas Densidad de Sustrato biodegradable lento Densidad de Biomasa activa heterotrfica Densidad de Biomasa activa autotrfica Densidad de Productos originados a partir de la Densidad de Oxgeno Densidad de Nitrato y nitrito de nitrgeno Densidad de NH4 + NH3 nitrgeno Densidad de Nitrgeno soluble biodegradable Densidad de Partculas nitrgeno Concentracin de alcalinidad Smbolo SI SS XI XS XB,H XB,A XP SO SNO SNH SND XND SALK Unidades g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de N g.m-3 de N g.m-3 de N g.m-3 de N Mol L-1

2.2 Datos del afluente

El grupo de trabajo que desarroll el sistema de prueba, prepar archivos con los datos del afluente para tres condiciones de clima diferentes (poca seca, lluviosa y tormenta) durante un periodo de dos semanas. El primer archivo representa la poca seca y genera un decremento durante el fin de semana en la carga. El segundo posee una alta cantidad de lluvia durante la segunda semana, incrementando de esta forma el afluente. Por ltimo, el tercero posee dos simulaciones de tormenta durante la segunda semana, siendo un perodo menos largo que el de lluvia pero ms intenso. Todos los archivos incluyen 14 das de afluente a intervalos de 15 minutos. En la figura 2.2 se muestra la variacin del caudal del afluente respecto al tiempo. En este se observa claramente los dos eventos de tormenta y el incremento notable del afluente.

Figura 2.2 Afluente en poca de tormenta [2]

2.3Proceso de verificacin y simulacin

Para validar el software de simulacin, se debe de realizar primeramente una prueba en estado estacionario y esperar a que el sistema se estabilice. Posteriormente se debe realizar la simulacin por 14 das en seco y luego se puede proceder a simular en estado dinmico por 14 das con cada uno de los archivos que proveen las caractersticas del afluente con climas distintos. El primer paso es tener todos los controladores deshabilitados y las variables deben de poseer un valor constante. Luego se simula en estas condiciones por 100 das y se comparan los valores de salida con los datos de referencia que se especifican en manual del COST [2]. Si los valores son los mismos o no tienen una discrepancia significativa, se podra decir que la implementacin del modelo es correcta. Luego se realiza la misma prueba en estado dinmico por 14 das tanto para la poca seca, lluviosa y de tormenta. Se verifican nuevamente los valores de las variables de estado. Antes de cada simulacin dinmica debe venir precedida una simulacin en estado estacionario, esto para asegurar que la planta alcanz valores estables.

2.4 Estrategia de control

En el sistema de prueba se propone una estrategia de control bsica que se utiliza para validar el cdigo de simulacin. En otras palabras, que antes de disear nuestra propia estrategia de control se debe validar anteriormente el software implementado mediante una estrategia de control predefinida. Los objetivos primordiales de los dos controladores son:

9 Mantener la concentracin de nitrato en el segundo compartimiento a un valor de 1g.m-3 de N. Mantener la concentracin de oxgeno en el quinto compartimiento a un nivel de 2 g.m-3 de O2. Para el caso del controlador de nitrato se tiene que la variable manipulada es el flujo de la recirculacin interna del quinto compartimento al primero. Para el caso del oxgeno disuelto la variable manipulada es el flujo de aire entrando al compartimiento. Ambos son controladores con estrategia PI. Antes de proceder a realizar un experimento en lazo cerrado, se debe previamente correr la simulacin en estado estacionario con las variables constantes por 100 das y luego el archivo de poca seca por 14 das. Luego ya se puede simular cualquiera de los tres archivos de distintos climas.

2.5 Evaluacin del rendimiento

La evaluacin del rendimiento se realiza a partir de los datos obtenidos de las simulaciones de los tres archivos de clima. Se deben cumplir los lmites que se presentan en el cuadro 2.2 . Cuadro 2.2 Variables de estado del modelo ASM1 Variable Ntot CODt SNH BOD5 Valor <18 g.m-3 de N <100 g.m-3 de O2 <4 g.m-3 <10 g.m-3

10 Se debe entonces de tomar en cuenta de esta forma el nmero de veces que se violan estos lmites. La evaluacin de rendimiento se hace en dos niveles. El primer nivel abarca los lazos de control evaluados por los criterios de error integral IAE e ISE. Esto indica simplemente si la estrategia de control propuesta ha sido aplicada correctamente. El segundo nivel determina el rendimiento de la estrategia de control sobre la planta, el cual a su vez puede ser divido en dos: Calidad del efluente - este ndice se calcula a partir de la descarga de contaminacin en el cuerpo acufero. Factores del costo de operacin: Produccin de lodo - calculado a partir del desperdicio en el perodo a tratar. Variaciones en la salida de los controladores. Aeracin y energa de bombeo - Se calcula a partir de la constante de transferencia en los tres tanques que tienen aireacin. Para el diseo de una estrategia de control distinta a la que plantea el sistema de prueba se deben de seleccionar actuadores y sensores de la manera correcta, tratando de minimizar el monto de inversin.

11

2.6 Identificacin de Parmetros

La identificacin de parmetros en este proyecto es importante debido a que para que el control adaptativo funcione correctamente debe tomar los parmetros de algn modelo y a partir de ah generar nuevos valores para el controlador. El objetivo es precisamente obtener un modelo de la planta continua, de tal forma que logre indentificar correctamente el proceso. A continuacin se muestra el mtodo utilizado en el proyecto.

2.6.1 Mtodo de cuadrados mnimos y cuadrados mnimos recursivos

Modelo del sistema y las perturbaciones Primero se supone que el modelo puede ser modelado como un proceso estable, el cual puede ser descrito por una ecuacin lineal en diferencias de la forma [1]: 1 1 2 1 2 o en la forma vectorial: donde: 1, 2 , 1, 2 , , 1, 2 (2.6-2) (2.6-1)

. . , , . 1, 2, . . (2.6-3)

12 U(k) y Y(k) son los valores de entrada y salida del sistema en el instante k, U es el valor medio de la seal de entrada y Y es el valor medio de la seal de salida y v(k) es una seal de ruido. La funcin de transferencia en Z de este sistema es:

(2.6-4)

1 1 (2.6-5)

El mtodo de cuadrados mnimos cuadrados consiste en buscar los parmetros desconocidos de tal forma que la suma de los cuadrados de las diferencias entre los valores observados y calculados multiplicado por un nmero que mide el grado de precisin sea un mnimo. Para un caso determinstico se tiene que para encontrar los 2n parmetros se necesitan realizar 2n medidas de u(k) y y(k), con las que se puede plantear un sistema de ecuaciones donde las incgnitas son los parmetros ai y bi. 1 1 1 1 O bien: Donde N=2n y los parmetros se calculan como:

Mtodo recursivo Se aprovechan parte de los clculos realizados en un instante, para el siguiente, de forma tal que el clculo de los parmetros en un instante de tiempo se calculan: (2.6-6)

De esta forma se plantean las expresiones de los parmetros en los instantes N y N +1 y de calcula el trmino de correccin de la expresin anterior.

13 Los pasos son los siguientes: 1. Seleccionar los valores iniciales de P(k) y de , donde P(k) es la matriz de covarianza. 2. Obtener los nuevos valores de y(k+1) y de u(k+1) 3. Calcular el error residual como: 1 1 1 4. Calcular L(k+1) como: 1 1 1 1

5. Determinar los nuevos parmetros estimados por: 1 1 1 6. Actualizar la matriz de covarianza 1 1 1 7. Actualizar el vector de medidas 2 8. Hacer k=k+1 y volver al paso 2. La estimacin de los parmetros se realiza por los valores de la estimacin anterior corregida por un trmino lineal de error entre la salida y su prediccin siendo L(k+1) la ganancia de correccin.

2.7 Controladores en tiempo discreto

Debido a que la identificacin de parmetros del modelo de la planta se realiza en forma discreta, es importante mencionar los aspectos ms relevantes acerca de los sistemas en tiempo discreto. Cuando un sistema continuo se conecta a un sistema discreto, se ocupa analizar el comportamiento de lazo cerrado del sistema en tiempo discreto. [4] La transformada Z se utiliza para definir una transformacin de una seal definida en el tiempo discreto y representarla en la frecuencia compleja z.

14
Y ( z ) = y ( k ) z k
0

(2.7-1)

Donde Y(z) denota la trasformada Z de la seal discreta y (t) , y z es la variable de transformacin Z. Es posible tambin convertir una expresin de tiempo continuo dado en funcin de s (frecuencia compleja), y convertirla en una expresin en tiempo discreto mediante:

1 z 1 t

(2.7-2)

Expresin que se conoce como la aproximacin en diferencias hacia atrs de s, equivalente una serie de Taylor de primer orden.

2.8 Control adaptativo

Cuando en un proceso se requiere cambiar el comportamiento conforme a nuevas circunstancias se hace referencia al trmino adaptativo. Particularmente en teora de control de procesos, un regulador adaptativo es un dispositivo capaz de modificar el comportamiento de un sistema ante cambios en la dinmica y a las perturbaciones [1].

Figura 2.3 Esquema bsico de un control adaptativo [1]

15

En la figura 2.3 se muestra el esquema bsico de un control adaptativo. En esta se observa que est presente un lazo de control principal con realimentacin negativa en el cual acta un regulador. Adems de este lazo, tambin est presente otro lazo en el cual se mide un ndice de actuacin y este valor es comparado con el ndice deseado. Luego de esta comparacin el error se procesa en un mecanismo de adaptacin, el cual ajusta los parmetros del controlador o bien acta directamente en el control. La principal diferencia del control adaptativo es precisamente el ndice de funcionamiento o actuacin que se mide en el segundo lazo. Tambin se puede disear control adaptativo en lazo abierto, como se muestra en la figura 2.4.

Figura 2.4 Esquema bsico de un control adaptativo en lazo abierto [1] Existen principalmente dos clases de control adaptativo, los cuales se definen de acuerdo a las tcnicas utilizadas para disear los bloques mostrados anteriormente. Controles adaptativos con modelo de referencia (MRAC) Reguladores autoajustables (STR)

La hiptesis que justifica el uso de estos controladores, es que para un juego de valores posibles de los parmetros de la planta y para valores de las perturbaciones, existe un

16 controlador lineal tal que el conjunto controlador-planta tiene caractersticas pre especificadas. Los controladores adaptativos con modelo de referencia, intentan alcanzar para una seal de entrada especfica un comportamiento en lazo cerrado, dado por un modelo de referencia. Ventajas Rpida adaptacin para una entrada definida. Simplicidad en el tratamiento de la estabilidad para sistemas no lineales.

Por otro lado, los reguladores autoajustables tratan de alcanzar un control ptimo, sujeto a un tipo particular de controlador y a obtener informacin del proceso. Ventajas Se adapta para cualquier caso y para perturbaciones no medibles. Hace posible la programacin por bloques.

Se deben seguir los siguientes pasos para la realizacin de un control adaptativo: 1. Caracterizar el comportamiento cerrado. 2. Determinar una ley de control adecuada con parmetros ajustables. 3. Encontrar un mecanismo para ajustar los parmetros. 4. Implementar la ley de control. Particularmente en este proyecto se utiliz el control adaptativo autoajustable (STR), porque se adapta para perturbaciones no medibles, como es el caso de la planta de tratamiento de aguas residuales. deseado del sistema de lazo

17

2.8.1 Control adaptativo autoajustables (STR)

Los controladores STR trabajan de tal forma que realizan automticamente la sintonizacin de los parmetros para obtener la respuesta de lazo cerrado. Adems, estos controladores son especialmente utilizados ante procesos en los cuales existen seales que no se pueden predecir. Los controladores tratan de automatizar muchas de las tareas mencionadas anteriormente, tales como el modelado, la ley de control y la implementacin. La figura 2.5 muestra el diagrama de bloques del STR, en el cual el lazo externo es el que se encarga de ajustar los parmetros del controlador. Se observa adems, que este lazo se compone de un bloque que realiza la estimacin de la planta, particularmente el mtodo de parmetros recursivos y un mecanismo de adaptacin que desarrolla la tarea de diseo del regulador.

Figura 2.5 Diagrama de bloques del STR

CAPTULO 3: Validacin y evaluacin del modelo BSM1

La validacin del modelo es sumamente importante antes de iniciar un diseo de control distinto al que viene incorporado, ya que se logra determinar si los archivos que se estn usando concuerdan con los originales propuestos en el COST, y de esta forma luego proceder con el diseo de control, el cual en este caso se basa en un algoritmo adaptativo. Para realizar sta etapa se tom el modelo de la planta en estado estacionario como se muestra en la siguiente figura 3.1:

Clock

Display

rec To Workspace10

reac1 To Workspace5
InputOutput input
0:0 -C-

reac2 To Workspace6
input
0:0 -C-

reac3 To Workspace7
input
0:0 -C-

reac4 To Workspace8
input output KLa

reac5 To Workspace2
f low set_1 f low1 f low2

Mux

combiner

input
0:0 -C-

Flow_comb2 Qin, Qr and Qintr

Hyd_delay

output KLa

output KLa

output KLa

output KLa

KLa1

Bioreactor_1

KLa2

Bioreactor_2

KLa3

Bioreactor_3

KLa4

Bioreactor_4

Bioreactor_5
0:0 -C-

Flow_splitter Qintr Qintr

0:0

combiner Flow_comb1

KLa5

Mux

Qin and Qr

settler To Workspace3

feed To Workspace
f eed
0:0

Y U RAS underflow CONSTINFLUENT Plant input

output Qr Qw
0:0 385

Qin0 Qr Qw

Settler_1D

in To Workspace4

Figura 3.1 Planta operando en lazo abierto ante una entrada constante

18

19

3.1 Validacin en lazo abierto

Como se observa en la Figura 3.1 la planta est operando en lazo abierto, de manera que no existe ninguno de los dos controladores (el que controla la concentracin de oxgeno en el quinto tanque y el que controla la concentracin de nitrato en el segundo tanque). Adems, se observa que el caudal de entrada es constante, lo cual lograr que las variables S_O5 (oxgeno en el quinto compartimento) y S_NO2 (densidad de nitrato en el segundo compartimento) alcancen un punto de operacin, el cual es importante determinar para la implementacin del control adaptativo como se ver ms adelante. La prueba se realiza durante 100 das para lograr que verdaderamente se alcancen los valores estables. Una vez realizada sta prueba se procede a correr ahora por 14 das la simulacin pero con el archivo de POCA SECA y luego se puede utilizar de nuevo simulando por 14 das cualquiera de los tres archivos de estacin y utilizando el archivo llamado perf_plant (el cual genera diversos ndices de rendimiento de la planta). Los resultados obtenidos se muestran en el cuadro 3.1 a 3.3 con el fin de compararlos con los valores del COST. Cuadro 3.1 ndices de la planta en lazo abierto y con caudal de poca seca
Promedio de concentraciones en el efluente Variables Q S_I S_S X_I X_S X_BH X_BA X_P Unidades COST g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 g.m-3 de O2 18061,3 30 0,974 4,578 0,223 10,221 0,542 1,756 Validacin 18061,332 30 0,974 4,579 0,223 10,221 0,542 1,757 -0,002 0 0 -0,002 0 0 0 -0,001 0 0 0,008 0,033 0,022 0,002 0,031 0,068 diferencia %Error

20

ndices de la planta en lazo abierto y con caudal de poca seca

S_O S_NO S_NH S_ND X_ND S_ALK TSS N_TKN N_tot COD_tot BOD5_tot ndice IQ ndice EQ lodo lodo por da lodo en el efluente lodo en el efluente por da total de lodo total de lodo por da Energa de aireacin Energa de bombeo El nivel mximo de Nitrato en el efluente fue violado durante ie: EL lmite fue violado en El nivel mximo de S_O fue violado durante: i.e.: g.m-3 de O2 g.m-3 de N g.m-3 de N g.m-3 de N g.m-3 de N mol L -1 g.m-3 g.m-3 de N g.m-3 de N g.m-3 de O2 gm-3 kg /d de unid.cont kg /d de unid.cont1 Kg de SS kg /d de SS Kg de SS kg /d de SS Kg de SS kg /d de SS kWh/d kWh/d d 0,746 8,823 4,763 0,729 0,016 4,457 12,99 6,749 15,572 48,293 0,746 8,824 4,759 0,729 0,016 4,456 12,992 6,745 15,569 48,296 0 -0,001 0,004 0 0 0 -0,002 0,004 0,004 -0,003 0,012 0,008 0,09 0,012 0,051 0,007 0,017 0,062 0,022 0,006

2,775 2,775 0 0,004 42042, 42042,815 -0,015 0 8 7066,7 7065,618 1,102 0,016 2 17051, 17049,823 1,877 0,011 7 2435,9 2435,689 0,281 0,012 7 1642,2 1642,538 -0,278 0,017 6 234,61 234,648 -0,038 0,016 18694 18692,361 1,639 0,009 2670,5 8 6476,1 1 2966,7 6 0,57 2670,337 0,243 0,009 6476,112 -0,002 2966,76 0 0 0

0,573 -0,003 0,512

% de tiempo ocaciones d

8,18 5 4,38

8,185 -0,005 0,055 5 0 0 4,375 0,005 0,114

% de tiempo

62,5

62,5

1. Unid.cont se refiere a unidades de contaminacin que es un equivalente usado por qumicos.

21 Como se observa en el cuadro 3.1 todos los porcentajes de error fueron menores al 1%, lo cual indica que el modelo implementado en lazo abierto es correcto. Para los dems datos de afluente, Lluvia y Tormenta se procede exactamente de la misma manera, se simula durante 100 das en estado estable, luego 14 en poca seca y luego se simula en alguna de estas dos opciones por 14 das, de los cuales los ltimos 7 sern los ms importantes para tomar los datos.

3.2 Validacin en lazo cerrado

Una vez validado el modelo en lazo abierto, se procede de igual forma a implementar el algoritmo de control base dado en el benchmark para nuevamente validar los resultados con el manual. Para este caso se tomar como ejemplo el afluente para tormenta La figura 3.2 muestra el modelo de la planta trabajando en lazo cerrado, o sea con los controladores funcionando. Los controladores se pueden observar sobre las etiquetas Qintr_control y O2_control, los cuales poseen una referencia a la cual se desea que se mantengan las variables controladas. Para el caso del oxgeno se tiene un valor de referencia de 2 g.m-3 de O2 y para el caso del nitrato-nitrgeno de 1 gm-3. Luego se ver que se puede obtener otro punto de referencia donde se optimicen los costos de operacin, as que fueron sustituidos para el diseo de nuevas estrategias.

22

rec To Workspace

Clock

Display

Stream1 Stream Stream2 InputOutput input

0:0 -C-

input
0:0 -C-

input
0:0 -C-

input
0:0 -C-

input output KLa

Stream Stream1 set_1 Stream2

Flow_comb2

Hyd_delay

output KLa

output KLa

output KLa

output KLa

KLa1

Bioreactor_1

KLa2

Bioreactor_2

KLa3

Bioreactor_3
In Out

KLa4

Bioreactor_4

Bioreactor_5
O2_meas

Flow_splitter

S t rea m 1 S tre a m S t rea m 2

KLa O2_ref meas ref Qin f low

SO5ref SO_ref

0:0

Flow_comb1
0:0 SNO2ref

SNO_sensor

O2_control

NO3_ref

Qintr_control
f eed underf low Qr Qw
0:0 385

Qin0 Qr Qw

0:0

CONSTINFLUENT Plant input in To Workspace1

Settler_1D

Figura 3.2 Planta operando en lazo cerrado ante una entrada constante Los dos controladores sugeridos son controladores PI. Su rendimiento es evaluado con (i=1 para el nitrato e i=2 para el oxgeno): IAE

| | donde ei es el error: ISE (Integral del error cuadrado)

(3.2-1)

(3.2-2)

(3.2-3)

Desviacin mxima del error: | | (3.2-4)

Varianza del error: Con

(3.2-5)

23

(3.2-6)

Variaciones en la varianza de la variable manipulada (ui): Con | |

(3.2-8) (3.2-9)

(3.2-9)

Para validar el modelo y los controladores, de igual forma se realiz una prueba en estado estacionario por 100 das seguido por una simulacin en poca seca por 14 das, para luego simular la planta con el afluente deseado, en este caso en condiciones de tormenta. En los cuadros 3.2 y 3.3 se muestran el resultado. De la misma forma que para el caso de lazo abierto se observa que lo valores obtenidos del modelo de la planta trabajando en lazo cerrado varan muy poco con respecto a los valores del manual. En el apndice A se puede observar los mismos resultados para las estaciones lluviosa y seca. De esta forma finaliz el proceso de verificacin del modelo y se inici la implementacin del diseo de los controladores de la forma adaptativa. Los datos ms relevantes, de los cuadros anteriores, son la calidad del efluente y la energa de aireacin. La calidad del efluente determina la cantidad de contaminacin presente en el caudal que sale de la planta de tratamiento, de manera que entre ms pequeo sea este ndice, mejor calidad en el caudal. La energa de aireacin representa la energa que emplea el soplador del quinto tanque en mantener el nivel de oxgeno.

24 Cuadro 3.2 ndices de la planta en lazo cerrado y con caudal de tormenta

Promedio de concentraciones en el efluente unidades COST Validacin diferencia %Error kg /d de unidades de contaminacin 43758,11 43758,115 -0,005 0 kg /d de unidades de contaminacin Kg de SS kg /d de SS Kg de SS 8304,24 18239,73 2605,68 2208,09 8303,8 18238,545 2605,507 2208,277 0,44 1,185 0,173 -0,187 0,005 0,006 0,007 0,008

Variable ndice IQ ndice EQ lodo lodo por da lodo en el efluente lodo en el efluente por da total de lodo total de lodo por da Energa de aireacin Energa de bombeo El nivel mximo de Nitrato en el efluente fue violado durante ie: EL lmite fue violado en El nivel mximo de S_O fue violado durante: i.e.: El lmite fue violado en:

kg /d de SS Kg de SS

315,44 20447,81

315,468 20446,823

-0,028 0,987

0,009 0,005

kg /d de SS kWh/d kWh/d

2921,12 7286,06 1727,31

2920,975 7286,033 1727,199

0,145 0,027 0,111

0,005 0 0,006

d % de tiempo

1,1 15,77

1,104 15,774

-0,004 -0,004

0,382 0,024

ocaciones

d % de tiempo ocasiones

1,88 26,79 7

1,875 26,786 7

0,005 0,004 0

0,266 0,016 0

25 Cuadro 3.3 Validacin de ndices en el control del oxgeno

Control de oxgeno en el tercer tanque unidades COST Validacin diferencia %Error unidades PI

variable tipo de controlador

Ganancia proporcional (K) 1/d/(g /m3) de O2 Constante de tiempo (Ti) d Constante de tiempo del anti-wind up d Variable controlada, SO5 nivel de referencia IAE ISE Desviacin mxima del nivel de referencia Desviacin estndar del error Varianza del error g.m-3 de O2 g.m de O2 g.m-3 de O2
-3

500 0,001

500 0,001

0 0

0 0

2 0,025 3,24E03

2 0,025

0 0

0 0,166

3,26E-03 -1,90E-05 0,583333

g.m-3 de O2

0,23

0,23

-0,001

0,244

g.m-3 de O2

0,021 4,56E04

0,021

0,318

g.m-3 de O2

0,00046 -3,10E-06 0,677632

Variable manipulada(MV), Kla5 Mxima desviacin del MV Mxima desviacin del MV (delta) desviacin estndar del MV (delta) Variance of MV (delta)

1/d

193,166

195,007

-1,841

0,953

1/d

36,775

36,819

-0,043

0,117

1/d (1/d)

5,501 30,262

5,507 30,323

-0,005 -0,06

0,1 0,199

26

3.3 Variacin del valor deseado de los controladores

El siguiente estudio contempl la variacin de los valores deseados tanto para el controlador de oxgeno como para el de nitrato. Originalmente estos valores estaban en 2 g.m-3 de concentracin de oxgeno y 1 gm-3 de concentracin de nitrato. El valor deseado del controlador encargado del valor del oxgeno en el quinto tanque, mediante la manipulacin del coeficiente de transferencia de oxgeno fue ajustado desde 0,1 g.m-3 de O2 hasta 3 g.m-3 de O2 y al mismo tiempo el valor deseado del controlador de la densidad de nitrato en el segundo tanque, mediante la manipulacin del coeficiente de flujo de reciclaje interno, fue ajustado desde 0,1 g.m-3 hasta 3 g.m-3 de N. Esto con el fin de buscar el punto de trabajo ideal, al menos en cuanto a los ndices de desempeo de la planta se refiere. A continuacin se muestran las grficas ms determinantes para decidir sobre qu punto de operacin trabajar. Se observa en la figura 3.3 que aumenta la calidad a medida que el valor deseado del oxgeno disminuye y a medida que el valor deseado de la densidad de nitrato aumenta. Por lo tanto considerando solo la calidad del efluente consigue un valor deseado de 0,5 g.m-3 para el oxgeno y 1,5 g.m-3 para el nitrato. En la figura 3.4 se obtiene que es muy estable ante variaciones en ambos valores deseados. Sin embargo se observa que las variaciones ms importantes se presentan conforme disminuye el valor de referencia de la demanda de oxgeno, y para el valor de 0,4625 se produce un cambio muy abrupto. Esto se debe a que el tanque de oxgeno tiene ms peso sobre el proceso de la planta que el de nitrgeno.

27

Figura 3.3 Calidad del efluente

Figura 3.4 Produccin de lodos de desecho

28

Figura 3.5 Energa de Aereacin Como se muestra en la figura 3.5 la energa de aireacin aumenta con el valor deseado del controlador de la concentracin de oxgeno en el quinto tanque y no depende en forma apreciativa de la concentracin del nitrato.

Figura 3.6 Energa de Bombeo

En la figura 3.6 se muestran los requerimientos de energa de bombeo de recirculacin donde se nota que a bajos niveles de la concentracin de oxgeno y a altos

29 niveles de la concentracin de nitrato se incrementa considerablemente la energa de bombeo requerida. Tomando en cuenta los resultados anteriores y dndole ms peso a la calidad del efluente se pueden seleccionar como nuevos valores deseados 0,5 g/m3 para el oxgeno y 1,7 g/m3 para el nitrato. Este punto de operacin si bien es cierto no es mnimo en cuanto a la energa de bombeo generada, tampoco demanda los valores ms altos y garantiza el menor nivel de contaminacin en el vertido del efluente de la planta.

CAPTULO 4: Implementacin del control adaptativo y evaluacin del desempeo

La implementacin se realiz en varias etapas. Se irn presentando las modificaciones realizadas al modelo original del COST, junto con grficas que demuestren la validez de proceso. Inicialmente se explicarn los bloques utilizados y se tratarn como independientes de la planta, para luego ser incorporados al proceso.

4.1 Identificacin de parmetros del modelo en tiempo discreto

El mtodo utilizado para identificar el modelo de la planta fue el del algoritmo de cuadrados mnimos cuadrados recursivos, el cual permite estimar en tiempo real los parmetros de un determinado sistema en tiempo discreto. [1] Para determinar los parmetros del modelo de la planta se utiliz el bloque llamado RLS Identification implementado en simulink mostrado en la figura 4.1:

t Cl o c k t
u param s y

p a ra m s p a ra m s

RL S Id e n ti fi c a ti o n

Nu m G c (s) De n G c (s) Signal g e n e ra to r Co n ti n u o s ti m e P ro ce ss u u

y y

Figura 4.1 Diagrama de bloque para la identificacin 30

31 El bloque continuos time process representa la planta a identificar. Como se observa, la entrada y salida del proceso van directamente conectadas al bloque RLS y una seal aleatoria excita al proceso. La funcin de transferencia de un modelo discreto es de la siguiente forma:

cuyos coeficientes ai,bi son proporcionados por el identificador y se pueden obtener modelos de orden 1, 2, 3. Para ejemplificar el funcionamiento de este bloque se tom un proceso continuo el cual posee la siguiente funcin de transferencia:

(4.1-1)

En este caso, una vez que se ejecut el archivo de identificacin se obtuvieron b1=0.0012, b2=0.0012, a1=-1.9025, a2= 0.9048

El modelo corresponde de esta forma a un modelo de segundo orden.

Figura 4.2 Proceso continuo y proceso discreto ante una seal escaln

32 Se puede observar en la figura 4.2 que la respuesta del modelo y la de la planta son prcticamente iguales. De esta forma se concluye que el bloque RLS cumple la funcin de identificar correctamente.

4.2 Implementacin del mtodo adaptativo

Se seguir trabajando con el ejemplo anterior para explicar el funcionamiento del mtodo adaptativo. Al incorporar la funcin adaptativa al identificador de la figura 4.1 se obtiene el diagrama mostrado en la figura 4.3:

Ad a p ta ti o n Al g o ri th m t Clo ck t
u param s y

a d _ sfu n

p a ra m s p a ra m s

RL S Id e n ti fi ca tio n

Nu m G c(s) De n G c(s) Sig n a l g e n e ra to r Co n ti n u o s ti m e Pro ce ss u u

y y

i d e n tifi ca tio n e rro r

e rr_ i d Su b tra ct e rro r

n u m (z) d e n (z) M O DEL y_ m o d e l y_ m o d e l o

Figura 4.3 Ejemplo de adaptacin Como se observa en la figura 4.3 la adaptacin se realiz a partir del bloque ad_sfun la cual cumple la funcin de variar cada intervalo de tiempo los parmetros del modelo (MODEL), a medida que el proceso (Continuos Process) cambia. Adems, se incorpor una medicin del error entre la respuesta de la planta y la del modelo

33 En este caso particular debido a que se obtuvo un modelo que representa de manera muy exacta la planta continua, la funcin de adaptacin se realiza muy fcilmente y el error generado es prcticamente cero como se observa en la figura 4.3

Figura 4.4 Error generado por la funcin adaptativa A continuacin se presenta el proceso seguido para incorporar lo anteriormente explicado en la planta del modelo BSM1

4.3 Adaptacin de los parmetros del controlador de oxgeno

El desarrollo del mecanismo de adaptacin de los parmetros se realiz para el controlador de la concentracin de oxgeno mientras que el controlador de la densidad de nitrgeno se mantuvo funcionando con un PI de parmetros fijos, utilizando un set valor deseado de 1,7 g/m3. Adems, como se ver ms adelante, la adaptacin ser incorporada al control PI definido en el COST. La figura 4.5 muestra ambas etapas (identificacin y adaptacin) implementadas en el modelo del COST. Cada una de las etapas se ir explicando a continuacin.

34

Clock

Display1

tiempo To Workspace2

control Seal de control To Workspace

error generado
KLa SO

punto de op O2 Proceso 0.4319 parmetros

In1 Out2 O2_meas KLa O2_ref In2

salida To Workspace1

Proceso

-0.4319 punto de ope O2

Adapt_O2 ge_seales_o2

O2_control 80 KLa5

Out1

SO5ref

KLa1

Figura 4.5 Identificacin y adaptacin implementadas en el benchmark Inicialmente se redujo la planta (dejando por fuera nicamente el controlador de oxgeno) a un solo bloque llamado proceso el cual tiene nicamente una entrada y una salida, las cuales son la variable manipulada (kLa) y la variable controlada (SO, demanda de oxgeno). Para poder disponer del valor del oxgeno en el tanque 5, se utiliz el diagrama mostrado en la figura 4.6 para extraerlo del vector de datos XINIT5 del tanque 5

U Y Selector Memory O2control

1 SO

Figura 4.6 Bloque utilizado para disponer del oxgeno

35 Debido a que la planta alcanza un punto de operacin cuando se estabiliza, lo ms adecuado a realizar para que el mecanismo de adaptacin funcione correctamente sera que en el momento de extraer el nivel del oxgeno y el nivel del KLa, se restara y sumara respectivamente cada uno de los puntos de operacin, para que el controlador de esta forma trabaje con un nivel de referencia de cero. Sin embargo, esto no se tuvo que realizar para el caso particular del proyecto, debido a que el controlador modificado ya toma en cuenta estos puntos de operacin. En el bloque Adapt_O2 se encuentra incorporado tanto la etapa de identificacin y la etapa de adaptacin. Como se muestra en la figura 4.7 las seales que entran a ese bloque son respectivamente la variable controlada y la variable manipulada y partir de esta informacin se identifica el proceso y se adapta el controlador.
RLS Identification
u params y

u 1 y y In1 u

Adaptation Algorithm ad_sfun_pi

y_process y_process 2 1 Out2 In2

params params

Figura 4.7 Bloque Adapt_02 El bloque RLS realiza la identificacin de los parmetros mediante el mtodo de cuadrados mnimos recursivos, el cual como se dijo anteriormente aprovecha parte de los clculos realizados en un paso para el siguiente. En este caso la identificacin se realiz para un modelo de orden 1. Los parmetros obtenidos para el caso de la simulacin con el afluente de lluvia fueron: B= [0 0.5495], A= [1.0000 -0.9055]

36 El vector B corresponde a los coeficientes del numerador de la planta y el vector A a los del denominador. Estos parmetros son los valores finales del modelo de la planta, o sea cuando se realiza la simulacin completa de 14 das, ya que como la planta es no lineal los parmetros de sta varan en cada instante por lo que el modelo tambin ir cambiando. Por esta misma razn la forma de validar el modelo identificado es determinando la diferencia entre la respuesta del proceso y la predicha por el modelo. El bloque ad_sfun_pi adaptar los parmetros del controlador de oxgeno con base en los parmetros del modelo identificado. Para lograr que la funcin adaptativa realice la variacin de los parmetros del controlador se tom el controlador PI propuesto en el benchmark y se realizaron las modificaciones correspondientes para lograr implementar la adaptacin en este bloque. El controlador PI resultante se muestra en la figura 4.8:

Mux 1 Error 40 1 Trans_G 1 s K*e/Ti Integrator Sum Saturation

SOreg To Workspace3

Mux1

1 Constant

0.0003 200 Trans_Ti

1 Out

1 s antiwindup product useantiwindupSO5 on/off (ylim-y)/Tt

Sum1 TtSO5 Tt

Figura 4.8 Controlador del Oxgeno

37 En la figura 4.8 se observa que el controlador recibe la seal de error, la cual corresponde a la diferencia entre el nivel de referencia deseado del oxgeno y la seal realimentada. Adems, se encuentra un bloque de ganancia llamado Gain y un bloque llamado Ti, los cuales corresponden a los parmetros de un controlador PI. Cuando se tiene un sistema de control donde se tiene un rango amplio rango de condiciones de operacin, como en el caso de este proceso, puede suceder que la variable de control alcance los lmites fijados del actuador. Si se est usando un controlador con accin integral lo que pasar es que el error continuar siendo integrado generando an ms error. Para evitar esto, este controlador tiene un bloque que evita este problema. Los valores de la ganancia y el tiempo integral estn fijados en 0,04 1/d/(g/m3) de O2y 0,003 das respectivamente. La formulacin adaptativa se realiza de la siguiente forma: Primero la s-funtion de adaptativo toma el modelo discreto de la planta (cada instante de tiempo) y lo convierte a un modelo continuo utilizando el siguiente cdigo:
[numC,denC]=d2cm(B,A,Ts,'zoh');

Donde B y A son respectivamente los coeficientes del numerador y denominador respectivamente. Realizando esta definicin numC y denC sern el numerador y denominador en su forma continua. Luego se obtiene la constante de tiempo y la ganancia del modelo continuo:
(T=1/denC(2);) (Kp=numC(2)/denC(2);)

Para la sintonizacin del controlador se us el mtodo de cancelacin de polos, el cual se basa en colocar los ceros del controlador sobre los polos dominantes de la planta. Como parmetro de diseo (c) se utiliz la razn de constantes de tiempo.

38 c = Tc/T, donde Tc es la constante de tiempo de lazo cerrado y T la constante de tiempo de la planta. Los parmetros del controlador estn dados por:

De esta forma se define:

Kc=1/(taoc*Kp); Ti=T;

Variando la ganancia del controlador se modifica la velocidad de respuesta del sistema de control. Una vez definida la forma de obtener el controlador PI, se pueden realizar una gran cantidad de pruebas para distintos valores de c y para los distintos afluentes, con el fin de determinar con cual valor trabaja mejor el controlador PI adaptativo y ante cual afluente el control adaptativo se comporta de una mejor manera. Es importante recalcar en este punto que el mtodo de sintonizacin del controlador fue modificado con un de factor de correccin. La variacin se hizo en la determinacin del Ti. Debido a que como el modelo de la planta vara mucho en cada instante es muy dficil lograr una adaptacin correcta. Por esta razn se defini Ti=T/200, para contrarrestar la falta de factor integral ocasionada por la identificacin de primer orden de la planta. De esta forma los valores que se obtienen del tiempo integral en cada instante de tiempo son similares a los propuestos en el BSM1. Primeramente se realizaron variaciones de c para mostrar cmo se comporta la formulacin adaptativa ante cambios de este parmetro y se determin el rendimiento de la planta ante estos valores, obteniendo la calidad del efluente y la energa de aireacin, ndice que se ve reflejado en los costos de operacin de la planta.

39 Se tomarn los tres afluentes disponibles para mostrar las pruebas obtenidas. La prueba se realiz inicialmente durante 60 das con un afluente constante, luego se corri la simulacin ante el afluente seco por 14 das y luego ante el afluente que se desea. Se procedi a realizar las pruebas inicialmente con un valor deseado para la concentracin de oxgeno de 2 g/m3 de O2, valor que fue especificado originalmente en el benchmark. Luego este se modific al valor de 0,5 g/m3, el cual se determin en el captulo 3 como el punto de menor costo de energa de la planta.

4.3.1 Pruebas realizadas variando c

Las siguientes figuras comparan el error obtenido tanto para el controlador PI fijo, como para el controlador PI adaptativo. Se utilizaron dos valores de c, 0,2 y 0,9.

2.2

PI fijo toc=0.2 toc=0.9

2.1

2 error 1.9 1.8 1.7

g.m de O2

-3

7 tiempo(das)

10

11

Tiempo(das)

Figura 4.9 Controlador PI fijo y adaptativo en condiciones de tormenta En la figura 4.9 se observa que en condiciones de tormenta con el controlador PI fijo se tiene una oscilacin del 2,1%. Para el caso de c =0,2 la seal es bastante ms suave, pero esto repercute en que la variacin respecto al valor deseado sea mayor,

40 alcanzando niveles de 3 %. Del mismo modo pasa con un c mayor, en donde al aumentar el c, disminuye la ganancia del controlador y la amplitud de la oscilacin aumenta de manera significativa y disminuye su frecuencia.

PI fijo 2.1 toc=0.2 toc=0.3

2.05

X: 8.188 Y: 2.009

g.m-3 de O2

1.95

1.9

1.85

10

Tiempo(das)

Figura 4.10 Controlador PI fijo y adaptativo en condiciones secas En el caso de condicin seca en la figura 4.10 se observa una gran mejora al utilizar el PI adaptativo con un c de 0.2. El seal de error no presenta mucha oscilacin y la desviacin respecto al nivel de referencia no supera un incremento de 0.45%., lo cual es bastante bajo. Debido a que la estacin seca no posee grandes variaciones en el cuadal, al controlador se le hace ms fcil mantener el valor deseado. Adems debido a que el c es bastante pequeo, el sistema de control logra un mayor rendimiento. Para un c de 0.9 sucede lo contrario y la variacin es demasiado alta superando por mucho incluso al PI fijo.

41

2.6

2.4

2.2

g.m-3 de O2

X: 7.448 Y: 1.943

1.8

1.6

1.4

10

12

14

Tiempo(das)

Figura 4.11 Controlador PI fijo y adaptativo en condiciones de lluvia La operacin en condiciones de lluvia se muestra en la figura 4.11 En este caso es indudable la mejora obtenida por utilizar un controlador adaptativo. Con un c de 0,2 se logra una variacin pequea de tan solo 2,85 %. Incluso con un c de 0,9 tambin se logra una gran mejora.

4.3.2 Determinacin de costos de operacin y calidad del efluente

A continuacin se presentan cuadros que resumen los costos de operacin y la calidad del efluente en las tres condiciones y ante los distintos parmetros de diseo, con el propsito de determinar si la variacin de este repercute de manera significativa en estos factores.

42 Cuadro 4.1 Calidad del efluente y costos de operacin ante variaciones c

Energa de aireacin y calidad del efluente ante variaciones del c (tormenta y valor -3 deseado 2 gm de O2) PI adaptativo c =0.2 PI adaptativo c =0.9 Unidades PI fijo valor incre%) Valor incr(%)

kg /d de Calidad del unid. de cont 8 563,0718 8 563,0214 efluente(E.Q) Promedio de lodos liberados al efluente kg /d de SS por da 315,5129 315,5111
Energa de aireacin kWh/d valor medio Desviacin estndar

-0,0006 8 563,9563

0,0103

-0,0006

315,5125

-0,0001

7 308,8604 7 308,3547 -0,0069 7 308,3868 -0,0065 1,9990 1,9997 0,0350 2,0016 0,1301 0,0144 0,0401 178,4722 0,0984 583,3333

Energa de aireacin y calidad del efluente ante variaciones del c (seco y valor deseado 2 -3 gm de O2) PI adaptativo c =0.2 PI adaptativo c =0.9 Unidades PI fijo valor incr(%) valor incr(%)

kg /d de Calidad del unid. de cont 7 673,2222 7 673,0900 efluente(E.Q) -0,0017 7 673,8116 0,0077 Promedio de lodos liberados al kg /d de SS efluente por da 234,9053 234,9044 -0,0004 234,9043 -0,0004 Energa de kWh/d aireacin 7 246,8748 7 246,8406 -0,0005 7 245,8433 -0,0142 valor medio 2,0000 2,0245 1,2250 1,9990 -0,0500 Desviacin estndar 0,0095 0,2797 2 844,2105 0,0429 351,5789

Energa de aireacin y calidad del efluente ante variaciones del c (lluvioso y valor -3 deseado 2 gm de O2) PI adaptativo c PI adaptativo c =0.2 =0.9 Unidades PI fijo valor incr(%) valor incr(%) Calidad del efluente(E.Q) Promedio de lodos liberados al efluente por da Energa de aireacin valor medio Desviacin estndar

kg /d de unid. de cont 9 446,1064 9 446,1011 -0,0001 9 447,8846 kg /d de SS kWh/d

385,1391 385,1383 -0,0002 385,1387

0,0188

-0,0001

7 224,3775 7 213,5634 2,0056 1,9995 0,1847

-0,1497 7 213,0987 -0,1561 -0,3041 1,9990 -0,3291 0,0239 87,0601 0,0435 76,4483

Se puede observar a partir de la tabla anterior que tanto para el afluente de tormenta, seco y lluvia, al hacer uso de un PI que utilice la formulacin adaptativa no se generan grandes cambios significativos en cuanto a la calidad el efluente. El ndice de

43 calidad del efluente disminuye para todos los casos, indicando una mejor calidad del caudal depositado en el ro y menos contaminacin, pero los porcentajes son demasiado bajos. Se demuestra adems que entre ms pequeo sea el c se obtiene menor ndice de calidad del efluente. Por otra parte los menores incrementos se dan en la poca seca, como era de esperarse, debido a que es la estacin con menos cambios. Las pequeas variaciones suceden de igual forma con la energa par la aireacin. Para todos los casos se obtiene que al emplear el PI adaptativo se obtiene una disminucin en la cantidad de energa utilizada. Este resultado es de esperarse debido a que como se observ en las figuras del apartado 4.3.1 se logra seguir mejor la

referencia haciendo uso de la adaptacin. Como la energa de aireacin depende de KLa y este se manipula de mejor forma mediante el controlador adaptativo entonces se reduce el consumo de energa. La disminucin ms relevante se da para el PI adaptativo en estacin lluviosa y con c =0.2, en donde disminuye un 0.1497%. Como se observ en la figura 4.11 el PI fijo para sta estacin no logra de manera eficiente seguir el valor de referencia, por lo tanto la variable manipulada (KLa) tambin posee mayores distorsiones y aumenta el valor de la aireacin. El valor medio para todos los casos se encuentra muy cercano a 2 y la desviacin estndar tiene valores muy altos, hasta de un incremento de 583%. El siguiente cuadro cuantifica el costo de la energa gastada por la planta durante un mes ante los distintos afluentes y con los distintos parmetros de diseo. Se utiliz un costo de 50/kWh, proporcionado por la Compaa Nacional de Fuerza y Luz para sistemas de mediana tensin en horas pico (junio 2010).

44 Cuadro 4.2 Costos de operacin

Valor deseado 2 g.m-3 de O2 PI fijo PI adaptativo c =0.2 PI adaptativo c =0.9 (KWh CRC CRC (KWh) (KWh) Ahorro ) Torme 7.308 nta 7 308,86 10 963 290,60 7 308,35 10 962 532,05 758,55 ,39 7.245 Seco ,87 7 246,87 10 870 312,20 7 246,84 10 870 260,90 51,30 7.213 Luvia ,10 7 224,38 10 836 566,25 7 213,56 10 820 345,10 16 221,15

CRC
10 962 580,20 10 868 809,95 10 819 648,05

Ahorro 710,40 1 502,25 16 918,20

En la tabla 4.2 se aprecia que para todos los casos al utilizar un controlador adaptativo se obtiene un ahorro, el cual a largo plazo puede significativo. En la estacin lluviosa es donde se obtiene, para un PI adaptativo con c 0.2, el mayor ahorro (16 221) por mes.

4.3.3 Seal de control (variable manipulada)

La seal de control o variable manipulada es el coeficiente de transferencia de oxgeno (KLa) y est estrechamente relacionada con el funcionamiento del equipo de la planta. En el 5 tanque se requiere un soplador, con el se regula el flujo de aire, para lograr seguir el valor deseado de oxgeno. Este proceso implica un aumento o disminucin de la velocidad del equipo. A continuacin se presentan las grficas correspondientes de la variacin de la seal de control con los distintos PI. Para observar este comportamiento se tomaron los valores de la estacin lluviosa, ya que fue donde hubo ms cambios significativos en cuanto a la energa de aireacin y por lo tanto en la seal de control.

45
Variabilidad de la seal de control ante los distintos PI 250 PI fijo adap toc=0.2 adap toc=0.9

200

150 seal de control 100 50 0

h-1

10

12

14

Tiempo(das)

tiempo(das)

Figura 4.12 Seal de control ante caudal de poca lluviosa En la figura 4.12 se observa que para los tres casos de PI, las seales de control tienen tambin la misma forma, sin embargo se puede apreciar tambin que la seal para el controlador fijo oscila demasiado y alcanza valores muy bajos. Se generan fluctuaciones muy grandes en la velocidad del soplador, provocando un mayor gasto de energa y un deterioro del equipo.

4.3.4 Control adaptativo ante cambios en el valor deseado

La siguiente prueba consisti en no utilizar un valor fijo del valor deseado del oxgeno sino una onda cuadrada para observar el comportamiento del controlador PI adaptativo ante pequeos cambios del nivel de referencia (10%) y compararlo con el PI fijo ante las mismas condiciones. En particular se realiz la prueba para el afluente de poca seca y utilizando el PI fijo y el PI adaptativo con c=0.2.

46
2.3

2.2

2.1

error

g.m-3 de O2

1.9

1.8

1.7

1.6

1.5

6 tiempo(das)

10

12

14

Tiempo(das)

Figura 4.13 Control adaptativo ante un escaln En la figura 4.13 se observa que si se presentase algn cambio en el valor deseado del oxgeno ambos controladores funcionan de manera correcta. Con el PI fijo se obtiene un poco menos de variacin que con el adaptativo, mientras que con ste ltimo se logra una seal con menos oscilacin, debido en gran parte al valor del c, el cual cambia la ganancia del controlador cada instante de muestreo y logra una respuesta ms eficiente. La importancia en este caso cae ms sobre la gran oscilacin presente en el PI fijo, ya que como se mencion anteriormente esto provoca mayor esfuerzo del equipo de la planta y por lo tanto mayor aireacin.

4.3.5 Efluente y energa utilizando un valor deseado de 0.5 gm-3 de O2

Hasta ahora se ha venido trabajando con el valor deseado establecido en el benchmark, sin embargo en el captulo tres se determin que con un valor deseado en la concentracin de oxgeno de 0,5 gm-3y uno de 1,7 gm-3 en el nitrgeno se lograba obtener ndices bastante bajos de calidad de efluente y un menor gasto de energa. Por lo

47 tanto se presentan a continuacin pruebas similares a las realizadas en el apartado 4.3.1 pero con estos nuevos valores deseados. En las grficas 4.14 y 4.15 se muestran los resultados obtenidos.

0.75

0.7

0.65

___ tc=0,9 ___ tc=0,2 ___ PI fijo

0.6

0.55

g.m-3 de O2

error

0.5

0.45

0.4

0.35

0.3

0.25

6 tiempo(das)

10

12

14

Tiempo(das)

Figura 4.14 PI fijo y adaptativo, poca seca , v.deseado 0,5 g.m-3 de O2 Este caso de la poca seca sucede lo mismo que con la referencia de 2 g.m-3 Mediante el controlador adaptativo con c=0,2 se obtienen mejores resultados que el PI fijo. Despus de 6 das se nota la mejora en cuanto a la oscilacin y se puede observar que la variacin de la seal es menor. Lo contrario sucede con el c=0,9 ya que a pesar de que la seal oscila menos, su desviacin es mayor. Adems, es importante destacar que al disminuir el valor deseado ambos controladores (Pi fijo y el adaptativo) logran obtener porcentajes de variacin muy bajos, lo cual obviamente mejora el desempeo del controlador. Mientras que usando la

48 referencia de 2 g.m-3 se obtuvo un error mximo de 0,05, en este caso la seal vara muy poco.

0.6

___ tc=0,9 ___ tc=0,2 ___ PI fijo

0.55

0.5

g.m de O2

error 0.45 0.4

-3

6.5

7.5 tiempo(das)

8.5

9.5

Tiempo(das)

Figura 4.15 PI fijo y adaptativo, poca lluviosa , v.deseado 0,5 g.m-3 de O2

En el caso de la poca lluviosa sucede lo contrario a lo que sucedi en la poca seca. Si se sustituye un controlador con c=0,9, o sea un controlador ms lento se obtienen mejores resultados. Debido a que el afluente en la poca lluviosa tiene mayores variaciones, en este caso es ms distorsionado que en la estacin seca entonces un controlador ms lento logra seguir mejor el valor deseado, mientras que uno ms rpido no. Por otra parte, esta gran oscilacin y variacin respecto al valor deseado afectar mucho la energa de aireacin, debido a que el soplador que controla el nivel de oxgeno requiere de grandes cambios de velocidad.

49

0.54

0.53

___ tc=0,9 ___ tc=0,2 ___ PI fijo

0.52

0.51

0.5

g.m-3 de O2

error 0.49 0.48 0.47 0.46 0.45

8 tiempo(das)

10

11

12

Tiempo(das)

Figura 4.16 PI fijo y adaptativo, poca tormenta, v.deseado 0,5 g.m-3 de O2 Para la poca de tormenta el adaptativo con c=0,2 oscila mucho pero su variacin es menor respecto al PI fijo, mientras que utilizando el c=0,9 el controlador es ms lento pero no logra seguir el valor de referencia de manera correcta. El cuadro 4.3 muestra los costos de operacin y calidad del efluente para los distintos casos. Cuadro 4.3 Costos y calidad (v.d 0,5 g.m-3 de O2)
Calidad del efluente(EQ) para set point de 0,5 PI fijo PI adaptativo toc=0,2 PI adaptativo toc=0,9 EQ EQ incremento(%) EQ 8 139,59 8 139,53 -0,0007 8 140,09 0,0061 7 184,23 7 184,12 -0,0016 7 188,88 0,0646 9 049,77 9 057,54 0,08582647 9 056,00 0,0688

STORM DRY RAIN

costos de operacin(v.d PI fijo (KWh) colones STORM 6 528,50 9 792 750,00 DRY 6 521,15 9 781 724,25 RAIN 6 457,69 9 686 533,05

0,5 g.m-3 de O2)

PI adaptativo toc=0,9 (KWh) colones ahorro 6 528,27 9 792 400,05 349,95 6 518,76 9 778 144,35 3.579,90 6 457,68 9 686 519,55 13,50

PI adaptativo toc=0,2 (KWh) colones ahorro 6 529,19 9 793 785,00 -1 035,00 6 516,74 9 775 110,15 6 614,10 6 479,76 9 719 634,60 -33 101,55

50 Como se observa en el cuadro 4.3, en cuanto a la calidad del efluente, esta no cambia en forma significativa Observando los valores obtenidos de energa de aireacin se determina que si se utiliza un controlador adaptativo con c=0,2 se obtendrn tanto en la poca de tormenta como en la poca lluviosa resultados negativos, especialmente en la lluviosa, donde se aprecian prdidas de hasta 33 000/mes, las cuales, como ya se mencion anteriormente, se deben a la gran oscilacin y amplitud de la seal (ver figura 4.15). En cuanto a la estacin seca ms bien resulta positivo utilizar valor deseado de 0,5 g.m-3 porque se obtiene un ahorro de 6.614 por mes. Adems es importante mencionar que, como era de esperarse, al utilizar un valor deseado menor a 2 g/m3 la energa de aireacin baja, ya que lo que indica es que se debe entregar menos oxgeno y por lo tanto menos esfuerzo del soplador. La reduccin aproximada general en el consumo de energa para todos los casos fue de aproximadamente de 800 kWh/d, lo cual representa un ahorro de 1 200 000 al pasar del valor deseado de 2 g.m-3 al de 0,5 g/m-3. De igual forma, del cuadro 4.3 se observa que al utilizar una referencia de 0,5 gm-3 se reduce el ndice de calidad del efluente, indicando menos suciedad depositada en el ro, por ejemplo, en la poca de tormenta con el adaptativo (c=0,2) y con la opcin de valor deseado en 2 g.m-3 se obtuvo un ndice de 8 563,6 kg/d de contaminacin mientras que con el 0,5 gm-3 se obtuvieron 8 139 kg /d de unidades de copntaminacin reducindose en un 5%. Nota: Las unidades unidades de contaminacin se refieren a la cantidad de contaminacin por da.

51

4.3.6 Caso de estudio particular en Costa Rica

Se realiz un anlisis acerca de la posible implementacin de la planta en nuestro pas y que tan ventajoso sera implementarla mediante un control adaptativo. Costa Rica presenta nicamente dos estaciones, seca y lluviosa. Particularmente en el Valle Central la estacin seca va de los meses de diciembre a abril y la lluviosa se considera que va desde mayo a noviembre. Si sta planta fuera implementada en nuestro pas, un operador sera capaz de ajustar fcilmente el valor al cual se desea mantener la concentracin de oxgeno, mientras que al sintonizador sera bastante difcil variar el parmetro de c, por lo que para este anlisis se opt por utilizar el controlador adaptativo con c=0,2, ya que en general proporciona buenos resultados y se desva menos respecto al valor deseado. Los cuadros 4.4 y 4.5 muestran el gasto y ahorro provocado por utilizar el PI fijo o bien el PI adaptativo durante un ao de operacin de la planta. Adems, se muestra nicamente los resultados utilizando los afluentes de poca seca y lluviosa, ya que resulta muy difcil especificar en qu momento se da una tormenta. Al utilizar un controlador adaptativo durante un ao, se observa que se obtiene un ahorro de 113 804,55. Cuadro 4.4 PI fijo y adaptativo con v.d 2 g.m-3 de O2
poca seca y lluviosa kWh Costo(CRC) PI PI fijo adaptativo PI fijo PI adaptativo 1 087 030,50 1 087 026,00 54 351 561,00 54 351 304,50 1 517 119,80 1 515 477,60 75 855 963,75 75 742 415,70 2 604 150,30 2 602 503,60 130 207 524,75 130 093 720,20 113 804,55

Periodo

diciembre a abril mayo a noviembre total Ahorro(CRC)

52 Tabla 4.5 PI fijo y adaptativo con v.d 2 g.m-3 de O2

poca seca y lluviosa Costo(CRC) kWh PI PI fijo adaptativo PI fijo PI adaptativo diciembre a abril 978 172,50 977 511,00 48 908 625,00 48 875 550,00 mayo a noviembre 1 356 114,90 1 360 749,60 67 805 745,00 68 037 480,00 total 2 334 287,40 2 338 260,60 116 714 370,00 116 913 030,00 Ahorro(CRC) -198 660,00 Periodo

Al bajar el valor deseado de la concentracin oxgeno qumico a 0,5 g.m-3 y utilizar la implementacin adaptativa ms bien aumenta la cantidad de energa, lo cual prdidas, como se observa de casi 200 000. Debido a que el operador de la planta podra especificar el valor deseado, entonces se podra implementar el control de tal forma que en la poca seca utilice el valor deseado que mejor trabaja, al igual que con la poca lluviosa. De esta forma se lograra maximizar el ahorro. De acuerdo a los cuadros se observa en la poca lluviosa lo ms rentable es utilizar el controlador adaptativo con un valor de referencia de 0,5 g.m-3, ya que es donde se encuentra el mayor ahorro. Luego en la poca lluviosa, debido a las grandes perturbaciones del afluente la implementacin adaptativa no logra realizar un buen desempeo, sin embargo al usar un valor deseado de 0,5 g.m-3 se reduce el consumo de energa, por lo que para la poca lluviosa es mejor utilizar el PI fijo pero con 0,5 g.m-3 de valor de referencia. De esta forma es donde se obtiene el menor costo de operacin posible obteniendo un ahorro total de 13 526 229,75.

CAPTULO 5: Conclusiones y Recomendaciones

El modelo utilizado en el BSM1 (ASM1), simula muy eficientemente una planta de tratamiento de aguas residuales, en donde se pueden obtener resultados de evaluacin y desempeo de una planta de esta magnitud utilizando nicamente un software de simulacin. La validacin del cdigo de simulacin es muy importante antes de iniciar el diseo de los controladores, ya que si el software empleado no est sintonizado correctamente se obtendrn valores discordantes con lo que plantea el COST. La validacin fue correcta tanto para las pruebas en lazo abierto como para en lazo cerrado. Se debe verificar que todas las unidades de las variables del sistema de simulacin empleado y las disponibles en el documento del COST sean las mismas, ya que esto puede dificultar la validacin La planta es no lineal, en la cual interactan muchas variables. El desarrollo de un esquema de control que funcione correctamente con las grandes variaciones de los distintos afluentes no es sencillo. A partir de grficas correspondientes de los distintos ndices de rendimiento y costos de operacin, se pudo determinar un punto de operacin en el cual se obtiene un mejor desempeo, y menor gasto de energa. Particularmente 1,71 g/m3 para la concentracin de nitrgeno en el segundo compartimento y de 0,5 g.m-3 para la concentracin de oxgeno en el quinto compartimento. El principio de equivalencia cierta es muy importante, sin embargo el algoritmo recursivo de estimacin de parmetros, no logra de manera muy eficiente identificar un modelo discreto que represente la planta debido a su gran no 53

54 linealidad, por lo tanto, para la adaptacin es recomendable utilizar algn factor de correccin de manera que el PI adaptativo no dependa exclusivamente de la identificacin. Adems, el utilizar el PI suministrado en el BSM1 es la mejor forma de realizar la adaptacin, ya que contempla caractersticas como el antireset wind-up Es importante tomar en cuenta el parmetro de sintonizacin c, ya que se obtienen variaciones importantes al cambiar este valor. Al disminuirlo, el controlador adaptativo es ms rpido por lo que sigue mejor la seal y esto repercute en menos energa y mejor ndice de calidad respecto a la utilizacin del PI fijo. En este caso los mejores resultados se obtuvieron con un c=0,2 La variacin del valor deseado repercute notablemente en la disminucin o aumento de la energa y calidad del efluente, al disminuirlo, al soplador de oxgeno se le hace ms sencilla la tarea ya que debe proporcionar menos oxgeno. De acuerdo a los resultados obtenidos, si se quisiera implementar una planta de estas en nuestro pas, tomando en cuenta que solo existe poca seca y lluviosa, la forma en la cual se obtienen menos costos de operacin sera para la poca seca, comprendida entre los meses de diciembre y abril, utilizar el PI adaptativo, ya que debido a las pocas variaciones, controlador adaptativo funciona de mejor manera. Para la poca lluviosa sera prudente utilizar mejor el PI fijo implementado en el benchmark Adems, si se disminuye al valor deseado de la concentracin de oxgeno a 0,5 g.m-3 se logra optimizar los resultados en cuanto a energa y calidad de efluente. De esta forma se logra obtener ahorros en un ao de hasta 13 500 000.

55 El control adaptativo es eficiente si se quiere controlar procesos estocsticos y no lineales como lo es sta planta, sin embargo no sustituye el buen conocimiento del proceso que es necesario para elegir las especificaciones, la estructura del controlador y mtodo de diseo. Para trabajo futuro se podra buscar distintas tcnicas de control para controlar la planta de tratamiento de aguas residuales y realizar un estudio acerca de cul funciona de una mejor manera.

56

BIBLIOGRAFA
Libros: 1. Rodrguez, F. Control Adaptativo y Robusto, 2 edicin, Imprenta A. Pinelo, Espaa, 1996. 2. Alex, J.Benchmark Simulatuion Model No 1, Lund University, 2008. 3. Coop, J. The COST simulation Benchmark, 2005 4. Ogata, K. Sistemas de control en tiempo discreto. 2da Edicin, Pretice-Hall. Mxico, 2000. Pginas web: 5. IWA Task Group on Benchmarking of Control Strategies for WWTPs, http://www.benchmarkwwtp.org/. 6. Rodriguez,R.Control Adaptativo Ideasbsicas, http://www.dea.icai.upco.es/ramon/Control_Avanzado/Adaptativo/adapt_2.pdf 7. Alfaro, V Sintonizacin analtica de los controladores PID. Apuntes de Sistemas de Control.. I Semestre 2009, Escuela de Ingeniera Elctrica, Universidad de Costa Rica.

57

APNDICES
Ap.1 Validacin del Modelo. ndices de rendimiento y costos de operacin
A continuacin se muestran los resultados obtenidos en el proceso de validacin del modelo tanto para lazo abierto como para lazo cerrado y para cada una de las estaciones.

Ap.1.1 Lazo abierto poca seca

Tabla Ap.1 Validacin lazo abierto poca seca
Promedio de concentraciones en el efluente variable Q S_I S_S X_I X_S X_BH X_BA X_P S_O S_NO S_NH S_ND X_ND S_ALK TSS N_TKN N_tot COD_tot BOD5_tot ndice IQ ndice EQ lodo Unidades gm de O2 gm-3 de O2 gm de O2 gm-3 de O2 gm de O2 gm de O2 gm de O2 gm de O2 gm de O2 gm de N gm de N gm de N gm-3 de N mol L
-3 3 -1 -3 -3 -3 -3 -3 -3 -3 -3 -3 -3

COST 18061,33 30 0,974 4,578 0,223 10,221 0,542 1,756 0,746 8,823 4,763 0,729 0,016 4,457 12,99 6,749 15,572 48,293 2,775 42042,8 7066,72 17051,7

Validacin 18061,332 30 0,974 4,579 0,223 10,221 0,542 1,757 0,746 8,824 4,759 0,729 0,016 4,456 12,992 6,745 15,569 48,296 2,775 42042,815 7065,618 17049,823

Dif -0,002 0 0 -0,002 0 0 0 -0,001 0 -0,001 0,004 0 0 0 -0,002 0,004 0,004 -0,003 0 -0,015 1,102 1,877

%Error 0 0 0,008 0,033 0,022 0,002 0,031 0,068 0,012 0,008 0,09 0,012 0,051 0,007 0,017 0,062 0,022 0,006 0,004 0 0,016 0,011

g .m de SS g m de N g .m de N g.m de O2 gm
-3 -3 -3

kg /d de unid de cont kg /d de unid de cont Kg de SS

58 Validacin lazo abierto poca seca

lodo por da lodo en el efluente lodo en el efluente por da total de lodo total de lodo por da Energa de aireacin Energa de bombeo El nivel mximo de Nitrato en el efluente fue violado durante ie: EL lmite fue violado en El nivel mximo de S_O fue violado durante: i.e.: El lmite fue violado en:

kg /d de SS Kg de SS

2435,97 1642,26

2435,689 1642,538

0,281 -0,278

0,012 0,017

kg /d de SS kg SS

234,61 18694

234,648 18692,361

-0,038 1,639

0,016 0,009

kg /d de SS kWh/d kWh/d

2670,58 6476,11 2966,76

2670,337 6476,112 2966,76

0,243 -0,002 0

0,009 0 0

D % de tiempo

0,57 8,18

0,573 8,185

-0,003 -0,005

0,512 0,055

ocaciones

d % de tiempo

4,38 62,5

4,375 62,5

0,005 0

0,114 0

ocaciones

59

Ap.1.2 Lazo abierto tormenta

Tabla Ap.2 Validacin lazo abierto tormenta
Promedio de concentraciones en el efluente Datos del Datos de la manual simulacin 20658,100 20658,100 26,300 26,300 1,113 1,113 5,636 0,323 11,880 0,588 1,913 0,764 7,480 5,354 0,804 0,023 4,873 15,254 7,631 15,111 47,752 3,227 5,637 0,323 11,880 0,588 1,914 0,764 7,481 5,349 0,803 0,023 4,872 15,256 7,626 15,107 47,755 3,227

Q S_I S_S X_I X_S X_BH X_BA X_P S_O S_NO S_NH S_ND X_ND S_ALK TSS N_TKN N_tot

COD_tot BOD5_tot

Error %Error 0,000 0,000 0,000 0,000 0,000 0,018 0,001 0,025 0,000 0,031 0,000 0,001 0,000 0,025 0,001 0,063 0,000 0,001 0,001 0,013 0,005 0,084 0,000 0,010 0,000 0,204 0,000 0,008 0,002 0,014 0,005 0,060 0,004 0,023 0,003 0,006 0,000 0,000

Unidades ndice IQ ndice EQ lodo lodo por da lodo en el efluente lodo en el efluente por da total de lodo kg /d kg /d Kg de SS kg /d de SS kg de SS kg /d de SS kg de SS

Datos del manual 43758,11 7993,11 18197,38 2599,63 2205,87 315,12 20403,25

Datos de la simulacin 43758,115 7991,796 18195,513 2599,359 2206,176 315,168 20401,689

Error -0,005 1,314 1,867 0,271 -0,306 -0,048 1,561

%Error 0 0,016 0,01 0,01 0,014 0,015 0,008

60 Validacin lazo abierto tormenta

P_total_sludge per day = Energa de aireacin Energa de bombeo El nivel mximo de Nitrato en el efluente fue violado durante i.e.: kg /d de SS kWh/d kWh/d 2914,75 6476,11 2966,76 2914,527 6476,112 2966,76 0,223 -0,002 0 0,008 0 0

d % of the time

0,59 8,48 4 4,51 64,43 7 0,01 0,15 1

0,594 8,482 4 4,51 64,435 7 0,01 0,149 1

-0,004 -0,002 0 0 -0,004 0 0 0,001 0

0,636 0,025 0 0,009 0,007 0 4,17 0,793 0

El lmite fue violado en: occasions El nivel de SN_H fue violado durante: d % of the i.e.: time Fue violado tantas ocasiones: occasions El nivel de TSS fue violado durante d % of the i.e.: time El lmite fue violado durante: occasions

Ap.1.3 Lazo abierto en poca lluviosa

Tabla Ap.2 Validacin lazo abierto en poca lluviosa
Promedio de concentraciones en el efluente Q S_I S_S X_I X_S X_BH X_BA X_P S_O S_NO Datos del manual Datos de la simulacin Error %Error 23808,18 23808,178 0,002 0 22,839 1,135 5,637 0,345 12,857 0,643 2,067 0,847 6,959 22,839 1,134 0 0 0,018 0,028 0,015 0,002 0,039 0,068 0,013 0,017 0 5,639 0,002 0,345 12,857 0,643 0 0 0 2,068 0,001 0,847 0 6,96 0,001

61 Validacin lazo abierto en poca lluviosa

S_ND X_ND S_ALK TSS N_TKN N_tot COD_tot BOD5_tot 0,816 0,024 5,144 16,161 7,368 14,326 45,521 3,475 0,816 0,024 5,143 0 0,012 0 0,021

0 0,008 16,163 0,002 0,014 7,364 0,004 0,057 14,323 0,003 0,022 45,524 0,003 0,006 3,475 0 0,003

Datos del manual ndice IQ ndice EQ lodo lodo por da lodo en el efluente lodo en el efluente por da total de lodo Total de lodo por da Energa de aireacin Energa de bombeo El nivel mximo de Nitrato en el efluente fue violado durante ie: EL lmite fue violado en El nivel mximo de S_O fue violado durante: El nivel mximo de Nitrato en el efluente fue violado durante kg /d kg /d Kg de SS kg /d de SS kg de SS kg /d de SS kg de SS kg /d de SS kWh/d kWh/d 42042,810 8840,370 16469,130 2352,730 2693,350 384,760 19162,480 2737,500 6476,110 2966,760

Datos de la simulacin 42042,815 8839,071 16467,130 2352,447 2693,711 384,816 19160,840 2737,263 6476,112 2966,760

Error %Error 0,005 0,000 1,299 0,015 2,000 0,012 0,283 0,012 0,361 0,013 0,056 0,015 1,640 0,009 0,237 0,009 0,002 0,000 0,000 0,000

d % of the time d % of the time occasions

0,310 4,460 4,440

0,302 0,008 4,316 0,145 4,427 0,013

2,555 3,240 0,291

63,390 7,000

63,244 0,146 7,000 0,000

0,230 0,000

62

Ap.1.4 Lazo cerrado en poca seca

Tabla Ap.4 Validacin lazo cerrado en poca seca
Promedio de concentraciones en el efluente Datos del Datos de la manual simulacin Error %Error Q 18061,260 18061,261 0,001 0,000 S_I 30,000 30,000 0,000 0,000 S_S 0,882 0,882 0,000 0,006 X_I 4,572 4,573 0,001 0,020 X_S 0,201 0,201 0,000 0,000 X_BH 10,231 10,231 0,000 0,001 X_BA 0,578 0,578 0,000 0,010 X_P 1,755 1,756 0,001 0,046 S_O 2,000 2,000 0,000 0,000 S_NO 12,439 12,440 0,001 0,006 S_NH 2,529 2,527 0,002 0,087 S_ND 0,707 0,707 0,000 0,004 X_ND 0,014 0,014 0,000 0,090 S_ALK 4,039 4,039 0,000 0,005 TSS 13,002 13,004 0,001 0,011 N_TKN 4,494 4,492 0,002 0,045 N_tot 16,933 16,932 0,001 0,008 COD_tot 48,218 48,220 0,002 0,004 BOD5_tot 2,757 2,757 0,000 0,000

unidades ndice IQ ndice EQ lodo lodo por da lodo en el efluente kg /d kg /d Kg de SS kg /d de SS kg de SS

Datos del manual

Datos de la simulacin Error %Error 42042,81 42042,815 0,005 0 7556,91 17085,46 2440,78 1643,87 7556,532 0,378 17084,221 1,239 2440,603 0,177 1644,042 0,172 0,005 0,007 0,007 0,01

63 Validacin lazo cerrado en poca seca

lodo en el efluente por da total de lodo Total de lodo por da Energa de aireacin Energa de bombeo El nivel mximo de Nitrato en el efluente fue violado durante ie: EL lmite fue violado en El nivel mximo de S_O fue violado durante: El nivel mximo de Nitrato en el efluente fue violado durante Kg /d de SS Kg de SS kg /d de SS kWh/d kWh/d 234,84 2675,62 7241,27 1488,14 234,863 0,023 0,01

18729,32 18728,263 1,057 0,006 2675,466 0,154 0,006 7241,508 0,238 0,003 1488,112 0,028 0,002 1,281 0,001 0,102 18,304 0,004 0,02 7 0 0 1,208 0,002 0,14

d % of the time occasions d % of the time occasions

1,28 18,3 7 1,21

17,26 5

17,262 0,002 0,011 5 0 0

Controlador de nitrgeno en el quinto tanque Datos del Datos de la manual simulacin Error %Error Tipo de controlador unidades cont PI with aw Ganancia proporcional (K) m3.d-1.g-1 15000,000 15000,000 0,000 0,000 Constante de tiempo (Ti) D 0,050 0,050 0,000 0,000 Constante de tiempo del antiwind up D 0,030 0,030 0,000 0,000 Variable controlada, SO5 nivel de referencia g. m-3 de N 1,000 1,000 0,000 0,000 IAE g.m-3 de N 1,482 1,482 0,000 0,013 -3 ISE g .m de N 0,598 0,598 0,000 0,018 Desviacin mxima del nivel de referencia g.m-3 de N 0,887 0,887 0,000 0,002 -3 Desviacin estndar del error g.m de N 0,292 0,292 0,000 0,010 Varianza del error g.m-3 de N 0,085 0,085 0,000 0,019 Variable manipulada(MV), Kla5 Mxima desviacin del MV m3/d 36691,450 36691,245 0,205 0,001 Mxima desviacin del MV (delta) m3/d 8077,789 8077,525 0,264 0,003 desviacin estndar del MV (delta) m3/d 1661,973 1661,994 -0,021 0,001 Variance of MV (delta) (m3/d) 2762152,000 2762223,230 71,230 0,003

64

Validacin lazo cerrado en poca seca

Controlador de oxgeno en el tercer tanque Datos del Datos de la manual simulacin unidades cont PI with aw m3.d-1.g-1 D D 500,000 0,001 0,000 500,000 0,001 0,000

Error

%Error

Tipo de controlador Ganancia proporcional (K) Constante de tiempo (Ti) Constante de tiempo del anti-wind up Variable controlada, SO5 nivel de referencia IAE ISE Desviacin mxima del nivel de referencia Desviacin estndar del error Varianza del error Variable manipulada(MV), Kla5 Mxima desviacin del MV Mxima desviacin del MV (delta) desviacin estndar del MV (delta) Variance of MV (delta)

0,000 0,000 0,000

0,000 0,000 0,000

g. m-3 de N g.m-3 de N g .m-3 de N g.m-3 de N g.m-3 de N g.m-3 de N

2,000 0,008 1,74E-05 0,007 0,002 2,48E-06

2,000 0,008 1,79E-05 0,007 0,002 2,56E-06

0,000 0,000 -5,4E-07 0,000 0,000 -7,6E-08

0,000 0,512 3,074713 0,158 1,523 3,073638

m3/d m3/d m3/d (m3/d)

186,412 36,772 5,775 33,345

187,829 36,821 5,774 33,342

-1,418 -0,049 0,000 0,003

0,760 0,132 0,003 0,009

Ap.1.5 Lazo cerrado en poca lluviosa

Tabla Ap.5 Validacin lazo cerrado en poca lluviosa
Promedio de concentraciones en el efluente Datos del Datos de la manual simulacin Error %Error Q 23808,12 23808,112 0,008 0 S_I 22,839 22,839 0 0 S_S 1,03 1,03 0 0,01 X_I X_S X_BH 5,627 0,311 12,881 5,628 0,001 0,311 12,881 0 0 0,018 0,003 0,002

65 Validacin lazo cerrado en poca lluviosa

X_BA X_P S_O S_NO S_NH S_ND X_ND S_ALK TSS N_TKN N_tot COD_tot BOD5_tot 0,686 2,061 2 9,175 3,217 0,788 0,022 4,859 16,174 5,573 14,748 45,434 3,456 0,686 2,062 2 9,176 3,215 0,787 0,022 4,859 16,176 5,571 14,747 45,436 3,455 0 -0,001 0 -0,001 0,002 0 0 0 -0,001 0,002 0,001 -0,002 0 0,025 0,044 0 0,013 0,075 0,004 0,06 0,004 0,008 0,043 0,008 0,004 0,003

ndice IQ ndice EQ lodo lodo por da lodo en el efluente lodo en el efluente por da total de lodo Total de lodo por da Energa de aireacin Energa de bombeo El nivel mximo de Nitrato en el efluente fue violado durante ie: EL lmite fue violado en El nivel mximo de S_O fue violado durante: El nivel mximo de Nitrato en el efluente fue violado durante

unidades kg /d kg /d Kg de SS kg /d de SS kg de SS kg /d de SS kg de SS kg /d de SS kWh/d kWh/d

Datos del Datos de la manual simulacin Error %Error 42042,81 42042,8149 -0,0049 1,17E-05 9038,69 9038,2365 0,4535 0,005017 16504,47 16503,2383 1,2317 0,007463 2357,78 2357,6055 0,1745 0,007401 2695,57 2695,7921 -0,2221 0,008239 385,08 19200,04 2742,86 7169,77 1927,53 385,1132 -0,0332 0,008622 19199,0304 1,0096 0,005258 2742,7186 0,1414 0,005155 7169,9221 -0,1521 0,002121 1927,2932 0,2368 0,012285

d % of the time occasions

0,79 11,31 5

0,79167 0,00167 0,211392 11,3095 0,0005 0,004421 5 0 0

1,9

1,875

0,025 1,315789

occasions

66

Validacin lazo cerrado en poca lluviosa

Controlador de nitrgeno en el quinto tanque Datos del Datos de la manual simulacin Error %Error Tipo de controlador unidades cont PI with aw Ganancia proporcional (K) m3.d-1.g-1 15000 15000 0 0 Constante de tiempo (Ti) D 0,05 0,05 0 0 Constante de tiempo del anti-wind up D 0,03 0,03 0 0 Variable controlada, SO5 nivel de referencia g. m-3 de N 1 1 0 0 IAE g.m-3 de N 1,8182 1,8178 0,0004 0,022 ISE g .m-3 de N 0,8421 0,84173 0,00032 0,038002 Desviacin mxima del nivel de referencia g.m-3 de N 0,9092 0,9092 0 0 Desviacin estndar del error g.m-3 de N 0,3468 0,34673 7E-05 0,020185 Varianza del error g.m-3 de N 0,12027 0,12022 5E-05 0,041573 Variable manipulada(MV), Kla5 Mxima desviacin del MV m3/d 77424,58 77395,51 29,07 0,037546 Mxima desviacin del MV (delta) m3/d 8897,2944 8897,6526 -0,3582 0,004026 desviacin estndar del MV (delta) m3/d 1641,7980 1641,7962 0,0018 0,00011 3 Variance of MV (delta) (m /d) 2695501,0000 2695494,804 6,1959 0,00023

Controlador de oxgeno en el tercer tanque Datos del manual Datos de la simulacin Tipo de controlador unidades cont PI with aw Ganancia proporcional (K) m3.d-1.g-1 Constante de tiempo (Ti) D Constante de tiempo del anti-wind up D Variable controlada, SO5 nivel de referencia IAE g. m-3 de N g.m de N
-3

Error %Error

500 0,001 0

500 0,001 0

0 0 0

0 0 0

2 0,007

2 0,007

0 0

0 0,602

67

Validacin lazo cerrado en poca lluviosa

ISE g .m-3 de N Desviacin mxima del nivel de referencia g.m-3 de N Desviacin estndar del error g.m-3 de N Varianza del error Variable manipulada(MV), Kla5 Mxima desviacin del MV Mxima desviacin del MV (delta) desviacin estndar del MV (delta) g.m de N
-3

5,83E-05 0,066 0,003 8,33E-06

3,81E-05

0 34,698

0,049 0,017 25,752 0,002 0,001 19,194 5,4358E-06 0 34,744

m3/d m3/d m3/d

3

220,225 35,761 5,272 27,788

212,329 7,897 35,831 0,069 5,145 0,127 26,468 1,32

3,586 0,194 2,405 4,749

Variance of MV (delta) (m /d)

Ap.2 Rutinas implementadas en MATLAB

Ap.2.1 Rutina utilizada para la implementacin de Identifiacin RLS

% % % Setup for performing RLS identification

close all; % Runing time tf=30; % Sampling Time Ts Ts=15/(24*60); % Order of the identified model Order=1; % Forgetting factor ForgFact=1; % Inital states InitStates=[zeros(1,2*Order)]; B=[0 zeros(1,Order)]; A=[1 zeros(1,Order)]; sim('benchmark_dry_ID_reducido',[0 tf]); subplot(221); plot(t,u);

68
ylabel('u'); xlabel(' time'); subplot(222); plot(t,y); ylabel('y'); xlabel(' time'); subplot(212); plot(t,params); ylabel('params'); xlabel(' time'); clc; disp(' Identified Parameters '); disp(params(length(params),:)); % % % % %

Verifying the results of the RLS identification

Discrete plant is defined in terms of the parameters G(z)=B(z)/A(z)

par=params(length(params),:); B=[0 par(1:Order)]; A=[1 par(Order+1:2*Order)]; tf=30; sim('benchmark_dry_ID_reducido',[0 tf]); figure; stairs(t,y_process,'r'); hold on stairs(t,y_model,'b'); plot(t,y_process,'r',t,y_model,'b'); ylabel('y'); xlabel(' time'); title(' Process (red) and discrete time model (blue)'); %figure; %plot(t,err_id); %ylabel('e'); xlabel(' time'); %title(' Identification error (Process - Model)');

Ap.2.2 Rutina utilizada para las grficas de superficies

Esta rutina se utiliz para obtener las grficas de superficie que representan las variaciones de ambos set point de los controladores.
% startup.m % file to perform required initializations for runing BSM1 simulations % This file is to be stored at the BSM1_send directory % clear all; close all; clc;

n=8; % numero de iteraciones del setpoint, tanto para el o2 como para el N spo2_in = 0.1; spo2_fi = 3; spNO_in = 0.1; %definicin del paso

69
spNO_fi = 3;

paso_O2= (spo2_fi - spo2_in)/n ; paso_NO = (spNO_fi - spNO_in)/n ; %definicin de los vectores SO5refv = spo2_in:paso_O2:spo2_fi; npr=length(SO5refv); SNO2refv = spNO_in:paso_NO:spNO_fi; npr1=length(SNO2refv); for xfer=1:npr1 for k=1:npr % Perform initializations for open loop simulations UCR_benchmarkinit;

% Run simulation for 150 days on open-loop constant configuration % to achieve desired steady state % Be sure openloop.mdl has CONSTINFLUENT as input data % Another option may be to create a .mdl file called openloop_CONSTANT % to be used just for conatant influent data fprintf(' Running steady - state simulation with constant influent...'); sim('benchmark',[0 150]); %savestates; stateset; %statevaluesol; % Remove comment if want to check steady %pause; % state values fprintf(' Running dinamic state');

sim('benchmark_dry',[0 14]); stateset; % From that point you can run the openloop simulation model with the % desired input profile data %sim('openloop_dry',[0 14]); %sim('openloop_rain',[0 14]); %sim('openloop_storm',[0 14]); %statesetol; perf_plant; perf_controller;

fprintf( 'K = %i .\n', k) fprintf( 'M = %i .\n', xfer) EQv(xfer,k)= EQ; IQv(xfer,k)= IQ; TSSproducedv(xfer,k)= TSSproduced;

70
TSSeloadv(xfer,k)= TSSeload/1000; TSStotal(xfer,k)= TSSproduced+TSSeload/1000; airenergyv(xfer,k)= airenergy/totalt; pumpenergyv(xfer,k)= pumpenergy/totalt;

end end figure(12) mesh(SO5refv,SNO2refv,EQv) xlabel('setpoint O2') ylabel('setpoint NO2') zlabel('efluente') title('Efluente')

figure(13) mesh(SO5refv,SNO2refv,IQv) xlabel('setpoint O2') ylabel('setpoint NO2') zlabel('influent') title('influent') figure(14) mesh(SO5refv,SNO2refv,TSSproducedv) xlabel('setpoint O2') ylabel('setpoint NO2') zlabel('Sludge production for disposal') title('Sludge production for disposal')

figure(15) mesh(SO5refv,SNO2refv,TSSeloadv) xlabel('setpoint O2') ylabel('setpoint NO2') zlabel('Sludge production released into effluent') title('Sludge production released into effluent')

figure(16) mesh(SO5refv,SNO2refv,TSStotal) xlabel('setpoint O2') ylabel('setpoint NO2') zlabel('Total sludge production') title('Total sludge production')

figure(17) mesh(SO5refv,SNO2refv,airenergyv) xlabel('setpoint O2') ylabel('setpoint NO2') zlabel('Aeration energy') title('Aeration energy')

figure(18) mesh(SO5refv,SNO2refv,pumpenergyv) xlabel('setpoint O2') ylabel('setpoint NO2')

71
zlabel('Average pumping energy') title('Average pumping energy') save ('matrices prueba','EQv','IQv','TSSproducedv','TSSeloadv','TSStotal','airenergyv' ,'pumpenergyv','SO5refv','SNO2refv')

Ap.2.3 Rutina de adaptacin

El siguiente archivo .m se utiliz generar la identifacin y adaptacin del controlador de la planta.

%Rutina para simular,primero corro el benchmark en lazo cerrado en %constante, luego en dry, storm o rain clear all; close all; clc; % Setup for performing RLS identification % inicializo todas las variables % Perform initializations for open loop simulations UCR_2_benchmarkinit; % Runing time %tf=50; % Sampling Time Ts Ts=15/(24*60); % Order of the identified model Order=1;%cambio!! % Forgetting factor ForgFact=1; % Inital states InitStates=[zeros(1,2*Order)]; B=[0 zeros(1,Order)]; A=[1 zeros(1,Order)]; % Controlador Kc=KSO5; Ti=TiSO5; %NumC=[Kc*Ti Kc]; %DenC=[Ti 0]; %cambio NumC=[Kc*Ti Kc]; DenC=[Ti 0]; % Here you get the controller transfer function from the model B/A %par_A=strcat('[', num2str(DenC) ,']'); %par_B=strcat('[', num2str(NumC) ,']');

72

par_A=strcat('[', num2str(200) ,']');%!!!!!!!!!!!!!! par_B=strcat('[', num2str(DenC(1)) ,']');

%set_param('benchmark_storm_adapt_reducido/O2_control/trans_PI','Numer ator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/trans_PI','Numerat or',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/trans_PI','Numera tor',par_B,'Denominator',par_A); set_param('benchmark_storm_adapt_reducido/O2_control/cont_PI1/Trans_Ti ','Numerator',par_B,'Denominator',par_A); set_param('benchmark_storm_adapt_reducido/O2_control/cont_PI1/Trans_Ti ','Numerator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/cont_PI1/Trans_Ti' ,'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/cont_PI1/Trans_Ti' ,'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/cont_PI1/Trans_Ti ','Numerator',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/cont_PI1/Trans_Ti ','Numerator',par_B,'Denominator',par_A); % Here you get the controller transfer function from the model B/A par_A=strcat('[', num2str(1) ,']'); par_B=strcat('[', num2str(NumC(2)) ,']');

%set_param('benchmark_storm_adapt_reducido/O2_control/trans_PI','Numer ator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/trans_PI','Numerat or',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/trans_PI','Numera tor',par_B,'Denominator',par_A); set_param('benchmark_storm_adapt_reducido/O2_control/cont_PI1/Trans_G' ,'Numerator',par_B,'Denominator',par_A); set_param('benchmark_storm_adapt_reducido/O2_control/cont_PI1/Trans_G' ,'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/cont_PI1/Trans_G', 'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/cont_PI1/Trans_G', 'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/cont_PI1/Trans_G' ,'Numerator',par_B,'Denominator',par_A);

73

%set_param('benchmark_rain_adapt_reducido/O2_control/cont_PI1/Trans_G' ,'Numerator',par_B,'Denominator',par_A);

%set_param('ADAPT/Pi','Numerator',par_B,'Denominator',par_A);

% % % % %

Run simulation for 150 days on open-loop constant configuration to achieve desired steady state Be sure openloop.mdl has CONSTINFLUENT as input data Another option may be to create a .mdl file called openloop_CONSTANT to be used just for conatant influent data

fprintf(' Running steady - state simulation with constant influent...'); tf=60;%30; adapt=0; sim('benchmark_const_adapt_reducido',[0 tf]); stateset; %sim('benchmark_storm_adapt_reducido',[0 tf]); %sim('benchmark_dry_adapt_reducido',[0 tf]); tf=14; sim('benchmark_dry_adapt_reducido',[0 tf]); %savestates; stateset; fprintf(' se corrieron las condiciones iniciales \n'); %statevaluesol; % Remove comment if want to check steady %pause; % state values %fprintf(' Steady state values have been saved to states_ss.txt \n'); % Controlador Kc=KSO5; Ti=TiSO5; %NumC=[Kc*Ti Kc]; %DenC=[Ti 0]; %cambio NumC=[Kc*Ti Kc]; DenC=[Ti 0]; % Here you get the controller transfer function from the model B/A %par_A=strcat('[', num2str(DenC) ,']'); %hice cambio de factor de correccin %par_B=strcat('[', num2str(NumC) ,']');

par_A=strcat('[', num2str(200) ,']');%!!!!!!!!!!!!!!!!!!! par_B=strcat('[', num2str(DenC(1)) ,']');

%set_param('benchmark_storm_adapt_reducido/O2_control/trans_PI','Numer ator',par_B,'Denominator',par_A);

74

%set_param('benchmark_dry_adapt_reducido/O2_control/trans_PI','Numerat or',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/trans_PI','Numera tor',par_B,'Denominator',par_A); set_param('benchmark_storm_adapt_reducido/O2_control/cont_PI1/Trans_Ti ','Numerator',par_B,'Denominator',par_A); set_param('benchmark_storm_adapt_reducido/O2_control/cont_PI1/Trans_Ti ','Numerator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/cont_PI1/Trans_Ti' ,'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/cont_PI1/Trans_Ti' ,'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/cont_PI1/Trans_Ti ','Numerator',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/cont_PI1/Trans_Ti ','Numerator',par_B,'Denominator',par_A); % Here you get the controller transfer function from the model B/A par_A=strcat('[', num2str(1) ,']'); par_B=strcat('[', num2str(NumC(2)) ,']');

%set_param('benchmark_storm_adapt_reducido/O2_control/trans_PI','Numer ator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/trans_PI','Numerat or',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/trans_PI','Numera tor',par_B,'Denominator',par_A); set_param('benchmark_storm_adapt_reducido/O2_control/cont_PI1/Trans_G' ,'Numerator',par_B,'Denominator',par_A); set_param('benchmark_storm_adapt_reducido/O2_control/cont_PI1/Trans_G' ,'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/cont_PI1/Trans_G', 'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_dry_adapt_reducido/O2_control/cont_PI1/Trans_G', 'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/cont_PI1/Trans_G' ,'Numerator',par_B,'Denominator',par_A); %set_param('benchmark_rain_adapt_reducido/O2_control/cont_PI1/Trans_G' ,'Numerator',par_B,'Denominator',par_A);

adapt=1%cambio! tf=14;%cambio a 14

75
sim('benchmark_storm_adapt_reducido',[0 tf]); %sim('benchmark_dry_adapt_reducido',[0 tf]); %sim('benchmark_rain_adapt_reducido',[0 tf]); stateset; %pause; % %sim('benchmark_seco_paro_adapt',[0 tf]); subplot(221); plot(t,u); ylabel('u'); xlabel(' time'); subplot(222); plot(t,y); ylabel('y'); xlabel(' time'); subplot(212); plot(t,params); ylabel('params'); xlabel(' time'); clc; disp(' Identified Parameters '); disp(params(length(params),:)); % % Verifying the results of the RLS identification % % Discrete plant is defined in terms of the parameters % G(z)=B(z)/A(z) par=params(length(params),:); B=[0 par(1:Order)]; A=[1 par(Order+1:2*Order)]; %///////////////// %tf=50; %sim('benchmark_storm_adapt_reducido',[0 tf]); %sim('benchmark_dry_adapt_reducido',[0 tf]); %sim('benchmark_rain_adapt_reducido',[0 tf]); %figure; %stairs(t,y_process,'r'); %hold on %stairs(t,y_model,'b'); %plot(t,y_process,'r',t,y_model,'b'); %ylabel('y'); xlabel(' time'); %title(' Process (red) and discrete time model (blue)'); %////////////// %figure; %plot(t,err_id); %ylabel('e'); xlabel(' time'); %title(' Identification error (Process - Model)'); % From that point you can run the openloop simulation model with the % desired input profile data %sim('openloop_dry',[0 14]); %sim('openloop_rain',[0 14]); %sim('openloop_storm',[0 14]); stateset; perf_plant; perf_controller;