| Summary: | En esta tesis se aplican los algoritmos de computación evolutiva como una eficiente
herramienta de resolución del problema de control predictivo difuso basado en modelos de
Takagi – Sugeno (T&S). Se plantea la metodología de formulación general en tiempo discreto del
problema predictivo difuso basado en los siguientes algoritmos evolutivos: algoritmo genético
simple (SGA), Deterministic Crowding (DC) y Particle Swarm Optimization(PSO).
Estas formulaciones basadas en algoritmos evolutivos se implementan en MATLAB
SIMULINK y son aplicadas a una serie de problemas benchmark que muestran las ventajas y
desventajas de cada uno de los mencionados algoritmos. Se realiza una sensibilización de los
parámetros relevantes de cada uno de los algoritmos y se selecciona la mejor estrategia según sus
parámetros.
El desafío principal de la tesis es la implementación de la mejor solución basada en algoritmos
de computación evolutiva en la Caldera o Generadora de Vapor por Recuperación de Calor de
una Planta Termoeléctrica de Ciclo Combinado. Este tipo de plantas termoeléctricas mejoran la
eficiencia energética de un combustible fósil por medio de la recuperación del calor de la fuente
fría de una turbina a gas y su utilización para generar vapor para el funcionamiento de una turbina
a vapor. Este problema es de alta complejidad y no linealidad. La implementación de la solución
basada en algoritmos evolutivos es comparada con las tradicionales para evaluar su
funcionamiento.
Por último, se destaca que el aporte de esta tesis radica en el análisis de los algoritmos de
computación evolutiva (GAs y PSO) aplicado a un problema altamente no lineal dado por la
optimización de plantas termoeléctricas, que debe ser resuelto en tiempo real.
|
|---|
