Resumen

Con la amplia disponibilidad del control predictivo basado en modelos (MPC), su versión no lineal (NMPC) brinda una extensión natural para incluir modelos no lineales para seguimiento de trayectorias y optimización dinámica. El NMPC puede incluir primeros principios desarrollados para estudios dinámicos fuera de línea así como para modelos no lineales orientados por datos, aunque requiere la aplicación de estrategias eficientes de optimización a gran escala para evitar retrasos computacionales y para asegurar estabilidad, robustez y desempeńo superior.

Este estudio presenta la aplicación de la recientemente desarrollada estrategia NMPC de paso avanzado (asNMPC). Este enfoque resuelve el problema de optimización detallada en el fondo (in background) y aplica una actualización en línea basada en la sensibilidad. Se muestran dos estudios de caso: control detallado de destilación y una operación multi-paso para la generación de vapor en una planta de energía. En ambos escenarios se logró un desempeńo eficiente y robusto del controlador con una optimización dinámica no lineal.

• Materias:Control automático Destilación Métodos de simulación Procesos industriales
• Subjects:Automatic control Distillation Simulation methods Industrial processes
• Palabras claves:Control de procesos, Control predictivo basado en modelos, Optimización dinámica no lineal, Programación no lineal, Sensibilidad de programación no lineal, Generación de vapor, Planta de energía, Operación multi-paso
• Keywords:Process control, Model-based predictive control, Non-linear dynamic optimization, Non-linear programming, Non-linear programming sensitivity, Steam generation, Power plant, Multi-step operation