1. Introducción

Los conceptos de Industria 4.0 buscan la conexión de todo tipo de dispositivos a Internet con el objetivo de intercambiar datos contribuyendo tanto a la recolección como al análisis de los procesos productivos (Schleipen y cols., 2016). Es bien sabido que el concepto de Internet de las cosas (IoT) es el comienzo de la cuarta revolución industrial siendo considerada una parte clave del futuro (Geng, 2016). En este sentido, el concepto de ciudades inteligentes está fuertemente vinculado a los usos IoT. De manera genérica puede considerarse que una ciudad inteligente es una infraestructura compleja donde operan diferentes sistemas optimizando el uso de recursos (Gram-Hansen, 2016). En particular, las redes eléctricas y de distribución de agua son dos sistemas claves de cualquier ciudad.

Por otra parte, para la gestión del recurso hídrico en una ciudad se emplean válvulas que regulan la presión a valores adecuados. En la ciudad de Comodoro Rivadavia, que posee desniveles de altura del orden de los 100m, aproximadamente, es posible reemplazar en algunos lugares a las válvulas reguladoras de presión de agua por bombas que, además, inyecten energía en la red eléctrica. Por lo anterior, las bombas trabajando como turbinas (PAT), tienen el doble propósito de regular la presión y recuperar energía (Carravetta, 2018; Carravetta y cols., 2018; Ramos y Borga, 1999). La operación de la PAT en una red de distribución de agua es compleja debido a las variaciones del caudal y de presión de entrada y el valor de la presión de salida que el ente distribuidor de agua desee establecer. En efecto, pueden registrarse variaciones significativas de dichos parámetros a lo largo del día debido a que son función del consumo del lugar. Luego, un sistema de control debe diseñarse adecuadamente para asegurar presión constante en el punto considerado (Fontana y cols., 2016).

Con el objetivo de estudiar estos sistemas, y en el marco de un proyecto conjunto, se construyó un prototipo de un sistema de recuperación de energía en colaboración entre la Sociedad Cooperativa Popular Limitada de Comodoro Rivadavia (SCPLCR), responsable de la distribución de agua y de electricidad en la ciudad de Comodoro Rivadavia, y la Facultad de Ingeniería de la Universidad Nacional de la Patagonia ’San Juan Bosco’ (UNPSJB).

En el mencionado banco de pruebas, se han realizado actividades de investigación que han dado lugar al trabajo aquí presentado tanto desde el punto de vista asociado a IoT como a sistemas de control. En efecto, en (Yncio y cols., 2018) se ha desarrollado un cliente Modbus y se ha realizado una primera identificación del modelo matemático del sistema, mientras que en (Cadiboni y cols., 2018) se diseñó un primer control que fue mejorado en (Peña y cols., 2020) que tomó en cuenta tanto la presencia de retardos como la respuesta dinámica deseada. Finalmente, en (Peña y cols., 2019) se presentó una puerta de enlace OPC UA/Modbus en una Raspberry Pi 2 usando Slackware Linux como sistema operativo y utilizando Python como lenguaje de desarrollo.

Este trabajo, que presenta una aplicación de IoT en el control y monitoreo de un sistema de recuperación de energía, tiene varios objetivos:

1. proporcionar una interfaz OPC UA para los diferentes dispositivos,
2. desarrollar una interfaz de usuario amigable del sistema,
3. obtener los modelos matemáticos del sistema de recuperación de energía y
4. diseñar el control.

La estructura de este trabajo es como sigue. En la Sección 2 se introduce el sistema de recuperación de energía y el banco de ensayos desarrollado. En la Sección 3.1 se presentan los protocolos de comunicación industriales utilizados y el desarrollo de la pasarela OPC UA/Modbus. En la Sección 3.2 se incorpora la interfaz de usuario (HMI). En la Sección 4 se muestran ensayos experimentales a la vez que se obtienen los modelos matemáticos del sistema. En la Sección 5 se diseña el control y en la Sección 6 se muestran los resultados de simulación. Finalmente, se presentan las conclusiones de este trabajo en la Sección 7.

2. Sistema de recuperación de energía

Un esquema general del prototipo desarrollado en el Laboratorio de Automatización y Control de la Facultad de Ingeniería UNPSJB (FI-UNPSJB) es mostrado en la Figura 1. Cabe destacar que el banco de ensayos se encuentra conectado a la red ethernet de la UNPSJB. En la misma se puede observar el circuito hidráulico. Este prototipo tiene dos bombas centrifugas Speroni® Rotorpump 5,5 HP una se utiliza como turbina y la otra se utiliza para hacer circular el fluido en el circuito.

Una fotografía del banco de prueba se presenta en la Figura 2, mientras que un diagrama del prototipo se indica en la Figura 3. El diagrama muestra una bomba hidráulica que funciona como una turbina (PAT) conectada a un variador de velocidad Siemens® de cuatro cuadrantes lo que le permite un flujo bi-direccional de energía. Como se observa en la Figura 3, el variador de velocidad de cuatro cuadrantes está conectado a la red eléctrica mediante un filtro de línea y un medidor de energía iEM3155 de Schneider Electric® está conectado aguas arriba. El sistema es controlado por medio de un controlador lógico programable (PLC) de la marca Allen Bradley®, modelo Micro 820. El PLC, Figura 3, se comunica con los distintos dispositivos por medio de cinco lazos de corriente de 4-20 mA:

• Velocidad de referencia de la turbina.
• Estimación de la velocidad de rotación PAT.
• Sensores de presión de entrada y de salida de la PAT.
• Caudalímetro.

Debido a que el objetivo principal es controlar la presión de salida y considerando que el flujo de agua lo imponen los consumidores, la acción de control para regular la presión de salida es la velocidad de la PAT. El medidor de energía, mostrado en la Figura 3, se conecta a una computadora Raspberry Pi 2 (RPi2) mediante un convertidor USB/RS-485. La RPi2 corre el sistema operativo Slackware Linux y permite el acceso, mediante ethernet, a operar y monitorear externamente las variables del banco de ensayos. En la Figura 3 se observa que mientras el PLC utiliza el protocolo de comunicación Modbus (Modbus Foundation, 2019), el medidor de energía emplea el protocolo de comunicación industrial serie RS-485. De allí la necesidad del convertidor USB/RS-485 para conectar el medidor de energía y la RPi2. El PLC también posee una interfaz ethernet que se puede conectar a la infraestructura de red de la UNPSJB.

El medidor de energía iEM3155 de Schneider Electric ® proporciona las capacidades de medición esenciales que son: energía activa y reactiva, corrientes, tensiones, comunicación a través del protocolo Modbus (serie RS-485) y una pantalla o display (iEM3155, 2019). Los mapas Modbus con variables de interés para este trabajo se presentan en el Cuadro 1.

El medidor de energía posee un registro que indica si la energía es entregada o recibida, es decir si el sistema funciona como generador o como consumidor de energía. En el Cuadro 2 se resume esta información que corresponde al registro Modbus 3192 del medidor de energía (iEM3155, 2019). Además, el mapa Modbus del PLC es presentada en el Cuadro 3.

3. Desarrollo de una pasarela OPC UA/Modbus y un HMI en Node-RED

3.1. Desarrollo de una pasarela OPC UA/Modbus

El protocolo industrial Modbus fue desarrollado por la empresa Modicon® (1979) y fue diseñado para la supervisión y control de controladores lógicos programables (PLC’s) y otros dispositivos de supervisión. A pesar del tiempo, este protocolo se usa ampliamente en la industria debido a su flexibilidad. El protocolo industrial fue diseñado como una arquitectura maestro-esclavo. Existen numerosas versiones del protocolo Modbus, incluida la versión para redes de comunicaciones de puerto serie RTU (acrónimo en inglés de Remote Terminal Unit) y TCP (acrónimo en inglés de Transmission Control Protocol) (Modbus Foundation, 2019).

En 2006, la Fundación OPC propuso el protocolo de comunicación industrial OPC UA. Entre las características sobresalientes se establecieron la conexión a través de cortafuegos sin perder funcionalidades (OPC Foundation, 2019). Además, también implementa la firma y el cifrado del flujo de datos, lo que garantiza la seguridad y confiabilidad de la información industrial. Otra característica distintiva es la posibilidad de agregar marcas de tiempo al protocolo de datos OPC UA (Mahnke, 2009). Una de las principales ventajas de este protocolo de comunicación industrial es que permite conectar varios sistemas operativos y plataformas (Cavalieri y Chiacchio, 2013).

Una pasarela para los protocolos OPC UA y Modbus fue desarrollada en (Peña y cols., 2019) y es modificada en este trabajo. Esta herramienta proporciona una conexión OPC UA para que un cliente pueda adquirir datos y operar el prototipo.

La computadora Raspberry Pi puede utilizar diferentes sistemas operativos, muchos de ellos basados en GNU/Linux. En este trabajo se empleó un sistema operativo Slackware ARM Linux (Slackware Linux Project, 2019) para la computadora RPi2 debido a la facilidad de uso y estabilidad. Por ello se hizo una instalación completa de la versión 14.2 de Slackware ARM Linux en la computadora RPi2.

En la Figura 4, se puede observar un PLC Allen Bradley® Micro 820 conectado via ethernet a la RPi2. Además, un contador de energía de la empresa Schneider electric® se conecta mediante un adaptador RS-485/USB a la RPi2.

Mientras que la computadora RPi2 es el maestro Modbus, los dispositivos conectados vía ethernet y RS-485 son esclavos Modbus. Por otra parte, para completar la pasarela, el servidor OPC UA acepta conexiones via ethernet sobre un puerto determinado. De esta manera, el sistema puede atender diferentes clientes. En este caso, se construye un cliente OPC-UA empleando Node-RED como se observa en la Figura 4. Para el desarrollo de la pasarela OPC UA/Modbus se utilizó el lenguaje de programación Python debido a su abundante documentación y flexibilidad (Hughes, 2010). El desarrollo del cliente OPC UA es explicado en detalle en la Sección 3.2. Hay diferentes implementaciones del protocolo Modbus para Python, en este trabajo se usan las librerías “pymodbus” con “Free OPC-UA” para crear la puerta de enlace. En esta implementación de la puerta de enlace OPC UA/Modbus se acceden a dos dispositivos, como se observa en la Figura 4, con diferentes velocidades de acceso.

Uno de los dispositivos, el medidor de energía, proporciona un gran número de variables y los datos son enteros sin signo de 64 bits, números de punto flotante de 32 bits y 16 bits (iEM3155, 2019). El segundo dispositivo conectado a la computadora RPi2 es un PLC Micro 820 con variables de 16-bit en su mapa Modbus. Entonces, debido a que el medidor de energía es más lento que el PLC para intercambiar datos, no es posible asegurar un tiempo de muestreo adecuado si el acceso es de forma secuencial.

Los sistemas operativos modernos como GNU/Linux pueden ejecutar múltiples procesos concurrentes. Para lograr esto, la CPU cambia la ejecución de un proceso a otro. Un proceso está compuesto por su espacio de memoria, las variables de entorno del sistema y los recursos de entrada/salida (Hughes, 2010; Tanenbaum, 2015). Como en este caso, hay procesos que es menester realizar al mismo tiempo. Estas actividades se dividen en miniprocesos denominados hilos. Por otra parte, un hilo puede verse como un proceso liviano debido a que los hilos generalmente se ejecutan dentro de un contexto de un proceso padre. Una característica interesante de los hilos es que pueden compartir sus datos con el proceso principal y que son más livianos que los procesos (Tanenbaum, 2015). El lenguaje de programación Python tiene soporte para programación concurrente e hilos. Estos pueden ser implementados mediante la librería “Threading” (Hughes, 2010). El pseudocódigo de la pasarela OPC UA/Modbus usado en este trabajo se presenta en el algoritmo 1. En la primer parte del algoritmo (1), se muestra como el programa es inicializado: comunicación serie para Modbus RTU y TCP para medir los datos del medidor de energía y del PLC, respectivamente. A continuación, el servidor OPC UA es configurado para escuchar en el puerto 4840. Entonces, se inicia el hilo1 responsable de leer los datos del medidor de energía y copiar los datos obtenidos al servidor OPC UA. A continuación, el programa ingresa en un bucle donde se leen las variables del PLC a través del protocolo Modbus, estas variables se escriben en el servidor OPC UA. Se incrementa un contador i, que representa la cantidad de mediciones realizadas, y se produce un retraso t_d. La variable NM es el valor máximo de mediciones configurado previamente. Cuando la condición i < NM es falsa el algoritmo (1) termina.

---

 procedure Pasarela OPC UA/Modbus
  Configuración del maestro Modbus.
  Inicializa el servidor OPC-UA.
  Inicializa el hilo1
  while i < NM do
  Lee las variables del PLC. programa principal.
  Lee el medidor de energía vía Modbus RTU. hilo 1.
  Escribe el valor de las variables al servidor OPC-UA.
  i = i + 1;
  delay(t_d);
 - Cierrahilo1.
  Cierra las conexiones Modbus.
  Cierra el servidor OPC-UA.
  end.
 -return;

Algorithm 1: Software escrito en Python que se ejecuta sobre la computadora RPi2.

---

3.2. Diseño del Cliente OPC UA y HMI en Node-RED

Node-RED es una herramienta de desarrollo ampliamente utilizada en aplicaciones de IoT (Node-RED official webpage, 2019; Kodali y Anjum, 2018), fue creada por IBM® y actualmente es un proyecto de la fundación OpenJS (web OpenJS Foundation, 2020). Una de las características atractivas de este entorno de desarrollo es que la edición de la aplicación se puede realizar diagramando un flujo de datos en un navegador web. La aplicación puede ser desplegada en un solo click y construida simplemente arrastrando elementos (nodos) desde una paleta y conectándolos (Node-RED official webpage, 2019).

En este trabajo se muestra como se desarrollo una interfaz amigable para el sistema de recuperación de energía. Esta herramienta es usada para visualizar los datos en tiempo real y salvar los datos en una base de datos para su posterior análisis. En la Figura 5, para mayor claridad, se muestra parte del flujo de datos creado en el entorno de desarrollo Node-RED. El cliente OPC UA fue desarrollado a partir de los nodos de la paleta de Node-RED. La primera parte del flujo de datos dentro del cuadro amarillo muestra el cliente OPC UA, en el que se accede al servidor OPC UA a través de la dirección IP y el puerto. En el lado izquierdo del gráfico, el nodo de marca de tiempo identifica las variables OPC para su posterior uso en el siguiente nodo, cuya función es recuperar los valores reales de esas variables y luego enviarlos al último nodo de filtro, para comprimir y simplificar los datos que se utilizarán y almacenarán. Además, este bloque se ejecuta cada cierto intervalo de tiempo. El intervalo que se ajusta desde el entorno de desarrollo. Luego se configura el conector OPC UA y se leen las variables del servidor. Posteriormente, los datos pasan por un nodo de función que extrae el valor y luego la ruta se divide en dos, uno de ellos va a los nodos de comunicación de la base de datos MySQL (cuadro rojo) y el otro camino va a los nodos de creación de la interfaz de usuario (cuadro naranja). El recuadro naranja en la Figura 5 muestra el bloque “Variable a DB”. Este bloque toma el mensaje con la variable y los guarda en la tabla de base de datos especificada. El siguiente bloque “MySQL” es el bloque que gestiona la conexión a un servidor de base de datos, local o remoto. En las Figuras 6 y 7 se presenta los flujos de datos completos para el medidor de energía y el PLC, respectivamente.

Los nodos de interfaz de usuario poseen varias opciones para la personalización de la visualización de datos, lo que hace posible una HMI realmente útil. De esta forma, los usuarios pueden analizar información en tiempo real obtenida de diferentes dispositivos en un conjunto de pestañas o incluso en diferentes pantallas, lo que resalta los beneficios de esta plataforma en una implementación de IoT. Los resultados completos de esta aplicación HMI se muestran en la siguiente Sección.

Cabe señalar que la utilización de software libre permite implementar estas ideas de forma modular y económica. Es decir, el servidor de base de datos y Node-RED pueden ejecutarse en un servidor dedicado. Este servidor puede tener la capacidad de realizar copias de seguridad con las que se puede proteger la información. Luego, la carga de la computadora RPi2 se puede optimizar y los datos de operación del sistema se pueden respaldar.

4. Modelo del sistema

Los objetivos de control para un sistema de recuperación de energía construido con una PAT no se pueden lograr sin una técnica de control adecuada. Como el diseño de un controlador está basado en modelos, la calidad del modelo influye en el desempeño del sistema. En este trabajo se utiliza una regresión lineal por mínimos cuadrados para obtener un modelo matemático del sistema. De esta manera, un sistema con múltiples entradas y una salida (MISO) puede ser escrito de forma general como:

(1)

donde k = 1,2,...,N, y(k) es la secuencia de salida, u_j(k) son las entradas de la secuencia, ν es el número de entradas y H_j,1(z) es una función de transferencia discreta dada por:

(2)

Entonces,

(4)

donde x = [y(k - 1),...,y(k - n),-(u₁(k - 1),...,u₁(k - n)),...,-(u_ν(k - 1),...,u_ν(k - n))]^T y θ son los parámetros desconocidos de la expresión (1).

(5)

Es posible obtener los parámetros desconocidos del sistema dinámico aplicando el método de mínimos cuadrados de la siguiente forma:

(6)

Si el producto x^Tx es no singular, es decir invertible, es posible encontrar los parámetros del sistema (Åström, 1995).

Para obtener un modelo matemático del sistema de recuperación de energía se diseño un experimento a partir de las herramientas desarrolladas en la Sección 3. Diferentes velocidades de referencia fueron aplicadas a la PAT para caracterizar el sistema.

Estos ensayos, en los cuales se cambio el valor de referencia de velocidad de la turbina (1000-1500,1500-2000 y 2000-2500 RPM), y la interfaz de usuario creada con Node-RED son presentadas en las siguientes figuras. La Figura 8 muestra las mediciones de la presión de salida, velocidad del eje de la PAT(formato de línea de tendencia y como un indicador en tiempo real), caudal y presión de entrada a la PAT, respectivamente. La Figura 9 muestra las mediciones del medidor de energía de acuerdo a el Cuadro 1.

En el banco de ensayos, cada cambio en la velocidad de la turbina da lugar a variaciones en la presión de entrada y en el caudal en la PAT. Estas condiciones no se obtienen comúnmente en el campo debido a que el caudal depende de los consumidores y la presión en la entrada se puede determinar a partir del caudal. Sin embargo, en el banco de pruebas, los cambios en la velocidad PAT permiten determinar las funciones de transferencia considerando la presión de entrada y caudal.

Las variables de interés para el modelo del sistema de recuperación de energía son las variables hidráulicas del sistema y la velocidad de la PAT. El modelo, el cual consta de tres funciones de transferencia es:

(7)

donde H_1,i(z), H_2,i(z) y H_3,i(z), son las funciones de transferencia con una condición de operación i. La salida del sistema es la presión de salida, las entradas del mismo son: n velocidad de rotación del eje de la PAT (500, 1000, 1500, 2000, 2500 RPM, respectivamente, Figura 8), Q es el caudal y P_in es la presión de entrada. A partir de las evoluciones de las variables se proponen las siguientes funciones de transferencia:

Por otra parte, en el Cuadro 5, se muestran los porcentajes de ajuste de los modelos propuestos con los datos experimentales obtenidos en el banco de ensayos.

Es importante estudiar cómo se vincula el sistema de recuperación de energía con el sistema eléctrico de distribución. En este sentido, es interesante analizar las mediciones de energía y los modelos propuestos. En la parte inferior izquierda de la Figura 9 se puede observar la evolución del registro del factor de potencia. En la figura se observa un salto consecuencia de un cambio importante en el estado de funcionamiento del sistema de recuperación de energía. En efecto, como se indica en el Cuadro 2, un coeficiente +2 indica que el sistema esta funcionando como una carga eléctrica. Este cambio en las características operativas del sistema también se observa en la identificación del mismo según se presenta en (Peña y cols., 2020). De esta manera, la identificación de sistemas aplicando mínimos cuadrados puede aplicarse para obtener un modelo que se va a utilizar para sintonizar un controlador y también puede aplicarse para detectar cuando el sistema está trabajando como carga o como generador.

5. Diseño del control

A partir de la expresión (8) se observa la presencia del retardo r₁ en la respuesta del sistema que es presentado en el Cuadro 4. Es sabido que los retardos tienden a inducir comportamientos inestables en sistemas a lazo cerrado y por ello requieren un tratamiento particular en algunos casos. En general, los retardos están asociados a fenómenos de transporte, sistemas de comunicación, procesamiento digital de una señal, etc. Una mejora en el rendimiento de un controlador para un sistema que presenta retardos es la capacidad de predicción. Una aproximación ampliamente utilizada es el Predictor de Smith (Smith, 1958). Esta idea es la que emplea en este trabajo y una ventaja que tiene es que permite diseñar un controlador sin tener en cuenta el retardo.

Un esquema de un sistema tipico con un predictor de Smith es presentado en la Figura 10, donde C(z) es un controlador, H_R es la función de transferencia que representa el sistema de recuperación de energía, H(z) y z^-k es una estimación de la planta y del retardo de la misma, respectivamente. Como se puede observar en la Figura 10, la diferencia entre la salida de la planta (P_o) y la estimación de la misma () es la señal de error e_mp. Si esta diferencia es cero entonces el proceso (H_r(z)) y su estimación son iguales. En este caso, el controlador puede ser diseñado o sintonizado sin tener en cuenta el retardo ya que el lazo cerrado queda definido por el controlador y el modelo de la planta. De esta forma, la adición de un predictor de Smith mejora el desempeño del sistema cuando el mismo presenta retardos (Rico, 2007).

Si bien el modelo presentado en la expresión (7) posee múltiples entradas, dado que la presión de entrada y el caudal son impuestos externamente, solo la velocidad de giro de la turbina es la variable controlada. Entonces, el sistema se considerara de una entrada y una salida (SISO) para el diseño del control, siendo las variables presión de entrada y caudal perturbaciones del sistema. Debido a que las perturbaciones tienen una dinámica más lenta que el control, es posible considerarlas como constantes. El modelo general de un sistema SISO está dado por:

(11)

donde u, v e y son la entrada, una perturbación aplicada a la entrada, y la salida del sistema, respectivamente; A y B son polinomios.

Un controlador lineal para el sistema (11) se puede escribir como:

(12)

donde u_c es la referencia, R, T y S son polinomios, respectivamente. El sistema a lazo cerrado es:

(13)

Siendo el polinomio característico de lazo cerrado:

(14)

donde A_c es el polinomio con la dinámica deseada. La expresión (14) es conocida como la ecuación diofantina (Åström, 1995).

5.1. Diseño de un controlador para el sistema de recuperación de energía

Si consideramos la siguiente función de transferencia discreta para el controlador:

(15)

con S(z) = s₀z² + s₁z + s₂ y R(z) = (z - 1)(z + p₁) el numerador y el denominador del controlador, respectivamente, el objetivo del diseño es determinar los parámetros s₀, s₁, s₂ y p₁ de C(z). Un diagrama a lazo cerrado del sistema recuperación de energía, donde se observan las entradas de perturbación P_in y Q, se muestra en la Figura 11.

Un primer paso para el diseño del controlador es seleccionar la respuesta dinámica deseada para el sistema a lazo cerrado. En este sentido, existen diferentes tipos de respuestas. Un análisis acerca de la síntesis de respuestas transitorias óptimas fue desarrollada en (Graham y Lathrop, 1953). En este trabajo, se elige una respuesta transitoria para minimizar la integral del valor absoluto del error multiplicada por el tiempo (ITAE, por sus siglas en inglés) (Graham y Lathrop, 1953; Franklin, 1994), conforme a la siguiente expresión:

(16)

donde e es la señal error, Figura 11.

De forma general, la función de transferencia de la dinámica deseada de lazo cerrado, de tiempo continuo, puede representarse como:

(17)

donde a₁,...,a_n+1 y b₁,...,b_n+1 son los coeficientes del polinomio numerador y denominador de la función de transferencia, respectivamente. Dichos coeficientes son conocidos y se desprenden del criterio ITAE antes mencionado. La ecuación (17), posee un equivalente en tiempo discreto:

(18)

que permite resolver la ecuación diofantina (14):

(19)

donde s₀, s₁, s₂ y p₁ son los coeficientes del controlador a ser determinados. Como el criterio ITAE se calcula para sistemas continuos, en el diseño del controlador se consideraron un par de polos complejos conjugados cuya ubicación es -0,7071 ±i0,7071 y dos polos rápidos fueron incorporados a los efectos de resolver la ecuación (19). Los coeficientes para el controlador son obtenidos empleando el modelo cuando el sistema opera en las velocidades 1000-1500 RPM. Los parámetros obtenidos, para el sistema discreto (15) y con un periodo de muestreo de 0,1 segundos, son: s₀ = -788,4571, s₁ = 1,9781e + 03, s₂ = -1,5686 y p₁ = 0,4784, respectivamente.

6. Resultados de Simulación

En esta Sección se simula el modelo obtenido del sistema y se evalúa el desempeño del controlador diseñado. Primero se compara la síntesis de un controlador empleando el criterio ITAE y empleando una función de transferencia de filtro de tipo Bessel. Por último se analiza como responde el sistema a lazo cerrado frente a variaciones en el retardo e incertidumbres en el modelo.

Es deseable que el sistema de recuperación de energía siempre opere como generador, es decir, suministrando energía a la red eléctrica. Por lo anterior, es razonable limitar la velocidad de funcionamiento del sistema en función de las mediciones eléctricas del registro factor de potencia. A los efectos de evitar que estos sistemas consuman energía de la red eléctrica, trabajan en serie con una válvula reguladora de presión en la red de distribución de agua y una válvula de bypass (Carravetta, 2018). Este tipo de arreglo permite una mejor operación del sistema de recuperación de energía, permitiendo operar en puntos de mejor eficiencia, y asegura el control de presión de agua frente a cortes del suministro eléctrico, etc.

En la Figura 12 se puede observar una comparación de la sintonía de un controlador empleando los coeficientes de un filtro de Bessel, empleado en (Peña y cols., 2020) y empleando el criterio ITAE presentado en la Sección 5.

En la Figura 12 se observa la evolución del sistema a lazo cerrado frente a un escalón en su entrada. En está figura, con línea de color azul, se representa la respuesta del sistema a lazo cerrado con un controlador sintonizado empleando los coeficientes de un filtro de Bessel. Mientras que con línea de color rojo se presenta la respuesta de un controlador empleando el criterio ITAE. Como se puede observar en los resultados de simulación la respuesta de tipo ITAE tiene un pequeño sobrepaso mientras que el diseño de tipo Bessel casi no lo tiene. No obstante, la respuesta usando el criterio ITAE para el diseño del controlador es más rápida que la de tipo Bessel.

En la Figura 14 se muestra una simulación con la respuesta temporal del sistema frente a un cambio de la referencia de presión de entrada. Además, se introduce una variación en el retardo de la planta.

En la Figura 14 se observa con línea de color azul, negro y rojo el valor de la presión de referencia, la evolución del sistema a lazo cerrado y la evolución del sistema con un retardo 3 veces más grande que el que posee el modelo, respectivamente. En la Figura 14, se puede observar que el sistema a lazo cerrado (línea de color negro) responde según la dinámica diseñada. Además, frente a una variación del retardo (tres veces más grande) el sobrepaso fue mayor al diseñado pero el sistema sigue siendo estable.

En la Figura 15 se presenta una simulación con un cambio en la entrada de referencia del sistema para una variación de parámetros en la planta de ±10% en uno de los polos. Estas variaciones se presentan en líneas de color rojo (+10%) y negro (-10%).

Frente a la entrada escalón en la referencia, aunque la respuesta se ha degradado fuertemente para el cambio +10%, el sistema sigue siendo estable. A partir de los resultados de simulación, se puede observar que es necesario tener una buena identificación de la planta y también de los retardos de la misma para utilizar correctamente el predictor de Smith. De esta forma, se puede asegurar que el sistema a lazo cerrado tenga la respuesta dinámica diseñada.

7. Conclusiones

En este trabajo, se aplicó Internet de las cosas a control y monitoreo de un sistema de recuperación de energía. Para llevar a cabo lo anterior, se creó una pasarela para los protocolos de comunicación industrial OPC UA y Modbus. Esto permitió conectar diferentes dispositivos Modbus a un servidor OPC UA. De esta forma, cualquier cliente OPC UA pudo acceder a las variables del sistema de recuperación de energía accediendo al servidor. Además, se diseño un cliente OPC UA empleando el software Node-RED que permite monitorear el funcionamiento del sistema y almacenar los datos de los ensayos. Cabe destacar que estas herramientas fueron diseñadas empleando software libre, lo cual aseguró su bajo costo.

A partir del uso de IoT, se pudo caracterizar al sistema de recuperación de energía en diferentes puntos de funcionamiento mediante una aproximación por mínimos cuadrados. De igual manera las mediciones llevadas a cabo con el medidor de energía fueron analizadas y tenidas en cuenta para encontrar el rango de funcionamiento más adecuado para el sistema de recuperación de energía. Un controlador fue diseñado resolviendo una ecuación diofantina y el retardo fue tenido en cuenta en el diseño empleando un predictor de Smith. El controlador fue validado mediante simulaciones.

Trabajos futuros incluyen la generación de código para la implementación de identificación en línea y la síntesis de un controlador adaptativo que pueda manejar de forma óptima al sistema de recuperación de energía bajo cualquier condición de funcionamiento.

Agradecimientos

Este trabajo se ha realizado con el soporte del proyecto de investigación (PI-1542), UNPSJB y la SCPL de Comodoro Rivadavia.

Referencias