Estimador Neuro-Borroso, con reducción de complejidad, de las temperaturas de un campo solar cilindro-parabólico

Abstract

La estimación de estados no observables de un proceso es importante cuando se aplican técnicas de control automático basadas en el espacio de estados. El diseño y uso de estos controladores conlleva suponer que los valores de los estados se podrán obtener de una u otra forma. Cuando todos los estados son medibles, no existe la necesidad de aplicar observadores. El caso de plantas solares cilindro-parabólicas usando modelos de parámetros distribuidos presenta el problema de no poder medir todos los valores de los estados con sensores. En este trabajo se presenta un observador basado en un sistema de inferencia borrosa para estimar los perfiles de temperatura de los lazos que componen el campo solar. Se aplica una técnica de reducción de complejidad basada en el análisis de componentes principales funcionales para que el estimador sea realizable en la practica sin ocupar mucha memoria o consumir demasiado tiempo tanto en la computación del algoritmo como en la programación en dispositivos industriales.

The estimation of unobservable states of a process is important when state space control techniques are applied. These controllers assume that states values are known. When all the states are measurable, there is no need to apply any observer. The case of the solar trough plants using a distributed parameters model presents many state variables which cannot be measured with sensors. In this work an observer based on a fuzzy inference system to estimate the temperature profiles of the loops that make up the solar field is presented. A complexity reduction technique based on Functional Principal Analysis is applied to make the estimator realizable in practice without occupying much memory or spend so much time in its programming in industrial devices.