Estimación de estado en la central termogas Machala utilizando machine learning

Palabras clave: central termogas, ciclo combinado, Pyomo, Python, optimización

Resumen

En el presente trabajo de titulación se analizó el estado de la Central Termogas Machala, la problemática del proyecto es garantizar grandes retos para conseguir una continuidad y garantizar el abastecimiento de energía eléctrica de forma eficiente y aprovechamiento de los recursos naturales y minimizando el impacto ambiental, la central termogas Machala trabaja con ciclo combinado, cuenta con 8 unidades generadoras que corresponden a Machala I y Machala II y la potencia total es 187 MW. En base a la programación en lenguaje Python utilizando la librería de Pyomo para el proceso de optimización, esta permitió analizar las variables de costos de combustible, potencia y Energía eléctrica de la central, la función objetivo corresponde a minimizar los costos de generación de energía eléctrica y las restricciones están asociadas a costos de arranque, parada y el balance de potencia. Por otra parte, para la resolución del problema se hace uso de GNU Linear Programming Kit (GLPK), debido a que el tipo de programación propuesta es entero lineal mixta; a través del análisis realizado se pudo observar qué generadores térmicos pueden operar al mismo tiempo, formar planes de mantenimiento para la salida de generadores de forma programada y cuál es la energía total producida.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor

Néstor Xavier Cruz-Carrillo, Universidad Técnica de Cotopaxi

Universidad Técnica de Cotopaxi. Latacunga. Ecuador

Carlos Iván Quinatoa-Caiza, Universidad Técnica de Cotopaxi

Universidad Técnica de Cotopaxi. Latacunga. Ecuador

Jefferson Alberto Porras- Reyes, Universidad Técnica de Cotopaxi

Universidad Técnica de Cotopaxi. Latacunga. Ecuador

Hendry Mauricio Jiménez-Bautista, Escuela Politécnica Nacional

Escuela Politécnica Nacional. Quito. Ecuador

Nicolyn Damari Rivera-Hidalgo, Escuela Politécnica Nacional

Escuela Politécnica Nacional. Quito. Ecuador

Referencias

[1] Ministerio de Producción, Comercio Exterior. Inversiones y Pesca, «Proyecto Central Termogas Machala,» 2015. [En línea]. Available: https://ecuadoropenforbusiness.com/proyectos/proyectos_publicos/Energia/ENERGIA%20Termogas%20Machala.pdf. [Último acceso: 7 Diciembre 2022].

[2] W. G. Galarza Mora, «Evaluación de los impactos al recurso agua derivados de la operación de una Central Termoeléctrica "TERMOGAS MACHALA",» Universidad de Guayaquil, Guayaquil, 2017.

[3] F. F. Calle Morocho, «Determinación de los beneficios económicos y ambientales por la Conservación de la Central Termogas Machala I a una central con ciclo combinado,» Universidad de Cuenca, Cuenca, 2018.

[4] N. Connor, «Ciclo Combinado,» Thermal Engineering, 09 Enero 2020. [En línea]. Available: https://www.thermal-engineering.org/es/que-es-la-turbina-de-vapor-descripcion-y-caracteristicas-definicion/ . [Último acceso: 6 Diciembre 2022].

[5] Instituto Catalán de Energía, «La energía: Ciclo combinado,» Gencat, 2018. [En línea]. Available: https://icaen.gencat.cat/es/energia/formes/electricitat/tecnologies/combinat/#:~:text=El%20ciclo%20combinado%20es%20una,grandes%20centrales%20productoras%20de%20electricidad. [Último acceso: 7 Diciembre 2022].

[6] C. A. Izaguirre Casquete, «Análisis de un sistema de control distribuido para generación eléctrica con motores de combustión interna en una central termoeléctrica.,» Universidad Católica de Guayaquil, Guayaquil, 2015.

[7] F. A. Gaviria Cataño y J. C. Gómez Leal, «Metodología de optimización para microredes eléctricas en zonas no interconectadas,» Universidad Autónoma de Occidente, Santiago de Cali, 2018.

[8] D. Saborido del Catillo-Luna, «Desarrollo de aplicación en Python para simulación y análisis del mercado eléctrico,» Escuela Técnica Superior de Ingeniería- Universidad de Sevilla, Sevilla, 2018.

[9] R. A. Constante Moya, «Desarrollo de una herramienta computacional para la planificación operativa de corto plazo de sistemas eléctricos de Potencia en base la algoritmo LOBO GRIS,» Escuela Politécnica Nacional, Quito, 2022.

[10] M. J. Moscoso Vásconez, «Herramienta computacional, en lenguaje Python para la solución del problema de despacho hidrotérmico de corto plazo considerando la red eléctrica con un flujo óptimo de potencia de corriente continua y el efecto de las pérdidas,» Escuela Politécnica Nacional, Quito, 2022.

[11] A.Makhorin, «GLPK (GNU Linear Programming Kit),» 2021. [En línea]. Available: https:/www.gnu.org/software/glpk/#introduction. [Último acceso: 12 Marzo 2023].

[12] C.Troncoso y R.Torres, «SEEDS:Herramienta Educativa para Estudios de Coordinación Hidrotérmica,» IEEE, Santiago, 2018.

[13] H.Valencia, «Modelo de programación de la operación de un sistema hidrotérmico con flujo óptimo de potencia utilizando herramientas convencionales de optimización,» Universidad de El Salvador, Universitaria, 2018.

[14] S. Pérez, «Optimización del despacho hidrotérmico en el corto plazo basado en el modelo programación lineal entero mixto,» Universidad Politécnica Salesiana, Quito, 2015.

[15] Pyomo, «Flexible Modeling of Optimization Problems in Python,» 2018. [En línea]. Available: https://www.pyomo.org/about.

[16] R. Python, «Rercursos Python,» [En línea]. Available: https://recursospython.com/guias-y-manuales/convertir-qtdesigner-a-codigo-python/.
Publicado
2023-10-23
Cómo citar
Cruz-Carrillo, N., Quinatoa-Caiza, C., Porras- Reyes, J., Jiménez-Bautista, H., & Rivera-Hidalgo, N. (2023). Estimación de estado en la central termogas Machala utilizando machine learning. ITECKNE, 20(2). https://doi.org/https://doi.org/10.15332/iteckne.v20i2.2983
Sección
Publicación Anticipada