Condition estimation at the termogas Machala power plant using machine learning
Abstract
In the present titling work, the state of the Machala Termogas Power Plant was analyzed, the problem of the project is to guarantee great challenges to achieve continuity and guarantee the supply of electrical energy efficiently and use of natural resources and minimizing environmental impact, The Machala thermogas plant works with a combined cycle, it has 8 generating units that correspond to Machala I and Machala II and the total power is 187 MW. Based on the programming in Python language using the Pyomo library for the optimization process, this allowed to analyze the variables of costs of fuel, power and electrical energy of the plant, the objective function corresponds to minimizing the costs of electrical energy generation and the restrictions are associated with start-up, stop and power balance costs. On the other hand, to solve the problem, the GNU Linear Programming Kit (GLPK) is used, because the type of programming proposed is mixed linear integer; Through the analysis carried out, it was possible to observe which thermal generators can operate at the same time, form maintenance plans for the output of generators on a scheduled basis and what is the total energy produced.
Downloads
References
[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/.
