Estrategias avanzadas de control predictivoaplicadas a sistemas solares térmicos

• Autores: Igor Mendes Lima Pataro
• Localización: VI Jornadas de Doctorado en Informática: 10 de Febrero 2023. Universidad de Almería / coord. por Luis Fernando Iribarne Martínez, Ester Martín Garzón, Manuel Berenguel Soria, 2023, ISBN 978-84-1351-224-2, págs. 80-87
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • El control de campos de captadores solares térmicos es un desafío en lo que respecta al desarrollo de modelos representativos y soluciones de control adecuadas. Para hacer frente a este problema, este trabajo propone un controlador óptimo adaptativo libre de modelo basado en el algoritmo Reinforcement Q-Learning. La solución propuesta requiere solo medidas de las principales variables de la planta, como la temperatura y el caudal del fluido de trabajo, y la trayectoria de referencia, para proporcionar una ley de control ´optima que converge a las ganancias ´optimas de un controlador LQT (Linear Quadratic Tracking, por sus siglas en ingles). De forma demostrativa, el algoritmo Q-Learning desarrollado se pone a prueba usando un modelo validado del campo de captadores solares del edificio CIESOL (Almería, España), en un escenario simulado confiable considerando datos reales de la instalación. Además, en aras de la comparación, el algoritmo Q-Learning se compara con el controlador LQT convencional. Los resultados demuestran la eficacia y las ventajas del controlador libre de modelo propuesto, evidenciando como el algoritmo Q-Learning puede superar los principales inconvenientes de los controladores basados en modelo en el control de campos de captadores solares, tales como la adaptación de la ley de control. Consecuentemente, la solución Q-Learning puede eliminar el error en estado estacionario del controlador LQT convencional durante la operación del sistema. En particular, la estrategia Q-Learning presenta un mejor rendimiento en un escenario de día soleado cuando se producen variaciones suaves de la irradiación solar, en el que el error de las ganancias calculadas con RL está dentro del 15 % de las ganancias ´optimas deLQT. Cabe destacar que la estrategia libre de modelo propuesta se puede extender adecuadamente a diferentes sistemas sin cambiar la formulación del controlador, siendo valiosa para manejar aplicaciones reales.