Control Automatizacion Parte 01

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (VI CIBELEC 2015)
Control de Velocidad de Aerogenerador

mediante Realimentacin de Variables de
Estado
Alejandro Gonzlez, Simn Morales
Resumen En este trabajo se presenta un Sistema de Control

orientado a mantener el rgimen de operacin de una turbina
elica de eje horizontal en torno al valor mximo de su eficiencia,
a fin de mejorar el desempeo de un Sistema de Conversin de
Energa Elica de Velocidad Variable basado en un Generador
Sincrnico de Imn Permanente. La eficiencia de la turbina
alcanza su valor mximo para una determinada relacin entre la
velocidad del viento y la velocidad angular de la turbina. La
estrategia de control propuesta consiste en asignar los polos
(autovalores) de un modelo linealizado del sistema en Espacio de
Estados mediante realimentacin de variables de estado. El
objetivo del controlador es ajustar de forma dinmica la
velocidad angular de la turbina de en funcin de mediciones de
velocidad del viento a fin de mantener la relacin de velocidad de
punta en torno al valor que hace mximo el coeficiente de
eficiencia. La tcnica de ajuste del controlador es verificada
mediante simulacin digital utilizando un modelo que contempla
las no linealidades del Sistema de Conversin de Energa Elica y
la aleatoriedad de la velocidad del viento.
Palabras clavesSistema de Conversin de Energa Elica de
Velocidad Variable, Generador Sincrnico de Imn Permanente,
Realimentacin de Variables de Estado, Asignacin de Polos.
fuentes externas de energa para excitacin ya que la misma es

obtenida de los imanes permanentes, asimismo su baja
velocidad de operacin permite eliminar la necesidad de un
tren de engranajes para acoplar la turbina al generador [1].
La aleatoriedad de la velocidad del viento y las mltiples
no linealidades de los Sistemas de Conversin de Energa
Elica han hecho del control de Velocidad
de
Aerogeneradores un campo de estudio bastante amplio.
Numerosas tcnicas de control pueden observarse en [1-4]
entre otros.
En este trabajo se presenta como tcnica de control asignar
los autovalores del sistema mediante realimentacin de
variables de estado, lo cual se realiza utilizando un modelo
linealizado del sistema en un punto de operacin especfico
definido por un valor de velocidad media del viento. El
controlador diseado es puesto a prueba mediante simulacin
utilizando un modelo que contempla las no linealidades del
sistema de conversin de energa elica as como la
aleatoriedad de la velocidad del viento.
II. SISTEMA DE CONVERSIN DE ENERGA ELICA
A. Estructura General
I. INTRODUCCIN
Los Sistemas de Conversin de Energa Elica (WECS =
Wind Energy Conversion System) ms utilizados en la
actualidad son aquellos que utilizan turbinas de velocidad
variable. Entre sus mltiples ventajas destaca la posibilidad de
realizar un ajuste dinmico de la velocidad de la turbina en
funcin de la velocidad del viento a fin de optimizar su
eficiencia aerodinmica [1, 2].
Los Generadores Sincrnicos de Imn Permanente (PMSG
= Permanent Magnet Synchronous Generator) y los
Generadores de Induccin Doblemente Alimentados (DFIG =
Double Fed Induction Generator) son actualmente los ms
utilizados [1]. Este ltimo particularmente para sistemas de
conversin de energa elica a gran escala mientras que los de
imn permanente son utilizados a baja y mediana escala [1].
Entre las ventajas de los PMSG se destaca la independencia de
Artculo recibido el 27 de Febrero de 2015.
A.G. y S.M. estn con la Universidad Central de Venezuela, Ciudad
Universitaria, Facultad de Ingeniera, Escuela de Ingeniera Elctrica, Caracas,
Distrito Capital, Venezuela, Tlf. +58-212-6053294 / 1753, Fax: +58-6053306,
E-mail: alejandro.g.gonzalez@ucv.ve, simon.j.morales@ucv.ve
La estructura general de un Sistema de Conversin de

Energa Elica basado en un Generador Sincrnico de Imn
Permanente se muestra en la Fig. 1 [1, 3].
FIG. 1. Sistema de Conversin de Energa Elica con PMSG

Esta estructura permite establecer la necesidad de mltiples
sistemas de control que pueden agruparse en dos etapas, que
pueden funcionar de forma independiente: una para el control
de velocidad de la turbina y otra para la calidad de la energa
suministrada a la red elctrica [1-3].
B. Regiones de Operacin de la Velocidad de la Turbina
Los objetivos en el control de velocidad de la turbina varan
de acuerdo a su rgimen de operacin, que usualmente se
divide en tres regiones [1, 3]. Segn [3] en la Regin 1 el
ISBN: 978-980-7185-03-5
CA-1

ngulo de las aspas se mantiene constante ( = 0) y la
referencia de velocidad corresponde a la necesaria para
maximizar el coeficiente de eficiencia, permitiendo capturar la
mayor potencia posible del viento. El intervalo de esta regin
est definido entre velocidad mnima del viento, ya que para
velocidades menores a la misma la potencia capturada es
considerada insuficiente, y un primer lmite de velocidad. En
la Regin 2 los objetivos de control cambian a controlar la
velocidad del rotor para disminuir el ruido acstico y mantener
la fuerza centrfuga dentro de los lmites tolerados por la
turbina y el generador. En la Regin 3 se intenta mantener
constante la velocidad de la turbina a fin de capturar la
potencia nominal de la misma. Cuando la velocidad del viento
excede un valor mximo establecido para esta ltima regin,
la prioridad es la preservacin de la turbina y el generador, por
lo cual la misma puede eventualmente ser detenida por
completo.
En este trabajo solo se considerar la operacin en la
Regin 1.
C. Modelo de Velocidad del Viento
Se trabaja con un modelo de velocidad del viento basado en
la representacin espectral de Van der Hoven de acuerdo a su
implementacin en [5]. Considerando el tiempo utilizado para
las simulaciones (25 s) se asume constante la componente de
baja frecuencia (Velocidad media). Si bien el modelo utilizado
es bastante simplificado, ste toma en cuenta aspectos como la
simetra de la turbina de eje horizontal de tres aspas y el efecto
sombra de la torre.
D. Modelo de Turbina Elica de Eje Horizontal
La extraccin de potencia mecnica del viento capturada
por la turbina elica de eje horizontal viene dada por (1) [1],
[2].
[4], los cuales son c1=0.5176, c2=116, c3=0.4, c4=5, c5=21 y

c6=0.0068. Bajo estas condiciones se obtiene para =0 la
curva de Cp en funcin de mostrada en la Fig. 2.
FIG. 2. Eficiencia de la Turbina en funcin de la

Relacin de Velocidad de Punta
Se puede apreciar que la eficiencia de la turbina alcanza su
valor mximo CpMAX=0.48 para un valor particular de Relacin
de Velocidad de Punta
=8.1.
El torque desarrollado por la turbina, obtenido a partir de
(1), viene dado por (5).
(5)
Asumiendo que el momento de inercia total de la turbina es
J y el coeficiente de friccin viscosa f y considerando la
sobre el eje, la ecuacin de
accin de un torque externo
movimiento angular en el eje de la turbina corresponde a (6).
(1)
(6)
Donde representa la densidad del aire,
la longitud del
aspa, r la velocidad angular del rotor, el ngulo de
inclinacin de las aspas, CP la eficiencia de la turbina para la
conversin de energa elica a energa mecnica y la
relacin de velocidad de punta, la cual es la relacin entre la
velocidad lineal en la punta del aspa y la velocidad del viento
como se muestra en (2) [1], [2].
E. Modelo del Generador Sincrnico de Imn Permanente

El PMSG es modelado en el marco de referencia dq0 como
se muestra en (7) y (8) [4].
(7)
(8)
(2)
Se observa en (1) que CP es funcin de y . Puede ser
calculado utilizando (3) definiendo 1 como se muestra en (4)
[3].
(3)
Donde vd y vq representan las tensiones en el estator, id e iq

las corrientes en el estator, R y L la resistencia e inductancia
equivalentes del estator, e la velocidad elctrica y o el flujo
magntico del imn permanente.
El torque elctrico Te viene dado por (9).
(9)
(4)
Donde los coeficientes c1,..,6 dependen de las
caractersticas aerodinmicas de las aspas.
Se supone una turbina con los valores utilizados en [3] y
Donde p representa el nmero de pares de polos de la

mquina. Asimismo, la dinmica del eje del rotor es descrita
mediante (10) [4], donde el torque
en (6) es remplazado por
ISBN: 978-980-7185-03-5
CA-2

el torque elctrico del motor. En este caso se asume unitaria la
relacin del tren de engranajes que acopla los ejes de la
turbina y el generador.
(10)
La velocidad elctrica e es proporcional a la velocidad
mecnica tal como se muestra en (11).
B. Clculo de la Velocidad Angular de Referencia

En la Regin 1 se desea que la velocidad angular de la
turbina haga seguimiento a la velocidad del viento a fin de
mantener el valor de la relacin de velocidad de punta
que lleva a su valor mximo CpMAX el coeficiente de eficiencia
de la turbina Cp, por lo que a partir de (2) puede establecerse
viene dada
la referencia de velocidad angular del eje
segn se muestra en (12).
(11)
III. ESTRATEGIA DE CONTROL
Dado el comportamiento dual de la mquina elctrica, su
control de movimiento como generador o como motor es
bastante similar, lo cual permite utilizar la misma lgica de
control y dispositivos para su implementacin [1].
En [1, 3] se muestran tcnicas de control basadas en un
modelo lineal del sistema en espacio de estados, en este caso
una estrategia alternativa es la asignacin de polos
(autovalores) en funcin de la dinmica deseada para el
mediante realimentacin de variables de estado, explicada en
[6].
A. Control en Rgimen de Velocidad Variable
En lneas generales la estructura de control para la
velocidad angular de la turbina en rgimen de velocidad
variable (Regin 1) se muestra en la Fig. 3.
(12)
C. Modelo en Espacio de Estados del Sistema de Conversin
de Energa Elica
Definiendo como vector de estado x(t) segn se muestra en
(13) asi como el vector de control u(t) mostrado en (14).
(13)
(14)
La representacin en espacio de estados del sistema vendr

dada por:
(15)
(16)
Donde f1 y f2 pueden ser determinadas directamente a partir
de (7) y (8), mientras que para f3 es necesario sustituir (9) y (5)
en (10). Adicionalmente se toma el efecto de la velocidad del
viento en f3 como una perturbacin. Se asume como
condiciones iniciales x(to) y la salida del sistema viene dada
por y(t) (velocidad angular del eje).
FIG. 3. Esquema de Control de Sistema de Control de

Velocidad de Turbina Elica
El funcionamiento del sistema consiste en generar una seal
de referencia tal que la velocidad angular en funcin de la
velocidad del viento, tal que la relacin de velocidad de punta
de la turbina se encuentre cercana al valor necesario (opt) para
mantener el coeficiente de eficiencia de la turbina en torno a
su valor mximo (CpMAX) [1], [3]. La seal de control ajusta las
tensiones trifsicas del generador, lo cual se realiza mediante
el convertidor del lado del generador (ver Fig. 1) [1, 3]. Ms
adelante se explica el clculo de la seal de referencia.
D. Linealizacin del Modelo del Sistema

Resulta conveniente definir el punto de operacin del
sistema para una velocidad media del viento
y asumiendo
que se tiene el valor de relacin de velocidad de punta
,
obtenindose as (se fija =0):
ISBN: 978-980-7185-03-5
(17)
CA-3
(18)
Donde el termino
puede ser calculado mediante (5)
utilizando CpMAX,
y .
Definido el punto de operacin , asumiendo pequeas
variaciones
en torno a
, la aproximacin
lineal del sistema por serie de Taylor viene dada por (19) y
(20).
asignacin robusta de los polos deseados considerando que el

sistema posee mltiples entradas. La matriz de ganancia
correspondiente tiene la forma mostrada en (25).
(25)
Donde Ki1 y Ki2 corresponden a las ganancias de la variable
de estado w(t), obtenida al incorporar el integrador al sistema.
La estrategia de control se muestra en la Fig. 4.
(19)
(20)
Donde las matrices A, B, dependen del punto de operacin
y son determinadas como se muestra en (21), (22) y (23). La
matriz C tiene la misma forma que en el sistema original como
se muestra en (24).
FIG. 4. Realimentacin de Variables de Estado

Es importante destacar que para sistemas con mltiples
entradas la solucin obtenida, valores de la matriz K, no es
nica [7].
(21)
IV. SIMULACIN DEL SISTEMA DE CONTROL

A. Parmetros de la Simulacin
Para el diseo del Sistema de Control de acuerdo a la
metodologa descrita el modelo del Sistema de Conversin de
Energa Elica se ajustaron los parmetros de acuerdo a
valores tomados de [4] indicados en la Tabla I.
(22)
TABLA I
PARMETROS DEL SISTEMA DE CONVERSIN DE ENERGA ELICA
Smbolo
Parmetro
Rt
Longitud del aspa de la turbina

Resistencia del Embobinado del
Generador
Inductancia del Embobinado del
Generador
Flujo Magntico del Generador
Nmero de pares de polos del
Generador
Inercia del eje del Generador
Friccin viscosa en el eje del Generador
(23)
L
o
(24)
E. Asignacin de Polos por Realimentacin de Variables
de Estado
Asumiendo que todo el vector de estado es fsicamente
medible, si el sistema definido por el par (A, B) es
completamente controlable, entonces mediante realimentacin
de variables de estado utilizando una matriz de ganancia K
apropiada se pueden asignar arbitrariamente los polos del
sistema a lazo cerrado [6]. Esto puede realizarse utilizando el
modelo lineal del sistema.
Adicionalmente [6] sugiere un mtodo para mejorar el
seguimiento de la seal de referencia incorporando un
integrador en el trayecto directo, lo cual incrementa el orden y
tipo de sistema. Para el clculo de K se utiliz un programa
basado en el algoritmo expuesto en [7], el cual realiza una
P
J
f
Valor
3m
4.3
27 mH
0.272 Wb
1
1kg m2
0.002 kg m2/s
De igual manera se muestran en la Tabla II los parmetros

del modelo de velocidad del viento utilizado.
TABLA II
PARMETROS DEL MODELO DE VELOCIDAD DEL VIENTO
Smbolo
Vm
Lt
ISBN: 978-980-7185-03-5
Parmetro
Velocidad media del Viento
Longitud de turbulencia
Desviacin estndar de la
turbulencia
Densidad del aire
Valor
8 m/s
0.05 m
1m
1.25 Kg/m3
CA-4
El controlador por Realimentacin de Variables de Estado

se ajusta tal que los polos dominantes del sistema se ubiquen
en -44j y -16. Los valores de la matriz de ganancia se
muestran en la Tabla III.
TABLA III
VALORES DE LA MATRIZ DE GANANCIA DE REALIMENTACIN DE ESTADO
Parmetro
Valor
K11
-3.868
K12
0.5832
K13
-13.573
Ki1
K21
-0.583
K22
-3.909
K23
1.201
Ki2
33.88
FIG. 6. Velocidad angular de la turbina con control por

Realimentacin de Variables de Estado.
En la Fig. 7 se muestra la Relacin de Velocidad de Punta y
en la Fig. 8 el Coeficiente de Eficiencia de la Turbina.
B. Resultados de la simulacin
Se muestran los resultados en una simulacin realizada en
MATLAB/Simulink durante 25 s. El perfil de velocidad del
viento utilizado se muestra en la Fig. 5, se introduce
intencionalmente un incremento de 10% en la velocidad media
a los 15 s. No se toma en cuenta el arranque del generador en
tanto dicho rgimen se encuentra fuera de la regin de
operacin del sistema bajo estudio.
FIG. 7. Relacin de Velocidad de Punta con Control por

La evolucin de las corrientes y tensiones en el estator del
generador durante la simulacin se muestran en las Figuras 9 a
12.
El torque desarrollado por la turbina se muestra en la Fig.
13.
FIG. 5. Perfil de velocidad del viento utilizado en la

simulacin.
La velocidad angular de la turbina obtenida en el sistema
controlado por Realimentacin de Variables de Estado se
muestra en la Fig. 6.
C. Anlisis de Resultados
En la Fig. 8 se puede apreciar que el sistema de control
logra mantener el coeficiente de eficiencia de la turbina
entorno a su mximo valor (0.48), mostrado previamente en la
Fig 3. Asimismo se observa en la Fig. 7 que la relacin de
velocidad de punta mantiene su valor en torno a 8.1. Se puede
destacar adems que el incremento de la velocidad media del
viento a los 15 s, identificable en la Fig. 5, no tiene un efecto
considerable sobre Cp.
ISBN: 978-980-7185-03-5
CA-5
FIG. 8. Coeficiente de Eficiencia de la Turbia con Control por

FIG. 9. Corriente en el eje d del estator con Control por

FIG. 11. Tensin en el eje d del estator con Control por

FIG. 12. Tensin en el eje q del estator con Control por

FIG. 13. Torque desarrollado por la Turbina.

FIG. 10. Corriente en el eje q del estator con Control por
ISBN: 978-980-7185-03-5
CA-6

En todos los parmetros medidos se observan fluctuaciones
en torno al punto de operacin, producto de la componente de
turbulencia en la velocidad del viento y la accin del sistema
de control. En las seales elctricas del estator pueden
apreciarse cambios significativos luego de modificar el punto
de operacin al variar la velocidad media del viento.
En la Fig. 9 se puede notar que el aumento de 10% en la
velocidad media del viento produce un aumento significativo
en el valor medio de la corriente en el eje d del estator, id(t),
desde 0 A a aproximadamente 10 A, as como en la amplitud
de sus fluctuaciones, tal efecto no se observa en el resto de los
parmetros medidos.
Vale la pena retomar que en (9) se observa que el torque
elctrico es proporcional a iq(t).
En la Fig. 10 se puede notar un aumento ligeramente mayor
al 20% en la corriente del eje q del estator, iq(t). Asimismo, a
diferencia de lo observado en el caso de id(t), las fluctuaciones
producto de los cambios instantneos de velocidad del viento
no aumentan de forma considerable. Similares resultados
pueden observarse en las tensiones en los ejes d y q en la Fig.
11 y la Fig. 12.
Las seales elctricas medidas en el estator permiten
determinar la aplicabilidad de la estrategia de control
propuesta. En caso de haber mayores restricciones sobre estas
seales es posible disminuir la cantidad de energa requerida
disminuyendo imposiciones sobre los autovalores asignados
para el sistema, lo cual acarrear un seguimiento ms lento de
la velocidad del viento por parte del sistema de control, que
incidir en los valores instantneos del coeficiente de
eficiencia Cp.
V. CONCLUSIONES
aleatorio de la velocidad del viento, el ajuste del controlador

tomando en cuenta un modelo lineal del sistema para un punto
de operacin especfico continu brindando resultados
bastante aceptables al introducir una variacin considerable en
el punto de operacin (lo cual se realiz incrementando la
velocidad media del viento).
Considerando que se conocen varios algoritmos que
permiten realizar el ajuste de la matriz de ganancia, como se
indica en [7], las mayores dificultades de la implementacin
de la tcnica de ajuste requerida para la estrategia de control
utilizada radica en el previo conocimiento de los parmetros
modelo del sistema, as como en el acceso a mediciones de
todos las seales fsicas, particularmente la velocidad del
viento, que requieren transductores que pueden ser altamente
sensibles al ruido y arrojar mediciones imprecisas, como se
seala en [4].
REFERENCIAS BIBLIOGRFICAS
[1]
[2]
[3]
[4]
[5]
[6]
La estrategia de control propuesta arroj resultados que

validan su efectividad. Se pudo observar adems que, pese a
las no linealidades del sistema y el carcter impredecible y
[7]
I. Munteanu, et al. Optimal Control of Wind Energy Systems:

Towards a Global Approach. Londres, Reino Unido: Springer, 2010.
F. Bianchi, et al. Wind Turbine Control Systems. Principles,
Modeling and Gain Scheduling Design. Londres, Reino Unido:
Springer, 2007.
Zaragoza, et al. Study and Experimental verification of Control
Tuning Strategies in a Variable Speed Wind Energy Conversion
System. En Renewable Energy, Vol. 36, pp. 1421-1430, 2011.
M. Corradini, et al. Fully sensorless robust control of variable-speed
wind turbines for efficiency maximization en Automatica, Vol. 49,
pp. 3023-3031, 2013.
C. Gavriluta, et al. Complete Methodology on generating realistic
wind speed profiles based on measurements en International
Conference on Renewable Energies and Power Quality (ICREPQ 12),
Santiago de Compostela, Espaa, 2012.
K. Ogata. Ingeniera de Control Moderna. Madrid, Espaa: Pearson
Education, 2003.
Kautsky, et al. Robust Pole Assignment in Linear State Feedback
en International Journal of Control, Vol. 41, pp. 1129-1155, 1985.
ISBN: 978-980-7185-03-5
CA-7
6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA(VI CIBELEC 2015)
Propuesta de Supervisin y Control de Rels de

Proteccin, mediante un SCADA (Supervisory,
Control and Data Acquisition) basado en
Software Libre
Luis E. Rivera, Gerardo Torres, Mara Coronel
ResumenEl presente trabajo describe una propuesta y

metodologa para implementar un SCADA (Supervisory, Control
and Data Acquisition) basado en software libre y licencia gratuita,
para rels de proteccin de distancia en sistemas elctricos de
potencia. Para las pruebas se utiliz un REL-512 ABB, que es un
rel de proteccin multifuncional y como software SCADA se
utiliz el ScadaBR. El protocolo de comunicacin para la
incorporacin del rel al sistema SCADA es DNP3 (Distributed
Network Protocol) serial. En este trabajo, se presenta la
configuracin de los puertos de comunicacin del dispositivo
para que sea compatible con DNP3, como se trata de
comunicacin serial, se indica adems cuales son las opciones
disponibles en el REL-512 (RS-485 y RS-232), los criterios para
seleccionar una u otra y como debe realizarse, as como tambin
la configuracin de los parmetros del software SCADA, para
comunicacin en DNP3.Las pruebas de supervisin y control
realizadas con el software ScadaBR y el REL-512, mediante la
configuracin de diversas variables de inters fueron exitosas, lo
que indica que la propuesta es vlida para la aplicacin
planteada.
Palabras clavesSCADA, Software Libre, Rel de distancia y
Protocolo de Comunicacin.
I. INTRODUCCIN
Un sistema SCADA (Supervisory, Control and Data
Acquisition), consiste en la adecuacin de la telemetra y
adquisicin de datos. El sistema SCADA maneja la
informacin transmitida desde una Unidad Terminal Remota
(RTU = Remote Terminal Unit) y/o un Dispositivo Electrnico
Inteligente (IED = Intelligent Electronic Device), despliega
dicha informacin en una pantalla que se encuentra ubicada en
una estacin de control mediante un software SCADA, donde
Artculo recibido el 27 de febrero de 2015.
L.E.R.,G.T. y M.C. estn con la Universidad de Los Andes, Sector La
Hechicera, Facultad de Ingeniera, Escuela de Ingeniera Elctrica, Mrida,
estado
Mrida,
Venezuela,
Tlf.
+58-274-2402903,
E-mail:
luis20er@gmail.com,
torresggd@gmail.com,
mcoronelmendez@gmail.com
se realiza un proceso de anlisis y supervisin, luego se puede

optar a tomar acciones de control, as como tambin
almacenar datos por un tiempo determinado, para luego
generar informes.
Para que exista la comunicacin entre el software SCADA
y los dispositivos remotos (RTU), debe existir un sistema de
comunicaciones, el cual proporciona la va que permite dicha
comunicacin, este sistema puede ser de fibra ptica, radio,
Ethernet, lnea telefnica, microondas e incluso por satlite.
Los protocolos de comunicacin especficos y las teoras de
deteccin de errores, se utilizan para una transferencia de
informacin eficiente y ptima. Existe una gran variedad de
protocolos en la industria de energa elctrica, pero los ms
populares son: ModBus, ModBus Plus y DNP3 (Distributed
Network Protocol) [1-2].
El protocolo DNP3fue desarrollado para la comunicacin
entre dispositivos en sistemas elctricos de potencia; los
beneficios a corto plazo de usar este protocolo son los
siguientes: codificacin segura, proporciona interoperabilidad,
no es necesario un traductor de protocolos, el costo de
software es reducido, las pruebas de conformidad se pueden
realizar de forma independiente y es apoyado por un grupo
independiente de desarrolladores y usuarios (ejemplo: equipos
de prueba y cdigo fuente). Los beneficios a largo plazo
incluyen; la facilidad de expansin de un sistema, larga vida
del producto, adicin de un valor agregado a los equipos de
los distintos fabricantes y que se puede adaptar rpida y
fcilmente a nuevas tecnologas [2]. Debido a esto el
protocolo DNP3se ha convertido en el protocolo estndar de
facto en la industria de energa elctrica y es ampliamente
apoyado con herramientas para pruebas, libreras para el
protocolo y servicios [2].
Existen dos tipos de software SCADA: abiertos y de
propietarios; ste ltimo es desarrollado por empresas o
fabricantes y solo permite la comunicacin entre dispositivos
elaborados por ellos, el principal problema que acarrea el
software propietario, es la excesiva dependencia con el
proveedor del sistema. Caso contrario al de tipo abierto, el
cual se ha ganado la popularidad y aceptacin debido a la
interoperabilidad que aportan a un sistema. La
interoperabilidad es la habilidad de conectar equipos de
diferentes fabricantes a un mismo sistema, en este caso a una
ISBN: 978-980-7185-03-5
CA-8

misma red [1].
Por otro lado se han venido desarrollando software SCADA
de licencia gratuita y de cdigo abierto, los cuales han tenido
xito en diversas aplicaciones, de manera que existe una
alternativa gratuita y confiable, es por esa razn que en este
trabajo se decide trabajar con uno de stos SCADA, para
realizar la propuesta de interconexin con rels de proteccin
de sistemas elctricos de potencia.
Actualmente la gran mayora de rels modernos, soportan
diferentes protocolos de comunicacin, entre ellos se
encuentran ModBus y DNP3 [3]. Estos rels, se pueden
configurar para enviar datos analgicos y digitales al software
SCADA que se lo solicite.
dos (2) o cuatro (4) hilos.

La tarjeta de comunicaciones DNP3 contienen unos puentes
(jumpers) que permiten realizar la configuracin del estndar
de transmisin, ya sea en RS-485 half o full duplex, o en RS232 half o full duplex. La tabla que se muestra en la vista
frontal de la Figura 1, tambin se encuentra impresa en la
tarjeta de comunicaciones DNP3, la cual viene configurada
por defecto para funcionar en RS-232 [5].
II. REL DE PROTECCIN

El rel de proteccin utilizado en esta propuesta es el REL512, el cual se muestra en la Figura 1. Este rel es un equipo
digital multifuncional, que principalmente realiza la
proteccin de distancia. Presenta las siguientes funciones:
zonas de medicin de impedancia, unidades direccionales,
funciones de sobrecorriente, funciones de voltaje. Contiene
cuatro (4) entradas de transformador de corriente, tres (3)
entradas de transformador de voltaje. Para la comunicacin
con una computadora o con otro dispositivo, el equipo posee
un puerto delantero DB9, accesible a RS-232 aislado
pticamente [4]. Tambin tiene un puerto trasero DB9, el cual
le permite configurarse bien sea en RS-232 o en RS-485, este
puerto se encuentra acoplado a la tarjeta de comunicaciones,
cuya imagen se muestra en la Figura 2, la cual permite utilizar
el protocolo DNP3. Para el uso de este protocolo se debe hacer
una configuracin la cual se describe a continuacin.
FIG. 2. Tarjeta de comunicaciones DNP3 del REL-512

ABB.
TABLA I
CONFIGURACIN DE LA TARJETA DE COMUNICACIONES PARA SU
FUNCIONAMIENTO EN DNP3.
DB9 Pin
Out
1
FIG. 1. REL-512, vista frontal y vista trasera.

A. Configuracin DNP3 del rel de proteccin REL-512 ABB
Para lograr la comunicacin utilizando el protocolo DNP3
con el rel de proteccin REL-512 ABB, se debe configurar
tanto el hardware como el software [5]. Para realizar la
configuracin del hardware se debe remover la tarjeta de
comunicaciones y hacer las conexiones que se presentan en la
Tabla I. Las posibilidades de usar el protocolo DNP3 son:
estndar (RS-232 o RS-485) y la configuracin de conexin de
n/c
n/c
TxD
RxD
2 Wire
Conection
Noninverted
Inverted
n/c
5
6
7
8
9
GND
n/c
RTS
CTS
5V
GND
B
n/c
n/c
5V
GND
5V
RS-232
RS-485
4 Wire
Conection
Tx Noninverted
Tx-inverted
Rx Noninverted
GND
Rx Inverted
5V
Luego de realizar los arreglos en el hardware, se debe

configurar el software, esto se realiza a travs del puerto
frontal y utilizando un emulador de terminal. Para el
desarrollo de esta propuesta se trabaj una computadora
Pentium 4 IBM, con microprocesador de 2.6 GHz, 1 GB de
memoria RAM y Sistema Operativo Windows XP. El
programa que se utiliz para emular el terminal es el
Hyperterminal, que se encuentra disponible en Windows XP y
es un programa que se puede utilizar para conectar con otros
equipos, sitios Telnet, sistemas de boletines electrnicos
(BBS), servicios en lnea y equipos host, mediante un mdem,
un cable de mdem nulo o Ethernet [6]. En la Figura 3 se
encuentra el men de configuracin de la comunicacin del
ISBN: 978-980-7185-03-5
CA-9

REL-512, para el protocolo DNP3, en cuyo ejemplo se observa
que sus principales arreglos son: DNP3, RS-485, Half Duplex
y tiempo de sincronizacin de 60 s.
La salida para comunicacin DNP3 serial, bien sea en RS232 RS-485, se realiza a travs de un conector DB9. En la
Tabla II se muestra la configuracin de los pines para cada
uno de los casos.
FIG. 3. Men de configuracin de comunicacin Protocolo

DNP3 del REL-512.
TABLA II
DB9 CONECTOR PIN-OUT.
JumpersPins
1,2
2,3
ModeSelection
JP 1 - 4
RS-232
RS-485
RS-485 configuration:
JP5
HalfDuplex
Full Duplex
JP6
2 wire
4 wire
JP7
2 wire
4 wire
RS-485 Termination/Biasresistors:
JP8
121
Open
JP9
523
Open
JP10
523
Open
Como estos dispositivos de proteccin se instalan en

subestaciones elctricas, se deben tomar en consideracin los
cables a utilizar para una correcta comunicacin entre el
dispositivo y el software SCADA. El fabricante del dispositivo
recomienda una serie de cables blindados, que se encuentran
comercialmente (Alpha 58902, Belden 9729, Carol 58902).
Estos cumplen las caractersticas fsicas y elctricas adecuadas
para instalarlos en un ambiente como el de una subestacin
elctrica.
asociado al uso y que tiene habilitado el protocolo DNP3, es

que se decide utilizar este software SCADA.
ScadaBR contiene diferentes elementos bsicos que permite
configurarlo como un sistema convencional, adems tiene la
opcin de incorporar vistas grficas, realizar programacin de
scripts, manejador de eventos y alarmas, tambin adecuacin
de punto decimal, entre otras ventajas. El ScadaBR debe ser
configurado para adquirir los datos de inters, as como
tambin definir el protocolo mediante el cual se va a realizar la
comunicacin con el dispositivo, la configuracin de este
ltimo se describe a continuacin.
A. Configuracin del ScadaBr para trabajar con el protocolo
DNP3 serial
La computadora donde se instala el software ScadaBR se
comportar como el dispositivo maestro, y debe configurarse
cada uno de los dispositivos con los cuales se va a realizar la
supervisin y el control. En esta propuesta se utiliza
inicialmente un dispositivo (REL-512). En la pantalla inicial
se escoge la opcin: fuente de datos, protocolo DNP3 serial,
luego se abre una ventana de configuracin donde se editan las
propiedades del protocolo. En la Figura 4 se muestra la
ventana de configuracin de propiedades con los datos a
utilizar en esta propuesta. En el campo Nombre, se coloca el
nombre del dispositivo con el cual se va a identificar en el
ScadaBR. Los campos Source Address y Slave Address
corresponden con la direccin del dispositivo maestro y
esclavo respectivamente. Se realiza la comunicacin a travs
de un puerto serial, para ello se debe colocar en el campo
Puerto, la entrada de tipo serial, junto con sus respectivos
parmetros, para este caso se usa: 9600 Baudios, 8 bits de
datos, 1 bit de parada y ninguna paridad. Luego se configuran
los parmetros del protocolo que soporta el ScadaBR, los
cuales son: Retries, Timeout, RBE polling Period y Relative
Static Period; stos parmetros corresponden con la lectura de
clases, a travs de las cuales el protocolo organiza los tipos de
datos, para que fluya la comunicacin entre el ScadaBR hacia
el dispositivo.
III. SCADA BASADO EN SOFTWARE LIBRE Y LICENCIA

GRATUITA
El software seleccionado para realizar las pruebas en este
artculo es el ScadaBR, ste es basado en software libre y es de
cdigo abierto, por lo que tiene una gran aceptacin en la
comunidad del software libre, contando con ms de 70.000
descargas de su pgina oficial [7]. El ScadaBR actualmente
dispone de una gran cantidad de protocolos de comunicacin
que se utilizan en distintos mbitos industriales, entre los
cuales se encuentra el protocolo de comunicacin DNP3 serial
y DNP3TCP/IP. Debido a su fcil descarga, ningn costo
FIG. 4. Parmetros de configuracin del software ScadaBr,

para el protocolo DNP3 serial.
ISBN: 978-980-7185-03-5
CA-10

Cuando se trabaja con DNP3, se permite que los usuarios
clasifiquen la informacin en diferentes grupos llamados
clases. El protocolo generalmente soporta cuatro (4) tipos de
clases: 0,1, 2 y 3. La clase 0 corresponde con los valores que
se estn supervisando en tiempo real. Las clases 1,2 y 3 estn
reservadas para aquellos datos que requieran estampas de
tiempo, es decir, si cambian de valor en un momento dado, se
muestra el tiempo en que sucedi, junto con su
correspondiente valor nuevo [8].
Luego de configurar el dispositivo en el ScadaBR se
procede a agregar los puntos digitales o analgicos que
deseamos monitorear y controlar, esto se realiza en la
configuracin del punto. Para la adicin de puntos o ndices al
software ScadaBr, se toma la tabla estandarizada (DNP3
Subset Definitions) que provee el fabricante sobre el protocolo
DNP3 del dispositivo. En la Figura 5, se muestra la tabla de
puntos a visualizar, se indica el nombre del punto, el tipo de
dato, el estado en que se encuentra y su respectivo ndice. En
el estado, el color rojo indica deshabilitado y el color verde
indica habilitado. Con la habilitacin de los puntos, se puede
configurar para obtener los ltimos valores registrados.
FIG. 5. Configuracin de los ndices que se van a supervisar

con el software ScadaBr.
Luego de tener configurado el dispositivo y los puntos de
inters, se procede a definir como se desea observar en la
pantalla del operador, para esto se debe realizar una
configuracin en el ScadaBR. Cabe resaltar que para definir
las pantallas grficas o tambin llamadas Mimics, se deben
seguir los estndares recomendados para cada proceso, en
ellos se define desde el color hasta la estructura para mostrar
parte o todo el proceso que se desee tener en primer plano.
Para la configuracin de control (Ver ejemplo en la Figura 6),
se realizaron pruebas utilizando el tipo de dato Binary Output,
que se encuentra en la opcin fuente de datos, DNP3 serial,
colocando su correspondiente ndice, que est reflejado en la
tabla estandarizada DNP3 del equipo (DNP3 Subset
Definitions). El ScadaBR, solo maneja en DNP3 el modo de
operacin DirectOperate. Este es un tipo de dato
alfanumrico, el cual enva un pulso con un tiempo de
duracin, lo cual realiza el cierre de los contactos que
corresponden con el ndice definido.
B. Configuracin para vistas graficas en ScadaBr
El ScadaBr dispone de opciones para configurar la
asignacin de los ndices de supervisin del dispositivo a una
imagen o vista grfica. En la opcin del men de

configuracin se encuentra: vistas grficas. Luego aparecen
las propiedades de configuracin de las mismas (ver Figura 7).
En este men se puede tomar una imagen que pueden ser las
predeterminadas del ScadaBR, igualmente se pueden adicionar
otras imgenes.
FIG. 6. Configuracin de las acciones de control en

ScadaBr para DNP3.
FIG. 7. Propiedades de configuracin para vistas grficas en

ScadaBR
En este caso, el dispositivo de proteccin de lneas de alta
tensin REL-512 ABB, es un equipo que se encuentra
supervisando principalmente valores de corriente, voltaje y
potencia en una lnea de transmisin. Para la implementacin
de la vista grfica se agregaron imgenes de tipo (.png) e
imgenes de tipo (.gif). Las imgenes animadas (.gif) se
utilizan para indicar algn cambio de estado. Se debe definir
los ndices que cumplen con esta funcin. Un ejemplo para
implementar son los ndices binarios, porque cambian de
estado para indicar alguna notificacin. En la Figura 8 se
muestra un ejemplo, para usar una imagen base, en la cual se
van adicionando e identificando los puntos respecto a lo que
se quiere observar. En esta pantalla grafica se muestra que las
imgenes que cambian de estado en este caso son los leds
rojos, que se encienden y apagan cuando ocurre alguna
notificacin. En este caso se simula el panel frontal del REL512.
IV. PROCEDIMIENTO DE PRUEBA
En las pruebas realizadas se configur el REL-512, para
comunicarse a travs de RS-485 half dplex, 2 hilos. Como la
ISBN: 978-980-7185-03-5
CA-11

computadora posee puerto de comunicacin RS-232 con
conexin DB9, se debe utilizar un conversor
RS-485/RS232. La decisin de realizar la configuracin con el
estndar RS-485 es que a diferencia del estndar RS-232(que
puede conectar un solo equipo esclavo a menos que se instale
un servidor terminal serial), se pueden conectar hasta 32
dispositivos, las longitudes de cableado son mayores (hasta
1200 m) y adicionalmente el estndar permite que la
transmisin de datos sea menos sensible a ruido producido por
lneas de transmisin. Para identificar cada dispositivo, en las
configuraciones se le debe colocar a cada uno un nmero
entero, que indica la direccin del mismo. Esto es necesario
realizarlo, ya que en una red donde se conectan varios
dispositivos, el SCADA debe poder identificarlos. En la prueba
se configuro un solo dispositivo con direccionamiento (01).
V. ANLISIS Y RESULTADOS
El resultado fue el esperado, supervisin de los datos en
tiempo real y control sobre algunas variables de inters. La
arquitectura definitiva es un sistema SCADA, conformado por
lneas de transmisin conectadas a un rel de proteccinREL512, mediante un canal de comunicacin cableada utilizando
el estndar RS-485 y convertido a RS-232 para conectarlo al
sofware ScadaBR.
Se le pueden anexar ms nmeros de variables, lo cual
depender de lo que desea el personal de sistemas de
proteccin de la subestacin, ms lo que el operador debe
informar cada perodo de tiempo. Con respecto a la seguridad,
el sistema SCADA que se instal con el software ScadaBr, no
debe estar expuesto directamente a modificaciones de los
parmetros que se mencionaron anteriormente, as como
tambin, la computadora donde se instala el ScadaBR no debe
estar conectado a redes no supervisadas o con salida a
personas sin autorizacin, para as evitar posibles
infiltraciones y sabotajes al sistema elctrico.
VI. CONCLUSIONES
FIG.8. Ejemplo de adicin de grficos en el ScadaBr.

Los puntos configurados fueron los que se describen a
continuacin,
ndices
analgicos:
la
relacin
de
transformacin del transformador de corriente (CT ratio), la
corriente en la fase a de la lnea de transmisin (Ia), la
corriente de la fase b de la lnea de transmisin (Ib), el factor
de potencia (Power Factor), los ndices binarios (LOP/LOI),
que es un dato de notificacin que indica que el rel est
detectando bajos niveles de tensin, SelfTest, es una
notificacin que indica el funcionamiento correcto del rel.
Al finalizar los procedimientos de configuracin, se hace la
integracin del mismo hacia el rel, usando un cable con
conector DB9, para el puerto serial de la tarjeta DNP3, y ste
dirigido hacia el puerto serial del conversor RS-485/RS-232,
para luego conectarlo en el puerto serial (COM) de la
computadora. Luego, se habilita la fuente de datos para que
comience la comunicacin y entonces el rel entrega datos al
ScadaBr. En las entradas del REL-512 se le conecto una
fuente de voltaje y corriente para simular las entradas reales de
la subestacin. Se realiz la accin de control, introduciendo
un pulso ON de 500 ms, lo que result en el cierre de los
contactos de disparo del rel (TRIP).
Es importante realizar una correcta y apropiada

configuracin del REL-512, en la comunicacin del mismo
para que realice la interconexin a travs del protocolo DNP3.
Hay que tener precaucin al realizar dicha configuracin, ya
que si se hace incorrectamente puede traer daos permanentes
al dispositivo [6]. La computadora debe manejar suficiente
flujo y respaldo de datos, para que no tenga algn problema en
la lectura de informacin y almacenamiento del mismo. Se
realizaron pruebas para la lectura de puntos del rel,
visualizndose en el ScadaBr, con sus correspondientes
cambios de estado, as como tambin algunas pruebas de
control con resultados satisfactorios. Al igual que en el REL512 ABB, en el software ScadaBR se debe realizar una
correcta configuracin en los parmetros de comunicacin
para que no exista problema con el dispositivo esclavo.
ScadaBR es una herramienta muy potente para ser de software
libre. Se puede incluso hacerles mejoras, de acuerdo a los
requerimientos exigidos por un usuario.
Queda para un prximo trabajo realizar pruebas de
confiabilidad, realizando supervisin y control por largos
periodos de tiempo y cuyos datos almacenados puedan ser
cotejados con un protocolo definido y as evidenciar el ptimo
funcionamiento del ScadaBR. As como tambin conectar un
mayor nmero de dispositivos.
AGRADECIMIENTOS
A los profesores de la Escuela de Ingeniera Elctrica de la
Universidad de Los Andes, por su apoyo tcnico y cientfico.
[1]
[2]
[3]
G. Clarke, D. Reynders Practical Modern Scada Protocols: Dnp3,

60870.5 and Related Systems 1 Edicion, Ao 2004.
J. Mcdonald Electric Power Substations Engineering 2da
Edcin.2004.
M.S Almas, L. Vanfretti, StigLovlund and J.O Gjerde. Open Source
SCADA Implementation and PMU Integration for Power System
ISBN: 978-980-7185-03-5
CA-12
[4]
[5]
Monitoring and Control Applications. Articulo presentado en

IEEE PES GM 2014.
Open Source Web Based SCADA- SCADABR. Informacin
disponible en linea: http:/www.scadabr.com.br/. (consultada el 20
marzo de 2015)
Line Distance Protection Terminal REL-512. Instruction Book
(IB40.512). Enero 2002.
[6]
[7]
REL-512 ABB REL 512 DNP3.0 Automation Technical Guide

Informacin disponible en lnea:
http://new.abb.cm/processautomation/. (consultada el 15 de abril de 2015)
Introduccion a Hyperterminal https://msdn.microsoft.com/eses/library/cc736511%28v=ws.10%29.aspx. (consultada el 15 de abril
de 2015).
ISBN: 978-980-7185-03-5
CA-13
Sistema Inteligente de Produccin Industrial

Para Estaciones de Flujo
Egner Aceros, Edgar Camargo
ResumenEn este trabajo se presenta un esquema de

Supervisin Inteligente de la Produccin Industrial. Dicho
esquema es probado en Estaciones de Flujo (EF) y Mltiples de
Produccin (MP) de Pozos Petroleros que utilizan el mtodo de
levantamiento artificial por gas (LAG). La propuesta est basada
en la prediccin del Flujo de Gas Instantneo (FGI) a travs de
las variables asociadas a la EF que apoyan en la deteccin de
escenarios operacionales. Para tal fin, se utilizan las tcnicas y la
metodologa de la Minera de Datos para la extraccin de
informacin de los sistemas de recoleccin de la EF, dotando de
una herramienta al operador de la sala de control de forma que
ayude en la identificacin de los escenarios operacionales y prever
decisiones cuando algunos de stos se presenten, mejorando as el
desempeo del sistema de recoleccin al mantener la tasa de flujo
de produccin a un menor costo (la instalacin y el mantenimiento
de tecnologa de medicin son elevados). En general, esta
propuesta est orientada a la construccin de mecanismos de
observacin, recoleccin e interpretacin de datos, aportando
informacin valiosa al sistema y mejorando el desempeo del
mtodo del proceso de produccin asociado a la EF.
Palabras clavesSupervisin Inteligente, Minera de datos,
Estacin de Flujo.
I. INTRODUCCIN
Actualmente, las industrias registran grandes cantidades de
datos para monitorear sus procesos asociados, donde en
algunos casos los datos no son utilizados eficientemente.
Debido al almacenamiento masivo de datos, no solo en la
industria petrolera, sino tambin en diversos campos
empresariales e industriales, se han desarrollado o han surgido
gran cantidad de tcnicas inteligentes para manipular dichos
datos. El principal objetivo, que persiguen estas tcnicas, es
obtener conocimiento valioso de las bases de datos, que
permita a las empresas beneficiarse de ese conocimiento ya sea
para, tomar decisiones, tareas de prediccin, optimizacin, etc.
Las tcnicas de Minera de Datos (MD) [1-3], son conocidas
por ser usadas para el descubrimiento de informacin oculta en
grandes masas de datos. Para realizar el proceso completo de
extraccin del conocimiento sobre datos, se suele seguir los
siguientes pasos: Conocimiento del dominio de la aplicacin,
establecimiento de los objetivos del proceso de
Artculo recibido el 05 de Enero 2015. Este artculo fue financiado por
PDVSA.
E.C. y E.A. estn con PDVSA, Lnea de Servicio de Automatizacin
Industrial, Gerencia AIT Corporativo, Lagunillas, Edo. Zulia, Venezuela, Telf.
+58-261-8051269/52266,
E-mail:
camargoea@pdvsa.com,
acerose@pdvsa.com
descubrimiento de conocimiento, determinacin del conjunto

de datos objetivo, preparacin de los datos, y por ltimo, la
aplicacin de tcnicas de MD.
La industria petrolera poseen un enorme historial de datos
sobre lo que ocurre en sus plantas de produccin [4], en el
sentido del aprovechamiento del conocimiento que puede estar
inmerso en ellos, razn por la cual el presente trabajo estar
enfocado en la extraccin de informacin de los sistemas de
produccin de crudo y gas, especficamente en la estimacin
del flujo de gas instantneo en las estaciones de flujo para la
toma de decisiones organizacionales de manera inteligente
partiendo de la utilizacin de tcnicas de extraccin de
informacin de los datos del proceso industrial.
II. BASES TERICAS DE LA MINERA DE DATOS
La minera de datos o exploracin de datos (KDD =
Knowledge Discovery in Databases) es un campo de las
ciencias de la computacin referido al proceso que intenta
descubrir patrones en grandes volmenes de conjuntos de
datos. Tecnologa para explorar grandes bases de datos, de
manera automtica o semiautomtica, para encontrar patrones
repetitivos, tendencias o reglas que expliquen el
comportamiento de los datos en cierto contexto. Intentar
ayudar a comprender el contenido de un repositorio de datos
[5]. As, utiliza los mtodos de la inteligencia artificial,
aprendizaje automtico, estadstica y sistemas de bases de
datos. El objetivo general del proceso de minera de datos
consiste en extraer informacin de un conjunto de datos y
transformarla en una estructura comprensible para su uso
posterior. Adems de la etapa de anlisis en bruto, que
involucra aspectos de bases de datos y gestin de datos,
procesamiento de datos, el modelo y las consideraciones de
inferencia, mtricas de intereses, consideraciones de la teora
de la complejidad computacional, post-procesamiento de las
estructuras descubiertas, la visualizacin y actualizacin en
lnea.
La tarea de minera de datos real es el anlisis automtico o
semi-automtico de grandes cantidades de datos para extraer
patrones interesantes hasta ahora desconocidos, como los
grupos de registros de datos, registros poco usuales (la
deteccin de anomalas) y dependencias (minera por reglas de
asociacin). Esto generalmente implica el uso de tcnicas de
bases de datos. Estos patrones pueden entonces ser vistos
como una especie de resumen de los datos de entrada, y
ISBN: 978-980-7185-03-5
CA-14

pueden ser utilizados en el anlisis adicional o, por ejemplo,
en la mquina de aprendizaje y anlisis predictivo. Por
ejemplo, el paso de minera de datos podra identificar varios
grupos en los datos, que luego pueden ser utilizados para
obtener resultados ms precisos de prediccin por un sistema
de soporte de decisiones. Ni la recoleccin de datos,
preparacin de datos, ni la interpretacin de los resultados y la
informacin son parte de la etapa de minera de datos, pero
que pertenecen a todo el proceso KDD como pasos
adicionales, tal como se muestra en la Fig.1 [3].
Las tcnicas de Minera de Datos (DM = Data Mining) pueden

mejorar los beneficios de automatizacin en las plataformas de
hardware y software existentes y pueden ser implementadas en
sistemas nuevos a medida que las plataformas existentes se
actualicen y nuevos productos sean desarrollados. Cuando las
herramientas de DM son implementadas en sistema de
procesamiento paralelo de alto rendimiento, pueden analizar
bases de datos masivas en minutos. Las tcnicas ms
comnmente usadas en DM son:
FIG. 1. Fases de la Minera de Datos.

Un proyecto de minera de datos tiene varias fases necesarias
que son, esencialmente:
Determinacin, obtencin y limpieza: de los datos

necesarios.
Creacin de modelos matemticos.
Validacin, comunicacin: de los resultados obtenidos.
Integracin: si procede, de los resultados en un sistema
transaccional o similar.
La relacin entre todas estas fases slo es lineal sobre el papel.

En realidad, es mucho ms compleja y esconde toda una
jerarqua de subfases. A travs de la experiencia acumulada en
proyectos de minera de datos se han ido desarrollando
metodologas que permiten gestionar esta complejidad de una
manera ms o menos uniforme.
Como ya se ha comentado, las tcnicas de la minera de datos
provienen de la inteligencia artificial y de la estadstica, dichas
tcnicas, no son ms que algoritmos, ms o menos sofisticados
que se aplican sobre un conjunto de datos para obtener unos
resultados.
Redes neuronales artificiales. Modelos predecibles no

lineales que aprenden a travs del entrenamiento y
semejan la estructura de una red neuronal biolgica.
Arboles de decisin. Estructuras de forma de rbol que
representan conjunto de decisiones. Estas decisiones
generan reglas para la clasificacin de un conjuntos de
datos. Mtodos especficos de rboles de decisin
incluyen arboles de clasificacin y regresin (CART =
Classification And Regression Tree) y deteccin de
interaccin automtica de ji cuadrado (CHAID = Chi
Square Automatic Interaction Detection).
Algoritmos Genticos. Tcnicas de optimizacin que usan
procesos como combinaciones genticas, mutaciones y
seleccin natural en un diseo basado en los conceptos de
evolucin.
Mtodo del vecino ms cercano. Una tcnica que clasifica
cada registro en un conjunto de datos basado en una
combinacin de las clases del/ de los K registro (s) ms
similar/es a l en un conjunto de datos histricos (donde
k=1). Algunas veces se llama la tcnica del vecino k-ms
cercano.
Regla de induccin. La extraccin de reglas if-then de
datos basados en significados estadsticos.
III. MTODO DE LEVANTAMIENTO ARTIFICIAL POR GAS
El sistema de levantamiento artificial por gas involucra un

proceso cclico durante la distribucin y recoleccin del gas, el
cual se puede describir partiendo de la entrega del gas de alta
presin a la salida de las Plantas de Compresin (PC) (1), de
all es recibido generalmente en uno o varios Mltiples de Alta
Presin (MAP) (2), que a su vez distribuyen el gas a los
diferentes Mltiples de Inyeccin, llamados tambin Mltiples
de Levantamiento Artificial por Gas (MLAG) (3) donde se
regula por medio de vlvulas estranguladoras la cantidad de
gas inyectada a cada uno de los Pozos (4); una vez que el gas
se mezcla con la corriente de fluido aportada por el
yacimiento, viaja con ste hasta los Mltiples de Produccin
(MP) (5) y Estaciones de Flujo (EF) (6), que cumplen la
funcin de almacenar temporalmente el crudo, separar el
lquido del gas, enviando el lquido a los Mltiples de Bombeo
(MB) (7) y posteriormente a los diferentes patios de tanques
(8), y enviando el gas a la red de recoleccin que llega
nuevamente a las unidades de compresin (1). El gas de
formacin o gas aportado por los yacimientos es utilizado en
baja presin como combustible en las plantas de compresin
(1) y el excedente es transferido a baja o alta presin a plantas
de inyeccin de agua (9) u otras reas de Produccin o
terceros (10), tal y como se muestra en la Fig. 2.
ISBN: 978-980-7185-03-5
CA-15

herramienta permitir al operador estudiar ciertos escenarios
para poder tomar previsiones cuando alguno de ellos ocurra y
minimizar los efectos en las cadas de produccin al reducir su
tiempo de la accin. Diariamente se ejecutan los llamados
cierres de produccin que son la produccin diaria total de
crudo y de gas en una determinada estacin de flujo.
Situndose en la produccin de gas, a lo largo del da los
operadores estn observando los valores del gas instantneo.
Esta medicin de gas es tomada en un determinado instante,
que es el gas con el que se va hacer el cierre de produccin.
Diariamente los operadores estn chequeando los valores de
la medicin de este gas, en caso de encontrar valores por
debajo de lo normal se dirigen a observar otros valores de la
cadena de produccin para poder hallar la anomala y corregir
a tiempo. Por esta razn se plante el diseo de un prototipo
en el que se implementen tcnicas de minera de datos para
predecir el valor de este gas instantneo partiendo desde
diferentes escenarios (valores de medicin de los diferentes
instrumentos en la cadena de la produccin del gas). El
desarrollo de este prototipo permitir al operador estudiar
ciertos escenarios para poder tomar previsiones cuando alguno
de ellos ocurra y poder tener un tiempo de accin reducido de
ese efecto en el proceso. La metodologa utilizada en el
desarrollo de este prototipo consisti en (CRISP-DM = Cross
Industry Standard Process for Data Mining), ya que es una de
las ms ampliamente utilizadas en el ambiente acadmico e
industrial [3]. A continuacin se desarrollan las seis (06) fases
de la metodologa indicada.
Primera y Segunda Fase: Compresin del Negocio y Datos
FIG. 2. Esquemtico Pozo y Ciclo de Extraccin de CrudoGas con Mtodo de Inyeccin de Gas para el Levantamiento
Artificial.
IV. EXPERIMENTACIN CON EL SISTEMA BASADO EN MINERA
DE DATOS
Se muestra una posible implementacin del sistema supervisor
inteligente para Estaciones de Flujo, as como los resultados
de las pruebas realizadas para la validacin del mismo, usando
datos de mediciones provenientes de un pozo Levantamiento
Artificial por Gas (LAG) de un campo petrolero proveniente
de la industria petrolera venezolana. Ese procedimiento se
seguira para cualquier pozo LAG.
El caso de estudio ser la estacin de flujo y mltiple de
produccin e inyeccin asociados a los pozos manejados por
esta estacin de flujo. El propsito de este prototipo es la
prediccin del flujo de gas instantneo dependiendo de las
variables asociadas a la estacin de flujo para poder identificar
un posible problema operacional. El desarrollo de esta
En estas fases se realiz la recoleccin del conocimiento y

estudios para la compresin del funcionamiento de proceso,
con el objetivo de generar el escenario futuro y la tarea de
minera de datos a realizar. La comprensin del Negocio es
probablemente una de las fases ms importantes, pues del
conocimiento y dominio del problema que se tenga, depender
el xito o fracaso del proyecto [3], dado que las decisiones que
se debern tomar en el resto de las fases dependern de sta.
En la segunda fase es preciso detectar las variables (vista
minable: subconjunto de datos sobre el que se va a aplicar una
tcnica de MD. Extraccin, Limpieza, Transformacin,
Seleccin) que permitirn la consecucin de los objetivos de la
MD, a estas variables se le denominan variables objetivos, ya
que las mismas son las que se desean predecir, clasificar,
calcular, inferir, en otras palabras, es la que deseamos obtener
con la tarea de MD. As, en esta fase se desea definir las
variables objetivo del escenario futuro seleccionado y ubicar
dichas variables en la vista minable descrita previamente.
Adems, una vez planteado el escenario futuro y la tarea de
minera de datos a realizar, es preciso detectar las variables
que aportaran en gran medida que la tarea de MD se desarrolle
de manera correcta (variables significativas). Determinar todas
las variables descritas en la vista minable operativa, la(s)
variable(s) de inters (variables objetivas y significativas), es
el objetivo de este punto.
Para tal fin en la estacin de flujo se pudo observar una gran
cantidad de variables como lo son presiones, flujos,
ISBN: 978-980-7185-03-5
CA-16

volmenes, a lo largo de toda la cadena de la produccin del
gas. Para los datos, se hizo la recoleccin de 92 variables
identificadas, con un histrico de 5 aos, los cuales reflejan
los escenarios operacionales presentes en una EF con respecto
a la inyeccin de gas instantneo, a esta actividad se le
denomina la vista minable conceptual. Ahora, a esta vista
minable conceptual es necesario empezar a cargarla con datos,
la preparacin y el tratamiento adecuado de los datos, que
sern utilizados para el desarrollo de la herramienta de MD.
Tercera Fase: Preparacin de los Datos.
Para aplicar MD sobre un problema en especfico, es necesario
contar con un historial de datos asociado al problema de
estudio. Esto conlleva realizar distintas operaciones con los
datos, con la finalidad de acondicionarlos para desarrollar un
modelo de MD. Durante el desarrollo de sta fase se crea la
vista minable, que bsicamente contiene la informacin de las
variables y los datos del historial, a continuacin se definen
con ms detalle: Una vista minable conceptual describe en
detalle cada una de las variables a ser tomadas en cuenta para
la tarea de MD, para cada escenario futuro seleccionado. La
misma est compuesta por todas las variables de inters, y
algunos campos adicionales de importancia para realizar el
proceso de tratamiento de datos (como por ejemplo:
dependencias con otras variables, redundancia de medicin,
entre otras caractersticas que se consideren importante).
Esta etapa se centra en generar datos de calidad, es decir datos
sin anomalas, sin inconsistencias de formato, sin capturas
errneas, sin campos vacos; aplicando mtodos de limpieza,
transformacin y reduccin sobre la vista minable conceptual.
La vista minable conceptual es preparada mediante
herramientas especializadas para realizar limpieza de datos
innecesarios, transformacin de las variables observadas,
reduccin de variables, entre otros mtodos que se requieran
para generar una vista minable operativa de calidad. Cabe
destacar que ya existen diferentes tcnicas y algoritmos para
realizar esta etapa (como lo es el anlisis de correlacin y el
clculo de la entropa).
La limpieza de datos se refiere a una serie de procesos en los
cuales la calidad de los datos es mejorada, enfrentando los
problemas mencionados como datos mal capturados, anmalos
y vacos, ya sea por caractersticas obvias que el dato no
cumple con ciertos parmetros del estndar, o porque el
experto del proceso ya tiene identificado anomalas comunes
en el almacenamiento de los datos.
En general, en el proceso de limpieza realiza normalizacin de
formatos, remocin de anomalas, correccin de errores y
eliminacin de duplicados. Una tcnica que se puede
mencionar es limpiar datos anmalos que se alejen mucho de
la media estndar de los datos, ya que estos datos describen
sucesos tales como: fueron mal tomados, se almacenaron de
forma incorrecta o que son simplemente una instancia que s
ocurri pero es poco probable que vuelva a ocurrir. Este tipo
de datos pueden generar cierto ruido en el estudio y por eso es

mejor eliminarlos.
Para la limpieza de los datos se debe:
Estudiar la representacin de cada una de las variables.
Buscar anomalas de representacin.
Definir alguna estrategia de limpieza para erradicar dichas
anomalas y obtener data consistente.
De acuerdo a la representacin de las variables, realizar las
operaciones con un software para limpieza de datos.
As, en esta fase se llev a cabo la tarea de filtrado de los
datos. Esta tarea consisti en remover los datos atpicos
extrados en la fase anterior. Se encontraron los siguientes
valores atpico: ShutDown, +Falla Instr, Arc Off-line,
Bad, I/O Timeout. Al ser encontrado por lo menos uno de
estos valores en una instancia de tiempo esta instancia debe ser
filtrada, para esta tarea se realiz una aplicacin en el
Lenguaje de Programacin JAVA cuyos datos de entrada son
los valores a ser filtrados, al ser encontrado algunos de los
valores atpico la instancia es ignorada, pasando de 92
variables a 54 variables (alta relacin lineal), es decir se
obtuvo la vista minable operativa, para posteriormente realizar
las tareas de minera de datos.
Cuarta Fase: Modelado.
Esta etapa tiene como finalidad escoger la tcnica para obtener
el modelo de MD resultante de la comparacin de varias
tcnicas para una misma tarea. Escoger la tcnica de MD para
la tarea identificada. La seleccin de la tcnica, desarrollar una
tabla de comparacin entre las tcnicas probadas, para conocer
cual se adapta mejor a la estructura de los datos. As, se debe
definir cules son los datos de entrenamiento y de prueba
dispuestos en la vista minable, dependiendo de la tcnica de
MD a ser usada varan los porcentajes de la muestra para la
prueba. Posteriormente comenzar a realizar pruebas sobre la
vista minable operativa, para ir llenando la tabla comparativa
de las tcnicas de MD. Definir una estrategia para la
validacin de la tcnica seleccionada, aplicarla y observar el
rendimiento, realizar las correcciones necesarias y repetir el
procedimiento de ser necesario
En la actualidad existen diversas tcnicas de minera de datos,
stas podran agruparse en 2 vertientes como son: la minera
de datos descriptiva que identifican patrones que explican,
describen o resumen los datos y la minera de datos predictiva
que usa variables conocidas para predecir valores
desconocidos o futuros de otras variables. As, se
seleccionaron 4 tcnicas que permiten predecir variables
numricas, estas son: regresin lineal, arboles de decisin,
redes neuronales y mtodo del vecino ms cercano. Los
indicadores utilizados en la comparacin del desempeo de las
tcnicas utilizadas son: el error absoluto relativo, raz del error
cuadrtico relativo y el coeficiente de correlacin. En las
Tablas I a IV, se presentan los parmetros indicados para el
conjunto de muestras evaluadas.
ISBN: 978-980-7185-03-5
CA-17
error absoluto relativo =
(1)
raz del error cuadrtico

relativo =
(2)
Muestra
Donde:
Muestra
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 5
Muestra 5
Muestra 5
Promedio
(3)
TABLA I
ARBOL DE DECISIN
Raz Error
Error Absoluto
Cuadrtico
Relativo
Relativo
42,6375
41,784
43,64567
42,039
42,5459
42,501
43,4273
41,908
43,6564
42,096
43,6595
41,976
43,5296
41,929
43,300
42,033
Coeficiente de
Correlacin
0,9064
0,9018
0,9056
0,9027
0,9016
0,9016
0,9022
0,9030
TABLA II
PERCEPTRON MULTICAPA
Muestra
Raz Error
Cuadrtico
Relativo
Error
Absoluto
Relativo
Coeficiente de
Correlacin
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 5
Muestra 6
Muestra 7
Promedio
43,1514
44,4264
122,0678
99,2423
270,152
173,175
48,07098
114,3266
43,991
44,085
44,453
44,263
44,954
44,542
44,082
44,339
0,9023
0,8964
0,5678
0,6484
0,2899
0,4456
0,8792
0,6614
Muestra
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 5
Muestra 6
Muestra 7
Promedio
tcnica del rbol de Decisin ya que globalmente se consigui

menor error y un coeficiente de correlacin muy aceptable.
Finalmente fue creado el modelo definitivo con el 70% de los
datos con la tcnica seleccionada.
TABLA III
REGRESION LINEAL
Raz Error
Error Absoluto
Cuadrtico
Relativo
Relativo
49,4968
52,544
48,6458
51,778
47,8354
50,214
46,5941
48,024
46,9804
48,802
49,0125
50,667
46,1606
47,6537
47,8179
49,9551
Coeficiente de
Correlacin
0,8748
0,8831
0,8901
0,8837
0,8818
0,88236
0,8896
0,8836
Cada una de las tcnicas tuvo un tiempo diferente de

procesado siendo la regresin lineal la ms rpida, seguido por
el rbol de decisin, luego por el Perceptron Multicapa y por
ltimo el que realiz mayor cmputo el algoritmo del vecino
ms cercano. Basndose en los estadsticos de las Tablas I a
IV, la tcnica ms apta para hacer la tarea del modelado es la
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 5
Muestra 6
Muestra 7
Promedio
TABLA IV
ALGORITMO DEL VECINO MS CERCANO
Raz Error
Error Absoluto
Coeficiente de
Cuadrtico
Relativo
Correlacin
Relativo
50,1803
50,9065
0,865
50,5389
50,7148
0,862
50,1654
50,7714
0,865
50,5201
50,9833
0,863
50,8074
50,8163
0,861
50,6762
50,7549
0,862
50,8426
51,0467
0,861
50,533
50,8563
0,862
Quinta Fase: Evaluacin.

El modelo generado en la fase anterior fue probado con el
30% de los datos restantes. Los resultados arrojados por el
modelo fueron satisfactorios, en la siguiente tabla se muestra
una porcin de los datos evaluados en comparacin a sus
predicciones.
TABLA V
RESULTADOS DE EVALUACIN DEL MODELO SELECCIONADO
Valor Real
Valor Predicho
Diferencia
% error
47276
54146
57773
52438
55606
59969
52141
38384
49675
47842
44438
66459
54630
52666
55851
55446
47920
53696
57273
53091
54694
60375
52662
38603
49154
48489
45173
65894
54206
51716
55945
55222
Promedio
644
450
500
653
912
406
521
219
521
647
735
565
424
950
94
224
529
1,36
0,83
0,87
1,25
1,64
0,68
1,00
0,57
1,05
1,35
1,65
0,85
0,78
1,80
0,17
0,40
1,02
Analizando los resultados del modelo obtenido y comparando

con los datos reales del flujo de gas instantneo mostrados en
la Tabla V, se puede apreciar que los resultados obtenidos
presentan un promedio de error absoluto de 1.02 en la variable
predicha con respecto al valor real, por lo tanto se puede
comprobar que el sistema diseado funciona adecuadamente.
Se utiliz para este propsito una herramienta bajo Licencia
Pblica General (LPG) denominada (WEKA=Waikato
Environment for Knowledge Analysis). WEKA es una suite
consistente en un conjunto de libreras diseadas en JAVA por
la universidad de Waikato (Nueva Zelanda) con diferentes
mtodos y tcnicas de Minera de Datos. En vista que WEKA
posee diferentes mtodos y tcnicas previamente
desarrolladas, se utiliz esta herramienta para aplicarla a este
ISBN: 978-980-7185-03-5
CA-18

problema de prediccin en especfico. En vista que ya se
compararon previamente los modelos obtenidos en WEKA y a
partir de all se determin que el mtodo rbol de Decisin
fue el ms confiable, ste fue el indicado para realizar el
prototipo de prediccin.
en un proceso de auto-regulacin en EF, a partir de la

informacin que ellos manejan, lo que les permite anticipar
situaciones, tener un comportamiento proactivo, sin perder la
visin global del negocio. En ese sentido, nuestro enfoque es
autnomo y distribuido.
Sexta Fase: Implantacin
El sistema de prediccin desarrollado, fue capaz de inferir el

Flujo de Gas Instantneo (FGI) a travs de las variables
determinadas en la vista minable operativa, permitiendo al
operador de una sala de control identificar escenarios
operacionales, mejorando el sistema de recoleccin al
mantener la tasa de flujo de produccin a un menor costo.
Para la implantacin del prototipo se us NetBeans que es un

entorno de desarrollo integrado libre, hecho principalmente
para el lenguaje de programacin JAVA. Utilizando as las
interfaces de programacin de aplicaciones (API = Application
Programming Interface) que proporciona Weka para
conectarse con sus libreras de desarrollo de aplicaciones.
V. CONCLUSIONES
La propuesta de un Sistema de Prediccin Diagnstico para
la optimizacin de procesos de produccin a Nivel de la
Estacin de Flujo, constituye un primer paso para la
construccin de un mecanismo de observacin, recoleccin de
datos y su interpretacin a nivel de Estacin de Flujo, dotando
de informacin al controlador del proceso de produccin.
Dicha inteligencia es entendida como la capacidad del EF para
auto-organizarse, segn sus condiciones y la de su entorno.
Este enfoque superara al enfoque clsico de los Sistemas de
Control y Adquisicin de Datos (SCADA = Supervisory
Control And Data Acquisition), que se limitan a tareas de
supervisin y control, a partir de la siguiente idea: est basado
[1] J. Aguilar, et al. Metodologa para identificar tareas de minera de
datos en una organizacin. Informe Tcnico, CEMISID. Universidad
de los Andes. 2013.
[2] C. Rangel, et al. Methodology for detecting the feasibility of using
data mining in an organization, Proceedings of the XXXIX
Conferencia Latinoamericana en Informtica (CLEI 2013), IEEE
Xplore, Vol.1, pp. 502-513, Naiguat, Venezuela, Octubre 2013.
[3] J. Gallardo. Metodologa para la Definicin de Requisitos en
Proyectos de Data Mining (ER-DM), Universidad Politcnica de
Madrid, 2009.
[4] R. Keith Oilfield Data Mining Workflows for Robust Reservoir
Characterization. Society of Petroleum Engineers. SPE 149785. March
2012.
[5] Sharma Classification of Oil and Gas Reservoirs Based on Recovery
Factor: A Data Mining Approach. Society of Petroleum Engineers. SPE
130257. Septiembre 2010.
ISBN: 978-980-7185-03-5
CA-19
Sistemas de Identificacin de Estados

Operacionales para Pozos de Produccin por
Levantamiento Artificial Mecnico
Edgar A Camargo, Egner Aceros
Resumen En este trabajo se presenta un Sistema de
Identificacin de Estados Operacionales de Pozos Petroleros
basado en tcnicas de Computacin Inteligente (especficamente
un Sistema Difuso). Este sistema, permite implementar labores de
supervisin y control del proceso de produccin en sus respectivos
estados operacionales, y detectar formas de fallas que afectan al
proceso de produccin de crudo. La identificacin se realiza en
pozos por levantamiento artificial por Bombeo Mecnico, usando
datos de campo (carga de fluido, torque, porcentaje de llenado de
la bomba y sobrecarga del motor). En general, la propuesta est
orientada a la dotacin del pozo de inteligencia al conferirle
caractersticas de auto-diagnstico en sitio, proporcionando al
mtodo de produccin mejor desempeo y rentabilidad
econmica. Esto se hace a travs del sistema de supervisin
propuesto.
Palabras claves estructura difusa, clasificador difuso, sistema
de produccin petrolero, pozos por levantamiento artificial por
bombeo mecnico, inteligencia artificial.
. INTRODUCCIN
La produccin industrial petrolera se compone de procesos
grandes y complejos, por lo cual, requiere una plataforma
tecnolgica que maneje grandes volmenes de informacin
que permita el control de los mismos, la toma de decisiones
gerenciales, y la generacin de la planificacin de la
produccin. A pesar de contar con una plataforma tecnolgica
compuesta por diversos niveles que van desde el control de los
procesos (en el cual se encuentran dispositivos de control
regulatorio y adquisicin de datos de procesos) hasta los
gerenciales y supervisorios (compuestos por diversos sistemas
de informacin para optimizacin, gestin de recursos, apoyo
a la toma de decisiones, entre otros), la industria petrolera
actualmente hace frente a una nueva realidad: Cmo
incrementar, o al menos estabilizar, la produccin de
hidrocarburos debido a la madures de los campos de gas y
petrleo?. Una respuesta consiste en acceder a nuevas tcnicas
Artculo recibido el 05 de Enero 2015. Este artculo fue financiado por

PDVSA.
E.C. y E.A. estn con PDVSA, Lnea de Servicio de Automatizacin
Industrial, Gerencia AIT Corporativo, Lagunillas, Edo Zulia, Venezuela, Tlf.
+58-261-8051269, E-mail: camargoea@pdvsa.com, acerose@pdvsa.com
de computacin que permitan identificar fallas operacionales

que impactan la produccin.
Particularmente, la Inteligencia Artificial (IA) ha permitido
beneficios en ahorros o incremento de produccin de
hidrocarburos, a pesar de que la (IA) es relativamente nueva
en la industria petrolera (no mayor a diez aos) [1]. Se han
hecho grandes esfuerzos por utilizar la (IA) para maximizar el
factor de recobro de los yacimientos (produccin de petrleo
al menor costo posible) [1]. Algunos trabajos afines a nuestra
propuesta son presentados en [2, 3]. En [4] se estiman zonas
altamente productivas de crudo utilizando la inteligencia
artificial. En [4] se optimiz la Produccin del Mtodo de
Levantamiento BCP (Bombeo Cavidad Progresiva) a travs
del Control del Drawdown (Cada de la Presin de Fondo
con respecto a la Presin de Yacimiento), utilizando
algoritmos genticos en diferentes zonas de produccin. De
igual manera, en [2] utiliza la inteligencia artificial para
identificar zonas de produccin en yacimientos multicapas.
As, un Sistema Clasificador Difuso (SCD) es un sistema cuyas
reglas estn basados en la teora de Lgica Difusa (LD), el
cual integra los mismos elementos de un Sistema Clasificador
(SC), pero trabajando en un marco difuso [5]. En un SCD las
reglas son difusas, es decir, los elementos antecedente y
consecuente tienen caractersticas difusas. De esta manera,
la activacin de una regla se logra cuando se verifica el
cumplimiento de las instancias en su antecedente para los
valores de las variables difusas. Para desarrollar un
clasificador difuso basta en muchos de los casos utilizar alguna
funcin de pertenencia, tales como la funcin triangular o la
trapezoidal. As, el esfuerzo se enfocara entonces en conocer
los datos de entrada y con base a la experiencia que se tenga
del proceso, saber cul es la ms apropiada para modelar y
clasificar.
En este trabajo se propone un Sistema Clasificador (SC) que
permitir la identificacin de diferentes escenarios
operacionales de un pozo petrolero, para poder as
implementar labores de supervisin y control de los procesos
en sus respectivos estados operacionales. El SC propuesto
permite, entre otras cosas, detectar formas de fallas que
afectan al proceso o a los equipos involucrados, en tiempo real
y de forma autnoma, en las instalaciones de produccin, a
nivel de pozos y yacimientos [2]. El sistema es inicialmente
probado en pozos que requieren Levantamiento Artificial por
Bombeo Mecnico (BM).
ISBN: 978-980-7185-03-5
CA-20

. MARCO TEORICO DEL SISTEMA DIFUSO
A. Pozo por Levantamiento Artificial por Bombeo Mecnico
El bombeo mecnico es el ms comn de los mtodos de
levantamiento artificial, empleado para la extraccin de crudo
en pozos con volmenes pequeos y medianos de produccin
y especialmente en crudos medianos y pesados, los cuales
requieren la inyeccin de diluentes o vapor para facilitar su
extraccin. Este mtodo tiene como principio fundamental
levantar los fluidos desde el reservorio hacia la superficie.
Consiste en una bomba de subsuelo de accin reciprocante y
desplazamiento positivo conectada a una sarta de cabillas que
permiten transmitir el movimiento generado en la superficie
por la unidad de bombeo o balancn a travs de la energa
suministrada por un motor elctrico o de combustin interna.
El principio de funcionamiento del sistema se basa en
transformar el movimiento angular del eje del motor a un
movimiento reciprocante vertical, reduciendo la velocidad
mediante la caja de engranajes del balancn, con la finalidad de
accionar la sarta de cabilla y la bomba de subsuelo,
permitiendo la transmisin de energa adicional del pozo y
creando un diferencial de presin que facilite el transporte de
fluidos desde el fondo hasta la superficie, el proceso descrito
se muestra en la Fig. 1 [4].
agua, Presin y Temperatura de fondo, Relacin Gas Lquido);

todo esto se hace ya que el comportamiento de produccin de
crudo en los pozos por BM depende de variables, tanto de
yacimiento como de diseo mecnico (vlvulas, tuberas de
produccin, entre otros) [2]. Posteriormente se aplican
tcnicas basada en Balance de Masa y Energa, denominada
Anlisis Nodal [2]. Para su clculo, se debe elegir un nodo
(punto de implementacin del balance de energa) en cualquier
lugar del sistema de produccin. Posteriormente de elegido el
nodo, se determinan las presiones con la cual el yacimiento
entregar la tasa de produccin a la entrada y salida del nodo.
Esta relacin presin y tasa de produccin se denominan
Oferta de energa del yacimiento y Demanda de energa de
la instalacin en superficie. Finalmente, de la interseccin de
dichas curvas se obtiene el modelo de produccin de un pozo a
partir del anlisis nodal [2]. As, la prdida de energa en
forma de presin a travs de cada componente, depende de las
caractersticas de los fluidos producidos y especialmente del
caudal de flujo transportado, de tal manera que la capacidad de
produccin del sistema responde a un balance entre la
capacidad de aporte de energa del yacimiento y la demanda
de energa de la instalacin para transportar los fluidos hasta la
superficie.
La implantacin en campo de este mtodo BM necesita de un
arreglo de instrumentacin y control. Para tal fin, se requiere
la medicin y control de las siguientes variables (ver Fig. 1):
Presin de Fondo, Presin del Revestidor, Presin de la
Tubera de Produccin, Nivel de Fluido Esttico,
Caracterstica de la Bomba de Subsuelo (Dimetro del Pistn
de la Bomba y Profundidad de la Bomba), Caracterstica del
Motor (Potencial Nominal).
B. Sistemas Difusos
FIG. 1. Levantamiento Artificial por Bombeo Mecnico.

La curva de produccin del pozo se obtiene a travs de la
caracterizacin del pozo (perfil de presin) y tcnicas de
balances de masa y energas [1]. En la caracterizacin se
identifica la completacin mecnica instalada en el pozo a
nivel de fondo y superficie, y la caracterizacin de las
propiedades fsica del fluido (Gravedad del crudo, Corte de
La Lgica Difusa (LD) constituye una tcnica de gran

importancia en el modelado de sistemas, pues los modelos
lgicos - difusos pueden ser usados para describir fenmenos
complejos difciles de modelar mediante mtodos formales
[2,5]. Entre las ventajas de la lgica difusa esta la posibilidad
de hacer un razonamiento o procesamiento con informacin
imprecisa o borrosa. Un modelo lgico-difuso (sistema
difuso) consta fundamentalmente de una base de
conocimientos, conformada por un conjunto de reglas del tipo
Si-Entonces con proposiciones imprecisas expresadas en
lenguaje natural, y de un mecanismo de inferencia que permite
obtener una conclusin a partir de una entrada determinada.
Las reglas permiten establecer las relaciones entre las
diferentes variables, llamadas entradas, para generar ciertas
conclusiones [6]. El conocimiento codificado en la base de
reglas se deriva de la experiencia y de la intuicin humana,
adems del conocimiento prctico y terico que se disponga
del sistema. Cada una de las reglas de la base de
conocimientos esta caracterizada por una parte Si llamada el
antecedente y una parte Entonces llamada el consecuente. El
antecedente de una regla contiene un conjunto de condiciones
y el consecuente contiene una conclusin. Cada regla opera de
ISBN: 978-980-7185-03-5
CA-21
la siguiente forma: si las condiciones del antecedente son

satisfechas, entonces la conclusin del consecuente es
aplicada. Para un modelo difuso las variables incluidas en el
antecedente corresponden a las entradas del sistema y las
variables incluidas en el consecuente corresponden a las
salidas del sistema [6]. Las condiciones contenidas en el
antecedente y las conclusiones del consecuente de las reglas
consisten en proposiciones de la forma F es Xo, donde F es
una variable y Xo es un conjunto difuso definido sobre el
universo de discurso de la variable F.
Para desarrollar un clasificador difuso basta en muchos de los
casos utilizar alguna de las funciones de similitud, tales como
la funcin triangular o la trapezoidal, es decir, no es necesario
concebir una nueva funcin de pertenencia difusa, el esfuerzo
se enfoca entonces en conocer los datos de entrada y con base
a la experiencia que se tenga, saber cul es la ms apropiada
para modelar y clasificar (Ver Fig.2).
TABLA 1
VARIABLES UTILIZADAS PARA EL DIAGNSTICO
Tipo de Variable
Variables Lingstica
Variables de Entrada
Carga de Fluido (lb)
(Antecedentes)
Torque (lb/pulg)
Variables de Salida
Porcentaje de Llenado de Bomba (%)
(Consecuentes)
Sobrecarga de Motor (%)
Segn el comportamiento y la relacin que presentan las

variables de entrada del pozo, se establecen las siguientes
reglas las cuales determinan el estado operacional del pozo y
estn estructuradas en cinco conjuntos difusos (Muy Bajo,
Bajo, Medio, Alto y Muy Alto). As, las Reglas para el
Llenado de la Bomba son las siguientes:
1. SI Torque Muy Bajo y SI Carga de Fluido Muy Bajo,
Entrada 1
SC
ENTONCES Llenado de Bomba Muy Bajo.
Salida
2. SI Torque Muy Bajo y SI Carga de Fluido Bajo,

ENTONCES Llenado de Bomba Bajo
3. SI Torque Bajo y SI Carga de Fluido Muy Bajo,
Entrada 2
ENTONCES Llenado de Bomba Muy Bajo
4. SI Torque Bajo y SI Carga de Fluido Bajo,
FIG. 2. Modelo de un SC Clsico
. DISEO DEL SISTEMA DIFUSO PARA POZOS POR

LEVANTAMIENTO ARTIFICIAL POR BOMBEO
MECANICO
Esta seccin introduce la metodologa propuesta para el
desarrollo del (SC) para identificar escenarios operacionales y
posibles fallas en pozos que producen por levantamiento
artificial por bombeo mecnico. Para tal fin, se utilizar el
siguiente conjunto de variables vinculadas al proceso: Carga
de fluido, Torque, Porcentaje de Llenado de Bomba y
Sobrecarga del Motor. La metodologa consiste en preparar
datos, variables, y modelos de fusificacin y posteriormente
disear el SC compuesto por reglas difusas que representaran
el modelo relacionado al desempeo del pozo.
A. Preparacin de los Datos, variables difusas y conjuntos
difusos
5. SI Torque Bajo y SI Carga de Fluido Medio,

ENTONCES Llenado de Bomba Medio
6. SI Torque Medio y SI Carga de Fluido Muy Bajo,

7. SI Torque Medio y SI Carga de Fluido Bajo,

8. SI Torque Medio y SI Carga de Fluido Medio,

9. SI Torque Medio y SI Carga de Fluido Alto,

10. SI Torque Medio y SI Carga de Fluido Muy Alto,

11. SI Torque Alto y SI Carga de Fluido Muy Bajo,

12. SI Torque Alto y SI Carga de Fluido Bajo,

13. SI Torque Alto y SI Carga de Fluido Medio,

El primer paso es la recoleccin de datos asociados al modelo

de comportamiento del pozo, los cuales estn relacionados al
mtodo por BM. Los datos son obtenidos a travs de la
instrumentacin instalada a nivel de cabezal del pozo y luego
es definido el conjunto de variables difusas.
As, segn las variables que maneja el pozo se determina el
grupo de variables lingsticas necesarias para realizar dicho
sistema. Par tal fin (Ver Tabla 1) donde se muestran las
variables utilizadas para realizar el diagnstico.
14. SI Torque Alto y SI Carga de Fluido Alto,

ENTONCES Llenado de Bomba Alto
15. SI Torque Alto y SI Carga de Fluido Muy Alto,

16. SI Torque Muy Alto y SI Carga de Fluido Muy Bajo,

17. SI Torque Muy Alto y SI Carga de Fluido Bajo,

18. SI Torque Muy Alto y SI Carga de Fluido Medio,

19. SI Torque Muy Alto y SI Carga de Fluido Alto,
ENTONCES Llenado de Bomba Muy Alto
ISBN: 978-980-7185-03-5
CA-22
20. SI Torque Muy Alto y SI Carga de Fluido Muy Alto,

TABLA 2
RANGO DE OPERACIN DEL TORQUE
ENTONCES Llenado de Bomba Muy Alto

De igual manera las Reglas para la Sobrecarga del Motor,
son las siguientes:
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
SI Torque Muy Bajo y SI Carga de Fluido Muy

Bajo, ENTONCES Sobrecarga Motor Muy Bajo
SI Torque Muy Bajo y SI Carga de Fluido Bajo,
ENTONCES Sobrecarga Motor Bajo
SI Torque Bajo y SI Carga de Fluido Muy Bajo,
ENTONCES Sobrecarga Motor Muy Bajo
SI Torque Bajo y SI Carga de Fluido Bajo,
SI Torque Bajo y SI Carga de Fluido Medio,
SI Torque Medio y SI Carga de Fluido Muy Bajo,
ENTONCES Sobrecarga Motor Medio
SI Torque Medio y SI Carga de Fluido Bajo,
SI Torque Medio y SI Carga de Fluido Medio,
SI Torque Medio y SI Carga de Fluido Alto,
SI Torque Medio y SI Carga de Fluido Muy Alto,
SI Torque Alto y SI Carga de Fluido Muy Bajo,
ENTONCES Sobrecarga Motor Alto
SI Torque Alto y SI Carga de Fluido Bajo,
SI Torque Alto y SI Carga de Fluido Medio,
SI Torque Alto y SI Carga de Fluido Alto,
SI Torque Alto y SI Carga de Fluido Muy Alto,
SI Torque Muy Alto y SI Carga de Fluido Muy Bajo,
ENTONCES Sobrecarga Motor Muy Alto
SI Torque Muy Alto y SI Carga de Fluido Bajo,
SI Torque Muy Alto y SI Carga de Fluido Medio,
SI Torque Muy Alto y SI Carga de Fluido Alto,
SI Torque Muy Alto y SI Carga de Fluido Muy Alto,
Por otra parte segn los datos histricos obtenidos del pozo, se
estableci el rango de operacin de cada variable para generar
el sistema de diagnstico, los rangos de cada variable
lingstica se muestran a continuacin (Ver Tablas 2-5):
Variable
Valor Lingstica
Rango de operacin (lb/pulg)
Lingstica
Muy Bajo
119000-155000
Bajo
142000-168000
Torque
Medio
155000-179000
(lb/pulg)
Alto
168000-188000
Muy Alto
179000-197000
TABLA 3
RANGO DE OPERACIN DE LA CARGA DE FLUIDO
Variable
Valor Lingstica
Lingstica
Carga de
Fluido (lb)
Rango de operacin
(lb)
Muy Bajo
4000-4300
Bajo
4200-4400
Medio
4300-4500
Alto
4400-4600
Muy Alto
4500-4800
TABLA 4
RANGO DE OPERACIN DE LLENADO DE LA BOMBA
Variable
Valor Lingstica
Lingstica
(%)
Muy Bajo
Llenado de
Bomba
(%)
Rango de operacin
10-25
Bajo
20-40
Medio
35-55
Alto
50-70
Muy Alto
65-80
TABLA 5
RANGO DE OPERACIN DE SOBRECARGA DEL MOTOR
Variable
Valor Lingstica
Rango de operacin
Muy Bajo
11-15
Sobrecarga del
Bajo
14-16
Motor(%)
Medio
15-17
Alto
16-18
Muy Alto
17-20
Lingstica
ISBN: 978-980-7185-03-5
(%)
CA-23
Seguidamente se presenta las definiciones de los rangos

utilizados para el Porcentaje de Llenado de la Bomba:
Muy Bajo: Se identifica cuando la bomba presenta un llenado
muy bajo (orden del 20% de su capacidad) y esta se ve
reflejado en una cada inmediata de la produccin de crudo, y
es debido a una falla en la bomba del subsuelo, debido a:
filtracin en alguna de las vlvulas, o en algunos casos cabillas
partidas.
Bajo: Se identifica cuando la bomba presenta un llenado bajo,
en un rango aproximado de 20% y 35%, generando una baja
produccin de crudo pero en menos proporcin que el
anterior, debido a fallas como: interferencia por gas y golpe de
fluido.
Medio: Se identifica cuando la bomba presenta un porcentaje
de llenado medio, es decir un rango que se considera aceptable
segn las condiciones del pozo, entre 35% y 55%.
Alto: Se identifica cuando la bomba presenta un llenado alto,
un poco por encima del nivel medio, entre un rango de 55% y
65%, a pesar de que este rango supera el nivel medio que
debera presentar el llenado de la bomba, este se considera un
rango trabajable para la misma ya que por lo general las
bombas se fabrican con cierto porcentaje de sobredimensin
para el cual son diseadas.
Muy alto: Se identifica cuando la bomba supera los lmites de
llenado, por encima del 65%, lo cual genera problemas de
graves en el pozo que ocasionan perdidas de produccin.
Seguidamente se presenta las definiciones de los rangos
utilizados para la Sobrecarga del Motor:
Muy Bajo: Se identifica cuando el motor presenta baja carga,
por debajo del 13%, esto es debido a un problema de llenado
de la bomba, o a una filtracin de alguna vlvula, lo que quiere
decir que no se est extrayendo el crudo esperado.
Bajo: Se identifica cuando el motor presenta una baja carga,
entre un rango aproximado de 13% y 14%, lo cual es
ocasionado por una falla a nivel de subsuelo, filtracin de
vlvulas, golpe de fluido, interferencia por gas, que ocasionan
disminucin en la produccin de crudo.
Medio: Se identifica cuando el motor est trabajando en las
condiciones deseadas, para este tipo de pozo el rango deseado
se encuentra entre 14% y 16% de sobrecarga. Se puede decir
que en este rango el pozo se encuentra trabajando en
condiciones normales.
Muy alto: Se identifica cuando el motor est trabajando con

una sobrecarga muy excesiva que sobrepasa los lmites
permitidos, por encima del 17%. Este estado es generado
cuando el pistn esta trancado.
IV. RESULTADOS DE LA APLICACIN DEL SISTEMA
CLASIFICADOR
Para validar el sistema de diagnstico se emplearon datos
histricos del comportamiento del pozo, los cuales se muestran
a continuacin, agregando el estado operacional
correspondiente al valor de salida de cada variable (Ver
Tablas 6-7).
TABLA 6
DATO HISTRICO LLENADO DE LA BOMBA
.
Torque
Carga de Fluido % Llenado Bomba,
Estado
(lb/pulg)
(lb)
Datos del Pozo
Operacional
164843
4394
39.8
Medio
114284
4019
18.5
Bajo
166762
4478
44.8
Medio
176267
4444
47.9
Medio
178855
4765
51.4
Medio
181895
4580
63.6
Alto
183406
4665
57.2
Alto
145513
4350
31.4
Bajo
164360
4727
41.5
Medio
170595
4701
42
Medio
175021
4584
50.1
Medio
178522
4627
55.2
Alto
180091
4684
56.5
Alto
140215
4396
28.3
Bajo
145513
4350
31.4
Bajo
166238
4774
38
Medio
176685
4474
48.1
Alto
174670
4627
50.4
Medio
178652
4800
52.7
Medio
182091
4515
54.9
Medio
133646
4388
26.9
Bajo
131531
4153
25.6
Bajo
155027
4450
35.4
Medio
166055
4310
44.3
Medio
173606
4438
50.1
Medio
176886
4548
48.6
Medio
172182
4513
51.6
Medio
178245
4410
53.7
Medio
4584
50.1
Medio
4449
48.1
Medio
Alto: Se identifica cuando el motor est trabajando con una

175021
ligera sobrecarga por encima de los niveles deseados, se
177376
encuentra dentro del rango de 16% y 17%, esta sobrecarga se
presenta cuando el crudo aumenta su viscosidad o se genera
arenamiento en el pozo.
ISBN: 978-980-7185-03-5
CA-24
TABLA 7
DATO HISTRICO SOBRECARGA DEL MOTOR
Torque
Carga de Fluido (lb)
(lb/pulg)
TABLA 8
RESULTADOS COMPARATIVOS DEL SISTEMA DESARROLLADO EN MATLAB Y EN
SISTEMA DE CONTROL LGICO PROGRAMABLE PARA EL LLENADO DE LA
BOMBA
%Sobrecarga
Estado
Motor
Operacional
164843
4394
15.8
Medio
114284
4019
13.9
Bajo
166762
4478
16.2
Alto
176267
4444
16.9
Alto
178855
4765
17
Alto
181895
4580
18.9
Muy Alto
183406
4665
17.9
Muy Alto
145513
4350
15.1
Medio
164360
4727
15.6
Medio
170595
4701
16.1
Alto
175021
4584
17.1
Muy Alto
178522
4627
17.9
Muy Alto
180091
4684
17.7
Muy Alto
140215
4396
14.3
Medio
145513
4350
15.1
Medio
166238
4774
15.3
Medio
176685
4474
17.3
Muy Alto
174670
4627
17.1
Muy Alto
178652
4800
17.1
Muy Alto
182091
4515
18.1
Muy Alto
133646
4388
14
Medio
131531
4153
14.7
Medio
155027
4450
15.4
Medio
166055
4310
16.6
Alto
173606
4438
17.5
Muy Alto
176886
4548
16.7
Alto
172182
4513
17.1
Muy Alto
178245
4410
18
Muy Alto
175021
4584
17.1
Muy Alto
177376
4449
16.9
Alto
A continuacin se muestra una comparacin de los resultados

obtenidos de los desarrollos de los prototipos en Matlab y en
Programmable Logic Controller (PLC) Ver (Tablas 8-9).
Analizando los resultados obtenidos del sistema difuso
desarrollado en Matlab y comparados con los datos reales del
pozo mostrados en las Tabla 8 y Tabla 9, se puede apreciar
que los resultados presentan un promedio de error absoluto de
5.0177 para el llenado de la bomba y de 0.7040 para la
sobrecarga del motor, con respecto al valor real, y se
encuentran la mayora dentro del rango de operacin
correspondiente, por lo tanto se puede comprobar que el
sistema diseado funciona adecuadamente.
%Llenado
%Llenado Bomba, Datos de %Llenado Bomba, Datos
Bomba, Datos del
Matlab
del PLC
Pozo
39.8
43.9596
44.699
18.5
22.7118
15.417
44.8
45
45
47.9
51.5682
51.6
51.4
59.8155
59.802
63.6
64.6064
64.691
57.2
67.1304
67.139
31.4
35.1898
34.053
41.5
45
45
42
48.4372
48.539
50.1
54.6426
59.348
55.2
59.3879
61.768
56.5
61.6831
57.117
28.3
30
30
31.4
35.1898
34.053
38
45
45
48.1
56.1986
56.1
50.4
54.15
54.095
52.7
59.5555
59.525
54.9
64.9314
65.009
26.9
30
30
25.6
15.414
15.417
35.4
45
45
44.3
42.8501
35.806
50.1
51.3688
50.7
48.6
56.0491
50.703
51.6
50.6421
46.5
53.7
46.4241
54.574
50.1
54.6426
52.35
48.1
52.3446
54.574
Con respecto a los valores determinados en el Controlador

Lgico Programable (PLC), comparndolos con los valores
reales del pozo, se observ que los resultados presentan un
promedio de error absoluto de 4.9733 para la sobrecarga de la
bomba y de 0.7238 para la sobrecarga, con respecto al valor
real, en el caso del porcentaje de llenado de la bomba el error
es menor, esto es debido a la capacidad de computo del (PLC)
y por otra parte la herramienta difusa fue elaborada en texto
estructurado, un lenguaje de programacin propio del PLC, de
igual forma los resultados generados aqu se encuentran la
mayora dentro del rango operacional.
V. CONCLUSIONES
El Sistema Clasificador para el Anlisis de Pozo permite
analizar y clasificar datos extrados del mismo. Genera
informacin a partir de las variables del yacimiento y cabezal
del pozo. Con dicha informacin es ms precisa la
determinacin del escenario operacional de un pozo a partir de
sus condiciones operacionales, ya que en un mismo sistema
estn integrados variables de fondo y superficie, diferente a
como actualmente se realiza en la industria en la que solo hay
variables de superficie. As, esto le permitir al pozo autodiagnosticarse, controlar sus daos, y cuidar y supervisar el
comportamiento de su infraestructura subsuelo/superficie.
ISBN: 978-980-7185-03-5
CA-25
TABLA 9
RESULTADOS COMPARATIVOS DEL SISTEMA DESARROLLADO EN
MATLAB Y UN SISTEMA DE CONTROL LGICO PROGRAMABLE PARA LA
SOBRECARGA DEL MOTOR
%Sobrecarga
Motor, Datos
del Pozo
15.8
13.9
16.2
16.9
17
18.9
17.9
15.1
15.6
16.1
17.1
17.9
17.7
14.3
15.1
15.3
17.3
17.1
17.1
18.1
14
14.7
15.4
16.6
17.5
16.7
17.1
18
17.1
%Sobrecarga
Motor, Datos de
Matlab
15.7919
14.8464
15.9178
16.7233
16.9911
17.505
17.748
12.9911
16
16.201
16.6623
16.9695
17.1886
12.7594
12.9911
16
16.8136
16.6256
16.9781
17.5382
12.7594
12.7594
15.0028
15.8821
16.5115
16.7637
16.3588
16.9486
16.6623
%Sobrecarga Motor, Datos del PLC

15.7572
12.7519
15.9712
16.7515
16.9868
17.3931
17.5983
13.3667
16
16.2359
16.9565
17.14.82
16.8078
12.7619
13.3667
16
16.7895
16.6064
16.9684
17.4198
12.7619
12.417
15.0021
15.3871
16.5096
16.3802
16.9314
16.6383
16.8524
Ahora bien, en especfico nuestro sistema permite identificar

estados operacionales, a partir de lo cual el pozo puede
optimizar su nivel de produccin a una menor tasa de energa.
En el caso de la clasificacin de escenarios operacionales a
travs del Sistema Difuso, result ser efectiva ya que permite
hallar el desempeo operacional del pozo. Su importancia est
en la de disponer del escenario, posibilitando la toma de
decisiones sobre la produccin del pozo y su estado
operacional, si el fondo del pozo esta bajo la presencia de
agua, sedimentos, etc. Esto ltimo puede cambiar la tasa de
produccin del pozo.
[1] Camargo, Edgar; Aguilar , J. Hybrid Intelligent Supervision Model
of Oil Wells International Conference on Fuzzy Systems (FUZZ-IEEE)
July 6-11, 2014, Beijing, China. 978-1-4799-2072-3/14 PP 934-939
2014 IEEE.
[2] Leal, R., Camargo, E., Aguilar, J., Analysis of Diagnosability for Gas
Lift Wels. XII Congreso Internacional de Mtodos Numricos en
Ingeniera y Ciencias Aplicadas . ISBN: 978-980-7161-04-. Pp EC-91EC96. Isla Margarita, Venezuela, Abril 2014
[3] Moon G. Joo A method of converting a fuzzy system to a twolayered hierarchical fuzzy system and its run-time efficiency.
Journal IEEE Transactions on Fuzzy Systems aVolume 17 Issue 1, Feb.
2009.
[4] Mena L, Klein, S., Surface Axial Load Based Progressive Cavity
Pump Optimization System. Society of Petroleum Engineers. SPE
53692. April. 1999.
[5] Carr, D., Shearer, J. Nonlinear Control and Decision Making Using
Fuzzy Logic in Logix. Allen Bradley Rockwell Automation. Vol. 12,
N 1, pp.23-28. 2011.
[6] Cordero, S., Moreno, F. Una Herramienta de Induccin de Sistemas
Difusos Jerarquicos. XV Congreso Espaol sobre Tecnologas y
Lgica Fuzzy. Huelva (Spain), pp. 249-254. Feb. 2010.
ISBN: 978-980-7185-03-5
CA-26

Control Automatizacion Parte 01

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Control Automatizacion Parte 01

Hochgeladen von

Copyright:

Verfügbare Formate

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (VI CIBELEC 2015)

Control de Velocidad de Aerogenerador

Resumen En este trabajo se presenta un Sistema de Control

fuentes externas de energa para excitacin ya que la misma es

La estructura general de un Sistema de Conversin de

FIG. 1. Sistema de Conversin de Energa Elica con PMSG

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (VI CIBELEC 2015)

[4], los cuales son c1=0.5176, c2=116, c3=0.4, c4=5, c5=21 y

FIG. 2. Eficiencia de la Turbina en funcin de la

E. Modelo del Generador Sincrnico de Imn Permanente

Donde vd y vq representan las tensiones en el estator, id e iq

Donde p representa el nmero de pares de polos de la

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (VI CIBELEC 2015)

B. Clculo de la Velocidad Angular de Referencia

La representacin en espacio de estados del sistema vendr

FIG. 3. Esquema de Control de Sistema de Control de

D. Linealizacin del Modelo del Sistema

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (VI CIBELEC 2015)

asignacin robusta de los polos deseados considerando que el

FIG. 4. Realimentacin de Variables de Estado

IV. SIMULACIN DEL SISTEMA DE CONTROL

Longitud del aspa de la turbina

De igual manera se muestran en la Tabla II los parmetros

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (VI CIBELEC 2015)

El controlador por Realimentacin de Variables de Estado

FIG. 6. Velocidad angular de la turbina con control por

FIG. 7. Relacin de Velocidad de Punta con Control por

FIG. 5. Perfil de velocidad del viento utilizado en la

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (VI CIBELEC 2015)

FIG. 8. Coeficiente de Eficiencia de la Turbia con Control por

FIG. 9. Corriente en el eje d del estator con Control por

FIG. 11. Tensin en el eje d del estator con Control por

FIG. 12. Tensin en el eje q del estator con Control por

FIG. 13. Torque desarrollado por la Turbina.

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (VI CIBELEC 2015)

aleatorio de la velocidad del viento, el ajuste del controlador

La estrategia de control propuesta arroj resultados que

I. Munteanu, et al. Optimal Control of Wind Energy Systems:

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA(VI CIBELEC 2015)

Propuesta de Supervisin y Control de Rels de

ResumenEl presente trabajo describe una propuesta y

se realiza un proceso de anlisis y supervisin, luego se puede

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA(VI CIBELEC 2015)

dos (2) o cuatro (4) hilos.

II. REL DE PROTECCIN

FIG. 2. Tarjeta de comunicaciones DNP3 del REL-512

FIG. 1. REL-512, vista frontal y vista trasera.

Luego de realizar los arreglos en el hardware, se debe

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA(VI CIBELEC 2015)

FIG. 3. Men de configuracin de comunicacin Protocolo

Como estos dispositivos de proteccin se instalan en

asociado al uso y que tiene habilitado el protocolo DNP3, es

III. SCADA BASADO EN SOFTWARE LIBRE Y LICENCIA

FIG. 4. Parmetros de configuracin del software ScadaBr,

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA(VI CIBELEC 2015)

FIG. 5. Configuracin de los ndices que se van a supervisar

imagen o vista grfica. En la opcin del men de

FIG. 6. Configuracin de las acciones de control en

FIG. 7. Propiedades de configuracin para vistas grficas en

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA(VI CIBELEC 2015)

FIG.8. Ejemplo de adicin de grficos en el ScadaBr.

Es importante realizar una correcta y apropiada

G. Clarke, D. Reynders Practical Modern Scada Protocols: Dnp3,

6TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA(VI CIBELEC 2015)