Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica

Este proyecto tuvo como finalidad el diseño de un algoritmo a través de una estrategia de control predictivo basado en modelo (MPC), el cual incorpora variables medio ambientales y la medición de la carga térmica. Como caso de estudio se abordó el control del Chiller #1 del edificio central de la Un...

Full description

Autores:: Perea Abadía, Fulton Andrés

Tipo de recurso:

Fecha de publicación:: 2024

Institución:: Universidad Autónoma de Occidente

Repositorio:: RED: Repositorio Educativo Digital UAO

Idioma:: spa

id	REPOUAO2_fc5338c627c2e5b2e61a316cdd5fefb9
oai_identifier_str	oai:red.uao.edu.co:10614/15717
network_acronym_str	REPOUAO2
network_name_str	RED: Repositorio Educativo Digital UAO
repository_id_str
dc.title.spa.fl_str_mv	Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica
title	Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica
spellingShingle	Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica Maestría en Sistemas Energéticos MPC Carga térmica Comodidad Perturbaciones Horizonte de predicción Horizonte de control Acción de control Restricción Thermal load Comfort Disturbances Prediction horizon Control horizon Control action Restriction
title_short	Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica
title_full	Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica
title_fullStr	Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica
title_full_unstemmed	Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica
title_sort	Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica
dc.creator.fl_str_mv	Perea Abadía, Fulton Andrés
dc.contributor.advisor.none.fl_str_mv	Martínez Castro, Diego
dc.contributor.author.none.fl_str_mv	Perea Abadía, Fulton Andrés
dc.contributor.corporatename.spa.fl_str_mv	Universidad Autónoma de Occidente
dc.contributor.jury.none.fl_str_mv	González Potes, Apolinar Mena Moreno, Juan Carlos
dc.subject.proposal.spa.fl_str_mv	Maestría en Sistemas Energéticos MPC Carga térmica Comodidad Perturbaciones Horizonte de predicción Horizonte de control Acción de control Restricción
topic	Maestría en Sistemas Energéticos MPC Carga térmica Comodidad Perturbaciones Horizonte de predicción Horizonte de control Acción de control Restricción Thermal load Comfort Disturbances Prediction horizon Control horizon Control action Restriction
dc.subject.proposal.eng.fl_str_mv	Thermal load Comfort Disturbances Prediction horizon Control horizon Control action Restriction
description	Este proyecto tuvo como finalidad el diseño de un algoritmo a través de una estrategia de control predictivo basado en modelo (MPC), el cual incorpora variables medio ambientales y la medición de la carga térmica. Como caso de estudio se abordó el control del Chiller #1 del edificio central de la Universidad Autónoma de Occidente (UAO), el objetivo fue minimizar el consumo de energía sin afectar el confort. La estrategia inició con la identificación del modelo del chiller a través de la variables significativas entrada-salida; luego, para estimar el consumo energético, se diseñó un modelo de consumo. Teniendo los modelos identificados el del chiller y el consumo se procedió a diseñar los controladores MPC-1-2-3 que se diferencian por las perturbaciones aplicadas. El controlador que presentó mejor desempeño fue el MPC3, el cual incluyó las dos perturbaciones consideradas en el sistema. La acción de control se aplicó al modelo del chiller y al modelo de consumo para realizar una estimación de los ahorros que se pueden alcanzar. Se simularon 2 modelos en Simulink de Matlab para estimar el ahorro de energía. En el primero, denominado nlhw10_68 Hp_20 Hc_8, se evidenció un ahorro estimado en 12%. En el segundo modelo, nlw10_68 Hp_34 Hc_4, se modificó el horizonte de predicción y de control obteniendo un ahorro estimado del 15%. Para validar los resultados obtenidos en las simulaciones se decidió realizar una prueba real en el sistema. Se tuvieron en cuenta las restricciones del sistema en cuanto a los límites superior e inferior de operación. La prueba consistió en ingresar los datos de referencia en el control del chiller con tiempos de respuesta de 1 minuto, medir la temperatura ambiente, medir la temperatura en el edificio de influencia del Chiller 1, y observar la temperatura de agua fría. Los resultados obtenidos experimentalmente corroboran la validez de los análisis realizados y de los resultados de simulación obtenidos
publishDate	2024
dc.date.accessioned.none.fl_str_mv	2024-08-12T14:42:36Z
dc.date.available.none.fl_str_mv	2024-08-12T14:42:36Z
dc.date.issued.none.fl_str_mv	2024-07-16
dc.type.spa.fl_str_mv	Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.eng.fl_str_mv	Text
dc.type.driver.eng.fl_str_mv	info:eu-repo/semantics/masterThesis
dc.type.redcol.eng.fl_str_mv	http://purl.org/redcol/resource_type/TM
dc.type.version.eng.fl_str_mv	info:eu-repo/semantics/publishedVersion
status_str	publishedVersion
dc.identifier.citation.spa.fl_str_mv	Perea Abadía, F. A. (2024). Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15717
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/10614/15717
dc.identifier.instname.spa.fl_str_mv	Universidad Autónoma de Occidente
dc.identifier.reponame.spa.fl_str_mv	Respositorio Educativo Digital UAO
dc.identifier.repourl.none.fl_str_mv	https://red.uao.edu.co/
identifier_str_mv	Perea Abadía, F. A. (2024). Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15717 Universidad Autónoma de Occidente Respositorio Educativo Digital UAO
url	https://hdl.handle.net/10614/15717 https://red.uao.edu.co/
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.none.fl_str_mv	[1] “Eficiencia Energética 2023” IEA, 2023. https://www.iea.org/reports/energy-efficiency2023/executive-summary. [2] UPME, “Plan de Acción Indicativo de Eficiencia Energética 2017-2022,” Minist. Minas y Energía, pp. 1–157, 2016, [en línea], Disponible en: http://www1.upme.gov.co/DemandaEnergetica/MarcoNormatividad/PAI_PROURE_2017-2022.pdf. [3] UPME, “Determinación del potencial de reducción del consumo energético en el sector servicios en Colombia,” p. 615, 2013. [4] I. Erazo and A. Gaviria, “Desarrollo de una herramienta computacional con tecnologías de inteligencia artificial (IA) para realizar repuesta a la demanda eléctrica y seguimiento de indicadores de eficiencia al sistema de agua helada del edificio central de la UAO,” Universidad Autónoma de Occidente, 2021. [5] L. Zabala, J. Febres, R. Sterling, S. López, y M. Keane, “Virtual testbed for model predictive control development in district cooling systems,” Renew. Sustain. Energy Rev., vol. 129, 2020, doi: 10.1016/j.rser.2020.109920. [6] A. V. Acosta, A. I. González, J. M. Zamarreño, and V. Álvarez, “Modelo para la predicción energética de una instalación hotelera,” RIAI - Rev. Iberoam. Autom. e Inform. Ind., vol. 8, no. 4, pp. 309–322, 2011, doi: 10.1016/j.riai.2011.09.001. [7] A. Acosta, A. I. González, J. M. Zamarreño, y V. Alvarez, “Controlador Predictivo No Lineal para la Gestión Energética del Sistema Centralizado de Aire Acondicionado de un Inmueble Hotelero,” RIAI - Rev. Iberoam. Autom. e Inform. Ind., vol. 12, no. 4, pp. 376–384, 2015, doi: 10.1016/j.riai.2015.07.003. [8] G. Marchante, A. Acosta, A. I. González, J. M. Zamarreño, y V. Alvarez “Evaluación de restricciones de confort en controlador predictivo para la eficiencia energética,” vol. 18, pp. 150–163, 2020, doi: 10.4995/riai.2020.13937. [9] J. Wang, T. Zhao, and M. Xu, “Multivariable linear regression model for online predictive control of a typical chiller plant system,” Environ. Sci. Eng., pp. 241–249, 2020, doi: 10.1007/978-981-13-9524-6_26. [10] D. Lee, R. Ooka, S. Ikeda, W. Choi, and Y. Kwak, “Model predictive control of building energy systems with thermal energy storage in response to occupancy variations and time-variant electricity prices,” Energy Build., vol. 225, p. 110291, 2020, doi: 10.1016/j.enbuild.2020.110291. [11] R. Kumar, M. J. Wenzel, M. N. ElBsat, M. J. Risbeck, K. H. Drees, and V. M. Zavala, “Stochastic model predictive control for central HVAC plants,” J. Process Control, vol. 90, pp. 1–17, 2020, doi: 10.1016/j.jprocont.2020.03.015. [12] T. Salsbury, P. Mhaskar, and S. J. Qin, “Predictive control methods to improve energy efficiency and reduce demand in buildings,” Comput. Chem. Eng., vol. 51, pp. 77–85, 2013, doi: 10.1016/j.compchemeng.2012.08.003. [13] B. D. Arballo, E. Kuchen, and D. Chuk, “Optimización de la eficiencia energética aplicando confort térmico adaptativo en un edificio de oficinas público en San JuanArgentina,” Rev. Hábitat Sustentable, vol. 9, no. 1, pp. 58–67, Jun. 2019, doi: 10.22320/07190700.2019.09.01.05. [14] M. Castilla, J. D. Álvarez, M. Berenguel, M. Pérez, F. Rodríguez, and J. L. Guzmán, “Técnicas de control del confort en edificios,” RIAI - Rev. Iberoam. Autom. e Inform. Ind., vol. 7, no. 3, pp. 5–24, 2010, doi: 10.4995/RIAI.2010.03.01. [15] M. S. Mustapa, S. A. Zaki, H. B. Rijal, A. Hagishima, y M. S. M. Ali, “Thermal comfort and occupant adaptive behaviour in Japanese university buildings with free running and cooling mode offices during summer,” Build. Environ., vol. 105, pp. 332–342, 2016, doi: 10.1016/j.buildenv.2016.06.014. [16] H. F. Rojas Rodriguez, “Análisis Comparativo De La Eficiencia Energética En El Bombeo De Agua En Un Intercambiador De Calor Usando Técnicas De Control Predictivo,” 2013. [17] J. Drgoňa et al., “All you need to know about model predictive control for buildings,” Annu. Rev. Control, no. September, 2020, doi: 10.1016/j.arcontrol.2020.09.001. [18] G. Bejarano, M. G. Ortega, J. E. Normey-Rico, y F. R. Rubio, “Optimal control analysis and Practical NMPC applied to refrigeration systems,” ISA Trans., vol. 107, pp. 90–106, Dec. 2020, doi: 10.1016/j.isatra.2020.07.041. [19] G. Darivianakis, A. Georghiou, R. S. Smith, y J. Lygeros, “The Power of Diversity: DataDriven Robust Predictive Control for Energy-Efficient Buildings and Districts,” IEEE Trans. Control Syst. Technol., vol. 27, no. 1, pp. 132–145, 2019, doi: 10.1109/TCST.2017.2765625. [20] A. Afram y F. Janabi-Sharifi, “Theory and applications of HVAC control systems - A review of model predictive control (MPC),” Build. Environ., vol. 72, pp. 343–355, 2014, doi: 10.1016/j.buildenv.2013.11.016. [21] “Enfriador de agua,” Wikipedia. 2020, [En linea]. En linea: https://es.wikipedia.org/wiki/Enfriador_de_agua. [22] E. F. Camacho y C. Bordons, Camacho, Bordons - Model Predictive Control.pdf. 1999. [23] M. Helbig and A. P. Engelbrecht, “Challenges of dynamic multi-objective optimisation,” Proc. - 1st BRICS Ctries. Congr. Comput. Intell. BRICS-CCI 2013, pp. 254–261, 2013, doi: 10.1109/BRICS-CCI-CBIC.2013.49. [24] “Optimización multiobjetivo,” Wikipedia. 2019, [en linea]. En linea: https://es.wikipedia.org/wiki/Optimización_multiobjetivo.
dc.rights.spa.fl_str_mv	Derechos reservados - Universidad Autónoma de Occidente, 2024
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_14cb
dc.rights.uri.eng.fl_str_mv	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.eng.fl_str_mv	info:eu-repo/semantics/closedAccess
dc.rights.creativecommons.spa.fl_str_mv	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv	Derechos reservados - Universidad Autónoma de Occidente, 2024 https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_14cb
eu_rights_str_mv	closedAccess
dc.format.extent.spa.fl_str_mv	70 páginas
dc.format.mimetype.none.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad Autónoma de Occidente
dc.publisher.program.spa.fl_str_mv	Maestría en Sistemas Energéticos
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv	Cali
institution	Universidad Autónoma de Occidente
bitstream.url.fl_str_mv	https://red.uao.edu.co/bitstreams/129ed185-2b6f-4251-830d-4ee6025b2c2f/download https://red.uao.edu.co/bitstreams/53617c40-5014-46bb-9bd5-49bedc0092cb/download https://red.uao.edu.co/bitstreams/e171bef3-b040-44b5-b066-df863226fad3/download https://red.uao.edu.co/bitstreams/30c75e39-2e88-41b7-8fc1-8ea00565e616/download https://red.uao.edu.co/bitstreams/f8f6ab81-8049-4e69-89cb-a6339f3cb9f2/download https://red.uao.edu.co/bitstreams/0f9a26fd-d18e-458b-ab29-cf07d9124a02/download https://red.uao.edu.co/bitstreams/c776a371-0e6b-4989-8226-5a593ff9ad18/download https://red.uao.edu.co/bitstreams/dab87080-9095-4441-b7b9-dd412280e452/download https://red.uao.edu.co/bitstreams/edb293e6-e790-4700-9c21-8f0f7e4aff05/download https://red.uao.edu.co/bitstreams/6a2742a0-c977-43bc-957f-cd111e593667/download https://red.uao.edu.co/bitstreams/99d28fee-7497-4a3d-8d23-908fe3ff37cb/download https://red.uao.edu.co/bitstreams/d11562c8-bcb3-4c1e-aaed-38dc358e1cb0/download https://red.uao.edu.co/bitstreams/106ace1d-1387-48f6-aced-75db15626ec4/download https://red.uao.edu.co/bitstreams/7f003ab5-73f6-4208-bc78-98ea9f70ce7c/download https://red.uao.edu.co/bitstreams/9c863add-dfb5-4e6a-9a6c-4eb5eb1a5db8/download https://red.uao.edu.co/bitstreams/4b469dc5-8fb3-42ca-ac4f-d9d6264d70e4/download https://red.uao.edu.co/bitstreams/fae36456-9a54-43e3-9ce9-db92000c8198/download https://red.uao.edu.co/bitstreams/013d805d-7d7d-42a0-b7c7-a6d46d228df1/download https://red.uao.edu.co/bitstreams/e4d98d61-ce9f-40a5-abca-81e857cb9355/download https://red.uao.edu.co/bitstreams/d0a7db39-7d23-4627-b711-3efda3df8d3e/download https://red.uao.edu.co/bitstreams/09375475-ecd4-447e-b52c-cfd9a274346e/download https://red.uao.edu.co/bitstreams/8b600bb6-efbd-4e56-b597-86f1fece297c/download https://red.uao.edu.co/bitstreams/31f68344-4e27-4914-948a-4d5584f03374/download https://red.uao.edu.co/bitstreams/add0883b-4ef4-4c4c-be63-3e90004c87da/download https://red.uao.edu.co/bitstreams/6671c83b-7a05-4842-972e-ed2810f94fdb/download https://red.uao.edu.co/bitstreams/ca347eb4-e36b-4bdd-97dc-834106d39ab0/download
bitstream.checksum.fl_str_mv	c5085ce2e90c90621fe37b91a0f798cc 4d740c9bef931995ed49284b8b66d977 3ed40581b3f7e208708c392e00f44103 14439af2ba056ea1201a2503a6c3d4b2 25d5b544614b9634495cb9e49b6bde07 9d88a5783ea38f1b1c50c7557e4fb97b 6e22560647b8b1df94dfa8694d38e56f 73fb320ed71f66f131516e345b95ade9 3f240becfaa0a0448b213d183bfee02b cbbaa7f06e9f1f7433563bde6eaa4a15 03830fb148c3f96b41e32c79949482a0 11aad3052c56684abc8c183f41d41d51 9ff15612306d8654c4ca9bc3a8d8cbdf 529565c56396dff0296e655537bfdc07 aa662bbdecb2171b7ccb5fe28fd1d897 6987b791264a2b5525252450f99b10d1 6e470ce180fe0c85c8483b4f218f9c0e 82cdd355f8e18708dd457467d35f31e2 a1a2c44efc8a889aa309a7497164f79e a0a6f7908f1b288cd2fec17f6a90fb3e eac354a2e0c04ec31ae90a9522d761b2 08750aceb339d83f89b656d34e02a59c 1fac7a26ac0e75079332207fbd1858ad 3e46e4a49d77413d18da35bb919a2d74 7541dba9eb55d1fb3736ff9b70b3e33e d7947af0be1558b860c804325bb354c8
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Digital Universidad Autonoma de Occidente
repository.mail.fl_str_mv	repositorio@uao.edu.co
_version_	1814260163625877504
spelling	Martínez Castro, Diegovirtual::5565-1Perea Abadía, Fulton AndrésUniversidad Autónoma de OccidenteGonzález Potes, ApolinarMena Moreno, Juan Carlosvirtual::5566-12024-08-12T14:42:36Z2024-08-12T14:42:36Z2024-07-16Perea Abadía, F. A. (2024). Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15717https://hdl.handle.net/10614/15717Universidad Autónoma de OccidenteRespositorio Educativo Digital UAOhttps://red.uao.edu.co/Este proyecto tuvo como finalidad el diseño de un algoritmo a través de una estrategia de control predictivo basado en modelo (MPC), el cual incorpora variables medio ambientales y la medición de la carga térmica. Como caso de estudio se abordó el control del Chiller #1 del edificio central de la Universidad Autónoma de Occidente (UAO), el objetivo fue minimizar el consumo de energía sin afectar el confort. La estrategia inició con la identificación del modelo del chiller a través de la variables significativas entrada-salida; luego, para estimar el consumo energético, se diseñó un modelo de consumo. Teniendo los modelos identificados el del chiller y el consumo se procedió a diseñar los controladores MPC-1-2-3 que se diferencian por las perturbaciones aplicadas. El controlador que presentó mejor desempeño fue el MPC3, el cual incluyó las dos perturbaciones consideradas en el sistema. La acción de control se aplicó al modelo del chiller y al modelo de consumo para realizar una estimación de los ahorros que se pueden alcanzar. Se simularon 2 modelos en Simulink de Matlab para estimar el ahorro de energía. En el primero, denominado nlhw10_68 Hp_20 Hc_8, se evidenció un ahorro estimado en 12%. En el segundo modelo, nlw10_68 Hp_34 Hc_4, se modificó el horizonte de predicción y de control obteniendo un ahorro estimado del 15%. Para validar los resultados obtenidos en las simulaciones se decidió realizar una prueba real en el sistema. Se tuvieron en cuenta las restricciones del sistema en cuanto a los límites superior e inferior de operación. La prueba consistió en ingresar los datos de referencia en el control del chiller con tiempos de respuesta de 1 minuto, medir la temperatura ambiente, medir la temperatura en el edificio de influencia del Chiller 1, y observar la temperatura de agua fría. Los resultados obtenidos experimentalmente corroboran la validez de los análisis realizados y de los resultados de simulación obtenidosThe purpose of this project was to design an algorithm through the MPC control strategy, which incorporates environmental variables and the measurement of the thermal load for Chiller #1 of the central building of the UAO Autonomous University of the West, the objective is minimize energy consumption without affecting comfort. This strategy begins with the identification of the chiller model through the significant input-output variables. To estimate energy consumption, a consumption model was designed. Having identified the models of the chiller and the consumption, we proceed to design the MPC1-2-3 controllers that are differentiated by the disturbances applied, the controller that presented the best performance considering the reduction of the error was the MPC3 with the two disturbances. This mv control action was applied to the chiller model and the consumption model. Two models were simulated in Matlab's Simulink to estimate energy savings. In the first one, called nlhw10_68 Hp_20 Hc_8, an estimated saving of 12% was evident. In the second model, nlw10_68 Hp_34 Hc_4, the prediction and control horizon were modified, obtaining an estimated saving of 15%. To validate the results obtained in the simulations, it was decided to perform a test on the system. The upper and lower limit system constraints were considered. The test consisted of entering the reference data into the chiller control with response times of 1 minute, measuring the ambient temperature, measuring the temperature in the Chiller 1 influence building, and observing the cold-water temperature. The results obtained experimentally corroborate the validity of the analyzes carried out and the simulation results obtainedTesis (Magister en Sistemas Energéticos)-- Universidad Autónoma de Occidente, 2024MaestríaMagíster en Sistemas Energéticos70 páginasapplication/pdfspaUniversidad Autónoma de OccidenteMaestría en Sistemas EnergéticosFacultad de IngenieríaCaliDerechos reservados - Universidad Autónoma de Occidente, 2024https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/closedAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_14cbAlgoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmicaTrabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85[1] “Eficiencia Energética 2023” IEA, 2023. https://www.iea.org/reports/energy-efficiency2023/executive-summary.[2] UPME, “Plan de Acción Indicativo de Eficiencia Energética 2017-2022,” Minist. Minas y Energía, pp. 1–157, 2016, [en línea], Disponible en: http://www1.upme.gov.co/DemandaEnergetica/MarcoNormatividad/PAI_PROURE_2017-2022.pdf.[3] UPME, “Determinación del potencial de reducción del consumo energético en el sector servicios en Colombia,” p. 615, 2013.[4] I. Erazo and A. Gaviria, “Desarrollo de una herramienta computacional con tecnologías de inteligencia artificial (IA) para realizar repuesta a la demanda eléctrica y seguimiento de indicadores de eficiencia al sistema de agua helada del edificio central de la UAO,” Universidad Autónoma de Occidente, 2021.[5] L. Zabala, J. Febres, R. Sterling, S. López, y M. Keane, “Virtual testbed for model predictive control development in district cooling systems,” Renew. Sustain. Energy Rev., vol. 129, 2020, doi: 10.1016/j.rser.2020.109920.[6] A. V. Acosta, A. I. González, J. M. Zamarreño, and V. Álvarez, “Modelo para la predicción energética de una instalación hotelera,” RIAI - Rev. Iberoam. Autom. e Inform. Ind., vol. 8, no. 4, pp. 309–322, 2011, doi: 10.1016/j.riai.2011.09.001.[7] A. Acosta, A. I. González, J. M. Zamarreño, y V. Alvarez, “Controlador Predictivo No Lineal para la Gestión Energética del Sistema Centralizado de Aire Acondicionado de un Inmueble Hotelero,” RIAI - Rev. Iberoam. Autom. e Inform. Ind., vol. 12, no. 4, pp. 376–384, 2015, doi: 10.1016/j.riai.2015.07.003.[8] G. Marchante, A. Acosta, A. I. González, J. M. Zamarreño, y V. Alvarez “Evaluación de restricciones de confort en controlador predictivo para la eficiencia energética,” vol. 18, pp. 150–163, 2020, doi: 10.4995/riai.2020.13937.[9] J. Wang, T. Zhao, and M. Xu, “Multivariable linear regression model for online predictive control of a typical chiller plant system,” Environ. Sci. Eng., pp. 241–249, 2020, doi: 10.1007/978-981-13-9524-6_26.[10] D. Lee, R. Ooka, S. Ikeda, W. Choi, and Y. Kwak, “Model predictive control of building energy systems with thermal energy storage in response to occupancy variations and time-variant electricity prices,” Energy Build., vol. 225, p. 110291, 2020, doi: 10.1016/j.enbuild.2020.110291.[11] R. Kumar, M. J. Wenzel, M. N. ElBsat, M. J. Risbeck, K. H. Drees, and V. M. Zavala, “Stochastic model predictive control for central HVAC plants,” J. Process Control, vol. 90, pp. 1–17, 2020, doi: 10.1016/j.jprocont.2020.03.015.[12] T. Salsbury, P. Mhaskar, and S. J. Qin, “Predictive control methods to improve energy efficiency and reduce demand in buildings,” Comput. Chem. Eng., vol. 51, pp. 77–85, 2013, doi: 10.1016/j.compchemeng.2012.08.003.[13] B. D. Arballo, E. Kuchen, and D. Chuk, “Optimización de la eficiencia energética aplicando confort térmico adaptativo en un edificio de oficinas público en San JuanArgentina,” Rev. Hábitat Sustentable, vol. 9, no. 1, pp. 58–67, Jun. 2019, doi: 10.22320/07190700.2019.09.01.05.[14] M. Castilla, J. D. Álvarez, M. Berenguel, M. Pérez, F. Rodríguez, and J. L. Guzmán, “Técnicas de control del confort en edificios,” RIAI - Rev. Iberoam. Autom. e Inform. Ind., vol. 7, no. 3, pp. 5–24, 2010, doi: 10.4995/RIAI.2010.03.01.[15] M. S. Mustapa, S. A. Zaki, H. B. Rijal, A. Hagishima, y M. S. M. Ali, “Thermal comfort and occupant adaptive behaviour in Japanese university buildings with free running and cooling mode offices during summer,” Build. Environ., vol. 105, pp. 332–342, 2016, doi: 10.1016/j.buildenv.2016.06.014.[16] H. F. Rojas Rodriguez, “Análisis Comparativo De La Eficiencia Energética En El Bombeo De Agua En Un Intercambiador De Calor Usando Técnicas De Control Predictivo,” 2013.[17] J. Drgoňa et al., “All you need to know about model predictive control for buildings,” Annu. Rev. Control, no. September, 2020, doi: 10.1016/j.arcontrol.2020.09.001.[18] G. Bejarano, M. G. Ortega, J. E. Normey-Rico, y F. R. Rubio, “Optimal control analysis and Practical NMPC applied to refrigeration systems,” ISA Trans., vol. 107, pp. 90–106, Dec. 2020, doi: 10.1016/j.isatra.2020.07.041.[19] G. Darivianakis, A. Georghiou, R. S. Smith, y J. Lygeros, “The Power of Diversity: DataDriven Robust Predictive Control for Energy-Efficient Buildings and Districts,” IEEE Trans. Control Syst. Technol., vol. 27, no. 1, pp. 132–145, 2019, doi: 10.1109/TCST.2017.2765625.[20] A. Afram y F. Janabi-Sharifi, “Theory and applications of HVAC control systems - A review of model predictive control (MPC),” Build. Environ., vol. 72, pp. 343–355, 2014, doi: 10.1016/j.buildenv.2013.11.016.[21] “Enfriador de agua,” Wikipedia. 2020, [En linea]. En linea: https://es.wikipedia.org/wiki/Enfriador_de_agua.[22] E. F. Camacho y C. Bordons, Camacho, Bordons - Model Predictive Control.pdf. 1999.[23] M. Helbig and A. P. Engelbrecht, “Challenges of dynamic multi-objective optimisation,” Proc. - 1st BRICS Ctries. Congr. Comput. Intell. BRICS-CCI 2013, pp. 254–261, 2013, doi: 10.1109/BRICS-CCI-CBIC.2013.49.[24] “Optimización multiobjetivo,” Wikipedia. 2019, [en linea]. En linea: https://es.wikipedia.org/wiki/Optimización_multiobjetivo.Maestría en Sistemas EnergéticosMPCCarga térmicaComodidadPerturbacionesHorizonte de predicciónHorizonte de controlAcción de controlRestricciónThermal loadComfortDisturbancesPrediction horizonControl horizonControl actionRestrictionComunidad gneralPublication16469e35-6f18-4e0c-acfe-e8a2e314fedfvirtual::5565-116469e35-6f18-4e0c-acfe-e8a2e314fedfvirtual::5565-1d88e33d6-c779-438e-a67b-055547347e60virtual::5566-1d88e33d6-c779-438e-a67b-055547347e60virtual::5566-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000195928virtual::5565-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000194654virtual::5566-1ORIGINALT11155_Algoritmo MPC para minimizar el consumo energético en Chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica.pdfT11155_Algoritmo MPC para minimizar el consumo energético en Chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica.pdfArchivo texto completo del trabajo de grado, PDFapplication/pdf1561216https://red.uao.edu.co/bitstreams/129ed185-2b6f-4251-830d-4ee6025b2c2f/downloadc5085ce2e90c90621fe37b91a0f798ccMD517T11155A_Anexo A. Base de datos_Chiller_1.xlsxT11155A_Anexo A. Base de datos_Chiller_1.xlsxAnexo A. Base de datos_Chiller_1application/vnd.openxmlformats-officedocument.spreadsheetml.sheet137757https://red.uao.edu.co/bitstreams/53617c40-5014-46bb-9bd5-49bedc0092cb/download4d740c9bef931995ed49284b8b66d977MD53T11155B_Anexo B. Base de datos energía de la planta.xlsxT11155B_Anexo B. Base de datos energía de la planta.xlsxAnexo B. Base de datos energía de la plantaapplication/vnd.openxmlformats-officedocument.spreadsheetml.sheet800479https://red.uao.edu.co/bitstreams/e171bef3-b040-44b5-b066-df863226fad3/download3ed40581b3f7e208708c392e00f44103MD54T11155C_Anexo C. Datos prueba en el Chiller 1.xlsxT11155C_Anexo C. Datos prueba en el Chiller 1.xlsxAnexo C. Datos prueba en el Chiller 1application/vnd.openxmlformats-officedocument.spreadsheetml.sheet16668https://red.uao.edu.co/bitstreams/30c75e39-2e88-41b7-8fc1-8ea00565e616/download14439af2ba056ea1201a2503a6c3d4b2MD55T11155D_Anexo D. Coeficiente de correlación de variables.xlsxT11155D_Anexo D. Coeficiente de correlación de variables.xlsxAnexo D. Coeficiente de correlación de variablesapplication/vnd.openxmlformats-officedocument.spreadsheetml.sheet94247https://red.uao.edu.co/bitstreams/f8f6ab81-8049-4e69-89cb-a6339f3cb9f2/download25d5b544614b9634495cb9e49b6bde07MD56T11155E_Anexo E. Hojas técnicas de equipos.pdfT11155E_Anexo E. Hojas técnicas de equipos.pdfAnexo E. Hojas técnicas de equiposapplication/pdf13848512https://red.uao.edu.co/bitstreams/0f9a26fd-d18e-458b-ab29-cf07d9124a02/download9d88a5783ea38f1b1c50c7557e4fb97bMD57T11155G_Anexo G. Simulink_Proyecto_UAO_CH1 Matlab.slxT11155G_Anexo G. Simulink_Proyecto_UAO_CH1 Matlab.slxAnexo G. Simulink_Proyecto_UAO_CH1 Matlabapplication/octet-stream84892https://red.uao.edu.co/bitstreams/c776a371-0e6b-4989-8226-5a593ff9ad18/download6e22560647b8b1df94dfa8694d38e56fMD58T11155H_Anexo H. Ident_Proyecto_UAO_CH1 Matlab.sidT11155H_Anexo H. Ident_Proyecto_UAO_CH1 Matlab.sidAnexo H. Ident_Proyecto_UAO_CH1 Matlabapplication/octet-stream132008https://red.uao.edu.co/bitstreams/dab87080-9095-4441-b7b9-dd412280e452/download73fb320ed71f66f131516e345b95ade9MD59T11155I_Anexo I. Scrip_Proyecto_UAO_CH1 (1).mT11155I_Anexo I. Scrip_Proyecto_UAO_CH1 (1).mAnexo I. Scrip_Proyecto_UAO_CH1 (1)application/octet-stream1611https://red.uao.edu.co/bitstreams/edb293e6-e790-4700-9c21-8f0f7e4aff05/download3f240becfaa0a0448b213d183bfee02bMD510T11155I_Anexo I. Scrip_Proyecto_UAO_CH1 (2).mT11155I_Anexo I. Scrip_Proyecto_UAO_CH1 (2).mAnexo I. Scrip_Proyecto_UAO_CH1 (2)application/octet-stream1559https://red.uao.edu.co/bitstreams/6a2742a0-c977-43bc-957f-cd111e593667/downloadcbbaa7f06e9f1f7433563bde6eaa4a15MD511T11155I_Anexo I. Scrip_Proyecto_UAO_CH1 (3).mT11155I_Anexo I. Scrip_Proyecto_UAO_CH1 (3).mAnexo I. Scrip_Proyecto_UAO_CH1 (3)application/octet-stream1559https://red.uao.edu.co/bitstreams/99d28fee-7497-4a3d-8d23-908fe3ff37cb/download03830fb148c3f96b41e32c79949482a0MD512T11155J_Anexo J. MPCDesignerSession_Proyecto_UAO_CH1.matT11155J_Anexo J. MPCDesignerSession_Proyecto_UAO_CH1.matAnexo J. MPCDesignerSession_Proyecto_UAO_CH1application/octet-stream9785https://red.uao.edu.co/bitstreams/d11562c8-bcb3-4c1e-aaed-38dc358e1cb0/download11aad3052c56684abc8c183f41d41d51MD513T11155K_Anexo K. Variables_Proyecto_UAO_CH1.matT11155K_Anexo K. Variables_Proyecto_UAO_CH1.matAnexo K. Variables_Proyecto_UAO_CH1application/octet-stream180944https://red.uao.edu.co/bitstreams/106ace1d-1387-48f6-aced-75db15626ec4/download9ff15612306d8654c4ca9bc3a8d8cbdfMD514T11155L_Anexo L. Ident_Proyecto_UAO_Consumo.sidT11155L_Anexo L. Ident_Proyecto_UAO_Consumo.sidAnexo L. Ident_Proyecto_UAO_Consumoapplication/octet-stream309566https://red.uao.edu.co/bitstreams/7f003ab5-73f6-4208-bc78-98ea9f70ce7c/download529565c56396dff0296e655537bfdc07MD515TA11155_Autorización trabajo de grado.pdfTA11155_Autorización trabajo de grado.pdfAutorización para publicación del trabajo de gradoapplication/pdf454082https://red.uao.edu.co/bitstreams/9c863add-dfb5-4e6a-9a6c-4eb5eb1a5db8/downloadaa662bbdecb2171b7ccb5fe28fd1d897MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81672https://red.uao.edu.co/bitstreams/4b469dc5-8fb3-42ca-ac4f-d9d6264d70e4/download6987b791264a2b5525252450f99b10d1MD516TEXTT11155_Algoritmo MPC para minimizar el consumo energético en Chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica.pdf.txtT11155_Algoritmo MPC para minimizar el consumo energético en Chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica.pdf.txtExtracted texttext/plain99944https://red.uao.edu.co/bitstreams/fae36456-9a54-43e3-9ce9-db92000c8198/download6e470ce180fe0c85c8483b4f218f9c0eMD518T11155A_Anexo A. Base de datos_Chiller_1.xlsx.txtT11155A_Anexo A. Base de datos_Chiller_1.xlsx.txtExtracted texttext/plain93935https://red.uao.edu.co/bitstreams/013d805d-7d7d-42a0-b7c7-a6d46d228df1/download82cdd355f8e18708dd457467d35f31e2MD520T11155B_Anexo B. Base de datos energía de la planta.xlsx.txtT11155B_Anexo B. Base de datos energía de la planta.xlsx.txtExtracted texttext/plain100000https://red.uao.edu.co/bitstreams/e4d98d61-ce9f-40a5-abca-81e857cb9355/downloada1a2c44efc8a889aa309a7497164f79eMD521T11155C_Anexo C. Datos prueba en el Chiller 1.xlsx.txtT11155C_Anexo C. Datos prueba en el Chiller 1.xlsx.txtExtracted texttext/plain3001https://red.uao.edu.co/bitstreams/d0a7db39-7d23-4627-b711-3efda3df8d3e/downloada0a6f7908f1b288cd2fec17f6a90fb3eMD522T11155D_Anexo D. Coeficiente de correlación de variables.xlsx.txtT11155D_Anexo D. Coeficiente de correlación de variables.xlsx.txtExtracted texttext/plain49528https://red.uao.edu.co/bitstreams/09375475-ecd4-447e-b52c-cfd9a274346e/downloadeac354a2e0c04ec31ae90a9522d761b2MD523T11155E_Anexo E. Hojas técnicas de equipos.pdf.txtT11155E_Anexo E. Hojas técnicas de equipos.pdf.txtExtracted texttext/plain34https://red.uao.edu.co/bitstreams/8b600bb6-efbd-4e56-b597-86f1fece297c/download08750aceb339d83f89b656d34e02a59cMD524TA11155_Autorización trabajo de grado.pdf.txtTA11155_Autorización trabajo de grado.pdf.txtExtracted texttext/plain5342https://red.uao.edu.co/bitstreams/31f68344-4e27-4914-948a-4d5584f03374/download1fac7a26ac0e75079332207fbd1858adMD526THUMBNAILT11155_Algoritmo MPC para minimizar el consumo energético en Chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica.pdf.jpgT11155_Algoritmo MPC para minimizar el consumo energético en Chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica.pdf.jpgGenerated Thumbnailimage/jpeg6967https://red.uao.edu.co/bitstreams/add0883b-4ef4-4c4c-be63-3e90004c87da/download3e46e4a49d77413d18da35bb919a2d74MD519T11155E_Anexo E. Hojas técnicas de equipos.pdf.jpgT11155E_Anexo E. Hojas técnicas de equipos.pdf.jpgGenerated Thumbnailimage/jpeg12673https://red.uao.edu.co/bitstreams/6671c83b-7a05-4842-972e-ed2810f94fdb/download7541dba9eb55d1fb3736ff9b70b3e33eMD525TA11155_Autorización trabajo de grado.pdf.jpgTA11155_Autorización trabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg13393https://red.uao.edu.co/bitstreams/ca347eb4-e36b-4bdd-97dc-834106d39ab0/downloadd7947af0be1558b860c804325bb354c8MD52710614/15717oai:red.uao.edu.co:10614/157172024-08-15 03:03:12.504https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos reservados - Universidad Autónoma de Occidente, 2024restrictedhttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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

Algoritmo MPC para minimizar el consumo energético en chillers integrando mediciones de variables medioambientales y la evolución de la carga térmica

Publicaciones similares