Módulo generador de planes para procesos dinámicos

Boletín IIE, mayo-junio del 2002
Módulo generador de planes para procesos
dinámicos
Alberto Reyes B. y José L. Fernández J.
Esta versión de Geplan genera una lista ordenada de los ACT, de acuerdo con el estado real del
mundo, y que posteriormente evaluara el agente monitor.
nerador de planes y se ilustra la codificación de las
acciones permitidas (ACT) mediante reglas, además,
los retos que se deben enfrentar para que el sistema
opere en línea con el proceso. También se mencionan los aspectos técnicos del generador de planes,
así como los beneficios y expectativas de su uso en
cualquier CCC.
Resumen
E
n este trabajo se describe el módulo generador de planes (Geplan) como parte del proyecto Desarrollo de Técnicas de Planificación
Inteligente para Procesos Dinámicos, basado en técnicas de Inteligencia Artificial, y que están desarrollándose en la Gerencia de Control e Instrumentación
del Instituto de Investigaciones Eléctricas (IIE). El caso
de estudio corresponde a la elaboración de un plan
para asistir a los operadores de planta en la tarea de
llevar una central de ciclo combinado (CCC) a un estado estable de operación dado un nivel de carga especifico. Se presenta la arquitectura del modulo ge-
Introducción
En la última década se ha despertado un interés creciente por utilizar técnicas modernas de Inteligencia Artificial en dominios del mundo real. Existen aplicaciones
exitosas de Inteligencia Artificial en campos como la
medicina, las finanzas, la manufactura y los procesos
industriales. El sector eléctrico no ha sido la excepción,
ya que se reportan aplicaciones de ésta en tareas tales
como control, monitoreo y diagnóstico, pronóstico de
carga, planeación, seguridad, entre otros.
El uso de la Inteligencia Artificial ha abordado
problemas diferentes utilizando diversas técnicas. Por
ejemplo, el sistema SPARSE (Expert System for
Incident Analysis and Power Restoration Assistance)
apoya al operador en el manejo de alarmas en tiempo real por medio de un sistema experto basado en
reglas (Vale, 1997). Otro ejemplo es el sistema de
supervisión de turbinas de gas TIGER (Travé, 1997)
que establece las necesidades de mantenimiento de
una turbina basadas en las condiciones actuales de
la misma. Este proyecto utiliza razonamiento basado
en modelos para realizar su diagnóstico.
Una CCC es un sistema complejo dentro del que
tiene lugar una serie de procesos de transformación e
intercambio de materia y energía. A fin de que esos procesos sean seguros y eficientes, las variables características de cada uno de ellos deben mantenerse dentro
de ciertos rangos de operación, para ello se cuenta con
diferentes herramientas de control para manipular las
variables más importantes. Sin embargo, por su complejidad, una unidad de ciclo combinado sólo puede ser
135
Artículos técnicos
Una CCC es un sistema complejo dentro del que
tiene lugar una serie de procesos de transformación e intercambio de materia y energía.
agente planificador la reparación del plan actual o la
generación de un plan alterno o diferente.
Modos de operación
automatizada parcialmente, esto significa que no todos
los procesos pueden ser controlados automáticamente
y aquéllos que lo son poseen sistemas de control o de
protección que sólo operan dentro de ciertos límites. Por
lo anterior, el comportamiento y la evolución del proceso de generación eléctrica de una unidad de ciclo combinado siempre son supervisados por un grupo de operadores humanos.
Tomando como referencia trabajos académicos
de otras instituciones como el Stanford Reserch
Institute (SRI) (Wilkins, 1984) y la National Aeronautics
and Space Administration (NASA) (Fisher, 2000) relacionados con la implementación de sistemas de
ayuda en línea basados en planificación inteligente, el IIE desarrolla una arquitectura propia, cuyo eje
principal es un sistema experto, el cual procesa la
información representativa del estado actual de la
planta. El sistema está provisto de dos bases de conocimientos: una con las acciones aplicables (ACT) y
otra con los hechos resultantes de un proceso de asociación entre los datos contenidos en la base de datos y el conocimiento sobre estados de planta. Todos
estos elementos interactúan de una forma inteligente
y generan una secuencia de acciones que el operador debe ejecutar para llevar la planta a un estado
estable de operación.
Las CCC pueden generar, bajo varias configuraciones de equipo, a través de cuatro modos de operación básicos:
•
•
•
•
planta en frío
planta respaldada
planta en vacío
planta generando
En el estado de planta en frío, ésta se encuentra disparada y todos los equipos deben estar disponibles y
listos para arrancar.
En el estado de planta respaldada o respaldo
caliente, los recuperadores de calor generan una cantidad suficiente de vapor para mantener presurizado
el domo y calentar las líneas de vapor principal, además de suministrar vapor a los sellos de turbina. Partiendo del modo de respaldo, se puede obtener la
capacidad total de la central, en un tiempo aproximado de una hora.
En el modo de planta en vacío las turbinas de
gas operan a 3600 RPM, listas para sincronizarse.
Los recuperadores de calor generan el vapor necesario para mantener la velocidad de sincronismo de
las turbinas, desviando al condensador cualquier generación en exceso.
En el modo de planta generando, se incluyen
todas las cargas mayores o iguales a la mínima,
esto es:
Estudio del caso
Debido a la dinámica de los distintos procesos llevados a cabo en una CCC y a la dificultad que presenta
la elaboración de planes de acción para el restablecimiento de la operación después de un evento no previsto, se ha caracterizado su ambiente como continuo y no determinístico.
Puesto que la generación de planes para este
tipo de procesos no es trivial, es necesario tener un
agente generador del plan y un agente monitor de ejecución de tareas, ambos conviviendo en este ambiente
dinámico e imprescindible. Bajo este esquema, el agente
monitor comprueba constantemente que la ejecución
de las acciones se realice conforme a las situaciones
previstas anteriormente. En caso de que las condiciones esperadas no se cumplan, el monitor solicitará al
136
•
•
•
planta en carga mínima
planta en carga base
planta en carga pico
además de éstas, la planta puede operar con cargas
intermedias entre la mínima y la base y entre la carga
base y la carga pico.
Los modos de operación antes descritos son
fundamentales para la elaboración del plan, ya que
muestran el camino para llevar la planta a un estado
de generación específico.
El nivel de carga de la central está expresado
en porcentaje de generación eléctrica (ej. 40%, 50%,
65%, 83%, 90%, etc.) dicho porcentaje representa una
meta para el operador. Con esta meta, los equipos
disponibles y con las acciones que se pueden reali-
Boletín IIE, mayo-junio del 2002
zar es posible generar un plan que, eventualmente,
llevará la planta al estado deseado.
En la Figura 1 se muestran los recursos mínimos
necesarios para mantener la planta en cada uno de los
cuatro modos de operación y cómo estos recursos
interaccionan para alcanzar la plena carga. Es importante hacer notar que para lograr esta meta, es necesario pasar por cada modo de operación intermedio entre
el estado inicial y el estado final (ver Figura 4).
Este módulo se basa en el sistema para la planificación y ejecución interactiva del SRI (Wilkins, 1984)
que se muestra en la Figura 2 .
Figura 2
Sistema para la planificación y ejecución Interactiva (SIPE-2
del SRI).
Figura 1
Modos de operación básico y equipos necesarios para llevar a la planta a 100% de generación eléctrica.
La Figura 3 muestra un primer intento por generar un plan abstracto basado en la arquitectura
de SIPE-2. La arquitectura de Geplan consta de dos
grandes partes: los módulos de mapeo datos-conocimiento y de generación de planes. Estos módulos trabajan de manera cooperativa para produ-
Figura 3
Arquitectura del sistema planificador.
Arquitectura de Geplan
Arquitectura de Geplan
Con la idea de construir un sistema suficientemente
robusto para contender con la dinámica del problema, se ha planteado una arquitectura general capaz
de cumplir los siguientes requisitos:
•
•
•
•
•
•
Respuesta en tiempo real.
Operación continua.
Los efectos de las acciones pueden ser diferentes a los esperados (no determinismo).
Entrada y salida de información mediante sensores y actuadores.
Manipulación de valores analógicos o continuos.
Diversos grados de abstracción en las acciones.
137
Artículos técnicos
cir un plan representado por una lista ordenada de
los ACT.
Geplan es un sistema basado en reglas de producción que utiliza como mecanismo de inferencia el
razonamiento por encadenamiento retrogresivo. El
sistema está escrito en Sicstus
Prolog sobre una plataforma Windows 98, portable a otros sistemas operativos y la interfaz de usuario fue desarrollada en Java2 de Sun MicroSystems.
El módulo de mapeo datos-conocimiento se
encarga de determinar los hechos que representan
el modo de operación en que se encuentra la planta.
Este módulo está formado por una base de reglas y
un sistema de producción (ver Figura 3). Las variables censadas son almacenadas dinámicamente en una
base de datos y convertidos en cláusulas lógicas a través del programa Mapper. El conjunto de estos predicados conforman la base de hechos representando el estado de cada uno de los equipos de central.
El sistema de producción acepta la meta que
el operador propone y la base de hechos referida a
modos de operación.
En el proceso de prueba de estos hechos las
condiciones de una o varias reglas se pueden satisfacer, dependiendo de las diferentes configuraciones
de planta que existan. La máquina de inferencia colecta las reglas disparadas y selecciona la que sea
más factible. Después de hacer la selección, se presenta el Plan, una lista ordenada de los ACT, en cuyo
seno se especifican las acciones puntuales a tomar
para satisfacer la meta.
Los ACT: acciones permitidas
Un ACT describe la formalización de una acción abstracta muy similar a los operadores de STRIPS
(Stanford Research Institute Problem Solver) (Nilsson,
1971). La ventaja de este modelo de las acciones es
que permite alojar acciones de mayor detalle mediante
una representación grafica. Por ejemplo, el paso de
la turbina a modo generando partiendo del modo rodando se logra al cerrar el interruptor del generador
de campo. En este caso, la acción es cerrar el interruptor de campo para lograr el propósito de llevar la
turbina a modo generando, pero antes se debe de
cumplir la condición de turbina en modo rodando.
Formalmente un plan tiene la forma:
Representación de los hechos de planta
La forma general para la representación de los hechos de planta es la siguiente:
W={S1, S2, S3, S4, S5 … Sn}
Donde S1, S2, S3, S4, S5 … Sn representan estados
discretos de planta o modos de operación inferidos, a
su vez cada estado es una tupla de la forma: [atributo, valor], por ejemplo:
fact( motor_de_arranque, fuera)
fact( bomba_de_combustible, dentro)
fact( tg1, generando)
fact( tv, planta_fria)
El conjunto de hechos que representa el estado real
de la planta permiten que el sistema de producción
inicie la inferencia, convirtiendo así los datos en un
formalismo que Geplan pueda entender. El resultado
de esta primera etapa de razonamiento es un conjunto de hechos sobre el modo de operación en estado
estable de la planta. Estos hechos indican los recursos disponibles y las condiciones de operación de los
diversos equipos que constituyen la planta.
Para que Geplan pueda alcanzar las metas establecidas, tiene que seguir un orden específico. Esta
transferencia de estados implica un nivel de abstracción alto de las acciones para poder pasar de un modo
de operación a otro. Por ejemplo, en casos donde se
haya presentado paro forzado de planta después de
un período de mantenimiento prolongado, es necesario pasar del modo de respaldo caliente a rodando,
o de planta fría a generando (ver Figura 4).
Figura 4
Transferencia de modos de operación.
Planta
fría
Respaldo
caliente
Rodando
Generando
Las reglas
Plan = ( Act1 ^ Act2 ^ … ^ Actn )
La forma general para representar reglas de producción en esta arquitectura es :
138
Boletín IIE, mayo-junio del 2002
El conjunto de hechos que representa el estado real
de la planta permiten que el sistema de producción
inicie la inferencia, convirtiendo así los datos en un
formalismo que Geplan pueda entender.
P1, …, Pm
Q1, …, Qn
Donde la premisas P1, …, Pm son llamadas condiciones y las acciones Q1, …, Qn conclusiones. Si las premisas P1 y .. y Pm son verdaderas entonces realiza
las acciones Q1 y .. y Qm.
Geplan está constituido por dos bases de reglas, una de ellas para la selección de una acción
que llevará la planta a un estado específico de operación y otra para determinar el modo de operación actual. Por ejemplo las reglas de producción para levantar entre 60 y 80% de capacidad de carga son las
siguientes:
((carga>60) ^ (carga=<80) ^ (tg1(rodando)) ^
(tg2(rodando)) ^ (hrsg1(rodando)) ^ (hrsg2 (rodando))
^ (tv(rodando)) ... )
carga(carga, [tg1g ^ tg2g ^ tvg])
Resultados
Hasta el momento se cuenta con un sistema inteligente
para la generación de planes abstractos basados en un
sistema experto. Esta versión de Geplan genera una
lista ordenada de los ACT, de acuerdo con el estado
real del mundo, y que posteriormente evaluara el agente monitor. Esta lista de todos los ACT tiene un grado de
abstracción alto pero determina las acciones que el operador tiene que seguir para alcanzar la meta propuesta.
Quizá la aportación más importante desde el
punto de vista computacional ha sido el desarrollo de
una arquitectura capaz de realizar descubrimiento de
conocimiento a partir de los datos, y su posterior utilización para la selección de planes de acción.
Trabajo relacionado
Existe un número de sistemas construidos para resolver problemas de planificación. Sin embargo, las
aplicaciones de generación de planes en el sector
eléctrico son muy escasas. Existen trabajos del SRI
relacionados con planificación, como SIPE-2 (System
Interactive Problem Execution-2) (Wilkins, 1984), con
tendencia hacia la generación de planes para estrategias militares. SIPE-2 es un sistema de propósito
general para la generación y monitoreo de la ejecución de planes, cuya naturaleza es jerárquica y ofrece un formalismo para la descripción de las acciones
como operadores. Otro sistema que utiliza planificación
es CLEaR (Closed Loop Execution and Recovery)
(Fisher, 2000) desarrollado por la NASA, es un sistema
planificador en tiempo real construido como una extensión de ASPEN (Automated Scheduling and Planning
Enviroment) (Fisher, 1999), ambos con aplicaciones
hacia la configuración de antenas hacia el espacio.
Trabajo futuro
Actualmente se está fortaleciendo el algoritmo de planificación para incorporar un mecanismo de búsqueda que permita la concatenación de acciones. Así
mismo se esta concluyendo el módulo de mapeo datos-conocimiento, y se prevee el desarrollo de un editor gráfico de ACT. Se usarán herramientas comerciales para integrar el sistema inteligente con las fuentes de datos reales.
Geplan se orientará hacia el pronóstico de fallas
y situaciones de emergencia, por lo que habrá que generar nuevas bases de conocimiento. Se inicia un nuevo proyecto de investigación denominado Sistema Inteligente de Monitoreo, Diagnóstico y Planificación,
cuyo objetivo es la proposición de acciones correctivas
a través de un plan reactivo. El proyecto iniciará, con
fondos del gobierno federal y del IIE, con miras de evaluar el sistema en un simulador de planta de ciclo combinado y su final integración en una central real.
Reconocimientos
Se reconoce ampliamente la contribución del Dr.
Pablo Héctor Ibargüengoytia González y el M.I. Miguel Ángel Delgadillo Valencia durante el desarrollo
de este trabajo.
Referencias
•
Forest Fisher et al. A Planning Aproach to Monitor and Control
for Deep Space Communications, Jet Propultion Laboratory,
California Institute of Technology, March, 2000.
•
Forest Fisher et al. Using Artificial Intelligence Planning to
Generate Antenna Tracking Plans, Jet Propultion Laboratory,
California Institute of Technology, July, 1999.
•
Nilsson, N. J. y R.E. Fikes. STRIPS: a new approach to the
139
Artículos técnicos
application of theorem proving to problem solving, Artificial
Intelligence 2, 1971, p. 189-208.
•
Travé-Massuyes, L. y R. Milne. Gas turbine condition
monitoring using qualitative model based diagnosis, en IEEE
Expert, núm. 3, vol. 12, 1997.
•
Vale, Z. et al. Sparse: an intelligent alarm processor and
operator assistant, en IEEE Expert, núm. 3, vol. 12, 1997.
•
Wilkins, D. E. Domain-Independent Planning, Representation
and Plan Generation, Artificial Intelligence, núm. 22, 1984, p.
269-301
ALBERTO REYES BALLESTEROS
Investigador de la Gerencia de Control e Instrumentación del IIE desde 1990. Obtuvo el grado de maestro en Inteligencia Artificial en la
Facultad de Física e Inteligencia Artificial de la Universidad Veracruzana. Es profesor de cátedra del Instituto Tecnológico y de Estudios
Superiores de Monterrey Campus Cuernavaca. Sus áreas de interés
son: Robótica, Planificación y Sistemas Expertos.
areyes@iie.org.mx
JOSÉ LUIS FERNÁNDEZ JIMÉNEZ
Tesista de licenciatura y miembro del programa de Adiestramiento
en Investigación Tecnológica de la Gerencia de Control e Instrumentación del IIE. Estudio la carrera de Ingeniería en Instrumentación Electrónica en la Universidad Veracruzana. Prestó sus servicios en la Facultad de Física e Inteligencia Artificial de la misma
universidad, y actualmente desarrolla el tema de tesis Implementación de un Sistema Planificador Para Asistir al Arranque Automático de una Central de Ciclo Combinado. Se interesa por: Robótica, Instrumentación Biomédica y Sistemas Expertos.
luisf@iie.org.mx
140