Sec 62 ejemplo de simulacion 155 la aplicacion del

Info iconThis preview shows page 1. Sign up to view the full content.

View Full Document Right Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: l invernadero Figura 6.2: Optimizacion de produccion: esquema de control 156 Control jerarquico 6.2.1 Descripcion del experimento de simulacion El ejemplo de simulacion consiste en simular la optimizacion de produccion de un invernadero. Los aspectos mas importantes a tener en cuenta son: Modelo del invernadero+crecimiento: Son los modelos encontrados en el cap tulo 3. Horizonte de prediccion: Este parametro debe ser comparable con una evolucion normal de la variable a optimizar (peso de la cosecha), en este experimento se ha elegido un valor de 3 meses, porque en este periodo podemos tener una variacion signi cativa de este cultivo (lechuga). Periodo de muestreo: Este factor es muy importante, porque los datos actualizados en cada instante de muestreo deben ser los su cientemente representativos del estado del sistema sin despreciar ningun dato que pueda ser de interes para el sistema. El valor escogido en este experimento es de 12 horas, en este intervalo de tiempo se incluyen todas las dinamicas (clima exterior, clima interior, fotos ntesis, respiracion, etc.). Modelo de perturbaciones (Condiciones meteorologicas): Las predicciones se pueden hacer considerando un modelo de perturbaciones (usar un predictor) o considerados constantes (igual como el a~o ann terior). En este estudio se elige la segunda opcion, por razones computacionales. Los calculos pueden ser muy costosos aun mas si se usa un predictor para la perturbaciones, porque con perturbaciones constantes solo se hace una suma a las predicciones, y o hay un gran incremento de los calculos. Con un predictor las predicciones se hacen dos veces, las de la salida y las de las perturbaciones y esto aumenta mas el tiempo computacional. Sec. 6.2. Ejemplo de simulacion 157 Funcion de coste economica: La funcion de coste esta en funcion del bene cio neto que es la diferencia entre el bene cio bruto y el precio de los gastos y tiene la forma siguiente: Bn = Bb ; Gs Bb = Pc : Prc Gs = PCO2 : Ci + Penrg : W (6.1) (6.2) (6.3) donde: Bn es el bene cio neto. Bp es el bene cio bruto. Gs representa los gastos. Pc es el peso de la cosecha en Kg. Prc es el precio del un Kg de cosecha. El objetivo de optimizacion es obtener los valores optimos de las referencias (temperatura interna, concentracion de CO2 y humedad relativa interna) para toda una semana, con un horizonte de prediccion de tres meses teniendo en cuenta que las condiciones climatologicas son iguales que el a~o anterior en la misma epoca. n El sistema a optimizar es el mismo que el descrito en el cap tulo 3, con la misma condiciones climatologicas de la ciudad de Hannover en Alemania. 6.2.2 Resultados de simulacion Las simulaciones consisten en obtener los valores optimos de las consignas de la temperatura de d a y de noche, con el n de obtener la produccion 158 Control jerarquico optima. El experimento se resume en maximizar una funcion de coste que calcula el bene cio neto durante todo el periodo de cosecha. El problema de optimizacion consiste en encontrar el valor optimo de las consignas de las temperaturas nocturna y diaria, que maximiza el valor del peso neto durante todo el periodo de cosech...
View Full Document

Ask a homework question - tutors are online