Diseño y simulación de un sistema de control predictivo de perturbaciones hidráulicas y de proceso en el transporte de hidrocarburos

Vista sencilla de ítem
dc.contributor.advisorSoriano Méndez, José Jairo
dc.contributor.authorGómez Díaz, Jhon Alexander
dc.contributor.orcidSoriano Méndez, José Jairo [0000-0001-6442-5890]
dc.date.accessioned2025-03-12T21:04:00Z
dc.date.available2025-03-12T21:04:00Z
dc.date.created2025-01-29
dc.descriptionLos sistemas de control predictivo son fundamentales para garantizar la eficiencia y seguridad en el transporte de hidrocarburos, especialmente en entornos complejos como el colombiano, donde factores como la orografía, arranques y paradas abruptas, mezcla de interfases y variaciones en la densidad del fluido generan perturbaciones significativas. Se propone el diseño y simulación de un sistema de control predictivo orientado a mitigar estas perturbaciones hidráulicas y de proceso en las plantas de bombeo. Para su desarrollo, se analizaron datos históricos de operación y se implementaron modelos de machine learning para identificar las variables críticas a controlar. La simulación del sistema y la integración del control predictivo se llevaron a cabo mediante softwares especializados como ASPEN Hysys y RsLogix 5000 de Rockwell Automation. El objetivo principal es mejorar la eficiencia operativa y minimizar las paradas no programadas mediante el monitoreo en tiempo real de las presiones de succión y descarga en cada planta. Esto se logró al ajustar dinámicamente la velocidad de la bomba en la planta anterior según el algoritmo de detección de perturbaciones, lo que garantiza que el sistema opere dentro de límites seguros. Adicionalmente, se presentó una propuesta para el intercambio eficiente de datos operativos al usar la infraestructura de comunicación existente. Este sistema contribuye a optimizar la gestión del transporte de hidrocarburos que incrementa la confiabilidad y seguridad del proceso.
dc.description.abstractPredictive control systems are essential to guarantee efficiency and safety in the transport of hydrocarbons, especially in complex environments such as Colombia, where factors such as orography, abrupt starts and stops, mixture of interfaces and variations in fluid density generate significant disturbances. The design and simulation of a predictive control system aimed at mitigating these hydraulic and process disturbances in pumping plants is proposed. For its development, historical operating data was analyzed, and machine learning models were implemented to identify the critical variables to be controlled. System simulation and predictive control integration were carried out using specialized software such as ASPEN Hysys and Rockwell Automation's RsLogix 5000. The main goal is to improve operational efficiency and minimize unscheduled downtime by real-time monitoring of suction and discharge pressures at each plant. This was achieved by dynamically adjusting the pump speed in the upstream plant based on the disturbance detection algorithm, ensuring that the system operates within safe limits. In addition, a proposal was presented for the efficient exchange of operational data when using the existing communication infrastructure. This system contributes to optimizing the management of hydrocarbon transport that increases the reliability and safety of the process.
dc.format.mimetypepdf
dc.identifier.urihttp://hdl.handle.net/11349/93617
dc.language.isospa
dc.publisherUniversidad Distrital Francisco José de Caldas
dc.relation.referencesCENIT, «Informe integrado de gestión sostenible,» Bogotá, 2022.
dc.relation.referencesCENIT, «Instructivo mesa técnica de factor de servicio,» Bogotá, 2023.
dc.relation.referencesOrganización Latinoamericana de Energía, «Situación del consumo energético a nivel mundial y para América Latina y el Caribe,» Quito, 2022.
dc.relation.referencesUnidad de Planeación Minero Energética, «Resolución No. 000714 de 2023,» Bogotá, 2023.
dc.relation.referencesM. Farahani y D. Rahmani, «Production and distribution planning in petroleum supply chains regarding the impacts of gas injection and swap,» Energy, vol. 141, pp. 991-1003, 2017.
dc.relation.referencesO. Castiblanco Urrego y D. J. Cardenas Romay, «Importancia del transporte de hidrocarburos y su realidad en Colombia,» Inventum, vol. I, nº 18, pp. 77-89, 2023.
dc.relation.referencesJ. G. Speight, Handbook of petroleum product analysis, 2a ed., John Wiley & Sons, 2015.
dc.relation.referencesEcopetrol, Normas de ingeniería de oleoductos, Bogotá, 1997.
dc.relation.referencesJ. E. Otero Ramos, Instrumentación industrial en instalaciones petroleras, 2013.
dc.relation.referencesInstrumentation Society of America, 5.1 Instrumentation, Symbols and Identification, 2022.
dc.relation.referencesBrother Filtration, «Filtración en el sector Midstream,» Wuhan, 2022.
dc.relation.referencesKimray, Inc, «Medición de líquidos y gases para petróleo y gas,» Texas, 2023.
dc.relation.referencesA. Córdoba y A. Custodio, «Diseño y Construcción de un Transmisor de Temperatura Basado en Interfaz Digital Directa,» LACCEI, 2010.
dc.relation.referencesEcopetrol, «El petróleo y su mundo,» Unidad de Comunicaciones Corporativas de Ecopetrol, p. 37, 2014.
dc.relation.referencesAmerican Petroleum Institute, 685 - Sealless Centrifugal Pumps for Petroleum, Petrochemical, and Gas Industry Process Service, US, 2022.
dc.relation.referencesSecretaria de comercio y fomento industrial, Funtioning for centrifugal pumps, México, 1971.
dc.relation.referencesAmerican Petroleum Institute, 674 - Displacement Pumps - Reciprocating, Texas, 2022.
dc.relation.referencesIngeniería de fluidos, Protección anti ariete, Buenos Aires, 2020.
dc.relation.referencesM. Rodríguez, «Vibraciones en tuberías de hidrocarburos,» p. 9, 2024.
dc.relation.referencesRockwell Automation, «Arquitectura Controllogix: PLC DE ROCKWELL AUTOMATION,» p. 18, 2023.
dc.relation.referencesB. Lipták, Instrument Engineers' Handbook, Vol. 2: Process Control and Optimization, vol. II, CRC Press, 2023.
dc.relation.referencesJ. Gómez, Industrial Automation and Control Systems: Practical Approaches, Springer, 2022, pp. 145-150.
dc.relation.referencesE. F. Camacho y C. Bordons, Model Predictive Control, 5th ed., Springer, 2020.
dc.relation.referencesS. J. Qin y T. A. Badgwell, «A survey of industrial model predictive control technology,» Control Engineering Practice, vol. 11, nº 7, pp. 733-764, 2020.
dc.relation.referencesA. Bemporad, M. Morari y V. Dua, «The explicit linear quadratic regulator for constrained systems,» Automatica, vol. 38, nº 1, pp. 3-20, 2020.
dc.relation.referencesM. A. Cisneros Tafur, «Estrategias avanzadas de control óptimo y predictivo discreto aplicadas al sistema de bombeo de petróleo por accionamiento mecánico.,» p. 125, 2021.
dc.relation.referencesJ. A. Prada, «Controlador predictivo basado en modelo no lineal (nmpc) para optimizar de forma automática y segura, la operación de un pozo petrolero con sistema de levantamiento artificial con bomba electro-sumergible.,» 2018.
dc.relation.referencesJ. H. Viljoen, C. J. Muller y I. K. Craig, «Hybrid nonlinear model predictive control of a cooling water network,» Control Engineering Practice, vol. 97, pp. 50-62, 2020.
dc.relation.referencesN. Armin, H. Heidarifar, M. Shahbakhti, C. Robert Koch y B. Hoseinali, «Model Predictive Control of Internal Combustion Engines: A Review and Future Directions,» Energies, vol. 14, nº 19, pp. 51-62, 2021.
dc.relation.referencesN. Molina, «Estudio del efecto del golpe de ariete en estaciones de bombeo, oleoductos, y los sistemas inherentes de prevención de fallas, para evitar daños ecológicos,» p. 125, 2020.
dc.relation.referencesC. H. K. Reddy Et Al., «Data Acquisition in SCADA Systems: A Survey,» IEEE Transactions on Industrial Informatics, vol. 15, nº 7, pp. 4363-4375, 2019.
dc.relation.referencesD. A. D. Oliviera Et Al., «Cloud Storage in Big Data Analytics,» IEEE Cloud Computing, vol. 7, nº 5, pp. 12-20, 2020.
dc.relation.referencesA. G. D. C. Mehta et al., «Real-Time Big Data Processing with Apache Kafka,,» IEEE Access, vol. 8, pp. 123456-123465, 2020.
dc.relation.referencesM. R. Beg, S. K. Gupta y P. Kumar, «Implementation of Honeywell Uniformance PHD for process data management in oil and gas industries,» IEEE International Conference on Industrial Engineering and Engineering Management, pp. 1205-1209, 2017.
dc.relation.referencesJ. M. Smith et al., «Industrial Communication Networks: A Review of Standards and Protocols,» IEEE Transactions on Industrial Electronics, vol. 68, nº 5, pp. 3993-4004, 2021.
dc.relation.referencesR. C. H. K. N. Ali et al., «Security in Cloud Computing: A Survey,» IEEE Access, vol. 9, pp. 103568-103588, 2021.
dc.relation.referencesH. R. T. H. Khokhar et al., «Sensor Calibration and Data Integrity in Industrial IoT Systems,» IEEE Internet of Things Journal, vol. 8, nº 14, pp. 11370-11382, 2021.
dc.relation.referencesP. A. Brown et al., «Designing Secure Communication Systems for Industrial Applications,» IEEE Transactions on Industrial Informatics, vol. 15, nº 8, pp. 4731-4740, 2019.
dc.relation.referencesS. K. M. A. Khan et al., «Data Quality in Big Data: A Survey,» IEEE Access, vol. 8, pp. 78099-78115, 2020.
dc.relation.referencesEcopetrol, Instructivo operacional del sistema de transporte, 2019. [Confidencial]
dc.relation.referencesComisión de Regulación de Energía y Gas (CREG), Resolución No. 222. Bases sobre las cuales la comisión efectuará los estudios para determinar la metodología tarifaria para la remuneración del transporte de combustibles líquidos y GLP por ductos, Bogotá, D.C., 2015.
dc.relation.referencesC. Ramírez, P. López y D. Vásquez, «Data-Driven Predictive Control Strategies for Hydrocarbon Pumping Applications,» IEEE Trans. Automation Sci. Eng., vol. 18, nº 2, pp. 742-752, 2022.
dc.relation.referencesD. Pérez, S. Ortiz y F. Morales, «Deep Learning-Based Predictive Control for Industrial Oil Pumping: Benefits and Challenges,» IEEE Internet Things, vol. 8, nº 5, pp. 3505-3514, 2021.
dc.relation.referencesE. López, M. Sánchez y R. Delgado, «Comparative Analysis of Model-Based and Data-Driven Predictive Control in Petroleum Pumping Systems,» IEEE Trans. Ind. Inform., vol. 17, nº 1, pp. 234-244, 2021.
dc.relation.referencesS. Haykin, Neural Networks and Learning Machines, 3rd ed. ed., Pearson, 2009.
dc.relation.referencesC. Cortes y V. Vapnik, «Support-vector networks,» Machine Learning, vol. 20, nº 3, pp. 273-297, 1995.
dc.relation.referencesY. LeCun, Y. Bengio y G. Hinton, «Deep learning,» Natura, vol. 521, nº 553, pp. 436-444, 2015.
dc.relation.referencesA. González, M. R. Torres y L. F. Hernández, «Model Predictive Control in Hydrocarbon Pumping Systems: A Review of Analytical Approaches,» IEEE Trans. Ind. Electron, vol. 68, nº 2, pp. 1253-1261, 2021.
dc.relation.referencesB. Martínez, R. Silva y J. Gómez, «Analytical Models for Predictive Control in Oil Pumping: Advances and Challenges,» IEEE Control Syst. Mag., vol. 41, nº 4, pp. 47-56, 2020.
dc.relation.referencesJ. Maciejowski, Predictive Control with Constraints, Prentice Hall, 2002.
dc.relation.referencesW. D. Seider, Process Design Principles: Synthesis, Analysis and Evaluation, Wiley, 2016.
dc.relation.referencesR. F. Ortega Rodriguez, «Diseño e instalación de un sistema de protección catódica para controlar la corrosión en el fondo de los tanques de almacenamiento de hidrocarburos,» UTP, pp. 1-134, 2019.
dc.rights.accesoAbierto (Texto Completo)
dc.rights.accessrightsOpenAccess
dc.subjectControl predictivo
dc.subjectPerturbación hidráulica
dc.subjectSimulación
dc.subjectTransporte de hidrocarburos
dc.subject.keywordPredictive control
dc.subject.keywordHydraulic disturbances
dc.subject.keywordSimulation
dc.subject.keywordHydrocarbon transport
dc.subject.lembEspecialización en Informática y Automática Industrial -- Tesis y disertaciones académicas
dc.subject.lembSistemas de control predictivospa
dc.subject.lembPerturbaciones hidráulicasspa
dc.subject.lembTransporte de hidrocarburosspa
dc.titleDiseño y simulación de un sistema de control predictivo de perturbaciones hidráulicas y de proceso en el transporte de hidrocarburos
dc.title.titleenglishDesign and simulation of a predictive control system for hydraulic and process disturbances in the transport of hydrocarbons
dc.typebachelorThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.degreeMonografía
dc.type.driverinfo:eu-repo/semantics/bachelorThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
GómezDíazJhonAlexander2025.pdf
Tamaño:
4.51 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de Grado
Descargar
No hay miniatura disponible
Nombre:
Licencia de uso y publicación.pdf
Tamaño:
932.09 KB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
7 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Especialización en Informática y Automática Industrial
Universidad Distrital Francisco José de Caldas - Biblioteca UDFJC

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional | Acuerdo de creación N° 10 de 1948 del Concejo de Bogotá | Acreditación Institucional de Alta Calidad - Resolución N° 23096 del 15 de diciembre del 2016.

Contáctenos
  • Calle 13 No. 31 - 75 Bogotá D.C. - República de Colombia
  • (+57 601) 3239300
  • Lunes a viernes de 8 a.m. a 5 p.m.
  • repositorio@udistrital.edu.co
Síguenos en redes sociales

Software DSpace copyright © 2002-2025 LYRASIS