Mostrar el registro sencillo del ítem
dc.contributor | Otros | es_ES |
dc.contributor.author | Arahal, M.R. | |
dc.contributor.author | Satué, M.G. | |
dc.contributor.author | Ortega, M.G. | |
dc.contributor.editor | Domínguez González, M. | |
dc.contributor.editor | Cabrera Santana, P.J. | |
dc.contributor.editor | Irigoyen Gordo, E. | |
dc.contributor.other | Otros | es_ES |
dc.date | 2022 | |
dc.date.accessioned | 2023-06-21T09:06:54Z | |
dc.date.available | 2023-06-21T09:06:54Z | |
dc.identifier.citation | Arahal, M.R., Satué, M.G., Ortega, M.G. (2022). Estimación del gradiente para optimización del control de enfriadoras. XVII Simposio CEA de Control Inteligente: Reunión anual del grupo de Control Inteligente del comité español de automática (CEA). Libro de Actas, León, 27-29 de junio de 2022. 39-41 | es_ES |
dc.identifier.isbn | 978-84-18490-65-1 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10612/16802 | |
dc.description.abstract | [ES] El control predictivo basado en modelo se ha usado en plantas de refrigeración como medio para obtener un reparto de carga entre enfriadoras que minimiza el consumo garantizando que la producción de frío se ajusta a la demanda prevista. El principal problema de este método es que se requiere un modelo preciso de la planta. Los modelos usados habitualmente contienen parámetros que pueden ser difíciles de medir. Por este motivo el modelo usado para control puede diferir substancialmente de los datos observados. En este contexto la técnica de control sin sesgo permite corregir el efecto de diversos factores como perturbaciones y errores de modelado. Para usar esta técnica se precisa una estimación del gradiente de la función objetivo con respecto a las acciones de control. En este trabajo en curso se pretende aprovechar las técnicas de control inteligente para obtener mejores estimaciones del gradiente. | es_ES |
dc.description.abstract | [EN] Model based predictive control has been used in cooling plants as a means of solving the chiller loading problem in an optimal manner while satisfying a given cooling demand. The main drawback of this method is the need for an accurate plant model. Most models include adjustable parameters that are diffcult to identify. As a result, there are mismatches between plant and plant model. In this context, the offset-free techniques have been proposed to counter the effect of disturbances and modelling errors. A gradient estimation is needed. This paper presents some work in progress aiming at using techniques from intelligent control to attain better gradient estimations | es_ES |
dc.language | spa | es_ES |
dc.publisher | Universidad de León | es_ES |
dc.relation.ispartof | XVII Simposio CEA de Control Inteligente: Reunión anual del grupo de Control Inteligente del comité español de automática (CEA). Libro de Actas, León, 27-29 de junio de 2022 | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Ingeniería de sistemas | es_ES |
dc.subject.other | Control inteligente | es_ES |
dc.subject.other | Control predictivo | es_ES |
dc.subject.other | Enfriadora | es_ES |
dc.subject.other | Estimación | es_ES |
dc.subject.other | Planta de refrigeración | es_ES |
dc.title | Estimación del gradiente para optimización del control de enfriadoras | es_ES |
dc.title.alternative | Gradient estimation for optimized control of chillers | es_ES |
dc.type | info:eu-repo/semantics/conferenceProceedings | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |
dc.page.initial | 39 | es_ES |
dc.page.final | 41 | es_ES |
dc.subject.unesco | 1203.05 Sistemas Automatizados de Producción | es_ES |