Desenvolvimento de lógica Fuzzy para controle de pressão em sistemas de abastecimento
O artigo a seguir mostra como a aplicação do controlador Fuzzy manteve maior precisão no controle, estabilidade no decorrer da operação e pressurização mais eficiente de um sistema de abastecimento, visto que essa tecnologia é capaz de enxergar objetivos distintos, e como consequência da eficiência aplicada, uma redução dos custos de manutenção.
Victor Barreto, Douglas Jordão Barbosa, Thiago Augusto Maziero e Victor Hugo Oliveira Hoff, da Prolagos, RJ
Data: 29/09/2017
Edição: Hydro Agosto 2017 - Ano - XI No 129
Compartilhe:A automação parte do princípio da aplicação de técnicas em algum processo produtivo, na qual reduza a interferência humana, visando à otimização dos processos. Aplicada ao saneamento, a automação nos permite controlar, monitorar e analisar as unidades em tempo real, melhorando as questões operacionais e reduzindo custos.
Visto a necessidade da inteligência operacional nos dias de hoje, cada vez mais sistemas automatizados vão sendo implantados, como consequência, surge cada vez mais a necessidade do controle automático. Encontrada a necessidade, este trabalho tem por objetivo aplicar um controlador PID para controle de pressão em um sistema de bombeamento real. Em seguida, será realizada a troca do controlador PID para um controlador Fuzzy, aplicado nas mesmas condições, sendo possível realizar uma comparação direta entre as duas aplicações.
A lógica Fuzzy é um campo da inteligência artificial, que vem sendo cada vez mais difundida e tem atendido cada vez mais as demandas de diversas áreas. Graças a seu potencial, hoje não é encontrada somente no meio acadêmico, mas também em diversas aplicações em variados sistemas. Devido ao fato de emular a inteligência humana, muito se refere a lógica Fuzzy como inteligente.
Como particularidade dos sistemas de abastecimento, temos as unidades localizadas a quilômetros de distância umas das outras, para atender os pontos estratégicos e críticos em relação às necessidades sanitárias. Através disso, identificou-se o desenvolvimento e estudo desse controle em uma camada intermediária de aplicação como adequado, sendo possível dessa maneira, comunicar-se com facilidade a qualquer ponto de medição e controle que possa ser necessário, e depois aplicar a lógica Fuzzy como método de controle principal nesses sistemas, verificando sua grande capacidade de trabalho em sistemas multivariáveis.
O sistema proposto foi aplicado em uma unidade da empresa Concessionária de Serviços Públicos de Água e Esgoto Prolagos S/A, com sede localizada na cidade de São Pedro da Aldeia, RJ. Esta, cada vez mais investindo em tecnologias para atender à crescente demanda da região e a maior demanda de todas, que é a sazonalidade turística. Com a sazonalidade turística da região, um dos maiores problemas encontrados na unidade que recebeu o sistema de controle foi a sua não linearidade, que faz com que seja necessário o ajuste frequente dos controladores PID. Caso não seja realizado o devido ajuste, controladores PID que gerem bem o sistema no inverno podem sofrer dificuldades ao realizar o mesmo controle no verão, visto que em regiões turísticas a população pode aumentar de três a quatro vezes.
Materiais e métodos
A unidade na qual foram testados os sistemas de controle é responsável por aproximadamente 1140 economias, abastecendo partes altas e baixas e sendo afetada diretamente pelo turismo da região. O controle proposto tem o objetivo de manter a pressão a jusante do sistema de abastecimento.
Para análise da aplicação, será testado e comparado um controlador Fuzzy e um controlador PID, para que dessa maneira possa ser validada a eficiência do sistema de controle Fuzzy. Foram coletados dados de cada controlador referente à unidade de abastecimento totalizando 1 hora e 30 minutos para análise. Como consequência, o teste foi realizado em dias não consecutivos, porém com o perfil de consumo próximo um do outro.
Comunicação via OPC
Com a ideia de padronizar a comunicação entre os equipamentos instalados na indústria, e diminuir o trabalho no desenvolvimento de drivers específicos para diversos equipamentos, várias empresas de automação se juntaram para apoiar e criar uma fundação sem fins lucrativos, dando origem à tecnologia OPC.
A OPC Foundation, organização responsável por determinar os padrões da tecnologia OPC surgiu por volta de 1996 e até hoje é responsável pela elaboração de novas especificações relacionadas à tecnologia em questão.
O OPC não substitui o protocolo nativo do CLP, ele serve de gateway em relação ao sistema SCADA, tornando necessária a implantação de um servidor de comunicação OPC, sendo este de uso necessário nessa aplicação.
A arquitetura OPC se divide em clientes e servidores. Os clientes leem as informações de campo, os servidores reconhecem os dados da rede e traduzem para o padrão OPC.
A lógica Fuzzy
A teoria dos conjuntos Fuzzy e os conceitos da lógica servem como solução para sistemas não lineares, referentes a problemas de controle, graças a seus princípios de incerteza e habilidade em inferir conclusões e gerar respostas baseadas em informações imprecisas.
A diferença entre a lógica clássica e a lógica Fuzzy refere-se à pertinência dos elementos aos conjuntos. A lógica tradicional, booleana (crisp), apresenta apenas valores “0” ou “1”, não há “meio termo”; a teoria Fuzzy apresenta uma proposta do uso de funções que operem dentro de um intervalo de números reais [0,1].
Sistemas de controle Fuzzy
Os sistemas de controle Fuzzy possuem três operações básicas: fuzzificação, sistema de inferência e defuzzificação.
A fuzzificação consiste em transformar os dados de entrada para variáveis linguísticas, considerando quais conjuntos Fuzzy devem ser considerados de acordo com o grau de pertinência.
Na inferência, consideram-se as regras cujo resultado seja diferente de zero, e após isso é selecionado o tipo de conectivo ou método, sendo o Mandani o mais comum.
Na defuzzificação, os dados são transformados para um valor numérico, compatível com a lógica clássica, podendo ocorrer de diversas maneiras, centro de gravidade, média dos máximos ou média dos pontos de suporte.
Metodologia
A técnica de controle PID foi aplicada diretamente ao conversor de frequência da unidade. Para desenvolvimento do controlador Fuzzy, optou-se pela aplicação do sistema de inferência em uma camada de aplicação intermediária, e não um sistema embarcado em um controlador lógico programável.
Esse tipo de técnica se mostrou o mais apto para aplicação, pelo fato de os sistemas de automação nas empresas de saneamento serem tipicamente diferentes de indústrias, onde são encontrados painéis de controles centralizados em no máximo algumas unidades.
Nas empresas de saneamento, as unidades são distintas, chegando a ter quilômetros umas das outras, tendo em alguns momentos necessidades de monitoramento e controle de várias unidades ao mesmo tempo, portanto, visto essa necessidade, optou-se por esse tipo de aplicação, que facilita a integração entre diversos sistemas, sejam esses de campo ou supervisórios.
Através desse sistema, foi possível avaliar o controlador, recebendo as informações dos sensores através do servidor OPC.
Modelagem do controlador Fuzzy
O controlador Fuzzy faz a leitura de duas variáveis de entrada, pressão de retaguarda e erro. A leitura da pressão de retaguarda indicará ao controlador Fuzzy a pressão em mca da entrada do sistema, e dessa maneira, ao realizar o controle, o sistema possa entender rapidamente suas variações, evitando problemas por falta de pressão.
A variável de saída velocidade será correspondente ao controle do inversor de frequência, atuando diretamente.
A variável pressão/retaguarda, no sistema de controle Fuzzy, irá interferir diretamente a saída do controle, visto que ela será a responsável por indicar ao sistema a quantidade mínima necessária de água existente a montante do sistema de bombeamento, sendo responsável por indicar ao controlador se pode ou não aumentar o valor da variável velocidade.
A variável erro (Setpoint Pressão de recalque) traz para o controle Fuzzy a indicação do erro referente ao objetivo desejado, ou seja, representando o déficit ou excesso de pressão no sistema de abastecimento.
A variável velocidade representa o acréscimo ou decréscimo de velocidade ao sistema de bombeamento.
Resultados
A primeira relação para análise gráfi ca consiste em comparar os dados pressão de recalque, setpoint, frequência e pressão de retaguarda, de ambos os controles.
Fig. 1 – Controle PID
Fig. 2 – Controle Fuzzy
Comparados os dados referentes aos gráficos das figuras 1 e 2, é possível perceber com facilidade a diferença de trabalho entre o controlador PID e o controlador Fuzzy.
Em ambas as situações analisadas, a demanda do sistema de abastecimento era alta e fazia com que o sistema de bombeamento trabalhasse com valores elevados de pressão, exigindo seu máximo.
Fig. 3 – Erro controle PID
Fig. 4 – Erro controle Fuzzy
No controle PID, por tentar manter a pressão desejada no sistema e não enxergar outras variáveis, em praticamente todos os momentos trabalhava-se com frequências de 60 Hz ou próximo disso, ao atingir a pressão desejada e com as variações de demanda no sistema de abastecimento, o qual trabalhou com variações acima do esperado, o que dificultou o controle nos períodos de alta demanda, sendo necessário o desligamento do equipamento ao final da análise pela falta de estabilidade.
Ainda sobre o controle PID, é possível adicionar regras, ou seja, heurísticas externas ao controle, para que dessa maneira seja possível amenizar situações como essa, porém pelo fato de não participarem diretamente ao controle, não foi tratado neste artigo.
No controle Fuzzy, foi inserido como entrada do sistema, além do erro do controle, a variável referente à pressão de retaguarda, ou seja, a pressão anterior ao sistema de abastecimento. Através dela foi possível, ao calcular a saída esperada, considerar o ponto máximo de saída do controle. Na figura 2, podemos perceber que em alguns instantes (início do controle), o sistema ainda não estava em operação de acordo com o objetivo (setpoint), porém graças à baixa pressão anterior ao sistema de abastecimento, o Fuzzy foi capaz de modelar a saída com valor inferior, mesmo enxergando a necessidade de saída com valores mais altos. Como consequência, o sistema se manteve estável, conseguindo atingir seu objetivo aos poucos, o que permitiu trabalhar de maneira mais eficiente, ao decorrer da operação de pressurização do bairro em questão. Graças a essa estabilidade, foi possível manter a unidade ligada por mais tempo, sem se preocupar com queimas por trabalho a seco e demais problemas nos equipamentos.
Na figura 3, verifica-se o erro referente ao controle PID, este, equivale ao Setpoint – Pressão de recalque. Com esse controle, ignorando os dados finais (desligamento do sistema), foram obtidos picos de até 12 mca, e trabalhando somente em alguns momentos próximo do seu ponto ótimo.
Observa-se na figura 4 o erro referente ao controle Fuzzy, este obteve um pico máximo de 5,64 mca gerado propositalmente pela falta de pressão a montante do sistema de abastecimento.
Nas figuras 5 e 6, tem-se a pressão anterior ao sistema de abastecimento. No controle PID (fi gura 5), trabalhou-se em alguns momentos com a pressão a montante com valor referente a 0 mca, o que como consequência, pode trazer malefícios ao sistema de controle, geração de falhas com bastante influência, entre outros.
Fig. 5 – Pressão de retaguarda de controle PID
Fig. 6 – Pressão de retaguarda de controle Fuzzy
Na análise do controle Fuzzy (figura 6) percebe-se que a pressão a montante se estabiliza lentamente, de acordo com o aumento de velocidade, o que ocorre não só conforme o necessário, mas sim de acordo com o que é possível, pelo tratamento de falta d’água.
Após a estabilização, o sistema identifica a possível subida de pressão e reduz lentamente a velocidade, fazendo com que a pressão de retaguarda chegue a um ponto máximo de 15 mca com o sistema ligado.
Fig. 7 – Vazão controle PID
O gráfico com os dados de vazão, referente ao controle PID, exposto na figura 7, apresenta picos elevados acima e abaixo do sistema de bombeamento, ocasionados pela falta de estabilidade no controle de velocidade. Através dessa variação, o sistema não consegue manter uma vazão constante para que possa ser realizado um abastecimento mais eficiente, chegando a gerar problemas como vazamentos visíveis ou não visíveis, rompimentos no sistema de adução, entre outros.
O controle Fuzzy mais uma vez se mostrou visivelmente satisfatório através da análise da vazão bombeada na aplicação, provando sua estabilidade em todo o processo.
Entendendo que em ambas as situações a necessidade dos recursos hídricos no bairro onde foi aplicado o controle no momento da coleta de dados era maior do que o enviado, avaliou-se a maneira mais eficiente de controle. Após análise da tabela I, foi possível perceber que mesmo o sistema de abastecimento necessitando de cargas de pressão acima do estipulado, o controle Fuzzy avaliou a maneira mais eficiente de trabalho no sistema de abastecimento. O controle PID trabalhou unicamente para atingir um objetivo, o que consequentemente conseguiu enviar uma vazão maior.
Conclusão
Foi possível perceber o poder dos sistemas de controle Fuzzy aplicado a sistemas de bombeamento de água não lineares. Os controladores PID, hoje os mais utilizados na indústria, trabalham de maneira eficiente se bem configurados e com boa análise referente a planta para realização de sintonias. Nos sistemas de abastecimento afetados por sazonalidades turísticas, temos variações de demandas muitas das vezes inesperadas, o que faz com que esse tipo de controle tenha dificuldade na operação do processo, sendo necessário o ajuste frequente, o que pode ser trabalhoso e levar a grande demanda operacional. Sendo assim, com a aplicação do controlador Fuzzy foi possível obter uma maior precisão no controle, manter o sistema mais estável no decorrer da operação, uma pressurização mais eficiente, visto que este é capaz de enxergar objetivos distintos, e como consequência da eficiência aplicada, uma redução dos custos de manutenção.