Producción Grupo de Investigación en Programación Eficiente y Control
Permanent URI for this collectionhttp://48.217.138.120/handle/20.500.12272/2852
Browse
19 results
Search Results
Item Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional.(2021-12) Ferramosca, Antonio; Capozzolo, María Cecilia; Talijancic, Iván; Franzoi, Santiago; Peresón, Marcos Nahuel; Aguilar, Rubén Daniel; Marcón, Juan PabloOBJETIVOS DE LA INVESTIGACIÓN: Desarrollar una estrategia de control avanzado para el vuelo autónomo en grandes extensiones de campos, de vehículos aéreos no tripulados (UAV), comunalmente conocidos como drones, del tipo quadrotor. Estos sistemas son muy difíciles de controlar, tratándose de sistemas no lineales multivariables, con dinámicas rápidas, y por lo tanto con tiempos de muestreos cortos, sujetos a restricciones y perturbaciones. La estrategia de control deberá además mejorar la autonomía del dron, que suele ser baja. Por esa razón, el objetivo será desarrollar una formulación de MPC con garantía de estabilidad y factibilidad recursiva que permita la incorporación de objetivos económicos (eso es maximizar la autonomía reduciendo el consumo), además de los objetivos dinámicos típicos (seguir una referencia espacial). Estos objetivos - dinámicos y económicos - suelen aparecer como contrapuestos cuando se los busca resumir en un solo costo de optimización. Además, será un objetivo fundamental explorar formas de garantizar la robustez estocástica de los controladores MPC económicos, esos es la robustez frente a perturbaciones y/o ruidos aditivos de tipo estocástico con distribución de probabilidad conocida (es decir señales de ruidos aleatorios con valor medio y varianza conocida). El UAV tendrá que completar una cierta tarea recurriendo amplias extensiones de campo (objetivo dinámico: seguimiento de referencia) sin correr el riesgo de quedarse sin batería (objetivo económico: autonomía). El otro objetivo, perseguido de manera simultánea y complementaria al anteriormente descripto, es el de desarrollar algoritmos de inteligencia artificial para el reconocimiento de imágenes en tiempo real, que sean implementable sobre la plataforma embebida de cómputo paralelo utilizada en él proyecto (NVIDIA JetsonTX1).Item Modelado de una Microgrid residencial. Estudio de factibilidad y diseño de estrategias de control automático.(2021-12) Ferramosca, Antonio; Talijancic, Iván; Alarcón, Martín Alejandro; Alarcón, Rodrigo GermánOBJETIVOS DE LA INVESTIGACIÓN: Los objetivos de la investigación son los siguientes: 1. Modelado de una microrred residencial. Se comenzará con un estudio de factibilidad de la microrred, para su dimensionamiento. Desde ahí, se pasará al modelado matemático de la misma, utilizando ecuaciones fundamentales, y técnicas de identificación basadas en datos de planta. La naturaleza predictiva del controlador nos permite considerar cualquier información de la planta sobre la evolución futura de la misma. Esto hace que el controlador pueda operar la planta de manera más eficiente y segura. Con este fin, los datos históricos de la planta pueden ser explotados para obtener estimaciones de su comportamiento futuro. 2. Simular el comportamiento dinámico de la microrred. Se realizarán simulaciones en ambiente Matlab/Simulink. Para ello, habrá que programar el modelo obtenido en el punto anterior en el lenguaje apropiado, y se diseñaran test de ensayo específico para estudiar el comportamiento dinámico del sistema. 3. Estudiar técnicas de control avanzado, como ser Control Predictivo basado en modelos. Se comenzará, como es de rigor en estos casos, por una exhaustiva revisión bibliográfica, tanto en lo referente al control predictivo económico, como en las formulaciones existentes en la literatura de controladores predictivos para el control de microgrids y smartgrids. Se estudiarán también formulaciones distribuidas y estocásticas de MPC que, por la naturaleza propia del sistema en estudio, resultan de particular interés. 4. Diseño de algoritmos de MPC económico y su implementación distribuida para el control económicamente óptimo de los componentes de una microrred. El cálculo de la ley de control requiere la solución de un problema de optimización en línea. La naturaleza compleja de las redes inteligentes y su escala de tiempo hacen que la implementación de MPC sea una tarea desafiante. Se estudiarán algoritmos de optimización especializados adaptados a este problema para implementarse en sistemas integrados distribuidos. Se estudiará el concepto de control predictivo periódico, dada la naturaleza periódica del sistema. Se utilizará la teoría de juego para el estudio del control distribuido de los componentes de la mircrored, con el fin de evaluar el tipo de diseño más adecuado. (cooperativo, no cooperativo, coalicional). 5. Capacitar y formar recursos humanos en el manejo de software adecuados para el modelado, simulación de la microrred y en el manejo y aplicación de estrategias de control avanzado. En el marco de este proyecto se realizará un Proyecto Final de Carrera, (de la Carrera de Ing. Electromecánica de UTN FR Reconquista). Además, la investigación realizada será parte del proyecto de tesis de doctorado del Ing. Martin Alarcón, becario de doctorado UTN.Item LSTM recurrent neural network for energy demand forecasting(2023-05-16) Alarcón, Rodrigo Germán; Alarcón, Martín Alejandro; González, Alejandro H.; Ferramosca, AntonioAbstract—Recurrent Neural Networks (RNN) of the Long Short Term Memory (LSTM) type provide high accuracy in predicting sequential models in various application domains. As in most process control problems, their dynamics include non manipulated variables that need to be predicted. This paper proposes using an LSTM neural network for energy demand forecasting, which applies to an Economic Model Predictive Control (EMPC) as a forecasting tool. For the training, data are taken from a three-phase intelligent power quality analyser located at the National Technological University, Reconquista Regional Faculty (Santa Fe, Argentina). A recursive strategy is used to update the state of the neural network and forecast over different prediction horizons. The accuracy achieved in training the neural network is measured using the root mean square error (RMSE) metric. Experimental results show that the proposed LSTM neural network has excellent generalisation capability.Item Cooperative n-personal games in the coalitional economic control of a microgrid community(2023-05-16) Alarcón, Martín Alejandro; Alarcón, Rodrigo Germán; González, Alejandro H.; Ferramosca, AntonioAbstract—The deployment of microgrids connected to an electricity grid is increasing every day. These energy districts with their control system are the intelligent nodes of future electricity grids; therefore, strategies for managing these new systems must be developed and proposed. This paper presents a novel coalitional economic model predictive control strategy for managing a microgrid community. Because coalitional control considers the dynamic variation of coalitions of agents, a coop erative n-personal game with economic aspects occurs to decide which coalition to build, where the optimal control strategy to solve for each of these coalitions also takes place. Furthermore, an example proposes an economic criterion for using both the cooperative game and the control strategy for each coalition. Finally, some results on coalition formation are presented for the example mentioned above.Item Cloud Energy Meter(2020-10-29) Talijancic, Ivan; Domenje, Carlos; Lebus, LuisCloud Energy Meter es un analizador inteligente de calidad de energía eléctrica trifásica. El mismo integra en un solo equipo, un medidor de energía con capacidad de análisis armónico de la red (hasta el armónico de orden 32) y conectividad inalámbrica Wi-Fi y Bluetooth LE. La conectividad Wi-Fi, es utilizada para acceder a una conexión a internet, mediante la cual el dispositivo se vincula con una plataforma web asociada (denominada Field to Cloud, https://fieldtocloud.siid.com.ar/) mediante la cuál el usuario puede visualizar los datos y configurar el equipo de manera intuitiva y visualmente agradable. Por otra parte la conectividad Bluetooth LE, es utilizada para vincular el dispositivo a una aplicación móvil que nos permite configurar ciertos parámetros del equipo. Cloud Energy Meter se integra como un dispositivo más del IoT (Internet de las Cosas) al mismo tiempo que brinda una solución integral y accesible en términos de costo y usabilidad.Item Stochastic model predictive control for tracking linear systems(2019-04-11) D' Jorge, Agustina; Santoro, Bruno; Anderson, Alejandro Luis; González, Alejandro Hernán; Ferramosca, AntonioThis note presents a stochastic formulation of the model predictive control for tracking (MPCT), based on the results of the work of Lorenzen et al. The proposed controller ensures constraints satisfaction in probability, and maintains the main features of the MPCT, that are feasibility for any changing setpoints and enlarged domain of attraction, even larger than the one delivered by Lorenzen et al, thanks to the use of artificial references and relaxed terminal constraints. The asymptotic stability (in probability) of the minimal robust positively invariant set centered on the desired setpoint is guaranteed. Simulations on a DC-DC converter show the benefits and the properties of the proposal.Item Editorial Model Predictive Control for Energy Systems: Economic and Distributed Approaches(2020-01-13) Ferramosca, Antonio; Faulwasser, TimmIn view of the growing discussion around climate change, emission targets, and emission taxation, there is widespread scientific consensus about the need for decarbonization and defossilization of energy supply. These necessities are closely related with the demand for efficient management and operation of energy systems. The corresponding technological and scientific challenges cannot be mastered without progress on tailored methods for control and automation of sector‐coupled energy systems, that is, systems comprising electricity and other forms of energy such as heat, cold, gas, and so on. Among the manifold advanced control methods at hand, model predictive control (MPC) stands out due to its proven applicability on industrial scale and due to its ability to effectively handle system constraints, forecast information, and performance criteria. In this light, the present special issue collects 12 original research articles on MPC for energy systems, whereby special focus is put on economic and distributed approaches. The first group of articles in this special issue puts focus on method development. These articles investigate different aspects of economic and noneconomic MPC ranging from the use of barrier functions, performance, and stability results for time‐varying settings via tracking in a stochastic formulation to distributed schemes relying on dual composition.1-4 The second group of articles considers the application of MPC to problems arising in electrical power systems such as multiperiod power flow problems, smart grids, and induction motors.5-9 Finally, the third group of articles discusses application‐oriented settings, which share the common attribute of sector coupling, that is, they include elements of coupling different energy forms and the corresponding sectors.10-12 Naturally, this special issue merely provides a snapshot of the manifold and concurrent research activities on tailored predictive control methods for multienergy systems. Yet, it is also a strong indicator that economic and distributed MPC approaches will continue to play a pivotal role in the years to come.Item Stable impulsive zone model predictive control for type 1 diabetic patients based on a long‐term model(2020-07-13) González, Alejandro; Rivadeneira, Pablo; Ferramosca, Antonio; Magdelaine, Nicolas; Moog, ClaudeIn this work, the problem of regulating blood glucose (glycemia) in type I diabetic patients is studied by means of an impulsive zone model predictive control (iZMPC), which bases its predictions on a novel long‐term glucose‐insulin model. Taking advantage of the impulsive version of the model—which features real‐life properties of diabetes patients that some other popular models do not—the given control guarantees the stability under moderate‐to‐severe plant‐model mismatch and disturbances. Long‐term scenarios—including meals and physiological parameter variations—are simulated and the results are satisfactory as every hyperglycemic and hypoglycemic episodes are suitably controlled.Item Artificial pancreas under stable pulsatile MPC: Improving the closed-loop performance(2020-08-01) Abuin, Pablo; Rivadeneira, Pablo; Ferramosca, Antonio; González, AlejandroThis work presents a pulsatile Zone Model Predictive Control (pZMPC) for the control of blood glucose concentration (BGC) in patients with Type 1 Diabetes Mellitus (T1DM). The main novelties of the algorithm – in contrast to other existing strategies – are: (i) it controls the patient glycemia by injecting short duration insulin boluses for both, the basal and bolus infusions, in an unified manner, (ii) it performs the predictions and estimations (critical to anticipate both, hypo and hyperglycemia) based on a physiological individualized long-term model, (iii) it employs disturbance observers to compensate plant-model mismatches, (iv) it ensures, under standard assumptions, closed-loop stability, and (v) it can be used – under minor modifications – as an optimal basal–bolus calculator to emulate conventional therapies. Because of the latter characteristic, a significantly better performance is achieved, not only in terms of classical indexes (time in the normoglycemia zone, avoidance of hypoglycemia in the short term, avoidance of hyperglycemia in the long term) but also in terms of its applicability (use of the pump or injections). Such a performance is tested in a cohort of in-silico patients from the FDA-accepted UVA/Padova simulation platform, considering the most challenging scenarios.Item Characterization of SARS-CoV-2 Dynamics in the Host(2020-06-01) Abuin, Pablo; Anderson, Alejandro; Ferramosca, Antonio; Hernandez - Vargas; González, AlejandroWhile many epidemiological models were proposed to understand and handle COVID-19 pandemic, too little has been invested to understand human viral replication and the potential use of novel antivirals to tackle the infection. In this work, using a control theoretical approach, validated mathematical models of SARS-CoV-2 in humans are characterized. A complete analysis of the main dynamic characteristic is developed based on the reproduction number. The equilibrium regions of the system are fully characterized, and the stability of such regions is formally established. Mathematical analysis highlights critical conditions to decrease monotonically SARS-CoV-2 in the host, as such conditions are relevant to tailor future antiviral treatments. Simulation results show the aforementioned system characterization.