Comparación entre sistemas Distribuidos de Control y sistemas SCADA: Caso de Estudio de la distribución de Energía Eléctrica

Franklin Cesar Ramírez Baquerizo

Resumen


Los sistemas de control DCS y SCADA han sido a lo largo del tiempo los más utilizados dentro de la automatización industrial para el control de procesos, inclusive ya no solo manejan data como tal, sino que manejan sistemas, como los conocidos de power and energy. Su diferencia principal como se abaliza en el artículo es la base de datos y el manejo de la información en sus niveles, como se lo estudiará en el transcurso del texto. Los componentes altamente estandarizados llegan a poseer inclusive niveles de seguridad que permiten la disminución de probabilidades de falla y llevan hacia una parada segura. Se mantienen arquitecturas redundantes dependiendo de la complejidad del proceso, además de que, dependiendo del número de sistemas, maquinas, clientes o aplicaciones la programación se realiza de manera más sencilla o hasta con licencias infinitas.


Palabras clave


DCS; SCADA; Control; PLC; HMI.

Texto completo:

PDF HTML

Referencias


Shid, Y. (2021). Pontryagin’s minimum principle based fuzzy adaptive energy management for hybrid electric vehicle using real-time traffic information. *Applied Energy*. https://doi.org/10.1016/j.apenergy.2021.116341

Maino, C. (2021). Optimal mesh discretization of the dynamic programming for hybrid electric vehicles. *Applied Energy*. https://doi.org/10.1016/j.apenergy.2021.116477

Zhou, Q. (2023). A tolerant sequential correction predictive energy management strategy of hybrid electric vehicles with adaptive mesh discretization. *Energy*. https://doi.org/10.1016/j.energy.2023.127459

Li, G., et al. (2017). Battery SOC constraint comparison for predictive energy management of plug-in hybrid electric bus. *Applied Energy*, 190, 197-209. https://doi.org/10.1016/j.apenergy.2016.12.103

Xie, S. (2019). Pontryagin’s Minimum Principle based model predictive control of energy management for a plug-in hybrid electric bus. *Applied Energy*, 233-234, 416-425. https://doi.org/10.1016/j.apenergy.2018.09.078

Guo, N. (2021). Real-time predictive energy management of plug-in hybrid electric vehicles for coordination of fuel economy and battery degradation. *Energy*. https://doi.org/10.1016/j.energy.2021.120129

Xie, S. (2019). Model predictive energy management for plug-in hybrid electric vehicles considering optimal battery depth of discharge. *Energy*, 168, 228-240. https://doi.org/10.1016/j.energy.2018.11.129

Zhang, X. (2021). Bi-level energy management of plug-in hybrid electric vehicles for fuel economy and battery lifetime with intelligent state-of-charge reference. *Journal of Power Sources*, 490, 229604. https://doi.org/10.1016/j.jpowsour.2021.229604

Guo, H., et al. (2019). State-of-charge-constraint-based energy management strategy of plug-in hybrid electric vehicle with bus route. *Energy Conversion and Management*, 185, 440-451. https://doi.org/10.1016/j.enconman.2019.02.025

Zhou, Q., et al. (2021). A two-term energy management strategy of hybrid electric vehicles for power distribution and gear selection with intelligent state-of-charge reference. *Journal of Energy Storage*, 42, 103272. https://doi.org/10.1016/j.est.2021.103272




DOI: https://doi.org/10.23857/pc.v9i8.7894

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/