Identificando Patrones de Prediccin y Clasificacin de Alarmas por Alto Spread en
un Sistema de Combustin de Turbina a Gas
Roberto Prieto Morales
Ingeniero de Proyectos de Tecnologa de la Informacin
Magster en Ingeniera Informtica UCN
Antofagasta, Chile
robertoprieto@vtr.net
Abstract En este artculo se analizan y modelan datos
operacionales de un sistema de combustin de turbina a gas,
para clasificar y predecir la condicin de alarma por alto
spread. Esta condicin de alarma indica que la combustin de
la turbina no est siendo uniforme, lo cual puede llevar
eventualmente a la deformacin de la turbina. Con la
generacin de patrones de prediccin y clasificacin, se busca
anticiparse a la activacin de la alarma por alto spread en el
sistema de combustin de la turbina, con lo cual se podra
evitar o disminuir la indisponibilidad de la turbina. Mediante
el entrenamiento de algoritmos de redes neuronales y rboles
de decisin se obtuvieron dos modelos de clasificacin y un
modelo predictivo, los cuales fueron evaluados
cuantitativamente y en base a la percepcin de los usuarios,
siendo los modelos de rbol mejor evaluados en este ltimo
aspecto.
Keywords- Alarma por Alto Spread; Sistema Combustin de
Turbina a Gas; Identificacin de Patrones en Sistemas de
Combustin
I. INTRODUCCIN
Actualmente las organizaciones estn inmersas en un
mercado muy competitivo, por lo que es importante para
ellas, que sus ejecutivos posean informacin relevante y
oportuna a la hora de tomar decisiones. Dentro de las
herramientas que ocupan las organizaciones para apoyar la
toma de decisiones, est la minera de datos.
Fayad (1996), define minera de datos como la bsqueda
de patrones relevantes y de regularidades importantes en
grades almacenes de datos [11]. Por otro lado, Michalski
(1998) se refiere a minera de datos inteligente como la
aplicacin de mtodos de aprendizaje automtico u otros
mtodos similares, para descubrir y enumerar patrones
presentes en los datos [12]. El aprendizaje automtico es el
rea de la Ingeniera Informtica, que estudia y desarrolla
algoritmos que implementan distintos modelos de
aprendizaje, y lo aplican en la resolucin de problemas
prcticos [16].
La minera de datos, se presenta como una etapa dentro
de un proceso ms amplio, que se refiere a la aplicacin de
algoritmos especficos para la extraccin de patrones desde
datos. Dicha etapa es parte del proceso de descubrimiento de
conocimiento desde los datos, conocido como proceso KDD
(Knowledge Discovery in Databases).
Claudio Meneses Villegas
Departamento de Ingeniera de Sistemas y Computacin
Universidad Catlica del Norte
Antofagasta, Chile
cmeneses@ucn.cl
El trmino KDD fue acuado por Piatetsky Shapiro
(1989) [1] para enfatizar que el conocimiento es el
producto final del descubrimiento accionado por los datos.
El conocimiento extrado, es muy valioso para las
organizaciones a la hora de tomar decisiones. Para tomar
decisiones correctas, confiables y acertadas se debe contar
con la informacin adecuada [7].
Este artculo describe la aplicacin de un proceso
metodolgico basado en la gua CRISP-DM (Cross Industry
Standard Process for Data Mining), para la resolucin de un
problema operacional de alto impacto en una Central
Generadora de Electricidad.
La aplicacin de la metodologa CRISP-DM en una
Central Generadora de Electricidad busca entregar
informacin a la empresa para apoyar la toma de decisiones.
En trminos concretos, se busca anticiparse al problema de la
activacin de la proteccin por alto spread del sistema de
combustin de la TG (Turbina a Gas).
El resto del artculo est estructurado como se indica a
continuacin. La seccin II describe el problema y su
contexto. En la seccin III se describe la metodologa
empleada en el desarrollo del trabajo. Las secciones IV y V
describen los datos utilizados, su seleccin y transformacin,
respectivamente. La seccin VI presenta y analiza los
modelos de prediccin y clasificacin obtenidos. Finalmente,
se presentan las conclusiones y trabajo futuro.
II. SISTEMA DE COMBUSTION DE TURBINA A GAS
El presente caso de estudio se llev a cabo en una Central
Generadora de Electricidad perteneciente al SING (Sistema
Interconectado del Norte Grande), cuya matriz energtica es
gas y petrleo. Esta Central Generadora, posee dentro de sus
objetivos tener la mxima disponibilidad posible para todas
sus TG.
Por lo anterior, resulta imperioso para la organizacin
trabajar en evitar fallas en sus TG, que puedan producir
alguna indisponibilidad de las TG en la generacin elctrica.
En lo relacionado al sistema especifico objeto del
estudio, ste corresponde a la turbina a gas, la cual es la
principal mquina para generar electricidad que posee la
organizacin. Esta turbina est compuesta por los sistemas
de escape, enfriamiento y combustin.
En la Figura 1 [9], se puede apreciar las principales
partes de la TG, separadas en dos partes, generacin a gas y
generacin a energa.

Figura 1. Corte longitudinal de la Turbina a gas. 1. generador de gas, 2.
generador de energa, 3. labe de turbina de potencia, 4. poder tobera
turbina, 5. generador de turbina de gas cuchilla, 6. revestimiento de
combustin, 7. impulsor del compresor, 8. el generador de estructuras.
A. Gua Metodolgica CRISP-DM
CRISP-DM en esencia corresponde a un modelo de
proceso que proporciona un marco para el desarrollo de
proyectos en el mbito de Data Mining [8]. El cual, est
siendo desarrollado por un consorcio de los principales
usuarios y proveedores de minera de datos.
Este modelo de referencia, proporciona una visin
general del ciclo de vida de un proyecto de minera de datos,
el cual contiene las fases de un proyecto, sus tareas
respectivas, y sus salidas.
El ciclo de vida de un proyecto de minera de datos se
divide en seis fases que se muestran en la Figura 2.
La secuencia de las fases no es estricta, y en la prctica es
un proceso iterativo. Las flechas indican slo las secuencias
y las dependencias ms importantes entre las fases.

El sistema de combustin de la turbina est compuesto

por catorce cmaras de combustin, las cuales estn
dispuestas simtricamente alrededor del rotor de la turbina.
Peridicamente se registran mediciones de variables
asociadas a la temperatura de las cmaras del sistema de
combustin. Dichas temperaturas deben mantenerse
uniformes, debido a que una alta diferencia de temperatura
entre las cmaras de combustin, significara que no se est
produciendo una combustin eficiente y segura.
Por lo anterior, implicara que se podra provocar una
deformacin en la estructura de la turbina, adems de una
prdida de eficiencia en la capacidad de generacin de
electricidad.
El Sistema de Control Distribuido DCS (Distributed
Control System) monitorea y controla el funcionamiento de
la TG. En el DCS se encuentra configurada una proteccin
por alto spread en el sistema de combustin, la cual opera al
identificar una alta diferencia de temperatura entre las Figura 2. Fases del modelo de proceso CRISP-DM para el desarrollo de
cmaras de combustin de la TG. proyectos de minera de datos. (Fuente: http://www.crisp-dm.org/).
La proteccin acta en primera instancia alarmando el
alto spread. El slo surgimiento de esta alarma, implica una
disminucin en la capacidad de generacin en la TG, debido B. Instanciacin de la Gua CRISP-DM
a que no son uniformes las fuerzas que hacen girar el eje del
generador. En segunda instancia la alarma por alto spread, La gua CRISP-DM corresponde a un proceso genrico,
opera deteniendo el funcionamiento de la turbina, lo cual el cual requiere ser instanciado para cada tipo de proyecto de
implica una indisponibilidad de la TG, conllevando a una data mining. A continuacin se presenta la adaptacin de
prdida de confianza ante sus clientes y la comunidad. CRISP-DM al problema particular descrito en la seccin II y
su aplicacin.
III. ASPECTOS METODOLGICOS DEL DESARROLLO DEL
La Figura 3 muestra las tareas desarrolladas para el
PROYECTO problema analizado.

El proyecto se abord adoptando la gua CRISP-DM como

marco de desarrollo del trabajo, el cual se instanci para este
caso particular.
 Figura 4. Esquema de funcionamiento de turbina a gas.

En la Figura 5 se describen en mayor detalle los

pasos de la secuencia de funcionamiento de una TG.

Figura 3. Secuencia de tareas desarrolladas

1) Entendimiento del negocio

El objetivo de negocio que se persigue con la realizacin
del proyecto es mejorar el indicador de disponibilidad de la
TG, mediante la aplicacin de tcnicas y herramientas de
minera de datos.
Especficamente, se busca contribuir a maximizar la
confiabilidad de arranque, minimizar salidas forzadas, lograr
disponibilidad de acuerdo a programa de mantenimiento,
disponibilidad media equivalente (92%), cumplir con la
duracin de los mantenimientos mayores.
Por lo anterior, se desea evitar las fallas o
indisponibilidad de la TG por un tiempo prolongado, tal
que, no se ponga en riesgo los contratos vigentes, y lograr
menor ndice de falla en el SING.
Desde el punto de vista tcnico, los objetivos al aplicar
las tcnicas de minera de datos en esta situacin particular,
son generar patrones de prediccin y clasificacin, para Figura 5. Secuencia de funcionamiento de turbina a gas.
apoyar la toma de decisiones, asociadas a evitar la activacin
de la proteccin por alto spread en el sistema de combustin 2) Descripcin del problema
de la TG. El sub sistema de combustin de la TG se compone por
La Turbina a Gas, es un motor trmico rotativo de flujo catorce cmaras de combustin, en donde se incinera el gas
continuo que se caracteriza por presentar una baja relacin natural o petrleo diesel, estas cmaras se encuentran
peso-potencia y una velocidad de giro muy elevada. La TG distribuidas simtricamente alrededor del rotor de la TG.
est compuesta por los sub sistemas de combustin, Existe una proteccin configurada en el DCS, esta se
enfriamiento y escape. produce por alto spread en el sistema de combustin de la
Se utiliza para la generacin elctrica, ya que la TG. Esta proteccin se calcula empricamente tomando
combustin generada al incinerar gas, hace que los gases como datos entre otros, las temperaturas de las cmaras de
calientes al escapar hagan girar el rotor del alternador de la combustin de la TG. La activacin de dicha proteccin
TG, con lo cual se produce induccin, la cual se trasforma en implica que no se est produciendo una combustin
energa elctrica. uniforme entre las cmaras de combustin.
A continuacin en la Figura 4 [10], se muestra el Lo anterior, conlleva a una disminucin de la generacin
esquema de funcionamiento de la TG para generar de electricidad de la TG, es decir que con la misma cantidad
electricidad. de combustible se genera menos carga elctrica que en una
situacin ptima. Adems, la generacin de electricidad con
una combustin no uniforme entre las cmaras provoca
daos en la estructura de la TG, deformando sus piezas.
 Actualmente, cuando opera la alarma por un alto spread
el operador disminuye la potencia elctrica de la TG, hasta
encontrar la causa y corregir el problema.
Se propone analizar los datos patrones de prediccin y
clasificacin, para anticipar la operacin de la proteccin por
alto spread en el sistema de combustin de la TG.
Existe antecedente de aplicacin de tcnica de minera de
datos en Centrales de Generacin Elctrica para identificar
otras fallas en equipos [14].

IV. ENTENDIMIENTO DE LOS DATOS

Para la realizar la solucin de minera de datos propuesta,

Figura 6. Tabla de hecho.
es necesario contar con registros histricos, que posibiliten
la creacin de patrones.
El conjunto obtenido de datos posee nicamente variables
La Central, tiene implementada la plataforma industrial
de tipo numrico, correspondiente a valores de variables de
de gestin de informacin PI SYSTEM. Esta plataforma
proceso como temperaturas de las cmaras de combustin,
est compuesta por software, que permiten mostrar datos de
presin, intensidad de la llama, etc.
proceso en tiempo real y almacenarlos en una base de datos
En la Tabla 2, se describe una caracterizacin de algunos
propietaria.
atributos del conjunto de datos.
La TG est compuesta por los sub sistemas escape,
enfriamiento y combustin, tambin existen sealen que
influyen en la generacin elctrica como los equipos Nombre Valores de variables
auxiliares, aparte de las seales propias de la generacin atributos Instanc Media Desviac moda mnim mxim
elctrica como la potencia elctrica y la frecuencia. ias in o o
distinta estnda
Segn el usuario del negocio como el alto spread se s r
origina en el sub sistema de combustin de la TG, se UNOADLN_M 16 0.04 0.486 0 0 9
ODE_GAS
seleccionaron todas las seales de ese sub sistema, aparte de
UNOAFD_INT 3630 102.718 75.307 2012 0 231.24
seales que dependen directamente de la activacin de la ENS_2 5
alarma por alto spread, como la potencia elctrica y la UNOAFD_INT 1405 94.448 382.94 844 0 5708
frecuencia. ENS_3 5
La inclusin de cualquier otra variable adicional no UNOAFD_INT 1041 72.332 398.40 613 0 3822
ENS_4
tendra relacin con el alto spread de la TG. Por lo cual, slo 2
producira ruido en la elaboracin de los modelos. UNOAFD_INT 15285 61.929 42.372 14253 0 162.66
ENS_5 8
Al conjunto de datos resultante, se agreg manualmente
UNOAFLUPSP 7005 0.315 0.899 5756 0 12.401
el atributo clase. Este atributo corresponde a la activacin de
la alarma por alto spread en el sistema de combustin de la UNOAFPG3 5114 0.22 1.581 4578 0 39.306
TG. Dicho atributo es de tipo numrico, codificndose como UNOAPLPDPL 2310 0.037 0.281 1821 0 6.286
el valor 0 para condicin sin alarma y 1 para condicin con
UNOAPLSDPL 1660 0.042 0.273 1232 0 8.082
alarma.
Para el presente caso de estudio, se seleccionaron
UNOATTRF1 5698 27.619 83.892 4154 0 1154.3
registros histricos a partir de enero del 2008 y hasta 3
diciembre del 2010. Por lo cual, el conjunto de datos final UNOATTRXB 3358 7.31 19.405 2013 0 611.21
seleccionado por el usuario del negocio, incluye 54 variables, 9
UNOATTXD1_ 4442 16.772 46.329 3065 0 614.83
todas de tipo numrica. En la tabla 1 se muestra un resumen 1 8
del conjunto de datos seleccionado. UNOATTXD1_ 4360 16.364 45.691 2996 0 615.24
10 4
Caracterstica Valor UNOATTXD1_ 4655 16.682 44.216 3277 0 614.83
Total atributos: 54 11 8
Total Instancias: 23430 class 2 - - - - -
Tipo de atributos: Numrico Tabla 2. Caracterizacin del conjunto de datos.
Total Instancias errneas: 382
Tabla 1. Resumen del conjunto de datos
La figura 7 muestra la relacin de variables entre la
En la Figura 6 se describe la tabla de hechos del conjunto temperatura de combustin de la cmara nmero 5 (eje X), y
la temperatura de los gases de la cmara de combustin (eje
de variables seleccionadas.
Y) medidas en grados Celsius.
 Este grfico muestra que existe una relacin directamente
proporcional, es decir a mayor temperatura de combustin,
mayor es la temperatura de gases de escape. Lo que implica,
que se est realizando una combustin ptima en la cmara
N 5, ya que, que los inyectores de combustibles no se
encuentran sucios y la cmara de combustin an no necesita
ser lavada para sacar los residuos de la combustin adheridos
a ella.
Figura 7. Grfico temperatura de gases.
En la figura 8 se representa la relacin de variables entre
la diferencia de temperatura de las cmaras de combustin
N 5 y N 10 (eje X), y la temperatura de la turbina (eje Y)
medida en grados Celsius.
En este grfico se aprecia que se encuentra delimitado el
valor mximo para la diferencia de temperatura entre
cmaras de combustin. Para el periodo de tiempo dado la
diferencia de temperatura entre las cmaras de combustin
N 5 y N 10 mayoritariamente fue baja, independiente de la
temperatura de la turbina. Lo que implica, que para un
funcionamiento normal de la TG, necesariamente debe
existir una baja diferencia de temperatura entre las cmaras
de combustin.
Figura 8. Grfico diferencias de temperatura.
La tabla 3 describe la matriz de correlacin para los
atributos ms relevantes relacionados con el atributo clase.
Atributos Valor correlacin
Primero Segundo
Unoafd_intens_5 Unoafsr_control -0.002
Unoafd_intens_5 Unoal83llbm -0.002
Unoafd_intens_5 Class 0.112
Unoafsr_control Class -0.018
Unoal83llbm Class -0.018
Tabla 3. Matriz de correlacin de variables.
Las relaciones entre variables descritas en la Tabla 3,
corresponden en su gran mayora a correlacin negativa
dbil. Excepto, la relacin entre la temperatura de
combustin de la cmara N 5 y la variable clase. Esta
relacin es una correlacin positiva dbil. Por lo cual, la
variable Unoafd_intens_5 est ms correlacionada con el
valor de la variable clase que el resto de las otras variables.
V. TRANSFORMACIN Y SELECCIN DE DATOS
La calidad de los datos es un factor importante en el
xito de la minera de datos en una tarea determinada. Por lo
cual, es una etapa relevante dentro del modelo de proceso
CRISP-DM. La seleccin de atributos es el proceso de
identificar y eliminar la mayor cantidad de informacin
irrelevante y redundante [2].
Para el presente caso de estudio, se realiz una limpieza
de los registros errneos, eliminando dichos registros. Estos
eran producto de fallas en la captura de las seales. Adems
se verific la integridad de los datos, no encontrando
problemas de este tipo.
Dado que existe una gran cantidad de atributos
(cincuenta y cuatro) se aplic una tcnica para evaluar a
priori su importancia y disminuir el nmero de atributos,
dejando slo los ms relevantes. A continuacin se detalla la
tcnica utilizada de atributo evaluador y mtodo de
bsqueda, para reducir el nmero de atributo del conjunto de
datos.
Atributo evaluador CfsSubsetEval [3], este mtodo
evala un subconjunto de atributos considerando la
habilidad predictiva individual de cada variable, as
como el grado de redundancia entre ellas.
Mtodo de bsqueda BestFirst [3], este algoritmo
de bsqueda, trata de expandir el nodo
ms prximo al objetivo, percibiendo que
probablemente conduzca rpidamente a una
solucin. El algoritmo BestFirst puede comenzar su
bsqueda por el conjunto vaco de atributos y de
bsqueda haca adelante, o empezar con todo el
conjunto de atributos y bsqueda hacia tras, o
empezar en cualquier momento y buscar en ambas
direcciones (enfoque hbrido).
En la tabla 4, se detallan los resultados obtenidos de la
aplicacin de la tcnica de seleccin de atributos BestFirst.
Resultados aplicacin tcnica seleccin de atributos BestFirst
Inicio establecido: Sin atributos.
Direccin de bsqueda: Hacia adelante.
Bsqueda de rancio: Despus de 5 expansiones de
nodos.
Nmero de subconjuntos de evaluacin: 410
Mrito del mejor subconjunto: 0.113
Tabla 4. Resumen resultados BestFirst.
La aplicacin de esta tcnica obtuvo como resultado
una disminucin de atributos de 54 a 4. La Tabla 5 detalla
los atributos seleccionados.
 sobre ajustar
a los datoos, resultando un rendimiennto inferior
Variable Descripcin
D del moddelo sobre los datos de pruebba [20].
UNOAFD_INTE
ENS_5 Teemperatura cmarra de combustin Para la reducir la complejidad y evitar el exceso de
N
N 5 sobreajuste, en el preesente caso dee estudio se occuparn los
UNOAFSR_CO
ONTROL Teemperatura de conntrol de la turbina clasificcadores RepTrree y J48, addems del Alggoritmo de
UNOAL83LLBM In
ntensidad de la llam
ma cmara N 8 ANN Multilayer Perceptron. Los tres algoritmos
Class Prroteccin seleccioonados se encuuentran disponiibles en Weka..
Tabla 5. Atribu
utos seleccionados
A. Alggoritmo Multilaayer Perceptronn
VI. MODELOS
O DE CLA
ASIFICACIN Y PREDICCIN Estee algoritmo es e una ANN (red neuronall artificial)
multicaapa. Segn Rum menlhart (19866) las ANN muulticapas de
tipo feeedforward conn aprendizaje por algoritmoo de retro
Existen anntecedentes de estudios, en ell cual se compaara propagaacin, son unn tipo de estrructura de coomputacin
laa performancce de un conjunto c de algoritmos de paralelaa, en donde, varias pequeas unidades de clculo
c
clasificacin. C
Concluyendo quue la eleccin de del algoritmmo denomiinadas neuronaas, estn masiivamente interrconectadas
m adecuado,, es altamentee dependiente de la aplicaciin
ms con la capa anterior de d donde recibben informacinn, y con la
[15]. Ademss, se debe considerar que q no existten capa poosterior hacia donde
d la transm
miten [5].
a
antecedentes d aplicacin de minera de
de d datos para el Lass principales caractersticas deld algoritmo Multilayer
p
problema partiicular de la alarma
a por altto spread en un Percepttron son su caapacidad para aprender las relaciones
s
sistema de com mbustin de la TG.
T funcionnales a partir de ejemploss, descubrir patrones p y
Para el presente
p caso de estudio, se s desea que el regularridades en los datos,
d a travs,, de la auto orgganizacin.
u
usuario del neggocio tenga mo odelos de varioos tipos, para que
q Por lo cual, son muuy adecuados para de probblemas de
loos analice y escoja el mo odelo que mejjor soluciona el mapeo no lineal [19].
p
problema plantteado. Para lo cual, se aplicarn las tcniccas En la Figura 9, se muestra la estrructura de la reed neuronal
d rbol de deccisin y red neu
de uronal artificiall. artificiaal generada. Enn donde se apreecia el ingreso de las tres
Los rbolles de decisin n son una tccnica sencilla de variablees a la capa de entrada, dos neuronas
n en la capa
c oculta
a
aprendizaje de clasificacin supervisada, perop exitosa. Los
L y una neurona
n en la salida.
s Ademss se ilustra la distribucin
d

rboles estn compuesto por p segmentoss ms pequeos de los ocho pesos siinpticos geneerados por el modelo m de
lllamados nodoos terminales u hojas. Estos nodos son s predicccin.
h
homogneos reespecto a una variable
v de desttino [17].
Las redess neuronales artificiales (A ANN) han siido
u
utilizadas porr muchos inv vestigadores para identificcar
u
ubicacin y seeveridad de distintos
d tipos de variables de
e
entrada y salidda. Ya que, proporcionan
p una herramiennta
e
eficaz para el reeconocimiento o de patrones [118].
El algoritm mo J48 es la implementacin
i n para Weka del
d
a
algoritmo C 4.5. Este algorittmo J48, elige el atributo que q
p
posee el mxximo de info ormacin relaacionada con la
g
ganancia, commo criterio de la mejor divvisin. Adem ms,
u
utiliza los atrributos que mejorm diferenncia las saliddas,
g
generando una rama por cadaa salida. Figura 9. Esttructura de la red neuronal
n articifial.
El algoritm mo RepTree presenta
p una poda
p rpida paara
c
corregir en el rbol
de decisiin los efectos de los ruidos en La ANN empiezaa con unos peesos aleatorios y aprende
loos datos de entrenamiento. El rbol poodado reduce la ajustando dichos vallores iterativam mente, hasta lllegar a un
c
complejidad enn el proceso de clasificacin. estado en donde ess capaz de determinard unna relacin
El algorittmo Multilayeer Perceptron posee funcionnes funcionnal dentro de los objetivos preestablecidos
p s entre los
s
sigmoidales quue se emplean como activaciin de funcionnes datos de
d entrada y el conjunto de datos
d de entrenaamiento en
n lineales paraa todas las capaas. Estas funcioones sigmoidales
no su fase de aprendizajee.
m
minimizan el sobreajuste conc un mtoddo de detecciin El ajuste
a de los coeficientes, se realiza por medio
m de un
temprana. mecaniismo de retro propagacin
p del error desde laas capas de
salidas hacia las capaas ocultas, parra posteriormeente cotejar
El overfittting o sobreaajuste se prodduce cuando un los resuultados obteniddos de la salidda de la red coon el valor
aalgoritmo buscca las mejoress variables parra un modelo en correctoo entregado poor el vector quee contiene el conjunto
c de
p
particular, usanndo un conjuunto de datos limitado, pueede datos de
d entrenamientto.
El mecanismo
m de proceso formaal para cada neuurona es el
siguiennte [4]:
 (1)) El modelo
m predicttivo elaborado por algoritmo Multilayer
Percepttron entreg como
c resultadoo la generacin de ocho
En donde,
E da de la neurrona,
es la salid es el ponderaaciones de pessos. Estos pesoos ponderan laas variables
p
producto escaalar entre el vector traspuuesto de pessos de entrrada y empriccamente determ minan la variable clase.
s
sinpticos. Esta vaariable clase es
e la que indicca si se produuce el alto
(2) spread en el sistemaa de combustin de la TG, para unas
variablees de entrada en
e particular.
es el vector de
d pesos sinptticos.
B. Alggoritmo Rep Tree
(3)
El algoritmo
a RepTTree se utiliza para
p la elaboraacin de un
es el vector de
d entradas a laa neurona. patrn de clasificacin, obteniendoo como resulttado de la
El subndicee m indica el nmero de entraadas a la neuronna, aplicacin de dicho algoritmo
a una representacin
r grfica de
es un valorr denominado umbral que permitep ajustarrse un rbool de clasificaciin.
p disminuir el
para e sesgo. El funcionamiento
f o del algoritmoo RepTree se coompone de
La funcin transforma el e escalar resultante en la saliida dos fasses, en la primmera fase se creea un conjuntoo de reglas
d la neurona, en la mayora de los casos coorresponde a una
de u l datos usadoos para el aprendizaje, en
que se sobreajuste a los
f
funcin sigmoiddal. la seguunda fase se poda el conj njunto de regllas usando
(4) ejemploos que no participaron en el aprendizaje
a [3]..
El resultadoo de esta funccin produce salidas dentro del d Paraa la aplicacin de este alggoritmo se utillizaron los
r
rango [0,1]. Laa salida de cad
da neurona, es una entrada paara parmeetros por defecttos en la constrruccin el modeelo.
c
cada neurona de d la capa sigguiente, exceptto en la primeera En la Figura 10 see muestra el rrbol grfico geenerado por
c
capa, en dondee la entrada ess el vector con c las variables el algorritmo Rep Tree. La rama izqquierda del rbbol muestra
inndependientes,, tal como se aprecia
a en la Figura 9. la partte no relacionnada con la condicin
c de alarma,
a en
cambioo en la rama derecha
d del rbbol estn los indicadores
i
que corrresponden a laa alarma.

Figura 10: rbol Grficoo generado por el algoritmo

a Rep Treee.
mo J48 ocupaa una tcnicaa voraz para inducir la
algoritm
C Algoritmo J48
C. J
decisin para los rboles de clasificacin [6]. Este
El algoritm
mo J48 es una aplicacin dell algoritmo C44.5. algoritm l elaboracin del rbol de clasificacin
mo, utiliza en la
E
Esta implemeentacin geneera rboles ded decisin. El los atriibutos que mejjor diferencia las salidas, crreando una
rrama por cada salida [13]. Ad dems, terminaa la rama si toddos rango de
d valores espeecficos para una u variable en particular.
loos miembros poseen
p la misma clase, etiqquetando la ram ma Pero, adems presentaa un modelo coonfuso para el cliente, ya
c dicha clasee [3].
con que el rbol de clasifficacin generrado posee ram mas que no
Para la apllicacin de esste algoritmo se utilizaron los l aportann a la clasificaccin de la alarm
ma.
p
parmetros porr defectos en laa construccin el
e modelo. C. Moddelo de clasificcacin J48
En la Figurra 11, se mueestra el patrn de clasificaciin
g
generado. En la rama derrecha del rbbol, describe la El modelo
m de claasificacin J48, presenta un modelo de
c
clasificacin e surgimiento de
dee instancias relaacionadas con el clasificcacin similar ala generado poor el algoritmo Rep Tree.
laa condicin de alarma. Tambin clasifica la operacin de la alarma, a partir de un
rango ded valores espeecficos para unau variable en particular.
La difeerencia es que poda
p las ramass del rbol que no aportan
l alarma. Por lo anterior, se obtiene un
a la claasificacin de la
modeloo que es claro y visualmentee aceptable poor parte del
cliente.

Criterio Algoritmos
MultiLayer RepTree J48
Perceptron
Fiigura 11: rbol Grfico generado porr el algoritmo J48. Es comprensible S No S
Cuumple con la S S S
funcin
VII. RESULTADOS
E A
Ayuda a los No S S
o
objetivos del
Para la connstruccin de cada uno de los modelos de negocio
minera de daatos generadoss, se ocup un 95% de las
m Pootencialmente S S S
innstancias paraa entrenamientto y un 5% para
p prueba. Las
L til
m
mtricas de rendimiento
r de cada modeelo generado se A
Aprobado No No S
r
resumen en la Tabla
T 6. Tablla 7: Resumen de aceptacin
a de los modelos.
m

Variable Algoritm
mos
El modelo
m de classificacin de J48,
J se basa slo
s en un
MultiLaayer RepTrree J48
atributoo que es la inntensidad de laa llama de la cmara de
Percepttron combusstin nmero cinco.
c e usuario esto se explica
Segn el
porque en el sistema de combustin existen 14 cmaras
c de
Coeficiente de 0.739
95 0.81588 0.7992
correlacin las cuaales 3 poseenn termocuplass, para la meedicin de
Media de error 0.004
45 0.00477 0.0043 temperaatura, en el casso de la cmara nmero cinco es la que
absoluto se encuentra ms cercana a las otras dos cm maras que
Raiz de error 0.049
95 0.04833 0.0443 tambinn poseen term mocuplas. Estoo explicara ele por qu
cuadrado cuandoo se produce unau alta difereencia de tempeeratura por
Error absooluto 39.3034
4% 41.58288 % 37.6059 % alto sppread, se mannifiesta dichaa diferencia con c mayor
relativo
Raiz de error 69.3076
6% 67.68799 % 61.9838 %
intensiddad en la temmperatura de laa cmara de combustin
c
relativo cuadraado nmeroo cinco.
Nmero de 1171
1 1171 1171
instancias VIII. CONC
CLUSIONES Y TRABAJO
R FUTUR
RO
Tabla 6: Resum
men de resultados de modelos. Con los patrones de d prediccin y clasificacin generados,
se cuennta con inform macin para saber
s qu valoores deben
Una vez obbtenidos los modelos dee prediccin y
U tener laas seales clavves, cuando se produce la acttivacin de
c
clasificacin, se requiri la evaluacin
e del usuario respeccto la proteeccin por altoo spread del siistema de com mbustin de
d potencial grado
del g de inteers en cada uno
u de ellos. A la TG, para as evitarr la activacin de dicha proteccin. Con
c
continuacin see resume esta evaluacin.
e la utilizzacin de esta informacin para
p tomar deccisiones, se
A Modelo de prediccin
A. p ANN
NN deberaa aumentar laa disponibilidaad de la TG G para dar
El modelo de prediccin generado porr la red neuronnal cumplim miento a los objetivos de la empresa, adems a de
a
artificial, permiite indicar si op
pera o no la alaarma para valorres mejorarr la confiabiliddad ante sus cliientes.
e
especficos dee las variablees de entradaa. Por lo quue, A partir
p del trabbajo desarrollaado se identifica como
o
operacionalmen nte no es unaa ayuda para anticiparse a la accin futura la geeneracin de una simulacin de las
a
activacin de laa alarma. condiciiones de operaccin de la plantta. Esto permittira validar
el modeelo de minera de datos generrado. Una vez validado
v el
B Modelo de clasificacin
B. c Rep
R Tree modeloo de clasificacin, se procederr a su implantaacin. Esto
El modelo de clasificacin elaborado por el algoritmmo es, idenntificar anticipaadamente el surrgimiento de laa condicin
R Tree clasiffica la operacin de la alarm
Rep ma, a partir de un de una alarma que perrmita evitar el disparo
d de la tuurbina.
 IX. AGRADECIMIENTOS
Este trabajo fue realizado en el marco del desarrollo de
un caso de estudio en la asignatura de minera de datos 1 del
programa de Magster en Ingeniera Informtica de la UCN.
X. GLOSARIO DE TRMINOS
Alternador: Mquina elctrica generadora de corriente
alterna.
Alto Spread TG: Es cuando se produce una alta diferencia
de temperatura entre las cmaras de combustin de la
turbina a gas.
Cmara de combustin: Consiste en un recipiente al cual
ingresa aire comprimido, al que se le aade combustible y se
quema en forma ininterrumpida.
Disponibilidad: Se produce cuando una turbina est
declarada al controlador del SING, como utilizable para
producir electricidad.
Matriz Energtica: Son los posibles combustibles que
ocupa una Central para generar electricidad.
PI System: El estndar de la industria en la infraestructura
de la empresa para la gestin de datos en tiempo real y
eventos.
Potencia elctrica: Es la velocidad con que se agota la
energa.
Rotor: Parte giratoria de una turbina.
SING: Agrupacin de Centrales Generadoras de
Electricidad que se encuentran ubicadas entre las ciudades
de Arica y Antofagasta.
Salidas forzadas: Es la interrupcin intempestiva de la
turbina por falla o defecto de esta o cualquier otro motivo.
Sistema de Control Distribuido: Es un concepto en donde
la filosofa del equipo se define como la distribucin
geogrfica del control, enlazada por una red de
comunicaciones, cuyo destino es centralizar un cuadro de
control central.
Turbina a Gas: Es un motor trmico rotativo de flujo
continuo que se caracteriza por presentar una baja relacin
peso-potencia y una velocidad de giro muy elevada
XI. REFERENCIAS
[1] U.M. Fayyad, G. Piatetsky-Sapiro, and P. Smyth. 1991. From data
mining to knowledge discovery in databases. Editors, Advances in
Knowledge Discovery and Data Mining, page 39. AAAI Press,
(1997).
[2] Mark A. Hall, Geoffrey Holmes. 2003. Benchmarking Attribute
Selection Techniques for Discrete Class Data Mining. IEEE
transactions on knowledge and data engineering, vol. 15, NO. 3.
[3] I.H. Witten, E. Frank. (2005). Data Mining: practical machine
learning tools and techniques 2nd. Edition. Morgan Kaufmann.
[4] D. Rumelhart, G. Hinton, and R. Williams. 1986. Learning
representation by error propagation, In D.E. Rumelhart and J.L.
Mclelland, editors, Paralled Distributed Procession (Cambridge, MA:
MIT Press).
[5] Abrahart, R.J., See, L. y Kneale, P.E. 2001. Investigating the role of
saliency analysis with a neural network rainfall-runoff model. Journal
of Computers and Geosciences, 27: 921-928.
[6] Soman, T. and Bobbie, P.O. 2005. Classification of Arrhythmia Using
Machine Learning Techniques. Southern Polytechnic State University
(SPSU) 1100 S. Marietta Parkway, Marietta, GA 30060, USA.
[7] Elizabeth Vitt, Michael Luckevich, Stacia Misner. 2002. Making
Better Business Intelligence Decisions Faster. editors Microsoft
Press.
[8] R. Wirth, J. Hipp. 2000. CRISP-DM: Towards a standard process
model for data mining, in: Proceedings of the 4th International
Conference on the Practical Applications of Knowledge Discovery
and Data Mining, Manchester, UK, 2000, pp. 29-39.
[9] Min Tae Kim, Si Woo Lee. 2012. Application of in situ oxidation-
resistant coating technology to a home-made 100 kW class gas
turbine an its performance analysis. Applied Thermal Engineering,
Volume 40, Pages 304310.
[10] Frank J. Brooks. 2001. GE Gas Turbine Performance Characteristics.
GE Power Systems Schenectady, NY GER-3567H.
[11] M. Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, and
Ramasamy Uthurusamy. 1996. Advances in Knowledge Discovery
and Data Mining. San Mateo, AAAI Press, EE.UU.
[12] Michalski, R.S., Bratko, I., Kubat M. 1998. Machine Learning
andData Mining. Methods and Applications. Wiley & Sons Ltd.,
EE.UU.
[13] S.G. Jolandan, H Mobli, H Ahmadi, M Omid, S.S. Mohtasebi. 2012.
Fuzzy-Rule-Based Faults Classification of Gearbox Tractor.
Department of Agricultural Machinery Engineering, faculty of
Agricultural Engineering and technology University of Tehran, Karaj,
Iran.
[14] Christina Athanasopoulou, Vasilis Chatziathanasiou and Ioannis
Petridis. 2007. Utilizing data mining algorithms for identification and
reconstruction of sensor faults: a Thermal Power Plant case study.
University of Thessaloniki.
[15] Vedrana Vidulin, Mitja Lutrek, Matja Gams. 2007. Comparison of
the performance of genre classifiers trained by different machine
learning algorithms. Department of Intelligent Systems. Joef Stefan
Institute. Jamova 39, 1000 Ljubljana, Slovenia.
[16] Michalski, R. S. 1983. A Theory and Methodology of Inductive
Learning. En Michalski, R. S., Carbonell, J. G., Mitchell, T. M.
(eds.). Machine Learning: An Artificial Intelligence Approach, Vol. I.
Morgan-Kauffman, EE.UU.
[17] Jun Li, Shunyi Zhang, Yanqing Lu, Junrong Yan. 2008. Real-time
P2P Traffic Identification. Nanjing University of Posts and
Telecommunication, Nanjing, JiangSu, China. Zhejiang Wanli
University, Ningbo, Zhejiang, China.
[18] Prechelt L. 1998. Early stopping but when? In. Orr GB, Muller
OR, editors. Neural networks: Tricks of the trade. Berlin: Springer-
Verlag Telos.
[19] Ayman Ahmed Seleemah. 2012. A multilayer perceptron for
predicting the ultimate shear strength of reinforced concrete beams.
Journal of Civil Engineering and Construction Technology Vol. 3(2),
pp. 64-79.
[20] U.M. Fayyad, G. P. Shapiro and P. Smyth. 1996. The KDD process
for extracting useful knowledge from volumes from data.
Communication of ACM, Vol. 39(11).