MX2007011402A - Sistema y metodo de monitoreo de emisiones predictivas. - Google Patents

Abstract

Se describe un metodo para predecir las emisiones provenientes de una fuente de emisiones. Los valores de prueba de las variables de proceso con relacion a la operacion de la fuente de emisiones, son obtenidos, junto con los valores de prueba correlacionados en el tiempo, correspondientes, de la variable de emisiones que va a ser predicha. Utilizando los valores de prueba de las variables de proceso, los valores de prueba de una pluralidad de los primeros coeficientes son calculados para cada variable del proceso y asociados con la variable del proceso, y los valores de prueba de una pluralidad de los segundos coeficientes son calculados para cada valor de cada variable del proceso y asociados con el valor de la variable del proceso. Los valores de comparacion de las variables del proceso con relacion a la operacion de la fuente de emisiones, son obtenidos, junto con los valores de comparacion correspondientes correlacionados en el tiempo, de la variable de emisiones que va a ser predicha. Utilizando los valores de comparacion de las variables de proceso, los valores de comparacion de una pluralidad de primeros coeficientes son calculados para cada variable del proceso y asociados con la variable del proceso, y los valores de comparacion de una pluralidad de segundos coeficientes son calculados para cada valor de cada variable del proceso, y asociados con el valor de la variable del proceso. Las combinaciones predeterminadas de los valores de comparacion de las variables y sus coeficientes asociados son luego iterativamente comparadas con los valores de prueba de las variables respectivas y los coeficientes asociados. Donde la comparacion produce concordancias entre los valores de comparacion y los valores de prueba de las variables y sus coeficientes asociados, los valores de prueba de la variable de emisiones asociada con los valores de prueba con concordancia de las variables, son promediados y asignados como un valor predicho de la variable de emisiones.

Description

SISTEMA Y MÉTODO DE MONITOREO DE EMISIONES P EDICTIVAS CAMPO DE LA INVENCIÓN La presente invención se refiere al monitoreo y control de procesos y a los modelos predictivos para su comportamiento, y más particularmente, a un sistema de mpnitoreo y control de proceso y a un método para predecir un p'arámetro del proceso o de las emisiones de una fuente de emisiones operativa.

ANTECEDENTES DE LA INVENCIÓN El interés público se ha incrementado con respecto ai ambiente, y los contaminantes principales tales como los óxidos de nitrógeno y el dióxido de azufre son actualmente regulados en la mayoría de las industrias, ya sea bajo 40 CFR Parte 60 ó 40 CFR parte 75. Es la responsabilidad de las Agencias de Protección Ambiental federales y de los estados individuales el poner en vigor estos reglamentos. Una gran parte de la atención en los años recientes ha sido gastada en dirigirse a los requerimientos de monitoreo de estos reglamentos, con el fin de reducir al minimo la descarga de gfses nocivos hacia la atmósfera por las instalaciones industriales . Una técnica para asegurar el monitoreo correcto de los gases nocivos, ha sido implementar los sistemas continuos REF. :186129 de monitoreo de emisiones (CEMS, por sus siglas en inglés). Estos sistemas son utilizados para monitorizar emisiones de dióxido de azufre, óxidos de nitrógeno, monóxido de carbono, azufre reducido, total, opacidad, hidrocarburos volátiles, partículas y metales pesados, tales como mercurio. Típicamente, un CEMS es instalado en la planta, en cada fuente de emisiones. Los Reglamentos Federales, estatales y I locales aplicables incluyen ciertas opciones para el m-onitoreo continuo de cada una de estas fuentes de emisiones, y las agencias reguladoras están provistas con un plan de monitoreo para cada planta que detalla como tiene que ser rrtedida la velocidad y proporción de emisiones y como debe ser reportada antes del arranque. ¡ Un sistema CEM incluye típicamente ya sea un analizador in situ instalado directamente en una pila de escape, el tubo de escape del motor de movimiento alternado, o en un sistema de extracción que extrae una muestra de gas de una pila de escape, y la transporta hacia un analizador a nivel de inclinación. Los componentes del sistema continúo de monitoreo de emisiones tales como los analizadores de gases son muy caros, difíciles de mantener y difíciles de mantener adecuadamente calibrados. Como tales, los reglamentos que tienen que ver con un sistema CEM requieren que los analizadores sean calibrados periódicamente y sometidos a otros programas de aseguramiento de la calidad para asegurar la precisión y confiabilidad de los datos de cumplimiento. En muchos casos, los reglamentos permiten la certificación y operación de alternativas al sistema continúo de monitoreo de emisiones, basado en equipo fisico (hardware) . Tales alternativas incluyen soluciones de dotación lógica informática (software) que predice las emisiones de los parámetros del proceso y del ambiente, disponibles. Los procedimientos para certificar estos sistemas predictivos de monitoreo de emisiones (PEMS, por sus siglas en inglés) son detallados en los reglamentos, a saber 40 CFR parte 75, Subparte E y 40 CFR parte 60, Apéndice B, Especificación de Funcionamiento 16. En general, un sistema PEM modela la fuente de emisiones que genera las emisiones y predice la cantidad de emisiones que son producidas dado el estado operativo del proceso. Los reglamentos permiten un tiempo de paro máximo dé diez por ciento para la calibración. Si una unidad permanece en operación más de diez por ciento del tiempo con el paro del CEMS, el nivel de emisión es considerado por los r guladores como a nivel potencial máximo. Esto da como resultado operación fuera de norma y un reporte excesivo de las emisiones. Las instalaciones deben mantener y operar sus analizadores de gas para evitar penalidades que requieran un gasto operacional por venir, y ocasionalmente, se requieren servicios de emergencia. Un PEMS basado en software, confiable, que puede ser certificado bajo 40 CRF Parte 75, S'ubparte E podria representar una opción de costo extremadamente bajo de las necesidades de monitoreo de cumplimiento de las instalaciones industriales. Hablan existido sistemas PEM construidos en el pasado, para predecir diversos parámetros de combustión y de emisión a partir de los procesos industriales continuos y para calcular la eficiencia del proceso de la combustión para propósitos de reporte de cumplimiento y optimización de proceso. Típicamente, el sistema PEM es "entrenado" por el monitoreo de múltiples entradas, tales como presiones, temperaturas, velocidades de flujo, etc., y uno o más parámetros de salida tales como NOx, CO, 02, etc. Después del entrenamiento, en operación normal, el sistema PEM monitoriza únicamente las múltiples entradas y calcula los valores de los parámetros de salida estimados, que concuerdan estrechamente con los niveles de contaminantes efectivos.

Las metodologías utilizadas en el pasado incluyen los métodos estadísticos no lineales, de redes neurales, de valor propio, estocásticos y otros métodos para procesar los parámetros de entrada a partir de dispositivos de campo disponibles, para predecir las proporciones o velocidades de emisión de proceso y' la eficiencia de combustión o del proceso. Para la mayor parte, estos sistemas PEMs son complicados, relativamente costosos y difíciles de implementar. Estos sistemas también requieren típicamente reentrenamiento con el apoyo de personal especializado del proveedor del sistema, para ajustar el modelo de propietario a las condiciones en el mundo real encontradas en el campo.

BREVE DESCRIPCION DE LA INVENCIÓN De acuerdo con la presente invención, son proporcionados un sistema y método para predecir las emisiones a partir de una fuente de emisiones. Los valores de prueba de las variables del proceso con relación a la operación de las fuentes de emisiones son obtenidos, junto con los valores de prueba correlacionados con el tiempo, correspondientes, de las emisiones variables que van a ser predichas. Utilizando los valores de prueba de las variables del proceso, los valores de prueba de una pluralidad de primeros coeficientes son calculados para cada variable del proceso y asociados con la variable de proceso, y los valores de prueba de una pluralidad de segundos coeficientes son calculados para cada valor de cada variable de proceso y asociados con el valor de la variable del proceso. Los valores de comparación de las variables de proceso con relación a la operación de la fuente de emisiones son obtenidos, junto con los valores de comparación correspondientes correlacionados en el tiempo de las emisiones variables de emisiones que van a ser predichas. Utilizando los valores de comparación de las variables de proceso, los valores de comparación de una variedad de primeros coeficientes, son calculados para cada variable de proceso y asociados con la variable del proceso, y los valores de comparación de una pluralidad de segundos coeficientes, son calculados para cada valor de cada variable del proceso, y asociados con el valor de la variable del proceso. Las combinaciones predeterminadas de los valores de comparación de las variables y sus coeficientes asociados son luego iterativamente comparadas con los valores de prueba de l'as respectivas variables y coeficientes asociados. Donde la comparación produce concordancia entre los valores de clomparación y los valores de prueba de las variables y sus cbeficientes asociados, los valores de prueba de la variable de las emisiones, asociada con los valores de prueba equiparados de las variables, son promediados y asignados como un valor predicho de la variable de las emisiones.

BREVE DESCRIPCION DE LAS FIGURAS En los dibujos que ilustran las modalidades de la presente invención: La figura 1 ilustra un diagrama de bloques general dé un sistema de monitoreo de emisiones de acuerdo con la presente invención; La figura 2 ilustra un diagrama de bloques de un sistema de cómputo de PEMS de acuerdo con una modalidad de la presente invención; La figura 3A muestra una estructura de archivo que describe los valores de una variable de proceso y los coeficientes asociados, de acuerdo con la presente invención; La figura 3B muestra una estructura de archivo de una tabla de datos maestra de acuerdo con la presente invención; La figura 4 ilustra un diagrama de flujo para la operación del sistema completo; La figura 5 ilustra una vista diagramática del sistema de modelación estadística, híbrido; La figura 6 ilustra una gráfica del tiempo de las emisiones contaminantes predichas versus efectivas en un caso dé prueba de un modelo predictivo generado de acuerdo con la presente invención; La figura 7 ilustra una gráfica de x-y de las emisiones contaminantes predichas versus efectivas en un caso de prueba de un modelo predictivo generado de acuerdo con la presente invención; La figura 8 ilustra una gráfica del tiempo de las diferencias entre las emisiones de contaminante predichas vérsus efectivas en un caso de prueba de un modelo predictivo g nerado de acuerdo con la presente invención; y La figura 9 ilustra una vista general del flujo de datos para el cumplimiento.

DESCRIPCION DETALLADA DE LA INVENCIÓN La figura 1 es un diagrama esquemático de un sistema 20 de acuerdo con la presente invención para el monitoreo, predicción y control de las variables del proceso del sistema, y las emisiones, en uno o más procesos continuos o, por lotes y/o fuentes de emisiones. El sistema mostrado en I la figura 1 está configurado para el monitoreo centralizado y el manejo de las múltiples fuentes del proceso o las emisiones. Con referencia a la figura 1, la o las fuentes de emisiones 101 (a) - ( c ) corren cada una en un proceso continuo o por lotes que utiliza materias primas (por ejemplo, carbón mineral o petróleo) para producir una salida mensurable (energia u otros productos). Las fuentes de emisión 101 (a) - (c) pueden tomar cualquier formar, incluyendo motores diesel de movimiento alternante, motores de gas de movimiento alternante, turbinas de gas, turbinas de vapor, calderas de paquete, calderas de calor de desecho, generadores basados en energia solar, generadores basados en el viento, generados basados en celdas de combustible, o cualesquiera otros dispositivos que sean capaces de transformar cualquier forma de energia potencial en electricidad, mientras que expiden emisiones contaminantes 102 a la atmósfera, a través de una o más pilas o conductos correspondientes 103a-c. En la figura 1, la fuente de emisiones 101a y los elementos asociados en la figura 20 son mostrados encerrados en un recuadro A para indicar que estos componentes están localizados en el sitio en una instalación de generación de energia u otra instalación. Los elementos del sistema 20 fuera del recuadro A pueden estar situados en sitios cercanos o remotos con respecto a la fuente de emisiones 101a, y pueden ser configurados a interconectarse con una computadora 107 de PEMS (como se describe más adelante) localizada en el sitio próxima al sitio de emisiones 101a. Alternativamente, la computadora 107 de PEMS puede estar localizada remotamente de cualquiera de las fuentes de emisiones 101a, 101c. El sistema 20 también utiliza un método novedoso para predecir los valores de las variables de proceso y las emisiones, con base en los valores históricos de las variables de procesos y las emisiones. El método puede ser utilizado para generar un modelo predictivo implementado por computadora para predecir los valores de las variables del proceso del sistema y/o las variables de las emisiones. El método para predecir los valores de las variables de proceso y¡ las emisiones puede ser implementado manualmente.

Alternativamente, cualesquiera o todos los pasos relacionados i a i la predicción de los valores de las variables y cualesquiera todos los pasos relacionados a la generación del modelo, pueden ser implementados por o con la ayuda de uno o más dispositivos de cómputo. Los datos de procesos y de las emisiones, utilizados para generar el modelo predictivo, pueden ser adquiridos en cualquiera de las diversas formas. En la modalidad mostrada en la figura 1, los datos de los parámetros de proceso (por ejemplo valores de temperatura o presión) con relación a una fuente de emisiones 101a son medidos por un sistema 105a de control de proceso, asociado. Además del sistema de control de proceso 105a o como una alternativa al sistema de control de proceso, los datos de proceso o las porciones especificas de los mismos, pueden ser obtenidas por dispositivos de medición discretos 199 colocados en diversos sitios a lo largo de la corriente de proceso. El sistema 105a de control de proceso o los dispositivos 199 de medición discretos pueden medir parámetros de proceso tales como la temperatura, la presión, la diferencial de presión y el flujo de masa. Se entiende que las variables de proceso efectivas medidas por los dispositivos de medición, dependerán del proceso en cuestión. j En la modalidad mostrada en la figura 1, los datos de las emisiones son medidos por un sistema asociado de monitoreo continuo de emisiones (CEMS), en general designado 198a, el cual está acoplado a la fuente de emisiones. Los elementos y las capacidades de los sistemas CEMS existentes s'on bien conocidos, y no serán discutidos con mayor detalle en la presente. Típicamente, el sistema CEM 198a extrae o recibe muestras de emisiones desde una fuente de emisiones asociadas 101a y analiza las muestras para los componentes constituyentes. Con base en el análisis de tales componentes, la información puede ser obtenida respecto al proceso que genera las emisiones. Una vez que es conocida esta información, diversos parámetros del proceso pueden ser ajustados o modificados con el fin de optimizar el proceso y/o modificar las emisiones generadas. Además del sistema 198a de CEM de proceso, o como una alternativa al sistema 198a de CEM, los datos de las emisiones o las porciones especificas de los mismos, pueden ser obtenidos utilizando dispositivos de medición discretos 199a, colocados en diversos sitios dentro o alrededor de la fuente de emisiones. Dependiendo del proceso en cuestión, el sistema CEM 198a o los dispositivos de medición discretos 199a pueden medir las características de las emisiones tales como los óxidos de nitrógeno, óxidos de carbono, combustible nó quemado en la corriente de emisiones, el volumen de la emisión, el calor de la emisión, el ruido de la emisión, etc.

¡ Se entiende que las variables de emisiones activas medidas por los dispositivos de medición dependerán del proceso en cuestión. Los dispositivos y sistemas para medir las emisiones gaseosas son comercialmente disponibles de cualquiera de una variedad de fuentes, por ejemplo, Horiba Instruments, Inc., de Irvine, CA. También, la instrumentación de los dispositivos de medición que van a ser utilizados en la recolección de datos para el uso en la generación del modelo predictivo, pueden ser sometidos a controles de i calidad de conformidad a los requerimientos regulatorios locales y cualesquiera programas de aseguramiento de la calidad en el sitio. i : Con referencia nuevamente a la figura 1, una o más estaciones 111 administradoras en el sitio y una o más estaciones operadoras 110 en el sitio están conectadas a los elementos del sistema 20 para hacer posible una variedad de funciones operacionales y relacionadas al mantenimiento, incluyendo el monitoreo en tiempo real de las variables de proceso, y las emisiones, el monitoreo de la actividad de control de calidad, la configuración del sistema, la generación de comando de control de proceso, la respuesta a las alarmas del sistema, el análisis de los datos de proceso y> las emisiones, y cualquiera de una variedad de funciones adicionales. También, estas mismas funciones pueden ser realizadas remotamente via una computadora portátil (laptop) otro dispositivo de interconexión con el sistema, adecuado. Una terminal remota 150 puede acceder al sistema 20 sobre una conexión de Internet 149, y una conexión inalámbrica puede hacer posible el acceso por otra terminal remota 160.

Los pasos descritos en la presente relacionados a la generación del modelo predictivo de la presente invención pueden ser ejecutados manualmente. No obstante, para implementar en gran medida la velocidad, la eficiencia y la flexibilidad con la cual el modelo predictivo es generado, probado y utilizado, y facilitar el uso de la información generada por el modelo para una variedad de propósitos, la i generación del modelo predictivo y las funciones esperadas, tales como la adquisición de datos del proceso y las I emisiones, pueden ser implementados por uno o más elementos de software o de la computadora, diseñados para coordinar y ejecutar la función especifica relacionadas a la generación, prueba y empleo del modelo predictivo. Con referencia nuevamente a la figura 1, en la implementación del método asistido por computadora, los datos históricos del proceso y las emisiones son obtenidos y al final transferidos a un sistema de cómputo de PEMS, en general designados 200, donde son realizadas las operaciones sobre los datos obtenidos, y donde es generado e implementado e¡L modelo predictivo. Una red de área local alámbrica o inalámbrica (LAN) 109 conecta el sistema de cómputo 200 de PEMS con los sistemas 198 y 105 de monitoreo del proceso y de las emisiones, con las estaciones de trabajo 110 del operador, con las estaciones de trabajo 111 del supervisor, y con cualesquiera otros elementos del sistema 20 como se desee. El sistema de cómputo 200 de PEMS puede ser conectado al sistema 105 de control de proceso, a los dispositivos de medición discretos 199, y el sistema de CEM 198 para recibir datos del proceso y de las emisiones via una o más compuertas Q entradas seriales, via una interconexión periférica serial (SPI), una interconexión de comunicaciones serial (SCI)', o via otra interconexión de comunicaciones, adecuada. La figura 2 muestra una vista más detallada de una modalidad del sistema de cómputo 200 de PEM. En la modalidad mostrada en las figuras 1 y 2, el sistema de cómputo 200 de P¡EMS incluye al menos una computadora personal o computadora i portátil 107 junto con una pantalla o estación de trabajo 110 y los dispositivos de interconexión con el usuario, i adecuados, por ejemplo, un teclado y un ratón. El sistema de cómputo 200 de PEMS está localizado en el sitio en la o las fuentes de emisiones. El modelo predictivo de PEMS es típicamente generado por y corre localmente sobre un dispositivo de cómputo simple 107 que proporciona datos de procesos medidos, datos medidos de las emisiones, valores de las variables de emisiones predichas, y una variedad de otras informaciones hacia la estación de trabajo 110 y hacia las otras diversas estaciones de trabajo locales y remotas, previamente descritas. j En la modalidad mostrada en las figuras 1 y 2, los elementos de software o los elementos que comprenden el sistema de PEM de la presente invención residen en el dispositivo de cómputo 107 en general designado en el dispositivo de cómputo de PEMS. En general, el dispositivo de cómputo 107 incluye un procesador que tiene una velocidad de 133 MHz o más, al menos 512 MB de RAM y, preferentemente, un disco duro tolerante a las fallas. Los ejemplos de dispositivos de cómputo adecuados incluyen una computadora personal (PC), una computadora portátil (laptop), una estación de trabajo de ingeniería, y un servidor que se interconecta con los dispositivos de cómputo del cliente localizados en el sitio o remotamente. Como se utiliza en la pjresente, el término "dispositivo de cómputo de PEMS" se refiere a cualquier dispositivo de cómputo sobre el cual resida cualquier utilidad o elemento del software del sistema dé PEM. En la modalidad mostrada en la figura 2, el dispositivo de cómputo 107 de PEMS contiene una utilidad 301 de adquisición de datos, una aplicación 302 de base de datos de relación, una utilidad 303 de generación de alarma, una I utilidad 304 de generación de reportes, una utilidad 305 de licencia, un software ODBC o los accionadores 306, y uno o más archivos 307 de base de datos local. Con referencia a la figura 1, si los datos del I proceso o las emisiones requieren pre-procesamiento (por ejemplo, conversión de analógico a digital) antes del envió al dispositivo de cómputo 107, el hardware y/o software de procesamiento adecuados pueden ser incorporados en el sistema 105 de control de proceso, dentro del dispositivo de cómputo 107, o en las trayectorias de datos entre los diversos dispositivos de adquisición de datos y el dispositivo de cómputo 107. En la modalidad mostrada en la figura 1, un convertidor 197a de analógico a digital (A/D) de canales múltiples, es incorporado a lo largo de la trayectoria de datos entre el controlador 105a y el dispositivo de cómputo 1'07 de PEMS para convertir valores analógicos de los parámetros de proceso a valores digitales utilizables por el s¡istema de cómputo. Preferentemente, el convertidor A/D de 197a tiene una resolución relativamente alta (20-24 bitios o m'ayor) y es utilizado para mejorar la proporción de señal a rµido de las mediciones analíticas subyacentes. La proporción de señal a ruido puede ser medida en linea y automáticamente optimizada por el ajuste de los parámetros de filtro digital ya sea en el ajuste inicial, durante la auto-calibración, o continuamente en linea. Alternativamente, un portal o entrada A/D instalado en el dispositivo de cómputo 107 de PEMS puede convertir los valores analógicos recibidos por el dispositivo 107 a representaciones digitales de los valores de datos analógicos medidos. El hardware y el software para el pre-procesamiento adecuado de tales datos y lá conversión de los formatos de datos son conocidos para aquellos expertos en la técnica y son fácilmente disponibles.

\ Se entiende que los sistemas 198 de CEM y/o cualesquiera dispositivos de medición discretos empleados en el sistema 20, pueden ser configurados para interconectarse con cualquier otro elemento del sistema 20 como se requiera. Además, cualesquiera operaciones o pasos realizados por un usuario pueden ser realizados ya sea en el sitio o r motamente via una terminal remota, y una interconexión de comunicaciones adecuada. La interconexión entre los eJementos del sistema 20, y el acceso en el sitio y local a los elementos del sistema 20, pueden ser proporcionados via a cualquier interconexión de comunicaciones adecuada, por ejemplo, una LAN alámbrica, una LAN inalámbrica, o el cableado directo entre los elementos del sistema. También, eJ acceso remoto al sistema 20 y a los elementos individuales del sistema de monitoreo y control de proceso pueden ser obtenidos utilizando cualquiera de los diversos medios, por ejemplo, la conectividad a internet, a través de una red de i área amplia, o a través de una interconexión inalámbrica. Se entiende que cualesquiera o todos los elementos de software o todos los elementos que comprendan el sistema PEM de la presente invención pueden ser distribuidos entre diversos dispositivos de cómputo 180 interconectados en el sitio o remotamente localizados, dependiendo de las necesidades de un usuario o aplicación particular. Se eptiende también que un dispositivo de cómputo 107 de PEMS, simple, puede ser acoplado a múltiples fuentes de emisiones con el fin de monitorizar cada fuente y proporcionar emisiones predictivas y datos de cumplimiento para cada fuente . Aquellos expertos en la técnica reconocerán que la adquisición de datos distribuida, el monitoreo y el sistema de control ilustrados en la figura 1, facilitan la adquisición de datos de proceso y de las emisiones y comunicación de los datos a diversas fuentes de cómputo Qompartidas y dispositivos de interconexión con el usuario.

L,a estructura del usuario mostrada también facilita la realización de funciones tales como el monitoreo en el sitio y/o remoto de los parámetros del proceso y de las emisiones, el cálculo de los valores predichos de las emisiones, la emisión de comandos de control, y la generación de reportes o alarmas (si se requiere) . Para predecir las emisiones que serán generadas por las fuentes de emisiones lOla-lOlc para un grupo dado de parámetros del proceso, el sistema 20 utiliza un modelo predictivo incorporado en un sistema de monitoreo predictivo de emisiones (PEMS) . El modelo predictivo de la presente invención es generado utilizando los datos de proceso y de las emisiones, efectivos, recolectados durante la operación normal de la fuente de emisiones en un periodo de tiempo predeterminado. Más especificamente, el sistema PEM utiliza los datos históricos recolectados durante la operación normal sjobre un periodo de tiempo predeterminado, como parte de un I grupo datos de entrenamiento para generar un modelo empírico, para el uso en la predicción de los valores de las variables del proceso (por ejemplo, en ausencia de datos de proceso debido a un sensor fallido u otra causa) y las variables de las emisiones. La precisión de las variables resultantes es dependiente en gran medida de intervalo y la calidad del grupo de datos de entrenamiento. La figura 4 es un diagrama de flujo de proceso que muestra los pasos relacionados a la generación del modelo predictivo. Antes de la generación del modelo predictivo, lbs datos de proceso son recolectados en el paso 425 y los datos de las emisiones son recolectados en el paso 426 durante la operación normal del sistema. Los datos de proceso y de las emisiones son utilizados en la generación de un grupo de datos de entrenamiento, históricos, para el modelo predictivo. Como se utiliza en la presente, el término "datos de proceso" se refiere a cualesquiera valores medidos de las variables (tales como temperatura, presión, velocidad de flujo volumétrico o de masa, etc.) relacionadas a un proceso dado. Similarmente, el término "datos de las emisiones" se refiere a cualesquiera valores medidos de las variables (tales como las concentraciones de los gases especificados) relacionadas a las emisiones resultantes de un proceso asociado. Este primer grupo de datos del proceso y de las emisiones proporciona los valores de datos de prueba de las variables del proceso y de las emisiones, para el uso en la generación del modelo predictivo. Con referencia a las figuras 1 y 4, los datos de las variables del proceso (por ejemplo, valores de temperatura o presión) relacionados a una fuente de emisiones 101 dada, son recolectadas por el sistema 105 de control de proceso y/o por los dispositivos 199 de medición discreta, operativamente acoplados a la corriente de proceso. El sistema 105 de control del proceso, los dispositivos 199 de medición discreta y el sistema 198 de CEM pueden ser activamente escudriñados para datos en tiempo real o una petición generada manualmente o automatizada puede ser enviada por un nodo de acceso del sistema, en el sitio remoto (por ejemplo, la terminal 110 del operador) para proporcionar datos paramétricos del proceso en tiempo real. Similarmente, los datos de las emisiones son recolectados por el sistema 198 de CEM y/o por los dispositivos 199 de medición discreta colocados en diversos sitios dentro o alrededor de la o las fuentes de emisiones. Los datos del proceso y de las emisiones son recolectados en un periodo de tiempo predeterminado y son caracterizados de acuerdo a características tales como el tipo de datos (por ejemplo, temperatura, presión) la fuente de los datos por ejemplo, el dispositivo operativo de campo particular a partir del cual se recibieron los datos), y los valores minimo y máximo desde una fuente dada. Los datos de proceso y los datos de las emisiones recolectados son luego pre-procesados en el paso 426a, si se requiere. Por ejemplo, puede ser necesario convertir los datos analógicos proporcionados por los instrumentos de medición a datos digitales manipulables por los dispositivos de cómputo digitales, si los métodos de aseguramiento de la calidad de datos y/u otras operaciones van a ser realizadas sobre los datos, son asistidos por computadora. Los valores de datos son medidos a un intervalo de muestreo base (BSl) que es determinado de acuerdo a un tiempo i de respuesta conocido de una variable de emisiones a un c'ambio en una variable de proceso. Una cantidad finita de tiempo es requerida para un cambio en el proceso para afectar las emisiones. Para procesos que producen emisiones gaseosas, la longitud de este periodo de tiempo, depende en general de factores tales como la trayectoria del gas de escape y la localización del muestreo. Para la mayoría de los procesos industriales, es requerido al menos un minuto p¿ra un cambio en una variable del proceso, para cambiar las emisiones como se midieron. Para la mayoría de las calderas o, calentadores, por ejemplo, el BSl es ajustado aproximadamente a un minuto. Para turbinas de gas, el BSl puede estar en el intervalo de cualquier sitio desde aproximadamente un minuto (en unidades grandes) hasta 10 segundos o menos (para unidades más pequeñas). Para algunos procesos industriales de alta velocidad tales como la soldadura por arco, el BSl puede ser ajustado por debajo de un segundo. Cada valor de dato medido es dirigido y marcado para fines de referencia. En una implementación asistida por computadora del método, los datos marcados son luego incorporados en uno o más registros en una base de datos de relación. ; Con referencia a las figuras 1 y 2, en una implementación asistida por computadora del método, los datos de proceso y de las emisiones provenientes del sistema 198a de CEM y/o los instrumentos 199a de medición discreta son recibidos por un elemento 301 de adquisición de datos que reside en el dispositivo de cómputo 107 de PEMS. El elemento 301 de adquisición de datos está configurado para buscar y para hacer posible la búsqueda del sistema 198a de CEM y/o los dispositivos 199a de medición discreta para los datos asociados del proceso de las emisiones. El elemento 301 de adquisición de datos puede ser configurado por un usuario a una variedad de modos operacionales. Por ejemplo, el elemento 301 puede ser programado para buscar el sistema CEM 198a o los dispositivos de medición 199a después del arranque o la activación del sistema PEM, después de la recepción de un comando proveniente de un usuario en el dispositivo de cómputo 107 de PEM, o automáticamente en una base regular a intervalos predeterminados. En otros modos de operación, el elemento 301 puede recibir los datos de proceso y/o de las emisiones enviado automáticamente a intervalos predeterminados por el sistema 198a de CEM o los dispositivos 199a, o en respuesta a una búsqueda iniciada desde un usuario ein un dispositivo de cómputo remoto. Otros modos de operación y eventos que dan como resultado la transmisión y la recepción de datos de proceso y de las emisiones, son también encontrados. ! En el paso 426a, los datos de proceso de emisiones medidos son también estructurados en uno o más registros en u¡na base de datos de relación, que define una base de datos btutos. La recopilación y organización de los datos puede ser lograda por una porción de la aplicación PEMS, o la recopilación de la organización puede ser lograda utilizando otra aplicación comercialmente disponible, tal como ACCESS de Microsoft®, dBAseMR, DB2, un programa de hoja de cálculo estándar, tal como Excel de Microsoft®, u otra plataforma de base de datos adecuada. No obstante, cualquier plataforma de base de datos utilizada para estructurar los datos obtenidos es preferentemente accesible utilizando las declaraciones de programación de Conectividad de Base de Datos Abierta (ODBC, por sus siglas en inglés) o utilizando las declaraciones de programación que se conforman a un estándar comparable que permite la búsqueda de la base de datos utilizando las peticiones de Lenguaje de Búsqueda Estructurada (SQL, por sus siglas en inglés) . ¡ En las modalidades implementadas por computadora, discutidas en la presente, la interacción entre la o las bases de datos de relación de la presente invención y la interacción entre un usuario y las bases de datos es conducida utilizando las peticiones de Lenguaje de Búsqueda I Estructurada (SQL). Estas peticiones pueden, por ejemplo, pueden ser formuladas como se requiera, previamente estructuradas en segmentos de programación SQL, o pueden ser previamente incrustadas en programas de aplicaciones u otros plrogramas . Como es conocido en la técnica, las peticiones SQL sbn procesadas por el sistema de manejo de bases de datos (DBMS, por sus siglas en inglés), que recibe elementos de datos requeridos a partir de las bases de datos de relación y envia los datos a la entidad que hace la petición, por ejemplo, un operador humano localizado en un punto de acceso en el sitio o remoto. El almacenamiento en los datos de i proceso y de las emisiones y la información asociada con los datos en la o las bases de datos de relación, y el uso de las declaraciones SQL para interactuar con la o las bases de datos, le proporciona a los operadores u otros usuarios del sistema velocidad y flexibilidad enormes con respecto al acceso y a la manipulación de los datos almacenados. Por ejemplo, un usuario puede definir la organización de los datos, determinar la relación entre los elementos de los datos, conducir búsquedas para elementos de datos que cumplan los criterios definidos por el usuario y modificar dinámicamente la base de datos por el reacomodo de los elementos, adición de elemento, retiro de elementos, y cambio de los valores de los elementos de datos existentes. La interacción entre la o las bases de datos de relación de la presente invención puede ser también conducida utilizando las declaraciones SQL dinámicas, que facilitan la generación automática de búsquedas. Tales declaraciones pueden ser introducidas por un usuario o programador, o pueden ser generadas por un programa. 1 En la modalidad descrita en la presente, el dispositivo de cómputo 107 de PEMS se interconecta con el i sistema 105a de control de proceso, los dispositivos 199a de medición discreta, y otros elementos del sistema 20 via un grupo de interconexiones estándares de datos conocidas como la Conectividad de Base de Datos Objetivo (ODBC) . Como es conocido en la técnica, ODBC traduce una petición SQL en una petición que el sistema de base de datos entienda, con lo cual hace posible que la base de datos sea accedida sin conocer la interconexión de propietario de una aplicación dada de base de datos. La ODBC u otro software de interconexión y los accionadores asociados para acceder a la aplicación de archivos de datos de proceso y de emisiones, son incorporados en el dispositivo de cómputo sobre el cual se almacena la base de datos y en cualesquiera dispositivos de cómputos remotos a través de cuya base de datos puede ser requerido el acceso. , Corrientes de datos separadas provenientes de diferentes dispositivos de monitoreo de proceso o de las emisiones, pueden ser introducidas en diferentes aplicaciones dß bases de datos, dependiendo de factores tales como el ejguipo que se utilice y las localizaciones geográficas de las fuentes de emisiones. Preferentemente, un tipo simple de plataforma de datos es utilizado para almacenar los datos de proceso de las emisiones para cada fuente de emisiones. Alternativamente, los datos brutos pueden ser retenidos en memoria en uno de los diversos formatos de archivo alternativos para la manipulación adicional antes de la incorporación a una base de datos. El formateo de los datos es en general emprendido (en conjunto con la aplicación de base de datos elegida) por el elemento de adquisición de datos del software, pero puede ser alternativamente logrado por otra porción más del programa de PEMS si asi se desea. Regresando a la figura 4, en el paso 427, los datos dé las emisiones y los datos del proceso son correlacionados én el tiempo tal que existe un registro para todos los valores de cada variable para cada intervalo de muestreo de base. Esto proporciona un cuadro de referencia temporal común para todos los valores de datos medidos. En el paso 427a, los datos brutos provenientes del sistema 198 de CEM y/o los dispositivos de medición 199 son asegurados en calidad por 40 CFR Parte 60, Apéndice A, incorporada por referencia en la presente. Los datos pueden ser asegurados en calidad ya sea manualmente o utilizando métodos automatizados. Los valores de datos, medidos durante un periodo de calibración son reemplazados con datos del proceso a partir de los registros circunvecinos (si es apropiado) o marcados con bandera para la eliminación del grupo de datos. Los datos que serán retenidos para el i análisis posterior son ajustados para la desviación y el d splazamiento . ' En el paso 428, los datos brutos son ajustados para concordar con la sincronización del intervalo de muestreo de base. , En el paso 429, todos los datos de calibración (datos obtenidos y utilizados para calibrar los dispositivos dé campo 104), los datos de mantenimiento (datos obtenidos durante el periodo de mantenimiento de la fuente de emisiones o Jos procedimientos), y los datos no operativos (tales como los datos obtenidos cuando la fuente de emisiones está fuera de linea) son eliminados. En los pasos 430 y 431, los datos son analizados de acuerdo con los procedimientos descritos en 40 CFR partes 60 y 75, incorporada por referencia en la presente. Los ajustes en la calibración son realizados y los erróneos o no válidos son de otro modo eliminados. Como se estableció previamente, los pasos para generar el modelo predictivo de la presente invención pueden s r ejecutados manualmente. No obstante, para incrementar en giran medida la velocidad, la eficiencia, y la flexibilidad, con lo cual el modelo preditivo es generado, probado y utilizado, y para facilitar el uso de la información generada ppr el modelo para una variedad de propósitos, la generación y el modelo predictivo asi como las funciones esperadas tales cbmo la adquisición de datos de proceso y emisiones puede ser implementada por uno o más elementos del software de computadora diseñados para coordinar y ejecutar las funciones especificadas relacionadas a la generación, prueba y empleo del modelo predictivo. ' Para simplificación, lo siguiente describe la generación y operación del modelo predictivo para un proceso simple o la fuente de emisiones. Se entenderá que la metodología descrita en la presente, puede ser repetida para c da proceso o fuente de emisiones que va a ser monitorizada y, controlada. El método híbrido estadístico utiliza operaciones estadísticas estándares sobre el grupo de datos I de entrenamiento históricos (promedio, correlación, i desviación estándar, confianza y varianza) junto con un grupo i fijo de coeficientes de sintonización que son más típicamente encontrados en los modelos predictivos estadísticos no i lineales y otros modelos empíricos avanzados. El método Híbrido resultante utiliza las estructuras de procesamiento i de datos SQL estadísticas, integrales y los coeficientes de sintonización híbridos para transformar el vector de proceso a'Ctual contra el grupo de datos de entrenamiento histórico y para encontrar valores predichos. Un método para derivar valores óptimos de los coeficientes de sintonización híbridos ai partir del grupo de datos de entrenamientos históricos, es proporcionado en la presente y puede ser utilizado para construir automáticamente un modelo híbrido estadístico en la mbdalidad descrita en la presente. I Con referencia nuevamente a la figura 4, en el paso 432, un vector de cambio o valor delta es calculado a partir de cada par de los valores de prueba medidos sucesivos en el tiempo de cada variable en el proceso. Como se utiliza en la presente, el término "sucesivo en el tiempo", como es aplicado a los valores de datos medidos, se entiende que significa un primer valor medido y otro valor medido que es m dido en un punto más cercano en el tiempo al primer valor, ya sea antes o después de la medición del primer valor. Para cada valor actual de la variable de proceso, el vector de cambio es generado al sustraer el último valor de la variable del proceso del valor actual de la variable del proceso. Por ejemplo, el valor del cambio vc para dos mediciones sucesivas de un parámetro de temperatura T seria igual a la Tt - T(t-?t) ('por ejemplo, la temperatura al tiempo T al cual se realizó una primera medición de temperatura, menos la temperatura al tiempo t-?t cuando fue tomada la medición de temperatura previa). El vector de cambio representa el cambio en una variable dada del proceso sobre el intervalo de muestreo. Una vez calculados, los valores calculados del vector de cambio pueden ser agregados a un campo de datos adicionales en el archivo de datos para la variable del proceso. Alternativamente, los valores del vector de cambio pueden ser almacenados en otro registro en la base de datos de relación. ; En el paso 433, utilizando declaraciones SQL adecuadamente formuladas, un valor para el TSLU es luego calculado para cada valor medido correspondiente de la i variable del proceso. El TSLU es un número arbitrario que r presenta en su forma más simple, el Tiempo desde el Último Trastorno de un estado operativo del proceso. Esta modalidad más simple es un número entero que representa el tiempo desde que fue registrado el último trastorno del proceso en minutos. Un modelo dado puede utilizar múltiples valores de TSLU para delinear en modos operativos distintos. Otro ejemplo más seria si una unidad tuviera seis distintos modos operativos, entonces TSLU podria ser luego 1 a 6. Alternativamente, el TSLU puede ser definido como 1000 a 1999 para el modo 1, 2000 a 2999 para el modo 2, etc., con los primeros dígitos (miles) que representan el modo de operación y los siguientes tres dígitos que representan el tiempo desde él último trastorno en el modo operativo como se definió previamente. El TSLU permite que el modelo prediga las emisiones con variabilidad especifica de modo y temporal, un avance sobre los modelos estadísticos previos (lineales y no lineales) . Si el TSLU es medido en unidades del intervalo de muestreo, por ejemplo, con un intervalo de muestreo de un minuto, un TSLU de 3 indicarla un cambio de proceso en el pasado igual a tres veces el intervalo de muestreo en el cual fue muestreada la variable del proceso, para proporcionar datos de prueba o hace tres minutos. En casos donde todos Íps valores medidos de la variable del proceso, sean menores que la tolerancia inicial correspondiente para el valor m dido, los TSLU son ajustados a 0. En esta condición, la unidad está fuera de linea, para cada valor de la variable de proceso, el tiempo desde el último trastorno es reajustado a l! -si el cambio en la variable del proceso (a partir del valor m dido previo de la variable del proceso del valor medido aétual) es mayor que la tolerancia inicial. Si no existe dambio en el valor medido mayor que o igual a la tolerancia i inicial, el tiempo desde el último trastorno es incrementado por la adición de un intervalo de muestreo al valor previo del TSLU. A este respecto, el TSLU es una variable indicadora que proporciona un total de la corrida del número de intervalos de muestreo que ha transcurrido desde la aparición de un cambio en la variable del proceso que excedió la tolerancia inicial para esa variable del proceso. Los valores sucesivos del TSLU son agregados a un campo en el archivo de datos para la variable del proceso. La incorporación y el pre-procesamiento del grupo de datos de entrenamiento históricos está ahora completa. I Con referencia a las figuras 3B y 4, en el paso 434, la versión actual del grupo de datos, que incluye los dktos del proceso y de transmisiones, los cambios para cada vector de proceso, y el tiempo desde que es importado el último trastorno hacia la base de datos de relación como una tabla de datos maestra. La figura 3B muestra un ejemplo de una estructura de datos ejemplificada en la tabla de datos maestra. La estructura de datos incluye uno o más elementos de datos que identifican un valor de dato de proceso o de emisiones, asociada, el valor de dato mismo y los valores asociados de los diversos coeficientes (TSLU, delta, etc.) previamente descritos. Otra información relacionada a la variable de proceso o de emisiones o a un valor particular de la variable, puede ser incorporada dentro de la estructura de archivo, como se requiera. i En el paso 435, esta versión del grupo de datos de ntrenamiento, histórico es luego puesto en producción y asignado con un número de serie que representa el número de registros en la tabla de grupo de datos de entrenamiento y la fecha y la hora de la terminación de la importación del grupo de datos para el uso en el monitoreo de cumplimiento. En el paso 436, el factor de correlación es calculado para proporcionar una indicación cuantitativa de una correlación entre la variable emisiones que va a ser calculada y la variable de proceso asociado. En una modalidad, el factor de correlación es un coeficiente de c'orrelación lineal. Como es conocido en la técnica, el coeficiente de correlación es un valor entre -1 y 1 que indica la cercanía entre la relación entre dos variables a uha relación lineal. Entre más cercano esté a cero el coeficiente de correlación, menos probabilidad existe que sea una relación lineal entre las dos variables. De manera contraria, donde el coeficiente de correlación es cercano a 1, existe una fuerte correlación lineal entre las dos variables. El método de la presente invención se enfoca a la fuerza relativa de la correlación entre las variables, en vez dé si la correlación entre las variables es positiva o negativa. De este modo, el valor absoluto del coeficiente de correlación es utilizado en el presente método para evaluar la fuerza de la correlación. Los métodos para calcular el coeficiente de correlación utilizando un grupo de valores para cada variable, son bien conocidos. Además, cada variable, es proporcionada con un valor de tolerancia inicial que es almacenado en el archivo dé configuración con el ajuste del modelo. Un valor o tolerancia es derivado para cada variable e introducida a partir de los datos históricos contenidos en el grupo de datos de entrenamiento, mediante el uso de una función estadística estándar (por ejemplo, la desviación estándar) y elevando de escala a la variable en cuestión relacionada al resto de las variables introducidas. La tolerancia para cada variable introducida representa una proporción de señal a ruido para el grupo de datos de entrenamiento, históricos, dados, y es calculado tal que un cambio en el valor de la variable introducida, igual o mayor a la tolerancia, es significativo (no solo una variación incidental representada por las fluctuaciones aleatorias en la medición) . En el paso 437, la desviación estándar para cada variable de proceso es calculada y una tolerancia para cada variable del proceso es ajustada a un valor de un décimo de la variación estándar. Es valor (0.10) es llamado el parámetro de configuración global inicial y puede ser ajustado manualmente o automáticamente por el sistema para elevar al máximo la precisión y la flexibilidad a la falla introducida. Alternativamente, en casos donde los datos de la variabilidad del proceso estén disponibles para un periodo de operaciones normales incluyendo el arranque y el paro del proceso, la desviación estándar es computada para los valores medidos de la variable del proceso sobre el ciclo de medición, y una tolerancia inicial para la variable del proceso es ajustada a aproximadamente a un medio de la desviación estándar. En casos donde el dato de la variable del proceso no esté disponible para tal periodo de operaciones normales, la tolerancia inicial para la variable del proceso es ajustada a aproximadamente a 2.5% del intervalo (máximo-minimo) de los i valores medidos de la variable del proceso. Numerosos métodos para calcular las tolerancias iniciales son cbntemplados, y un ajuste de tolerancia óptimo puede ser calculado automáticamente con base en el grupo de datos de entrenamiento históricos. : El incremento del número de puntos de datos para una variable en el grupo de datos de entrenamiento (por ejemplo, al disminuir el intervalo de muestreo o al tomar más muestras de datos en un periodo total de tiempo prolongado) permite que el valor del parámetro de configuración global correspondiente sea disminuido, dando como resultado precisión incrementada del modelo. No obstante, existe un trueque o intercambio cuando se estructuran las declaraciones SQL para el modelo predictivo ya que entre mayor sea el número de puntos de datos para un parámetro, en el grupo de datos de entrenamiento y entre menor sea el valor del parámetro de configuración global correspondiente, son requeridos más recursos del sistema para procesar los datos a un intervalo de muestreo base dado. En el paso 438, después de la recolección de los datos que comprenden el grupo de datos de entrenamiento históricos, las herramientas estadísticas estándares son utilizadas para analizar las relaciones entre las variables del proceso y la o las variables de emisiones que van a ser p'redichas. Las variables y los cambios de variables son c'ategorizados en grupos con base en la correlación estadística de las variables del proceso a la variable de emisión que se busca predecir. Las variables del proceso son clasificadas en una de las siguientes categorías: Variables de carga (LV) - Una variable de carga es una variable que es independiente del estado del proceso y que cambia fundamentalmente el perfil de operación de la fuente de emisiones cuando la variable experimenta un cambio dfe valor igual a o mayor que una tolerancia asignada a la variable. Las variables de carga son ajustadas por el operador de acuerdo a la demanda de carga sobre la fuente de emisiones. Las variables de carga típicamente cambian dentro del 10% superior de las variables del proceso que tienen un doeficiente de correlación mayor de 0.50 con respecto a la variable de emisión que va a ser predicha. Las variables de carga son siempre utilizadas en la generación del modelo predictivo, pero no son necesarias para el reporte del cumplimiento regulatorio. Variables de carga criticas (CLV) - Una variable de carga critica es una variable que es ya sea critica para plredecir el valor de la variable deseada, o critica para requerimientos de reporte de cumplimiento para la fuente de emisiones. Las variables de cargas criticas son siempre utilizadas en la generación del modelo o son siempre necesarias para reportes de cumplimiento regulatorios. Las v'ariables de carga critica también caen típicamente dentro del 10% superior de las variables del proceso que tienen un cpeficiente de correlación mayor de 0.50 con respecto a la variable de emisión que va a ser predicha. Variables de criterio (CV) - Las variables de criterios tienen correlación significativa (con relación a las variables de entrada) al valor predicho de la variable d seada. Las variables de criterios caen típicamente entre el 10% superior y el 33% superior de las variables de proceso que tienen un coeficiente mayor de 0.50 con respecto a la emisión u otra variable que va a ser predicha. Las variables dé criterio son utilizadas frecuentemente en la generación d l modelo, pero no son criticas para predecir el valor de la variable de emisiones. ¡ Variables no de Criterio (NVC) - Las variables de proceso no de criterio son aquellas variables que no muestran correlación discernible a la variable que va a ser predicha. ¿as variables no de criterio caen típicamente entre el 30% superior y el 50% superior de las variables del proceso que tienen un coeficiente de correlación mayor de 0.50 con respecto a la variable de emisión que va a ser predicha. Las variables no de criterio son algunas veces utilizadas en la generación del modelo predictivo, pero no son criticas para predecir el valor de la variable de emisiones. Las variables del proceso que tienen coeficientes ele correlación por debajo de 0.50 con respecto a la variable de emisión que va a ser predicha, no son utilizadas en la I generación del modelo predictivo. Cualesquiera variables calculadas (por ejemplo, eficiencia de la combustión) son categorizadas como variables restringidas. Estas variables son restringidas del almacenamiento en la base de datos histórica y son almacenadas en una base de datos de cumplimiento. En el paso 440, utilizando los datos obtenidos para el grupo de datos de entrenamiento históricos, el lenguaje de búsqueda estructurada (en el código de la fuente) para el modelo predictivo es desarrollado. Este puede ser realizado ya sea manualmente o automáticamente por el sistema utilizando los procedimientos y el software descritos anteriormente. En el paso 441, el modelo predictivo para la fuente de emisiones es ahora fijado y listo para la prueba. En el paso 442, un análisis de la Subparte E es realizado sobre el modelo predictivo como se describe en 40 CFR Parte 75, Subparte E, incorporada por referencia en la presente . En el paso 443, se determina si los resultados del análisis de la Subparte E son aceptables. En el paso 444, si s|on aceptables los resultados de los análisis de la Subparte E', el modelo predictivo es puesto en el modo de tiempo real. En el paso 445, el modelo es certificado para las regulaciones Federales antes de la utilización para fines de reporte de cumplimiento. i Con referencia ahora a la Figura 5, se ilustra un diagrama de bloques que muestra la operación del modelo predictivo conforme éste genera predicciones de emisiones o valores de las variables de proceso. El procedimiento será descrito para la generación de una predicción de una variable deseada de emisiones, con base en los valores medidos de las variables de proceso seleccionadas. No obstante, se entenderá que este procedimiento puede ser aplicado para predecir un valor de una variable de proceso dados los valores que ocurren simultáneamente de las otras variables del proceso y una o más variables de emisiones, asociadas. En el paso 546, se recolectan los nuevos datos del proceso en el intervalo de muestreo de base. Este grupo de datos proporciona valores de comparación de las variables, para comparación con los valores de prueba de las variables almacenadas en la tabla maestra de datos. Conforme son adquiridos los datos de proceso, éstos son evaluados para la validez y las variables de entrada son marcadas con bandera con los estados que reflejan el estado percibido de la entrada (como válida o inválida) . Los datos inválidos no son utilizados para comparación con el modelo, no obstante, otros datos y/o datos provenientes de otras variables de proceso pµeden proporcionar típicamente suficiente información para generar una predicción válida si uno o más de los dispositivos de adquisición de datos ha fallado y está proporcionando datos inválidos. i En los pasos 547 y 548 los valores de las variables determinadas durante la generación del modelo para ser las variables de carga y carga critica (y contenidas en la copia d producción de la tabla maestra de datos) son evaluadas para determinar si el modelo es válido para los modelos actuales de los datos de proceso. Los valores de estas v riables en el nuevo grupo de datos deben estar dentro de l s tolerancias calculadas y asociadas con estas variables de carga y critica en comparación a cada registro en el grupo de datos de entrenamiento histórico. Al menos un número minimo de nuevos modelos variables del grupo de datos y los valores de coeficientes asociados son requeridos para ser equiparados á los registros correspondientes en la tabla maestra de datos, dependiendo del régimen regulatorio del sistema de monitoreo de cumplimiento que va a ser desplegado. En el caso 549, son calculados los TSLU ' s para los valores de las variables de proceso recién adquiridos, como se describió previamente. ' En el paso 550, los vectores de cambio para el i ?uevo grupo de valores de variable de proceso son calculados, cpmo se describió previamente. En un ejemplo tipico de cómo puede ser utilizado el modelo predictivo, se desea generar un valor predictivo de uña variables de emisiones, deseada bajo ciertas condiciones dé proceso especificadas. El método de la presente invención identifica las variables de proceso clave que tienen el mayor impacto sobre el valor de la variable de emisiones deseada, y utiliza los valores de estas variables clave bajo las condiciones especificas de proceso como criterios de búsqueda para buscar la tabla maestra de datos para una concordancia. Es deseable generar el modelo predictivo con base en una eliminación secuencial de las variables menos criticas (por ejemplo, eliminando de los criterios de búsqueda, en el orden descendente, las variables de proceso que tienen el más bajo coeficiente de correlación) hasta que es encontrada una concordancia válida. De este modo, la consideración de cada variable de entrada podria ser reducida a la carga más significativa y las variables de cumplimiento criticas en sucesión, una a la vez. En una modalidad de la presente invención, las variables de proceso son agrupadas por significancia en carga, cumplimiento critico, criterios y variables no de criterio, como se describe anteriormente, que le permite al modelo predictivo iterar a través de declaraciones de SQL, limitando las llamadas a la base de datos a un máximo de 10 intentos. En otras aplicaciones, un número mayor o menor de intentos de búsqueda puede ser utilizado. Utilizando este sistema, las computadoras comunes, comercialmente disponibles (por ejemplo, cpmputadoras personales) poseen velocidad de procesador y capacidades de base de datos suficientes para generar predicciones válidas cada 10 segundos a un intervalo de muestreo base de 1 minuto. La solución más deseable descrita anteriormente podria iterar a través de cada variable generando potencialmente cientos de llamadas a la base de datos con cada intento. En el paso 551, la tabla maestra de datos es supervisada para los valores de datos que contienen una concordancia (dentro de las tolerancias asociadas) para cada uiia de las variables de carga y sus deltas asociadas y TSLU's, cada una de las variables de carga criticas y sus i deltas asociadas y TSLU's, cada una de las variables de Criterio y sus deltas asociadas y TSLU's, cada una de las variables no de criterio y sus deltas asociadas y TSLU's. La I tabla maestra puede ser supervisada en este paso y en los siguientes pasos utilizando una declaración de búsqueda I structurada a la tabla maestra de datos, que promueve la i información deseada. i En el paso 552, si la supervisión produce un resultado positivo (por ejemplo, es encontrada una concordancia), el valor de la variable de emisiones deseadas correspondiente al valor con concordancia de la variable de proceso es tomado como el valor predictivo de la variable de misiones para el proceso actual. Este valor puede ser enviado a un usuario o incorporado a una base de datos de cumplimiento para la generación de reportes u otros usos, (paso 571 ) . En el paso 553, si la primera búsqueda produce un resultado negativo (por ejemplo, no son encontradas concordancias), la búsqueda es repetida con las variables de carga y sus deltas asociadas y TSLU's, y las variables de criterio y sus deltas asociadas y TSLU's a la tolerancia inicial . En el paso 554, si son encontradas una o más concordancias, el valor de la variable de emisiones deseadas en la tabla maestra correspondiente a los valores de la variable de proceso con concordancia, es tomado como el valor predictivo de la variable de emisiones, como se describe anteriormente . En el paso 555, si la segunda búsqueda produce un resultado negativo, es generada una tercera búsqueda utilizando las variables de carga y sus deltas asociadas y TSLU's, y las variables de criterios y sus deltas asociadas y TSLU's al doble de la tolerancia inicial de las variables. En el paso 556, si es encontrada una concordancia, el valor predictivo de la variable de emisiones deseadas es asignado como se explicó anteriormente. En el paso 557, si la tercera búsqueda produce un I I resultado negativo, es generada una cuarta búsqueda uítilizando las variables de carga y sus deltas asociadas y TiSLU's, y las variables de criterio y sus deltas asociadas y TSLU's al triple de la tolerancia inicial. ; En el paso 558, si es encontrada una concordancia, el valor predictivo de la variable de emisiones deseadas es asignado como se explicó anteriormente. En el paso 559, si la cuarta búsqueda produce un resultado negativo, es generada una quinta búsqueda utilizando las variables de carga y sus TSLU's asociadas, y las variables de criterio y sus TSLU's asociadas a la tolerancia inicial.

En el paso 560, si es encontrada una concordancia, el valor predictivo de la variable de emisiones deseada es asignado como se explicó anteriormente. i En el paso 561, si la quinta búsqueda produce un resultado negativo, es generada una sexta búsqueda utilizando las variables de carga y sus TSLU's asociadas, y las variables de criterio y sus TSLU's asociadas al doble de la tolerancia inicial. ; En el paso 562, si es encontrada una concordancia, él valor predictivo de la variable de emisiones deseada es a¡signado como se explicó anteriormente. ' En el paso 563, si la sexta búsqueda produce un resultado negativo, es generada una séptima búsqueda utilizando las variables de carga y sus TSLU's asociadas, y i las variables de criterio y sus TSLU's asociadas al triple de l tolerancia inicial. : En el paso 564, si es encontrada una concordancia, el valor predictivo de la variable de emisiones deseada es asignado como se explicó anteriormente. En el paso 565, si la séptima búsqueda produjo un resultado negativo, es generada una octava búsqueda utilizando las variables de carga y sus TSLU's asociadas, a la tolerancia inicial. En el paso 566, si es encontrada una concordancia, el valor predictivo de la variable de emisiones deseadas es asignado como se explicó anteriormente. En el paso 567, si la octava búsqueda produce un resultado negativo, es generada una novena búsqueda utilizando las variables de carga y sus TSLU's asociadas al doble de la tolerancia inicial. ¡ En el paso 568, si es encontrada una concordancia, ía variable de emisiones deseadas es procesada como se explicó anteriormente. 1 En el paso 569, si la novena búsqueda produce un resultado negativo, es generada una décima búsqueda utilizando las variables de carga y sus TSLU's asociadas al triple de la tolerancia inicial. En el paso 570, si no es encontrada ninguna concordancia, el modelo predictivo deja de cumplir un esquema piredictivo alternativo (paso 572). Por ejemplo, un modelo tipo Apéndice E aprobado por los reglamentos Federales como una alternativa puede ser utilizado en este punto. Alternativamente, el modelo predictivo de la presente invención puede iterar a través de cada variable de proceso desde al menos el más significativo si las plataformas de hardware y software en uso tienen suficiente capacidad. Cuando es lograda una predicción válida, ésta es enviada de salida al sistema de control, el sistema de adquisición de datos, o publicado localmente donde éste puede ser realizado para el procesamiento de las alarmas. -Las predicciones son también almacenadas en una base de datos de cumplimiento que no es editable, y mantiene una localización segura y continua para los datos de emisión en cumplimiento. En el paso 574, los valores previos de las variables son actualizados para el siguiente cálculo del vector de cambio antes de la repetición en el intervalo de muestreo de base. Cada nuevo vector de proceso (cada adquisición de los datos en tiempo real a partir del proceso) és procesado independientemente. Esto permite que el sistema procese ya sea los datos de proceso por lotes o continuos. Los datos adquiridos son secuenciales, ya que un valor de dato para cada variable es obtenido en cada intervalo de muestreo de base, haciendo posible que los deltas sean calculados adecuadamente. El reajuste es realizado cada vez q¡ue el vector de proceso actual es procesado. Los valores previos de las variables son retenidos únicamente para calcular los deltas para el siguiente registro. En un ejemplo, en una aplicación tipica de turbina de gas bajo 40 CFR Parte 60, el intervalo de muestreo de base es ajustado a 1 minuto y las concordancias requeridas en el i grupo de datos de entrenamiento histórico es 1 registro. Cada minuto, el vector de proceso es adquirido y luego procesado en una declaración SQL para la comparación con el grupo de datos de entrenamiento histórico. El vector de salida resultante incluye los datos de emisiones empíricas Contenidos en el grupo de datos de entrenamiento, válido para la condición de proceso actual reflejada en el vector de proceso, su delta o vector de cambio, y cualesquiera TSLU's i asociadas. El modelo envia de salida una concentración óorregida de NOx (en las unidades aplicables de libras por mmBTU) para el cumplimiento con 40 CFR Parte 60, Apéndice GG.

Las salidas del modelo son registradas en la base de datos de cumplimiento después del promedio y selección a bloques i promedio de 15 minutos como se requiera. , El elemento 304 del sistema de PEM puede proporcionar capacidad de reporte para cumplimiento con los reglamentos de 40 CFR Parte 75 y 40 CFR Parte 60, y las capacidades de generación de EDR. Este elemento puede apoyar a los operadores del sistema, interconectándose con los dispositivos de adquisición de datos, y puede ser corrido desde cualquier estación de trabajo en el sistema 20. El modelo puede incluir componentes adicionales para aumentar la utilidad. En la modalidad mostrada en la Figura 2, un elemento 303 Generador de Alarma PEMS y un elemento 305 de Utilidad de Licencia de PEMS son incorporados dentro del sistema de cómputo de PEMS. Estos componentes adicionales pueden ser opcionalmente proporcionados por terceras partes e incluir una pantalla o visualización de datos y la funcionalidad de alarma junto con las capacidades de generación de reportes. Estos elementos suplementarios pueden ser instalados opcionalmente sobre un dispositivo de cómputo separado, ya sea localizado en el sitio o remotamente. Estos elementos suplementarios interactúan con él modelo predictivo o la base de datos para la manipulación de los datos de cumplimiento en reportes, gráficas, visualizaciones en tiempo real o históricas. En una modalidad particular, la información generada por el elemento predictivo del sistema es utilizada para predecir un perfil de emisiones del sistema para la comparación con los estándares de emisiones aplicables, para evaluar el cumplimiento con estos estándares. La información pJredictiva generada puede ser también utilizada por los sistemas de control de proceso para ajustar las variables de proceso para prevenir asi la aparición de una condición fuera de cumplimiento. En otra modalidad más, el sistema de monitoreo y control de emisiones descrito en la presente incluye los m dios para proporcionar retroalimentación a los elementos del sistema control (con base en los criterios predeterminados para la operación de la fuente de emisiones) para modificar las variables de operación del sistema, para compensar las desviaciones de los parámetros operativos nórmales. Las señales de control que responden a los valores predictivos de las variables de emisiones, pueden ser transmitidas al o a los sistemas de control de proceso de la o las fuentes de emisiones. Se contempla expresamente que cualquier número de variables que incluye, pero no está limitado a, los niveles de monóxido de carbono, niveles de óxido de nitrógeno, niveles de óxido de azufre y oxigeno podrían ser predichos y controlados para facilitar cualesquiera y todos de los siguientes: cumplimiento con las emisiones, optimización de la combustión, maximización de la energia producida, control I de emisiones a través de optimización de la fuente de energia, control de emisiones por adición de agentes aldecuados tales como óxidos de nitrógeno, adsorbentes de óixidos sulfurosos, vapor o agua. Cualesquiera variables adecuadas para cada fuente de emisiones pueden ser también ajustadas para cualquiera de los propósitos anteriores. Por I ejemplo, la velocidad de alimentación de combustible, la sincronización, la proporción aire/combustible, la temperatura y la cantidad de inyección de vapor podrían ser variadas para ajustar el valor de la variable de emisiones deseadas . i Cualquier elemento del sistema PEMS de la presente invención puede ser almacenado sobre cualquier medio de almacenamiento adecuado, legible en computadora (por ejemplo, cederrón, cinta magnética, disco duro interno o externo, uno o' varios discos flexibles, etc.). Además, uno o más de los componentes del software puede ser transmitido o descargado via una señal comunicada sobre una conexión alámbrica o utilizando una conexión inalámbrica. Las Figuras 6, 7 y 8 muestran los resultados de un análisis de la Subparte E utilizando un modelo predictivo generado de acuerdo con la presente invención como es aplicado a una turbina de gas. Las gráficas utilizadas se conforman a los formatos encontrados en 40 CFR Parte 75, Subparte E incluyendo la gráfica de tiempo de los datos de PEMS versus CEMS (Figura 6), la gráfica de x-y de los datos de promedio de horas PEMS versus CEMS (Figura 7), y la gráfica de tiempo de las diferencias entre el PEMS y CEMS (¡Figura 8). Los procedimientos para certificar los sistemas P¡EM son detallados en los reglamentos, a saber 40 CFR Parte 75, Subparte E y 40 CFR Parte 60, Apéndice B, Especificación de Funcionamiento 16, incorporada por referencia en la presente. Las Figuras 6-8 muestran la correlación extremadamente fuerte entre los valores predichos y efectivos de las emisiones de NOx, logrables utilizando el método descrito en la presente. . En la Figura 9, es proporcionado un ejemplo tipico del flujo de datos. Las emisiones de óxido de nitrógeno provenientes del calentador encendido con gas son reguladas en unidades de libras de NOx por mmBTU de entrada de calor. La fórmula para el cálculo de la proporción de emisión de NOx en el estándar aplicable es obtenida utilizando el Método 19 de la EPA, Ecuación 19-1. El modelo es entrenado utilizando i NOx seco crudo ppmv y la concentración % de oxigeno que es tilizada para calcular la proporción de emisiones utilizando í Ia Ecuación 19-1. Las constantes utilizadas en la fórmula son también proporcionadas en el Método 19. Las ppmv de NOx predichas y el % de oxigeno son utilizadas para calcular la proporción de emisión predicha de NOx que va a ser utilizada para la determinación del cumplimiento. El modelo predictivo de la presente invención puede operar sin un CEMS cuando es certificado como un sistema de i monitoreo continuo primario para la fuente a través de una pletición para aprobación de un sistema de monitoreo alternativo (40 CFR Parte 75, Subparte E) o utilizando la prueba de especificación de funcionamiento como es promulgada ppr U.S. EPA (40 CFR Parte 60, proyecto PS-16) . [ El modelo predictivo de la presente invención puede ser devuelto a cualquier tiempo (periódica o continuamente) utilizando el equipo CEMS existente o mediante la movilización del equipo de monitoreo de emisiones temporal o móvil y recolectando los datos de proceso concurrentemente.

! El sistema y el método de la presente invención enfrentan los inconvenientes previamente descritos del sistema existente. Utilizando la metodología y el software descritos en la presente, puede ser generado un modelo de emisiones altamente predictivo y preciso para una fuente de emisiones dada por un técnico que tiene poco o ningún entendimiento de la fuente de emisiones, el proceso es corrido por la fuente de emisiones, o la teoria o la operación del modelo híbrido estadístico. La presente invención permite que los propietarios y operadores de procesos continuos o de lotes construyan y mantengan el modelo predictivo preciso de las proporciones de emisiones de contaminantes. En comparación a los sistemas existentes, el sistema descrito en la presente es menos caro y complicado de correr y de mantener. Además, no es requerido ningún hardware especial. De este modo, un modelo predictivo que ncarna un método de acuerdo con la presente invención es único en su habilidad para ser desarrollado por personal no especializado que no tenga familiaridad con el proceso, el control de la contaminación o la metodología utilizada por el m delo. Además, los usuarios del modelo y los consultores de terceras partes pueden actualizar el modelo sin apoyo del soporte de ingeniería del fabricante. El flujo de proceso i mostrado en las figuras 4 y 5 es representativo de un modo i preferido de implementar la presente invención. No obstante, se debe entender que podrían ser utilizadas diversas modificaciones del flujo de proceso para proporcionar un nivel diferente de flexibilidad computacional, dependiendo de la complejidad del modelo, necesario para dirigirse a las diversas fuentes de datos y esquemas regulatorios. La presente invención contempla cualquier variación adecuada I sobre este flujo de proceso. ! La operación del modelo predictivo con respecto a los procesos por lotes es casi idéntica a su aplicación a procesos continuos. Con respecto a los procesos por lotes, la TSLU es critica para las predicciones de lotes apropiadas, p'ero no está basado en el tiempo, desde el último contratiempo como se definió previamente. En este caso, el TSLU usualmente es definido como el tiempo desde el inicio del lote, y puede estar compuesto para incluir un integrador g'uia para definir el tipo de lote o la carga. El procesamiento por lotes es una serie de operaciones continuas desconectadas cada una con un nuevo incremento de TSLU desde el comienzo del lote hasta su conclusión por el intervalo de muestreo de base. La aplicación de la presente invención descrita en la presente se refiere a la predicción de emisiones a partir de los procesos para fines de cumplimiento. La metodología descrita en la presente puede ser utilizada para desarrollar un esquema predictivo para cualquier sistema que comprenda variables que sean adecuadas para los análisis correlativos y estadísticos descritos en la presente. Otras aplicaciones de lá invención no descritas en la presente, pero consideradas para el desarrollo incluyen la predicción de los patrones de cJima , la predicción de los patrones económicos y financieros, la predicción de los patrones de comportamiento humano entre otros, que son contemplados pero no han sido explorados hasta la fecha. La siguiente es una copia de un listado de programas de computadora que ejemplifica los métodos y sistemas descritos en la presente. Se entenderá que las descripciones y modalidades anteriores de la presente invención son para fines ilustrativos únicamente. Como tales, las diversas características estructurales y operacionales descritas en la presente, son susceptibles a un número de modificaciones conmensuradas con las habilidades de una persona de experiencia ordinaria en la técnica, ninguna de las cuales se aparta del alcance de la presente invención como se define en las reivindicaciones anexas.

Función Publica ObtenerNuevosContaminantes (Por Val sng Carga Critica Como Simple) Como Booleana ''Descripción: Esta subrutina calcula los contaminantes. ' Parámetros: ' sngCargaCritica sngCargaCritica es típicamente flujo de gas natural. ' ^Devoluciones: ObtenerNuevosContaminantes ObtenerNuevosContaminantes devuelve un valor de verdadero si no ocurre falla, más falso es devuelto. Ultima Modificación: 03/12/2006 Brian Swanson 'I 03/22/2002 Brian Swanson ' Versión Original.

Qim sngHIl Como Simple Dim sngHI2 Como Simple D'im sngH13 Como Simple Dim sngHI4 Como Simple Dim sngNOxl Como Simple D'im sngNOx2 Como Simple DÍm sngNOx3 Como Simple Dim sngNOx4 Como Simple Dim sngHI Como Simple Estático sngPilaNOx Como Simple I Estático sngPilaCO Como Simple Estático sngPilaC02 Como Simple Estático sngPila02 Como Simple -Estático sngPilaHC Como Simple Estático sngPilaS02 Como Simple Estático sngPilaHAPs Como Simple Dim strPredecir Como Sarta Dim i, intCuenta, intContador, intNúmeroSistemaVariables Como Número Entero Dim aryDeltaTol (intMáximo_Número_de_Entradas) Como Doble I Estático aryUltimoValor ( intMáximo_Número_de_Entradas) , áryNuevoDelta (intMáximo_Número_de_Entradas) Como Doble Estático intUltimoValorTSLU Como Número Entero Dim strConectarSarta Como Sarta Const FUNC_NOMBRE Como Sarta = "ObtenerNuevosContaminantes" Si FConfiguración . cboProcesoErrores . Texto Entonces ' En Error IrA ManejadordeErrores Terminar Si Si intUltimoValorTSLU < 1 Entonces intUltimoValorTSLU = 100 Terminar si IniciarBucle : : intContador = 0 Para intCuenta = 1 Hasta intMáximo_Número_de_Entradas aryNuevoDelta (intCuenta) = adblMinuto_Registro ( intCuenta +: intNúmeroSistemaVariables + 10) - aryUltimoValor (intCuenta) aryUltimoValor (intCuenta) = adblMinuto_Registro (intCuenta + i tNúmeroSistemaVariables + 10) Siguiente intCuenta BücleRetorno: intContador = intContador + 1 : Para i = 1 Hasta sngconNoEntradas i aryDeltaTol (i) = dblTolerancia (i) * intContador Siguiente i ! FConfiguración . txtExcel_Dato_Fuente . Texto = ''PEMSDato" i strConectarSarta = ";DBQ=" & Trayectoria Ap. & "\ComparticióndeDatos; DirporOmisión=" & Trayectoria Ap . & "\ComparticióndeDatos; ControladorID = 27; FIL=Texto; i TamañoMáximodeMemoriaIntermedia=2048 ; PáginaTiempodeEspera = 5;""; Catalogo Inicial =" & Trayectoria Ap . & "\ComparticióndeDatos" strConectarSarta = FConfiguración. txtExcel_Dato_Fuente & sitrConectarSarta strConectarSarta = "; Propiedades Extendidas=""DSN=" & strConectarSarta strConectarSarta = FConfiguración . txtExcel_Dato_Fuente & strConectarSarta ' strConectarSarta = "Proveedor=MSDASQL.1; Persistir S guridad Info=Falso; Dato Fuente=" & strConectarSarta ' Debug. print strConectarSarta i Si objArchivoEntrada . Estado = adEstadoAbierto Entonces objArchivoEntrada . Cerrar ' Terminar Si ! objArchivoEntrada .Abierto strConectarSarta ¡strPredecir - "SELECCIONAR Prom(Pl) como PilaNO, Prom(P4) como Pila02, " & _ "Prom(P6) como PilaNOxlbs, Prom(P2) como PilaCO, Prom(P3) cómo PilaC02, Prom(P5) como PilaHC de tmdEntrada donde " Si intContador > 4 Entonces Si ( (adblMinuto_Registro (4) < 10)) Entonces ' Y (intContador > 4 ) ) Entonces strPredecir = strPredecir & "([TSLU] < 100) Y " Más strPredecir = strPredecir & "([TSLU] > 99) Y " Terminar Si Terminar Si strPredecir = strPredecir & "(" & _ "((Entrada39 < " & adblMinuto_Registro ( 49) + aryDeltaTol (39) & ") Y (Entrada39 > " & adblMinuto_Registro(49) - aryDeltaTol (39) & ")) Y " & " ( (Entrada68 < " & adblMinuto_Registro (78 ) + aryDeltaTol (68) & ") Y (Entrada68 > " & a'dblMinuto_Registro (78) - aryDeltaTol ( 68 ) & ")) Y " & "((Entradal2 < " & adblMinuto_Registro (22 ) + a¡ryDeltaTol (12) & " ) Y (Entradal2 > " & adblMinuto_Registro(22) - aryDeltaTol ( 12 ) & ")) Y " & _ "((Entradal5 < " & adblMinuto_Registro (25) + aryDeltaTol (15) & " ) Y (Entradal5 > " & adblMinuto_Registro(25) - aryDeltaTol ( 15) & ")) Y " & " ( (Entradald < " & adblMinuto_Registro (26) + aryDeltaTol (16) & ") Y (Entradal6 > " & adlblMinuto_Registro(26) - aryDeltaTol (16) & ")) Y " & _ "((Entradal8 < " & adblMinuto_Registro (28 ) + aryDeltaTol (18) & ") Y (Entradal8 > " & adblMinuto_Registro(28) - aryDeltaTol ( 18 ) & ")) Y " & "((Entradal9 < " & adblMinuto_Registro (29) + aryDeltaTol (19) & ") Y (Entradal9 > " & adblMinuto_Registro(29) - aryDeltaTol ( 19) & ")) Y " & " ( (Entrada20 < " & adblMinuto_Registro (30) + aryDeltaTol (20) & ") Y (Entrada20 > " & adblMinuto_Registro(30) - aryDeltaTol (20) & ")) Y " & "((Entrada41 < " & adblMinuto_Registro (51) + aryDeltaTol (41) & " ) Y (Entrada41 > " & a1dblMinuto_Registro(51) - aryDeltaTol (41 ) & ")) Y " & "((Entrada49 < " & adblMinuto_Registro (59) + aryDeltaTol (49) & ") Y (Entrada49 > " & adblMinuto_Registro(59) - aryDeltaTol (49) & ")) Y " & ' "((Entrada50 < " & adblMinuto_Registro ( 60) + atyDeltaTol (50) & " ) Y (Entrada50 > " & adblMinuto_Registro (60) - aryDeltaTol (50) & ")) Y " & "((Entrada72 < " & adblMinuto_Registro ( 82) + atyDeltaTol (72) & ") Y (Entrada72 > " & a¿lblMinuto_Registro(82) - aryDeltaTol (72 ) & ")) Y " & : "((Entrada89 < " & adblMinuto_Registro ( 99) + aryDeltaTol (89) & ") Y (Entrada89 > " & adblMinuto_Registro(99) - aryDeltaTol (89) & ")) Y " & "((Entrada48 < " & adblMinuto_Registro ( 58 ) + aryDeltaTol (48) & ") Y (Entrada48 > " & adblMinuto_Registro(58) - aryDeltaTol (48 ) & ")) Y " & ; "((Entrada90 < " & adblMinuto_Registro ( 100) + aryDeltaTol (90) & ") Y (Entrada90 > " & ádblMinuto_Registro(100) - aryDeltaTol ( 90) & "))" ! Seleccionar Caso intContador Caso 1, 2 strPredecir = strPredecir & " Y " &_ "((" & Abs (aryNuevoDelta (39) ) & " < EntradaDelta39 + " & aryDeltaTol (39) & ") Y (" & Abs (aryNuevoDelta (39) ) & " > EntradaDelta39 - " & aryDeltaTol ( 39) & ") ) Y " & -"((" & Abs (aryNuevoDelta (68) ) & " < EntradaDelta68 + " & i aryDeltaTol (68) & " ) Y (" & Abs (aryNuevoDelta ( 68 ) ) & " > E¡ntradaDelta68 - " & aryDeltaTol ( 68 ) & " ) ) Y " & ":"((" & Abs (aryNuevoDelta (12) ) & " < EntradaDeltal2 + " & aryDeltaTol (12) & " ) Y (" & Abs (aryNuevoDelta ( 12) ) & " > EntradaDeltal2 - " & aryDeltaTol ( 12 ) & ")) Y " & " "((" & Abs (aryNuevoDelta (15) ) & " < EntradaDeltal5 + " & aryDeltaTol (15) & ") Y (" & Abs (aryNuevoDelta ( 15) ) & " > EntradaDeltal5 - " & aryDeltaTol ( 15) & ")) Y " & i - ', " ( ( " & Abs (aryNuevoDelta (16) ) & " < EntradaDeltald + " & aryDeltaTol (16) & " ) Y (" & Abs (aryNuevoDelta (16) ) & " > EntradaDeltald - " & aryDeltaTol (16) & ")) Y " & - "((" & Abs (aryNuevoDelta (18) ) & " < EntradaDelta7 + " & aryDeltaTol (17) & ") Y (" & Abs (aryNuevoDelta (17 ) ) & " > EntradaDeltal7 - " & aryDeltaTol ( 17 ) & ")) Y " & - "((" & Abs (aryNuevoDelta (19) ) & " < EntradaDeltal9 + " & aryDeltaTol (19) & ") Y (" & Abs (aryNuevoDelta ( 19) ) & " > EntradaDeltal9 - " & aryDeltaTol ( 19) & ")) Y " & "' "((" & Abs (aryNuevoDelta (20) ) & " < EntradaDelta20 + " & aryDeltaTol (20) & ") Y (" & Abs (aryNuevoDelta (20) ) & " > BntradaDelta20 - " & aryDeltaTol (20) & ")) Y " & - "((" & Abs (aryNuevoDelta (41) ) & " < EntradaDelta41 + " & apyDeltaTol (41) & ") Y (" & Abs (aryNuevoDelta (41) ) & " > EntradaDelta41 - " & aryDeltaTol ( 41) & ")) Y " & -: "((" & Abs (aryNuevoDelta (49) ) & " < EntradaDelta49 + " & aryDeltaTol (49) & ") Y (" & Abs (aryNuevoDelta (49) ) & " > EñtradaDelta49 - " & aryDeltaTol (49) & ")) Y " & - "((" & Abs (aryNuevoDelta (50) ) & " < EntradaDelta50 + " & aryDeltaTol (50) & ") Y (" & Abs (aryNuevoDelta (49) ) & " > i í EntradaDelta50 - " & aryDeltaTol (50) & ")) Y " & i - "((" & Abs (aryNuevoDelta (72) ) & " < EntradaDelta72 + " & aryDeltaTol (72) & " ) Y (" & Abs (aryNuevoDelta (72) ) & " > EntradaDelta72 - " & aryDeltaTol (72) & ")) Y " & - "((" & Abs (aryNuevoDelta (89) ) & " < EntradaDelta89 + " & áryDeltaTol (89) & ") Y (" & Abs (aryNuevoDelta (89) ) & " > EntradaDelta89 - " & aryDeltaTol (89) & ")) Y " & -r "((" & Abs (aryNuevoDelta (48) ) & " < EntradaDelta48 + " & aryDeltaTol (48) & " ) Y (" & Abs (aryNuevoDelta (48 ) ) & " > EntradaDelta48 - " & aryDeltaTol (48 ) & ")) Y " & - "((" & Abs (aryNuevoDelta (90) ) & " < EntradaDelta90 + " & ryDeltaTol (90) & ") Y (" & Abs (aryNuevoDelta ( 90) ) & " > BntradaDelta90 - " & aryDeltaTol (90) & ")))" Caso 3 ' Usar sólo cargas con triple Tolerancia strPredecir = strPredecir & ")" Caso 4 ' Usar sólo cargas clave con tolerancia normal strPredecir = "SELECCIONAR Prom(Pl) como PilaNO, Prom(P4) como Pila02, " & _ "Prom(P6) como PilaNOxlbs, Prom(P2) como PilaCO, Prom(P3) como PilaC02, Prom(P5) como PilaHC De tmdEntrada Donde " 1 strPredecir = strPredecir & _ ' "((Entrada39 < " & adblMinuto_Registro (49) aryDeltaTol (39) & ") Y (Entrada 39 > " & adblMinuto_Registro (49) - aryDeltaTol (39) & ") Y " & ? "((Entrada68 < " & adblMinuto_Registro (78 aryDeltaTol (68) & " ) Y (Entrada68 > " & adblMinuto_Registro(78) - aryDeltaTol ( 68 ) & ") Y " & "((Entrada89 < " & adblMinuto_Registro ( 99 aryDeltaTol (89) & ") Y (Entrada89 > " & ádblMinuto_Registro(99) - aryDeltaTol (89) & ") Y " & "((Entrada41 < " & adblMinuto_Registro (51 aryDeltaTol (41) & ") Y (Entrada41 > " & adblMinuto_Registro (51) - aryDeltaTol (41 ) & ") Y " & "((Entrada20 < " & adblMinuto_Registro (30 aryDeltaTol (20) & " ) Y (Entrada20 > " & a!dblMinuto_Registro(30) - aryDeltaTol (20) & ") Y " & : "((Entrada72 < " & adblMinuto_Registro (82 + alryDeltaTol (72) & ") Y (Entrada72 > " & a blMinuto_Registro(82) - aryDeltaTol (72 ) & ") Y " & "((Entrada49 < " & adblMinuto_Registro (59 aryDeltaTol (49) & ") Y (Entrada49 > " & adblMinuto_Registro (59) - aryDeltaTol (49) & ") Y " & "((Entrada50 < " & adblMinuto_Registro ( 60 + aryDeltaTol (50) & ") Y (Entrada50 > " & adblMinuto_Registro(60) - aryDeltaTol (50) & ") Y " & 1 "((Entrada48 < " & adblMinuto_Registro (58 ) + aryDeltaTol (48) & " ) Y (Entrada48 > " & adblMinuto_Registro(58) - aryDeltaTol (48) & ")) Y " & "((Entrada90 < " & adblMinuto_Registro ( 100) + áryDeltaTol (90) & ") Y (Entrada90 > " & adblMinuto_Registro(100) - aryDeltaTol ( 90) & "))" Caso 5 ' Usar sólo cargas clave con tolerancia x strPredecir = "SELECCIONAR Prom(Pl) como PilaNO, Prom(P4) como Pila02, " & "Prom(P6) como PilaNOxlbs, Prom(P2) como PilaCO De tmdEntrada Donde " strPredecir = strPredecir & _ "((Entrada89 < " & adblMinuto_Registro ( 99) + aryDeltaTol (89) & " ) Y (Entrada89 > " & adblMinuto_Registro(99) - aryDeltaTol (89) & ")) Y " & "((Entrada41 < " & adblMinuto_Registro (51 ) + aryDeltaTol (41) & ") Y (Entrada41 > " & adblMinuto_Registro(51) - aryDeltaTol (41) & ")) Y " & : "((Entrada20 < ".& adblMinuto_Registro (30) + aryDeltaTol (20) & ") Y (Entrada20 > " & adblMinuto Registro (30) - aryDeltaTol (20) & ")) Y " & "((Entrada72 < " & adblMinuto_Registro (82 ) + aryDeltaTol (72) & " ) Y (Entrada72 > " & adblMinuto_Registro (82) - aryDeltaTol (72 ) & ")) Y " & "((Entrada49 < " & adblMinuto Registro (59) + aryDeltaTol (49) & ") Y (Entrada49 > " & adblMinuto_Registro(59) - aryDeltaTol (49) & ")) Y " & "((Entrada50 < " & adblMinuto_Registro ( 60) + aryDeltaTol (50) & ") Y (Entrada50 > " & adblMinuto_Registro(60) - aryDeltaTol (50) & ")) Y " & "((Entrada48 < " & adblMinuto_Registro ( 58 ) + aryDeltaTol (48) & ") Y (Entrada48 > " & adblMinuto_Registro(58) - aryDeltaTol (48 ) & ")) Y " & _ i "(( Entrada90 < " & adblMinuto_Registro ( 100) + aryDeltaTol (90) & " ) Y (Entrada 90 > " & ádblMinuto_Registro(100) - aryDeltaTol ( 90) & "))" Caso 6 ' Usar cargas criticas y más correlativas únicamente strPredecir = "SELECCIONAR Prom(Pl) como PilaNO, Prom(P4) cómo Pila02, " & _ "Prom(P6) como PilaNOxlbs, Prom(P2) como PilaCO, Prom(P3) como PilaC02, Prom(P5) como PilaHC de tmdEntrada Donde " strPredecir = strPredecir & _ ! "((Entrada49 < " & adblMinuto_Registro (59) + aryDeltaTol (49) & " ) Y (Entrada49 > " & a¿blMinuto_Registro(59) - aryDeltaTol (49) & ")) Y " & "((Entrada50 < " & adblMinuto_Registro (60) + aryDeltaTol (50) & ") Y (Entrada50 > " & adblMinuto_Registro(60) - aryDeltaTol (50) & ")) Y " & "((Entrada48 < " & adblMinuto_Registro ( 58 ) + áryDeltaTol (48) & ") Y (Entrada48 > " & adblMinuto_Registro(58) - aryDeltaTol (48 ) & ")) Y " & _ "((Entrada90 < " & adblMinuto_Registro ( 100) + áryDeltaTol (90) & ") Y (Entrada90 > " & adblMinuto_Registro(100) - aryDeltaTol ( 90) & "))" I Caso 7 ' Usar cargas criticas y más correlativas únicamente strPredecir = "SELECCIONAR Prom(Pl) como PilaNO, Prom(P4) cpmo Pila02, " & _ "Prom(P6) como PilaNOxlbs, Prom(P2) como PilaCO, Prom(P3) cpmo PilaC02, Prom(P5) como PilaHC De tmdEntrada Donde " strPredecir = strPredecir & _ ' "((Entrada49 < " & adblMinuto_Registro ( 59) + aryDeltaTol (49) & ") Y (Entrada49 > " & adblMinuto_Registro(59) - aryDeltaTol (49) & ")) Y " & _ "((Entrada50 < " & adblMinuto_Registro ( 60) + aryDeltaTol (50) & ") Y (Entrada50 > " & adblMinuto_Registro(60) - aryDeltaTol ( 50) & ")) Y " & _ "((Entrada48 < " & adblMinuto_Registro (58 ) + aryDeltaTol (48) & ") Y (Entrada48 > " & adblMinuto_JRegistro (58) - aryDeltaTol (48 ) & ")) Y " & "((Entrada90 < " & adblMinuto_Registro ( 100) + aryDeltaTol (90) & ") Y (Entrada90 > " & adblMinuto_Registro(100) - aryDeltaTol (90) & "))" Caso 8 ' Usar cargas criticas únicamente i strPredecir = "SELECCIONAR Prom(Pl) como PilaNO, Prom(P4) eomo Pila02, " & _ "Prom(P6) como PilaNOxlbs, Prom(P2) como PilaCO, Prom(P3) domo PilaC02, Prom(P5) como PilaHC De tmdEntrada Donde " I strPredecir = strPredecir & _ "((Entrada48 < " & adblMinuto_Registro (58 ) + áryDeltaTol (48) & " ) Y (Entrada48 > " & adblMinuto_Registro (58) - aryDeltaTol (48 ) & ")) Y " & i "((Entrada90 < " & adblMinuto_Registro ( 100) + aryDeltaTol (90) & " ) Y (Entrada90 > " & adblMinuto_Registro(100) - aryDeltaTol ( 90) & "))" Caso 9 ' Usar cargas criticas únicamente strPredecir = "SELECCIONAR Prom(Pl) como PilaNO, Prom(P4) como Pila02, " & _ "Prom(P6) como PilaNOxlbs, Prom(P2) como PilaCO. Prom(P3) ' como PilaC02, Prom(P5) como PilaHC De tmdEntrada Donde " strPredecir = strPredecir & _ I ' "((Entrada48 < " & adblMinuto_Registro (58 ) + aryDeltaTol (48) & ") Y (Entrada48 > " & adblMinuto_Registro(58) - aryDeltaTol (48 ) & ")) Y " & "((Entrada90 < " & adblMinuto Registro (100) + aryDeltaTol (90) & ") Y (Entrada90 > " & ádblMinuto_Registro(100) - aryDeltaTol ( 90) & "))" Caso Más 'Calcular entrada de calor. Dim sngFlujoGas Como Simple sngFlujoGas = sngCargaCritica sngHI = sngFlujoGas * FConfiguración . txtGCV * 60 / 1000000 Si intContador < 10 Entonces En Error IrA BucleRetorno: ' Más IrA Err_ ObtenerContaminantes Terminar si Si objMASConn. Estado = adEstadoCerradoEntonces ' objMASConn. Abierto FConfiguración . txtADO_Fuente Terminar si Si objMASRS. Estado = adEstadoAbierto Entonces objMASRS. Cerrar T rminar si Dim cnp como ADODB. Conexión, cmdp como ADODB. Comando , Ajustar cnp = Nuevo ADODB. Conexión Ajustar cmdp = Nuevo ADODB. Comando cnp. Abierto "Controlador= {Controlador de Acceso a Microsoft (*.mdb)};" & _ "DBQ=" & Trayectoria Ap. & "/ComparticióndeDatos/PEMSTMDEntrada.mdb" Con cmdp . ComandoTexto = strPredecir Ajustar. ConexiónActiva = cnp terminar Con ' objMASRS . Cursorosición = adUsoCliente óbjMASRS. Abierto cmdp Debug . Imprimir objMASRS. RegistroCuenta ObjMASRS. Abierto strPredecir, objArchivoEntrada, adAbiertoStatic, adAsegurarListoUnicamente Si ( (objMASRS . EOF) O (EsNulo (ObJMASRS-Campos (O) ) ) O (EsNulo (objMASRS . Campos (1) ) ) ) Entonces objMASRS. Cerrar ¡ objMASConn. Cerrar ¡ IrA BucleRetorno Más Debug. Imprimir intContador adblMinuto_Registro (3) = objMASRS .RegistroCuenta Si adblMinuto_Registro(51) > 300 Entonces adblMinuto_Registro (5) - objMASRS .Campos (O) ; adblMinuto_Registro (8) = objMASRS .Campos (1) i adblMinuto_Registro (9) = objMASRS . Campos (2 ) adblMinutoJtecord (7) = objMASRS .Campos (4) I adblMinuto_Registro (6) = objMASRS . Campos (3) adblMinuto_Registro (10) = objMASRS . Campos (5; Más adblMinuto_Registro (5) = 0 adblMinuto_Registro(8) = 20.9 adblMinuto_Registro (9) = 0 adblMinuto_Registro (7) = 0 adblMinuto_Registro (6) = 0 adblMinuto Registro (10) = 0 Terminar si Si aryNuevoDelta (intconEnLineaUmbralEntradaNo + 10) < 1 Entonces intUltimoValorTSLU = intUltimoValorTSLU + 1 adblMinuto_Registro (4) = intUltimoValorTSLU Más adblMinuto_Registro (4 ) = 0 [ Terminar Si ! adblMinuto_Registro ( 1 ) = intContador . objMASRS. Cerrar Terminar si "Terminar Si ' (Si MWCarga > 5 entonces operación, Más 0' ObtenerNuevosContaminantes = intContador Salir Función 'Error Manejo: Qué quería BGS aqui? Err_ ObtenerContaminantes : ObtenerNuevosContaminantes = 0 Si objMASRS. Estado = adEstadoAbierto Entonces objMASRS. Cerrar Terminar Si Si objMASConn . Estado = adEstadoAbierto Entonces ' objMASConn. Cerrar Terminar si I Salir Función Mane adordeErrores : Llamar ManejarError (MODULO_NOMBRE, FUNC_NOMBRE, Err. Número, Err . Descripción) objMASRS. Cerrar 1 objMASConn. Cerrar Terminar Función Se hace constar que con relación a esta fecha, el m jor método conocido por la solicitante para llevar a la práctica la citada invención es el que resulta claro de la presente descripción de la invención.

Claims (1)

1. REIVINDICACIONES Habiéndose descrito la invención como antecede, se reclama como propiedad lo contenido en las siguientes reivindicaciones: 1. Un método para generar un modelo representativo de un proceso, el proceso incluye una variable de resultado que representa un producto del proceso, y una pluralidad de variables del proceso que representan características del proceso diferentes del producto del I proceso, caracterizado porque comprende: adquirir una pluralidad de valores de prueba de la variable del resultado, cada valor de prueba de la pluralidad dé valores de prueba de variables de resultado, es medido en uh punto correspondiente en el tiempo; para cada variable del proceso de la pluralidad de variables del proceso, la adquisición de una pluralidad de i valores de prueba de la variable del proceso, cada valor de prueba de la pluralidad de valores de prueba de variables del proceso está asociado con un valor de la variable de resultado de la pluralidad de valores variables de resultado, cada valor de prueba de la pluralidad de valores de prueba de variables del proceso es medido en un punto en el tiempo sustancialmente simultáneo con un punto en el tiempo en el cual es medido uno de los valores de prueba de la pluralidad de valores de prueba de variables de resultado; para cada primer coeficiente de una pluralidad de primeros coeficientes, se proporciona un valor de prueba Reparado del primer coeficiente asociado con cada variable del proceso de la pluralidad de variables del proceso, cada i valor de prueba separado del primer coeficiente es una función de al menos una porción de los valores de prueba de ía pluralidad de valores de prueba de la variable de proceso asociada; y para cada segundo coeficiente de una pluralidad de segundos coeficientes, se proporciona un valor de prueba separado del segundo coeficiente asociado con cada valor de prueba de cada variable de proceso de la pluralidad de variables del proceso, cada valor de prueba separado del s gundo coeficiente es una función de al menos una porción de l'os valores de prueba de la pluralidad de valores de prueba dé la variable de proceso asociada. ; 2. Un método para controlar un proceso, caracterizado porque comprende los pasos de: a) generar un modelo del proceso de conformidad con la reivindicación 1; b) para cada uno seleccionado de una pluralidad de las variables del proceso seleccionadas, de la pluralidad dé variables de proceso, se adquiere una pluralidad de valores de comparación de la variable del proceso; c) para cada primer coeficiente de la pluralidad de primeros coeficientes, se proporciona un valor de comparación separado del primer coeficiente asociado con la variable del proceso, cada valor de comparación separado del primer coeficiente es una función de al menos una porción de los valores de comparación de la pluralidad de valores de comparación de la variable de proceso asociada; d) para cada segundo coeficiente de la pluralidad de segundos coeficientes, se proporciona un valor de comparación separado del segundo coeficiente asociado con el valor de comparación de cada variable de proceso, cada valor de comparación separado del segundo coeficiente es una función de al menos una porción de los valores de comparación dé pluralidad de valores de comparación de la variable de proceso asociada; I e) para cada variable de proceso en cada combinación predeterminada de una pluralidad de combinaciones predeterminadas de las seleccionadas de las variables de proceso, se comparan iterativamente: cada valor de comparación de la variable de proceso con cada valor de prueba de la variable del proceso; y los valores de comparación de los seleccionados de los segundos coeficientes asociados con el valor de comparación de la variable, con los valores de prueba de los ¿eleccionados de los segundos coeficientes asociados con el valor de prueba de la variable; f) para cada variable de proceso en cada combinación predeterminada de una pluralidad de combinaciones predeterminadas de las seleccionadas de las variables de proceso, se identifican todos los valores de prueba de la variable del proceso donde el valor de prueba difiere de un valor de comparación de la variable del proceso por una cantidad igual a o menor que una cantidad predeterminada asociada y donde, para cada uno de los seleccionados de los segundos coeficientes asociados con cada valor de prueba de la variable del proceso, todos los valores de prueba de los seleccionados de los segundos coeficientes difieren de los i valores de comparación de los seleccionados de los segundos coeficientes, por una cantidad igual a o menor que una tíantidad predeterminada asociada; y g) se asigna, como un valor predicho de la variable del resultado, un promedio de todos los valores de prueba de la variable de resultado, que están asociados con los valores de prueba respectivos de cada variable de proceso para la cual los valores de la variable del resultado de prueba difieren de los valores de la variable de proceso de comparación por la cantidad predeterminada asociada; y h) con base en el valor predicho de la variable de resultado, se controla el valor de cada variable del proceso para generar así un valor de la variable del resultado que reside dentro de un intervalo predeterminado. i 3. Un sistema predictivo de monitoreo de misiones, caracterizado porque comprende los medios para llevar a cabo un método de conformidad con la reivindicación 2. 4. Un sistema para controlar un proceso, caracterizado porque comprende un modelo predictivo del proceso, siendo generado el modelo de conformidad con la reivindicación 1. 5. El sistema de conformidad con la reivindicación 4, caracterizado porque comprende además: los medios para, para cada uno seleccionado de una pluralidad de las variables de proceso seleccionadas, de la pluralidad de variables de proceso, adquirir una pluralidad dé valores de comparación de la variable del proceso; los medios para, para cada primer coeficiente de la pluralidad de primeros coeficientes, proporcionar un valor de comparación separado del primer coeficiente asociado con la variable del proceso, cada valor de comparación separado del primer coeficiente es una función de al menos una porción de los valores de comparación de la pluralidad de valores de comparación de la variable de proceso asociada; los medios para, para cada segundo coeficiente de la pluralidad de segundos coeficientes, proporcionar un valor de comparación separado del segundo coeficiente asociado con el valor de comparación de cada variable del proceso, cada valor de comparación separado del segundo coeficiente es una función de al menos una porción de los valores de comparación de la pluralidad de valores de comparación de la variable de proceso asociada; los medios para, para cada proceso variable en cada Combinación predeterminada de una pluralidad de combinaciones predeterminadas de las seleccionadas de las variables del proceso, comparar iterativamente: cada valor de comparación de la variable del proceso con cada valor de prueba de la variable del proceso; y los valores de comparación de los seleccionados de los segundos coeficientes asociados con el valor de comparación de la variable, con los valores de prueba de los seleccionados de los segundos coeficientes asociados con el valor de prueba de la variable; los medios para, para cada variable del proceso en cada combinación predeterminada de una pluralidad de combinaciones predeterminadas de las seleccionadas de las variables del proceso, identificar todos los valores de prueba de la variable del proceso donde el valor de prueba difiere de un valor de comparación de la variable del proceso por una cantidad igual a o menor que una cantidad predeterminada asociada y donde, para cada una de los seleccionados de los segundos coeficientes asociados con cada I valor de prueba de la variable del proceso, todos los valores de prueba de los seleccionados de los segundos coeficientes difieren de los valores de comparación de los seleccionados de los segundos coeficientes, por una cantidad igual a o menor que una cantidad predeterminada, asociada; y los medios para asignar, como el valor predicho de la variable del resultado, un promedio de todos los valores de prueba de la variable de resultado que están asociados con los valores de prueba respectivos de cada variable del proceso para la cual los valores de la variable del resultado de prueba difieren de los valores de la variable del proceso de comparación por la cantidad predeterminada, asociada; y los medios para, con base en el valor predicho de ía variable de resultado, controlar el valor de cada variable del proceso para generar así un valor de la variable del resultado que reside dentro de un intervalo predeterminado. i 6. Un sistema de computadora utilizable para controlar un proceso, caracterizado el sistema porque incluye un modelo del proceso generado de conformidad con la reivindicación 1. 7. Un sistema de computadora, caracterizado porque comprende los medios para realizar los pasos del método (b)-(g) de conformidad con la reivindicación 2. 8. Un sistema predictivo de monitoreo de emisiones, caracterizado porque comprende los medios para llevar a cabo los pasos (b)-(g) del método de conformidad con la reivindicación 2. 9. Un sistema de generación de energía, caracterizado porque comprende: una fuente de emisiones; y un sistema predictivo de monitoreo de emisiones de conformidad con la reivindicación 8, para predecir un valor de una variable de resultado correspondiente a una característica de una emisión de la fuente de emisiones. 10. Un sistema para realizar un proceso, c'aracterizado porque el sistema es controlado por un sistema p ra controlar el proceso de conformidad con la reivindicación 4. : RESUMEN DE LA INVENCIÓN ¡ Se describe un método para predecir las emisiones provenientes de una fuente de emisiones. Los valores de prueba de las variables de proceso con relación a la operación de la fuente de emisiones, son obtenidos, junto con los valores de prueba correlacionados en el tiempo, i correspondientes, de la variable de emisiones que va a ser predicha. Utilizando los valores de prueba de las variables de proceso, los valores de prueba de una pluralidad de los primeros coeficientes son calculados para cada variable del proceso y asociados con la variable del proceso, y los vjalores de prueba de una pluralidad de los segundos cpeficientes son calculados para cada valor de cada variable del proceso y asociados con el valor de la variable del proceso. Los valores de comparación de las variables del proceso con relación a la operación de la fuente de emisiones, son obtenidos, junto con los valores de i comparación correspondientes correlacionados en el tiempo, de la variable de emisiones que va a ser predicha. Utilizando los valores de comparación de las variables de proceso, los valores de comparación de una pluralidad de primeros coeficientes son calculados para cada variable del proceso y I asociados con la variable del proceso, y los valores de comparación de una pluralidad de segundos coeficientes son calculados para cada valor de cada variable del proceso, y asociados con el valor de la variable del proceso. Las combinaciones predeterminadas de los valores de comparación de las variables y sus coeficientes asociados son luego iterativamente comparadas con los valores de prueba de las variables respectivas y los coeficientes asociados. Donde la comparación produce concordancias entre los valores de comparación y los valores de prueba de las variables y sus coeficientes asociados, los valores de prueba de la variable de emisiones asociada con los valores de prueba con concordancia de las variables, son promediados y asignados qomo un valor predicho de la variable de emisiones.