Orientador: Maria Regina Wolf Maciel / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-08T11:22:24Z (GMT). No. of bitstreams: 1 Yamanishi_Erika_M.pdf: 1072580 bytes, checksum: 5488852fe586d9a1222e4fbf821a946e (MD5) Previous issue date: 2007 / Resumo: A Unidade de Destilação é uma das mais importantes no refino de petróleo. Sua importância está no fato desta unidade ser responsável pelo fracionamento inicial do petróleo em diversos produtos (frações) como Nafta, Querosene, Diesel, entre outros. Algumas das frações obtidas são retiradas como produtos finais e outras podem ser processadas em outras unidades da refinaria. Assim, todas as mudanças de operações e perturbações ocorridas nesta unidade afetam diretamente outras unidades. Por este motivo, é possível verificar uma grande dependência das outras unidades em relação à unidade de destilação que exige flexibilidade para atender às necessidades da refinaria. Além disso, é possível observar que o processo de destilação do petróleo é complexo devido ao grande número de diferentes componentes do petróleo (em sua maioria hidrocarbonetos). De acordo com os aspectos e a importância da unidade de destilação, um estudo (principal objetivo deste trabalho) foi realizado para a verificação da flexibilidade da unidade de destilação e o entendimento do processo de destilação, visando seu desenvolvimento. Inicialmente, foi considerado um processo de destilação do petróleo, envolvendo a Torre Pré-Flash, Coluna Atmosférica e Debutanizadora. Três principais aspectos foram abordados: a análise completa das principais variáveis do processo, a otimização das Colunas Atmosférica e Debutanizadora e a avaliação do processamento dos óleos leve, intermediário e pesado sob determinadas condições especificadas. As simulações computacionais foram realizadas através de um software comercial neste trabalho. A análise das principais variáveis do processo permitiu que fossem verificados os efeitos no processo. Isto significa que pode ser realizada a análise sensitiva das principais variáveis do processo, mostrando os principais efeitos causados pelas mudanças das variáveis. A otimização do número de estágios e posição da alimentação da Coluna Debutanizadora foi realizada para a minimização da carga térmica do refervedor. Já, a otimização do número de estágios da Coluna Atmosférica foi realizada para a minimização da vazão de Resíduo. A avaliação realizada para o processamento dos três diferentes tipos de petróleo possibilitou verificar o aumento significativo da vazão de resíduo atmosférico e a redução de produtos, exceto o diesel pesado no processo de destilação considerado, envolvendo, neste caso, uma Coluna Pré-fracionadora e uma Coluna Atmosférica / Abstract: The crude distillation unit is the most important in the refining process. Its importance is due to the fact that this unit is responsible for the first fractionation of the petroleum in various products (fractions) as naphtha, kerosene, diesel and others. Some of these fractions obtained are removed as final product and others can be processed in other units of the refinery. In this way, all the operating and disturbance changes that occur in this unit affect directly other units. So, it is possible to verify the dependence of the others units related to the distillation unit that requires flexibility to supply the needs of the refinery. Furthermore, it is possible to observe that the crude distillation is complex due to the great number of different components of the petroleum. According to the aspects and the importance of the crude distillation, a study was carried out for the verification of the crude distillation flexibility and the knowledge of the distillation process, intending the development of the crude distillation. Initially, a crude distillation process, involving a Pre-Flash Drum, Atmospheric and Debutanizer Columns was considered in this work. Three main aspects were studied: the complete analysis of the main process variable, the optimization of the Atmospheric and Debutanizer Columns and the evaluation of the processing of the light, intermediate and heavy petroleum under specified conditions. The computational simulations were carried out, using commercial software in this study. The analysis of the main process variables allowed that the effects on the process were verified. This means that the sensitivity analysis of the main process variables could be made, showing the main effects caused by the variable changes. The optimization of the number of trays and the feed tray of the Debutanizer Column was carried out for the minimization of the reboiler duty. Furthermore, the optimization of the tray of the Atmospheric Column was done for the minimization of the residue flow rate. The evaluation of the results for the processing of three different types of petroleum allowed verifying the significant increase of the residue atmospheric flow rate and the reduction of the products, except heavy diesel in the considered crude distillation process, involving, in this case, the Prefractionation and Atmospheric Column / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química

A identificação de modelos é usualmente a tarefa mais significativa e demorada no trabalho de implementação e manutenção de sistemas de controle que usam Controle Preditivo baseado em Modelos (MPC) tendo em vista a complexidade da tarefa e a importância que o modelo possui para um bom desempenho do controlador. Após a implementação, o controlador tende a permanecer com o modelo original mesmo que mudanças de processo tenham ocorrido levando a uma degradação das ações do controlador. Este trabalho apresenta uma aplicação industrial de re-identificação em malha fechada. A metodologia de excitação da planta utilizada foi apresentada em Sotomayor et al. (2009). Tal técnica permite obter o comportamento das variáveis de processo sem desligar o MPC e sem modificar sua estrutura, aumentando assim, o automatismo e a segurança do procedimento de re-identificação. O sistema re-identificado foi uma coluna debutanizadora de uma refinaria brasileira sendo que os modelos fazem parte do controle preditivo multivariável dessa coluna de destilação. A metodologia foi aplicada com sucesso podendo-se obter os seis novos modelos para atualizar o controlador em questão, o que resultou em uma melhoria de seu desempenho. / Model identification is usually the most significant and time-consuming task of implementing and maintaining control systems based on models (MPC) concerning the complexity of the task and the importance of the model for a good performance of the controller. After being implemented the MPC tends to remain with the original model even after process changes have occurred, leading to a degradation of the controller actions. The present work shows an industrial application of closed-loop re-identification. The plant excitation methodology used here was presented in Sotomayor et al. (2009). Such technique allows for obtaining the behavior of the process variables with the MPC still working and without modifying the MPC structure, increasing automation and safety of the re-identification procedure. The system re-identified was a debutanizer column of a Brazilian refinery being the models part of the multivariable predictive control of this distillation column. The methodology was applied with reasonable success managing to obtain 6 new models to update this MPC, and resulting in improved control performance.

A identificação de modelos é usualmente a tarefa mais significativa e demorada no trabalho de implementação e manutenção de sistemas de controle que usam Controle Preditivo baseado em Modelos (MPC) tendo em vista a complexidade da tarefa e a importância que o modelo possui para um bom desempenho do controlador. Após a implementação, o controlador tende a permanecer com o modelo original mesmo que mudanças de processo tenham ocorrido levando a uma degradação das ações do controlador. Este trabalho apresenta uma aplicação industrial de re-identificação em malha fechada. A metodologia de excitação da planta utilizada foi apresentada em Sotomayor et al. (2009). Tal técnica permite obter o comportamento das variáveis de processo sem desligar o MPC e sem modificar sua estrutura, aumentando assim, o automatismo e a segurança do procedimento de re-identificação. O sistema re-identificado foi uma coluna debutanizadora de uma refinaria brasileira sendo que os modelos fazem parte do controle preditivo multivariável dessa coluna de destilação. A metodologia foi aplicada com sucesso podendo-se obter os seis novos modelos para atualizar o controlador em questão, o que resultou em uma melhoria de seu desempenho. / Model identification is usually the most significant and time-consuming task of implementing and maintaining control systems based on models (MPC) concerning the complexity of the task and the importance of the model for a good performance of the controller. After being implemented the MPC tends to remain with the original model even after process changes have occurred, leading to a degradation of the controller actions. The present work shows an industrial application of closed-loop re-identification. The plant excitation methodology used here was presented in Sotomayor et al. (2009). Such technique allows for obtaining the behavior of the process variables with the MPC still working and without modifying the MPC structure, increasing automation and safety of the re-identification procedure. The system re-identified was a debutanizer column of a Brazilian refinery being the models part of the multivariable predictive control of this distillation column. The methodology was applied with reasonable success managing to obtain 6 new models to update this MPC, and resulting in improved control performance.

Made available in DSpace on 2014-12-17T14:54:59Z (GMT). No. of bitstreams: 1 JoseMAJ.pdf: 711051 bytes, checksum: 6bfbf1b93a8a49314295062e59672543 (MD5) Previous issue date: 2007-11-23 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Artificial Intelligence techniques are applied to improve performance of a simulated oil distillation system. The chosen system was a debutanizer column. At this process, the feed, which comes to the column, is segmented by heating. The lightest components become steams, by forming the LPG (Liquefied Petroleum Gas). The others components, C5+, continue liquid. In the composition of the LPG, ideally, we have only propane and butanes, but, in practice, there are contaminants, for example, pentanes. The objective of this work is to control pentane amount in LPG, by means of intelligent set points (SP s) determination for PID controllers that are present in original instrumentation (regulatory control) of the column. A fuzzy system will be responsible for adjusting the SP's, driven by the comparison between the molar fraction of the pentane present in the output of the plant (LPG) and the desired amount. However, the molar fraction of pentane is difficult to measure on-line, due to constraints such as: long intervals of measurement, high reliability and low cost. Therefore, an inference system was used, based on a multilayer neural network, to infer the pentane molar fraction through secondary variables of the column. Finally, the results shown that the proposed control system were able to control the value of pentane molar fraction under different operational situations / No presente trabalho, aplicamos t?cnicas de intelig?ncia artificial em um sistema simulado de destila??o de petr?leo, mais especificamente em uma coluna debutanizadora. Nesse processo, o produto que chega ? coluna, conhecido como LGN, ? fracionado por meio de aquecimento. Os componentes mais leves s?o transformados em vapor, que v?o constituir o GLP (G?s Liquefeito de Petr?leo), enquanto as fra??es mais pesadas continuam l?quidas, sendo, comumente, chamadas de C5+. Na composi??o do GLP, idealmente, temos apenas propanos e butanos, por?m, na pr?tica, temos a presen?a de contaminantes, como, por exemplo, pentanos (ipentanos e n-pentanos). O objetivo do trabalho ? regular ? quantidade de pentano presente no GLP, por meio da determina??o inteligente dos sets points (SP) de controladores presentes na instrumenta??o original da coluna. Para isso ? utilizado um sistema fuzzy, que ser? respons?vel por ajustar os valores desses SP s, a partir da compara??o entre a fra??o molar do pentano na sa?da da planta (GLP) e a quantidade desejada. Optou-se por controlar apenas a fra??o molar de i-pentano, por esta ser, normalmente, maior que a fra??o molar do n-pentano, e ainda, devido ao fato de que ambas apresentam din?micas extremamente semelhantes em fun??o das condi??es de opera??o da coluna. Por?m, a fra??o molar de pentano, seja do i-pentano ou n-pentano, ? de dif?cil medi??o on-line devido a limita??es, como: longos intervalos de medi??o, pouca confiabilidade e alto custo. Por essa raz?o, foi utilizado um sistema de infer?ncia, constru?do a partir de uma rede neural de m?ltiplas camadas para inferir o percentual de i-pentano a partir de vari?veis secund?rias da coluna. Os resultados obtidos mostram que o sistema fuzzy conseguiu controlar o valor da fra??o molar do i-pentano para diversas situa??es, mostrando ser um sistema de controle avan?ado vi?vel e com um n?vel satisfat?rio de confiabilidade