Submitted by Eduarda Figueiredo (eduarda.ffigueiredo@ufpe.br) on 2015-03-11T13:28:22Z No. of bitstreams: 2 MCSC.pdf: 902467 bytes, checksum: feccf454de8a2ed9ecdca640cb23ba6c (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-11T13:28:22Z (GMT). No. of bitstreams: 2 MCSC.pdf: 902467 bytes, checksum: feccf454de8a2ed9ecdca640cb23ba6c (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-01-19 / ANP, FINEP / Devido a maior oferta de petróleos pesados e alto grau de contaminantes que os derivados deste possuem, os processos de hidrorrefino têm recebido atenção especial ao longo dos últimos por possibilitar a remoção de contaminantes e melhorar a margem de lucro das refinarias por tonar possível a obtenção de derivados de maior valor agregado. Entre esses o processo de hidrotratamento (HDT), no qual ocorre uma série de reações que utilizam o gás hidrogênio como reagente, foi o foco de estudo deste trabalho. Ao ser aplicado em correntes de Diesel o HDT realiza a remoção de contaminantes como enxofre e nitrogênio, aumentando a qualidade do mesmo. A unidade de HDT tem como principal equipamento o reator, que consiste em um leito com partículas sólidas, onde gás e líquido escoam em fluxo co-corrente ou em contracorrente. Apesar deste processo já ser maduro, o crescente aumento nas exigências de mercado demandam por melhorias no mesmo, a fim de atingir uma rentabilidade cada vez maior. Desta forma o uso de inferenciadores na estimação das variáveis tornaria possível o melhor acompanhamento do processo como também a implementação de novas estratégias de controle. Visto a relevância desse tema o presente trabalho abordou o desenvolvimento de observadores de estado para o reator do processo de HDT, para isto foi necessário a aquisição de dados do processo, o que foi conseguido através de um modelo matemático do reator, o qual foi denominado como planta virtual. Esta forneceu os dados para treinamento e validação dos inferenciadores aqui estudados: as redes neuronais e a neuro-fuzzy. No decorrer do trabalho foi definido o tempo de amostragem e o período de excitação do sinal através da menor constante de tempo. Para treinamento dos inferenciadores foi utilizado dois bancos de dados distintos, um com tempo de amostragem de 50s, onde este foi obtido pelo método da constante de tempo, e outro com amostragem de 10 minutos, em que as seguintes variáveis foram inferenciadas: concentração de compostos sulfurados, nitrogenados e olefinas na saída do reator. Dessas o melhor resultado foi obtido na inferência da concentração de compostos sulfurados realizada através da Rede Neuronal. Foi escolhida esta rede neuronal na implementação de um controlador PID e como modelo interno de um controlador NNMPC. O controlador PID cuja variável de controle foi à concentração de sulfurados foi chamado de controlador PID inferencial e os resultados deste se mostraram melhores do que os resultados obtidos pelo controlador NNMPC.

Made available in DSpace on 2014-06-12T18:08:23Z (GMT). No. of bitstreams: 2 arquivo9473_1.pdf: 920450 bytes, checksum: 8de41a22d93f1f66a4f3481b45626f98 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2012 / Devido a maior oferta de petróleos pesados e alto grau de contaminantes que os derivados deste possuem, os processos de hidrorrefino têm recebido atenção especial ao longo dos últimos por possibilitar a remoção de contaminantes e melhorar a margem de lucro das refinarias por tonar possível a obtenção de derivados de maior valor agregado. Entre esses o processo de hidrotratamento (HDT), no qual ocorre uma série de reações que utilizam o gás hidrogênio como reagente, foi o foco de estudo deste trabalho. Ao ser aplicado em correntes de Diesel o HDT realiza a remoção de contaminantes como enxofre e nitrogênio, aumentando a qualidade do mesmo. A unidade de HDT tem como principal equipamento o reator, que consiste em um leito com partículas sólidas, onde gás e líquido escoam em fluxo co-corrente ou em contracorrente. Apesar deste processo já ser maduro, o crescente aumento nas exigências de mercado demandam por melhorias no mesmo, a fim de atingir uma rentabilidade cada vez maior. Desta forma o uso de inferenciadores na estimação das variáveis tornaria possível o melhor acompanhamento do processo como também a implementação de novas estratégias de controle. Visto a relevância desse tema o presente trabalho abordou o desenvolvimento de observadores de estado para o reator do processo de HDT, para isto foi necessário a aquisição de dados do processo, o que foi conseguido através de um modelo matemático do reator, o qual foi denominado como planta virtual. Esta forneceu os dados para treinamento e validação dos inferenciadores aqui estudados: as redes neuronais e a neuro-fuzzy. No decorrer do trabalho foi definido o tempo de amostragem e o período de excitação do sinal através da menor constante de tempo. Para treinamento dos inferenciadores foi utilizado dois bancos de dados distintos, um com tempo de amostragem de 50s, onde este foi obtido pelo método da constante de tempo, e outro com amostragem de 10 minutos, em que as seguintes variáveis foram inferenciadas: concentração de compostos sulfurados, nitrogenados e olefinas na saída do reator. Dessas o melhor resultado foi obtido na inferência da concentração de compostos sulfurados realizada através da Rede Neuronal. Foi escolhida esta rede neuronal na implementação de um controlador PID e como modelo interno de um controlador NNMPC. O controlador PID cuja variável de controle foi à concentração de sulfurados foi chamado de controlador PID inferencial e os resultados deste se mostraram melhores do que os resultados obtidos pelo controlador NNMPC

Neste trabalho é abordado o problema de controle e de otimização de unidades industriais de hidrotratamento de diesel (UHDT) por controladores MPC (Model Predictive Control). É apresentado um breve histórico dos controladores MPC convencionais e de horizonte infinito (IHMPC), bem como uma breve descrição do processo de Hidrotratamento de Diesel e das particularidades da aplicação do controle de processos a este tipo de planta industrial. Em seguida foi gerado, passo a passo, um algoritmo de controle que sumarizou e agregou características de vários controladores MPC disponíveis na literatura aberta, em especial os que foram desenvolvidos ao longo dos últimos anos pelo laboratório de simulação e controle da USP (LSCP), a fim de se obter um algoritmo adequado para a solução do problema de controle abordado. Em ambiente computacional de simulação, o algoritmo resultante possibilitou controlar e otimizar simultaneamente processos contínuos, sendo capaz de estabilizar a planta industrial de forma robusta e, ao mesmo tempo, aumentar a lucratividade de sua operação. Para tanto, foi desenvolvida uma função objetivo econômica que aumentou a conversão da carga bruta em produtos hidrotratados e minimizou o consumo de insumos, sendo que essa correlação foi agregada ao algoritmo de controle. As simulações permitiram que as estratégias de controle previamente discutidas pudessem ser testadas e seus resultados apresentados e debatidos. / This work addresses the control and optimization problem of industrial diesel hydrotreating units (UHDT) by MPC controllers (Model Predictive Control). It is presented a brief historical of conventional MPC controllers and infinite horizon controllers (IHMPC), as well as a brief description of the Diesel Hydrotreating process and the particulars of the application of process control for this type of industrial plant. It was then generated, step by step, one algorithm that summarized and aggregated control characteristics of various MPC controllers available in the open literature, in particular those that have been developed over the past few years by USPs laboratory of simulation and control of (LSCP), in order to obtain an algorithm suitable for solving the addressed control problem. In a computational simulation environment, the resulting algorithm allowed to simultaneously control and optimize continuous processes, being able to robustly stabilize the industrial plant and at the same time increase the profitability of its operation. For this purpose, an \"objective function\" was developed which increased the economic conversion of crude feed to hydrotreated product and minimized the consumption of raw materials, and this correlation was added to the control algorithm. The simulations allowed that the previously discussed control strategies could be tested and the results presented and discussed.

Neste trabalho é abordado o problema de controle e de otimização de unidades industriais de hidrotratamento de diesel (UHDT) por controladores MPC (Model Predictive Control). É apresentado um breve histórico dos controladores MPC convencionais e de horizonte infinito (IHMPC), bem como uma breve descrição do processo de Hidrotratamento de Diesel e das particularidades da aplicação do controle de processos a este tipo de planta industrial. Em seguida foi gerado, passo a passo, um algoritmo de controle que sumarizou e agregou características de vários controladores MPC disponíveis na literatura aberta, em especial os que foram desenvolvidos ao longo dos últimos anos pelo laboratório de simulação e controle da USP (LSCP), a fim de se obter um algoritmo adequado para a solução do problema de controle abordado. Em ambiente computacional de simulação, o algoritmo resultante possibilitou controlar e otimizar simultaneamente processos contínuos, sendo capaz de estabilizar a planta industrial de forma robusta e, ao mesmo tempo, aumentar a lucratividade de sua operação. Para tanto, foi desenvolvida uma função objetivo econômica que aumentou a conversão da carga bruta em produtos hidrotratados e minimizou o consumo de insumos, sendo que essa correlação foi agregada ao algoritmo de controle. As simulações permitiram que as estratégias de controle previamente discutidas pudessem ser testadas e seus resultados apresentados e debatidos. / This work addresses the control and optimization problem of industrial diesel hydrotreating units (UHDT) by MPC controllers (Model Predictive Control). It is presented a brief historical of conventional MPC controllers and infinite horizon controllers (IHMPC), as well as a brief description of the Diesel Hydrotreating process and the particulars of the application of process control for this type of industrial plant. It was then generated, step by step, one algorithm that summarized and aggregated control characteristics of various MPC controllers available in the open literature, in particular those that have been developed over the past few years by USPs laboratory of simulation and control of (LSCP), in order to obtain an algorithm suitable for solving the addressed control problem. In a computational simulation environment, the resulting algorithm allowed to simultaneously control and optimize continuous processes, being able to robustly stabilize the industrial plant and at the same time increase the profitability of its operation. For this purpose, an \"objective function\" was developed which increased the economic conversion of crude feed to hydrotreated product and minimized the consumption of raw materials, and this correlation was added to the control algorithm. The simulations allowed that the previously discussed control strategies could be tested and the results presented and discussed.

Diesel plays an important role to the Brazil’s energy matrix, because it is one of the most consumed fuel at country. This study describes the hydrotreating process for petroleum refining using commercial software, PRO/II®. In addition, the artificial neural networks (ANN), using MATLAB®, were evaluated as tool for the development of virtual sensors and fault detection in chemical processes. The theoretical and practical assessment carried out in relation to the suitability of the software is justified by having acceptability in the oil and gas industry. For the oil hydrotreating associated with sulfur, the Diesel was represented by weight oil features; similar those used in refinery Abreu e Lima (RNEST). The goal of this study was to modeling in stationary condition for the reactor section the diesel hydrotreating process getting operating conditions to keep the sulfur concentration below of the ANP (Agência Nacional do Petróleo) specification, which is 10 ppm. The RNA applied to evaluate the virtual sensors was the MLP (Multi-Layer Perceptron), however, using the Levenberg-Marquardt Backpropagation (LMB) training algorithm. The coefficient of correlation was close to 1, so it means the network was satisfactory for this study. In the binary classification stage, the performance of RNA-LMB was efficient since a percentage of success above 93% was observed. In data clustering stage, used to define faults detection from parameters like flow of diesel, contaminants, pressure and temperature, the RNA-Kohonen was evaluated to check the sensitivity of the network to cluster the data with similarity. In a second stage, were inserted errors in the network, the temperature was the parameter with the greatest susceptibility to measurement errors in the industry. The lack of similarity for the input data in the RNA was well represented by self-organizing map (SOM). The simulations, as well as network training, adequately represent the analyzed processes. / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O presente trabalho aborda o estudo do processo de hidrotratamento no refino de petróleo utilizando e avaliando software comercial, PRO/II®, e investiga a utilização da aplicação das redes neurais artificiais (RNA), em ambiente Matlab®, como ferramenta para o desenvolvimento de sensores virtuais e detecção de falhas em processos químicos. A avaliação teórica e prática realizada em relação à adequabilidade do software são justificadas pela sua aceitabilidade na área de petróleo e gás. Para a representação do diesel, combustível de maior interesse por ser o mais consumido dentro da matriz energética brasileira, foram utilizados dados associados ao petróleo pesado, obtidos da literatura, com características semelhantes ao que será utilizado na refinaria Abreu e Lima (RNEST). Petróleos com maiores índices de contaminantes como enxofre e nitrogênio estão cada vez mais presentes nas cargas das unidades de refino o que aumenta o interesse nos estudos referentes ao hidrotratamento (HDT). A principal variável estudada neste trabalho foi a avaliação da remoção do enxofre via HDT. O trabalho propôs uma modelagem estacionária da seção de reatores do processo de hidrotratamento de diesel obtendo condições operacionais que possibilite a manutenção do teor de enxofre abaixo da concentração de especificação da ANP, 10 ppm de enxofre no diesel. A RNA utilizada para a avaliação dos sensores virtuais foi a MLP (Multi-Layer Perceptron) com algoritmo de treinamento Levenberg-Marquardt backpropagation. A rede mostrou-se satisfatória, pois obteve um coeficiente de regressão próximo de um. Na etapa de classificação, a RNA, usando o algoritmo Levenberg-Marquardt backpropagation, através de uma classe binária, obteve um percentual de acertos acima de 93%, o que o classifica como bastante eficiente. Na análise da RNA, na etapa de agrupamento de dados utilizada para possíveis detecções de falhas, a rede utilizada foi a Kohonen onde foi avaliada a sensibilidade da rede em agrupar os dados com similaridade. Os parâmetros utilizados foram as vazões de diesel e contaminantes, pressão e temperatura. Numa segunda etapa foram inseridos erros na rede. A temperatura foi o parâmetro escolhido por ter maior susceptibilidade a erros de medição na indústria. O resultado obtido é representado por um mapa auto-organizável (SOM Self-Organizing Map) que identificou de forma satisfatória, através de cores, a falta de similaridade entre os dados inseridos na rede. As simulações desenvolvidas neste trabalho, bem como o treinamento da rede conseguiram representar adequadamente os processos estudados.