O propósito desta Tese é realizar o estudo da implementação do controle avançado do tipo controle preditivo baseado em modelo (MPC) e otimização em tempo real (RTO) em uma unidade de processo industrial usando como ferramentas softwares comerciais de simulação e otimização de processos. As soluções propostas podem ser consideradas como estratégias de integração entre RTO e MPC de uma e duas camadas. Na estratégia de duas camadas, a camada superior que considera um modelo rigoroso não linear do processo computa e envia targets otimizantes à camada dinâmica do MPC, que computa as ações de controle necessárias para alcançar esses targets e estabilizar o processo. Na estratégia de uma camada, mais conhecida como MPC econômico, temos a inclusão do gradiente da função econômica na função custo do controlador preditivo. Ambas as estratégias foram estudadas e suas implementações na coluna de destilação de propeno/propano com integração energética da unidade de produção de propeno da refinaria de Capuava da Petrobras foram simuladas. Este estudo foi realizado em varias etapas. Primeiro, uma simulação dinâmica do processo foi realizada usando o simulador dinâmico SimSci Dynsim® para ser usada como uma planta virtual que também foi usada para a identificação dos modelos usados nos controladores preditivos. Segundo, os algoritmos de controle avançado foram desenvolvidos em Matlab® baseados no controlador preditivo de horizonte infinito (IHMPC), no controlador preditivo robusto (RIHMPC) e no MPC econômico. Terceiro, o algoritmo de RTO foi desenvolvido no pacote de otimização em tempo real Simsci ROMeo®, onde o modelo rigoroso não linear do processo foi implantado incluindo as etapas de simulação, reconciliação de dados e otimização. Quarto, modificações e adaptações dos algoritmos e rotinas desenvolvidas foram feitas para permitir a comunicação de dados em tempo real usando o protocolo de transferência de dados OPC entre Matlab®, Simsci Dynsim® e Simsci ROMeo ®. Finalmente, foram desenvolvidos o sequenciamento e automação dos algoritmos tanto para leitura e escritura de dados, assim como, para a rotina do RTO. Para todas as estratégias propostas nesta Tese, foram incluídos exemplos de simulação representativos onde se pode evidenciar a estabilidade e convergência das estratégias propostas, chegando-se à conclusão que as estruturas propostas de RTO/MPC podem ser implementadas no sistema real. / The aim of this Thesis is to study the implementation of advanced control, specifically, Model Predictive Control (MPC) and real time optimization (RTO) in an industrial process system using tools such as commercial software for process simulation and optimization. The proposed solutions can be considered as integration strategies of RTO and MPC with one and two layers. In the two layer approach, the upper layer that considers a rigorous non-linear steady-state model of the process computes optimizing targets that are sent to the dynamic layer that are based on the MPC, which computes the necessary control actions to reach those targets and stabilize the process system. In the one layer strategy, also called as Economic MPC, the gradient of the economic function is included in the cost function of the predictive controller. Both strategies were studied and their implementation in the energy-recovery propylene/propane splitter system of the propylene production unit at the Capuava Refinery of Petrobras was simulated. In order to accomplish this objective, the work was developed in several steps. Firstly, a dynamic simulation of the process was built in the dynamic simulator Simsci Dynsim® so that it could be used as a virtual plant in which the model identification could also be performed. Secondly, the advanced control algorithms were developed in Matlab® based on the Infinite Horizon Model Predictive Control (IHMPC), the robust predictive controller (RIHMPC) and the Economic MPC. Thirdly, the RTO algorithm was developed in the real-time optimization package Simsci ROMeo®, where the non-linear rigorous model of the process was built including the stages of simulation, data reconciliation and optimization. Fourthly, modifications and adaptation of the developed algorithms and routines were included to allow the real-time data communication considering the OPC data transfer protocol between Matlab®, Dynsim® and ROMeo ®. Finally, a sequence of algorithms was developed and automated for data reading and writing, as well as, for the RTO sequence. For all the strategies developed in this Thesis, representative simulation examples were presented in order to show the closed-loop stability and convergence of the proposed approaches, leading to the conclusion that the proposed RTO/MPC structures can be implemented in the real system.

O propósito desta Tese é realizar o estudo da implementação do controle avançado do tipo controle preditivo baseado em modelo (MPC) e otimização em tempo real (RTO) em uma unidade de processo industrial usando como ferramentas softwares comerciais de simulação e otimização de processos. As soluções propostas podem ser consideradas como estratégias de integração entre RTO e MPC de uma e duas camadas. Na estratégia de duas camadas, a camada superior que considera um modelo rigoroso não linear do processo computa e envia targets otimizantes à camada dinâmica do MPC, que computa as ações de controle necessárias para alcançar esses targets e estabilizar o processo. Na estratégia de uma camada, mais conhecida como MPC econômico, temos a inclusão do gradiente da função econômica na função custo do controlador preditivo. Ambas as estratégias foram estudadas e suas implementações na coluna de destilação de propeno/propano com integração energética da unidade de produção de propeno da refinaria de Capuava da Petrobras foram simuladas. Este estudo foi realizado em varias etapas. Primeiro, uma simulação dinâmica do processo foi realizada usando o simulador dinâmico SimSci Dynsim® para ser usada como uma planta virtual que também foi usada para a identificação dos modelos usados nos controladores preditivos. Segundo, os algoritmos de controle avançado foram desenvolvidos em Matlab® baseados no controlador preditivo de horizonte infinito (IHMPC), no controlador preditivo robusto (RIHMPC) e no MPC econômico. Terceiro, o algoritmo de RTO foi desenvolvido no pacote de otimização em tempo real Simsci ROMeo®, onde o modelo rigoroso não linear do processo foi implantado incluindo as etapas de simulação, reconciliação de dados e otimização. Quarto, modificações e adaptações dos algoritmos e rotinas desenvolvidas foram feitas para permitir a comunicação de dados em tempo real usando o protocolo de transferência de dados OPC entre Matlab®, Simsci Dynsim® e Simsci ROMeo ®. Finalmente, foram desenvolvidos o sequenciamento e automação dos algoritmos tanto para leitura e escritura de dados, assim como, para a rotina do RTO. Para todas as estratégias propostas nesta Tese, foram incluídos exemplos de simulação representativos onde se pode evidenciar a estabilidade e convergência das estratégias propostas, chegando-se à conclusão que as estruturas propostas de RTO/MPC podem ser implementadas no sistema real. / The aim of this Thesis is to study the implementation of advanced control, specifically, Model Predictive Control (MPC) and real time optimization (RTO) in an industrial process system using tools such as commercial software for process simulation and optimization. The proposed solutions can be considered as integration strategies of RTO and MPC with one and two layers. In the two layer approach, the upper layer that considers a rigorous non-linear steady-state model of the process computes optimizing targets that are sent to the dynamic layer that are based on the MPC, which computes the necessary control actions to reach those targets and stabilize the process system. In the one layer strategy, also called as Economic MPC, the gradient of the economic function is included in the cost function of the predictive controller. Both strategies were studied and their implementation in the energy-recovery propylene/propane splitter system of the propylene production unit at the Capuava Refinery of Petrobras was simulated. In order to accomplish this objective, the work was developed in several steps. Firstly, a dynamic simulation of the process was built in the dynamic simulator Simsci Dynsim® so that it could be used as a virtual plant in which the model identification could also be performed. Secondly, the advanced control algorithms were developed in Matlab® based on the Infinite Horizon Model Predictive Control (IHMPC), the robust predictive controller (RIHMPC) and the Economic MPC. Thirdly, the RTO algorithm was developed in the real-time optimization package Simsci ROMeo®, where the non-linear rigorous model of the process was built including the stages of simulation, data reconciliation and optimization. Fourthly, modifications and adaptation of the developed algorithms and routines were included to allow the real-time data communication considering the OPC data transfer protocol between Matlab®, Dynsim® and ROMeo ®. Finally, a sequence of algorithms was developed and automated for data reading and writing, as well as, for the RTO sequence. For all the strategies developed in this Thesis, representative simulation examples were presented in order to show the closed-loop stability and convergence of the proposed approaches, leading to the conclusion that the proposed RTO/MPC structures can be implemented in the real system.

Com o objetivo de aumentar o lucro de plantas químicas, a Otimização em Tempo Real (RTO) é uma ferramenta que busca determinar as condições ótimas operacionais do processo em estado estacionário, respeitando as restrições operacionais estabelecidas. Neste trabalho foi realizada a implementação prática de um ciclo RTO em um processo de destilação por recompressão de vapor (VRD), propileno-propano, da Refinaria de Paulínia (Petrobras S.A.), a partir de dados históricos da planta. Foram consideradas as principais etapas de um ciclo clássico de RTO: identificação de estado estacionário, reconciliação de dados, estimação de parâmetros e otimização econômica. Essa unidade foi modelada, simulada e otimizada em EMSO (Environment for Modeling, Simulation and Optimization), um simulador de processos orientado a equações desenvolvido no Brasil. Foram analisados e comparados dois métodos de identificação de estado estacionário, um baseado no teste estatístico F e outro baseado em wavelets. Ambos os métodos tiveram resultados semelhantes e mostraram-se capazes de identificar os estados estacionários de forma satisfatória, embora seja necessário o ajuste de parâmetros na sua implementação. Foram identificados alguns pontos estacionários para serem submetidos ao ciclo RTO e foi possível verificar a importância de partir de um estado estacionário para a continuidade do ciclo, já que essa é uma premissa do método. A partir dos pontos analisados, os resultados deste estudo mostram que o RTO é capaz de aumentar o ganho econômico entre 2,5-24%, dependendo das condições iniciais consideradas, o que pode representar ganhos de até 18 milhões de dólares por ano. Além disso, para essa unidade, verificou-se que o compressor é um equipamento limitante no aumento de ganho econômico do processo. / In order to increase the profits of chemical plants, the Real-Time Optimization (RTO) is a tool that seeks to determine the steady-state optimal process operating conditions to maximize its profit under the operational restrictions. In this work, a practical implementation of a RTO cycle was implemented in a vapor recompression distillation (VRD) process, propylene-propane, from Paulínia Refinery (Petrobras S.A.), from historical plant data. The main steps of a classical RTO cycle are considered: steady-state identification, data reconciliation, parameter estimation and economical optimization. This unit was modeled, simulated and optimized in EMSO (Environment for Modeling, Simulation and Optimization), which is an equation oriented simulator conceived and developed in Brazil. Two steady state identification methods were analyzed and compared, one based on a F-like test and other based on wavelets. Both methods had similar results and showed to be able to identify the stationary states satisfactorily, although parameter tuning is necessary in their implementation. Some stationary points were identified and submitted to the RTO cycle. It was possible to verify the importance of start from a steady-state to continue the cycle, since this is a premise of the method. From the points analyzed, the results of this study show that the RTO is able to increase the economic gain between 2.5- 24%, depending on the initial conditions that is considered, which may represent gains of up to 18 million dollar per year. Furthermore, for this unit, it was found that the compressor is a limiting equipment in increasing economical gain.

Com o objetivo de aumentar o lucro de plantas químicas, a Otimização em Tempo Real (RTO) é uma ferramenta que busca determinar as condições ótimas operacionais do processo em estado estacionário, respeitando as restrições operacionais estabelecidas. Neste trabalho foi realizada a implementação prática de um ciclo RTO em um processo de destilação por recompressão de vapor (VRD), propileno-propano, da Refinaria de Paulínia (Petrobras S.A.), a partir de dados históricos da planta. Foram consideradas as principais etapas de um ciclo clássico de RTO: identificação de estado estacionário, reconciliação de dados, estimação de parâmetros e otimização econômica. Essa unidade foi modelada, simulada e otimizada em EMSO (Environment for Modeling, Simulation and Optimization), um simulador de processos orientado a equações desenvolvido no Brasil. Foram analisados e comparados dois métodos de identificação de estado estacionário, um baseado no teste estatístico F e outro baseado em wavelets. Ambos os métodos tiveram resultados semelhantes e mostraram-se capazes de identificar os estados estacionários de forma satisfatória, embora seja necessário o ajuste de parâmetros na sua implementação. Foram identificados alguns pontos estacionários para serem submetidos ao ciclo RTO e foi possível verificar a importância de partir de um estado estacionário para a continuidade do ciclo, já que essa é uma premissa do método. A partir dos pontos analisados, os resultados deste estudo mostram que o RTO é capaz de aumentar o ganho econômico entre 2,5-24%, dependendo das condições iniciais consideradas, o que pode representar ganhos de até 18 milhões de dólares por ano. Além disso, para essa unidade, verificou-se que o compressor é um equipamento limitante no aumento de ganho econômico do processo. / In order to increase the profits of chemical plants, the Real-Time Optimization (RTO) is a tool that seeks to determine the steady-state optimal process operating conditions to maximize its profit under the operational restrictions. In this work, a practical implementation of a RTO cycle was implemented in a vapor recompression distillation (VRD) process, propylene-propane, from Paulínia Refinery (Petrobras S.A.), from historical plant data. The main steps of a classical RTO cycle are considered: steady-state identification, data reconciliation, parameter estimation and economical optimization. This unit was modeled, simulated and optimized in EMSO (Environment for Modeling, Simulation and Optimization), which is an equation oriented simulator conceived and developed in Brazil. Two steady state identification methods were analyzed and compared, one based on a F-like test and other based on wavelets. Both methods had similar results and showed to be able to identify the stationary states satisfactorily, although parameter tuning is necessary in their implementation. Some stationary points were identified and submitted to the RTO cycle. It was possible to verify the importance of start from a steady-state to continue the cycle, since this is a premise of the method. From the points analyzed, the results of this study show that the RTO is able to increase the economic gain between 2.5- 24%, depending on the initial conditions that is considered, which may represent gains of up to 18 million dollar per year. Furthermore, for this unit, it was found that the compressor is a limiting equipment in increasing economical gain.