Real-Time Optimization (RTO) is a family of techniques that pursue to improve the performance of chemical processes. As general scheme, the method reevaluates the process conditions in a frequent basis and tries to adjust some selected variables, taking into account the plant state, actual operational constraints and optimization objectives. Several RTO approaches have born from the academy research and industrial practices, at the same time that more applications have been implemented in real facilities. Between the main motivations to apply RTO are the dynamic of markets, the seek for quality in the process results and environmental sustainability. That is why the interest on deeply understand the phases and steps involved in an RTO application has increased in recent years. Nevertheless, the fact that most of the existing RTO systems have been developed by commercial organizations makes it difficult to meet that understanding. This work studies the nature of RTO systems from a software point of view. Software requirements for a generic system are identied. Based on that, a software architecture is proposed that could be adapted for specfic cases. Benefits of the designed architecture are listed. At the same time, the work proposes a new approach to implement that architecture as a Multi-Agent System (MAS). Two RTO system prototypes were developed then, one for a well-know academic case study and the other oriented to be used in a real unit. The benefits of the MAS approach and the architecture, for researching on the RTO field and implementation on real plants, are analyzed in the text. A sub-product of the development, a software framework covering main concepts from the RTO ontology, is proposed as well. As the framework was designed to be generic, it can be used in new applications development and extended to very specific scenarios. / Otimização em Tempo Real (OTR) é uma família de técnicas que buscam melhorar o desempenho dos processos químicos. Como esquema geral, o método reavalia frequentemente as condições do processo e tenta ajustar algumas variáveis selecionadas, levando em considera ção o estado da planta, restrições operacionais e os objetivos da otimização. Várias abordagens para OTR t^em surgido da pesquisa acadêmica e das práticas industriais, ao mesmo tempo em que mais aplicações têm sido implementadas em plantas reais. As principais motivações para aplicar OTR são: a dinâmica dos mercados, a busca de qualidade nos resultados dos processos e a sustentabilidade ambiental. É por isso que o interesse em entender as fases e etapas envolvidas em uma aplicação OTR cresceu nos últimos anos. No entanto, o fato de que a maioria dos sistemas OTR em operação foram desenvolvidos por organizações comerciais dificulta o caminho para chegar nesse entendimento. Este trabalho analisa a natureza dos sistemas OTR desde o ponto de vista do software. Os requerimentos para um sistema genérico são levantados. Baseado nisso, é proposta uma arquitetura de software que pode ser adaptada para casos específicos. Os benefícios da arquitetura projetada foram listados. Ao mesmo tempo, o trabalho propõe uma nova abordagem para implementar essa arquitetura: Sistema Multi-Agentes (SMA). Dois protótipos de sistema OTR foram desenvolvidos. O primeiro aplicado num estudo de caso bem conhecido na literatura acadêmica. O segundo voltado para ser usado em uma unidade industrial. Os benefícios da abordagem SMA e da arquitetura, tanto na pesquisa relacionada com OTR, quanto na implementação em plantas reais, são analisados no texto. Um arcabouço de software que abrange os principais conceitos da ontologia OTR é proposto como resultado derivado do desenvolvimento. O arcabouço foi projetado para ser genérico, possibilitando seu uso no desenvolvimento de novas aplicações OTR e sua extensão a cenários muito específicos.

The increasing economic competition drives the industry to implement tools that improve their processes efficiencies. The process automation is one of these tools, and the Real Time Optimization (RTO) is an automation methodology that considers economic aspects to update the process control in accordance with market prices and disturbances. Basically, RTO uses a steady-state phenomenological model to predict the process behavior, and then, optimizes an economic objective function subject to this model. Although largely implemented in industry, there is not a general agreement about the benefits of implementing RTO due to some limitations discussed in the present work: structural plant/model mismatch, identifiability issues and low frequency of set points update. Some alternative RTO approaches have been proposed in literature to handle the problem of structural plant/model mismatch. However, there is not a sensible comparison evaluating the scope and limitations of these RTO approaches under different aspects. For this reason, the classical two-step method is compared to more recently derivative-based methods (Modifier Adaptation, Integrated System Optimization and Parameter estimation, and Sufficient Conditions of Feasibility and Optimality) using a Monte Carlo methodology. The results of this comparison show that the classical RTO method is consistent, providing a model flexible enough to represent the process topology, a parameter estimation method appropriate to handle measurement noise characteristics and a method to improve the sample information quality. At each iteration, the RTO methodology updates some key parameter of the model, where it is possible to observe identifiability issues caused by lack of measurements and measurement noise, resulting in bad prediction ability. Therefore, four different parameter estimation approaches (Rotational Discrimination, Automatic Selection and Parameter estimation, Reparametrization via Differential Geometry and classical nonlinear Least Square) are evaluated with respect to their prediction accuracy, robustness and speed. The results show that the Rotational Discrimination method is the most suitable to be implemented in a RTO framework, since it requires less a priori information, it is simple to be implemented and avoid the overfitting caused by the Least Square method. The third RTO drawback discussed in the present thesis is the low frequency of set points update, this problem increases the period in which the process operates at suboptimum conditions. An alternative to handle this problem is proposed in this thesis, by integrating the classic RTO and Self-Optimizing control (SOC) using a new Model Predictive Control strategy. The new approach demonstrates that it is possible to reduce the problem of low frequency of set points updates, improving the economic performance. Finally, the practical aspects of the RTO implementation are carried out in an industrial case study, a Vapor Recompression Distillation (VRD) process located in Paulínea refinery from Petrobras. The conclusions of this study suggest that the model parameters are successfully estimated by the Rotational Discrimination method; the RTO is able to improve the process profit in about 3%, equivalent to 2 million dollars per year; and the integration of SOC and RTO may be an interesting control alternative for the VRD process. / O aumento da concorrência motiva a indústria a implementar ferramentas que melhorem a eficiência de seus processos. A automação é uma dessas ferramentas, e o Real Time Optimization (RTO) ou Otimização em Tempo Real, é uma metodologia de automação que considera aspectos econômicos e restrições de processos e equipamentos para atualizar o controle do processo, de acordo com preços de mercado e distúrbios. Basicamente, o RTO usa um modelo fenomenológico em estado estacionário para predizer o comportamento do processo, em seguida, otimiza uma função objetivo econômica sujeita a esse modelo. Embora amplamente utilizado na indústria, não há ainda um consenso geral sobre os benefícios da implementação do RTO, devido a algumas limitações discutidas no presente trabalho: incompatibilidade estrutural entre planta e modelo, problemas de identificabilidade e baixa frequência de atualização dos set points. Algumas metodologias de RTO foram propostas na literatura para lidar com o problema da incompatibilidade entre planta e modelo. No entanto, não há uma comparação que avalie a abrangência e as limitações destas diversas abordagens de RTO, sob diferentes aspectos. Por esta razão, o método clássico de RTO é comparado com metodologias mais recentes, baseadas em derivadas (Modifier Adaptation, Integrated System Optimization and Parameter estimation, and Sufficient Conditions of Feasibility and Optimality), utilizando-se o método de Monte Carlo. Os resultados desta comparação mostram que o método clássico de RTO é coerente, desde que seja proporcionado um modelo suficientemente flexível para se representar a topologia do processo, um método de estimação de parâmetros apropriado para lidar com características de ruído de medição e um método para melhorar a qualidade da informação da amostra. Já os problemas de identificabilidade podem ser observados a cada iteração de RTO, quando o método atualiza alguns parâmetros-chave do modelo, o que é causado principalmente pela ausência de medidas e ruídos. Por esse motivo, quatro abordagens de estimação de parâmetros (Discriminação Rotacional, Seleção Automática e Estimação de Parâmetros, Reparametrização via Geometria Diferencial e o clássico Mínimos Quadrados não-lineares) são avaliados em relação à sua capacidade de predição, robustez e velocidade. Os resultados revelam que o método de Discriminação Rotacional é o mais adequado para ser implementado em um ciclo de RTO, já que requer menos informação a priori, é simples de ser implementado e evita o sobreajuste observado no método de Mínimos Quadrados. A terceira desvantagem associada ao RTO é a baixa frequência de atualização dos set points, o que aumenta o período em que o processo opera em condições subotimas. Uma alternativa para lidar com este problema é proposta no presente trabalho, integrando-se o RTO e o Self-Optimizing Control (SOC) através de um novo algoritmo de Model Predictive Control (MPC). Os resultados obtidos com a nova abordagem demonstram que é possível reduzir o problema da baixa frequência de atualização dos set points, melhorando o desempenho econômico do processo. Por fim, os aspectos práticos da implementação do RTO são discutidos em um estudo de caso industrial, que trata de um processo de destilação com bomba de calor, localizado na Refinaria de Paulínia (REPLAN - Petrobras). Os resultados deste estudo sugerem que os parâmetros do modelo são estimados com sucesso pelo método de Discriminação Rotacional; que o RTO é capaz de aumentar o lucro do processo em cerca de 3%, o equivalente a 2 milhões de dólares por ano; e que a integração entre SOC e RTO pode ser uma alternativa interessante para o controle deste processo de destilação.

The control and optimization of chemical plants is a major area of research as it has the potential to improve both economic output and plant safety. It is often prudent to separate control and optimization tasks of varying complexities and time scales, creating a hierarchical control structure. Within this structure, it is beneficial for one control layer to be able to account for the effects of other layers. A clear example of this, and the basis of this work, is closed-loop dynamic real-time optimization (CL-DRTO), in which an economic optimization method considers both the plant behavior and the effects of an underlying model predictive controller (MPC). This technique can be expanded on to allow its use and methods to be employed in a greater diversity of applications, particularly unstable and uncertain plant environments. First, this work seeks to improve on existing robust MPC techniques, which incorporate plant uncertainty via direct multi-scenario modelling, by also including future MPC behavior through the use of the CL modelling technique of CL-DRTO. This allows the CL robust MPC to account for how future MPC executions will be affected by uncertain plant behavior. Second, Lyapunov MPC (LMPC) is a generally nonconvex technique which focuses on effective control of plants which exhibit open-loop unstable behavior. A new convex LMPC formulation is presented here which can be readily embedded into a CL-DRTO scheme. Next, uncertainty handling is incorporated directly into a CL-DRTO via a robust multi-scenario method to allow for the economic optimization to take uncertain plant behavior into account while also modelling MPC behavior under plant uncertainty. Finally, the robust CL-DRTO method is computationally expensive, so a decomposition method which separates the robust CL-DRTO into its respective scenario subproblems is developed to improve computation time, especially for large optimization problems. / Thesis / Doctor of Philosophy (PhD) / It is common for control and optimization of chemical plants to be performed in a multi-layered hierarchy. The ability to predict the behavior of other layers or the future behavior of the same layer can improve overall plant performance. This thesis presents optimization and control frameworks which use this concept to more effectively control and economically optimize chemical plants which are subject to uncertain behavior or instability. The strategy is shown, in a series of simulated case studies, to effectively control chemical plants with uncertain behavior, control and optimize unstable plant systems, and economically optimize uncertain chemical plants. One of the drawbacks of these strategies is the relatively large computation time required to solve the optimization problems. Therefore, for uncertain systems, the problem is separated into smaller pieces which are then coordinated towards a single solution. This results in reduced computation time.

Real-time optimization (RTO) is a supervisory strategy in the hierarchical industrial process automation architecture in which economically optimal set-point targets are computed for the lower level advanced control system, which is typically model predictive control (MPC). Due to highly volatile market conditions, recent developments have considered transforming the conventional steady-state RTO to dynamic RTO (DRTO) to permit economic optimization during transient operation. Published DRTO literature optimizes plant input trajectories without taking into account the presence of the plant control system, constituting an open-loop DRTO (OL-DRTO) approach. The goal of this research is to develop a design framework for a DRTO system that optimizes process economics based on a closed-loop response prediction. We focus, in particular, on DRTO applied to a continuous process operation regulated under constrained MPC. We follow a two-layer DRTO/MPC configuration due to its close tie to the industrial process automation architecture. We first analyze the effects of optimizing MPC closed-loop response dynamics at the DRTO level. A rigorous DRTO problem structure proposed in this thesis is in the form of a multilevel dynamic optimization problem, as it embeds a sequence of MPC optimization subproblems to be solved in order to generate the closed-loop prediction in the DRTO formulation, denoted here as a closed-loop DRTO (CL-DRTO) strategy. A simultaneous solution approach is applied in which the convex MPC optimization subproblems are replaced by their necessary and sufficient, Karush-Kuhn-Tucker (KKT) optimality conditions, resulting in the reformulation of the original multilevel problem as a single-level mathematical program with complementarity constraints (MPCC) with the complementarities handled using an exact penalty formulation. Performance analysis is carried out, and process conditions under which the CL-DRTO strategy significantly outperforms the traditional open-loop counterpart are identified. The multilevel DRTO problem with a rigorous inclusion of the future MPC calculations significantly increases the size and solution time of the economic optimization problem. Next, we identify and analyze multiple closed-loop approximation techniques, namely, a hybrid formulation, a bilevel programming formulation, and an input clipping formulation applied to an unconstrained MPC algorithm. Performance analysis based on a linear dynamic system shows that the proposed approximation techniques are able to substantially reduce the size and solution time of the rigorous CL-DRTO problem, while largely retaining its original performance. Application to an industrially-based case study of a polystyrene production described by a nonlinear differential-algebraic equation (DAE) system is also presented. Often large-scale industrial systems comprise multi-unit subsystems regulated under multiple local controllers that require systematic coordination between them. Utilization of closed-loop prediction in the CL-DRTO formulation is extended for application as a higher-level, centralized supervisory control strategy for coordination of a distributed MPC system. The advantage of the CL-DRTO coordination formulation is that it naturally considers interaction between the underlying MPC subsystems due to the embedded controller optimization subproblems while optimizing the overall process dynamics. In this case, we take advantage of the bilevel formulation to perform closed-loop prediction in two DRTO coordination schemes, with variations in the coordinator objective function based on dynamic economics and target tracking. Case study simulations demonstrate excellent performance in which the proposed coordination schemes minimize the impact of disturbance propagation originating from the upstream subsystem dynamics, and also reduce the magnitude of constraint violation through appropriate adjustment of the controller set-point trajectories. / Thesis / Doctor of Philosophy (PhD)

Estratégias de otimização em tempo real (RTO: Real Time Optimization) são utilizadas para avaliar e determinar as condições ótimas operacionais de uma planta em estado estacionario, maximizando a produtividade econômica do processo sujeita a restrições operacionais. Esse problema de otimização engloba toda a planta e pode ser resolvido utilizando um só modelo para todo o processo que maximize o lucro bruto operacional considerando os preços de mercado das correntes de entrada e saída do processo. No entanto, na prática, essa abordagem centralizada muitas vezes não pode ser aplicada, devido ao tamanho e complexidade do problema de otimização, a que é muito difícil que todas as unidades da planta estejam em estado estacionário ao mesmo tempo e a que as unidades de processo não estão sincronizadas já que em muitos processos não existe armazenamento intermediário. Uma solução é utilizar uma estrutura distribuída, na qual o problema de otimização deve ser decomposto em subproblemas com reduzida complexidade numérica. Tal decomposição, no entanto, exige que o preço das correntes de entrada e saída de cada subproblema sejam adequadamente determinados. Com este proposito, neste trabalho, serão aplicadas técnicas de decomposição em uma unidade de produção de propeno da refinaria REPLAN (Refinaria de Paulínia, São Paulo) da PETROBRAS. Essa unidade será modelada, simulada e otimizada no software orientado a equações EMSO (Environment for Modeling, Simulation and Optimization). Com o objetivo de testar as técnicas de decomposição, a unidade será decomposta em três divisões que são: depropanizadora, deetanizadora e C3 splitter. Mostra-se que duas técnicas tradicionais chamadas de relaxação Lagrangiana e Lagrangeano aumentado não conseguem convergir em uma solução devido a duas causas. A primeira causa é que o processo estudado contém divisões indiferentes, o que significa que não existe dependência linear entre a função objetivo e as restrições complicadoras. A segunda causa é que os subproblemas de otimização que representam cada uma das divisões da unidade têm funções objetivos lineares, neste caso, a restrição ativa de cada subproblema irá ser sempre a capacidade de produção máxima ou mínima de cada divisão e não uma vazão intermediária. Uma técnica alternativa, Pricing Interprocess Streams Using Slack Auctions, também foi aplicada ao processo estudado. Essa técnica define uma folga de recurso entre as correntes 2 intermediárias das divisões e utiliza leilões para ajustar o preço dos produtos intermediários. Mostra-se que esse último abordagem também apresenta problemas na sua aplicação, porque todas as divisões estudadas têm dois produtos diferentes, isso significa que a técnica produzirá sempre a vazão máxima do produto final (vazão que tem preço de mercado) de cada divisão e não assim do produto intermediário (vazão que vai de uma divisão para outra). Identificados os problemas nessas técnicas de decomposição, é proposta uma modificação do algoritmo de relaxação Lagrangeana. Para o qual é considerada uma nova variável denominada limite de produção disponível (LPD) e uma restrição para as vazões de carga de cada uma das divisões, a qual será atualizada a cada iteração. Essa modificação no algoritmo consegue superar os problemas apresentados para a resolução do problema de otimização para a unidade estudada considerando uma estrutura distribuída. / Real time optimization strategies (RTO) are used to evaluate and determine the optimum operating conditions of a plant, maximizing the economic productivity of the process which is subject to operational constraints. This optimization framework encompasses the entire plant, and can be solved using one model for the entire process that maximizes the operating gross profit considering the market prices of input and output stream`s process. However, in practice this centralized approach often cannot be applied due to the size and complexity of the optimization problem. One solution is to use a distributed structure, in which the optimization problem must be broken into sub-problems with reduced numerical complexity. Such decomposition, however, requires that the price of input and output stream of each sub-problem should be adequately determined. With this purpose, in this work, decomposition techniques is applied in a propylene production unit at the refinery REPLAN (Refinaria de Paulínia, São Paulo) owned by PETROBRAS. This unit is modeled, simulated and optimized in an equation oriented software EMSO (Environment for Modeling, Simulation and Optimization). In order to test the decomposition techniques, the unit is decomposed into three divisions, which are depropanizer, deethanizer and C3 splitter. It is shown that two traditional techniques called Lagrangian relaxation and augmented Lagrangian cannot converge on a solution due to two causes. The first cause is that the studied process contains indifferent divisions, which means that there is no linear dependence between the objective function and the complicating constraints. The second cause is that the optimization sub-problem that represent each divisions has linear objective functions, in this case, the active constraint of each sub-problem will always be the maximum or minimum production capacity of each division and not an intermediate flow rate. An alternative technique Pricing Interprocess Streams Using Slack Auctions was also applied to the studied process. This technique defines a resource slack between the intermediary streams and use auctions for adjusting the price of intermediary products. It is shown that this technique also presents problems in its applications because all divisions studied has two different products, this means that this technique will always produce the maximum flow rate of the final product (flow rate that has a market price) of each division, and not the intermediate product (flow rate that goes from one division another). Identified problems in these decomposition 4 techniques, the proposed approach extended the Lagrangian relaxation algorithm, in which a new variable called \"available production limit\" (LPD) and a restriction to the feed flow rate from each divisions are considered, which will be updated at every iteration. This change in the algorithm can overcome the issues presented for solving the optimization problem for the unit studied considering a distributed structure.

In standard Real-time Optimization (RTO) implementations, the plant needs to be suciently steady in order to update the RTO model parameters reliably. However, this condition is seldom found in practice. Moreover, because the RTO model is only updated when the plant enters a stationary condition, the optimizer is likely to be out of phase with highly perturbed plants. The main contribution of the thesis is the proposal of an alternative RTO approach, called Real-time Optimization with Persistent Adaptation (ROPA), which integrates on-line parameter estimation in the optimization cycle, avoiding the steady-state (SS) detection step. Instead of predicting the SS, the online estimator keeps the model up-to-date with the plant and allows running the economic optimization at any time, even instants after implementing the current RTO decisions. ROPA provides an intermediary solution between static and dynamic optimization schemes. While it approximates the optimal trajectory, ROPA enables the use of well-established static RTO commercial solutions. Furthermore, the new approach is the key for decoupling the model estimation problem in order to achieve plant-wide optimization. Another contribution of the thesis is to provide several case studies in which ROPA is tested and compared with the standard RTO implementation: a Williams-Otto reactor, a Fluid Catalyst Cracking unit and a separation-reaction system. The idea is to illustrate ROPA convergence properties and how the plant-wide optimum is achieved by asynchronously updating the global plant model. The results show that ROPA is able to track the stationary (plant-wide) optimum. In addition, they conrm that the renement of the prediction capacity, by decreasing the time between two sequential optimization, enhances the disturbance detection of the optimization cycle and leads to a better economic performance. / Na implementação padrão de otimização em tempo real (RTO, do inglês real-time optimization), a planta deve estar suficientemente estável para que os parâmetros do modelo usado no RTO sejam estimados com precisão. Contudo, esta condição é raramente encontrada na prática. Alám disso, devido ao fato de o modelo usado no RTO ser atualizado somente quando a planta entra em estado estacionário, é provável que o otimizador esteja fora de fase quando implementado em plantas com alta frequência de distúrbios. A principal contribuição desta tese e o desenvolvimento de uma metodologia alternativa de RTO chamada otimização em tempo real com atualização persistente de parâmetros (ROPA, do inglês real-time optimization with persistent adaptation). A nova metodologia integra estimadores em tempo real ao ciclo de otimização, evitando assim a necessidade da etapa de detecção de estado estacionário. Ao invés de identificá-lo, o estimador em tempo real mantém o modelo atualizado com a planta e permite que se execute a otimização econômica em tempos arbitrários, mesmo instantes depois da implementação da decisão ótima calculada anteriormente pelo RTO. ROPA provê uma solução intermediária entre a otimização estática e dinâmica. Ao mesmo tempo que aproxima a trajetória ótima, ela permite o uso de soluções comerciais já estabelecidas de RTO estacionário. Também, a nova metodologia é a chave para o desacoplamento do problema de estimação a fim de se atingir o ótimo global da planta. Uma contribuição adicional da tese é a apresentação de três casos de estudo que testam a ROPA e comparam sua performance à implementação padrão de RTO: um reator Williams-Otto, uma unidade de craqueamento catalítico e um sistema de separação-reação. A ideia principal e ilustrar as propriedades de convergência da nova metodologia e como a atualização assíncrona do modelo global da planta pode ser usada para atingir o ótimo da planta como um todo. Os resultados mostram que a ROPA é capaz de alcançar o ótimo estacionário da planta. Adicionalmente, o refinamento da capacidade de predição através da diminuição do tempo entre duas execuções sequenciais do otimizador melhora a capacidade de detecção de distúrbios do ciclo de otimização assim como a performance econômica.

Este trabalho apresenta um modelo computacional para otimização energética de sistemas de abastecimento em tempo real. Tal modelo é composto por três módulos principais: (1) um módulo de simulação hidráulica que descreve o comportamento do sistema - EPANET; (2) um módulo de previsão de demandas que realiza a previsão das demandas futuras aplicável à utilização no tempo real (curto prazo), desenvolvido por Odan (2008); e, por fim, (3) um módulo otimizador estruturado em linguagem C++ que implementa a biblioteca de algoritmos genéticos do MIT - Massachusetts Institute of Technology and Matthew Wall, a GAlib, que permite determinar as rotinas operacionais (acionamento de válvulas e bombas) de forma à minimizar o custo de energia elétrica no sistema. O processo de otimização é divido em duas rotinas, nível estratégico e tempo real. Na otimização em nível estratégico, a partir das curvas típicas de demanda para cada nó de demanda do macro-sistema considerado, determina-se o conjunto de controles que minimizam os custos de energia elétrica, respeitando as restrições hidráulicas do sistema. Para cada conjunto de controles otimizados têm-se os níveis que os reservatórios irão atingir ao final de cada hora durante o horizonte de planejamento considerado, denominados níveis metas. Tais níveis servem de guia para a segunda etapa de otimização. A operação em tempo real se inicia com o recebimento dos dados sobre as condições atuais do sistema: níveis dos reservatórios e demandas da última hora. A partir das demandas informadas, o módulo de previsão de demandas gera todas as demandas para o horizonte de planejamento. Alimenta-se então o otimizador em tempo real com os níveis atuais dos reservatórios, os níveis metas e a previsão de demandas, obtêm-se o conjunto de regras operacionais ótimas para o horizonte de planejamento, sendo que são implementadas apenas as regras para a hora atual. E repete-se todo o processo a cada hora. Este modelo foi aplicado a um sistema de abastecimento de água. Os resultados obtidos demonstraram a eficiência do modelo em achar soluções factíveis de serem implementadas e com redução dos custos com energia elétrica. / This work presents a computational model for real-time optimization of water-distribution networks operation. An integrated software tool has been developed which is composed of three main modules: (i) a hydraulic simulator that performs the extended period simulation of the system (EPANET); (ii) a short-term demand-forecasting model, based on the moving Fourier series; and (iii) an optimization module, using genetic algorithm, to minimize pumping costs. The optimization process is divided in two routines, the off-line optimization and the on-line optimization. The aim of the first routine is to find the ideal operation levels for the reservoirs which are used as guidance for the on-line optimization. The schedules to be implemented in the network are determined, however, by an on-line optimization which runs a new optimization processes at each SCADA (Supervisory Control and Data Acquisition) update. In the off-line optimization, near-optimal pump and valve settings for a selected operating horizon are found on the basis of the typical 24-hour water demand cycle in which each reservoir must also start and end with the same water level. The levels of the reservoirs at the end of each hour in this optimization process, called ideal levels, are considered in the on-line optimization as a constraint that represents a penalty added to the objective function whenever a reservoir level is below the ideal level at the end of each hourly operation. The on-line optimization starts updating the state of the network transmitted from the SCADA system and the demand forecast for the next 24-hour period. Near-optimal pump and valve settings for a selected operating horizon are then determined but only the control settings for the next hourly time step are used to implement the operation. At the next SCADA update (next-time step), the whole process is repeated on a continuous basis and a new operating strategy is computed. In this way, the control process moves forward in time, correcting any discrepancies as it progresses. This integrated software tool has been applied to a small example network. The results obtained from this application have shown that the proposed model offers a practical tool for finding feasible operation strategies for a water pipeline system, obtaining reductions in pumping energy costs.

A otimização em tempo real (RTO: Real Time Optimization) permite fazer correções, com o menor atraso possível, nas condições de operação de um processo, buscando manter um desempenho ótimo. A RTO, na abordagem clássica, requer um ciclo constante de análise e correção do estado do processo que inclui múltiplas etapas: i) identificação do estado estacionário, ii) identificação e correção dos erros grosseiros, iii) reconciliação dos dados, iv) ajuste dos parâmetros do modelo, v) estimação das condições operacionais ótimas e, vi) implementação das condições no sistema de controle. Um sistema de análise de dados é necessário na aquisição das variáveis medidas da planta que classifique o estado da operação como válido para atualizar um modelo em estado estacionário. O sistema deve fornecer um modelo atualizado que seja representativo do comportamento real da operação para que seja otimizado em um passo posterior. Este trabalho é focado na análise de metodologias de detecção de estado estacionário, reconciliação de dados e estimação de parâmetros com as características necessárias que um sistema de RTO requer. Como caso de estudo considera-se uma coluna depropenizadora da PETROBRAS, em que foi feita uma análise da variabilidade associada à instrumentação para melhorar o conhecimento da operação. Além disso, a análise e validação do modelo do processo, permitiu estabelecer faixas de convergência nas especificações do processo e parâmetros. Finalmente, sugere-se que a composição da corrente de alimentação e a queda de pressão na coluna sejam classificadas como parâmetros importantes no ajuste de modelo. / Real-time optimization (RTO) allows making corrections in process operation conditions, with the smallest possible delay, in order to provide an optimal performance. RTO, in the classical approach, requires a constant cycle of analysis and correction of process conditions, that includes multiple steps: i) steady state identification, ii) gross errors detection and correction, iii) data reconciliation, iv) parameter estimation, v) economical optimization and vi) implementation of the optimal conditions in the control system. A data analysis system is required in the plant to classify the operating conditions as valid in order to update a steady state model. The system shall provide an updated model that can represent the real behavior of the operation that wi ll be optimized in a next step. This work is focused on the analysis of methodologies for steady-state detection, data reconciliation and parameter estimation with the required characteristics that an RTO system requires. As a case-study, a depropenizer column, owned by Petrobras is considered. An analysis of the variability of the instrumentation was performed to allow a better understanding of the process. Moreover, the analysis and validation of the process model enabled drawing convergence boundaries on process specifications and parameters. Finally, it is suggested that the feed composition and the column pressure drop should be considered as important parameters in model fitting.

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.

The objective of this research was to develop fluorescence-based tools that are suitable for performing rapid, accurate and direct characterization of natural organic matter (NOM) and colloidal/particulate substances present in natural water. Most available characterization methods are neither suitable for characterizing all the major NOM fractions such as protein-, humic acid-, fulvic acid- and polysaccharide-like substances as well as colloidal/particulate matter present in natural water nor are they suitable for rapid analyses. The individual and combined contributions of these NOM fractions and colloidal/particulate matter present in natural water contribute to membrane fouling, disinfection by-products formation and undesirable biological growth in drinking water treatment processes and distribution systems. The novel techniques developed in this research therefore, provide an avenue for improved understanding of these negative effects and proactive implementation of control and/or optimization strategies. The fluorescence excitation-emission matrix (EEM) method was used for characterization of NOM and colloidal/particulate matter present in water. Unlike most NOM and colloidal/particulate matter characterization techniques, this method can provide fast and consistent analyses with high instrumental sensitivity. The feasibility of using this method for monitoring NOM at very low concentration levels was also demonstrated with an emphasis on optimizing the instrument parameters necessary to obtain reproducible fluorescence signals. Partial least squares regression (PLS) was used to develop calibration models by correlating the fluorescence EEM intensities of water samples that contained surrogate NOM fractions with their corresponding dissolved organic carbon (DOC) concentrations. These fluorescence-based calibration models were found to be suitable for identifying/monitoring the extent of the relative changes that occur in different NOM fractions and the interactions between polysaccharide- and protein-like NOM in water treatment processes and distribution systems. Principal component analysis (PCA) of fluorescence EEMs was identified as a viable tool for monitoring the performance of biological filtration as a pre-treatment step, as well as ultrafiltration (UF) and nanofiltration (NF) membrane systems. The principal components (PCs) extracted in this approach were related to the major membrane foulant groups such as humic substances (HS), protein-like and colloidal/particulate matter in natural water. The PC score plots generated using the fluorescence EEMs obtained after just one hour of UF or NF operation could be related to high fouling events likely caused by elevated levels of colloidal/particulate-like material in the biofilter effluents. This fluorescence EEM-based PCA approach was sensitive enough to be used at low organic carbon levels present in NF permeate and has potential as an early detection method to identify high fouling events, allowing appropriate operational countermeasures to be taken. This fluorescence EEM-based PCA approach was also used to extract information relevant to reversible and irreversible membrane fouling behaviour in a bench-scale flat sheet cross flow UF process consisting of cycles of permeation and back-washing. PC score-based analysis revealed that colloidal/particulate matter mostly contributed to reversible fouling, while HS and protein-like matter were largely responsible for irreversible fouling. This method therefore has potential for monitoring modes of membrane fouling in drinking water treatment applications. The above approach was further improved by utilizing the evolution of the PC scores over the filtration time and relating these to membrane fouling by the use of PC scores??? balanced-based differential equations. Using these equations the proposed fluorescence-based modeling approach was capable of forecasting UF fouling behaviours with good accuracy based solely on fluorescence data obtained at time = 15 min from the initiation of the filtration process. In addition, this approach was tested experimentally as a basis for optimization by modifying the UF back-washing times with the objective of minimizing energy consumption and maximizing water production. Preliminary optimization results demonstrated the potential of this approach to reduce power consumption by significant percentages. This approach was also useful for identifying the fouling components of the NOM that were contributing to reversible and irreversible membrane fouling. Grand River water (Southwestern Ontario, Canada) was used as the natural water source for developing the techniques presented in this thesis. Future research focusing on testing these methods for monitoring of membrane fouling and treatment processes in large-scale drinking water treatment facilities that experience different sources of raw water would be useful for identifying the limitation of these techniques and areas for improvements.