Made available in DSpace on 2014-12-17T14:56:12Z (GMT). No. of bitstreams: 1
VictorLCMS_DISSERT.pdf: 2392559 bytes, checksum: f4276b98c00bcaaa7742d7ced860b2b7 (MD5)
Previous issue date: 2013-04-19 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / A serious problem that affects an oil refinery s processing units is the deposition of solid particles or the fouling on the equipments. These residues are naturally present on the oil or are by-products of chemical reactions during its transport. A fouled heat exchanger loses its capacity to adequately heat the oil, needing to be shut down periodically for cleaning. Previous knowledge of the best period to shut down the exchanger may improve the energetic and production efficiency of the plant. In this work we develop a system to predict the fouling on a heat exchanger from the Potiguar Clara Camar?o Refinery, based on data collected in a partnership with Petrobras. Recurrent Neural Networks are used to predict the heat exchanger s flow in future time. This variable is the main indicator of fouling, because its value decreases gradually as the deposits on the tubes reduce their diameter. The prediction could be used to tell when the flow will have decreased under an acceptable value, indicating when the exchanger shutdown for cleaning will be needed / Um s?rio problema que afeta unidades de refino de petr?leo ? a deposi??o e incrusta??o de s?lidos nos equipamentos. Esses res?duos est?o naturalmente presentes no petr?leo ou s?o produtos de rea??es qu?micas durante o seu transporte. Um permutador de calor, quando sujo, perde sua capacidade de aquecer adequadamente o petr?leo, precisando, periodicamente, ser retirado de opera??o, para que possa ser realizada uma limpeza. Informa??es pr?vias do melhor per?odo para realizar as paradas podem melhorar a efici?ncia energ?tica e de produ??o da planta. Esse trabalho desenvolveu um sistema de predi??o da incrusta??o em um permutador da Refinaria Potiguar Clara Camar?o, com base em dados coletados em parceria com a Petrobras. Foram utilizadas redes neurais recorrentes que preveem a vaz?o no permutador em instantes futuros. Essa vari?vel ? o principal indicador da incrusta??o, pois seu valor diminui gradualmente ? medida que os dep?sitos nas paredes dos tubos reduzem seu di?metro. A predi??o pode ser usada para dizer quando a vaz?o ter? ca?do abaixo de um valor satisfat?rio, indicando quando ser? necess?rio retirar o equipamento de opera??o
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15470 |
| Date | 19 April 2013 |
| Creators | Silva, Victor Leonardo Cavalcante Melo da |
| Contributors | CPF:09463097449, http://lattes.cnpq.br/7325007451912598, D?ria Neto, Adri?o Duarte, CPF:10749896434, http://lattes.cnpq.br/1987295209521433, Duarte, M?rcia Maria Lima, CPF:11721456368, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4787740D4, Barros J?nior, Laerte de Medeiros, CPF:01615653449, http://lattes.cnpq.br/0203497702994921, Melo, Jorge Dantas de |
| Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds