[pt] Este trabalho investiga a utilização de Redes Neurais
Artificiais (RNAs) na inferência sobre as propriedades de
derivados de petróleo. A inferência de propriedades visa
fornecer uma boa estimativa de propriedades de derivados
de petróleo (p.ex: ponto final de ebulição, pressão de
vapor, etc.). Essas propriedades podem ser determinadas
pro analisadores de processo ou análises de laboratório.
Contudo, esses sistemas nem sempre apresentam resultados
satisfatórios ou na freqüência necessária para permitir o
controle. Porém, se o valor estimado de uma determinada
propriedade estiver disponível, o mesmo pode ser utilizado
para permitir o controle ou a otimização do processo
produtivo.
Este trabalho subdivide-se em quatro partes principais:
(1) um estudo sobre a inferência de propriedades em torres
de destilação; (2) um estudo sobre os principais métodos
de inferência e de análise de dados, com ênfase nas RNAs;
(3) uma sistemática para a obtenção e testes de modelos; e
(4) o estudo de casos.
No estudo sobre os a inferência de propriedades, foram
analisadas as técnicas utilizadas para a estimação de
propriedades em torres de destilação, enfatizando os
aspectos da estrutura da modelagem, os problemas, os
problemas da influência cruzada entre as entradas do
modelo, e a determinação das variáveis principais a serem
utilizadas na modelagem.
O estudo sobre os principais métodos de inferência
abrangeu um levantamento bibliográfico sobre as técnicas
de regressão linear MLR ( Multiple Linear Regression), PCR
(Principal Component Regression) e PLS (Partial Least
Squares), a Modelagem Semi-empírica e as RNAs. Apesar do
objetivo principal deste trabalho ser avaliar o desempenho
das RNAs, o estudo dos outros métodos foi importante para
a comparação dos resultados. Além dos diferentes métodos
de modelagem, foram também estudadas algumas técnicas de
análise do conjunto de dados, entre elas o PCA (Principal
Component Analysis).
Na sistemática para a obtenção e testes de modelos, são
apresentados os diversos problemas encontrados e a
abordagem utilizada, na obtenção e avaliação dos modelos.
É também apresentado o ambiente de testes e avaliação, que
foi desenvolvido visando fornecer uma plataforma para a
obtenção e avaliação de modelos inferenciais. Neste
ambiente, pode-se obter modelos com todos os métodos
estudados, inclusive alterando alguns parâmetros
importantes. No ambiente foram utilizadas as facilidades
do pacote MATLAB.
Para o estudo de casos, foram utilizados dados reais de
refinarias de petróleo do sistema Petrobrás. Foram
analisados 3 casos distintos: o primeiro corresponde à
modelagem da destilação ASTM do Querosene; o segundo
abrangendo a destilação ASTM do Óleo Diesel e o terceiro
sobre o Intemperismo do GLP. Para todos os casos, analisou-
se a influência de cada entrada sobre a variável a ser
modelada, utilizando principalmente a técnica PCA . Foram
avaliadas várias arquiteturas de RNAs, comparando-as com
as outras técnicas estudadas. Os modelos obtidos com as
RNAs foram plenamente satisfatórios, fornecendo resultados
superiores aos métodos estatísticos. Também constatou-se a
influência do pré-processamento e da análise estatística
dos dados no sucesso da modelagem.
Na indústria química e petroquímica, as RNAs têm sido
aplicadas em diversas áreas. Na área de inferência de
propriedades, as RNAs permitem a obtenção de modelos de
inferência abrangentes e precisos, podendo ser utilizadas
no controle em tempo real, nos arranjos de controle em
malha simples, ou em arquiteturas de controle
multivariável. / [en] This work investigates the use of Artificial Neural
Networks (ANN) on the inferential modelling of properties
of petroleum products. Inferential modelling aims to
provide a good estimation of chemical properties of
petroleum products (i.e: final boiling point, vapour
pressure). These properties can be determined by on-line
process analysers or laboratory analysis. However, these
systems provide neither systematically good results nor
the necessary frequency to allow control of the process in
real time. However if a good estimation of a property of
interest is available, it can be used to achieve the
control or the optimisation of production process.
This work is subdivided in four main sections: (1) a study
about the inference of properties of products in a
distillation column; (2) a study about the main methods
used on inferential modellind and data analysis, with
emphasis on ANN; (3) a systematic about development and
testing of inference models; (4) and a case study.
In the study about principal methods used on inferential
modelling involved a bibliographic reserch about the
linear regression techniques Multiple Linear Regression
(MLR), Principal Component Regression (PCR) and Partial
Least Squares (PLS), a semi empirical model and ANNs.
Although the main objective of this work was to evaluate
the ANNs perfonmance, the study of other methods was
important to compare the results. In addition to the many
modelling techniques, some other techniques of data
analysis were studied, like Principal Component Analysis
(PCA).
In the systematic about the development and testing of
models, the various problems encontered and the approach
used to develop and test the model were presented. An
environment of development and testing was also
implemented in order to provide a platform to produce and
test inferential models. The environment can work with all
models studied, and some important settings of the models
can also be modified. Many capabilities fo MATLAB software
were used on the environment.
For the development of the case studies, real data
gathered from refineries of Petrobras group were used.
Three distinct cases were analysed: the first and second
cases are models of kerosene (jet fuel) and diesel ASTM
distillation; the third is a model of the Liquefied
Petroleum Gas (LPG) 95% boil-off point. In all cases, the
influence of each input over the modelled variable was
analysed, using mainly the PCA technique. Many ANN
arquitetures were tested, comparing them with other
studied techniques. The developed ANN models achieved good
performance, with better results than the statistical
methods. It was also verified the influence of pre-
processing and statistical analysis on the success of the
modeling.
Chemical and Petrochemical process industries have used
ANNs in many areas. In the field of inferential modelling
of properties, the ANNs allow the accomplished of
inferential models in a broad and accurate way. It may be
used either for control in real time in single control
loops or as part of a multivariable controller.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:8786 |
Date | 07 August 2006 |
Creators | GIL ROBERTO VIEIRA PINHEIRO |
Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO, MARCO AURÉLIO CAVALCANTI PACHECO |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | Portuguese |
Detected Language | Portuguese |
Type | TEXTO |
Page generated in 0.0017 seconds