[en] ARTIFICIAL NEURAL NETWORKS ON INFERENTIAL MODELLING OF PROPERTIES OF PETROLEUM PRODUCTS

• Autor(a) principal: GIL ROBERTO VIEIRA PINHEIRO
• Data de Publicação: 2006
• Tipo de documento: Outros
• Idioma: por
• Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8786@1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8786@2; http://doi.org/10.17771/PUCRio.acad.8786
• topic: [pt] REDE NEURAL ARTIFICIAL; [pt] INFERENCIAS; [pt] PETROLEO; [en] ARTIFICIAL NEURAL NETWORKS; [en] INFERENCES; [en] PETROLEUM

[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.