Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade

Detalhes bibliográficos
Autor(a) principal: Ribeiro, Leonardo Dorigo
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFRJ
Texto Completo: http://hdl.handle.net/11422/13616
Resumo: A indústria de óleo e gás é impactada por ciclos de baixo crescimento econômico. Nesse contexto, técnicas de NMPC e de otimização que auxiliam a operabilidade da planta são de fundamental importância para o negócio. Contudo, o uso em escala industrial requer a superação de desafios, como por exemplo: determinação dos modelos de processo, tempo computacional adequado para obtenção da solução e integração entre as camadas de controle e otimização. Nesse trabalho é proposta uma metodologia para obter modelos analíticos de predição baseado na estrutura de Hammerstein, reduzindo o esforço computacional. As abordagens tradicionais transformam o modelo do NMPC, descrito por equações algebrico-diferenciais (DAE), em uma aproximação numérica baseada em equações algébricas não lineares (NLA), como por exemplo, colocação ortogonal. Na abordagem proposta, o NLA obtido é uma descrição eficaz do sistema original de DAE’s, sendo idependente de aproximações numéricas. O algoritmo proposto foi aplicado em um CSTR não-isotérmico integrado com camada de otimização. Os resultados mostram que a proposta apresenta redução no tempo computacional sem perda de desempenho, quando comparado com o NMPC usando modelo rigoroso. Além disso, o NMPC proposto conduziu a planta ao ponto ótimo vindo da otimização, sem apresentar problemas devido à diferença de modelos entre as camadas. Uma importante contribuição do trabalho é a aplicação do NMPC proposto integrado com camada de otimização em um processo de produção de óleo e gás. Os resultados também mostram bom desempenho do NMPC proposto em estabilizar o processo durante regimes de fluxo golfante, mantendo os requisitos de qualidade dentro das restrições e conduzindo o processo até o ponto ótimo obtido na otimização.
id UFRJ_64a259f21ea91e9a0e873e83a607d3d2
oai_identifier_str oai:pantheon.ufrj.br:11422/13616
network_acronym_str UFRJ
network_name_str Repositório Institucional da UFRJ
repository_id_str
spelling Ribeiro, Leonardo Dorigohttp://lattes.cnpq.br/3710340061939187http://lattes.cnpq.br/3991758549602080Souza Jr, Maur´ıcio Bezerra deDomiciano, Márcia Peixoto VegaCampos, Mário César Mello Massa deCapron, Bruno Didier OlivierSecchi, Argimiro Resende2021-02-04T23:05:32Z2023-11-30T03:04:07Z2019-06http://hdl.handle.net/11422/13616A indústria de óleo e gás é impactada por ciclos de baixo crescimento econômico. Nesse contexto, técnicas de NMPC e de otimização que auxiliam a operabilidade da planta são de fundamental importância para o negócio. Contudo, o uso em escala industrial requer a superação de desafios, como por exemplo: determinação dos modelos de processo, tempo computacional adequado para obtenção da solução e integração entre as camadas de controle e otimização. Nesse trabalho é proposta uma metodologia para obter modelos analíticos de predição baseado na estrutura de Hammerstein, reduzindo o esforço computacional. As abordagens tradicionais transformam o modelo do NMPC, descrito por equações algebrico-diferenciais (DAE), em uma aproximação numérica baseada em equações algébricas não lineares (NLA), como por exemplo, colocação ortogonal. Na abordagem proposta, o NLA obtido é uma descrição eficaz do sistema original de DAE’s, sendo idependente de aproximações numéricas. O algoritmo proposto foi aplicado em um CSTR não-isotérmico integrado com camada de otimização. Os resultados mostram que a proposta apresenta redução no tempo computacional sem perda de desempenho, quando comparado com o NMPC usando modelo rigoroso. Além disso, o NMPC proposto conduziu a planta ao ponto ótimo vindo da otimização, sem apresentar problemas devido à diferença de modelos entre as camadas. Uma importante contribuição do trabalho é a aplicação do NMPC proposto integrado com camada de otimização em um processo de produção de óleo e gás. Os resultados também mostram bom desempenho do NMPC proposto em estabilizar o processo durante regimes de fluxo golfante, mantendo os requisitos de qualidade dentro das restrições e conduzindo o processo até o ponto ótimo obtido na otimização.The oil and gas industry is impacted by low growth economic cycles. For this reason, techniques of NMPC and optimization that help the operability of the plant are very important for the business. However, the use of these tools in industry requires overcoming some challenges, for instance: find accurate models of the process, computational time suitable for obtaining the solution and integrate the layers of control and optimization. In this work a methodology is proposed to obtain analytical models based on hammerstein structure, reducing the computational time. Unlike most common approaches that transform NMPC internal model, described by differential-algebraic equations (DAE), into an approximate system of nonlinear algebraic equations (NLA) using, for instance, orthogonal collocation. In the proposed approach, the obtained NLA is an exact description of the original DAEs system. The proposed algorithm was applied to a non-isothermal CSTR integrated with an optimization layer. The results show that the proposed structure presents significant reduction in computational time without performance loss, when compared with the NMPC using rigorous model. Moreover, the proposed strategy demonstrated good performance in tracking the targets sent by the optimization layer, without model mismatches between layers. An important contribution of the work is the application of the proposed NMPC integrated with an optimization layer in an oil and gas production process. The results show good performance of the proposed algorithm to stabilize the process during slug flow conditions, keeping the quality requirement inside the constraints and driving the process to the optimal point obtained in the optimization layer.Submitted by Natasha Valladão (natashasilvaa4@gmail.com) on 2021-02-04T23:05:32Z No. of bitstreams: 1 LeonardoDorigoRibeiro-min.pdf: 2308256 bytes, checksum: 6ba8b3ab3f9efe986769f73976fb06cd (MD5)Made available in DSpace on 2021-02-04T23:05:32Z (GMT). No. of bitstreams: 1 LeonardoDorigoRibeiro-min.pdf: 2308256 bytes, checksum: 6ba8b3ab3f9efe986769f73976fb06cd (MD5) Previous issue date: 2019-06porUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia QuímicaUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA QUIMICAControle preditivo não linearOtimizaçãoProcesso de produção de óleo e gás offshoreUma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidadeA new methodology of nmpc integrated with an optimization layer to increase the production of offshore oil with quality requirementsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJORIGINALLeonardoDorigoRibeiro-min.pdfLeonardoDorigoRibeiro-min.pdfapplication/pdf2308256http://pantheon.ufrj.br:80/bitstream/11422/13616/1/LeonardoDorigoRibeiro-min.pdf6ba8b3ab3f9efe986769f73976fb06cdMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/13616/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD5211422/136162023-11-30 00:04:07.191oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:04:07Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.pt_BR.fl_str_mv Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade
dc.title.alternative.pt_BR.fl_str_mv A new methodology of nmpc integrated with an optimization layer to increase the production of offshore oil with quality requirements
title Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade
spellingShingle Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade
Ribeiro, Leonardo Dorigo
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
Controle preditivo não linear
Otimização
Processo de produção de óleo e gás offshore
title_short Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade
title_full Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade
title_fullStr Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade
title_full_unstemmed Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade
title_sort Uma nova metodologia NMPC integrada com uma camada de otimização para maximizar a produção de óleo offshore com especificações de qualidade
author Ribeiro, Leonardo Dorigo
author_facet Ribeiro, Leonardo Dorigo
author_role author
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3710340061939187
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3991758549602080
dc.contributor.author.fl_str_mv Ribeiro, Leonardo Dorigo
dc.contributor.referee1.fl_str_mv Souza Jr, Maur´ıcio Bezerra de
dc.contributor.referee2.fl_str_mv Domiciano, Márcia Peixoto Vega
dc.contributor.referee3.fl_str_mv Campos, Mário César Mello Massa de
dc.contributor.referee4.fl_str_mv Capron, Bruno Didier Olivier
dc.contributor.advisor1.fl_str_mv Secchi, Argimiro Resende
contributor_str_mv Souza Jr, Maur´ıcio Bezerra de
Domiciano, Márcia Peixoto Vega
Campos, Mário César Mello Massa de
Capron, Bruno Didier Olivier
Secchi, Argimiro Resende
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
topic CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
Controle preditivo não linear
Otimização
Processo de produção de óleo e gás offshore
dc.subject.por.fl_str_mv Controle preditivo não linear
Otimização
Processo de produção de óleo e gás offshore
description A indústria de óleo e gás é impactada por ciclos de baixo crescimento econômico. Nesse contexto, técnicas de NMPC e de otimização que auxiliam a operabilidade da planta são de fundamental importância para o negócio. Contudo, o uso em escala industrial requer a superação de desafios, como por exemplo: determinação dos modelos de processo, tempo computacional adequado para obtenção da solução e integração entre as camadas de controle e otimização. Nesse trabalho é proposta uma metodologia para obter modelos analíticos de predição baseado na estrutura de Hammerstein, reduzindo o esforço computacional. As abordagens tradicionais transformam o modelo do NMPC, descrito por equações algebrico-diferenciais (DAE), em uma aproximação numérica baseada em equações algébricas não lineares (NLA), como por exemplo, colocação ortogonal. Na abordagem proposta, o NLA obtido é uma descrição eficaz do sistema original de DAE’s, sendo idependente de aproximações numéricas. O algoritmo proposto foi aplicado em um CSTR não-isotérmico integrado com camada de otimização. Os resultados mostram que a proposta apresenta redução no tempo computacional sem perda de desempenho, quando comparado com o NMPC usando modelo rigoroso. Além disso, o NMPC proposto conduziu a planta ao ponto ótimo vindo da otimização, sem apresentar problemas devido à diferença de modelos entre as camadas. Uma importante contribuição do trabalho é a aplicação do NMPC proposto integrado com camada de otimização em um processo de produção de óleo e gás. Os resultados também mostram bom desempenho do NMPC proposto em estabilizar o processo durante regimes de fluxo golfante, mantendo os requisitos de qualidade dentro das restrições e conduzindo o processo até o ponto ótimo obtido na otimização.
publishDate 2019
dc.date.issued.fl_str_mv 2019-06
dc.date.accessioned.fl_str_mv 2021-02-04T23:05:32Z
dc.date.available.fl_str_mv 2023-11-30T03:04:07Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11422/13616
url http://hdl.handle.net/11422/13616
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Química
dc.publisher.initials.fl_str_mv UFRJ
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRJ
instname:Universidade Federal do Rio de Janeiro (UFRJ)
instacron:UFRJ
instname_str Universidade Federal do Rio de Janeiro (UFRJ)
instacron_str UFRJ
institution UFRJ
reponame_str Repositório Institucional da UFRJ
collection Repositório Institucional da UFRJ
bitstream.url.fl_str_mv http://pantheon.ufrj.br:80/bitstream/11422/13616/1/LeonardoDorigoRibeiro-min.pdf
http://pantheon.ufrj.br:80/bitstream/11422/13616/2/license.txt
bitstream.checksum.fl_str_mv 6ba8b3ab3f9efe986769f73976fb06cd
dd32849f2bfb22da963c3aac6e26e255
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)
repository.mail.fl_str_mv
_version_ 1784097194236706816