Otimização em tempo real aplicada em um sistema experimental de Gas Lift.

• Autor(a) principal: Oliveira, Julio Paez de Castro
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-23032023-080836/
• topic: Estimadores online; Não-linearidade; Non linearity; Online estimation; Optimization; Otimização; Otimização em tempo real; Real-time optimization

A otimização em tempo real (RTO - Real-time Optimization) é um procedimento que permite aumentar a lucratividade em operações industriais pela busca das condições ótimas de operação considerando aspectos econômicos e de processo durante a produção. Desde a década de 70, diversos modos de implementação dessa ferramenta foram propostos, sendo o método de dois passos por adaptação de parâmetros do modelo (MPA -Model Parameter Adaptation) um dos mais utilizados industrialmente. Apesar disso, a MPA utiliza informações em estado estacionário para a resolução da RTO e isso pode trazer desvantagens na aplicação e na busca do ponto ótimo em sistemas dinâmicos. Recentemente a otimização em tempo real por adaptação persistente de parâmetros (ROPA - Real-time Optimization with Persistent Adaptation) foi proposta como uma nova metodologia de RTO para contornar essas desvantagens. Utilizando uma abordagem híbrida que considera informações dos estados estacionário e transiente, este método apresentou resultados promissores, porém esses resultados foram apenas em sistemas simulados, sem a aplicação em sistemas físicos. Além disso há poucos estudos sobre as diferentes abordagens relacionadas a aplicação dessa metodologia, como o uso de diferente estimadores. Visando complementar o desenvolvimento da ROPA, um equipamento experimental que simula a operação de Gas Lift, extração por injeção de gás comum em plataformas de petróleo offshore, foi utilizado para aplicar a ROPA. O experimento teve por objetivo avaliar o comportamento da ROPA em um sistema real e comparar seus resultados em relação à MPA e em relação a si próprio com o uso de dois estimadores diferentes, o filtro de Kalman estendido (EKF - Extended Kalman Filter), único estimador utilizado na ROPA até o momento, e o estimador de horizonte móvel (MHE - Moving Horizon Estimation). Para isto foi feita a modelagem do experimento, já que a ROPA e a MPA são baseadas no uso de modelos, e avaliada a adequação do modelo ao equipamento experimental. A MPA e a ROPA (utilizando o EKF como estimador de parâmetros) foram implementadas, utilizando o modelo desenvolvido, e os resultados da otimização comparados. Na comparação a ROPA teve um lucro de 1% maior em relação à MPA e teve boa performance na otimização durante períodos transientes. Em seguida seria feito a comparação do EKF e do MHE na ROPA, porém foi feito um estudo anterior para verificar a estimação do MHE no modelo proposto. Nesse estudo avaliou-se a influência de uma parte do equacionamento do MHE chamado de custo de chegada (arrival cost) e verificou-se que esse termo é importante para obter uma estimação adequada dos parâmetros do modelo. Após o estudo foi realizada a comparação da ROPA com o EKF e com o MHE e a ROPA-EKF teve o lucro 1% maior em relação à ROPA-MHE mas ambos tiveram performances semelhantes na estimação. Em conclusão, a ROPA foi bem sucedida quando aplicada em um equipamento físico, a ROPA teve resultados melhores quando comparado à MPA, principalmente em momentos não estacionários, e a ROPA mostrou-se flexível no uso de outros estimadores.