| Summary: | Orientador: Prof. Dr. Douglas Alves Cassiano === Coorientador: Prof. Dr. Sérgio Ricardo Lourenço === Tese (doutorado) - Universidade Federal do ABC. Programa de Pós-Graduação em Energia, Santo André, 2018. === Uma forma de otimização dos recursos energéticos de uma planta petroquímica é a
utilização de Mix Integer Linear Programing (MILP) para decisão da configuração
ótima do acionamento dos equipamentos da unidade. Entretanto uma questão ainda
em aberto é qual a correlação existente entre a série temporal destes ganhos
energéticos com o preço da energia no mercado livre, a temperatura ambiente, a carga
da planta e a demanda elétrica desta planta petroquímica. Dessa forma, o objetivo
deste trabalho foi obter a correlação entre estas variáveis. A metodologia utilizada
contou com três abordagens de exploração de correlações, a primeira foi a
Modelagem de Regressão Linear (MRL), a segunda a Autoregressive Integrated
Moving Average (ARIMA) e, a terceira, a Data Mining. Como principais resultados
foram obtidas as correlações entre estas variáveis pelas três abordagens, além da
comparação das regressões em termos de: qualidade de ajuste do modelo;
visualização dos dados e aplicação em aplicativos comuns como o Excel®.
Adicionalmente foram descobertos padrões escondidos nos dados e gerou-se
conhecimento acadêmico capaz de suportar decisões industriais que conduzam a
melhorias de eficiência energética. === Is possible to optimize the energy resources of a petrochemical plant using Mix Integer
Linear Programing (MILP) to decide the optimal configuration of the equipment.
However, a still open question is what correlation exists between the time series of
these energy savings with the price of energy in the free market, the ambient
temperature, the plant load and the electric demand of this petrochemical plant. The
objective of this study is to obtain the correlation between these variables. Three
approaches was used, Linear Regression Modeling (LRM), Autoregressive Integrated
Moving Average (ARIMA) and Data Mining. Were obtained the correlations between
these variables by the three approaches, besides the comparison of the regressions
in terms of: adherence to the real values; data visualization and application in common
applications like Excel®. In addition, hidden patterns were discovered in the data and
academic knowledge was generated, supporting industrial decisions that lead to
improvements in energy efficiency.
|
|---|
