Soft sensor aplicado a plantas de processamento de gás natural baseado em redes neurais artificiais

• Main Author: Lima, Jean Mário Moreira de
• Other Authors: 82675090468
• Language: Portuguese
• Published: PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA MECATRÔNICA 2018
• Subjects: CNPQ::ENGENHARIAS: ENGENHARIA MECATRÔNICA; Soft sensor; Redes neurais artificiais; Sistemas de identificação; GLP; UPGNs
• Online Access: https://repositorio.ufrn.br/jspui/handle/123456789/25570

Submitted by Automação e Estatística ([e-mail]) on 2018-07-03T14:17:15Z No. of bitstreams: 1 JeanMarioMoreiraDeLima_DISSERT.pdf: 2889834 bytes, checksum: f4a43ed1a203489a4ac1293aa8e04bf0 (MD5) === Approved for entry into archive by Arlan Eloi Leite Silva ([e-mail]) on 2018-07-11T11:19:44Z (GMT) No. of bitstreams: 1 JeanMarioMoreiraDeLima_DISSERT.pdf: 2889834 bytes, checksum: f4a43ed1a203489a4ac1293aa8e04bf0 (MD5) === Made available in DSpace on 2018-07-11T11:19:44Z (GMT). No. of bitstreams: 1 JeanMarioMoreiraDeLima_DISSERT.pdf: 2889834 bytes, checksum: f4a43ed1a203489a4ac1293aa8e04bf0 (MD5) Previous issue date: 2018-05-28 === Atualmente, diante de um mercado cada vez mais competitivo, produzir de forma eficiente é essencial para se obter um balanço econômico positivo. Reduzir custos, realizar processos otimizados e ofertar produtos cada vez melhores são fatores que influenciam diretamente na economia de qualquer indústria. Diante disso, técnicas que podem melhorar e/ou otimizar processos, como o monitoramento da qualidade de produto ou controle avançado tornam-se fundamentais para a indústria como um todo. No caso de Unidades de Processamento de Gás Natural (UPGNs), o monitoramento da qualidade do produto produzido é intrínseco a uma produção satisfatória, e esse controle da qualidade faz-se, como na maioria dos processos químicos, através da composição química dos produtos. Entretanto, mesmo quando cromatógrafos a gás são utilizados para análise química dos componentes, tem-se lentidão no processo analítico e longos intervalos de medição são observados. Isso impede que técnicas de monitoramento em tempo real, ou de controle, sejam estabelecidas para obtenção de melhor rendimento do processo. Dentre esses produtos, em termos econômicos, o principal é o GLP (Gás Liquefeito de Petróleo), composto por propano, butano e contaminantes como etano e pentano. Neste trabalho é proposto um sistema chamado de soft sensor que faça a inferência, baseada em redes neurais, da composição do GLP, isto é, dos seus principais componentes. Dessa forma, o monitoramento, em tempo real, da qualidade do GLP produzido torna-se possível, uma vez que a medição de sua composição não será feita através do lento processo analítico. Assim, melhora-se a qualidade do processo, do produto e, consequentemente, a lucratividade. Para o desenvolvimento deste trabalho, utilizou-se uma UPGN simulada no software HYSYS, formada por uma coluna deetanizadora em série com uma coluna debutanizadora. Na instrumentação da planta, têm-se alguns controladores PIDs. O sensor virtual tem como entradas algumas das variáveis de processo desses controladores. Neste tabalho, é proposto também um sistema de correção do erro, em tempo real, do soft sensor, tendo com base a leitura da composição do GLP feita por cromatógrafos presentes no processo. Os resultados se mostraram promissores, atestando o funcionamento adequado do soft sensor. === In face of an increasingly competitive market, producing efficiently and effectively is essential for a positive economic balance. Reducing costs, optimizing processes and offering even better products are factors that directly influence the economy of any industry. In this view, techniques that can improve and / or guarantee optimization of processes, such as the monitoring of product quality or advanced and intelligent control become fundamental for the industry as a whole. In case of Natural Gas Processing Units (NGPUs), monitoring the quality of the product is intrinsic to a satisfactory production, and quality control has been done such as in most chemical processes, through the chemical composition of the products. However, even when chromatographs are used for chemical analysis of the components, the analytical process is slow and long measurement intervals are observed. This hampers real-time product monitoring or control techniques from being established to obtain better process performance.Among these products, the most important, economically speaking, is LPG (Liquefied Petroleum Gas) composed of propane, butane and contaminats such as ethane and pentane. In this work, a system called soft sensor that makes the inference of the main components of GLP based on artificial neural network is proposed. Then, the real-time monitoring of the quality of the produced LPG becomes possible, since the measurement of the composition of the LPG will not be obtained through the slow analytical process. Thus, the quality of the process, the LPG itself, consequently, its profitability are improved.In the development of this work, a simulated GNPU has been used in HYSYS, consisting of a deethanizing column in series with a debutanizer column. In the instrumentation of the plant, there are some PID controllers. The virtual sensor is based on process variables of these controllers. In this work, a real-time error correction module of the softsensor is also proposed, based on the measuruments of the LPG composition made by the chromatographs present in the process. The results are promising, attesting the adequate behavior of the soft sensor.