Use este identificador para citar ou linkar para este item:
https://repositorio.ufrn.br/handle/123456789/15309| Título: | Sistema Híbrido de Inferência Baseado em Análise de Componentes Principais e Redes Neurais Artificiais Aplicado a Plantas de Processamento de Gás Natural |
| Autor(es): | Linhares, Leandro Luttiane da Silva |
| Orientador: | Araújo, Fábio Meneghetti Ugulino de |
| Palavras-chave: | Sistema de inferência;Redes neurais artificiais;Análise de componentes principais;Colunas de destilação;Inferential system;Artificial neural network;Principal component analysis;Distillation column |
| Data do documento: | 19-Mar-2010 |
| Editor: | Universidade Federal do Rio Grande do Norte |
| Referência: | LINHARES, Leandro Luttiane da Silva. Sistema Híbrido de Inferência Baseado em Análise de Componentes Principais e Redes Neurais Artificiais Aplicado a Plantas de Processamento de Gás Natural. 2010. 119 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2010. |
| Resumo: | Nos dias atuais, em que a concorrência de mercado exige produtos de melhor qualidade e a busca constante pela redução de custos e pelo melhor aproveitamento das matérias-primas, a utilização de estratégias de controle mais eficientes torna-se fundamental. Nas Unidades de Processamento de Gás Natural (UPGNs), assim como na maioria dos processos químicos, o controle de qualidade é realizado a partir da composição de seus produtos. Entretanto, a análise de composições químicas, mesmo quando realizada por equipamentos como os cromatógrafos a gás, apresenta longos intervalos de medição. Esse fato dificulta a elaboração de estratégias de controle que proporcionem um melhor rendimento do processo. Geralmente, o principal produto econômico de uma UPGN é o GLP (Gás Liquefeito de Petróleo). Outros produtos comumente obtidos nessas unidades são a gasolina natural e o gás residual. O GLP é formado idealmente por propano e butano. Entretanto, na prática, apresenta em sua composição contaminantes, tais como o etano e o pentano. Neste trabalho é proposto um sistema de inferência utilizando redes neurais para estimar as frações molares de etano e pentano no GLP e a fração molar de propano no gás residual. O objetivo é estimar essas variáveis a cada minuto com uma única rede neural de múltiplas camadas, permitindo a aplicação de técnicas de controle inferencial visando a controlar a qualidade do GLP e reduzir a perda de propano no processo. No desenvolvimento deste trabalho, é simulada no software HYSYS R uma UPGN formada por uma coluna de destilação deetanizadora e outra debutanizadora. A inferência é realizada a partir das variáveis de processo de alguns controladores PID presentes na instrumentação das colunas citadas. Com o intuito de reduzir a complexidade da rede neural de inferência, é utilizada a técnica estatística de análise de componentes principais (ACP) para diminuir o número de entradas da rede. Tem-se, portanto, um sistema híbrido de inferência. Também é proposta neste trabalho, uma estratégia simples para a correção em tempo real do sistema de inferência, tendo como base as medições dos possíveis cromatógrafos de linha presentes no processo em estudo |
| Abstract: | Nowadays, where the market competition requires products with better quality and a constant search for cost savings and a better use of raw materials, the research for more efficient control strategies becomes vital. In Natural Gas Processin Units (NGPUs), as in the most chemical processes, the quality control is accomplished through their products composition. However, the chemical composition analysis has a long measurement time, even when performed by instruments such as gas chromatographs. This fact hinders the development of control strategies to provide a better process yield. The natural gas processing is one of the most important activities in the petroleum industry. The main economic product of a NGPU is the liquefied petroleum gas (LPG). The LPG is ideally composed by propane and butane, however, in practice, its composition has some contaminants, such as ethane and pentane. In this work is proposed an inferential system using neural networks to estimate the ethane and pentane mole fractions in LPG and the propane mole fraction in residual gas. The goal is to provide the values of these estimated variables in every minute using a single multilayer neural network, making it possibly to apply inferential control techniques in order to monitor the LPG quality and to reduce the propane loss in the process. To develop this work a NGPU was simulated in HYSYS R software, composed by two distillation collumns: deethanizer and debutanizer. The inference is performed through the process variables of the PID controllers present in the instrumentation of these columns. To reduce the complexity of the inferential neural network is used the statistical technique of principal component analysis to decrease the number of network inputs, thus forming a hybrid inferential system. It is also proposed in this work a simple strategy to correct the inferential system in real-time, based on measurements of the chromatographs which may exist in process under study |
| URI: | https://repositorio.ufrn.br/jspui/handle/123456789/15309 |
| Aparece nas coleções: | PPGEE - Mestrado em Engenharia Elétrica e de Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| LeandroLSL_DISSERT.pdf | 1,85 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.