Use este identificador para citar ou linkar para este item: https://repositorio.ufrn.br/jspui/handle/123456789/22075
Título: Otimização de uma unidade de destilação atmosférica de petróleo utilizando redes neurais e algoritmos genéticos
Autor(es): Silva, Jose Hilton da
Palavras-chave: Destilação atmosférica de petróleo;Otimização;Óleo diesel;Redes neurais;Algoritmos genéticos.
Data do documento: 17-Dez-2014
Citação: SILVA, Jose Hilton da. Otimização de uma unidade de destilação atmosférica de petróleo utilizando redes neurais e algoritmos genéticos. 2014. 74f. Dissertação (Mestrado em Engenharia Química) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2014.
Resumo: A unidade de destilação atmosférica é a planta mais importante de uma refinaria de petróleo. Para levar a operação desta unidade próximo ao seu ponto operacional ótimo é necessário medir algumas propriedades chaves, em tempo real, para a atuação do sistema avançado de otimização. Neste contexto um sistema especialista de uma unidade de destilação de petróleo bruto foi desenvolvido para realizar a otimização do processo com maximização da produção diesel, produto de maior valor agregado, atendendo aos requisitos de qualidade determinados pela Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP). A modelagem no processo de destilação foi realizada por meio de redes neurais artificiais (RNA). As variáveis operacionais de entrada do processo foram propriedades de petróleo bruto e variáveis manipuladas, enquanto que as variáveis de saída do sistema foram definidas como as de qualidades do óleo diesel. O modelo de RNA construído pode ser aplicado na previsão das variáveis de qualidade do produto principal da unidade, óleo diesel,respeito às variáveis de entrada do sistema. Além disso, foi desenvolvido um otimizador do processo com o uso de algoritmos genéticos (AG’s) com o objetivo de minimizar erros de saída do sistema especialista e também maximizar a produção do óleo diesel. Assim sendo, condições de funcionamento ideais foram encontrados usando o banco de dados de conhecimento obtido pelas redes neurais com um método de otimização por algoritmos genéticos de acordo com uma função objetivo definido.
metadata.dc.description.resumo: A unidade de destilação atmosférica é a planta mais importante de uma refinaria de petróleo. Para levar a operação desta unidade próximo ao seu ponto operacional ótimo é necessário medir algumas propriedades chaves, em tempo real, para a atuação do sistema avançado de otimização. Neste contexto um sistema especialista de uma unidade de destilação de petróleo bruto foi desenvolvido para realizar a otimização do processo com maximização da produção diesel, produto de maior valor agregado, atendendo aos requisitos de qualidade determinados pela Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP). A modelagem no processo de destilação foi realizada por meio de redes neurais artificiais (RNA). As variáveis operacionais de entrada do processo foram propriedades de petróleo bruto e variáveis manipuladas, enquanto que as variáveis de saída do sistema foram definidas como as de qualidades do óleo diesel. O modelo de RNA construído pode ser aplicado na previsão das variáveis de qualidade do produto principal da unidade, óleo diesel,respeito às variáveis de entrada do sistema. Além disso, foi desenvolvido um otimizador do processo com o uso de algoritmos genéticos (AG’s) com o objetivo de minimizar erros de saída do sistema especialista e também maximizar a produção do óleo diesel. Assim sendo, condições de funcionamento ideais foram encontrados usando o banco de dados de conhecimento obtido pelas redes neurais com um método de otimização por algoritmos genéticos de acordo com uma função objetivo definido.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/22075
Aparece nas coleções:PPGEQ - Mestrado em Engenharia Química

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
JoseHiltonDaSilva_DISSERT.pdf2,8 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.