Um algoritmo genético para otimização do controle de redes de escoamento de petróleo.

• Ano de defesa: 2005
• Autor(a) principal: BRASILEIRO, Esther Vilar.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO; UFCG
• Palavras-chave em Português: Sistemas Distribuídos; Algoritmos Genéticos; Otimização; Redes de Escoamento; Distributed Systems; Genetic Algorithms; Optimization; Runoff Networks; Ciência da Computação
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8765

O controle em tempo real de redes de tubulações, complexas e de grande escala, para escoamento da produção de petróleo é complicado por vários fatores, entre eles: (a) a confiabilidade dos sistemas de aquisição de dados e comunicação, (b) tempos limites entre a aquisição de dados e a decisão de controle, (c) restrições operacionais de um grande número de dispositivos, (d) controle multi-objetivo, envolvendo objetivos e restrições econômicas, operacionais, ambientais e institucionais. Neste trabalho propomos um Algoritmo Genético (AG) para solucionar o problema do controle em tempo real de redes de escoamento complexas. Centrado no sistema de bombeamento, o algoritmo de otimização exposto utiliza conhecimento especialista do problema para reduzir o tempo de busca e melhorar a qualidade da solução utilizando uma infra-estrutura de grade computacional. Os objetivos do controle são a redução do custo com o consumo de energia e dos riscos ao meio ambiente, mantendo os níveis de produção e segurança. Os operadores genéticos de cruzamento e mutação foram modificados para prevenir convergência prematura e acelerar a busca em regiões mais promissoras do espaço-solução, dando à tradicional ‘cegueira’ dos operadores genéticos a direção para gerar melhores descendentes. A técnica de seeding foi utilizada para garantir uma solução viável dentro do prazo. O AG apresenta uma função de adaptabilidade ponderada no tempo. Esta função minimiza as possíveis perdas que se possa ter devido às incertezas presentes na previsão da produção. Os resultados mostram que o AG encontra soluções mais econômicas que os procedimentos ad hoc de operação da rede, com uma redução média de 5,45% do custo. Além disso, verificamos que um ganho médio adicional de 16,92% pode ser alcançado com o aumento dos recursos computacionais disponíveis.