Síntese ótima de processos não isotérmicos de tratamento de efluentes.

• Ano de defesa: 2012
• Autor(a) principal: Graciano, José Eduardo Alves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Modelos reduzidos; Optimization; Otimização; Process synthesis; Síntese de processos; Superestrutura; Superstructure; Surrogate models
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3137/tde-27092012-103217/

As metodologias para a síntese de processos, baseadas em otimização de superestruturas, mostram-se mais poderosas do que as baseadas no projeto em heuríticas, já que levam em consideração as inúmeras possibilidades de construção do processo. É pratica comum a utilização de modelos simplificados (como modelos de rendimento), na representação dos equipamentos dentro destas superestruturas, uma vez que a utilização de modelos fenomenológicos tornar-se-ia inviável, devido aos tempos computacionais e à dificuldade técnica de se programar os módulos e propriedades termodinâmicas de um simulador comercial, dentro de uma plataforma de otimização como o GAMS. Modelos com alta precisão, que não requerem grandes tempos computacionais, reduzidos ou de superfície de resposta, aproximam modelos fenomenológicos e podem ser introduzidos em problemas de síntese, obtendo soluções mais precisas. Neste trabalho, foram construídos modelos reduzidos para dois processos comumente encontrados em sistemas de tratamento de efluentes de refinarias de petróleo: uma torre de resfriamento e um stripper de vapor. Os dados utilizados para a correlação dos modelos reduzidos foram gerados, através da simulação de modelos semi-fenomenológicos ou fenomenológicos destes equipamentos. É proposta uma metodologia original para gerar modelos reduzidos, que diferentemente dos trabalhos anteriores em que se utilizam modelos reduzidos tipo caixa preta, emprega-se um modelo reduzido tipo caixa cinza para a representação da coluna de stripper, o que aumenta a capacidade de correlação do modelo ao conjunto de dados, resultando em menores erros de predição. Dois tipos clássicos de modelos reduzidos foram utilizados dentro dos modelos caixa-cinza: um modelo baseado em redes neurais e um modelo polinomial. Ambos mostraram-se capazes de representar o modelo fenomenológico com pequenos erros e permitindo resolver o problema de síntese em um tempo computacional razoável (da ordem de 10 segundos). Nota-se também que são obtidas várias soluções ótimas locais que diferem ligeiramente de acordo com a abordagem utilizada, mas que qualitativamente correspondem a um mesmo conjunto de soluções.