Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo

Bibliographic Details
Main Author: Teixeira, Alexandre Casagrande
Publication Date: 2013
Format: Master thesis
Language: por
Source: Repositório Institucional da UFPR
Download full: https://hdl.handle.net/1884/30008
Summary: Orientador: Prof. Dr. David Alexander Mitchell
id UFPR_048b2c3cac74ebc9e37609311f33d8a9
oai_identifier_str oai:acervodigital.ufpr.br:1884/30008
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Corazza, Fernanda de CastilhosUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia QuímicaMitchell, David Alexander, 1952-Teixeira, Alexandre Casagrande2024-07-17T20:23:40Z2024-07-17T20:23:40Z2013https://hdl.handle.net/1884/30008Orientador: Prof. Dr. David Alexander MitchellCoorientadora: Profa. Dra. Fernanda de CastilhosDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia de Química. Defesa: Curitiba, 06/03/2013Bibliografia: fls. 87-91Área de concentração: Modelagem, Otimização e Controle de ProcessosResumo: A necessidade de preservação do meio ambiente tem direcionado atenção do setor industrial às unidades de tratamento de efluentes. Dentre as diversas tecnologias existentes, o tratamento biológico por lodos ativados é uma das mais utilizadas, devido a sua excelente robustez. Na indústria do petróleo, não é diferente, devido principalmente a sua elevada eficiência na remoção de nitrogênio amoniacal. No entanto, a eficiência desta tecnologia está diretamente relacionada com a qualidade do efluente a ser tratado. Uma variação brusca na composição da entrada do sistema pode provocar choques químicos no sistema biológico, ou seja, inibir as reações, alterando significativamente a qualidade do efluente tratado, com o risco de não se atender a legislação. Desta forma, é muito importante prever os resultados da planta quando há uma perturbação nas variáveis de entrada, de forma que ações preventivas possam ser tomadas, minimizando os impactos. No entanto, elaborar um modelo fenomenológico de um sistema de tratamento biológico é uma tarefa extremamente difícil e exaustiva, devido à complexidade das reações envolvidas e a não linearidade do sistema. Devido a isto, a modelagem do sistema de lodos ativados utilizando a técnica de Redes Neurais torna-se uma alternativa viável e interessante. A modelagem por redes neurais foi aplicada no sistema biológico de tratamento de efluentes da Refinaria Presidente Getúlio Vargas - Petrobras, com o objetivo de estimar o teor de nitrogênio amoniacal no efluente tratado, a partir de dados de qualidade da carga e de variáveis medidas diretamente na planta. Os teores de DQO e NH3 na entrada do sistema, os teores de oxigênio dissolvido e os valores de pH do meio foram utilizados como dados de entrada da rede e são dados reais obtidos da unidade. Foram simuladas diversas estruturas utilizando o programa Simulated Annealing, como algoritmo de otimização. Os resultados obtidos na modelagem deste sistema mostram o potencial desta ferramenta na predição do teor de contaminantes no efluente tratado, que pode no futuro, ser implantada na unidade e servir como base para a tomada de decisão de ações preventivas quando da ocorrência de distúrbios operacionais.Abstract: The need for preservation of the environment has forced the industrial sector to focus attention on wastewater treatment. Among the various existing technologies, biological treatment by activated sludge is one of the most used, due to its excellent robustness. It is no different in the petroleum industry: activated sludge systems are widely used, mainly because they are normally highly efficient in removing ammonia nitrogen. However, the efficiency of this technology is directly related to the quality of the effluent to be treated. A sudden change in the concentration of contaminants in the effluent entering the unit can cause chemical shocks to the microorganisms within the activated sludge. In turn, this leads to alterations in the quality of the treated effluent, which has the risk of failing to meet the law. Thus, it is very important to know how the quality of the final treated effluent is affected by disturbances in the input variables, so that preventive measures can be taken to minimize impact. However, the phenomenological modeling of activated sludge units is an extremely difficult and exhausting task due to the complexity of the reactions involved and the nonlinearity of the system. The modeling of activated sludge units using the technique of neural networks is a viable and interesting alternative. A neural network model was developed to describe the performance of the biological effluent treatment system of the President Getúlio Vargas Refinery - Petrobras, with the objective of estimating the ammonia nitrogen content of the final treated effluent from data characterizing the quality of the effluent entering the treatment unit and from several variables measured directly in the plant. The results obtained in modeling this system show the potential of this tool in predicting ammonium levels in the final treated effluent, which may in future serve as a basis for decision making preventive actions upon the occurrence of operational disturbances.90f. : il. [algumas colors.], grafs., tabs.application/pdfDisponível em formato digitalPetroleo - RefinaçãoPetroleo - Eliminação de resíduosRedes neurais (Computação)Engenharia QuímicaModelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ALEXANDRE CASAGRANDE TEIXEIRA.pdfapplication/pdf2827983https://acervodigital.ufpr.br/bitstream/1884/30008/1/R%20-%20D%20-%20ALEXANDRE%20CASAGRANDE%20TEIXEIRA.pdf86fb61bbe65c231941cbcd14e2c1a0e8MD51open accessTEXTR - D - ALEXANDRE CASAGRANDE TEIXEIRA.pdf.txtExtracted Texttext/plain127581https://acervodigital.ufpr.br/bitstream/1884/30008/2/R%20-%20D%20-%20ALEXANDRE%20CASAGRANDE%20TEIXEIRA.pdf.txt355376a3ddf241aecca2592b92a830caMD52open accessTHUMBNAILR - D - ALEXANDRE CASAGRANDE TEIXEIRA.pdf.jpgGenerated Thumbnailimage/jpeg1214https://acervodigital.ufpr.br/bitstream/1884/30008/3/R%20-%20D%20-%20ALEXANDRE%20CASAGRANDE%20TEIXEIRA.pdf.jpg4d084add8f02454c3f80685f99502f31MD53open access1884/300082024-07-17 17:23:40.411open accessoai:acervodigital.ufpr.br:1884/30008Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082024-07-17T20:23:40Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo
title Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo
spellingShingle Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo
Teixeira, Alexandre Casagrande
Petroleo - Refinação
Petroleo - Eliminação de resíduos
Redes neurais (Computação)
Engenharia Química
title_short Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo
title_full Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo
title_fullStr Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo
title_full_unstemmed Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo
title_sort Modelagem por redes neurais do sistema biológico do tratamento de efluentes em refinarias de petróleo
author Teixeira, Alexandre Casagrande
author_facet Teixeira, Alexandre Casagrande
author_role author
dc.contributor.other.pt_BR.fl_str_mv Corazza, Fernanda de Castilhos
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Química
dc.contributor.advisor1.fl_str_mv Mitchell, David Alexander, 1952-
dc.contributor.author.fl_str_mv Teixeira, Alexandre Casagrande
contributor_str_mv Mitchell, David Alexander, 1952-
dc.subject.por.fl_str_mv Petroleo - Refinação
Petroleo - Eliminação de resíduos
Redes neurais (Computação)
Engenharia Química
topic Petroleo - Refinação
Petroleo - Eliminação de resíduos
Redes neurais (Computação)
Engenharia Química
description Orientador: Prof. Dr. David Alexander Mitchell
publishDate 2013
dc.date.issued.fl_str_mv 2013
dc.date.accessioned.fl_str_mv 2024-07-17T20:23:40Z
dc.date.available.fl_str_mv 2024-07-17T20:23:40Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/30008
url https://hdl.handle.net/1884/30008
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 90f. : il. [algumas colors.], grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/30008/1/R%20-%20D%20-%20ALEXANDRE%20CASAGRANDE%20TEIXEIRA.pdf
https://acervodigital.ufpr.br/bitstream/1884/30008/2/R%20-%20D%20-%20ALEXANDRE%20CASAGRANDE%20TEIXEIRA.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/30008/3/R%20-%20D%20-%20ALEXANDRE%20CASAGRANDE%20TEIXEIRA.pdf.jpg
bitstream.checksum.fl_str_mv 86fb61bbe65c231941cbcd14e2c1a0e8
355376a3ddf241aecca2592b92a830ca
4d084add8f02454c3f80685f99502f31
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1838284438287417344

Similar Items