Orientadores: Rubens Maciel Filho, Delba Nisi Cosme Melo

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química

Resumo: Esta pesquisa teve por finalidade o desenvolvimento de uma metodologia de otimização em duas camadas. A otimização preliminar foi baseada na técnica de planejamento de experimentos junto com a metodologia por superfície de resposta com a finalidade de identificar uma possível região de busca...

Resumo: Esta pesquisa teve por finalidade o desenvolvimento de uma metodologia de otimização em duas camadas. A otimização preliminar foi baseada na técnica de planejamento de experimentos junto com a metodologia por superfície de resposta com a finalidade de identificar uma possível região de busca do ponto de operação ótimo, o qual foi obtido através da implementação de métodos híbridos de otimização desenvolvidos mediante associação do modelo determinístico de otimização por programação quadrática sucessiva (SQP) com a técnica dos algoritmos genéticos (GA) no modelo do processo de craqueamento catalítico fluidizado- FCC. Este processo é caracterizado por ser um sistema heterogêneo e não isotérmico, cuja modelagem detalhada engloba as equações de balanço de massa e energia das partículas do catalisador, como também para a fase líquida e gasosa, sendo um dos casos de estudo para a aplicação da metodologia de otimização desenvolvida. Como caso de estudo principal foi considerado o modelo do conversor do processo de FCC desenvolvido por Moro e Odloak (1995). Mediante a metodologia de otimização do processo baseado no uso do modelo determinístico da planta, foram definidas estratégias e políticas operacionais para a operação da unidade de FCC em estudo. Procurou-se alto nível de desempenho e segurança operacional, através da integração das etapas de operação, otimização e controle no contexto de otimização em tempo real do processo. As otimizações foram divididas em quatro etapas: 1) Análises preliminares dos fatores e das variáveis de resposta do modelo do conversor foram realizadas usando a técnica de planejamento de experimentos, com o objetivo de compreender a interação entre elas, assim como obter modelos simplificados das variáveis de resposta. A geração dos modelos simplificados é devido à necessidade de ganho no tempo computacional permitindo o conhecimento prévio da região de otimização já que em casos industriais pode não ser possível representar adequadamente o processo por modelos determinísticos; 2) Otimização usando algoritmos genéticos implementados no modelo simplificado da conversão, e no modelo determinístico com e sem restrições; 3) Otimização considerando o método de otimização SQP implementado no modelo simplificado da conversão e no modelo determinístico com restrições; e 4) otimização multi-objetivo do conversor usando x a técnica dos algoritmos genéticos, com o objetivo de maximizar a conversão, assim como a minimização da vazão dos gases de combustão, especificamente o monóxido de carbono (CO). Das otimizações foram obtidos ganhos em torno de 8% na conversão quando comparado com os valores de conversão sem otimização. Finalmente, foi realizada a integração do modelo do processo, com a otimização e o controle, dando como resultado a otimização em tempo real do conversor de FCC. A variável de otimização foi a conversão e, através da implementação do controle por matriz dinâmica com restrições (QDMC), aplicando a metodologia de controle inferencial. As variáveis escolhidas como variável controlada foi a temperatura de reação e como variável manipulada foi a temperatura da alimentação, com perturbações na vazão de alimentação do ar de regeneração. Valores de conversão da ordem de 88% foram atingidos para o esquema de otimização em tempo real, o método de otimização por algoritmo genético apresentou um desempenho satisfatório, com tempos e cargas computacionais razoáveis para implementação desta metodologia, em nível industrial

Abstract: The purpose of this research was the develop of an optimization methodology. Experimental design technique along with a hybrid optimization methodology obtained by association of sequential quadratic programming (SQP) with genetic algorithms (GA), were implemented in the model of a Fluid...

Abstract: The purpose of this research was the develop of an optimization methodology. Experimental design technique along with a hybrid optimization methodology obtained by association of sequential quadratic programming (SQP) with genetic algorithms (GA), were implemented in the model of a Fluid Catalytic Cracking process (FCC) developed by Moro and Odloak (1995). This process is described for a heterogeneous, non isothermal system, in which a detailed modeling comprises mass and energy balance equations for catalyst particles, liquid and gaseous phases that makes this process model, a case study for implementing the optimization methodology developed. The process optimization methodology developed; along with the deterministic model of the plant were applied to define operational strategies and policies for the operation of the FCC unit studied aiming to obtain high performance and operational safety, through the integration of control, operation and optimization stages in the context of real-time optimization (RTO) process. Optimizations were divided into four stages: 1) Preliminary analysis of factors and response variables of converter modeling were performed using experimental design technique aiming to understand the factors and response variables interaction, as well as to obtain response variables simplified models to be used as objective function in optimization stages, 2) a optimization using genetic algorithms was implemented in the simplified conversion model, in the deterministic modeling and the deterministic model considering factors restrictions, 3) a optimization considering a local search methodology like sequential quadratic programming (SPQ) was implemented in the simplified model of process conversion and also it was consided the deterministic model with restrictions. As initial estimative, the optimum factor values obtained with genetic algorithms were considered as well as two random points in the search space, and 4) a multi objective optimization considering genetic algorithms technique in order to maximize conversion and minimize combustion gases emissions, specifically carbon monoxide was developed. Applying this optimization methodology was obtained increments of around 8% in the feed conversion when compared with conversion values without optimization. xii Finally, it was developed the integration of optimization, control and process modeling giving as result the real time optimization (RTO) of FCC converter. The variable maximized by genetic algorithms was the feed conversion and the control technique implemented was based on the matrix named (QDMC) in conjunction with inferential control methodology. It was considered as controlled variable the reaction temperature adjusting the feed temperature (manipulated variable), for disturbances in the feed flow of the regeneration air. Feed conversion in the order of 88% were achieved for the real time optimization scheme considered, in which, the genetic algorithm showed an excellent performance in reasonable computational times and computational loads for implementation at industrial level