Florianpolis,Julho de 2007.
ii
iii
Agradecimentos
A elaborao deste documento de tese exigiu um formalismo acentuado,
principalmente a um engenheiro qumico. Durante a redao foi necessrio coibir
toda e qualquer possibilidade literria para que o texto ficasse o mais claro possvel.
Entretanto, esta pgina inicial reservada para que o autor possa expressar
os sentimentos experimentados durante os longos anos de trabalho e agradecer a
possibilidade de conviver com tantas pessoas.
Quero expressar a minha mais sincera gratido aos meus orientadores. Ao
Prof. Ricardo pela oportunidade, confiana e pacincia para resolver problemas
burocrticos, ao Prof. Nestor pela sempre disponibilidade. Agradeo em especial a
Roberta pela orientao firme, segura e clara.
Agradeo aos membros da banca pelas correes e sugestes importantes
para finalizao do trabalho.
Agradeo a todos os colegas de laboratrio pelos momentos de descontrao
e concentrao. Agradeo a todos os demais colegas, professores e funcionrios da
ENQ/UFSC com quem tive a satisfao de conviver neste tempo, os da velha e da
nova gerao.
Agradeo amiga Cintia Marangoni pela ajuda ao longo da tese e pela
amizade sincera. Agradeo pela preocupao e por acompanhar sempre prxima os
momentos difcies destes anos todos.
Agradeo amiga Audrei, por seu incentivo, pelos momentos de estudo,
aqueles to difcies e infinitos, e pela amizade sincera e firme.
Agradeo a Ledir pelo companherismo, pela sensatez e amizade. Obrigada
pelos favores e palavras de animo. A amiga Eliana pelos anos de convvio e amizade.
Agradeo ao CLAUMANN pela valiosa e abnegada ajuda na utilizao da rede
neural.
Agradeo aos meus irmos, Marcelo Meneguelo e Adriana Meneguelo, pelo
apoio, carinho, amor fraterno e dedicao.
Agradeo aos meus pais Luiz Meneguelo e Clarice da Luz Meneguelo pelo
amor incondicional, por terem sabido compreender o valor da educao e por terem
feito de suas vidas a realizao de seus filhos.
Agradeo ao meu esposo, Daniel, por tudo o que tem feito por mim nesses
anos todos, pelo amor sem precedentes, pela abnegao e sacrifcio para suportar
vi
minha ausncia nos momentos cruciais da tese, pela pacincia e compreenso com
minhas dificuldades.
Meu agradecimento a Luiza que to pequena ainda no tem a consincia das
obrigaes da vida, mas com certeza sabe reconhecer a importncia das coisas
simples. Obrigada pela renovao e pela fora.
Agradeo a Deus por tudo e por todos, pela jornada de evoluo espiritual
que exigiu muito mais do que o convencional. Exigiu o Amor Divino que existe em
cada um de ns e que to poucas vezes nos lembramos.
Agradeo ainda o apoio financeiro da Agncia Nacional do Petrleo, Gs Natural
e Biocombustiveis (ANP) e da financiadora de Estudos e Projetos (FINEP), por meio
do Programa de Recursos Humanos da ANP para o setor do Petrleo e Gs PRH-34
ANP/MCT.
vii
viii
Resumo
A modelagem dinmica hoje uma ferramenta importante na anlise de
processos. De posse de um modelo dinmico possvel determinar e avaliar o
comportamento de determinadas variveis de interesse. O modelo disponibiliza tanto
variveis internas do processo, que dificilmente seriam medidas, como variveis
facilmente mensurveis. tambm possvel realizar pertubaes que dificilmente
seriam realizadas em uma unidade industrial ou piloto, tanto devido a fatores
economicos como de segurana. A partida de colunas de destilao uma das
operaes mais difceis na indstria qumica. O procedimento de partida, devido ao
seu elevado perodo de tempo, possui tanto problemas de produtos fora de
especificao quanto elevado gasto de energia. De posse de um modelo dinmico
diferentes condies e aes podem ser testadas e o procedimento pode ser
otimizado. Entretanto, os modelos de colunas de destilao so representados por
um sistema de equaes algbrico-diferenciais de ndice superior, e so escritos de
forma a serem resolvidos sequencialmente. Este trabalho de tese implementa um
modelo dinmico de uma coluna de destilao para representar sua partida e
operao. So analisados os resultados do estado estacionrio, da dinmica do
processo quando submetido a perturbaes e os perfis obtidos no procedimento de
partida. O trabalho tambm apresenta uma forma diferenciada de escrever o
modelo, forma simultnea e, utiliza um pacote de integrao (PSIDE), at ento no
empregado em colunas de destilao. Este resolve o sistema de equaes sem
reduo de ndice. Como um trabalho complementar, foi proposta a utilizao de
uma rede neural wavelet para ser utilizada como sensor por software. A proposta
basea-se no fato de que em problemas de grande porte pode no ser vivel utilizar
um modelo fenomenolgico. Comuns so os problemas de inicializar todas as
variveis desejadas pois, pode no haver disponibilidade destes valores e o tempo de
resoluo do modelo pode ser elevado devido ao grande conjunto de equaes
algbrico-diferenciais. A rede neural, uma vez bem treinada, capaz de fornecer os
resultados sem os problemas citados acima.
Palavras-Chave: Coluna de destilao, partida de coluna de destilao, simulao
dinmica, equaes algbrico-diferenciais, resoluo simultanea, sensor por
software.
ix
Abstract
Currently, dynamic systems modeling is an important process analysis tool. With a
dynamic model, it is possible to evaluate process variables behavior. The model
makes available internal process variables (difficult to be measured) as long as easy
obtained variables. It is possible input disturbances at the inlets which it is not easy
in industrial or pilot plants due to costs and security issues. The distillation columns
startup is one of the most difficult operations in the chemical process industry. The
startup procedure, with its long requested dynamics time, presents as much
products specification problems as high energy demanding. With a dynamic model a
wide range of conditions and action can be tested and optimized. Nevertheless,
distillation model constitute in an algebraic-differential set of equations of superior
index, and it written to be solved sequentially. This work implements a distillation
column dynamic model in order to preview startup and operation. Process dynamics
and steady state profiles are analyzed when the column is submitted to disturbances.
Furthermore, the work presents an alternative way to write the set of equations in
order to solve the system with a coupled solver (PSIDE), unseen in distillation
applications. This solver does not reduce the equation set index. As a complimentary
work, it is proposed an employment of a wavelet neural network to be used as a soft
sensor. The purpose is based on the fact that huge problems can not be solved by
phenomenological model in feasible times. Initiate all variables is a usual problem
since data availability is not always guaranteed and solution time can too high due to
the number of equation to be solved. The neural network, once well trained, is
capable to supply results without problem cited above.
ASTM
BDF
DDR
EAD/DAE
equao algbrico-diferencial.
EDO/ODE
EKF
ELO
EM
erro mximo
EMQ
EQ
modelo de equilbrio
ETBE
etil terc-butil-ter
FT
transformada de Fourier
LM
Levenberg-Marquardt
LWR ou loess
MESH
MV
varivel manipulada
NC
nmero de componentes
NEQ
modelo de no equilbrio
NP
nmero de pratos
OLS
PCA
PFD
PLS
PR
xi
coeficinte de correlao
RBFN
reg
regularizao
RKS
SDBP
sps
SVD
TWC
TWD
xii
Lista de Smbolos
a
parmetro escala
Ac
Cp
hs
hw
ki,j
coeficiente de equilbrio
Lw
sat
presso crtica
presso de saturao [bar]
Tc
temperatura crtica
Tr
temperatura reduzida
Vm
ZRA
xiii
Letras Gregas
funo de escala
coeficiente de atividade
coeficiente estequiomtrico
coeficiente de fugacidade
fator acntrico
frao de volume
Subscritos
1
destilado
referente alimentao
componente
estgio j
Estgio n - refervedor
__
Sobrescritos
L
fase lquida
fase vapor
IM
__
xiv
SUMRIO
Captulo I: Introduo
1.2 Objetivos
1.4 Proposta
11
2.2 Mtodos
13
2.3 Concluses
17
18
22
3.2 Concluses
37
38
40
43
45
48
53
54
57
59
4.4.3 Densidade
59
60
4.6 - Concluses
62
63
64
64
4.10 Multiresoluo
65
xv
68
69
71
72
4.12 Concluses
75
77
77
78
78
79
80
82
88
91
Planta Piloto
5.6 Concluses da Validao do Modelo em Estado Estacionrio
94
95
100
106
111
112
113
114
116
118
123
126
130
5.12 Concluses
133
135
139
xvi
Apndices
151
152
156
Apndice 3: Propriedades
158
xvii
Captulo I
Introduo
"Comear j metade de toda a ao."
Provrbio Grego
perodo
so
desejveis.
modelagem
dinmica
capaz
de
fornecer
Captulo I - Introduo
Captulo I - Introduo
1.2 Objetivos
Conhecendo-se as caractersticas de um procedimento de partida, ou seja,
operao lenta e dispendiosa, o principal objetivo deste trabalho propor um modelo
dinmico capaz de captar o transiente da operao e, desta forma, se caracterizar
como uma ferramenta auxiliar no estudo dos perfis obtidos durante a operao e
partida. O modelo proposto um modelo de equilbrio, representado pelas equaes
conhecidas como MESH, com condies iniciais pertinentes a uma partida de coluna
de destilao. Este modelo foi selecionado por ser de simples implementao
matemtica e, segundo a literatura, fornecer resultados consistentes. As equaes
do modelo so resolvidas simultaneamente por um integrador para equaes
algbrico-diferenciais de ndice superior, forma e mtodo ainda no empregados para
um modelo de coluna de destilao. O sucesso das simulaes mostrou-se um fator
relevante para os estudos de simulaes dinmicas de colunas de destilao, uma
vez que trat-se de um sistema altamente no-linear e acoplado.
De posse do modelo desenvolvido, foi proposta a utilizao de uma rede
neural wavelet como sensor por software. Para esta finalidade, o modelo
fenomenolgico foi utilizado para gerar dados pseudo-experimentais para a rede
neural. Pode-se considerar que a rede um modelo do modelo.
O objetivo desta proposta principalmente devido ao fato de que, muitas
vezes, na prtica, utilizar um modelo fenomenologico poder ser mais complicado do
que usar uma rede neural uma vez que um modelo fenomenolgico compreende:
1. um conjunto grande de equaes algbrico-diferenciais;
2. um integrador robusto e rpido em relao ao tempo que o controle tem para
atuar (rapidez e robustez so, na maioria das situaes, antagnicas);
3. necessidade de condies iniciais consistentes (se poderia iniciar com as
condies reais de uma coluna, porm essa situao pode no ser resolvida pelo
modelo fenomenologico e nem todas as variveis necessrias podem estar
disponveis);
Mesmo assim, nem sempre possvel se obter resultados.
A rede neural, uma vez bem treinada, fornece os resultados sem os
problemas citados acima.
Para obteno do objetivo geral, desenvolvimento de um modelo para partida
de uma coluna de destilao, alguns objetivos especficos foram alcanados, sendo
eles:
Captulo I - Introduo
Captulo I - Introduo
Captulo I - Introduo
complementar
as
anlises
realizadas
normalmente
por
analisadores
de
laboratrio.
1.4 Proposta
Este trabalho implementa um modelo de equilbrio de uma coluna de
destilao para avaliar o comportamento do processo durante um procedimento de
partida e conseqente operao. O modelo foi montado de forma a ser resolvido
seqencialmente. No foram realizadas manipulaes matemticas para reduo de
ndice, e uma rotina de integrao especfica para resoluo destes sistemas foi
empregada. Um grande desafio na utilizao desta rotina estava no fato de ainda
no ter sido testada em nenhum processo com as caractersticas encontradas em um
processo de destilao (alta no-linearidade e acoplamento entre as variveis).
Flexibilidade e resoluo rpida e eficaz foram buscas no desenvolvimento e
implementao do modelo.
O sensor por software, parte secundria porm, integrante do trabalho, foi
proposto para prever as fraes molares das correntes de interesse durante um
procedimento de partida. A disponibilidade destas medidas podem ser enviadas a um
sistema de controle preditivo antecipando assim aes para minimizar o tempo de
transiente. Desta forma, no fez parte do objetivo desta tese desenvolver uma nova
estrutura de sensor por software, pois um de seus maiores mritos utilizar uma
ferramenta disponvel e ainda no utilizadas para a finalidade de partida de unidade.
Captulo I - Introduo
Captulo II
Partida de Colunas de Destilao
"Precisamos analisar o todo para depois, compreendermos as
partes..." Aristteles
Neste captulo ser apresentada uma reviso bibliogrfica sobre partida de colunas
de destilao. Sero apresentados alguns procedimentos de partida descritos na
literatura, assim como a forma matemtica utilizada por alguns autores para
realizarem o procedimento de partida. Os mtodos utilizados para a resoluo dos
modelos fenomenolgicos dinmicos desenvolvidos so tambm apresentados.
O procedimento de partida de uma coluna de destilao apresenta um longo
perodo de complexo transiente devido a mudanas drsticas em muitas variveis.
Durante todo esse perodo considera-se a unidade improdutiva. A dinmica do
procedimento
da
partida
de
uma
coluna
de
destilao
foi
estudada
tanto
fase descontnua
fase semi-contnua
Esta fase representa a parte mais importante da operao de partida, uma vez
que a que consome maior tempo. Durante esta fase, as variveis hidrulicas
fase contnua
(1992)
SORENSEN
SKOGESTAD
(1996b),
propuzeram
fase inicia-se o controle do refluxo, seguindo uma estratgia onde seu valor de
80% da vazo que chega ao condensador;
5) estabilizar o controle do nvel da base em 50%. Nesta fase a alimentao
chega ao seu valor de estado estacionrio. O aquecimento continua visando-se
obter 98% de componente leve no condensador;
6) quando a concentrao de destilado chegar a 98% do componente leve iniciase sua retirada. Esta a ltima fase onde a coluna chega s condies de estado
estacionrio, finalizando assim, o procedimento de partida adotado pelo autor.
Assim, quando o volume de lquido no refervedor e no condensador esto
estabilizados, a coluna comea a operar em estado estacionrio. Cada fase
acompanhada por um conjunto de controladores.
MARANGONI (2005), com a finalidade de estudar a minimizao dos
transientes em uma coluna de destilao piloto, prope um procedimento de partida.
Neste, a corrente de alimentao introduzida na coluna continuamente de forma
controlada. O procedimento realizado com o sistema fechado, sendo a corrente de
alimentao formada pelas correntes de topo e base. A partida inicia-se com a
retirada de produto de base, mantendo-se o controle do nvel na mesma. A mistura
da alimentao desce a base da coluna onde aquecida e vaporizada. O vapor
introduzido na coluna aquecendo-a prato a prato at atingir o condensador. Tem
incio, ento, a etapa de refluxo total at a coluna atingir uma situao estvel
definida para operao. Estabilizada a coluna, inicia-se a produo de destilado, e o
estado estacionrio determinado assim que a temperatura do acumulador e a
composio do destilado no variarem com o tempo.
10
casos
complementar
modelagem
informaes
hbrida
geradas
utiliza
por
redes
modelos
neurais
como
baseado
em
forma
de
modelagem
11
12
2.2 Mtodos
sistemas
de
equaes
algbrico-diferenciais
(EADs).
As
equaes
(2000)
apresenta
uma
seqncia
histrica
do
13
maioria
dos
trabalhos
referem-se
misturas
binrias,
os
sistemas
multicomponente.
Os
autores
constataram
que
as
equaes
de
14
aos avanos tecnolgicos. Como conseqncia dos avanos possvel hoje, por meio
de simulao dinmica, analisar vrios fatores de um processo, como:
seleo de sensores e atuadores;
interfaceamento com a estrutura de controle;
otimizao do controle;
segurana operacional;
instalao de algoritmos de controle avanado;
otimizao de paradas e partidas;
treinamento de operadores e,
otimizao em linha.
Atualmente, um dos argumentos mais fortes a favor do enfoque algbricodiferencial a comodidade para o pesquisador. Por ser mais prximo do sistema
obtido aps a etapa de modelagem matemtica, o sistema de EADs mais simples e
as variveis tm significado fsico. So evitadas manipulaes algbricas no sistema:
poupa-se tempo e evitam-se erros. No entanto, uma razo ainda mais forte para se
utilizarem EADs a versatilidade do modelo formado: equaes algbricas
fundamentais relacionadas descrio de fenmenos bsicos como relaes de
equilbrio de fases, equaes cinticas e isotermas de equilbrio so facilmente
includas e/ou modificadas sempre que necessrio. Com isto, torna-se possvel testar
vrias alternativas de modelagem sem que seja necessrio reconstruir totalmente o
modelo. Deve ser ressaltado tambm que informaes fundamentais que poderiam
ser perdidas na diferenciao das equaes so preservadas (VIEIRA & BISCAIA,
2001).
O surgimento de cdigos computacionais como o DASSL (PETZOLD, 1989) e o
RADAU5 (HAIRER & WANNER, 1991) dentre outros, s veio reforar a convenincia
de tratar os sistemas algbrico-diferenciais diretamente, mantendo relaes originais
entre variveis e efetuando menor manipulao algbrica antes da integrao do
sistema.
A resoluo numrica destes sistemas foi intensamente estudada na dcada
de 1980, mas ainda hoje no h um mtodo numrico que se aplique a sistemas
genricos de EADs. Todos os mtodos (e por conseqncia os cdigos) de
integrao restringem-se a sistemas com determinado ndice ou estrutura, ou seja, a
sistemas que apresentem certas caractersticas. O ndice diferencial o nmero
mnimo de vezes que um subgrupo do sistema de EADs (ou equaes derivadas
dele) precisa ser diferenciado, em relao a varivel independente, t, at ser
15
16
2.3 Concluses
Baseando-se nos trabalhos citados, pode-se observar que no existe um
procedimento padro para partida de uma coluna de destilao. Entretanto, a
maioria dos trabalhos segue uma determinada seqncia e modifica outras, segundo
as caractersticas de cada sistema
Quando analisada a modelagem deste procedimento, observa-se a
crescente utilizao de modelos hbridos, que podem ser compostos por redes
neurais, lgica fuzzy ou algortmos genticos. Os modelos hbridos, muitas vezes,
so preferidos por unirem caractersticas dos modelos fenomenolgicos e dados
retirados do processo. A modelagem rigorosa, ou seja, a considerao de no
equilbrio nos pratos, em muitos trabalhos apresentados, no gerou resultados
significativamente melhores quando comparados com os gerados pelo modelo de
equilbrio, alm de demandarem elevado tempo computacional. A dificuldade de
implementao e a grande quantidade de parmetros deve ser considerada no
momento da escolha de um modelo.
Os mtodos de resoluo destes modelos fenomenolgicos sofreram grande
avano nos ltimos anos e ainda esto em expanso. Mtodos novos para resoluo
de sistemas de EADs esto sendo desenvolvidos e testados. Entretanto, na
resoluo do modelo de coluna de destilao continua sendo realizada a reduo do
ndice do sistema. No foram encontrados trabalhos utilizando o cdigo PSIDE, capaz
de resolver o sistema de equaes algbrico-diferenciais sem realizar a reduo de
ndice.
17
Captulo III
Sensores por Software
Infelizes os homens que tm todas as idias claras. (Pasteur)
Este captulo apresenta uma introduo, onde so descritos alguns problemas que
podem levar a indisponibilidade de um sensor em linha no processo, e uma reviso
bibliogrfica de trabalhos que utilizam sensores por software com a finalidade
principal de sanar as dificuldades encontradas pela falta do sensor em linha.
Os sensores so os olhos pelos quais o comportamento e a performance da
planta podem ser observados. Entretanto, existe uma srie de situaes em que o
sensor no est disponvel. Esta indisponibilidade do sensor pode ser devida a falhas,
retirada para manuteno ou mesmo inexistncia de um sensor adequado. A falta
pode ainda ser devido ao seu alto custo ou mesmo a inexistncia deste instrumento
para medio em linha. BORGES (2004) mostra uma relao entre os analisadores
instalados em algumas unidades da COPENE (Figula 3.1) que esto em operao e
fora de operao.
100
total
Fora de Operao - FO
Em Operao - EO
80
60
40
20
0
UP-1
UP-2
UA-1
UA-2
UTE
UTA
18
c) 11 necessitam de recondicionamento;
d) 4 devido ao alto custo de manuteno;
e) 5 por sistema de amostragem inadequado;
f)
11 so obsoletos;
j)
ii.
iii.
19
Conhecimento disponvel
(modelo matemtico,
conhecimento anterior, ....)
medidas
Entradas
Processo
Sensor
(hardware
)
Estimador
(software)
Estado e/ou
parmetros
estimados
(a)
20
(b)
(c)
Figura 3.3 Infraestrutura montada para analisadores. Em (a) casa de analisador em uma
refinaria, em (b) interior de uma casa e em (c) outro interior de casa de analisador.
21
variveis
(variveis
secundrias)
apresentando
como
resultado
uma
22
tornaram-se
mais
baratos.
Porm,
uma
busca
incessante
sistemas
mais
condensador total;
ii.
iii.
iv.
v.
vi.
anlise de observabilidade;
ii.
estrutura do observador e,
iii.
dimensionamento.
Projetar um observador seguindo estas etapas foi uma forma encontrada para
23
24
25
concentrao
um
de
controle
produto
de
de
estado
base.
foi
inicialmente
Neste
caso,
os
desenvolvido
autores
para
observaram
Observador de Estado
balano de massa
balano de energia
relaes de equilbrio
Soluo Numrica
Newton-Raphson
Euler Implcito
mD=u
S
x1
V
2
Controle de Estado
26
Medidas da Planta
Controladores PI Auxiliares
Vlvulas de Controle
(3.1)
y = CT x
(3.2)
27
base, a qual possui a maior inrcia do sistema, ou seja, dinmica lenta, e outra
prxima ao topo foram suficientes para uma boa previso das composies. Os
testes para avaliar a importncia do filtro utilizado foram realizados comparando-se
os resultados de um modelo proposto e do filtro com a unidade experimental. O filtro
mostrou melhor qualidade das previses de composio, fato esperado pelo sistema
de correo utilizado. Em (1998) os autores testaram o mesmo filtro na mesma
coluna
experimental,
agora
com
uma
mistura
de
etanol/tert-butanol/gua.
28
(3.3)
Um problema enfrentado pelos autores foi a coleta dos dados. Da refinaria Shi
Zhuang na provncia de Hubei-China os dados dos produtos eram analisados a cada
duas horas, e desta forma, poucos dados eram coletados por dia. Assim, trabalhouse com um conjunto de dados de dois meses de operao. Os autores citam essa
coleta de dados como sendo um dos grandes problemas enfrentados, entretanto,
sabe-se que em muitos casos necessria a coleta de dados de anos de operao da
planta. Os resultados apresentados mostram que a comparao entre os dados
estimados e os dados do analisador apresentaram boa concordncia entre eles.
Tambm apresentada uma tabela comparando os valores do desvio padro
encontrado com a rede e com um filtro de Kalman. Os resultados podem ser
observados na Tabela 3.1.
Tabela 3.1 Comparao entre o desvio padro da rede e do filtro de Kalman.
Sadas do processo
Composio de propileno CD
Composio de propano CB
A+ D
k1
B+D
k2
C+D
k3
k4
D
E
F
29
30
ii.
iii.
iv.
construo
do
sensor
por
software
baseado
em
um
procedimento
multivarivel amortizado.
Para construo do sensor por software os autores utilizaram o mtodo
multivarivel LWR. Como uma simples tcnica de aproximao linear, LWR pode
adequadamente modelar uma relao no linear entre a predio e a resposta do
processo como sendo uma parte linear. Outra vantagem deste mtodo a pouca
quantidade de parmetros a serem otimizados. Em muitos casos, entretanto a
dimensionalidade e a colinearidade podem crescer. Duas tcnicas foram propostas
para manipular estes problemas. O primeiro caminho transformar as variveis
originais em poucas novas variveis usando uma transformao linear como o PCA,
PLS, transformada de Fourier (FT) e transformao Wavelet (WT) na etapa de prprocessamento. Estas transformaes reduzem significativamente a dimenso. Para
o caso da coluna os autores utilizaram o mtodo de transformao PCA. Fazendo
esta transformao linear antes da aplicao do LWR pode-se reduzir a dimenso em
nveis tratveis e a colinearidade em um mnimo. Tornou-se, ento, necessrio
garantir a resoluo no espao reduzido. Para isso os autores utilizam PLS no caso
da coluna splitter e o OLS (Ordinary Least Square) se mostrou mais adequado no
caso da coluna de destilao de leo cru. Observando os resultados apresentados, os
autores concluram que a aproximao LWR no garante uma performance melhor
que outros mtodos e cita que as redes neurais so alternativas boas para
problemas de alta no-linearidade e colinearidade.
YU et al. (2000) desenvolveram um sensor por software para uma coluna de
destilao atmosfrica. O objetivo do sensor estimar lquido interno, carga de
31
t t
s = 90 10 e o ponto de ebulio a 50% de volume recuperado para cada retirada,
90 10
alm do clculo de t50 entre duas retiradas adjacentes.
A estrutura do sensor desenvolvido pode ser observada na Figura 3.8 a seguir:
32
L, V
Estimativas das
cargas internas
L/V
Estimao da
qualidade do
produto
Aquisio de
dados e
processamento
Modelo de
correo on-line
Variveis
Secundrias
Dados de
Laboratrio
desejados
da
coluna
de
forma
bastante
condizente
com
os
dados
33
limitado pela disponibilidade de uma relao entre uma nica temperatura com
composio e pureza. Um mtodo alternativo inferir a converso ou pureza por
medidas de mltiplas temperaturas e ento implementar uma estratgia de controle.
SNEESBY e TAD (1999) desenvolveram um modelo linear de inferncia de
dois termos. A principal dificuldade de se usar este modelo foi principalmente devido
s no linearidades existentes no processo de destilao reativa. Este problema j
existe quando se trabalha com destilao convencional. Os autores trabalham com
uma coluna de dez estgios, um condensador total e um refervedor parcial. Citam os
dois modelos para o processo da destilao, modelo de equilbrio (EQ) e modelo de
no equilbrio (NEQ modelos baseados na taxa). Sabe-se que o processo
naturalmente baseado nas taxas, porm, so modelos que ainda esto em
desenvolvimento e necessitam de um nmero de parmetros extremamente
grandes, alm de especificaes de parmetros de construo como tipo e forma do
leito. Desta forma, os autores optaram por trabalhar com modelo em EQ. No
trabalho seis temperaturas foram escolhidas, sendo que as temperaturas do
condensador e prato de topo foram excludas. As demais temperaturas foram base e
topo da seo reativa, do estgio 8 e do refervedor, sendo que a coluna foi
numerada do topo para base.
Para o modelo de inferncia, os autores trabalharam realizando um ajuste
polinomial. Foram testados polinmios com duas ou trs variveis, os lineares e os
no lineares. A priori o polinmio linear apresentou um alto coeficiente de correlao
(0,9924) e desvio padro de 1,3516 C. Conforme os autores foram introduzindo
termos no lineares a preciso da inferncia aumentou, sendo que todos se
mostraram superiores aos lineares de duas variveis. Entretanto, quando um
polinmio de trs variveis e de segunda ordem foi testado, observou-se um
incremento nfimo na estimao; por este motivo, os autores no recomendam esta
aproximao. Como resultado final, foi obtido um polinmio no linear de terceira
ordem e duas variveis para predio de converso. Para a planta piloto de ETBE de
dez estgios foram necessrias as medidas de seis temperaturas. O melhor ajuste
encontrado contm a temperatura da base do leito reativo e a temperatura do
refervedor. Concluram ento que, para inferncia da converso dos reagentes no
necessrio um modelo de ordem elevada ou trs variveis. Entretanto, analisado o
trabalho, observa-se que seria mais interessante e menos exaustivo a utilizao de
uma rede neural.
34
das
predies.
freqncia
da
amostragem
apresentou
um
35
36
3.2 Concluses
O captulo apresentou alguns dos trabalhos publicados que utilizam sensores
por software como analisadores virtuais. No caso de colunas de destilao observase que o principal objetivo destes sensores foi o de estimar composies. Para esta
finalidade a literatura apresenta uma srie de ferramentas; filtros de Kalman,
Luenbeger e procedimentos empricos, como PLS, lgica Fuzzy e redes neurais.
Com base nos trabalhos publicados e no problema que se deseja resolver
que a tcnica mais adequada foi selecionada. Observa-se que o emprego de filtros de
Kalman, por exemplo, exigem a linearizao do modelo e seu conseqente limite de
operao. As redes neurais apresentam a necessidade de um grande nmero de
dados para treinamento e tambm incapaciade de extrapolao. Os observadores
no-lineares possuem como caracterstica, sua complexa implementao e no
garantia de convergncia global.
No caso de utilizar modelos fenomenolgicos rigorosos como planta de
colunas de destilao existe o problema de se trabalhar com um sistema de
equaes algbrico-diferenciais, para os quais existe uma classe distinta de
observadores. Estes no foram apresentados por serem ainda pouco utilizados em
colunas de destilao, e as publicaes serem em sua maioria demonstraes
matemticas.
Desta
forma,
observa-se
que
cada
ferramenta
possui
vantagens
37
Captulo IV
Materiais e Mtodos
Tantas vezes pensamos ter chegado Tantas vezes preciso ir alm.
(Fernando Pessoa)
Este captulo ser dividido em duas sees distintas. A primeira delas mostra uma
breve descrio do software comercial utilizado e trata tambm da modelagem
matemtica, termodinmica e mtodo de resoluo do modelo proposto. Na segunda
seo uma breve descrio sobre redes wavelets ser apresentada, uma vez que
esta foi utilizada como sensor por software.
qumicos.
Entretanto,
uma
das
desvantagens
que
existem
comerciais.
Para
estes
casos,
alternativa
recomendada
38
39
Os
balanos
de
massa,
energia
frao
molar
so
resolvidos
40
(a)
(b)
41
(c)
(d)
Figura 4.1- Telas do HYSYS. Em (a) mostra-se a janela grfica do HYSYS (b) so
apresentadas as condies da alimentao, sendo que os itens em azul so os que devem ser
especificados, (c) tela da construo da coluna e em (d) apresentao dos resultados
encontrados.
42
Foram notadas diferenas nos resultados gerados nos perfis tanto antes como
aps as perturbaes, diferenas no coerentes fisicamente. Algumas hipteses dos
motivos das diferenas foram analisadas, considerando-se diferenas nos mtodos
de integrao e possveis diferenas de modelagem. Desta forma, foram simuladas
as mesmas condies no HYSYS estacionrio, no HYSYS dinmico e no modelo
43
330
325
Temperatura [K]
320
315
310
305
300
Vazo Molar de alimentao
F=216 kgmol/h
Resultados do Estado Estacionrio
Fortran
Hysys Estacionrio
Hysys Dinmico
295
290
285
2
Pratos
(a)
325
320
Temperatura [K]
315
310
305
300
Vazo Molar de Alimentao
F=540 kgmol/h
Resultados do Estado Estacionrio
Hysys Estacionrio
Fortran
Hysys Dinmico
295
290
285
2
Pratos
(b)
Figura 4.3 Perfil estacionrio de temperatura. Em (a) resultados para vazo molar da
alimentao de 216 kgmol/h e em (b) resultados para vazo molar de alimentao de 540
kgmol/h.
44
maior percia no software. Cabe ainda citar que as simulaes dinmicas efetuadas
no HYSYS levam cerca de 24 horas para atingirem o estado estacionrio, tempo
muito superior ao encontrado pelo modelo matemtico implementado; cerca de 200
segundos.
cdigo
incentivando
que
no
engenheiros
necessita
qumicos
a
a
separao
resolverem
das
restries
seus
problemas
algbricas,
implcitos
diretamente. Entretanto, existia ainda um grande desafio pela frente, uma vez que
esse cdigo baseado em BDF, no permite a resoluo de problemas com ndice
superior.
Muitos sistemas de ndice superior, quando possvel, so transformados em
EDOs. Esse procedimento alm de consumir tempo, esforo computacional, segundo
BRENAN, CAMPBELL E PETZOLD (1989) a soluo pode at ser significativamente
45
tempo
consumido
fazendo
manipulao
preservado
informaes
46
(a)
(b)
Figura 4.4 Seqncia simplificada de passos para resoluo do modelo. Em (a) esquema de
resoluo do modelo e em (b) rotina para teste de inicializao implementada.
47
48
d) devido a
conseqncias, tm-se;
a. holdup nos estgios o holdup do lquido;
b. entalpia nos estgios a entalpia do lquido, uma vez desprezado o
hodup do vapor, sua massa no prato desconsiderada.
e) no h transferncia de massa e calor entre as fases no tanque de refluxo;
f) admite-se mistura perfeita em cada estgio;
g) condensador total;
h) capacidade trmica da torre (pratos e outros componentes estruturais)
desprezvel.
[M
1 x1 x D L1 D
H1L T1 M i x i y i Li Vi H iL Ti M n x n y n B Vn H nL Tn
L
M
Subscritos
1
Destilado
Componente
estgio j
Estgio n refervedor
Sobrescritos
fase lquida
fase vapor
49
dM
= V j + 1 + L j 1 + F j V j L j
dt
(4.1)
dM j xi , j
dt
= V j + 1yi, j + 1 + L j 1xi , j 1 + F j zi , j V j yi , j L j xi , j
(4.2)
50
Balano de Energia
(4.3)
dM j H Lj
dt
Relao de Equilbrio
(4.4)
yi , j = i , ji , j Pisat
, j xi , j / P j
Hidrulica no Prato
L=
385.82
* Lw hs j 1.5 onde hs j =
Mi
hw
j Ac 0.3048 0.3048
(4.5)
Restries
x i, j
=1
(4.6)
y i, j
=1
(4.7)
(b) Condensador
i=1
V2
L1
F2
i=2
dM1
= V2 L1 D
dt
(4.8)
d M1 x i ,1
= V2 y i ,2 (L1 + D ) x i ,2
dt
para j 1
(4.9)
51
Balano de Entalpia
d H1L M1
dt
)=V H
2
v
2
(4.10)
Q1 (L1 + D )
H1L
(4.11)
(4.12)
RR = L1 / D
Restries
x i,1
(4.13)
=1
x D, j = x i ,1
(4.14)
i=n-1
Vn
Ln-1
i=n
B
(4.15)
dM n
= Ln 1 Vn B
dt
Balano Molar por Componente
d (M n x i )
= Ln 1 x i , n 1 Vn y i , n B x i, n
dt
(4.16)
para i 1
52
Balano de Energia
d Mn HnL
V
= Ln 1HnL 1 Vn Hn
B HnL Qn
dt
(4.17)
HnL = HnL (x n , Tn )
(4.18)
Relao de Equilbrio
(4.19)
yi, n = i, n i, nPisat
, n xi , n / Pn
Restries
x i, n
=1
(4.20)
y i, n
=1
(4.21)
i
i
P( j ) = Pbase
j 1
Pbase Ptopo
N 1
(4.22)
53
funcionais;
a capacidade de predio varia em um range de temperatura de 275-425 K e
Hl =
Cp
dT
(4.23)
Tref
54
CpL Cp0
= 1,45 + 0,45 (1 Tr ) 1
R
(4.24)
(
(
(
)
(4.25)
220
Correlao de Rowlinson
Ajuste por polinmio
200
180
CpL [J/molK]
160
140
120
100
80
60
0.0
0.2
0.4
0.6
0.8
1.0
Tr
Figura 4.6 Resultados obtidos para Cpl da gua utilizando correlao de Rowlinson e ajuste
polinomial.
CpL = A4 x 4 + A3 x 3 + A2 x 2 + A1 x + A0
(4.26)
55
Vale ressaltar que essa correlao pode ser utilizada para estimar a
capacidade calorfica de lquidos no-polares ou com polaridade baixa. Para
compostos nos quais a temperatura crtica desconhecida, ou para lcoois a baixa
temperatura, ou seja, Tr<0.75, essa correlao no adequada.
Para o sistema etanol-gua as no idealidades so considerveis, logo a
entalpia da fase lquida foi calculada considerando-se sua no-idealidade (mistura
real).
Em SANDLER (1999) apresentada uma tabela que resume as diferenas
entre a considerao ou no de fase lquida real ou ideal no clculo da entalpia do
lquido, e est parcialmente reproduzida na Tabela 4.1.
Tabela 4.1 Propriedade termodinmica de mistura com T e P constantes.
Propriedade
Mistura ideal
Entalpia
IM
Hi
Mistura Real
ex
=H i
Hi
IM
H mix
=0
H IM =
nc
xi
i =1
= Hi Hi
H ex
= H mist
i
Hi
H =
nc
xi Hi + H mist
i =1
ex
onde H i
= H mist a entalpia de excesso.
nc x ij R T
j T
nc
nc
j, j i
ex
= x i
H ex = H E = xi H
i
i
nc
i =1
i = 1
xi +
j ij
j, j i
(4.27)
onde; ij
T
sendo:
(4.28)
R T 2 = ij ii ij
HE
H ex
i, j
i, j
56
onde
nc
i =1
Tref
y i hivap + c piL dT
hivap
(4.29)
do sistema e
c pL,i
(4.30)
(4.31)
Quando se trabalha com uma fase condensada e uma fase vapor, comum se
realizarem algumas simplificaes. A mais comum delas considerar que o volume
total da mistura representado apenas pelo volume do gs, uma vez que
dP H v
P P = R
1
P2
T2
dT
(4.32)
T1
57
Hv = RT 2 V
d ln P sat
dT
(4.33)
Para o clculo dos volumes das fases lquida e vapor utilizaram-se equaes
de estado cbicas. Sabe-se que estas equaes, entre elas a Redlich-Kwong-Soave
(RKS) e a Peng-Robinson (PR), produzem desvios considerveis no clculo de
volume de lquidos e fluidos supercrticos, quando comparados com dados
experimentais. Uma das maneiras mais simples e eficazes de obter maior preciso
a utilizao de um parmetro conhecido por "translao de volume". Algumas
equaes transladadas j foram propostas para uma melhor aproximao de
volumes de gases e lquidos.
Basicamente, a translao de volume consiste em corrigir o volume do lquido
fornecido pela equao de estado usando uma correo semi-emprica, da forma:
V exp = V eos + t
(4.34)
ou seja, o volume real do lquido saturado igual ao valor do volume fornecido pela
equao, corrigido por um fator t. MARTIN (1979) e PNELOUX (1982) apud
AZNAR(1995) demonstraram que este tipo de correo no afeta a previso de
presses de vapor j obtidas pela equao de estado no transladada. Um
refinamento da idia original de MARTIN e PNELOUX foi realizado em 1989 por
trabalhos publicados por MATHIAS et al. e CHOU e PRAUSNITZ. Estes trabalhos
buscaram atribuir um significado fsico correo do volume t. Esta idia de
translao de volume foi aplicada com sucesso s equaes de estado de Van der
Waals, Peng-Robinson, Trebble-Bishnoi-Salim e Soave-Redlich-Kwong.
Neste trabalho, aplicou-se a idia original de PNELOUX representada pela
seguinte expresso:
t = 0,40768
RTc
(0,29441 Z RA )
Pc
(4.35)
58
(4.36)
VLcorrigido = V EOS t
Este
item
termina
com
apresentao
de
todas
as
consideraes
P sat Tc
=
ln
Pc ] T
* Ax + Bx 1,5 + Cx 3 + Dx 6
onde
T
x = 1
Tc
(4.37)
sat
P sat
ln
Pc
(4.38)
B
= A
T
+
C
4.4.3 Densidade
Para calcular a densidade da fase lquida, a equao de Rackett proposta em
1970 para misturas em seu ponto de bolha aplicada.
nc x Tc
Vm = R i i
i =1 Pc i
[1+ (1Tr )2 / 7 ]
Z
RAm
(4.39)
onde:
Z RAm =
Tr =
nc
i =1
(4.40)
x i Z RAi
T
=
Tc m
(4.41)
i j Tc i, j
i
59
i =
x i Vci
(4.42)
x j Vc j
j
Tc i , j = 1 k i , j
k i, j = 1
(4.43)
Tc i Tc j
(4.44)
8 Vc i Vc j
3
3
Vc i + Vc j
(4.45)
importante
para
qualidade
dos
resultados
que
sero
obtidos.
60
dC
61
4.6 Concluses
Esta seo mostrou o software comercial utilizado e todas as etapas da
construo do modelo fenomenolgico dinmico da coluna de destilao. Foi
apresentado o mtodo nmerico utilizado na resoluo deste modelo, assim como as
equaes utilizadas para construo do mesmo. Uma grande importncia foi dada ao
modelo termodinmico, uma vez que o sucesso do modelo da coluna fortemente
influnciado pelas consideraes termodinmicas efetuadas. Os mtodos utilizados
para realizao da anlise de sensibilidade tambm foram apresentados. Esta anlise
foi de suma importncia para a seleo dos dados de entrada para rede neural
utilizada.
Na seo seguinte, uma introduo sobre redes wavelet e suas caractersticas
ser apresentada. A rede utilizada no trabalho e a motivao das modificaes
realizadas por CLAUMANN (2003) descrita. Em seguida o desempenho da rede com
modificaes em seus parmetros livres analisado. Finalizando com uma descrio
do procedimento de partida adotado.
62
que
utilizam
como
funes
de
ativao
famlias
de
funes
63
1 / 2
(x b )
(4.46)
com a, b , a 0
Sendo que o parmetro b efetua a translao e o parmetro a, mudana de
escala, tambm conhecido como parmetro de escala. O coeficiente que precede a
wavelet me tem como objetivo normalizar as funes da famlia.
importante, entretanto, que a funo tenha algumas caractersticas
como: deve ser no nula em um domnio fechado e deve ter mdia zero, ou seja,
(x )dx
(ROQUEIRO, 1995).
(m,n ) ( x ) = a0
m / 2
a0m x nb0
(4.47)
com m,n Z.
Uma funo f(x) tem sua representao no espao de funes gerados pela
famlia (m, n ) descrita como uma expanso em srie de funes, conforme equao
4.48:
f (x ) =
c m,n m,n (x )
m, n
(4.48)
m n
64
(4.49)
(x ) =
Pn (2 x n)
n=0
onde
conjunto
(m, n )
de
funes
so
necessariamente
ortogonais
f ( x) =
n =
m = n =
( x) + cm ,n m ,n ( x)
n =
m =0 n =
14243 1
44
42444
3
(4.50)
n n
Funes
de
escala
Wavelets
4.10 Multiresoluo
Em uma anlise em multiresoluo uma funo f (t ), t R , decomposta
em aproximaes sucessivas de resoluo cada vez menor, em uma seqncia de
estgios de processamento consecutivos. Em cada subespao a funo f
65
K V1 V0 V1 K Vm Vm +1 K
Aplicando-se
esse
processo
continuamente,
obtm-se
seqncia
de
mn ( x ) = 2
(2
xn
(4.51)
Vm Wm = Vm +1
(4.52)
66
Figura 4.7 rvore de conexo entre os espaos Vm e Wm. Figura reproduzida segundo
apresentado em ALVES FARIA (1997).
teoria
de
wavelets
permite
tambm
estender
aproximao
em
(t1, t 2 ) = (t1) (t 2 )
(4.53)
1 (t1, t 2 ) = (t1 ) (t 2 )
2 (t1, t 2 ) = (t1 ) (t 2 )
(4.54)
3 (t1, t 2 ) = (t1 ) (t 2 )
Se (t ) constitui uma base para L2 () ento h (t ) com h = 1, 2, 3 constitui
( )
uma base para o espao L2 2 (o espao das funes de quadrado integrveis com
duas entradas). O nmero de wavelets aumenta exponencialmente com o nmero de
entradas, resultando em (2d -1) wavelets para d entradas.
67
Figura 4.8 Rede wavelet utilizada como simulador de processo. Imagem retirada de
CLAUMANN (2003).
68
(s ) = s (s ) + c (s )
onde
(4.55)
o parmetro de regularizao.
Este parmetro ser responsvel por controlar o compromisso entre o grau de
implica que o ajuste pode ser muito preciso, sem que isso gere penalizaes muito
severas. De forma contrria, para valores grandes de
mnimo e mximo. Uma vez que esse parmetro definido, ele pode ser
interpretado como sendo um indicador da suficincia do conjunto de dados fornecido.
No caso extremo em que
=0,
69
afirmao pode ser explicada pelo fato do aumento do nmero de nveis significar
um aumento do nmero de funes da rede e, com isso, haver a diminuio do
domnio das funes e, consequentemente necessitarem serem mais suavizadas.
A Tabela 4.2 mostra os valores do regularizador e nveis de funo utilizados
nos treinamentos.
Tabela 4.2 Valores utilizados do parmetro de regularizao e do nvel de
funes.
Parmetros
regularizador
nvel
-8
10
10-6
-4
10
70
((
))
(4.56)
( (
(4.57)
2
R (%) = 1
Np
Y Y pred
i
i
i =1
Np
(Yi
i =1
100
(4.58)
sendo:
71
72
Ligar refervedor
Ligar alimentao
(a)
(b)
73
(c)
Figura 4.10 Esquemas representativos dos procedimentos de acionamento do (a)
refervedor, (b) alimentao e em (c) razo de refluxo.
74
neural.
Variao da percentagem de n-pentano na alimentao
30
40
50
60
70
80
32
42
52
62
72
82
34
44
54
64
74
84
36
46
56
66
76
86
90
38
48
58
68
78
88
Obs: Os dados marcados em vermelho foram concatenados para formao do conjunto de
dados de treinamento. Os demais podem ser utilizados para validao.
4.12 Concluses
Finaliza-se o captulo com uma breve descrio sobre redes wavelets. A rede
selecionada
para
trabalho,
elaborada
por
CLAUMANN
(2003),
no
foi
detalhadamente apresentada, uma vez que toda sua construo pode ser obtida no
trabalho do autor. Esta seo buscou apenas apresentar uma viso geral sobre o
tema, uma vez que a rede foi avalida como um sensor por software.
75
76
Captulo V
Resultados e Discusso
"O essencial invisvel aos olhos."
(Saint- Exupry)
Este captulo ser dividido em diversas sees para melhor organizao do
trabalho na apresentao dos resultados obtidos. Primeiramente, sero apresentados
os resultados da validao do modelo em estado estacionrio, passo importante para
sua utilizao como planta do processo. So apresentados, tambm, os resultados
da validao em estado estacionrio com dados experimentais de uma unidade piloto
de destilao de etanol e gua. Como etapa seguinte, os resultados encontrados na
anlise de sensibilidade sero apresentados e comentados. Os resultados gerados
pelo procedimento de partida escolhido, assim como, uma avaliao qualitativa de
transientes do modelo so analisados. Seguindo a execuo do trabalho, o
procedimento utilizado para gerao dos dados pseudo-experimentais inicia a
seqncia de passos para implementao do sensor por software. Treinamento e
validao da rede neural proposta finalizam o captulo.
77
78
da
alimentao.
79
Sistema Ideal
Parmetros geomtricos
Volume do condensador [m3]
2,00
2,00
Dados Operacionais
Presso na Base [kPa]
Razo de Refluxo
200,0
180,0
Temperatura
Frao Molar
(1)+(2)
35 C
x(1)=x(2)= 0,5
(1)+(2)+(3)
45 C
x(1)=x(2)=x(3)=0,35
(1)+(2)+(3)+(4)+(5)
60C
x(1)=x(2)=x(3)=x(4)=x(5)=0,20
2
3
5
80
Prato da alimentao
15
Condio da
alimentao
Tipo de
condensador
Tipo de refervedor
Correntes
principais
Lquido saturado
Total
Termosifo horizontal
Produto de base
Destilado
81
Nmero de Pratos
Vazo da Alimentao
[kgmol/h]
2,3 e 5
540
2,3 e 5
15
540
360
Hysys
2 alcanos
3 alcanos
5 alcanos
355
350
345
Fortran
2 alcanos
3 alcanos
5 alcanos
Temperatura [K]
340
335
330
325
320
315
310
305
300
295
290
285
1
Pratos
(a)
82
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
Pratos
(b)
0.6
0.5
0.4
0.3
0.2
0.1
0.0
1
Pratos
(c)
83
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
-0.05
1
Pratos
(d)
0,25
n-heptano
Hysys
n-octano
Hysys
Fortran
Fortran
0,20
0,15
0,10
0,05
0,00
1
Pratos
(e)
Figura 5.3 Resultados da validao para coluna de 5 pratos apresentada na Tabela 5.4. Em
(a) perfil de temperatura, (b. c. d e e) so apresentados respectivamente o perfil de frao
molar de lquido para n-butano, n-pentano, n-hexano e em (e) n-heptano e n-octano em um
nico grfico.
84
360
Hysys
2 alcanos
3 alcanos
5 alcanos
355
350
345
Fortran
2 alcanos
3 alcanos
5 alcanos
Temperatura [K]
340
335
330
325
320
315
310
305
300
295
290
285
0
10
12
14
16
18
Pratos
(a)
1.1
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
n-butano
Hysys
2 alcanos
3 alcanos
5 alcanos
0.2
0.1
0.0
0
Fortran
2 alcanos
3 alcanos
5 alcanos
10
12
14
16
18
Pratos
(b)
85
0.6
n-pentano
Hysys
2 alcanos
3 alcanos
5 alcanos
0.5
Fortran
2 alcanos
3 alcanos
5 alcanos
0.4
0.3
0.2
0.1
0.0
0
10
12
14
16
18
12
14
16
18
Pratos
(c)
0.40
Hysys
3 alcanos
5 alcanos
0.35
Fortran
3 alcanos
5 alcanos
0.30
0.25
0.20
0.15
0.10
0.05
0.00
-0.05
0
10
Pratos
(d)
86
n-heptano
Hysys
Fortran
0.25
n-octano
Hysys
Fortran
0.20
0.15
0.10
0.05
0.00
0
10
12
14
16
18
Pratos
(e)
Figura 5.4 Resultados da validao para coluna de 15 pratos apresentada na Tabela 5.4.
Em (a) perfil de temperatura, (b. c. d e e) so apresentados respectivamente o perfil de frao
molar de lquido para n-butano, n-pentano, n-hexano e em (e) n-heptano e n-octano em um
nico grfico.
grficos
tambm
mostraram
que
modelagem
fenomenolgia
87
2,00
2,00
Dados Operacionais
Presso na Base
[bar]
Presso no Topo
[kPa]
1,04
Razo de
Refluxo
1,025
180,0
Propriedades
Condies da alimentao
Temperatura
Frao Molar
[C]
etanol
gua
GCEOS
100
0,1
0,9
Wilson
85
0,3
0,7
Wilson
85
0,7
0,3
88
0,20
Erro Relativo %
0,15
0,10
0,05
0,00
0
Pratos
(a)
0,20
Erro Relativo %
0,15
0,10
0,05
0,00
1
Pratos
(b)
Figura 5.5 Erro relativo entre os resultados encontrados pelas simulaes no software
HYSYS e pelo modelo proposto. Em (a) resultados para 0,3 de etanol e em (b) resultados para
0,7 de etanol.
89
proposto, sendo que este foi obtido no condensador. Este desvio se explica pelo fato
que do condensado implementado no modelo fenomenolgico proposto, apenas
condensa a fase vapor, no havendo resfriamento. Muitas vezes no foi possvel
realizar uma condensao sem resfriamento no HYSYS, sendo que esse foi um dos
casos. Entretanto, a diferena nos resultados de temperatura no interferiu na boa
predio no perfil de frao molar. A Figura 5.6 (a e b) mostra o perfil de frao
molar das fases lquida e vapor.
0.8
0.7
0.6
Dados Hysys
etanol
gua
0.5
Dados Fostran
etanol
gua
0.4
0.3
0.2
0
Pratos
(a)
0.8
Dados Hysys
etanol
gua
0.7
Dados Fortran
etanol
gua
0.6
0.5
0.4
0.3
0.2
0
Pratos
(b)
Figura 5.6 Perfil de frao molar para frao de 0,3 de etanol. Em (a) resultados para fase
lquida e em (b) resultados para fase vapor.
90
modelo
proposto
foi
tambm
validado
com
dados
experimentais
Altura [m]
Dimetro [m]
0,15
0,20
Comprimento do
vertedouro [m]
0,10
Medidas disponveis
Temperatura em todos os pratos
91
Prato de alimentao
0,20
Temperatura [C]
81
1,03
1,06
Carga trmica do
refervedor [j/s]
0,455
Refluxo [gmol/s]
0,16
Figura 5.7 Ilustrao esquemtica da unidade piloto. Imagem cedida por MARANGONI
(2005).
fortran esto graficados na Figura 5.8 abaixo. possvel observar uma pequena
diferena entre os dados experimentais e os dados simulados.
92
92
dados experimentais
simulao em Fortran
90
Temperatura [C]
88
86
84
82
80
78
76
74
72
0
10
12
14
16
Pratos
(T T fort )
* 100
Erro _ relativo = exp
T
exp
(5.1)
10
Erro Relativo
8
7
6
5
4
3
2
1
0
1
10
11
12
13
14
15
Pratos
Figura 5.9 Erro relativo entre os dados experimentais e resultado da simulao em Fortran.
93
94
n-butano e n-pentano
Frao molar
Condies da Alimentao
Temperatura [C]
35
Liquido Saturado
Vazo Molar [kgmol/h]
180
Dados Operacionais
Presso na Base [kPa]
Razo de Refluxo
200,0
180,0
95
320
Referncia
Perturbao -10%
Perturbao +10%
315
Temperatura [K]
310
305
300
295
290
285
1
Pratos
Figura 5.10 Perfil de temperatura para caso referncia e perturbaes +10% e -10%.
12
Perturbao -10%
Referncia
Perturbao +10%
10
0
1
Pratos
Figura 5.11 Resultados da anlise de sensibilidade pelo mtodo dos pratos sucessivos.
96
Simetria de Sensibilidade
8
7
6
Pratos
5
4
3
2
1
0
0,5
1,5
2,5
3,5
Temperatura [K]
Perturbao -10%
Perturbao +10%
100
Perturbao +10%
Perturbao - 10%
80
dT/dC
60
40
20
Pratos
97
Matriz Sensibilidade = dT
dC
(5.2)
0,7
Perturbao - 10%
Perturbao +10%
0,6
0,5
0,4
0,3
0,2
0,1
0,0
1
Pratos
Figura 5.14 Resultados da anlise de sensibilidade pelo mtodo da decomposio por SVD.
Pratos Recomendados
Regio da Coluna
Pratos sucessivos
5e6
esgotamento
Simetria de sensibilidade
1e7
esgotamento e refervedor
Mxima sensibilidade
5e6
esgotamento
5e6
esgotamento
98
em
uma
mistura
binria.
Observou-se
que
adio
de
mais
99
tpertQN = 0
fatQN = 0
se (tempotpertQN )
(tempo tpertQN )
1000
fatQN = 1 exp
(5.3)
100
2,0x10
1,5x10
Calor [J/s]
1,0x10
5,0x10
0,0
4
-5,0x10
-1,0x10
-1,5x10
-2,0x10
10
12
Tempo [h]
tpertF = 1000
tpertRR = 10000
fatF = 0
Para alimentao:
se(tempo tpertF )
1000
(5.4)
101
200
180
160
140
120
100
80
60
40
20
0
-20
0
10
12
Tempo [h]
se(tempotpertRR )
+ 4
RR = 108 exp (tempo tpertRR )
1000
(5.5)
Razo de Refluxo
razo de refluxo de 4.
1,0x10
8,0x10
6,0x10
4,0x10
2,0x10
5,0
4,5
4,0
3,5
8
10
11
0,0
10
12
Tempo [h]
Figura 5.17 Perfil de razo de refluxo. A curva em azul representa um zoom no perfil para
visualizao do valor de razo de refluxo de 4.
102
6x10
Holdup Molar
5x10
4x10
3x10
2x10
1x10
0
5
Alimentao
Carga Trmica
2,0x10
1,5x10
1,0x10
5,0x10
0,0
200
180
160
140
120
100
80
60
40
20
0
-20
0
Tempo [h]
103
Holdup Molar
1,0x10
8,0x10
6,0x10
4,0x10
2,0x10
Prato1
Prato3
Prato5
0,0
0,0
0,2
0,4
0,6
Prato2
Prato4
0,8
1,0
1,2
10
12
10
12
Tempo [h]
(a)
6x10
5x10
4x10
3x10
2x10
1x10
0
0
1,2x10
1,1x10
1,1x10
1,1x10
1,0x10
9,5x10
9,0x10
Tempo [h]
(b)
Figura 5.19 Holdup molar de lquido. Em (a) perfil obtido nos pratos e em (b) perfis do
refervedor e condensador.
104
1,2x10
8
4
1,1x10
Holdup Molar
1,1x10
1,1x10
1,0x10
9,5x10
0
3
9,0x10
10
12
10
12
10
12
200
8
1,0x10
180
Rzao de Refluxo
8,0x10
6,0x10
4,0x10
2,0x10
0,0
160
140
120
100
80
60
40
20
0
-20
Tempo [h]
10
12
Tempo [h]
105
312
Prato1
Prato4
310
308
Condensador
Prato2
Prato3
Prato5
Refervedor
Temperatura [K]
306
304
302
300
298
296
294
292
290
0
10
12
Tempo [h]
106
este
perturbado
comportamento
de
temporal
alguma
destas
forma.
Para
variveis
que
no
se
chamado
possa
compreender
regime
transiente
sua
utilizao
na
rede
neural,
que
desenvolvimento
do
modelo
Referncia
Perturbao 1
Perturbao 2
n-butano
0,5
0,7
0,3
n-pentano
0,5
0,3
0,7
107
314
312
condensador
Prato 1
Prato 2
Prato 3
Prato 4
Prato 5
Refervedor
310
308
Perturbao
Temperatura [K]
306
304
302
300
298
296
294
292
290
288
0
10
12
14
16
Tempo [h]
316
condensador
Prato 1
Prato 2
Prato 3
Prato 4
Prato 5
Refervedor
314
312
310
Temperatura [K]
308
Perturbao
306
304
302
300
298
296
294
292
290
0
10
12
14
16
Tempo [h]
108
90000
Condensador
Refervedor
80000
70000
60000
50000
40000
30000
20000
10000
0
0
10
12
14
16
Tempo [h]
109
6,5
6,0
5,5
5,0
Razo de Refluxo
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0
8
10
12
14
16
Tempo [s]
(a)
Temperatura [K]
307,0
Refervedor
306,8
306,6
306,4
306,2
306,0
8
10
12
14
16
12
14
16
Temperatura [K]
292,0
Prato 1
291,5
291,0
290,5
290,0
8
10
Tempo [h]
(b)
Figura 5.26 Perfil dinmico obtido com perturbao na razo de refluxo. Em (a) degrau na
razo de refluxo de 4 para 6 e em (b) perfil de temperatura no refervedor e prato 1.
110
que
representavam
partida
prosseguiam.
diferena
entre
111
complementares
aos
reais e
aos
experimentais.
Entretanto,
um
procedimento de partida real e/ou piloto pode no ter disponvel todas as variveis
necessrias para o modelo. Outro problema pode ser o tempo computacional para
resoluo destes casos. Colunas com maior nmero de pratos e multicomponente
possui um elevado nmero de equaes para serem resolvidas, e com isso, o tempo
computacional para as anlises pode no ser vivel na prtica.
Um sensor por software pode, com suas restries, substituir o modelo em
alguns casos. A maior rapidez de soluo pode ser interessante quando necessrio
enviar dados de uma determinada varivel para um sistema de controle. Neste item
do trabalho avaliou-se o potencial de uma rede neural wavelet ser utilizada como
sensor por software.
Dentre as inmeras ferramentas disponveis na literatura, alguns critrios
para seleo desta rede foram criados, sendo:
simplicidade de implementao, como no objetivo desenvolver uma nova
1.
estrutura
para
sensor,
considerou-se
como
importante
na
seleo
simplicidade de implementao;
fundamentao, foi avaliado o quanto a ferramenta utilizada na literatura, o
2.
3.
generalidade da ferramenta.
A rede neural wavelet possui a mesma generalizao de qualquer rede neural,
onde necessria uma clara definio dos limites de aplicao. A rede aqui utilizada
foi avaliada para um caso especfico, porm capaz de indicar o grau de utilizao da
rede.
112
Prato de Alimentao
Condio
Lquido Saturado
Vazo Molar
180 kgmol/h
Presso na Base
2,0 bar
1,9444*105 J/s
Volume do Condesador
2,0 m3
Temperatura
25C
Presso no Topo
Volume do Refervedor
1,8 bar
2,0 m3
113
114
0,5
Destilado
20 segundos
0,4
20 segundos
0,3
200 segundos
200 segundos
0,2
0,1
0,0
0
10
12
Tempo [h]
(a)
312
20 segundos
310
20 s
200 segundos
200 segundos
308
Temperatura [K]
306
304
302
300
298
296
294
292
290
0
10
12
Tempo [h]
(b)
Figura 5.28 Tempos de amostragem. Em (a) para medidas de composio e em (b) para
temperatura.
115
116
Nmero de
entradas
Variveis
Temperatura
Nmero de
sadas
Prato 5
Prato 2
Prato 2 e Prato 3
Prato 2 e Prato 5
Prato 2, 3 e 5
Prato 3
Prato 4
Prato 5
Carga
trmica
refervedor
10
Prato 4 e Prato 5
11
1+ 1 auxiliar
12
1+ 1 auxiliar
13
1+ 1 auxiliar
14
1+ 1 auxiliar
15
Prato 2
16
Prato 2 e Prato 3
17
Prato 2 e Prato 5
18
Prato 2, 3 e 5
19
1+1
auxiliar
do
Variveis
Para cada caso apresentado na Tabela 5.13 acima, uma srie de anlise foi
realizada, testando-se os parmetros ajustveis da rede. Os testes foram separados
em casos e avaliados o erro mdio quadrtico, o erro mximo, o coeficiente de
correlao (R) e o tempo de CPU, sabendo-se que este ltimo apenas uma mdia
do tempo gasto para rodar um caso. A Figura 5.29 mostra a variao realizada nos
parmetros livres da rede.
117
nvel
regularizador
1*10-8
1*10-6
1*10-4
1*10-8
1*10-6
1*10-4
1*10-8
1*10-6
1*10-4
118
regularizador do caso 2.
Caso 2
Nmero
do Teste
nvel
Regularizao
(reg)
Erro mdio
Quadrtico
(emq)
Erro
Mximo
(emax)
Tempo de
CPU [s]
1*10-8
4,2817*10-8
0,0017185
100
1,7970
1*10-6
2,1199*10-7
0,0042309
99,999
1,3130
1*10
-4
-5
0,0427940
99,955
1,3120
1*10-8
3,9278*10-8
0,0017699
100
3,2340
1*10
-6
-8
0,0018855
100
3,2190
1*10-4
5,3933*10-7
0,0076879
99,998
3,2190
1*10-8
2,3953*10-8
0,0014628
100
7,2810
1*10
-6
-8
0,0014777
100
7,2660
1*10-4
1,0004*10-7
0,0030152
100
7,2500
1,3471*10
4,5319*10
2,4210*10
Com os dados retirados da Tabela 5.15 acima calculou-se uma relao entre
os erros (erro mdio quadrtico e erro mximo). A Tabela 5.16 mostra a forma de
clculo.
119
nvel
emq
emax
ERROemq
ERROemax
4,2817*10-8
0,00172
-8
3,9278*10
0,00177
0,00177/0,00172
2,3953*10-8
0,00146
0,00146/0,00172
Nvel 1
Regularizador
emq
emax
ERROemq
ERRemax
10-8
4,2817*10-8
0,0017185
10-6
2,1199*10-7
0,0042309
4,95
2,46
-4
-5
0,0427940
314,62
24,90
10
1,3471*10
Com esses dados observa-se, pelas Figuras 5.31 (a e b) que o sistema mais
sensvel s modificaes no parmetro de regularizao, uma vez que este modifica
de forma mais intensa os valores dos erros.
1.0
Relao Erros
0.8
0.6
0.4
0.2
0.0
1
Nvel
Erro Mdio Quadrtico
Erro Mximo
(a)
120
25
Relao Erros
20
15
10
0
exp-8
exp-6
exp-4
Regularizador
(b)
Figura 5.31 Influncia dos parmetros nivel e regularizador no erro mdio quadrtido e no
erro mximo.
Foi tambm feita uma anlise para se avaliar o tempo de CPU quando
variaes no nvel e no parmetro de regularizao so realizadas. A Tabela 5.17
mostra
um
casos
escolhidos
para
representarem
comportamento
destas
modificaes, uma vez que, neste caso foram encontrados os maiores tempo de
CPU.
Tabela 5.17 Caso selecionado para representar variaes no tempo de CPU.
Entradas
Sada
nivel
41,6250
337,297
infinito
caso
regularizador
10-8
41,0620
10-6
41,6250
-4
40,6570
10
121
Figura 5.32 Variao do tempo de CPU com variaes no nivel mantendo-se o regularizador
constante.
Figura 5.33 Variao do tempo de CPU com variaes no regularizador mantendo-se o nvel
constante.
122
123
0,8
Dados Simulados
Resultados do Treinamento
Teste 1
Teste 2
Teste 3
Teste 4
Teste 5
Teste 6
Teste 7
Teste 8
Teste 9
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
-0,1
0
Tempo [h]
(a)
0,9
Dados Simulados
Resultados da Rede
Teste 1
Teste 2
Teste 3
Teste 4
Teste 5
Teste 6
Teste 7
Teste 8
Teste 9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0
Tempo [h]
(b)
Figura 5.34 Resultados do treinamento para rede com duas sadas. Em (a) resultados para
frao molar no topo e em (b) para frao molar na base. As curvas representado os dados
simulados e os testes esto sobrepostas, no permitindo sua visualizao.
124
0,9
0,8
0,7
0,6
Dados Simulados
Resultados do Treinamento
Teste1
0,5
0,4
0,3
0,2
0,1
0,0
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
Tempo [h]
Dados Simulados
Previso da Rede
0,4
0,3
0,2
0,1
0,0
0,00
0,05
0,10
0,15
0,20
0,25
Tempo [h]
(a)
125
0,58
0,56
Dados Simulados
Previso da Rede
0,54
0,52
0,50
0,48
0,46
0,44
0,42
0,40
0,38
0,36
0,00
0,05
0,10
0,15
0,20
0,25
Tempo [h]
(b)
Figura 5.36 Validao da rede para o caso com duas sadas. Em (a) frao molar no topo e
em (b) frao molar na base.
126
Nmero
de
entradas
Variveis
Temperatura
Nmero de
sadas
Prato 5
Prato 2
Prato 2 e Prato 3
Prato 2 e Prato 5
Prato 2, 3 e 5
Mais
uma
vez
no
processo
de
Variveis
Frao Molar do
topo
treinamento
todos
os
casos
foram
das
variveis
auxiliares
so
apresentados
rede.
Faz-se,
ento,
127
0,7
Validao Recorrente
Percentagem de n-pentano na alimentao
(Simulado Previsto pela Rede)
62%)
62%
40%
40%
18%
18%
0,6
Frao Molar
0,5
0,4
0,3
0,2
0,1
0,0
0,00
0,05
0,10
0,15
0,20
0,25
0,30
Tempo [h]
(a)
0,7
Validao Recorrente
Percentagem de n-pentano na alimentao
(Simulado Previsto pela rede)
62%
62%
40%
40%
18%
18%
0,6
Frao Molar
0,5
0,4
0,3
0,2
0,1
0,0
0,00
0,05
0,10
0,15
0,20
0,25
0,30
Tempo [h]
(b)
Figura 5.37 Resultados da validao recorrente. Em (a) varivel medida foi a temperatura
no prato 5 e em (b) a varivel medida foi a temperatura no prato 2.
128
(a)
(b)
Figura 5.38 Grficos do erro absoluto da validao da rede com 62% de n-pentano na
alimentao. Em (a) a varivel medida o prato 2 e em (b) a varivel medida o prato 5.
(a)
(b)
Figura 5.39 Grficos do erro absoluto da validao da rede com 40% de n-pentano na
alimentao. Em (a) a varivel medida o prato 2 e em (b) a varivel medida o prato 5.
129
(e)
(f)
Figura 5.40 Grficos do erro absoluto da validao da rede com 18% de n-pentano na
alimentao. Em (a) a varivel medida o prato 2 e em (b) a varivel medida o prato 5.
Pelos grficos das Figuras de 5.38 a 5.40 acima, pode-se confirmar que as
previses para composio de topo utilizando o prato 2 so ligeiramente melhores do
que quando utilizado o prato 5. provvel que a influncia na razo de refluxo seja
melhor quantificada no prato 2, razo pela qual os resultados foram melhores,
enquanto que a influncia desta varivel no foi to bem representada quando
utilizado o prato 5.
130
Nmero
de
entradas
Variveis Temperatura
Nmero
de sadas
Prato 3
Prato 4
Prato 5
10
Prato 4 e Prato 5
11
12
13
14
Variveis
Frao
molar da
base
131
0,80
0,75
0,70
0,65
0,60
0,55
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,00
0,05
0,10
0,15
0,20
0,25
0,30
Tempo [h]
n-pentano na alimentao
Varivel medida - temperatura no prato 3
(Simulado Previsto pela Rede)
62%
40%
18%
62%
40%
18%
(a)
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,00
0,05
0,10
0,15
0,20
0,25
0,30
Tempo [h]
n-pentano na alimentao
Varivel medida - temperatura no prato 6
(Simulado Previsto pela Rede)
62%
62%
40%
40%
18%
18%
(b)
Figura 5.41 Resultados da validao recorrente para previso da frao molar da base. Em
(a) a varivel medida a temperatura no prato 3 e em (b) a temperatura no prato 6.
Os
resultados
mostram
que
considerar
como
varivel
de
entrada
132
5.12 Concluses
Neste captulo foram apresentados os resultados da validao quantitativa do
estado estacionrio do modelo fenomenolgico proposto, anlise qualitativa dos
transientes da coluna, o procedimento de partida e a utilizao da rede neural para
previso das fraes molares de topo e fundo da coluna implementada.
Os diferentes testes realizados para validao do estado estacionrio
mostraram que o modelo foi capaz de representar diferentes configuraes da coluna
e sistemas, sendo que um deles no-ideal. Desta forma, validaram-se as rotinas de
no idealidade implementadas no modelo fenomenolgico. A importncia da
validao do sistema etanol e gua devido possibilidade do modelo ser utilizado
na unidade piloto construda nas dependncias do Laboratrio de Controle de
Processos da Universidade Federal de Santa.
O
procedimento
de
partida
mostrou
um
perfil
de
temperatura
com
133
importante
da
rede
neural
sua
convergnci.
modelo
134
Captulo VI
Concluses e Sugestes
At cortar os prprios defeitos pode ser perigoso. Nunca se sabe qual o
defeito que sustenta nosso edifcio inteiro.
Clarice Lispector
modelo
foi
escrito
de
forma
que
as
equaes
foram
resolvidas
135
atravs
de
diferentes
perturbaes,
obtendo-se
tambm
timos
136
modelo
para
realizar
um
do
modelo
planejamento
experimental
de
procedimento de partida,
4. avaliar
comportamento
quando
simuladas
misturas
multicomponentes no-ideais,
5. procurar validar alguns transientes, tanto com dados da literatura como
experimentais,
6. observar o tempo morto do processo simulando colunas com um nmero
maior de pratos.
integrador utilizado:
137
incorretas,
decises erradas podem ser tomadas. Desta forma, o sensor por software
previamente testado e validado pode ser uma ferramenta utilizada para
reconhecer problemas em medidas do processo, tornando-se uma tcnica
simples para comparar as condies esperadas com as medidas, e
5. utilizar as previses da rede para frao molar de topo e utiliz-las como uma
das entradas para previso da frao molar base.
Como uma sugesto, que engloba todos os temas, seria observar o tempo de
simulao quando condies reais de um transiente de uma coluna industrial so
fornecidas e, comparar este tempo quando a rede neural empregada como modelo.
Nesta
sugesto
seria
possvel
observar
influncia
da
forma
do
modelo
138
Captulo VII
Referncias
ALVES FARIA, R.R. Aplicao de wavelets na anlise de gestos musicais em
timbres de instrumentos acsticos tradicionais. 1997. 174 f. Dissertao
1, p.57-81, 1993.
BAO J., GAO B., WU X., YOSHIMOTO M., NAKAO K. Simulation of industrial
catalytic-distillation process for production of methyl tert-butyl ether by
developing users model on Aspen plus platform Chemical Engineering
3601-3612, 1998.
BARATTI R., BERTUCCO A., DA ROLD A., MORBIDELLI M. Development of a
composition estimator for binary distillation columns. Apllication to a
pilot plant Chemical Engineering Science, vol. 50, n 10, p. 1541-1550, 1995.
139
1994.
BISCAIA
Jr.
E.C.,
VIEIRA
R.C.
Heuristic
optimization
for
consistent
2191, 2000.
BORGES, MRCIO. Analisadores de processo. WNAP 2004 Workshop nacional
sobre analisadores de processos em linha, Salavador, Bahia : UFBA, 2004. 37p.
BOSTON, J.F; SULLIVAN JR, S.L. An improved algorithm for solving the mass
balance equations in multistage separation processes. Canadian Journal
of Chemical Engineering, v. 50, p. 663-671, 1972.
1989.
BROSILOW CB, MERLUZZI P, Nearly optimal control of a pilot-plant distillation
column AICHE JOURNAL 18, 4, 1972
BROSILOW, C.B., TONG M., The structure and dynamic of inferential control
system. AIChE Journal, vol. 24, p. 492-499, 1978.
F.S.
fracionamento
Controle
de
otimizante
xilenos.
2003.
aplicado
108
f.
uma
Dissertao
unidade
de
(Mestrado
em
140
405413, 2004.
CERVANTES, A. M.; BIEGLER, L. T.
Modeling
HYSYS
3.1,
Aspen
Technology,
Inc,
Canbridge,
2004.
FABRO, J.A., ARRUDA, L.V.R., NEVES JR., F. Startup of a distillation column
using intellingent control techniques Computers and Chemical Engineering,
141
133, 2002.
FORTUNA L., GRAZIANI S., XIBILIA M.G. Softsensor for product quality
monitoring in debutanizer distillation columns Control Engineering Practice,
6(3):231-244, 1982.
GUEDES, L.R.S.Controle robusto em coluans de destilao de alta pureza.
2002. 133 f. Dissertao (Mestrado em Engenharia) Escola Politcnica
Universidade de So Paulo So Paulo, 2002.
HAIRER E., WANNER G. Solving ordinary differential equations II- stiff and
diferential algebraic problems. 1 Ed., Springer Berlin, 1991.
HAN M., PARK S. Startup of distillation columns using non-linear wave model
based control. IFAC ADCHEM97, p.616-622, Banff, Canada, 1997.
HENLEY,
E.J.,
SEADER
J.D.
Equilibrium-stage
separation
operation
in
142
3.2
Simulation
basis,
Aspen
Technology,
Inc,
Canbridge,
R.A.,
Controle
de
colunas
de
destilaao
Disponvel
em:
192, 1996.
KUMAR A., DDAOUTIDIS P. Control of nonlinear differential algebraic
equation systems Editora Chapman & Hall/CRC research notes in mathematics.
L.,
GILLES
E.D.
Nonlinear
Observers
for
Distillation
Columns
143
LANGSTON P., HILAL N., SHINGFIELD S., WEBB S. Simulation and optimisation
of extractive distillation with water as solvent. Chemical Engineering and
693, 1989.
MARANGONI, C. Implementao de uma estratgia de controle com ao
distribuda em uma coluna de destilao. 2005. 151 f. Tese (Doutorado em
1989.
MUJTABA I.M., MACCHIETTO S. An optimal policy for multicomponent batch
144
4680, 2000.
PARK S., HAN C. A Nonlinear Soft Sensor Based on Multivariate Smoothing
Procedure for Quality Estimation in Distillation Columns Computers and
PASCAL F. van Lith, BEN H.L., BRIAN R. Combining prior knowledge with data
driven modeling of a batch distillation column including start-up
145
REID R.C., PRAUSNITZ J.M., POLING B.E. The Properties of Gases & Liquids 4
Edio, McGraw-Hill, 741p (1987)
REZENDE, D.R., SEIXAS, M. e OLIVEIRA-LOPES, L. C. Projeto simultneo para
colunas de destilao. VI Congresso Brasileiro de Engenharia Qumica em
146
MORENO,
M.
Cromatgrafos
para
controle
otimizao
de
Pp.S719-S772, 1998.
SCHLEMM GUEDES, LUIZ ROBERTO. Controle Robusto de Coluna de Destilao
de Alta Pureza. 2002. 133 f. Dissertao de Mestrado (Mestrado em
Alegre,
RS,
p.49,
disponvel
em:
2005.
SINGH V., GUPTA I. e GUPTA H.O. ANN-based estimator for distillation using
LevenbergMarquardt
approach.
Engineering
Applications
of
Artificial
147
SORENSEN
E.,
SKOGESTAD
S.
Optimal
startup
procedures
for
batch
1996.
STEPHANOPOULOS, G. , Chemical Process Control An Introduction to
Theory and Practice, Prentice-Hall, Inc ;1984.
distillation
columns
based
on
nonlinear
state
observer.
148
Van der HOUWEN P.J., de SWARTJ.J.B. Parallel Linear System Solvers for
Runge-Kutta Methods Disponvel em: http://ftp.cwi.nl/CWIreports/NW/NM-
WALAS
S.M.
Phase
Equilibria
in
Chemical
Engineering
Butterworth
with
th
Network 35
the
Fuzzy
Distributed
Radial
Basis
Function
Neural
pp.603-608, 1997.
WISNIEWSKA-GOCOWSKA, BARBARA, MALANOWSK, STANISAW K. A new
modification of the UNIQUAC equation including temperature dependent
parameters Fluid Phase Equilibria 180, p.103113, 2001.
YU J.-J., ZHOU C.-H *, TAN S., HANG C.-C. An On-line Soft-Sensor for Control
and Optimization of Crude Distillation Column Computers & Chemical
149
150
APNDICES
151
Reduo de ndice
Para um dado sistema de equaes-algbrico-diferenciais na forma (1)
x = f ( x ) + b( x )z + g(x )u
0 = k( x ) + l(x )z + c( x )u
y i = hi ( x )
i = 1,..., m
sendo
x X n como
algbricas explcitas,
(1)
z Z p um
u (t ) m
z = F ( x, z , t )
Em processos qumicos as equaes de balano de massa e energia so
equaes diferenciais explcitas, enquanto as relaes termodinmicas, relaes
empricas etc. so as equaes algbricas.
A seguir ser apresentada a manipulao matemtica realizada para se
efetuar a reduo do ndice do sistema.
152
dM
= V j +1 + L j 1 + F j V j L j aux
dt
(A-1)
rhs1 = V j +1y i , j +1 + L j 1 x i , j 1 + F j z i , j V j y i , j L j x i , j
(A-2)
dx rhs1 x aux
=
dt
M
(A-3)
(A-4)
dH
rhs 2 H aux
=
dt
M
(A-5)
gamma P sat x i , j
y i, j =
P
(A-6)
L=
385.82
* Lw hs j 1.5
Mi
hw
j Ac 0.3048 0.3048
hs j =
(A-7)
(A-8)
x i, j
=1
(A-9)
y i, j
=1
(A-10)
CpL = A4 x 4 + A3 x 3 + A2 x 2 + A1 x + A0
(A-11)
Procedimento:
153
(A-12)
Psat = Pc exp A
T [K ] + C
EQ1 =
nc
x i Pc exp A B T + C
i =1
(A-13)
diff (EQ1) =
nc
dP
dx
dt Psat + x i dtsat
i =1
(A-14)
dx rhs1 x aux
=
dt
M
(A-15)
dH
rhs 2 H aux
=
dt
M
(A-16)
dPsat
=
dt
Pc B
dT
B
exp A
dt
T +C
(A-17)
(T + C )2
CpL = A4 x 4 + A3 x 3 + A2 x 2 + A1 x + A0
(A-18)
154
C pL dT
Hl =
(A-19)
Tref
H =
nc
x i Hl
(A-20)
i =1
dH
=
dt
dx
dHl
dt H + x dt
dH nc dx
dT
=
H + x C pL
dt
dt
dt
i =1
(A-21)
(A-22)
dH
dx
H
dT
dt
= dt
dt
x C pL
(A-23)
resV = x i , j
dPsat dT
dx
+ Psat
dT
dt
dt
(A-24)
155
P =
RT
a
V b V2
Parmetros
a=
( y i
ai
)2
b=
( y i bi )
coeficiente de fugacidade
ln i =
bi
b 2 a i
ln z 1
V b
V
RTV
Redlich-Kwong
P =
RT
a
V b
T V (V + b )
Parmetros
a = 0,42747
A = 0,42748
aij =
R 2Tc 2.5
Pc
Pr
Tr 2.5
b = 0,08664
R Tc
Pc
B = 0,08664
Pr
Tr
ai a j
coeficiente de fugacidade
ln i =
B
(z 1) ln(z B ) + A Bi 2 Ai ln1 + B
Bi
BB
A
z
156
Soave- Redlich-Kwong
P =
RT
a
V b V (V + b )
parmetros
a = 0,42747
A=
R 2Tc 2
Pc
aP
2
R T
b = 0,08664
B=
[ (
R Tc
Pc
bP
RT
)(
(a )ij = 1 k ij
)]
) (a )i (a ) j
coeficiente de fugacidade
ln i =
Bi
(z 1) ln(z B ) + A Bi 2 y j (a )ij ln1 + B
B
B B
a j
z
Peng-Robinsom
[ (
)(
)]
a =
y i y j (a )ij
A=
y i y j Aij
B=
y i Bi
157
APNDICE 3 - PROPRIEDADES
Apndice 3 - Propriedades
158
COMPONENTES
FRMULA
MASSA
MOLECULAR
[kg/kmol]
VOLUME
CRTICO
COMPRES.
CRTICA
FACTOR
ACNTRICO
H
VAPORIZ.
(TB)
TEMP.
CRTICA
PRESSO
CRTICA
[K]
[bar]
[cm3/mol]
[kJ/mol]
(TC)
(PC)
(VC)
(ZC)
(HV)
ETANOL
C 2H 6O
46,069
513,92
61,48
167,00
0,240
0,649
38,560
N-BUTANO
C4H10
58,123
425,12
37,96
255,00
0,274
0,200
22,440
N-PENTANO
C5H12
72,150
469,70
33,70
311,00
0,268
0,252
25,790
N-HEXANO
C6H14
86,177
507,60
30,25
368,00
0,264
0,300
28,850
N-HEPTANO
C7H16
100,204
540,20
27,40
428,00
0,261
0,350
31,770
N-OCTANO
C8H18
114,231
568,70
24,90
492,00
0,259
0,399
34,410
N-NONANO
C9H20
128,258
594,60
22,90
555,00
0,257
0,445
36,910
AGUA
H 2O
18,015
647,14
220,64
55,95
0,229
0,344
40,660
Coeficientes para clculo do Cp do gs ideal Equao sugerida por POLING, PRAUSNITZ, OCONNELL (2000).
CAPACIDADE CALORFICA GS IDEAL
Cp=A+B*T+C*T2+D*T3+E*T4
COMPONENTES
T em [K], CP em [J/mol K]
(A)
(B)
(C)
(D)
(E)
ETANOL
4,3960E+00
6,2800E-04
5,5460E-05
-7,0240E-08
2,6850E-11
N-BUTANO
5,5470E+00
5,5360E-03
8,0570E-05
-1,0571E-07
4,1340E-11
N-PENTANO
7,5540E+00
-3,6800E-04
1,1846E-04
-1,4939E-07
5,7530E-11
N-HEXANO
8,8310E+00
-1,6600E-04
1,4302E-04
-1,8314E-07
7,1240E-11
N-HEPTANO
9,6340E+00
4,1560E-03
1,5494E-04
-2,0066E-07
7,7700E-11
N-OCTANO
1,0824E+01
4,9830E-03
1,7751E-04
-2,3137E-07
8,9800E-11
N-NONANO
1,2152E+01
4,5750E-03
2,0416E-04
-2,6777E-07
1,0465E-10
AGUA
4,3950E+00
-4,1860E-03
1,4050E-05
-1,5640E-08
6,3200E-12
Apndice 3 - Propriedades
159
E-4
Coeficiente de
correlao - R
ETANOL
616,45
3314,00
8971,60
-10687,00
4722,60
0,9911
N-BUTANO
221,70
1093,10
3508,20
-4526,30
2154,50
0,9944
N-PENTANO
254,77
1261,00
4110,00
-5240,50
2454,60
0,9962
N-HEXANO
296,61
1430,80
4676,10
-5902,10
2731,60
0,9969
N-HEPTANO
340,29
1606,90
5264,00
-6590,70
3020,10
0,9973
N-OCTANO
382,86
1774,70
5836,60
-7264,80
3302,90
0,9976
N-NONANO
422,32
1925,60
6379,10
-7910,20
3574,10
0,9978
AGUA
373,19
1946,30
5313,50
-6534,50
2991,30
0,9923
Coeficientes de Antoine
T MIN.
Pvp MIN
T MAX.
[K]
[bar]
[K]
[bar]
(A)
(B)
(C)
(TMIN)
(Pvp MIN)
(TMAX)
(Pvp MAX)
ETANOL
5,33675
1648,22000
230,91800
276,5
0,02
369,5
2,0
N-BUTANO
3,93266
935,77300
238,78900
200,5
0,02
292,0
2,0
N-PENTANO
3,97786
1064,84000
232,01400
228,7
0,02
330,8
2,0
N-HEXANO
4,00139
1170,87500
224,31700
254,2
0,02
365,3
2,0
N-HEPTANO
4,02023
1263,90900
216,43200
277,7
0,02
396,5
2,0
N-OCTANO
4,05075
1356,36000
209,63500
299,4
0,02
425,2
2,0
N-NONANO
4,07356
1438,03000
202,69400
319,6
0,02
451,6
2,0
AGUA
5,11564
1687,53700
230,17000
273,2
0,01
473,2
16,0
Anexos
160
(TMAX)
[K]
ETANOL
513,920
-8,69
1,178
-4,876
1,588
61,320
513,920
N-BUTANO
425,250
-7,02
1,678
-1,974
-2,172
37,920
425,250
N-PENTANO
469,800
-7,31
1,758
-2,163
-2,913
33,750
469,800
N-HEXANO
507,900
-7,54
1,838
-2,544
-3,163
30,350
507,900
N-HEPTANO
540,150
-7,77
1,856
-2,830
-3,507
27,350
540,150
N-OCTANO
568,950
-8,05
2,039
-3,312
-3,648
24,900
568,950
N-NONANO
594,900
-8,33
2,257
-3,826
-3,732
22,900
594,900
AGUA
647,300
-7,77
1,457
-2,719
-1,41336
221,000
647,300
Anexos
Tc
(Pvp MAX)
[bar]
161