Eventos Anais de eventos
CONEM 2018
X Congresso Nacional de Engenharia Mecânica
Sistema de Inferência da Fração Molar dos Contaminantes do Gás Liquefeito de Petróleo Baseado em Técnicas de Inteligência Artificial
Submission Author:
Jean Mario Moreira de Lima , RN
Co-Authors:
Jean Mario Moreira de Lima, Fábio Meneghetti Ugulino de Araújo
Presenter: Jean Mario Moreira de Lima
doi://10.26678/ABCM.CONEM2018.CON18-0514
Abstract
Em UPGNs (Unidades de Processamento do Gás Natural), um dos produtos de maior rentabilidade é o GLP (Gás Liquefeito de Petróleo) que é composto majoritariamente por propano (C3) e butano (C4). Além disso, o pentano (C5) e o etano (C2) também podem se fazer presente no gás como contaminantes. A medição da fração molar dos componentes do GLP é feita através de cromatógrafos a gás. Porém a cromatografia é um processo lento, impossibilitando que o monitoramento da qualidade do produto seja feito em tempo real. Neste trabalho, propõe-se um sistema de inferência, utilizando a redes neurais artificias, com o objetivo de inferir as frações molares do C5 e do C2. Dessa forma, seria possível estimar às frações molares desses contaminantes do GLP minuto a minuto, de maneira consideravelmente mais rápida que a tradicional por cromatógrafos. Os resultados obtidos são promissores, mostrando que o sistema de inferência pode inferir os frações molares de C5 e C2 e, assim, habilitar melhora no monitoramento da qualidade do GLP e, consequentemente, na lucratividade.
Keywords
UPGN, GLP, Sistemas de Inferencia, Redes Neurais Artificias, Soft Sensor
