A new methodology of nmpc integrated with an optimization layer to increase the production of offshore oil with quality requirements

The oil and gas industry is impacted by low growth economic cycles. For this reason, techniques of NMPC and optimization that help the operability of the plant are very important for the business. However, the use of these tools in industry requires overcoming some challenges, for instance: find accurate models of the process, computational time suitable for obtaining the solution and integrate the layers of control and optimization. In this work a methodology is proposed to obtain analytical models based on hammerstein structure, reducing the computational time. Unlike most common approaches that transform NMPC internal model, described by differential-algebraic equations (DAE), into an approximate system of nonlinear algebraic equations (NLA) using, for instance, orthogonal collocation. In the proposed approach, the obtained NLA is an exact description of the original DAEs system. The proposed algorithm was applied to a non-isothermal CSTR integrated with an optimization layer. The results show that the proposed structure presents significant reduction in computational time without performance loss, when compared with the NMPC using rigorous model. Moreover, the proposed strategy demonstrated good performance in tracking the targets sent by the optimization layer, without model mismatches between layers. An important contribution of the work is the application of the proposed NMPC integrated with an optimization layer in an oil and gas production process. The results show good performance of the proposed algorithm to stabilize the process during slug flow conditions, keeping the quality requirement inside the constraints and driving the process to the optimal point obtained in the optimization layer.A indústria de óleo e gás é impactada por ciclos de baixo crescimento econômico. Nesse contexto, técnicas de NMPC e de otimização que auxiliam a operabilidade da planta são de fundamental importância para o negócio. Contudo, o uso em escala industrial requer a superação de desafios, como por exemplo: determinação dos modelos de processo, tempo computacional adequado para obtenção da solução e integração entre as camadas de controle e otimização. Nesse trabalho é proposta uma metodologia para obter modelos analíticos de predição baseado na estrutura de Hammerstein, reduzindo o esforço computacional. As abordagens tradicionais transformam o modelo do NMPC, descrito por equações algebrico-diferenciais (DAE), em uma aproximação numérica baseada em equações algébricas não lineares (NLA), como por exemplo, colocação ortogonal. Na abordagem proposta, o NLA obtido é uma descrição eficaz do sistema original de DAE’s, sendo idependente de aproximações numéricas. O algoritmo proposto foi aplicado em um CSTR não-isotérmico integrado com camada de otimização. Os resultados mostram que a proposta apresenta redução no tempo computacional sem perda de desempenho, quando comparado com o NMPC usando modelo rigoroso. Além disso, o NMPC proposto conduziu a planta ao ponto ótimo vindo da otimização, sem apresentar problemas devido à diferença de modelos entre as camadas. Uma importante contribuição do trabalho é a aplicação do NMPC proposto integrado com camada de otimização em um processo de produção de óleo e gás. Os resultados também mostram bom desempenho do NMPC proposto em estabilizar o processo durante regimes de fluxo golfante, mantendo os requisitos de qualidade dentro das restrições e conduzindo o processo até o ponto ótimo obtido na otimização