Desenvolvimento de analisadores virtuais e sua aplicação na predição do ponto final de ebulição da nafta de craqueamento

Analisadores virtuais são empregados com sucesso em aplicações de controle e otimização. Representam uma alternativa eficiente e de baixo custo para o monitoramento online de indicadores de qualidade de correntes de processo. Este trabalho buscou desenvolver um conjunto de rotinas computacionais contendo técnicas matemáticas e estatísticas para facilitar a criação destes analisadores. O programa desenvolvido apresenta uma estrutura modular, o que permite ao usuário habilitarindependentemente as ferramentas de pré-tratamento de dados, seleção de variáveis e modelagem matemática de sistemas. A ferramenta foi utilizada para a predição do ponto final de ebulição (PFE) da nafta leve de uma unidade de craqueamento catalítico fluidizado da Petrobrás, adotando-se a premissa de obtenção do modelo mais simples, contendo o menor número de regressores possível. O sistema em questão foi especialmente escolhido para o estudo em função da suspeita de problemas hidráulicos na torre fracionadora principal, o que levou à hipótese de impossibilidade de obtenção de um modelo que capture o PFE nestas condições. Pelo amplo espectro de faixa deoperação, o modelo obtido não apresentou variabilidade inferior à reprodutibilidade do ensaio de laboratório. No entanto, o modelo consegue sinalizar condições favoráveis à perda de especificação do PFE. Foi possível verificar, ainda, que o PFE é influenciado por três fatores distintos: temperatura do topo da torre fracionadora principal, cuja influência se dá no equilíbrio termodinâmico desta seção; temperatura de reação, cuja influência se dá no maior ou menor rendimento de hidrocarbonetos mais leves; diferencial de pressão no topo da torre fracionadora, cujo comportamento pode sinalizar condições hidráulicas desfavoráveis para o controle do PFE. Dentre os modelos obtidos, destacam-se as redes neurais tipo Perceptron de múltiplas camadas, com função de performance dada por regularização Bayesiana, em função de seu maior poder de generalização.Soft sensors can be successfully used in control and optimization applications. They can be seen as an efficient low cost alternative for online monitoring of quality indicators of process streams. The goal of this work is to develop a set of computational routines based on mathematical and statistical techniques in order to improve the building of these soft sensors. The application here developed presents a modular structure which allows the user to access independent tools for data pre processing, variable selection and mathematical system modeling. The application was used to predict final boiling point (FBP) of light naphtha in a fluid catalytic cracking unit of Petrobrás refinery. Welooked for the simplest model with the smallest number of variables. This case study was designed to test the difficulty of prediction of the FBP in case of hydraulic problems in the main fractional distillation column. Because of the large range of modeled operations performed by the soft sensor it was not possible to reach values close to the reproducibility obtained in laboratory tests. On the other hand the model is capable of signaling the presence of favorable conditions for the loss of specification of FBP. Also, it was possible to perceive that the FBP is sensible to three variables: main column top temperature, which influences the thermodynamic equilibrium of this section; raiser top temperature, which influences the amount of light hydrocarbons production; and the differential pressure in the top section of the main fractional distillation column, which signals hydraulically unfavorable conditions for controllingthe FBP. Amongst the models that were obtained the multilayer Perceptron with Bayesian regulation stands out due to its more powerful generalization capabilities