Skip navigation
Universidade Federal da Bahia |
Repositório Institucional da UFBA
Use este identificador para citar ou linkar para este item: https://repositorio.ufba.br/handle/ri/39544
Tipo: Dissertação
Título: Predição da temperatura de desaparecimento de parafina através de redes neurais artificiais
Título(s) alternativo(s): Prediction of wax disappearance temperature using artificial neural networks
Autor(es): Corrêa, Stéfano Praxedes
Primeiro Orientador: Simonelli, George
metadata.dc.contributor.advisor-co1: Santos, Luiz Carlos Lobato dos
metadata.dc.contributor.referee1: Simonelli, George
metadata.dc.contributor.referee2: Santos, Luiz Carlos Lobato dos
metadata.dc.contributor.referee3: Santos, João Paulo Lobo dos
metadata.dc.contributor.referee4: Pereira, Kleberson Ricardo de Oliveira
Resumo: A deposição de parafinas é um problema recorrente na indústria petrolífera e que tem ganhado cada vez mais relevância devido ao aumento da produção offshore em águas profundas. Portanto, vários estudos foram realizados com o objetivo de compreender melhor tal fenômeno, além de fornecer estimativas da temperatura de desaparecimento da parafina (WDT), que representa o verdadeiro ponto de equilíbrio sólido-líquido. Informações como estas podem ser úteis para apoiar a tomada de decisão a respeito de intervenções em dutos e unidades de produção. No entanto, o estudo da deposição de parafinas é fortemente dependente da realização de experimentos, que geralmente são onerosos e podem tornar este tipo de análise inviável. Foi desenvolvido um modelo generalista a partir de técnica de machine learning para prever esse fenômeno. Nesse estudo, uma rede neural artificial (RNA) foi desenvolvida a fim de testar se há um modelo capaz de prever a WDT a partir da pressão e da massa molar do óleo cru como variáveis de entrada com auxílio da ferramenta MATLAB®. A RNA foi treinada utilizando diferentes arquiteturas a fim de otimiza-la em relação ao número de neurônios na camada escondida, sendo testado de 1 a 10. Resultados mostraram que a arquitetura com 3 neurônios na camada escondida foi capaz de prever a temperatura de desaparecimento da parafina com erro quadrático médio (MSE) abaixo de 1% e o coeficiente de correlação (R2) de 0,94. Os resultados obtidos mostraram que a rede neural artificial proposta é generalista e capaz de prever o sistema de forma precisa, sem a interferência de fenômenos de overfitting e underfitting. Os dados obtidos possibilitaram a realização da análise de sensibilidade, na qual a pressão foi a variável independente mais determinante no processo, para as condições analisadas.
Abstract: Wax deposition in pipelines is a recurring problem in the oil industry that has gained even more relevance with the growth of offshore production in deep environments. Therefore, several studies have been conducted aiming at a better understanding of such phenomenon, as well as to predict wax disappearance temperature (WDT), which represents the true solid-liquid equilibrium point. Information such as this can be useful to support the decision-making process related to pipelines and production units. However, the study of wax deposition is strongly dependent on the performance of experiments, which are often costly and may make the analysis unfeasible. As an alternative to experimental and thermodynamic methods, a model was developed based on machine learning techniques to predict this phenomenon. In this study, an artificial neural network (ANN) was proposed in order to test if there is a model capable of predicting the paraffin disappearance temperature (WDT) using pressure and molar mass of crude oil as input variables. The ANN was trained using different architectures in order to optimize it in relation to the number of neurons in the hidden layer. Results showed that the architecture with 3 neurons in the hidden layer was able to predict the paraffin disappearance temperature with mean square error below (MSE) of 1% and correlation coefficient (R2) of 0.94. The obtained results showed that the proposed artificial neural network is generalist and able to accurately predict the system, without the interference of overfitting and underfitting phenomena. The data obtained made it possible to carry out the sensitivity analysis, in which the pressure was the most decisive independent variable in the process, for the analyzed conditions.
Palavras-chave: Indústria de Petróleo
Garantia de Fluxo
Análise de Sensibilidade
CNPq: Processos e Sistemas Químicos
Idioma: por
País: Brasil
Editora / Evento / Instituição: Universidade Federal da Bahia
Sigla da Instituição: UFBA
metadata.dc.publisher.department: Escola Politécnica
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Quimica (PPEQ) 
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.ufba.br/handle/ri/39544
Data do documento: 28-Mai-2024
Aparece nas coleções:Dissertação (PPEQ)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Stéfano Praxedes Corrêa_Dissertação_Mestrado_PPEQ.pdfDissertação de Mestrado de Stéfano Praxedes Corrêa1,39 MBAdobe PDFVisualizar/Abrir
Mostrar registro completo do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.