Validação do BR-MPC_ADM e proposição de melhorias através de aplicações industriais em refinaria de petróleo

Abstract

A utilização de controles preditivos baseados em modelo (MPCs) é uma prática consolidada na indústria de Refino no Brasil, devido a isso, o grupo de pesquisa GIMSCOP/UFRGS criou um projeto em parceria com PETROBRAS e TRISOLUTIONS que desenvolve uma metodologia de análise, diagnóstico e manutenção de MPCs (MPC-ADM), que atualmente está parcialmente implementa dentro da plataforma de gestão de ativos (PGA). O objetivo deste trabalho é fazer uma análise crítica da metodologia existente, propondo melhorias. Parte desta metodologia já implementada no software é apresentada e detalhada no corpo deste trabalho, bem como é aplicada em uma unidade de tratamento de gasolina, que é brevemente apresentada. O controlador preditivo do estudo de caso é dividido em dois subsistemas com comportamento multivariável. A metodologia analisada visa por meio de índices avaliar os MPCs e com um gráfico de diagnóstico formado pelos mesmos pretende fazer um diagnóstico preliminar dos controladores. A metodologia apresentada mostrou-se promissora na análise feita, porém, alguns ajustes foram propostos para melhorá-la. Um novo cálculo de banda sobre faixas operacionais é proposto, bem como a utilização de valores reais para CVs e não targets. Em forma de metodologia um gráfico de diagnóstico dinâmico é proposto, além de ferramentas que capturem a variabilidade encontrada em alguns períodos analisados. Nos resultados alguns ajustes nos subsistemas também são propostos de forma a melhorar sua controlabilidade operacional.

The use of model predictive controls (MPCs) is a consolidated practice in the Refining industry in Brazil, due to this, the research group GIMSCOP / UFRGS created a project in partnership with PETROBRAS and TRISOLUTIONS that develops an methodology for assessment/analysis, diagnosis, and maintenance of MPCs, which is called MPC-ADM and is partially implemented on a platform call “Plataforma de gestão de ativos” (PGA). The objective of this work is to make a critical analysis of the existing methodology, proposing improvements. Part of it already implemented in the software is presented and detailed in this dissertation. The methodology is validated in a gasoline treatment unit, which is briefly presented. The predictive controller of the case study is divided into two subsystems with multivariable behavior. The analyzed methodology aims to evaluate the MPCs by indexes and with a diagnostic diagram, which allows to make a previous diagnosis of the controllers. The presented methodology proved to be promising in the real industrial case study. However, some adjustments were proposed to improve it. A new calculation of band over operational ranges is proposed, as well as the use of real values for CVs and non-targets. Here, an extension version of the dynamic diagnosis diagram is proposed, in addition to tools that capture the variability found in some analyzed periods. In the results, some adjustments in the subsystems are also proposed to improve their operational controllability.