Escolar Documentos
Profissional Documentos
Cultura Documentos
Rio de Janeiro
Fevereiro de 2013
Valleriote
Nascimento.
Rio
de
Janeiro:
UFRJ/COPPE, 2013.
XIV, 94 p.: il.; 29,7 cm.
Orientadores: Argimiro Resende Secchi
Evaristo Chalbaud Biscaia Junior
Dissertao (mestrado) UFRJ/ COPPE/ Programa de
Engenharia Qumica, 2013.
Referncias Bibliogrficas: p. 83-87.
1. Modelos Reduzidos. 2. Colunas de Destilao. 3.
Otimizao Dinmica. I. Secchi, Argimiro Resende. II.
Universidade Federal do Rio de Janeiro, COPPE,
Programa de Engenharia Qumica. III. Ttulo.
iii
AGRADECIMENTOS
A Deus por estar presente me ajudando em cada momento da minha vida.
A minha me, Nelcia, por todo amor, apoio e carinho ao longo destes 29 anos de vida.
Aos meus orientadores, Argimiro Resende Secchi e Evaristo Chalbaud Biscaia Jr., pela
orientao, apoio e confiana com que sempre pude confiar.
minha namorada Lvia por todo apoio, carinho e compreenso.
Ao professor Eduardo Moreira de Lemos pela confiana e amizade a mim fornecidas.
Aos amigos do PEQ, pelo companheirismo ao longo de todos estes anos.
Aos grandes amigos que sempre estiveram ao meu lado nos momento mais difceis de minha
vida.
A todos aqueles que participam da minha vida e no foram citados, o meu sincero muito
obrigado.
iv
Este trabalho tem como objetivo demonstrar a aplicabilidade e eficincia do uso dos
modelos reduzidos para aplicaes em tempo real em colunas de destilao. So abordados
problemas de simulao estacionria e dinmica de colunas de destilao, anlise da resposta
do sistema a perturbaes e casos de otimizao estacionria e otimizao dinmica da partida
de colunas de destilao. A fim de demonstrar a exatido da soluo obtida e a reduo dos
custos computacionais, comparam-se os resultados obtidos com os modelos reduzidos com os
resultados do modelo fenomenolgico completo. Alm disso, so feitas comparaes entre a
tcnica de reduo de ordem implementada nesta dissertao, que baseada na anulao da
soma dos resduos ponderados das equaes de balano, com outras tcnicas de reduo de
ordem demonstrando a superioridade da tcnica desenvolvida sobre as demais.
In this work, the applicability and effectiveness of using the reduced models for realtime applications in distillation columns are demonstrated. Problems of stationary and
dynamic simulation of distillation columns, analysis of the system response to disturbances,
and cases of stationary optimization and dynamic optimization of distillation columns start-up
are analyzed. The results of the reduced models are compared with the full model in order to
demonstrate the accuracy of the solution and the reduction of computational costs. Besides,
comparisons are made between the use of the technique of model order reduction based on
weighted residuals in discrete domain and others techniques of models order reduction to are
the greater robustness of this method.
vi
ndice
CAPTULO 1: INTRODUO ____________________________________________________ 1
Captulo 2: Reviso Bibliogrfica ______________________________________________ 5
2.1- Coluna de Destilao ________________________________________________________ 5
2.2- Reduo de Ordem __________________________________________________________ 9
vii
Lista de Figuras
Figura 1 - Esquema de uma Coluna de Destilao ...................................................................... 6
Figura 2 - Esquema de uma coluna de absoro com N estgios .............................................. 20
Figura 3 - Perfil de composio no estado estacionrio para os estgios da coluna do exemplo
1 de PINTO e BISCAIA (1987) nos Estados Inicial e Final. .................................................... 37
Figura 4 Perfil da composio do produto de topo obtido com a simulao dinmica do
exemplo 1 de PINTO e BISCAIA (1987). ................................................................................ 38
Figura 5 - Perfil de composio no estado estacionrio para os estgios da coluna do exemplo
2 de PINTO e BISCAIA (1987) nos Estados Inicial e Final. .................................................... 39
Figura 6 - Perfil da composio do produto de topo obtido com a simulao dinmica do
exemplo 2 de PINTO e BISCAIA (1987). ................................................................................ 40
Figura 7 - Perfil de composio no estado estacionrio para os estgios da coluna do exemplo
3 de PINTO e BISCAIA (1987) no Estado Inicial. ................................................................... 41
Figura 8 - Perfil de composio no estado estacionrio para os estgios da coluna do exemplo
3 de PINTO e BISCAIA (1987) no Estado Final. ..................................................................... 42
Figura 9 - Perfil da composio obtido com a simulao dinmica do exemplo 3 de PINTO e
BISCAIA (1987). ...................................................................................................................... 43
Figura 10 - Perfil da composio do produto de topo no estado estacionrio para a coluna de
LINHART e SKOGESTAD (2011). ......................................................................................... 45
Figura 11 Perfil obtido com a simulao dinmica da coluna de LINHART e SKOGESTAD
(2011). ....................................................................................................................................... 47
Figura 12 - Resposta do sistema a um degrau positivo de 10% na vazo de alimentao e,
posteriormente, um degrau negativo de igual magnitude. ......................................................... 48
Figura 13 - Perfil da composio nos estgios da coluna do exemplo 3 de KAMATH et. al.
(2010) no estado estacionrio. ................................................................................................... 51
Figura 14 Perfil de composio do produto de topo obtido com a simulao dinmica da
coluna do exemplo 3 de KAMATH et. al. (2010). .................................................................... 53
viii
ix
Lista de Tabelas
Tabela 1: Especificaes da coluna de destilao apresentada
no exemplo 1 de PINTO e
Tabela 14: Erros obtidos com a utilizao dos modelos reduzidos na predio da resposta do
sistema a uma perturbao na vazo de alimentao _______________________________ 48
Tabela 15: Especificaes da coluna de destilao apresentada no exemplo 3 de KAMATH et
al. (2010)_________________________________________________________________ 50
Tabela 16: Especificaes da 3 coluna de destilao apresentada em DORNEANU et al.
(2008) ___________________________________________________________________ 50
Tabela 17: Erros obtidos com o uso dos modelos reduzidos na simulao do estado
estacionrio da coluna do exemplo 3 de KAMATH et al. (2010) _____________________ 52
Tabela 18: Erros obtidos com o uso dos modelos reduzidos na simulao dinmica da coluna
do exemplo 3 de KAMATH et. al. (2010) _______________________________________ 53
Tabela 19: Erros obtidos com a utilizao dos modelos reduzidos na simulao do estado
estacionrio da 3 coluna de DORNEANU et. al. (2008)____________________________ 55
Tabela 20: Erros obtidos com a utilizao dos modelos reduzidos na simulao dinmica da 3
coluna de DORNEANU et. al. (2008) __________________________________________ 56
Tabela 21: Especificaes da coluna de destilao apresentada no exemplo 1 de KAMATH et
al. (2010)_________________________________________________________________ 57
Tabela 22: Resultados obtidos com o uso dos modelos reduzidos na otimizao do prato de
carga da coluna do exemplo 1 de KAMATH et al. (2010)___________________________ 58
Tabela 23: Resultados obtidos com o uso dos modelos reduzidos na otimizao do prato de
carga da coluna do exemplo 2 de KAMATH et al. (2010)___________________________ 60
Tabela 24: Resultados obtidos com a otimizao das variveis de controle para a operao em
regime estacionrio da coluna de destilao do exemplo 1 de KAMATH et. al. (2010) ____ 62
Tabela 25: Resultados obtidos com a otimizao das variveis de controle para a operao em
regime estacionrio da coluna de destilao do exemplo 1 de PINTO e BISCAIA (1987) __ 63
Tabela 26: Resultados obtidos com a otimizao das variveis de controle para a operao em
regime estacionrio da coluna de destilao do exemplo 2 de PINTO e BISCAIA (1987) __ 64
Tabela 27: Especificaes da coluna de destilao de SCHRODER e MENDES (1999) ___ 67
Tabela 28: Restries s Variveis de Controle (kmol/min) _________________________ 68
xi
Tabela 29: Resultados da otimizao da estratgia da razo de refluxo para minimizar o tempo
de partida da coluna de SCHRODER e MENDES (1999) ___________________________ 71
Tabela 30: Erro obtido com a utilizao do modelo reduzido na predio da composio
durante a partida da coluna de SCHRODER e MENDES (1999) _____________________ 72
Tabela 31: Especificaes da coluna de destilao utilizada na otimizao da estratgia de
partida ___________________________________________________________________ 73
Tabela 32: Valores desejados para as Variveis de Controle no Estado Estacionrio ______ 75
Tabela 33: Resultados obtidos pela otimizao da estratgia da RR para a partida da coluna 76
Tabela 34: Comparao entre os valores da Fobj quando simulados os dois modelos com ambas
as estratgias obtidas pelas otimizaes _________________________________________ 77
Tabela 35: Erro obtido utilizando o modelo reduzido para a predio do perfil de composio
durante o regime transiente___________________________________________________ 78
xii
Nomenclatura
Ai,j+ , Ai,j-
Matrizes de discretizao
Vazo de Destilado
Relaes termodinmicas
hF
Hi
hi
Hi,j
hi,j
Ki,j
Li
lj
mi
ncomponentes
Nmero de componentes
Nestgios
Nmero de estgios
NE
NF
NR
NT
Pi
p(t)
Qi
q(t)
Res(n+1)(sj, t)
Resk(t)
RR
Razo de Refluxo
sj
Ponto de colocao j
s(j)
Ti
Temperatura no estgio i
Ui
Vi
Wk
xi,j
x(n+1)(sk,t)
yi,j
zF,j
Letras Gregas:
Volatilidade relativa
n(x)
Elemento de agregao
xiv
CAPTULO 1: INTRODUO
dos processos vm se tornando cada vez mais complexos e rigorosos. Sendo possvel
descrever de forma bastante realista o comportamento fsico-qumico do processo.
(MENEGUELO, ROQUEIRO e MACHADO, 2004). No entanto, devido principalmente
alta interdependncia entre as diversas variveis presentes em um processo, a previso do
comportamento da planta se torna difcil e, a fim de contornar este problema, pode-se
utilizar a modelagem e simulao computacional dos processos.
Neste contexto, os modelos de ordem reduzida surgem como uma excelente opo
para a obteno de solues de sistemas de ordem elevada com uma significativa reduo
do custo computacional mantendo a capacidade preditiva da soluo do modelo completo.
Tais modelos podem tambm assumir papel relevante no tratamento de problemas de
otimizao, controle e demais aplicaes em tempo real.
No Captulo 3 a discusso ter seu foco voltado para o mtodo de reduo utilizado
nas anlises feitas no presente trabalho, que o mtodo baseado na anulao da soma dos
resduos ponderados. Tambm ser feito um pequeno resumo dos mtodos da colocao
ortogonal e de estgios agregados.
(2)
,
= , ( + ) , (3)
= 0 (4)
b) Prato interno:
+ = 0 (5)
,
= , + , , , (6)
#$
#$,
= #$ #$, + #$ #$, + % '#$,
# # # = 0 (11)
#
#,
= # #, # #, # #, (12)
+
5
, =
,-./0.121324
+
5
, = 1 (16)
* = 67 (17)
8 = 67 ou per>il linear, dependendo do caso. (18)
g) Relaes Termodinmicas:
), (G ) HI JG , 8 , , K = HL JG , 8 , , K (19)
8
,-./0.121324
+
5
,-./0.121324
+
5
10
12
13
capaz de obter solues mais prximas ao modelo completo do que com o uso das funes
interpoladoras de Lagrange.
15
problema. O modelo de ordem reduzida resultante pode ser aplicado a colunas de destilao
com pratos.
18
A seguir, feita uma breve descrio dos mtodos da colocao ortogonal e dos
estgios agregados, a fim de fazer uma sucinta explanao sobre os mtodos. Para um
aprofundamento nos mtodos, os trabalhos originais devem ser consultados, PINTO e
BISCAIA (1987) e LINHART e SKOGESTAD (2011), respectivamente.
19
()
= () + () () ()
20
Considerando que a composio xi pode ser aproximada por uma funo polinomial
do tipo:
()
(,)
,
YV = 0, s[ = N + 1
5V
e l` (s) = a b
c5V
ce`
s sc
d (26)
s` sc
, () = W(). Os valores das composies de alimentao nos primeiro e ltimo estgio
como pontos de interpolao do perfil alm dos n pontos internos 0 < s < s < s[ <
T+1.
f (,) (Y, )
(,) (Y 1, ) (,) (Y + 1, )
f
Caso a relao de equilbrio entre as fases seja uma relao de equilbrio linear, isto
21
7Y
(,) (Y,
,
Em que:
7Y
(,)
(,) (Yh , )
(Yh , ) =
(,) (Yh 1, ) (,) (Yh + 1, )
+ R 7Y
5
(,)
,
Caso o somatrio fosse calculado por quadratura tipo Gauss (que exata apenas at
o grau 2n1 em i) ter-se-ia a expresso:
,
5
h5
(,)
,
(,)
,
Assim:
(,)
,
23
e
(,)
,
Sugerindo as definies p
h, = Z (Yh + 1) e ph, = Z (Yh 1) , resultando em:
(,)
,
(,)
(Yh 1, ) = + p
JY , K, (39)
h,
5V
,
(,)
(,) (Yh + 1, ) = + p
JY , K 7 (40)
h,
5V
7Y
(,)
,
(,) (Yh , )
(,)
(Yh , ) =
+ p
JY , K
h,
5V
,
(,)
+ p
JY , K + (,) (Yh , ) + (,) (Yh , ) (41)
h,
5V
,
5V
5V
h ()
= + p
h, () + + ph, () h () h ()
OPQP m = 1, , j (42)
Sendo
1, , j
24
()
= H q, O(), (), ()r (43)
()
= H q, (), (), ()r OPQP R = 2, , T 1 (44)
25
#
# ()
= H# q, # (), # (), W()r (45)
Sendo xi a composio na fase lquida do estgio i, mi o acmulo de massa no
W().
()
= H q, O(), (), ()r (46)
tu ()
= Htu v, tu (), tu (), tu ()w OPQP x = 2, , j 1 (47)
# ()
= H# q, # (), # (), W()r (49)
()
= H z, O(), (), { J, (), ()K| (50)
27
()
= H v, } ~ (), () , (), { ~ (), ()w
OPQP x = 2, , j 1 (51)
# #
# ()
= H# z, }# J, # (), # ()K, # (), W()| (52)
+ R 7Y
5
(,)
,
#
(55)
Considerando os pontos internos 0 < s(1) < s(2) < < s(n) < 1 e os pontos extremos
Y (V) = 7 Y (,) =
#
#
#
=1+
(,)
,
R1
R1
, = + Z
(,) JY () , K (56)
T
T
5V
1 (,) T + 1
1
, Y
=
= 1 + (57)
T
T
T
1
1
< Y () < Y () < < Y (,) < 1 + so os pontos de interpolao internos
T
T
[
e l` (s) = a b
c5V
ce`
s sc
d (58)
s` sc
29
(h)
(h)
p
+ 1K e p
1K, alm disso adotam-se as notaes simplificadas:
h, = Z JY
h, = Z JY
(,)
(Y h
,
1, ) = + p
h, () (61)
5V
e
(,)
,
(Y h + 1, ) = + p
h, () (62)
5V
Considerando a soma dos resduos nos estgios reais ponderado pelas n primeiras
potncias da varivel espacial s reescalada, tem-se o Mtodo dos Momentos (em termos das
variveis reescaladas) expresso por:
,
+
5
R1 i
(,)
() = 0 OPQP = 0, 1, , (j 1) (63)
7Y
T
O grau do termo interno do somatrio um polinmio em i de no mximo grau 2n
que poderia ser calculado exatamente por quadratura tipo Lobatto para domnio discreto
reescalado segundo:
,
,
5
h5V
R1 i
i
(,)
() = + kh zY (h) | 7Y (,) (Yh , ) = 0 (64)
+
7Y
T
Sendo Y (h) para k = 1,..., n as razes do polinmio ortogonal no domnio discreto
R1 h
1 R1
R1
+
1 +
o,
= 0 OPQP m = 1, , j (65)
T
T
T
T
5
30
(,)
JY
(h)
,
,
5V
5V
h ()
, K =
+ p
h, () + ph, () +
OPQP m = 1, , j (67)
Ou, adotando uma notao simplificada:
7Y (,) JY (h) , K = 7Yh () 7Yh () + h,V 7YV () + h, 7Y, () = 0
OPQP m = 1, , j (68)
Em que V = * gV e = * g com gi,V = *i,V , gi, = *i, e M a
i
,
5V
5V
h ()
= + h,
() + + h,
() h () h (), (69)
Sendo:
h () = h () + h,V V () + h, , () (70)
h () = h () + h,V V () + h, , () (71)
31
h,
= p
h, + h,V pV, + h, p,, (72)
h,
= p
h, + h,V pV, + h, p,, (73)
As condies no contorno V () = V () = O() e , () = # () = W()
32
que diz respeito ao perfil de composio quanto ao clculo das variveis de deciso e da
funo objetivo. Tambm foi avaliado o ganho computacional advindo do uso do modelo
reduzido, em outras palavras, foi analisado se a reduo do tempo de CPU, necessrio para
as simulaes, conseguido com a diminuio do nmero de equaes diferenciais a serem
resolvidas, representa um ganho prtico maior do que o erro gerado pela tcnica de
reduo, e, obviamente, se este erro suficientemente pequeno.
34
33
Prato de alimentao
17
Composio da carga
[0,5; 0,5]
Volatilidade relativa ()
1,6
24
Perfil de Presso
Linear
Razo de refluxo
3-4
12-9,6
43
Prato de alimentao
22
Composio da carga
[0,5; 0,5]
Volatilidade relativa ()
1,9
24
Perfil de Presso
Linear
Razo de refluxo
2,15 - 1,864
12 - 13,2
19
Prato de alimentao
272
Perfil de Presso
Linear
Razo de refluxo
1,63 - 2
165,64 - 230
As trs colunas foram simuladas nos estados estacionrios inicial e final, referentes
aos valores da razo de refluxo e da vazo de destilado. Tambm foram realizadas
35
simulaes dinmicas visando obter o comportamento dos sistemas aps a aplicao dos
degraus.
O modelo reduzido foi aplicando com seis pontos de colocao internos, trs em
cada seo, acarretando em uma reduo da ordem do modelo de 83%, 87% e 72%,
respectivamente.
36
1,0
Composio
0,8
0,6
0,4
0,2
0,0
1
Completo Inicial
11
16
21
26
Estgio
Completo Final
Momentos Final
31
36
Momentos Inicial
Figura 3 - Perfil de composio no estado estacionrio para os estgios da coluna do exemplo 1 de PINTO e
BISCAIA (1987) nos Estados Inicial e Final.
Final
Tabela 4: Erros
rros obtidos com a utilizao do modelo reduzido
na simulao estacionria dos estados inicial e final do
exemplo 1 de PINTO e BISCAIA (1987)
Erro
Soma
0,1144
0,1357
Mximo
Topo
0,0006
0,0004
Fundo
0,0006
0,0003
Carga
0,0004
0,0004
A Figura 4 e a Tabela
Tabel 5 apresentam os resultados obtidos para o perfil dinmico da
coluna. O erro foi calculado como sendo a diferena em valores absolutos da composio
calculada em cada ponto de integrao e esta foi a abordagem utilizada nos demais
de
problemas dinmicos estudados neste trabalho. O uso do modelo reduzido gerou uma
reduo de 83% no tempo de simulao, e um erro mximo de 0,2% que aconteceu durante
a fase transiente. Tal erro, quando confrontado com o ganho de CPU, pode ser desprezado,
despreza
uma vez que o modelo reduzido conseguiu prever o comportamento da composio de
maneira adequada. Apesar de visualmente as curvas se distanciarem, um erro mximo de
37
0,0016, significa prever uma composio de 0,9716 ao invs de 0,9700 durante um tempo
curto no qual o produto no atende s especificaes, portanto um erro de 0,16% pode ser
desconsiderado.
1,00
Composio
0,99
0,98
0,97
0,96
0,95
0,94
0
0,4
0,8
completo
1,2
1,6
Tempo (h)
momentos
Figura 4 Perfil da composio do produto de topo obtido com a simulao dinmica do exemplo 1 de
PINTO e BISCAIA (1987).
0,1164
Mximo
0,0016
0,17
A Figura 5 mostra o bom ajuste dos valores obtidos com o mtodo dos momentos,
j a Tabela 6 apresenta os erros obtidos. Para os estgios de topo, carga e fundo, a diferena
foi semelhante nos dois estados e pode ser desprezada. A soma dos erros de 0,0630 para o
estado inicial e de 0,0729 para o estado final, representam erros mdios de 0,0014 e 0,0016
por estgio. O erro mximo, que foi obtido no estgio 31 do estado final, representa um
38
1,0
0,9
0,8
Composio
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0
10
15
20
25
30
35
40
45
Estgios
Completo Inicial
Completa Final
Momentos Inicial
Momentos Final
Figura 5 - Perfil de composio no estado estacionrio para os estgios da coluna do exemplo 2 de PINTO e
BISCAIA (1987) nos Estados Inicial e Final.
Soma
0,0630
0,0729
Mximo
Topo
0,0002
0,0003
Fundo
0,0002
0,0002
Carga
0,0001
0,0001
0,99
0,98
Composio
0,97
0,96
0,95
0,94
0,93
0,92
0,91
0,90
0
10
Tempo (h)
completo
momentos
Figura 6 - Perfil da composio do produto de topo obtido com a simulao dinmica do exemplo 2 de
PINTO e BISCAIA (1987).
0,0386
Mximo
0,0004
0,13
40
0,9
0,8
Composio
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
10
12
14
16
18
20
22
Estgios
benzeno
P-xileno-mom
Tolueno-mom
Benzeno
Benzeno-mom
P-xileno
tolueno
Figura 7 - Perfil de composio no estado estacionrio para os estgios da coluna do exemplo 3 de PINTO e
BISCAIA (1987) no Estado Inicial.
Tabela 8: Erros
rros obtidos com a utilizao do modelo reduzido
na simulao estacionria do estado inicial do exemplo 3 de
PINTO e BISCAIA (1987)
Erro
Momentos (3x3)
Soma
0,0407
Mximo
0,0065
Topo
0,0001
Fundo
0,0002
Carga
0,0003
J para o estado final do exemplo 3,, as previses dos perfis de composio tambm
foram satisfatrias, como possvel ver na Figura 8. Os erros para o topo e fundo,
apresentados na Tabela 9,, foram bem menores em relao ao estado inicial, da ordem de
105, do que no caso anterior.
anterior J para o prato de carga o erro foi similar. O erro mximo
m
foi
de 0,0105 no estgio 2 onde a composio da ordem de 0,6, ou seja, 2% em relao ao
valor calculado. A soma dos erros foi de 0,0684, o que representa um erro mdio de 0,0031
em cada estgio. Os resultados obtidos para o estado final da coluna multicomponente
mu
foram bastante similares aos do caso binrio.
41
1
0,9
0,8
Composio
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
10
12
14
16
18
20
22
Estgios
benzeno
P-xileno-mom
Tolueno-mom
Benzeno
Benzeno-mom
P-xileno
tolueno
Figura 8 - Perfil de composio no estado estacionrio para os estgios da coluna do exemplo 3 de PINTO e
BISCAIA (1987) no Estado Final.
Tabela 9: Erros
rros obtidos com a utilizao do modelo reduzido
na simulao estacionria do estado final do exemplo 3 de
PINTO e BISCAIA (1987)
Erro
Momentos
Soma
0,0684
Mximo
0,0105
Topo
1x105
Fundo
1x105
Carga
0,0003
1,00
Composio
0,90
0,80
0,70
0,60
0,50
0
0,4
0,8
completo
1,2
1,6
Tempo (h)
momentos
Figura 9 - Perfil da composio obtido com a simulao dinmica do exemplo 3 de PINTO e BISCAIA
(1987).
0,3757
Mximo
0,0072
0,29
Os resultados obtidos neste exemplo foram muito similares aos alcanados por
PINTO e BISCAIA (1987), quando da utilizao do mtodo da colocao ortogonal. Este
estudo de caso foi usado como uma introduo do mtodo dos momentos, nos exemplos a
seguir, os resultados so mais profundamente discutidos.
43
92
Prato de alimentao
46
155
-22
4,8
Razo de refluxo
6,7
55
Para as variveis termodinmicas, foram utilizadas as equaes de estado de SoaveRedlich-Kwong atravs do VRtherm integrado ao simulador de processos EMSO.
44
1
0,9
0,8
Composiao
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
20
40
60
80
100
Estgios
Completa
Momentos
Classica
A Tabela 12 nos mostra a comparao entre o erro obtido usando o mtodo dos
momentos e o mtodo da colocao ortogonal. Ambos os mtodos conseguiram
consegui
representar
de forma bastante satisfatria o perfil da frao molar do iso-butanol
iso butanol ao longo da torre de
destilao. No entanto, o mtodo dos momentos se mostrou mais preciso em todos os
estgios, sendo o erro total (Soma) 2,54 vezes maior com o uso da tcnica de reduo
baseada na colocao ortogonal clssica. A razo do tempo de simulao entre os modelos
reduzidos e o modelo completo foi de 0,47 para a colocao ortogonal e 0,42 para o mtodo
dos momentos. Ou seja, alm de uma maior exatido na resposta
resposta obtida, o mtodo dos
momentos ainda levou a um esforo computacional menor.
45
0,0376
0,0958
Mximo
0,0020
0,0029
Topo
3x106
6,5x104
Fundo
1,4x105
3,7x104
Alimentao
0,0001
0,0014
Como possvel ver na Tabela 13, o mtodo dos momentos se mostrou mais
robusto e preciso na comparao com o mtodo da colocao ortogonal. O erro integral foi
aproximadamente 58% maior no mtodo clssico. Alm disso, a capacidade preditiva
durante o perodo transiente tambm foi bem superior para o mtodo dos momentos. O
modelo reduzido pelo mtodo da colocao ortogonal no foi capaz de prever, de maneira
46
satisfatria, o comportamento da coluna para tempos inferiores a 0,5 hora (o erro mximo
para os dois mtodos foi obtido neste regio, sendo o do mtodo clssico 1.629% maior).
1,00
Composio
0,95
0,90
0,85
0,80
0,75
0
0,5
1,5
Tempo (h)
Completa
Clssica (6x6)
Momentos (6x6)
Momentos (5x5)
Figura 11 Perfil obtido com a simulao dinmica da coluna de LINHART e SKOGESTAD (2011).
Tabela 13: Erros obtidos com a utilizao dos modelos reduzidos na simulao
dinmica da coluna de LINHART e SKOGESTAD (2011)
Erro Absoluto
Momentos (6x6)
Momentos (5x5)
Clssica (6x6)
Integral
0,0768
0,1290
0,1219
Mximo
0,0007
0,0088
0,0114
Razo do tempo de
CPU
(reduzido/completo)
0,41
0,38
0,55
1,00
0,99
Composio
0,98
0,97
0,96
0,95
0,94
0,93
0
0,5
1
Completo
1,5
2,5
Tempo (h)
Momentos
Tabela 14: Erros obtidos com a utilizao dos modelos reduzidos na predio da
resposta do sistema a uma perturbao na vazo de alimentao
Erro Absoluto
Momentos
LINHART e SKOGESTAD
(2011)
Integral
0,2090
0,2683
Mximo
0,0013
0,0021
0,26
0,15
49
colocao. Foram realizadas uma simulao do perfil de composio ao longo dos estgios
das colunas no estado estacionrio e uma simulao dinmica das mesmas.
Tabela 15: Especificaes da coluna de destilao
apresentada no exemplo 3 de KAMATH et al. (2010)
Nmero de pratos
19
Prato de alimentao
391,172
1,05
1,25
Perfil da Presso
Linear
Razo de refluxo
2.35
0,4
24
Prato de alimentao
11
79
467
1,2
1,5
Perfil da Presso
Linear
Razo de refluxo
0,2
76
1,00
0,90
0,80
Composio
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0
5
Completa
10
Estgio
Momentos
15
20
Clssica
Figura 13 - Perfil da composio nos estgios da coluna do exemplo 3 de KAMATH et. al. (2010) no estado
estacionrio.
A Tabela 17 nos mostra a comparao entre o erro obtido usando o mtodo dos
momentos e o mtodo da colocao ortogonal. O mtodo dos momentos conseguiu
con
representar de forma bastante satisfatria o perfil da frao molar do o-xileno
o
ao longo da
torre de destilao, enquanto o segundo apresentou um desvio considervel em comparao
51
Tabela 17: Erros obtidos com o uso dos modelos reduzidos na simulao do estado
estacionrio da coluna do exemplo 3 de KAMATH et al. (2010)
Erro Absoluto
Momentos (4:3)
Clssica
Soma
0,0829
0,3055
Mximo
0,0119
0,0474
Topo
1,4x104
0,0016
Fundo
1,1x104
0,0010
Alimentao
0,0097
0,0270
52
1,00
0,99
0,98
Composio
0,97
0,96
0,95
0,94
0,93
0,92
0,91
0,90
0
0,5
Completa
1
Classica
1,5
Tempo (h)
Momentos (4:3)
2,5
Momentos (3:3)
Figura 14 Perfil de composio do produto de topo obtido com a simulao dinmica da coluna do exemplo
3 de KAMATH et. al. (2010).
Tabela 18:: Erros obtidos com o uso dos modelos reduzidos na simulao dinmica
da coluna do exemplo 3 de KAMATH et. al. (2010)
Clssica (4:3)
Erro Absoluto
Momentos (4:3)
Momentos (3:3)
Integral
0,1033
0,1594
0,1647
Mximo
0,0173
0,0175
0,0195
EE
0,0008
0,0009
0,0025
Razo do tempo de
CPU
(reduzido/completo)
0,52
0,46
0,66
Para efeitos de ilustrao do que foi dito no pargrafo anterior, os resultados obtidos
com um modelo reduzido com quatro pontos de colocao em cada seo,
s
70 % de
reduo, tambm foram representados
representado nas Figuras 15 e 16 e Tabelas 19 e 20.
1,10
1,00
Composio
0,90
0,80
0,70
0,60
0,50
0,40
1
6
completa
11
16
Estgio
momentos 6x6
21
26
momentos 4x4
Figura 15 - Perfil da composio do produto de topo do estado estacionrio da 3 coluna de DORNEANU et.
al. (2008).
54
Tabela 19: Erros obtidos com a utilizao dos modelos reduzidos na simulao do
estado estacionrio da 3 coluna de DORNEANU et. al. (2008)
Erro Absoluto
Momentos (6:6)
Momentos (4:4)
Integral
0,0442
0,8438
Mximo
0,0201
0,0985
Topo
1,9x105
4,5x105
Fundo
0,0085
0,0260
Alimentao
1x104
4,9x104
55
1,001
Composio
0,999
0,997
0,995
0,993
0,991
0,989
0
1
completa
2
Tempo (h)
momentos 4x4
momentos 6x6
Figura 16 - Perfil obtido com a simulao dinmica da 3 coluna de DORNEANU et. al. (2008).
Tabela 20: Erros obtidos com a utilizao dos modelos reduzidos na simulao
dinmica da 3 coluna de DORNEANU et. al. (2008)
Erro Absoluto
Momentos (6:6) Momentos (4:4)
Integral
0,0025
0,0196
Mximo
0,0001
0,0015
EE
1,9x10
0,43
-5
4,5x10-5
0,39
25
Prato de alimentao
100
359,6
Presso (bar)
1,12
Razo de refluxo
0,985
69,6
Para as variveis termodinmicas, foram utilizadas as equaes de estado de SoaveRedlich-Kwong atravs do VRtherm integrado ao simulador de processos EMSO.
57
Os estgios escolhidos
escolhido como candidatos a prato timo de carga foram os estgios 8,
9,..., 22 (KAMATH et al. 2010) e os resultados so apresentados na Figura 17 e na Tabela
22.
Composio
0,945
0,94
0,935
8
10
12
14
16
18
20
Estgios
Completo
Momentos
Figura 17 Composio obtida para o produto de topo de acordo o estgio de alimentao escolhido.
16
0,5
*Modelo Agregado Suavizado, Soluo Inteira por Arredondamento e Melhor Soluo Inteira atravs de
Busca.
58
59
Composio
0,995
0,99
0,985
0,98
0,975
0
6
Momentos
10
12
14
16
Estgios
Completa
Figura 18 Composio obtida para o produto de fundo de acordo com o estgio de alimentao escolhido
Tabela 23: Resultados obtidos com o uso dos modelos reduzidos na otimizao do
prato de carga da coluna do exemplo 2 de KAMATH et al. (2010)
Erro Absoluto
Momentos KAMATH et al. (2010)
Prato timo
0,48
*Modelo Agregado Suavizado, Soluo Inteira por Arredondamento e Melhor soluo Inteira atravs de
Busca.
Neste caso as variveis livres escolhidas foram a razo de refluxo (RR) e a vazo de
destilado (D). A funo objetivo, apresentada em KAMATH et al. (2010), a ser
maximizada a seguinte:
% = 6QU = 50 (74)
7YQRPU = > 0,99 (75)
Matematicamente, o problema consiste em maximizar a funo objetivo
obedecendo restrio.
Para as variveis termodinmicas, foram utilizadas as equaes de estado de SoaveRedlich-Kwong atravs do VRtherm integrado ao simulador de processos EMSO.
Tabela 24: Resultados obtidos com a otimizao das variveis de controle para a
operao em regime estacionrio da coluna de destilao do exemplo 1 de
KAMATH et. al. (2010)
Completa Momentos
KAMATH et. al.
(2010)
RR
0,985
0,987
(0,975; 0,978; 0,978)*
D
69,6
69,8
70,707
Fobj
20,34
20,45
(21,96; 21,82; 21,82)
Razo do tempo de CPU
0,33
(0,62, 0,5, 0,875)*
(reduzido/completo)
*Modelo Agregado Suavizado, Soluo Inteira por Arredondamento e Melhor soluo Inteira atravs de
Busca.
62
Tabela 25: Resultados obtidos com a otimizao das variveis de controle para a
operao em regime estacionrio da coluna de destilao do exemplo 1 de PINTO e
BISCAIA (1987)
Completa Momentos
RR
4,272
4,256
D
11,883
11,900
Fobj
7,611
7,644
Razo do tempo de CPU (reduzido/completo)
0,75
Os resultados alcanados evidenciam a exatido e o poder de previso do modelo
reduzido. A diferena entre a soluo obtida com o uso dos dois modelos foi pequena. Para
a razo de refluxo o erro foi de 0,4% e para a vazo de destilado o erro foi de 0,1%. Os
valores encontrados para a funo objetivo tambm divergiram muito pouco, diferena de
0,4 %.
63
Tabela 26: Resultados obtidos com a otimizao das variveis de controle para a
operao em regime estacionrio da coluna de destilao do exemplo 2 de PINTO e
BISCAIA (1987)
Completa Momentos
RR
2,211
2,209
D
11,908
11,863
Fobj
9,697
9,654
Razo do tempo de CPU (reduzido/completo)
0,77
Assim como nos dois exemplos anteriores, a predio feita pelo modelo reduzido foi
bastante precisa. Os erros obtidos foram de 0,1%, 0,4% e 0,5% para a razo de refluxo, a
vazo de destilado e para a funo objetivo, respectivamente. Essas diferenas podem ser
consideradas pequenas frente a reduo de 23% do esforo computacional.
valor mximo da funo objetivo foram muito pequenos e, por outro lado, os ganhos
computacionais foram relevantes.
Por se tratar da mesma coluna do caso 4, item 5.4.1, a mesma quantidade de pontos
de colocao foi adotada, ou seja, trs pontos de colocao em cada seo, totalizando seis
pontos em toda a coluna. Acarretando em uma reduo de 76 % na ordem do sistema em
relao ao modelo completo.
destilado
correspondentes
ao
estado
estacionrio
desejado,
tempo
foi
de
0,99
Composio
0,94
0,89
0,84
0,79
0,74
0
0,2
0,4
0,6
0,8
1,2
1,4
Tempo (h)
RR e D constantes
66
Estado Final
Nmero de pratos
40
Prato de alimentao
21
Composio da carga
0,5
xD
0,9
0,99
D/F
0,555
0,5
L/F
2,737
.
(1 + ( 1). )
2,706
Termodinmica
(76)
% = . + (1 ). . J(5) t K (77)
sendo =106 e =105 parmetros apresentados no trabalho de SCHRODER e MENDES
(1999).
3,0
Vmx
3,5
Dmin
0,0
Dmx
0,755
68
grau de exatido bastante confivel, tanto para o modelo completo quanto para o modelo
reduzido.
0,96
0,95
Composio
0,94
0,93
0,92
0,91
0,90
0,89
0
10
12
14
16
18
20
Tempo (h)
x contnuo
x discreto
Figura 20 Comparao do perfil de composio obtido com a simulao do modelo completo contnuo com
o modelo completo discreto no tempo com 20 passos de discretizao.
0,96
0,95
Composio
0,94
0,93
0,92
0,91
0,90
0,89
0
10
12
14
16
18
20
Tempo (h)
x discreto
x contnuo
Figura 21 - Comparao do perfil de composio obtido com a simulao do modelo reduzido contnuo com o
modelo reduzido discreto no tempo com 20 passos de discretizao.
69
0,939
Razo de Refluxo
0,938
0,937
0,936
0,935
0,934
0
10
Tempo (h)
completa
momentos
Figura 22 Estratgia obtida para a razo de refluxo a fim de minimizar o tempo de partida da coluna de
SCHRODER e MENDES (1999).
10,04
10,02
Fobj
0,074
0,091
Razo do tempo de CPU (reduzido/completo)
0,61
Devido aos valores bastante prximos para a razo de refluxo, ao se usar o perfil
obtido com a utilizao do modelo reduzido para a simulao do modelo completo, e viceversa, a trajetria obtida praticamente a mesma. A seguir, a Figura 23 apresenta a
trajetria tima para a composio do produto de topo durante o regime transiente.
1,00
Composio
0,98
0,96
0,94
0,92
0,90
0,88
0
10
12
Tempo (h)
Completo
Momentos(5:5)
Momentos(5:3)
Figura 23 Perfil de composio do produto de topo quando utilizada a estratgia tima obtida para a razo
de refluxo.
Pela anlise da Tabela 30 e Figura 23, possvel afirmar que a reposta alcanada
com o uso do modelo reduzido com dez pontos de colocao bastante prxima obtida
com modelo completo.
erro mximo passou de 0,0011 para 0,0048, um aumento de 436% que se deu no incio da
curva, que corresponde fase inicial de operao. Embora o valor absoluto (0,0048) no
seja grande, o perfil obtido no incio da curva foi um pouco diferente do perfil obtido com o
modelo completo.
0,0124
0,0197
Mximo
0,0011
0,0048
EE
0,0002
0,0004
0,66
0,61
72
este necessita do resultado de uma simulao feita pelo EMSO. Os dois software se
comunicam online atravs da interface existente.
% = ( () t ) . (78)
V
obedecendo restrio:
> 0,99 (79)
Tabela 31: Especificaes da coluna de destilao utilizada
na otimizao da estratgia de partida
Nmero de pratos
92
Prato de alimentao
46
155
-22
4,8
Razo de refluxo
10
55
73
Sendo RRest a razo de refluxo desejada para a operao da coluna durante o regime
estabelecido. Os parmetros b, c e d, so os parmetros a serem determinados pelo
otimizador, obtendo assim, o perfil timo para a Razo de Refluxo.
Como se deseja que ao fim do transiente a coluna opere com a = t , a
= t + g. ( ) + 6. ( ) + . ( ) (81)
Alm disso, tem-se que:
= 0 (82)
5
Com isto, o parmetro b facilmente determinado:
= g + 2. 6. J K
+ 3. . J K
= 0 (83)
5
5
5
g = 0 (84)
Agora, a otimizao se resume a encontrar os valores dos parmetros c e d que
levam ao menor valor da funo objetivo (eq. 78).
Para as variveis termodinmicas, foram utilizadas as equaes de estado de SoaveRedlich-Kwong atravs do VRtherm integrado ao simulador de processos EMSO.
74
Aps verificar a confiabilidade da soluo obtida, foi realizada uma otimizao nos
mesmos moldes da realizada no caso 5. Ou seja, uma procura dos valores para o par de
variveis de controle, razo de refluxo e vazo de destilado, que levem o sistema ao regime
de estado estacionrio desejado para a operao da coluna, neste caso xD 0,99. No
entanto, garantindo um lucro mximo segundo a equao (74).
O motivo dessa otimizao preliminar foi simplesmente obter o valor desejado para
a Razo de Refluxo no Estado Estacionrio, valor o qual o polinmio deve atingir no .
Alm disto, procurou-se obter um perfil para a composio do produto de topo, o qual ser
usado para comparar com a soluo tima obtida.
51
51
RR
12,15
12,15
Pela Figura 24, possvel afirmar que os perfis timos para a razo de refluxo, a
serem usados como estratgia de partida da coluna, foram muito prximos. O maior erro
absoluto ocorreu no valor inicial da RR, diferena de 3,64 nos valores calculados pelos
mtodos. No entanto, levando-se em conta o valor da varivel calculada, o maior erro foi
1,12, obtido no tempo de 53 minutos, equivalendo a 8,21 % da varivel medida.
75
200
180
Razo de Recluxo
160
140
120
100
80
60
40
20
0
0
0,3
0,6
0,9
1,2
1,5
Tempo (h)
Completo
Momentos
Figura 24 Estratgia tima da razo de refluxo para a partida da coluna.
Avaliaes da Fobj
54
52
47,58
51,50
84,00
85,54
0,64
computacionais justificam o uso do modelo reduzido. Porm, para que seja possvel afirmar
que o modelo reduzido obteve uma resposta confivel e robusta, necessria uma anlise
especfica dos valores da funo objetivo. A Tabela 34 apresenta os valores da funo
objetivo obtidos quando das simulaes dos modelos da coluna com as duas estratgias
obtidas e com a utilizao da razo de refluxo constante e igual a 12,15.
Tabela 34: Comparao entre os valores da Fobj quando simulados os dois modelos
com ambas as estratgias obtidas pelas otimizaes
Estratgia do
Estratgia do
RR constante
Completo
Reduzido
Simulao de
Completo
1,100
1,110
13,322
Simulao do
Reduzido
0,971
0,964
15,795
77
1,00
Composio
0,95
0,90
0,85
0,80
0,75
0
0,3
0,6
RR constante
0,9
Tempo (h)
Completa
1,2
1,5
Momentos
Figura 25 - Perfil de composio durante a partida da coluna com a adoo de uma RR constante (12,15) e
com a adoo da estratgia tima.
Tabela 35: Erro obtido utilizando o modelo reduzido para a predio do perfil de
composio durante o regime transiente
Erro Absoluto
Momentos
Integral
0,0730
Mximo
0,0027
Estado Estacionrio
0,0011
78
Os baixos desvios obtidos com a utilizao do modelo reduzido mostram mais uma
vez a grande adaptabilidade e robustez do mtodo em simulaes dinmicas onde h
constantes alteraes nas variveis de controle, neste caso a razo de refluxo.
79
CAPTULO 5: CONCLUSO
Com o intuito de testar a aplicao do modelo reduzido em problemas tpicos do dia-adia de um profissional da rea da engenharia qumica, alguns problemas de separao em
estgios foram abordados na presente dissertao.
80
Cabe ressaltar que em todos os problemas tratados neste trabalho, os ganhos na reduo
do tempo de CPU foram muito mais relevantes do que os erros advindos da aproximao do
modelo completo. Ou seja, o modelo reduzido foi capaz de prever o comportamento do sistema
com muito mais rapidez que o modelo completo e com uma preciso similar, mostrando-se
assim, uma estratgia muito boa para o tratamento de problemas dinmicos com aplicao em
tempo real.
81
reduo baseado nos modelos agregados apresentados por LINHART e SKOGESTAD (2011) e
usados por KAMATH et. al. (2010).
Como sugesto para trabalhos futuros, seria bastante interessante a aplicao da tcnica
em outros problemas voltados operao em tempo real, como por exemplo: aplicaes de
inferncias e controle preditivo.
82
REFERNCIAS BIBLIOGRFICAS
CABALLERO, J.A., GROSSMANN, I.E., 1999, Aggregated models for integrated distillation
systems, AICHE Journal, v.38, pp. 2330-2344.
CARVALHO, C.R. de, 1996, Aplicao dos polinmios ortogonais discretos a modelagem e
simulao de processos de separao por estgios, Dissertao de Mestrado, UNICAMP,
So Paulo, SP, Brasil.
CHO, Y.S., JOSEPH, B., 1983a, Reduced-Order Steady-State and Dynamic Models for
Separation Processes PART I, AICHE Journal, v.29 , pp.261-269.
CHO, Y.S., JOSEPH, B., 1983b, Reduced-Order Steady-State and Dynamic Models for
Separation Processes PART II, AICHE Journal, v.29 , pp. 270-276.
CHO, Y.S., JOSEPH, B., 1984, Reduced-Order Steady-State and Dynamic Models for
Separation Processes PART III, Computers & Chemical Engineering, v.8 , pp.81 - 90.
CHOI, S. Y., KIM, H. S., LEE, K. S., YOO, K. P. e LEE, W. H., 1991, Reduced-Order
Distillation Model Using Collocation Method With Cubic Splines, Korean J. of Chem.
Eng., 8(1), pp 44-52.
83
DORNEANU, B., BILDEA, C. S., GRIEVINK, J., 2008, On the Application of Model
Reduction to Plantwide Control, Computer and Chemical Enginnering, 33, pp 699-711.
ESPAA, A., LANDAU, L.D., 1975, Bilinear Approximation of the Distillation Processes,
Automatica, v.6, pp. 1-10.
ESPAA, A., LANDAU, L.D., 1978, Reduced Order Bilinear Models for Distillation
Columns, Automatica, v.14, pp. 345-355.
KAMATH, R. S., GROSSMANN, I. E., BIEGLER, L. T., 2010, Aggregate models based on
improved group methods for simulation and optimization of distillations systems.
Computer and Chemical Engineering 34 p. 1312-1319.
KHOWINIJ, S., BIAN, M.A., HENSONA, E.C., BELANGERB, P., MEGANB, L., 2004,
Reduced Order Modeling of High Purity Distillation Columns for Nonlinear Model
Predictive Control, Proceeding of the 2004 American Control Conference Boston,
Massachusetts June 30 - July 2, 2004, pp 4237-4242
KHOWINIJ, S., BIAN, M.A., HENSONA, E.C., BELANGERB, P., MEGANB, L., 2005,
Compartmental Modeling of High Purity Air Separation Columns, Computers & Chemical
Engineering, v. 29 , pp.2096-2109.
KIM, H. S., LEE, K. S., YOO, K. P., LEE, W. H., PARK, H. S., 1989, Two-Part Modular
Reduced-Order Model for Multicomponent Multistage Distillation Columns, Journal of
Chemical Engineering of Japan, Vol. 22, n 1, pp 41-47
84
KIENLE, A., 2000, Low-Order Dynamic Models for Ideal Multicomponent Distillation
Processes Using Nonlinear Wave Propagation Theory, Chemical Engineering Science,
v.55, pp.1817-1828.
LVINE, J., ROUCHON, P., 1991, Quality Control of Binary Distillation Columns via
Nonlinear Aggregated Models, Automatica, v. 27, pp.463-480.
LINHART, A., SKOGESTAD, S., 2011, An aggregation model reduction method for onedimensional distributed systems, American Institute of Chemical Engineers Journal, v.
58, n. 5, pp. 1524-1537.
MUSCH, H.E., STEINER, M., 1993, Order Reduction of Rigorous Dynamic Models for
Distillation Columns, Computers & Chemical Engineering, v.17, pp. 311-316.
PINTO, J.C., BISCAIA, E.C., 1987, Order Reduction Strategies for Models of Staged
Separation Systems, Computers & Chemical Engineering, v.12 , pp. 821-831.
85
RAMASWAMY, R, C., SARAF, D. N., 2002, Reduced Order Modeling of a Crude Distillation
Unit for Online Applications, Journal of Chem. Eng. Of Japan, Vol. 35, N 8, pp 714-728.
RIBEIRO, L. D., 2011, Nova Tcnica de Reduo de Ordem de Modelo Baseada em Resduos
Ponderados no Domnio Discreto - PEQ/COPPE.
SCHRODER, A., MENDES, M. J., 1999, Time Optimal Control of Distillation Columns: A
Mixed IDP-SQP Approach. Computer and Chemical Engineering Supplement, p. 491-494.
SOARES, R. P., SECCHI, A. R., 2003, EMSO: A new environment for modeling, simulation
and optimization. 13o European Symposium on Computer Aided Process Engineering,
Laaperanta.
86
WAHL, E.F., HARRIOT, P., 1970, Understanding and Prediction of the Dynamic Behavior of
Distillation Column, Industrial & Engineering Chemistry Process Design Development,
v.9, n.3, pp. 396-407.
WELZ, M. L. S., MOLLER, K., CHAKRABORTY, A., 2008, Reduced Order Modeling of
Rate-Based Distillation Columns, Spring Meeting & 4th Global Congress on Process
Safety.
WONG, K.T., LUUS, R., 1980, Model Reduction of High-Order Multistage Systems by the
Method of Orthogonal Collocation, Canadian Journal of Chemical Engineering, v.58, pp.
382-388.
87
APNDICE I - PUBLICAES
Artigo publicado no ESCAPE ( European Symposium Computer Aided
Process Engineering)
88
1. Introduction
Processes described by large scale systems, such as stage separation processes, are
presented in all areas of chemical engineering. Rigorous dynamic mathematical models of
stage separation systems are normally described by high dimension systems of differentialalgebraic equations, making them impractical for real-time applications. In this context, to
obtain numerical solutions with lower computational cost, reduced order models are
eligible, mainly on real-time optimization and control applications. The objective of this
paper is to demonstrate that the weighted residuals technique can be used in any types of
distillation problems, such binary, multicomponent, dynamic and optimization problems.
Reduction of computational cost when reduced models, maintaining the predictive capacity
of complete model, is unequivocally presented. To solve these problems, we use the
software package for large-scale nonlinear optimization - IPOPT - Interior Point
OPTimizer, (https://projects.coin-or.org/Ipopt), the process simulator EMSO (Environment
for Modeling Simulation and Optimization, http://www.enq.ufrgs.br/alsoc), and for the
thermodynamic properties, we used the VRTherm package (http://www.vrtech.com.br).
n +1
j =0
n +1
Bi, j f x j (t ) + G xi (t ) +
+
i, j
h x j (t ) i = 1, , n .
j =0
89
90
Moments
0.0376
0.0011
0.0000
0.0000
0.0001
Integral
Max
CPU ratio
(reduce/compl
ete)
Linhart
&
Skogesta
d (2010)
0.2683
0.0021
0.15
0.2090
0.0013
0.26
Figure 2. Top composition step response for complete and reduced models.
3.2. Case 2
The second example is the column presented in Kamath et al. (2010). In the reduced
model, 3 internal points were used in each section (total number of points=6),
corresponding to 68% reduction in the full model dimension. These results are presented in
Figures 3 and 4 and the corresponding absolute deviations from the complete model are
shown in Tables 3 and 4.
Moments
0.6147
0.1120
0.0014
0.0001
0.0908
91
Moments
0.1001
0.0173
0.0008
0.52
Figure 4. Bottom composition step response for complete and reduced models.
3.3. Case 3
In this example, the objective was to maximize the mole fraction of top product
(benzene) selecting the optimal feed tray, Kamath et al. (2010). A direct search procedure
was applied, constructing the curve of top product composition versus feed tray location.
The obtained optimal feed location was stage 15 for the complete model and stage
16 for the reduced model. The corresponding computational time reduction was around
50%, showing the efficiency of reduced model application to the optimization problem.
3.4. Case 4
This example maximizes the profit rate of a distillation column through
manipulation of reflux ratio (RR) and distillate flow (D). This operation corresponds to find
the lowest reflux with a mole fraction of the top product (benzene) greater than 0.99
(Kamath et al., 2010). Mathematically, this case is represented by:
Profit = D 50 RR, restricted to xbenzene 0.99
Moments
0.987
69.8
20.45
26
92
Complete
0.985
69.6
20.34
79
The differences between the values of operational variables and objective functions
of the complete and reduced models are not significant, but the computational reduction
time was around 67%.
3.5. Case 5
This example illustrates the start-up of a distillation column looking for a dynamic
optimal strategy that reduces the initial transient period. Basically, this procedure consists
to maintain the zero-profit values of reflux ratio and distillate flow until the mole fraction
of the product (iso-butanol) reaches the specified top value of the desired product
(x
iso-butanol
0.99 )
, and then applying the stationary values of reflux ratio and distillate flow.
Using this technique, the initial transient time obtained was 0.5 hours, while using the final
stationary values of reflux ratio and distillate flow this time was around 1.1 hours (55% of
reduction).
The differences between the reflux ratio and distillate flow values in the complete
and reduced models are insignificant, but the reduction of computational time was around
70%.
93
4. Conclusions
The obtained results show the advantages of the methodology, emphasizing the
natural ability of the weighted residuals technique to deal with multicomponent systems
and changes in the feed location. The last ability comes from the adaptive nature of this
technique through the dynamic behaviour of quadrature points. Low computational costs
were obtained with the technique for binary systems, for multicomponent systems, and in
optimization problems revealing that this technique is appropriate for real-time
applications, and optimal design and operation of complex distillation systems.
References
L.D. Ribeiro, A.R. Secchi, E.C. Biscaia Jr., 2010, A new technique of model order
reduction based on weighted residuals in discrete domain, ESCAPE 20, Ischia, Naples,
1639-1644.
A. Linhart, S. Skogestad, 2010, Reduced distillation models via stage aggregation,
Chemical Engineering Science, 65, 34393456.
A. Linhart, S. Skogestad, 2009, Computational performance of aggregated distillation
models, Computers & Chemical Engineering, 33, 296308.
G. Wozny, P. Li, 2004, Optimisation and experimental verification of startup policies for
distillation columns, Computers & Chemical Engineering, 28, 253-265.
R.S. Kamath, I.E. Grossmann, L.T. Biegler, 2010, Aggregate models based on improved
group methods for simulation and optimization of distillation systems, Computers &
Chemical Engineering , 34, 13121319.
94