Escolar Documentos
Profissional Documentos
Cultura Documentos
Aprovada por:
________________________________________________
Prof. Enrique Luis Lima, D.Sc.
________________________________________________
Dr. Giovani Cavalcanti Nunes, Ph. D.
________________________________________________
Prof. Evaristo Chalbaud Biscaia Jr., D.Sc.
________________________________________________
Dr. Mário César Mello Massa de Campos
ABRIL DE 2006
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
SILVEIRA, MAGNO ANTONIO CALIL
RESENDE
Controle de um processo de tratamento
primário de petróleo [Rio de Janeiro] 2006
X, 96 p. 29,7 cm (COPPE/UFRJ, M.Sc.,
Engenharia Química, 2006).
Dissertação – Universidade Federal do Rio
de Janeiro, COPPE.
1. Controle de Processos.
2. Tratamento Primário.
3. Petróleo.
4. Controle Preditivo.
I. COPPE/UFRJ II. Título (série)
i
Aos meus pais, José Garcia da Silveira e
Cleonice Calil de Rezende Silveira, pela
dedicação, amor e carinho a mim
proporcionado.
ii
AGRADECIMENTOS
iii
Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos
necessários para a obtenção do grau de Mestre em Ciências (M.Sc.)
Abril/2006
iv
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
April/2006
As the product from off shore oil wells is a three phase fluid formed by oil, gas
and water, including various impurities, it requires a primary treatment. Oil and gas
represent products of relevant industrial economic interest, but the water is one of the
more undesirable contaminants in downstream oil and gas processes. Also, the
concentration of oil in the water phase should be a minimum to be returned to the sea.
To study the control of the primary treatment system the different equipments were
modeled and control strategies were implemented. These strategies were required to
cope with perturbations coming from the well, mainly in the form of a slugged flow,
satisfying operational and product quality constraints. The system was implemented in
SIMULINK/MATLAB to effectuate the simulations whose results are presented in this
work.
v
ÍNDICE
NOMENCLATURA VIII
1. INTRODUÇÃO 1
2. HISTÓRICO 4
3. REVISÃO BIBLIOGRÁFICA 6
3.1 Tratamento primário de petróleo 6
3.1.1.2 Hidrociclones 9
3.2 Modelagem 12
3.3 Otimização 21
vi
3.4.5 Controle PI 33
4.2 Hidrociclones 38
4.2.1.1 Vazão 39
4.2.1.2 Eficiência 43
5. SIMULAÇÕES E CONTROLE 56
5.1 Controle no separador trifásico 57
6. RESULTADOS E DISCUSSÃO 75
6.1 Nova configuração do sistema 88
7. CONCLUSÕES E SUGESTÕES 91
8. REFERÊNCIAS BIBLIOGRÁFICAS 94
vii
NOMENCLATURA
d : perturbação
D: : diâmetro do separador
M : horizonte de controle
P : horizonte de predição
viii
QoBOW: vazão no overflow do BOW
Qu : vazão no underflow do DC
S : matriz dinâmica
V : volume do separador
vt : volume total
ix
ηhc : eficiência de separação do hidrociclone
x
1. INTRODUÇÃO
Ao mesmo tempo, a concentração de óleo na água deve ser mínima (da ordem
de 40 a 20ppm) para o descarte regular da fase aquosa ao mar, de acordo com as
normas regulamentadoras ditadas por órgãos ambientais fiscalizadores.
O óleo é separado das outras fases e bombeado até os tratadores, que retiram
sais e resíduos de água. O gás, já separado do óleo e da água, é canalizado para
compressores, chegando com baixa pressão, em torno de 8,5 kgf/cm2.
1
forma-se uma segunda (emulsão óleo/água) denominada interface, e sobre esta
última, aparece uma camada de óleo relativamente limpa.
A água separada do óleo não pode ser jogada diretamente ao mar, pois
contém um residual de óleo acima dos padrões especificados para o seu descarte.
Esta água precisa ser tratada para condicioná-la ao descarte, e recuperar parte do
óleo nela presente na forma de emulsão. Ressalta-se que, na produção off shore, a
quantidade de água extraída aumenta com o envelhecimento dos poços.
2
Qin
PT
Gs
LTl
LTw
Ws
Ls
QoBOW
DPR
QoPDC
DPR
QoDC
DPR
Qu
3
2. HISTÓRICO
4
DC, acima mencionado. Apesar dessa tecnologia ter sido testada com sucesso para a
separação de óleos leves, pouco (ou nada) se conhece em termos da separação de
óleos pesados.
5
3. REVISÃO BIBLIOGRÁFICA
- a fase gasosa com fase líquida (óleo + água) carreada é encaminhada para a
UPGN (Unidade de Processamento de Gás Natural), após passar por torres de
absorção e/ou adsorção para retirada da fase líquida (desidratação) e de gases ácidos
(dessufurização). Em muitos casos, a corrente de gás pode ser queimada devido à
inviabilidade econômica do tratamento da mesma;
- a fase oleosa com água vai para tratadores eletrostáticos para a retirada de
água e outros compostos químicos (enxofre, sais, etc) até os limites aceitos para o
refino;
- e a fase aquosa com óleo passa para o tratamento de água, de onde ela
possa ser re-injetada nos poços ou descartada no mar. Nesse tratamento utilizam-se
flotadores e, mais recentemente, hidrociclones (MORAES, 1994).
6
3.1.1.1 Separador trifásico
7
Como todo equipamento de processo o separador também apresenta
problemas na operação. A seguir são listados os mais comuns (TRIGGIA et al, 2001):
8
3.1.1.2 Hidrociclones
9
Figura 3.2 - Desenho esquemático de um hidrociclone (TRIGGIA et al, 2001)
10
uma pré separação, que pode ser feita por meio de equipamentos parecidos, mas com
faixas de operação diferentes, com o teor de óleo na alimentação maiores. Surgiram
então os hidrociclones BOW (Bulk Oil-Water Cyclone) que buscam levar uma corrente
de alimentação com 15%-50% de óleo a um teor de, no máximo, 15% de óleo e os
PDC (Pré Deoiler Cyclone), projetados para, recebendo essa última corrente com, no
máximo, 15% de óleo, tratá-la até um teor de óleo da ordem de 20ppm (MORAES,
2005). Esta corrente estaria pronta para ser tratada pelo “tradicional” DC.
11
Estágio 1: geração da golfada Estágio 2: produção da golfada
Separador Separador
3.2 Modelagem
Um modelo é qualquer objeto, concreto ou abstrato, utilizado para explicar
algum tipo de fenômeno.
12
3.2.1 Modelagem Fundamental
.
x = f ( x, u ) (3.1)
0 = g ( x, u ) (3.2)
y = h ( x, u ) (3.3)
13
3.2.3 Modelagem do separador
sg
Gin Gout
Lin
Win
p
ht
hw hl
sw sl
Wout Lout
O modelo para a eficiência de separação das fases aquosa e oleosa pode ser
melhor verificado nos trabalhos citados anteriormente.
14
dh t (t ) 1
= (We (t ) + L e (t ) − L v (t ) − Ws (t )) (3.4)
dt 2 ⋅ C cs ⋅ h t (t )[D − h t (t )]
Do contrário:
dh t (t ) 1
= ⋅ (We (t ) + L e (t ) − L s (t ) − Ws (t )) (3.4’)
dt 2 ⋅ C cs ⋅ h t (t ) ⋅ [D − h t (t )]
onde
A vazão de fase oleosa por cima do vertedouro, Lv, a vazão de saída da fase
oleosa da câmara de óleo, Ls e a vazão de saída de água da câmara de separação,
Ws são dados por
K
L v (t ) = ⋅ {L vert − 0.2 ⋅ [h t (t ) − h vert ]}⋅ (h t (t ) − h vert )
1.5
(3.5)
60
cv max l ⋅ s l (t ) Ps (t ) + γ l ⋅ h l (t ) ⋅ 10 − Pjus
−4
L s (t ) = ⋅ (3.6)
70.028 G1
onde
Ps : pressão no separador
dh w (t ) 1
= {We (t ) ⋅ [1 − TOG ⋅ ef lw (t )] + L e (t ) ⋅ BSW ⋅ ef wl (t ) − Ws (t )}
dt 2 ⋅ C cs ⋅ h w (t )[D − h w (t )]
(3.8)
15
E, finalmente, para o nível de óleo na câmara de óleo hl, procede-se ao
balanço de massa da fase oleosa na câmara de óleo, podendo ocorrer duas
possibilidades:
dh l (t ) 1
= [L vert (t ) − L s (t )] (3.9)
dt 2 ⋅ C cl ⋅ h l (t ) ⋅ [D − h l (t )]
dh l (t ) dh t (t )
= (3.9’)
dt dt
• diminuição do nível dessa fase, pois entra menos água coletada na fase
oleosa (L e ⋅ BSW ⋅ ef wl ) .
dvwlcs (t )
= {Le (t ) ⋅ BSW⋅ [1 − efwl (t )] − Lvert (t ) ⋅ x wlcs (t )} (3.10)
dt
onde
xwlcs : fração volumétrica de água na fase oleosa da câmara de separação dada por
v wlcs (t )
x wlcs (t ) = (3.11)
v cs (t ) − v wcs (t )
16
Na equação 3.11, vcs é o volume da câmara de separação e vwcs é o volume da
fase aquosa na câmara de separação, dados por
C cs ⋅ D 2
v cs (t ) = {θ t (t ) − sen[θ t (t )] ⋅ cos[θ t (t )]} (3.12)
4
C cs ⋅ D 2
v wcs = {θ w (t ) − sen[θ w (t )] ⋅ cos[θ w (t )]} (3.13)
4
com
⎡ h (t ) ⎤
θ t (t ) = a cos ⎢1 − 2 t ⎥ (3.14)
⎣ D ⎦
⎡ h (t ) ⎤
θ w (t ) = a cos ⎢1 − 2 w ⎥ (3.15)
⎣ D ⎦
dv lwcs (t )
= We (t ) ⋅ TOG ⋅ [1 − ef lw (t )] − Ws (t ) ⋅ x lwcs (t ) (3.16)
dt
onde
xlfwcs : fração volumétrica de óleo na fase aquosa da câmara de separação, dado por
v lwcs (t )
x lwcs (t ) = (3.17)
v wcs (t )
dvwcl (t )
= [L vert (t ) ⋅ x wlcs (t ) − Ls (t ) ⋅ x wlcl (t )] (3.18)
dt
onde
xwlcl : fração volumétrica de água na fase oleosa da câmara de óleo, dada por
17
v wlcl (t )
x wlcl (t ) = (3.19)
v cl (t )
C cl ⋅ D 2
v cl = {θ l (t ) − sen[θ l (t )] ⋅ cos[θ l (t )]} (3.20)
4
com
⎡ h (t ) ⎤
θ l (t ) = a cos ⎢1 − 2 l ⎥ (3.21)
⎣ D ⎦
dPs (t ) [We (t ) + L e (t ) + G e (t ) − Ws (t ) − L s (t ) − G s (t )] ⋅ Ps (t )
= (3.22)
dt v t (t ) − v cs (t ) − v cl (t )
18
- É considerado fluxo axissimétrico longe da região de entrada.
ρ qR d
(Rq λ ) = d ⎛⎜ 1 d (Rq λ )⎞⎟ (3.23)
μ R dR dR ⎝ R dR ⎠
19
dz qz
= z(a ) = z inicial (3.24)
dR q R + U D
V0 R c dq λ V0 R c
qλ = e =− .
a
a dR a a2
zinicial é o valor da coordenada axial em que a velocidade axial reverte seu sinal.
20
3.3 Otimização
A otimização de um sistema consiste na determinação de suas variáveis
independentes, através de um modelo matemático do mesmo e um algoritmo de
programação matemática, com a finalidade de maximizar ou minimizar uma função
objetivo sem violar as restrições do referido sistema (ZANIN, 2001).
Não existe um único método que pode ser aplicado eficientemente para todos
os problemas. O método escolhido para um caso particular depende das
características da função objetivo, da natureza das restrições e do número de
variáveis do problema. Contudo, alguns passos devem ser observados na formulação
e solução de um problema de otimização, tais como análise do processo e suas
variáveis, determinação do critério para otimização e especificação da função objetivo
em termos das variáveis do processo, desenvolvimento do modelo para o processo,
relacionando as suas variáveis através de restrições de igualdade e desigualdade e
21
analise da solução obtida e a sua sensibilidade frente a variações em parâmetros do
modelo e suas considerações (hipóteses).
Para processos químicos essa tarefa não é tão simples, visto a complexidade
de fenômenos associados e falta de conhecimento aprofundado (e necessário) para
montar uma boa malha de controle que lida com várias mudanças ao longo do tempo.
22
restrições rígidas e flexíveis associadas ao processo, o que não acontece em muitas
outras técnicas de controle.
23
separação e do óleo da câmara de óleo e a pressão no vaso, manipulando as
respectivas vazões de saída. Mais recentemente, em 2005, FILGUEIRAS propôs uma
estratégia de controle descentralizado para o separador, utilizando controladores PI
para as mesmas variáveis usadas no trabalho de NUNES, 2001.
P − Po
DPR =
P − Pu
24
Po
Rejeito Oleoso
Pi
Pu
Água Oleosa
Figura 3.8 - Esquema do controle por DPR em hidrociclones
25
passado futuro
. . . . alvo
.
. .
. . . . . u(k
.
tempo
k k+1 k+P
horizonte
26
N -1
y(k) = ∑ s( j) ⋅ (u (k − j ) − u (k − j − 1)) + s ( N ) ⋅ (u (k − N ) − u (k − N − 1)) =
j=1
N -1
∑ s( j) ⋅ Δu (k − j ) + s(N ) ⋅ Δu (k − N )
j=1
(3.25)
N -1
y(k) = ∑ s( j) ⋅ Δu (k − j ) + s ( N ) ⋅ Δu (k − N ) + d (k ) (3.26)
j=1
⎡ N -1 ⎤
d̂(k ) = y med (k ) - yˆ ∗ (k ) = y med (k) - ⎢∑ s ( j) ⋅ Δu (k - j) + s(N ) ⋅ Δu (k - N)⎥ (3.27)
⎣ j=1 ⎦
27
n -1
ŷ ∗ (k + ν ) = ∑ S( j) ⋅ Δu (k + ν - j) + S (n ) ⋅ Δu (k + ν - N)
j=ν +1
ν = 1,2, ", P
Simplificadamente chega-se a
Se for exigido que as predições sejam iguais aos valores desejados ao longo
[ ] [ ]
Δ u (k ) = S ⋅ ŷ d (k) - ŷ ∗ (k) - d̂(k ) = S ⋅ ŷ d (k) - ŷ med (k) = S ⋅ ê(k )
−1 −1 −1
(3.30)
Desta forma resulta um sistema com mais equações (P) do que incógnitas (M),
que não tem solução, mas que pode ser aproximadamente resolvido como solução de
um problema de otimização que visa minimizar a soma das diferenças entre y d (k + ν )
e ŷ(k + ν ) , ao quadrado:
( )
Δu k
[ d
][
min y (k ) − ŷ(k ) y (k ) − ŷ(k )
T d
] (3.32)
28
O resultado é a “pseudo inversa” da matriz dinâmica.
Δ u (k ) = S ⋅ S [( )
T −1
]
S ⋅ ê(k )
T
(3.33)
y r (k ) = y med (k )
y r (k + ν ) = α ⋅ y r (k + ν − 1) + (1 − α ) ⋅ y d (k + ν ) ν = 1, ", P (3.34)
Δ u (k )
{[ r
] T
[
min y (k ) − ŷ(k ) ⋅ Γ ⋅ Γ ⋅ y (k ) − ŷ(k ) + Δ u (k ) ⋅ Λ ⋅ Λ ⋅ Δ u (k )
T r
] T T
} (3.35)
com
⎡γ 1 0 " 0⎤ ⎡λ 1 0 " 0 ⎤
⎢0 γ2 " 0 ⎥⎥ ⎢0 λ2 " 0 ⎥⎥
Γ=⎢ Λ=⎢
⎢# # # #⎥ ⎢# # # # ⎥
⎢ ⎥ ⎢ ⎥
⎣0 0 " γP ⎦ ⎣0 0 " λM ⎦
[(
Δ u (k ) = S ⋅ Γ ⋅ Γ ⋅ S + Λ ⋅ Λ
T T T
)
−1 T T
]
S ⋅ Γ ⋅ Γ ⋅ ê(k ) (3.36)
[
ê(k ) = y (k ) − ŷ (k ) − d̂ (k )
r ∗
] (3.37)
Δ U (k )
{[ r
] T
[
min y (k ) − ŷ(k ) ⋅ Γ ⋅ Γ ⋅ y (k ) − ŷ(k ) + Δ U (k ) ⋅ Λ ⋅ Λ ⋅ Δ U(k )
T r
] T T
} (3.38)
sujeito a
U ≤ U(k ) ≤ U
min max
Δ U ≤ Δ U(k ) ≤ Δ U
min max
y
min
(k ) ≤ ŷ(k ) ≤ y max (k )
29
Neste caso, não é possível uma solução analítica, devendo-se lançar mão de
um algoritmo de programação quadrática para obtenção das ações de controle.
- Δt – deve ser tal que possibilite uma boa performance de controle da malha
fechada e da computação on-line associada. Pequenos valores melhoram a
performance, mas requer longos horizontes de predição para capturar adequadamente
a dinâmica do processo, aumentando o gasto computacional; e grandes valores para
Δt reduzem o gasto computacional on-line, mas pode resultar em uma pobre
performance, tal como ringing.
30
- o processo pode ser representado por um modelo de respostas degrau
estável;
O modelo utilizado é
dV
= Qin − Qout (3.39)
dt
31
com
Qout = u ⋅ cv ⋅ ΔP (3.40)
Este modelo não considera o peso da coluna de líquido para um vaso (o que
faz sentido em vasos sob pressão)
dh
C⋅D = Qin − u ⋅ cv ⋅ ΔP (3.41)
dt
1 c ⋅ ΔP
h(s ) = Qin (s ) − v ⋅ u (s ) (3.42)
C⋅D⋅s C⋅D⋅s
m
dh
Qˆ in = C ⋅ D + Qout
m
(3.43)
dt
1 ⎡ dh m (τ ) ⎤
t
Qˆ in = ∫ ⎢C ⋅ D + Qout
m
(τ )⎥ dτ
T t −T ⎣ dτ ⎦
1⎡ m ⎤
t −T
C⋅D m
[ ]
t
Qˆ in = h (t ) − h m (t − T ) + ⎢ ∫ Qout (τ )dτ − ∫ Qoutm (τ )dτ ⎥ (3.44)
T T ⎣0 0 ⎦
Qˆ in (s ) =
C⋅D
( )
⋅ 1 − e −Ts ⋅ h m (s ) +
(
1 − e −Ts )
⋅ Qout
m
(s ) (3.45)
T T ⋅s
d
Qout (s ) = C⋅D
( )
⋅ 1 − e −Ts ⋅ h m (s ) +
(
1 − e −Ts )
⋅ Qout
m
(s ) (3.46)
T T ⋅s
32
m
Qout (s ) = Qoutd (s ) = u (s ) ⋅ cv ΔP (3.47)
u (s ) ⋅ c v ΔP =
C⋅D
⋅ 1− e(−Ts
)
⋅ h (s ) +
m (
1 − e −Ts )
⋅ u (s ) ⋅ c v ΔP (3.48)
T T ⋅s
[ ] (1 −T e⋅ s ) ⋅ u(s )
−Ts
u (s ) = K c ⋅ h d ( s ) − h m ( s ) + (3.49)
Trabalhando-se,
⎡
u (s )⎢1 −
(
1 − e −Ts ⎤ )
( ) (
⎡ T ⋅ s − 1 − e −Ts ⎤ ) [ ]
= ⎥ = K c ⋅ h (s ) − h ( s ) (3.50)
d m
⎥ u s ⎢
⎣ T ⋅s ⎦ ⎣ T ⋅s ⎦
chega-se a
u (s ) = K c ⋅
T ⋅s
T ⋅ s − 1 + e −Ts
[ ]
⋅ h d (s ) − h m (s ) (3.51)
Esta é a lei proposta para quando a variável controlada, o nível, estiver dentro
de uma faixa determinada.
⎡ t
⎤
u (t ) = u (t ) + K c ⋅ ⎢e(t ) + ∫ e(τ )dτ ⎥ (3.52)
⎣ 0 ⎦
3.4.5 Controle PI
33
concretizados. Contudo, vale ressaltar que o algoritmo aqui utilizado foi o de
velocidade.
⎡ 1
t
⎤
c(t ) = c s + K c ⋅ ⎢e(t ) + ∫ e(τ )dτ ⎥ (3.53)
⎣ τi 0 ⎦
⎡ ⎤
c(k ) = c(k − 1) + K c ⋅ ⎢e(k ) − e(k − 1) +
Ta
⋅ e(k − 1)⎥ (3.54)
⎣ τi ⎦
34
4. DESENVOLVIMENTO E IMPLEMENTAÇÃO DO
MODELO
ÓLEO
ÁGUA
GÁS
ÓLEO
ÁGUA
BOW ÓLEO
ÁGUA
PDC ÓLEO
ÁGUA
DC
ÁGUA
- o separador faz uma separação inicial das fases e envia a parte aquosa para
hidrociclones BOW;
35
- no PDC, mais óleo é retirado da fase aquosa, sendo esta encaminhada para
uma separação mais refinada nos hidrociclones DC;
36
Tabela IV.I – Valores dos parâmetros utilizados para o modelo do separador
Ccs 4,4 m
Ccl 1,0 m
D 1,8 m
hvert 0,867 m
Lvert 0,9 m
hplaca 0,025 m
base 0,9 m
comp 1,0 m
T 360 K
γl 855 Kgf/m3
γw 965 Kgf/m3
Gl 0,855
Gw 0,965
K 110,205
37
Água
Fase Áquosa
TOG
Concentração de óleo
Óleo Separador
Trifásico Pressão interna
BSW
Demais variáveis de
Gás interesse de controle
4.2 Hidrociclones
Para os hidrociclones BOW e PDC uma modelagem empírica foi desenvolvida e
será vista adiante. No caso dos DC’s, considerou-se a modelagem fenomenológica,
com o conjunto de equações diferenciais mostradas no item 3.2.4 (Modelagem de
hidrociclones).
Dessa forma, o valor utilizado para cada módulo de hidrociclones foi: 12 para o
BOW, 6 para o PDC e 4 para o DC.
38
Figura 4.3 - Fotografia do skid de teste montado pela PETROBRÁS
Vale ressaltar que o skid de teste conta com dois hidrociclones BOW em
paralelo, pois a vazão de alimentação é maior que 7,5 m3/h. Portanto, os experimentos
e os dados coletados, bem como os cálculos realizados para o BOW, foram realizados
para o par deste equipamento.
4.2.1.1 Vazão
De acordo com o próprio fabricante dos hidrociclones uma boa equação que
relaciona a vazão de alimentação (Qalimentação) e a perda de carga (que é a queda de
pressão na corrente inferior, ΔPu = Palimentação – Punderflow) é
39
Sabe-se que o valor de β na equação (4.1) é de aproximadamente 0.5 (NUNES
e SILVEIRA, 2005 e MORAES et al., 2005). Então, fazendo-se uma estimação de
parâmetros para os dados selecionados para os hidrociclones BOW e PDC,
relacionando a vazão de alimentação e a perda de carga, chega-se aproximadamente
a:
Model: Vazao=a*DP**B
y=(132.302)*x**(.548897) com R =.97919072
200
180
160
Vazão de alimentação (Kg/min.)
140
120
100
80
60
40
20
0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8
Perda de Carga
40
Model: Vazao=a*DP**b
y=(82.6836)*x**(.426) com R =.96842434
100
80
Vazão de alimentação (Kg/min.)
60
40
20
0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4
Perda de Carga
Então, traçando-se uma linha de tendência aos dados selecionados, num gráfico
de vazão da corrente superior pela sua queda de pressão, chega-se aproximadamente
a:
41
Figura 4.6 - Gráfico da relação entre vazão no overflow e sua queda de pressão (BOW)
Figura 4.6 - Gráfico da relação entre vazão no overflow e sua queda de pressão (PDC)
É importante perceber que a maior parte dos dados estão contidos em uma
determinada faixa (proximidades do ponto normal de operação), onde poderia ser
utilizada até mesmo a equação de uma reta. Contudo, isso não foi feito porque uma
42
vazão diferente de zero poderia originar quando a queda de pressão nas linhas fosse
zero.
Outro fato que chama a atenção é a alta dispersão dos dados para a relação
entre a vazão e a queda de pressão na linha superior dos dois hidrociclones, levando a
um coeficiente de ajuste baixo. Entretanto, a utilização dessas relações não causou
problemas na análise de estratégias de controle, principal objetivo deste trabalho.
4.2.1.2 Eficiência
Partiu-se então para a obtenção de uma relação para a eficiência versus o split
para faixas de concentração de óleo na vazão de alimentação. Com valores médios
para as vazões e com as concentrações (obtida através de análise laboratorial) em
cada corrente, fez-se um balanço de massa para cada componente (água e óleo) e com
os dados resultantes (porção de óleo que entrou no hidrociclone e saiu no overflow e de
água que entrou no hidrociclone e saiu no underflow), plotaram-se gráficos de eficiência
de separação de óleo no overflow e de separação de água no underflow versus split,
por faixas de concentração de óleo na alimentação, para o BOW e o PDC.
43
1
Ef = (4.7)
1 + a ⋅ e b⋅Split
#7
#3 #13 #10 #9
0.8 #15 #9 0.8 #8 #10
#11
#2 #2
#17 #4
#12 #1
#14 #3
0.6 0.6
#16
EF
EF
#5
0.4 0.4
#4
#7
0.2 0.2
#6 #6 #11
0.0 0.0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
SPLIT SPLIT
y=1/(1+(367.235)*exp((-13.67)*x)) -R =.9717722
1.0
#8
0.8
#6
0.6
#5
#2
#1
EF
0.4
0.2
#4 #7
0.0
0.0 0.2 0.4 0.6 0.8 1.0
SPLIT
Figura 4.7 - Curvas com estimação de parâmetros para eficiência de separação de óleo
(BOW)
44
y=1/(1+(.050771)*exp((5.77305)*x)) -R =.97976636 y=1/(1+(.029198)*exp((6.8447)*x))R- =.972363
1.0 1.0
0.8 0.8
#7 #9
#5 #2#3 #8
#15
#17
#14
#16#11 #3 #10
#13
#4 #4 #11
0.6 #12#1 0.6
#9 #2
#1
EF
EF
0.4 0.4 #7
#10
0.2
0.2
#19 #8
0.0 #13 #5
0.0 0.2 0.4 0.6 0.8 1.0 0.0
0.0 0.2 0.4 0.6 0.8 1.0
SPLIT
SPLIT
y=1/(1+(.010952)*exp((8.93239)*x))R- =.98700726
1.0
#10
0.8
#9
#5
#4
#2
#8
#3
#11
0.6 #1
EF
0.4
0.2
#13 #6
0.0
0.0 0.2 0.4 0.6 0.8 1.0
SPLIT
1 1
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
Ef
Ef
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Split Split
Ef - 13-18 Ef - 18-22 Ef - 22-30 Operação Ef - 13-18 Ef - 18-22 Ef - 22-30
45
demora a desprender dos eixos SPLIT para Ef = 0 e Ef=1, mas a inflexão se dá mais
rapidamente. Para o PDC, isso também pode ser observado, como mostram as figuras
a seguir.
0.6 0.6
EF
EF
0.4 0.4
0.2 0.2
#7 #7 #11
0.0 0.0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
SPLIT SPLIT
y=1/(1+(5869.65)*exp((-27.612)*x))R- =.9999998
1.0
0.8 #2
0.6
EF
#3
0.4
0.2
#5
0.0
0.0 0.2 0.4 0.6 0.8 1.0
SPLIT
46
y=1/(1+(.062004)*exp((5.55417)*x)) -R =.98975547 y=1/(1+(.046362)*exp((5.83153)*x))R- =.99375031
1.0 1.0
#10
0.8 #17 0.8 #14
#11
#13
#12 #12
#9
#16
#7 #11
#6 #15
#10
#2#14 #13#9
#8 #6
#2
0.6 0.6 #3
#4
#5
#3
EF
EF
0.4 #1
0.4
#1
0.2 0.2
#4 #8
0.0 0.0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
Split SPLIT
y=1/(1+(.041801)*exp((5.96383)*x))R- =.98549822
1.0
0.8
#3 #2
0.6
#1
EF
0.4
0.2
#4
0.0
0.0 0.2 0.4 0.6 0.8 1.0
SPLIT
1 1
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
Ef
Ef
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Split Split
Ef - 1-7 Ef - 7-13 Ef - 13-17 Operação Ef - 1-7 Ef - 7-13 Ef - 13-17
47
Uma outra análise que pode ser feita através dos gráficos de eficiência de
separação do óleo para o BOW e o PDC é que, para um mesmo valor de split, o PDC
apresenta um melhor desempenho, fato também observado na prática.
Essa consideração é razoável uma vez que a maioria dos valores coletados
para a concentração de óleo na alimentação dos hidrociclones se encontra nas
proximidades do ponto de operação do processo e das curvas adotadas.
BOW PDC
Separação de óleo no 1 1
Ef = (4.8) Ef = (4.9)
overflow 1 + 55 ⋅ e −10,6⋅Split 1 + 950 ⋅ e − 27 ,5⋅Split
Separação de água no 1 1
Ef = (4.10) Ef = (4.11)
underflow 1 + 0,029 ⋅ e 6,84⋅Split 1 + 0,046 ⋅ e 5,83⋅Split
48
Fase
Aquosa
Fase Oleosa
overflow
Hidrociclone
% de Óleo
Fase Aquosa
underflow
Pressão
Rc 0,0175 m
zinicial 1,337 m
a 0,0015 m
μ 0,001 Kg/m/s
49
4.3 Operação do sistema
Concluída a implementação de todas as funções dos equipamentos utilizados
na modelagem, o sistema foi acoplado conforme mostrado na figura 4.1, não sendo
considerada ainda a malha de controle, que será vista no capítulo a seguir.
Overflow do BOW 49
Overflow do PDC 47
Overflow do DC 50
Underflow do DC 40
50
Figura 4.14 - Resultados do separador obtidos com os dados da Tabela IV.IV
51
Figura 4.15 - Resultados do hidrociclone BOW obtidos com os dados da Tabela IV.IV
52
Figura 4.16 - Resultados do hidrociclone PDC obtidos com os dados da Tabela IV.IV
A tabela a seguir mostra os dados fornecidos vindos de vários poços para dois
separadores de produção, utilizados para estimativa do valor de TOG. O valor de BSW
foi considerado o mesmo do de TOG, de 0,3 volume/volume.
53
Tabela IV.V - Valores reais de vazões bruta e de óleo na alimentação do separador
Separador A Separador B
Vazão de óleo
Vazão de óleo (m3/d) Vazão Bruta Vazão Bruta
(m3/d)
113.162 413.00 156.45 1043.00
87.72 1032.00 172.2 600.00
113.295 415.00 218.88 288.00
66.511 293.00 127.395 285.00
100.92 696.00 65.193 701.00
58.735 691.00 55.2 120.00
47.26 556.00 81.43 958.00
81.198 1041.00 34.825 35.00
216.398 533.00 62.05 73.00
315.52 493.00 42 350.00
91.105 665.00 96.266 758.00
253 253.00 146.888 854.00
140.532 196.00
326.012 596.00
179.208 786.00
353.276 868.00
72.076 148.00
71.1 79.00
63.36 64.00
Total: 1544.8 7081.0 2464.341 9095.00
Teor de
óleo 21.8% 27.1%
54
Figura 4.17 - Perfil de golfadas para o líquido adotado para as simulações
55
5. SIMULAÇÕES E CONTROLE
56
coincidência, o tempo de amostragem do controlador e o referido intervalo de tempo
de integração tiveram o mesmo valor.
57
multivariável. Naquelas em que as malhas de controle foram consideradas
descentralizadas, utilizou-se controle de DPR em todos os hidrociclones, adotando a
lei de controle PI (conforme equação 3.54) para os controladores, e para as
multiváriaveis, somente o DC contou com controle de DPR.
- calcula-se o valor do split (considerado ideal) para obter tal eficiência, a partir
das equações 4.8 e 4.9, para BOW e PDC, respectivamente;
Após este cálculo iterativo, onde o split ideal é encontrado, calcula-se o valor
da DPR ideal (que será o setpoint do controlador por DPR do hidrociclone) para a
próxima ação de controle, utilizando-se as equações cedidas pela PETROBRÁS:
⎛ 1 ⎞
⎜ −1⎟
1 ⎟
log⎜
Split
- BOW: DPR = − (5.1)
2,04 ⎜ 30,35 ⎟
⎜ ⎟
⎝ ⎠
⎛ 1 ⎞
⎜ −1⎟
1 ⎟
log⎜
Split
- PDC: DPR = − (5.2)
1,365 ⎜ 24,38 ⎟
⎜ ⎟
⎝ ⎠
58
5.2.1 Estratégias utilizando DPR em todos os hidrociclones
K (% kgf/cm2)
Ta (s) TI (s)
Bandas 1 PI1 MPC1
A estimativa inicial para estes valores foi baseada mais uma vez no trabalho de
FILGUEIRAS (2005), tomando como base o controlador de lei PI do hidrociclone DC,
sendo necessário um ajuste fino para se chegar aos valores atuais.
10 900 -200,0
1
Refere-se ao controle adotado para o nível da interface água/óleo
59
Tabela V.IV – Parâmetros do controlador por bandas
TI (s) K (%m)
Ta (s) T (s)
(fora da banda) fora da banda dentro da banda
Ta (s) N P M Γ Λ
10 1200 300 1 60 30
60
Figura 5.1 – Variação na carga do processo
61
são prejudiciais aos processos a jusante. É importante lembrar que os valores de
setpoint da DPR do BOW e do PDC variam de acordo com seus split’s, que podem
sofrer variação com a mudança da carga no processo, pois existe variação na abertura
de todas as válvulas do sistema.
62
Figura 5.4 - Resultados obtidos para variação nos setpoint’s (estratégia PI)
63
será visto no próximo capítulo, considerando-se uma alimentação com golfadas, a
estratégia MPC com N igual a 1200 mostra comportamento satisfatório. Valores
menores para N e P foram testados sem sucesso, para a mesma alimentação.
N grande N pequeno
64
Qin
PT
Gs
LTl
LTw
Ws
LTw Ls
QoBOW
LTw
QoPDC
QoDO
DPR
Qu
Ta (s) N P M Γ Λ
10 100 30 1 80 300
65
Os gráficos a seguir mostram o comportamento das variáveis de controle do
sistema, em malha fechada, dando um degrau de 20% na carga do processo, e no
setpoint das variáveis nível da interface para as estratégias de controle MPC e PI.
Figura 5.7 - Resultados obtidos para variação na carga (estratégias MPC e PI)
66
Figura 5.8 - Variação no setpoint do nível da interface (estratégias MPC e PI)
Como pode ser visto nas figuras 5.9, 5.10 e 5.11, as dinâmicas das
concentrações de óleo no underflow do BOW e do PDC são muito rápidas, ao
contrário do nível da interface água/óleo, onde há uma demora de aproximadamente
180 minutos para estabilização.
67
Figura 5.9 - Respostas das variáveis para uma variação de 2% na válvula do BOW
Figura 5.10 - Respostas das variáveis para uma variação de 2% na válvula do PDC
68
Figura 5.11 - Respostas das variáveis para uma variação de 2% na válvula do DC
69
Tabela V.VIII – Parâmetros do controlador MPC 3x3
Γ (controladas) Λ (manipuladas)
N P M
hw PDC BOW hw PDC BOW
80 25 1 20 40 20 45 45 80
Γ (controladas) Λ (manipuladas)
N P M
PDC BOW PDC BOW
40 8 3 15 1 1 10
TI (s) K (%m)
Ta (s) T (s)
(fora da banda) fora da banda dentro da banda
70
Figura 5.12 - Resultados obtidos para variação na carga (estratégia MPC 3x3)
Figura 5.13 - Resultados obtidos para variação nos setpoint’s (estratégia MPC 3x3)
O mesmo estudo para o MPC 2x2 associado ao controle por bandas não foi
possível devido ao motivo de o controle por bandas utilizar uma inferência da vazão de
71
saída do underflow do DC para cálculo da média móvel desta vazão, permanecendo
oscilante.
Uma vez definidas as vazões que saem do DC, o restante em relação à vazão
mássica da fase aquosa que deixa o separador corresponde à soma das vazões
mássicas que saem pelo overflow dos módulos de hidrociclones BOW e PDC.
Mantendo essa soma, as vazões individuais podem ter um valor otimizado visando
aumentar a saída de óleo por essas correntes.
(
J = 1 − x Ov
BOW
) (
+ 1 − x Ov
PDC
) (5.3)
Dada a vazão mássica que entra no módulo BOW, Q eBOW , e sua fração
mássica de óleo, x eBOW , a fração mássica que sai no overflow é calculada em função
Da mesma forma, dada a vazão mássica de óleo que entra no módulo PDC,
(Q PDC
e )
⋅ x ePDC , a fração mássica que sai no overflow é calculada em função da
72
Efetuando-se um balanço de massa no PDC, tem-se:
QePDC = QOv
PDC
+ QOv
DC
+ QUn
DC
(5.6)
Por sua vez, o balanço de massa global no conjunto de hidrociclones deve ser
satisfeito, isto é:
Q eBOW = Q Ov
BOW
+ Q Ov
PDC
+ Q Ov
DC
+ Q DC
Un (5.7)
⎡ ⎤
⎢ 1 ⎥ (QOv
BOW
+ QOv
PDC
+ QOv
DC
+ QUn
DC
)⋅ xeBOW
BOW
xOv =⎢ ⎛ BOW ⎞ ⎥ BOW
(5.8)
⎢ −10.6⋅⎜ BOW
⎜Q
QOv ⎟
DC ⎟ ⎥
QOv
+ PDC
+ DC
+
⎣1 + 55 ⋅ e ⎝ Ov Un ⎠
⎦
QOv QOv Q
⎡ ⎤
PDC ⎢
=⎢
1 [
⎥ (QOv
PDC
+ QOv
DC
+ QUn
DC
)⋅ xePDC ] (5.9)
⎞ ⎥
xOv ⎛ PDC
Q PDC QOv
− 27.5⋅⎜ PDC OvDC ⎟
⎢ ⎜Q DC ⎟ ⎥
⎝ e + QOv + QUn ⎠
⎣1 + 950 ⋅ e ⎦
Foi assumido que os valores de xeBOW e xePDC são conhecidos, obtidos através
de medidas (ou inferidos).
⎛ ⎞ ⎛ ⎞
⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜
J = ⎜1 −
( BOW
QOv + QOv PDC
+ QOv DC
+ QUn DC
) ⋅ xeBOW ⎟ ⎜ ( PDC
QOv + QOv DC
+ QUn DC
).xePDC ⎟
⎟ + ⎜1 − ⎟
⎜ ⎡ ⎟⎤ ⎟ ⎜ ⎡ ⎟⎤
⎛ BOW ⎞ ⎛ Q PDC ⎞
⎟
QOv
−10.6⋅⎜ BOW − 27.5⋅⎜ PDC OvDC
⎜Q DC ⎟ ⎜Q DC ⎟
⎢ + + + Un ⎠ ⎥ ⎢ + + Un ⎠ ⎥
PDC DC
⎜ 1 + 55 ⋅ e ⎝ Ov
⋅ QOv ⎟ ⎜ 1 + 950 ⋅ e ⎝ e
⋅ QOv ⎟
QOv QOv Q BOW Q Ov Q PDC
⎜ ⎢ ⎥ ⎟ ⎜ ⎢ ⎥ ⎟
⎝ ⎣ ⎦ ⎠ ⎝ ⎣ ⎦ ⎠
(5.10)
BOW PDC
Derivando a equação 5.10 em relação às variáveis de decisão, Q Ov , Q Ov ,e
∂J
=0 (5.11)
∂QOv
BOW
∂J
=0 (5.12)
∂QOv
PDC
73
obtém-se um sistema cujas incógnitas são as variáveis de decisão que otimizam a
função J. A resolução deste sistema resulta nas vazões de overflow do BOW e PDC.
Para esta estratégia não foi feito qualquer estudo de variação degrau na carga
ou no setpoint. Os parâmetros utilizados para os controles por bandas e DPR foram os
mesmos das tabelas V.X e V.II.
74
6. RESULTADOS E DISCUSSÃO
75
No sistema utilizando-se somente controle de DPR em todos os hidrociclones,
verifica-se uma ineficiência na separação do óleo da fase aquosa (onde a
concentração é sempre superior a 200ppm), principalmente quando um controle PI é
empregado para controlar o nível da interface água/óleo, conforme visto na figura 6.2.
Observa-se ainda, do mesmo gráfico, que o controle por bandas para o nível da
interface apresenta melhor performance, permanecendo mais constante.
76
Figura 6.3 - Gráfico comparativo da vazão de fase aquosa saindo do separador -
estratégias de controle empregando controlador DPR em todos hidrociclones
77
se utilizar o controle por bandas para o nível da interface, uma vez que para esta
estratégia as concentrações no underflow do BOW e PDC também permanecem mais
constantes que nas outras duas estratégias.
78
estáveis para as concentrações no underflow, explicando a melhor performance
quando se utiliza o controle por bandas. Já com o controlador PI, sem considerar
bandas, as ações de controle não são tão suaves, apresentando os piores
comportamentos, como verificado nos gráficos.
79
Figura 6.7 - Gráfico comparativo da concentração de óleo no underflow do DC -
estratégias de controle empregando controlador DPR somente no DC
A figura 6.8 mostra o gráfico do fluxo de fase aquosa que deixa o separador
para as mesmas estratégias exibidas na figura 6.7.
80
conseqüência disso apresentou a pior performance entre as três estratégias na
separação de óleo da água.
81
Figura 6.10 - Gráficos comparativos para o BOW e PDC - estratégias de controle
empregando controlador DPR somente no DC
82
Figura 6.11 - Gráfico comparativo do nível da interface água/óleo - estratégias de
controle empregando controlador DPR somente no DC
Ainda com controle por DPR somente no DC, mas considerando-se agora as
estratégias multivariáveis, observa-se que a concentração na saída do sistema
ciclônico é superior do que aquela observada na análise anterior, como pode ser visto
na figura 6.12.
83
Neste caso, verifica-se que o controle preditivo multivariável 3x3, onde são
controlados o nível e as concentrações de óleo no underflow do BOW e do PDC com
um MPC, é ligeiramente melhor do que as outras duas estratégias, principalmente na
segunda metade da simulação.
84
Figura 6.14 - Gráfico comparativo da eficiência do DC - estratégias multivariáveis
85
Constata-se, observando a figura 6.15, que a performance total na separação
de óleo e água na estratégia que utiliza otimização das vazões de overflow do BOW e
do PDC, se deve principalmente ao desempenho individual do BOW, cuja
concentração de óleo no underflow chega a 5%. Obviamente, para isto ocorrer é
necessário que a válvula do overflow deste equipamento permaneça bem aberta,
elevando-se seu split e, conseqüentemente, sua eficiência. Para o PDC,
comportamento inverso é notado: para essa mesma estratégia, a concentração de
óleo no underflow do PDC é maior do que nas outras duas estratégias, pois a válvula
do overflow deste equipamento permanece um pouco mais fechada (quando se utiliza
otimização), reduzindo-se seu split e, conseqüentemente, sua eficiência. Estes
resultados podem ser observados na figura 6.16.
86
Figura 6.17 - Gráfico comparativo do nível da interface - estratégias multivariáveis
87
Figura 6.19 - Fluxo e nível da interface do S.T. para as duas melhores estratégias
Desta forma, com a finalidade de reduzir o efeito das golfadas sobre o nível da
interface água/óleo, elaborou-se uma nova configuração para o processo, onde
hidrociclones seriam incluídos paralelamente aos módulos já existentes do BOW, PDC
e DC. Estes entrariam em operação caso um certo valor para o nível da interface
dentro do separador fosse atingida (no caso, esse nível variou de acordo com as
estratégias empregadas: 0,55m, 0,6m ou 0,65m). Após retorno do nível para um valor
inferior ao estipulado, tais equipamentos deixariam de operar, retornando à
configuração normal.
88
Q
Qgs
Qas
Qos
QoBOW
Inclusão de hc
dependendo do
nível da interface
QoPDC
QoDC
Qu
Verifica-se que essa nova configuração foi bem sucedida somente no caso em
que foi empregada a estratégia com controle PI na interface, utilizando-se DPR em
todos os hidrociclones, conforme mostra a figura 6.21. Mesmo assim, não foram
atingidos valores dentro do desejado (aproximadamente 200ppm) para a concentração
final de óleo. Nas outras estratégias não houve melhora, ocorrendo algumas vezes até
uma piora no resultado final. As figuras 6.22 e 6.23 mostram os resultados produzidos,
neste caso, empregando-se bandas para controlar a interface, com DPR em todos os
hidrociclones e o controle preditivo multivariável (3x3), respectivamente.
89
Figura 6.21 - Resultados usando a nova configuração (estratégia PI)
Nenhum resultado para as demais estratégias foi mostrado para essa nova
configuração justamente porque não produziu efeitos relevantes para o processo.
90
7. CONCLUSÕES E SUGESTÕES
91
regime de golfadas é bastante incerto na prática, podendo variar a amplitude além do
estudado aqui, proporcionando grandes variações no nível da interface, originando
ações de controle muito fortes para as válvulas do BOW e do PDC, podendo
comprometer todo o processo de separação ciclônico.
92
em questão), acoplada a este sistema SIMULINK, representando um processo de
tratamento em plataformas.
93
8. REFERÊNCIAS BIBLIOGRÁFICAS
APEX, P. S. P., 2002, Oil and Water Separation Using Deoiler Cyclones in the Oil and
Gas Industry. V. 1.1. Beenleigh, Australia.
BIRD, R. B., STEWART, W. E., LIGHFOOT, E. N., 1960, Transport Phenomena. New
York, John Wiley & Sons.
CAMPO, P. J., MORARI, M., 1989, “Model Predictive Optimal Averaging Level
Control”. AIChE Journal, v. 35, nº 4, pp. 579-591.
COOPER, D. J., DOUGHERTY, D., 2003, “Tuning guidelines of a DMC for integrating
(non-self regulating) processes”. Ind. Eng. Chem. Res., v. 42, nº 8, pp. 1739-
1752.
GARCIA, C. E., PRETT, D. M., MORARI, M., 1989, “Model predictive control: theory
and practice, a survey”. Automatica, v. 25, pp. 335-348.
HENSON, M. A., 1998, “Nonlinear Model Predictive Control: Current Status and Future
Directions”, Computers & Chemical Engineering, v. 23, pp. 187-202.
LUNDSTÖM, P., LEE, J. H.; MORARI, M., SKOGESTAD, S., 1995, “Limitations of
dynamic matrix control”. Computers & Chemical Engineering, v. 19, nº 4, pp. 409-
421.
MCDONALD, K. A., MCAVOY, T. J., 1986, “Optimal Averaging Level Control”. AIChE
Journal, v. 32, nº 1, pp. 75-86.
MEADOWS, E. S., RAWLINGS, J. B., 1997, “Model Predictive Control”. In: Henson, M.
A., Seborg, D. E. (Eds). Nonlinear Process Control, Chapter 5, Englewood Cliffs,
N.J., USA, Prentice-Hall.
94
MORARI, M., LEE, J. H., 1999, “Model predictive control: past, present and future”.
Computers & Chemical Engineering, v. 23, pp. 667-682.
NUNES, G. C., 2001, Design and Analysis of Multivariable Predictive Control Applied
to an Oil-Water-Gas Separator. Ph. D. dissertation, University of Florida, Florida,
USA.
NUNES, G. C., 2004, Controle por Bandas para Processamento Primário: Aplicação e
Conceitos fundamentais, PETROBRÁS - Comunicação Técnica.
OGUNNAIKE, B. A., RAY, W. H., 1994, “Process Dynamics, modeling and control”.
New York, NY, Oxford Press.
PETERSON, T., HERNÁNDEZ, E., ARKUN, Y., 1992, “A Nonlinear DMC Algorithm
and its Application to a Semibath Polymerization Reactor”. Chemical Engineering
Science, v. 47, pp. 737-753.
SCANDPOWER, P. T., 2000, User’s Manual OLGA 2000. V. 4.17. Kjeller, Norway.
STOKKE, S., STRAND, S., SJONG, D., 1995, “Model Predictive Control (MPC) of a
Gas-Oil-Water Separator Train”. In: Methods of Model Based Process Control,
Vol. 293, pp 701-713, Netherlands.
TRIGGIA, A. A., CORREIA, C. A., FILHO, C. V., et al., 2001, “Processamento Primário
de Fluidos”. In: Thomas, J. E., Barros, V., Santos, C. L., Fernandes, E.,
Fundamentos de Engenharia de Petróleo, 2ª ed., Capítulo 9, Rio de Janeiro,
Brasil, Editora Interciência.
WOLBERT, D., MA, B. F., AURELLE, Y., 1995, “Efficiency Estimation of Liquid-Liquid
Hydrocyclones Using Trajectory Analysis”. AIChE Journal, v. 41, nº 6, pp. 1395-
1402.
95
ZANIN, A. C., 2001, Implementação Industrial de um Otimizador em Tempo Real. Tese
de D.Sc., Escola Politécnica/USP, São Paulo, SP, Brasil.
96
Livros Grátis
( http://www.livrosgratis.com.br )