EQ/UFRJ 23 de agosto de 2013

1. EQE038 – Simulação e Otimização de Processos Químicos – Aula 1 – Argimiro R. Secchi EQ/UFRJ 23 de agosto de 2013

2. Introdução

3. Razões para a Simulação • Contenção de despesas (custo e tempo) • Processos fortemente integrados com diversos reciclos de massa e energia • Necessidade de melhor compreensão de processos cada vez mais complexos • Otimização e construção de processos otimizados • Construção de protótipos virtuais, verificação de projetos, etc.

4. Razões para a Simulação Dinâmica • Processos Batelada e Semi-batelada • (Análise, Controle, Otimização Dinâmica, Projeto Ótimo, Estimação de Parâmetros, Operações de Partida) • Otimização Dinâmica em Tempo Real (D-RTO) • (NMPC, Otimização Global de Plantas, Transição de Produtos, Atualização de Modelos, Analisadores Virtuais) • Controle Avançado de Processos • (Projeto de Estruturas de Controle, Redução de Modelos, Controlabilidade e Operabilidade, Controle Baseado em Modelos, Sintonia de Controladores, Dinâmica Não Linear) • Partidas, Paradas e Transições • (Estratégias de Partida, Estudos de Segurança, Parada de Plantas, Transições de Produtos, Troubleshooting) • Intensificação de Processos • (Sistema Complexos, Comportamentos Complexos, Processos Reação/Separação, Reatores Auto-Refrigerados) • Ensino e Treinamento • (Ensino em Sala de Aula, Treinamento de Operadores)

5. refluxo produto Processos em Batelada e Semi-Batelada (bio)reatores (semi-)batelada destilação batelada

6. Programação da Produção Atualização de modelo p/ RTO especificações de carga, produto e mercado Inferências D-RTO / RTO y*(t) u*(t) Atualização de modelo p/ NMPC NMPC y(t) Tratamento e reconciliação de dados u(t) Processo+Controle Regulatório Y(t) d(t) Servidor de modelos (rigorosos, empíricos, híbridos, reduzidos) Otimização Dinâmica em Tempo Real

7. Otimização local Inferências metas Atualização de modelo p/ NMPC NMPC y(t) Tratamento e reconciliação de dados u(t) Processo+Controle Regulatório Y(t) d(t) Servidor de modelos (rigorosos, empíricos, híbridos, reduzidos) Controle de Processos Controle Não-Linear Baseado em Modelos

8. Simulador Professor Server Simulador  Planta Client Instrutor TCP/IP TCP/IP Simulador Estudante Simulador Estudante Simulador Estudante Client Trainee Client Trainee Client Trainee Ensino e Treinamento Ensino em sala de aula Treinamento de operadores Exemplo: Operator training (Lee et al., 2000)

9. Como Usar a Simulação Dinâmica? Há várias coisas para escolher! Algumas delas são: Simuladores Discretizadores Integradores Estimadores Otimizadores Mínimos quadrados Max. verossim. Mínimo local Mínimo global Variacional Program. mat. Seqüencial Simultâneos Próprio Comercial Modular Equação-orientado Implícitos Explícitos Índice baixo Índice elevado Diferenças finitas Volumes finitos Elementos finitos Colocação ortog.

10. Um Exemplo Simples em Diferentes Ambientes Série de reatores CSTR isotérmicos com reação de primeira ordem e controlador PI

11. MATLAB ODE file (CSTR_series.m) MATLAB script file (run_series.m)

12. SIMULINK SIMULINK diagram (series_sl.mdl) S-function file (CSTR_series_sf.m)

13. EMSO (CSTR_series.mso)

14. Técnicas de Simulação • Simulação Modular Seqüencial • Simulação Modular Simultânea • Simulação Orientada por Equações

15. Simuladores Modulares O cálculo dos equipamentos são executados de forma seqüencial; O resultado da saída de um bloco é passado como entrada para o bloco seguinte, iterando para a solução de reciclos. Modelagem tipo Caixa-Preta O código é desenvolvido para a solução de equipamentos específicos

16. Exemplo de Fluxograma de Processo O modelo matemático do processo pode ser visto como constituído de três tipos de equações: 1) Equações dos modelos, incluindo modelos das unidades do processo e modelos de propriedades físicas; 2) Equações de conexão do fluxograma de processo, que indicam como as unidades são conectadas umas as outras; 3) Equações de especificações.

17. Exemplo de Fluxograma de Processo Equações de modelo: y1 = g1(x0,x4,v1) ; h1(x0,x4,v1) = 0 y2 = g2(x1,v2) ; h2(x1,v2) = 0 y3 = g3(x2,v3) ; h3(x2,v3) = 0 y4 = g4(x3,v4,u) ; h4(x3,v4,u) = 0 onde vi : variáveis internas e hi : modelo da unidade. Equações de conexão: x1 = y1(x0,x4); x2 = y2(x1); x3 = y3(x2); x4 = y4(x3,u) Equações de especificação: r(x2,v3) = rs Para este problema, deseja-se determinar u dados x0 e rs (problema de análise), ou ainda determinar rs dados x0 e u (problema de projeto).

18. Simulação Modular Seqüencial Uso da matriz de incidência para determinar os reciclos e definir uma estratégia para criar as variáveis de abertura A solução de um módulo é usada como entrada para outro(s) módulo(s), de acordo com a topologia do fluxograma do processo. As variáveis de abertura são iteradas por métodos de resolução de sistemas de equações algébricas (usualmente substituições sucessivas).

19. - nível dos módulos, onde cada módulo (ou conjunto de módulo) é usado para gerar uma aproximação dos elementos da matriz Jacobiana das variáveis de conexão do processo; - nível do fluxograma, onde as equações dos modelos linearizados são resolvidos simultaneamente com as equações de especificações e as equações de conexão (ou um subconjunto destas equações). fi = xi – gi = 0 , i = 1, 4 f5 = r – rs = 0 JDz = – f , z = [x1, x2, x3, x4, u] Simulação Modular Simultânea A solução é obtida iterativamente em dois níveis de cálculo:

20. Simuladores Orientados por Equações

21. Simulação Orientada por Equações Todas as equações (modelos, conexões e especificações) são resolvidas simultaneamente para as variáveis internas e externas aos módulos. h1(x0,x4,v1) = 0 h3(x2,v3) = 0 y1 – g1(x0,x4,v1) = 0 y3 – g3(x2,v3) = 0 h2(x1,v2) = 0 h4(x3,v4,u) = 0 y2 – g2(x1,v2) = 0 y4 – g4(x3,v4,u) = 0 x1 – y1(x0,x4) = 0 r(x2,v3) – rs = 0 x2 – y2(x1) = 0 x3 – y3(x2) = 0 x4 – y4(x3,u) = 0

22. Diferenciação Numérica Simbólica Automática Ferramentas dos Simuladores

23. Ferramentas CAPE • Movimento na direção de ferramentas orientada por equações (EO) • Principais vantagens das EO: • Modelos podem ser visualizados • Modelos podem ser refinados ou reusados • Uso do mesmo modelo como fonte de várias tarefas: simulação, otimização, estimação de parâmetros, reconciliação de dados, etc.  ambiente integrado • Algumas limitações atuais: • Falta de assistência para o desenvolvimento de modelos • Dificuldade na correção de modelos mal postos e obtenção de estimativas iniciais robustas

24. Breve Histórico dos Simuladores • Anos 50: • M. W. Kellog. Corp. apresentou o Flexible Flow • Anos 60: • Estima-se a existência de 200 ferramentas diferentes (simuladores próprios nas grandes empresas) • Anos 70: • Projeto ASPEN do MIT • Anos 80-90: • Novos conceitos, interfaces gráficas amigáveis • Novas linguagens de programação • Algoritmos numéricos mais poderosos • Anos 2000: • Projeto ALSOC da UFRGS, COPPE e USP: EMSO

25. Histórico – EMSO • Início do desenvolvimento em 2000 (mestrado de Rafael de Pelegrini Soares - UFRGS) • Em 2001 e 2002, primeiras versões operacionais • Primeiro semestre de 2003, proposta de formação de consórcio de empresas e universidades • Primeiro semestre de 2004, proposta ao CT-PETRO / FINEP • Início do Projeto ALSOC 1, janeiro de 2005. • Início do Projeto ALSOC 2, janeiro de 2007.

26. Projeto ALSOC Ambiente Livre para Simulação, Otimização e Controle OBJETIVO Desenvolvimento sustentável de um ambiente integrado de síntese, modelagem, simulação, controle e otimização de processos, com características de modularidade, reutilização e interfaceamento padrão.

27. Projeto ALSOC IMPACTOS DESEJADOS • Acesso gratuito a uma mesma ferramenta de simulação de processos em todas as universidades brasileiras, aumentando as interações inter-institucionais. • Maior uniformização dos trabalhos de pesquisa e desenvolvimento na área de modelagem e simulação de processos. • Possibilidade de uma maior capacitação de recursos humanos nas universidades e indústrias com uso do simulador. • Maior transferência de tecnologia resultante de uma interação mais efetiva universidade – empresa pelo uso de uma ferramenta comum. • Oferecimento de condições favoráveis às indústrias de processos melhorarem seus processos produtivos. • Redução da dependência externa do Brasil em softwares de simulação de processos.

28. Projeto ALSOC Parceria entre universidades-empresas (fases 1 e 2): PETROBRAS BRASKEM COPESUL INNOVA IPIRANGA P. TRIUNFO REFAP UFRGS COPPE/UFRJ USP MACKENZIE FINEP-CNPq

29. UFU UFBa UFRGS Projeto ALSOC Universidades Colaboradoras

31. EMSO • EMSO é a sigla para “Environment for Modeling, Simulation, and Optimization” • Desenvolvimento iniciado em 2001 na UFRGS: Rafael de Pelegrini Soares • Escrito em linguagem C++ • Disponível para Windows e Linux • Modelos escritos em linguagem de modelagem orientada a objetos • Simulador e otimizador orientado por equações (EO) • Computacionalmente eficiente para simulações dinâmicas e estacionárias • Desenvolvimento continuado através do Projeto ALSOC: http://www.enq.ufrgs.br/alsoc

32. Algumas Aplicações Industriais Simulação Dinâmica do Ciclo de Refrigeração a Propano de uma Unidade de Processamento de Gás Natural

33. Algumas Aplicações Industriais Simulação Dinâmica de uma Despropenizadora (165 pratos, 2 comp.)

34. Algumas Aplicações Industriais Simulação Dinâmica de uma Desisobutanizadora (80 pratos, 13 comp.)

35. Algumas Aplicações Industriais Simulação Estacionária de uma Termoelétrica à Carvão Pulverizado

36. Algumas Aplicações Industriais Simulação Dinâmica de uma Estação de Tratamentos de Despejos Industriais (Müller et al., 2009) Componentes modelados: OD, TOC, Fenol, NH3, NO2, NO3 e 6 grupos de bactérias

37. Algumas Aplicações Industriais Simulação Dinâmica do Processo de Produção de Poliestireno Cristal

38. Aplicações em Biorreatores Simulação da Produção de Lactase em Batelada (Longhi et al., 2004)

39. Aplicações em Biorreatores Simulação da Produção de Lactase em Batelada concentração (g/l) time (s)

40. Aplicações em Biorreatores Simulação da Produção de PHB em Batelada Rotas metabólicas Kinetics and Mechanism of Synthesis and Degradation of PHB in Alcaligenes eutrophus Macromolecules 1992, 25, 2324-2329 Kawaguchi, Y., Doi, Y.

41. Aplicações em Biorrefinarias Biorrefinaria de 2ª geração: cana-de-açúcar  etanol (Furlan et al., 2010)

42. Principais Características do EMSO • Biblioteca de modelos de código aberto • Modelagem orientada a objetos • Diferenciação automática e simbólica built-in • Checagem e conversão automática de unidades de medida • Resolve problemas de índice elevado • Realiza análise de consistência (DoF, DDoF, condição inicial) • Graphical User Interface (GUI) integrada ao simulador • Criação de fluxogramas por diagrama de blocos • Manipulação de eventosdiscretos (estado e tempo) • Multitarefa para simulações paralelas e em tempo real • Arquitetura modular e suporte para álgebra esparsa • Multi-plataforma: win32 e posix • Interface com código do usuário escrito em C/C++ ou Fortran • Documentaçãoautomática de modelos usando hipertextos e LaTeX

43. O que pode ser feito com o EMSO • Simulações estacionárias • Simulações dinâmicas • Otimização estacionária (NLP, MINLP) • Estimação de parâmetros com modelos estacionários • Estimação de parâmetros com modelos dinâmicos • Reconciliação de dados estacionária • Acompanhamento de processos e inferências com comunicação OPC • Construção de diagramas de bifurcação (interface com AUTO para DAEs) • Simulação dinâmica com o SIMULINK (interface com MATLAB) • Adição de novos solvers (DAE, NLA, NLP) • Adição de rotinas externas usando o recurso de Plugins

44. Propriedades Físicas e Termodinâmicas Plugin Banco de Dados com cerca de 2000 componentes puros Cálculo de propriedades de mistura

45. Como Instalar o EMSO • Download EMSO e VRTherm a partir do site:http://www.enq.ufrgs.br/alsoc • Executar osetup • Executar o EMSO • Adicionar o pacote de propriedades físicas usando a opção Config Plugins do menu • Selecionar e simular um exemplo

46. Configurando o Plugin – VRTherm: vrpp – Para usar um plug-in é necessário registrá-lo através do menu Config Plugins Windows:plug-in é um arquivo DLL (vrpp.dll) Linux: plug-in é um arquivo SO (libvrpp.so)

47. Adicionando Novas Bibliotecas de Modelos

48. GUI Integrada – Simulando um exemplo – sample/processes/Sample_Flowsheet.{mso, pfd}

49. Estrutura do EMSO - Entidades O simulador EMSO possui na sua estrutura de modelagem 3 entidades principais FlowSheet– problema em estudo, é composto por um conjunto de DEVICES. DEVICES– componentes do FlowSheet, são as operações unitárias ou equipamentos. Model– é a descrição matemática de um DEVICE.

50. streamPH Estrutura do EMSO - Entidades FlowSheet Model FlowSheet: baseado em componentes Model: baseado em equações