Modelo preditivo do teor de óleos e graxas em água produzida quantificado pelo método gravimétrico
| Autor: | STREITENBERGER, Simone Carneiro |
|---|---|
| Přispěvatelé: | PAIVA, Anderson Paulo de, ORLANDO JUNIOR, Aloisio Euclides |
| Jazyk: | portugalština |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Repositório Institucional da UNIFEI (RIUNIFEI) Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
| Popis: | A água produzida gerada pelo processamento primário de petróleo realizado por plataformas petrolíferas localizadas no oceano (offshore), que possui um total de óleo e graxas (TOG), geralmente é reinjetada ou descartada no mar. Este descarte é monitorado por órgãos reguladores ambientais que determinam valores máximos de TOG. No Brasil, o método homologado para a medição de TOG é o gravimétrico, que deve ser realizado em laboratórios em terra. Devido à logística de transferência das amostras da plataforma para o laboratório, o resultado da medição é disponibilizado aproximadamente 20 dias após o dia da coleta. Este trabalho propõe o desenvolvimento de um modelo preditivo de TOG gravimétrico (TOG-G) a partir de variáveis de processo, adicionadas de uma variável extraída da variável de resposta, que possa ser utilizado offshore e em tempo real, para orientar de maneira mais ágil possíveis ações preventivas ou corretivas a fim de evitar seu desenquadramento. Para isto, as observações foram agrupadas em classes associadas a faixas de TOG-G, por meio das quais foi realizado o balanceamento da base. Conjuntos de treinamento e teste foram gerados e construiu-se um classificador para o agrupamento em função das variáveis de processo mais significativas para a previsão de TOG-G, identificadas por meio de regressão linear. Na sequência, o TOG-G foi modelado a partir das variáveis de processo significativas e do agrupamento. Os resultados obtidos para o conjunto de teste foram avaliados por meio das métricas Erro Médio Absoluto (MAE), Erro Percentual Absoluto Médio (MAPE), coeficiente de determinação ( 2 ) e coeficiente de correlação de Pearson (), e se mostraram superiores tanto às previsões geradas pelo modelo de previsão desenvolvido a partir dos mesmos previsores, mas desconsiderando o agrupamento, quanto aos valores reais das medições de TOG espectrofotométrico (TOG-S), que constitui o método de tempo real atualmente utilizado como referência na plataforma. Para validação dos ganhos de acurácia com o método proposto, este foi também aplicado a um conjunto clássico de regressão linear de previsão do peso de peixes. Assim, a inclusão da informação do agrupamento ao modelo do TOG G mostrou-se uma abordagem inovadora e eficiente para aumentar a acurácia de sua previsão a partir de informações disponíveis na plataforma, o que pode beneficiar consideravelmente a indústria petrolífera em termos de controle do processo. The produced water generated by the primary oil processing carried out by offshore oil platforms, which has a total of oil and grease (TOG), is usually reinjected or disposed into the open ocean. This disposal is monitored by environmental regulatory agencies that determine maximum TOG values. In Brazil, the gravimetric method is that homologated for measuring TOG, which must be carried out in onshore laboratories. Due to the logistics of transferring samples from the platform to the laboratory, the measurement result is available approximately 20 days after the day of collection. This work proposes the development of a predictive model of gravimetric TOG (TOG-G) from process variables, added to a variable extracted from the response variable, which can be used offshore and in real time, to more quickly guide possible preventive or corrective actions in order to avoid its non-compliance. For this, the observations were grouped into clusters associated with TOG-G ranges, through which the base balancing was performed. Training and test sets were generated and a classifier was built for the cluster according to the most significant process variables for the prediction of TOG-G, identified through linear regression. Subsequently, the TOG-G was modeled from the significant process variables and the cluster. The results obtained for the test set were evaluated by means of Mean Absolute Error (MAE), Mean Absolute Percent Error (MAPE), coefficient of determination ( 2 ) and Pearson's correlation coefficient (), and showed to be superior both to the forecasts generated from the predictive model developed from the same forecasters, but disregarding the cluster, as to the real values of the spectrophotometric TOG (TOG-S) measurements, which constitutes the real-time method currently used as a reference in the platform. To validate the gains in accuracy with the proposed method, it was also applied to a classical set of linear regression for predicting fish weight. Thus, the inclusion of the cluster information in the TOG-G model proved to be an innovative and efficient approach to increase the accuracy of its prediction from information available on the platform, which may considerably benefit the oil industry in terms of process control. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|