Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Monitoramento vapor caldeira recuperação
1. ARTIGO: Monitoramento Quantitativo e Qualitativo do Vapor
Gerado em uma Caldeira de Recuperação Química
Curso Operador Obtenção de Celulose
INSTRUMENTAÇÃO GERAL
Discentes: Claudio Rocha
Carla Oliveira
Daniel da Silva
Maria Carolina
Matheus Gonçalves
Eunápolis/Ba
2015
Gilberto filho, Marcelo Cardoso, Gustavo de Almeida.
Departamento de Engenharia Química, Escola de Engenharia, Universidade Federal de Minas Gerais
Belo Horizonte - MG, Brasil / 2009.
2. 1. Indústria Celulose e Papel tipo Kraft
Sistema Co-geração: Processo onde são geradas duas
formas de energia ao mesmo tempo.
Calor + Eletricidade = Energia Térmica e Energia Elétrica
3. Indústria Celulose e Papel tipo Kraft
Sistema de Co - geração CALDEIRA DE
BIOMASSA
Queima de Cavacos
Cascas
Resíduos de
Madeira
CALDEIRA DE
RECUPERAÇÃO
QUÍMICA
Queima do licor
negro
Principal Fonte de geração de energia elétrica e energia térmica
no processo KRAFT.
4. 2. Processo KRAFT
(resistência)
Contém substâncias orgânicas e
inorgânicas, lignina dissolvida e
carboidratos proveniente da etapa de
polpação dos cavacos.
Licor negro
5. Licor Branco
Licor negro
(residual)
Solução com substâncias orgânicas e
inorgânicas, lignina dissolvida e
carboidratos proveniente da etapa de
polpação dos cavacos.
Solução contendo produtos químicos
ativos de cozimento, Hidróxido de Sódio
(NaOH) e Sulfeto de Sódio (Na2S),
utilizados para cozimento de cavacos.
Processo KRAFT
6. Processo KRAFT
Por razões econômicas e ambientais, é absolutamente
necessário o reaproveitamento do licor preto num
processo denominado: Recuperação de Produtos
Químicos;
A recuperação consiste em queimar o licor preto
previamente concentrado a 60% de sólidos e
enriquecido em sulfato de sódio (Na2SO4)
7. Processo KRAFT
VANTAGEM
Sistema de recuperação
dos produtos químicos
associados a ele.
DESVANTAGENS
Alto custo de Implantação
Odor dos Gases resultantes do
processo.
Baixa Alvura em relação com
outros processos (ex.:sulfito).
Baixo Rendimento (40% a 50%).
Alto custo de branqueamento.
8. 3. Objetivo do Estudo
O alvo deste estudo foi uma das caldeiras de
recuperação química de uma fábrica de produção de
celulose do tipo Kraft. Dividida em duas regiões:
FORNALHA
similar a um reator, onde há o
processo de combustão do licor-
combustível e a recuperação de
compostos químicos específicos
SESSÃO DE TRANSFERÊNCIA DE
CALOR CONVECTIVO
Co-responsável por transformar a
água em vapor, através do
superaquecedor. Este vapor é usado
para a geração de energia elétrica, por
meio de turbogeradores, e em
operações de troca térmica.
9. 4.Estudo de Caso
A caldeira de recuperação química tem três funções
principais:
Recuperar componentes
químicos (que
serão reutilizados na etapa
de polpação dos
cavacos de madeira)
Queimar a matéria
orgânica presente no
licor negro (combustível)
para a geração de vapor à
alta pressão.
Minimizar a descarga de
uma gama de
poluentes
10. O objetivo deste estudo é antecipar a informação sobre a
quantidade e a qualidade deste vapor, para que a mesma
tenha um bom funcionamento, os resíduos devem ser
eliminados através do superaquecedor.
Para tal, foi usado um modelo neural preditivo para a Vazão,
Pressão do vapor de saída e a Temperatura de entrada do
vapor saturado.
Objetivo do Estudo
11. Estudo de Caso
Malha de controle para o ajuste da temperatura do vapor de saída, em dois
estágios (Fonte: Lindsley, 2005)
12. 5. METODOLOGIA
• A metodologia usada neste é composta de duas
etapas:
Preparação de
um Banco de
Dados
Identificação de
um Modelo
Neural
13. Metodologia
Preparação de um Banco de Dados
São coleções de dados interligados entre si e organizados
para fornecer informações, armazenados em um sistema
de computação.
14. Sistema Gerenciador de Bancos de Dados (SGBD):
Software construído para facilitar as atividades de
definição, construção e manipulação de bancos de
dados;
Sistema de
Bancos de Dados
Banco de
Dados
Software que o
manipula
Metodologia
15. Tipos de sistemas de Banco de Dados:
Modelo plano (ou tabular) consiste de matrizes
simples, bidimensionais, compostas por elementos de
dados: inteiros, números reais, etc. Este modelo plano é
a base das planilhas eletrônicas;
Modelo em rede permite que várias tabelas sejam
usadas simultaneamente através do uso de apontadores
(ou referências).
Metodologia
16. Modelo Hierárquico é uma variação particular do
modelo em rede, consiste em uma coleção de registros
que são conectados uns aos outros por meio de ligações
(hierarquia - tronco, galhos).
Bases de dados relacionais os dados são guardados
em tabelas, estas têm uma estrutura que se repete a
cada linha, como se pode observar em uma planilha. São
os relacionamentos entre as tabelas que as tornam
“relacionais”
Metodologia
17. A cada 1h é realizada a
amostragem de 2.928 registros
para cada variável. A Tabela 1
contém um resumo sobre as
variáveis de entrada e saída.
18. Redes Neurais Artificiais (RNAs)
São padrões computacionais inspirado no sistema
nervoso de seres vivos que apresentam um modelo
matemático baseado no funcionamento dos
neurônios naturais(Silva,2010).
Modelagem de sistema de controle preditivo, que
efetua algoritmos matemáticos.
Metodologia
19. Redes Neurais Artificiais (RNAs)
Capacidade de adaptação por experiência
Capacidade de aprendizado
Habilidade de generalização
Organização de dados
Tolerância a falhas
Facilidade de prototipagem (Processo começa com a obtenção de um
design virtual criado por software de modelagem).
Metodologia
20. Existem dois tipos de Modelos Neurais Preditivos
Supervisionados - os dados de entrada e a saída são
apresentados juntos, a cada entrada fornecida, a saída é
comparada com a saída correta.
Não supervisionados - recebem apenas os dados de
entrada, não existe qualquer supervisor ou crítico, são
dadas condições para a rede se auto organizar de
acordo com uma medida de representação.
Metodologia
21. 6. Resultados
A partir do monitoramento e verificação da qualidade
dos dados, foi realizada a inserção das informações no
sistema neural preditivo, obtendo resultados
satisfatórios.
Neste estudo de caso possibilita o uso da informação
antecipada, expressada pelo sistema neural preditivo
sobre a qualidade do vapor e sinal de entrada para a
malha de controle da temperatura durante o processo
de superaquecimento, resultando em uma operação
segura e eficiente da turbina.