ESTUDO COMPARATIVO POR OTIMIZAÇÃO TERMOECONÔMICA DE SISTEMAS DE SEPARAÇÃO DE GÁS CARBÔNICO POR MEMBRANAS EM PLATAFORMAS DE PETRÓLEO Leonardo Toscano Dissertação de Mestrado apresentada ao Programa de Pós-graduação em Engenharia Mecânica, COPPE, da Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários à obtenção do título de Mestre em Engenharia Mecânica. Orientador: Rio de Janeiro Abril de 2015 Manuel Ernani de Carvalho Cruz ESTUDO COMPARATIVO POR OTIMIZAÇÃO TERMOECONÔMICA DE SISTEMAS DE SEPARAÇÃO DE GÁS CARBÔNICO POR MEMBRANAS EM PLATAFORMAS DE PETRÓLEO Leonardo Toscano DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DO INSTITUTO ALBERTO LUIZ COIMBRA DE PÓS-GRADUAÇÃO E PESQUISA DE ENGENHARIA (COPPE) DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE MESTRE EM CIÊNCIAS EM ENGENHARIA MECÂNICA. Examinada por: ________________________________________________ Prof. Manuel Ernani de Carvalho Cruz, Ph.D. ________________________________________________ Prof. Marcelo José Colaço, D.Sc. ________________________________________________ Prof. Su Jian, D.Sc. RIO DE JANEIRO, RJ - BRASIL ABRIL DE 2015 Toscano, Leonardo Estudo comparativo por otimização termoeconômica de sistemas de separação de gás carbônico por membranas em plataformas de petróleo / Leonardo Toscano. – Rio de Janeiro: UFRJ/COPPE, 2015. IX, 100 p.: il.; 29,7 cm. Orientador: Manuel Ernani de Carvalho Cruz Dissertação (mestrado) – UFRJ/ COPPE/ Programa de Engenharia Mecânica, 2015. Referências Bibliográficas: p. 97-100. 1. Otimização Econômica. 2. Sistema de separação por Membranas. 3. CO2. 4. Evolução diferenciada. 5. Enxame de partículas. I. Cruz, Manuel Ernani de Carvalho. II. Universidade Federal do Rio de Janeiro, COPPE, Programa de Engenharia Mecânica. III. Título. iii Dedico A Deus, e Jesus Cristo. À minha família. iv AGRADECIMENTOS Em primeiro lugar, agradeço a Deus, pelo dom da Vida Eterna e por guiar pelo caminho da sabedoria e da paz. À Universidade Federal do Rio de Janeiro e ao Programa de Engenharia Mecânica da COPPE pela oportunidade de realização desse mestrado. Ao meu orientador, Prof. Manuel Ernani de Carvalho Cruz pela confiança em mim depositada, pela sua disposição em ajudar e guiar frente aos obstáculos, pelo seu bom humor e amizade. A todos os professores e funcionários do Departamento de Engenharia Mecânica que contribuíram na formação acadêmica e na elaboração desse trabalho. Aos amigos e demais colegas de pós-graduação em Engenharia Mecânica, pelo espírito de grupo ao longo dos anos de árduo estudo. À Petrobras, em especial aos colegas da gerência de Facilidades de Produção, pelo apoio e incentivo incessante para a realização desse trabalho. À minha família, que apoiou de forma incondicional, meus pais Angelo e Marília, que me guiaram ao longo da mais longa jornada, a vida. A minha irmã mais nova Clarissa, que incentivou para que eu buscasse sempre crescer. Especialmente, a minha esposa Christiane, que nos últimos anos compartilhou comigo tanto os melhores quanto os mais difíceis momentos, com fé e perseverança. A esses, meu muito Obrigado. v Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos necessários para a obtenção do grau de Mestre em Ciências (M.Sc.) ESTUDO COMPARATIVO POR OTIMIZAÇÃO TERMOECONÔMICA DE SISTEMAS DE SEPARAÇÃO DE GÁS CARBÔNICO POR MEMBRANAS EM PLATAFORMAS DE PETRÓLEO Leonardo Toscano Abril/2015 Orientador: Manuel Ernani de Carvalho Cruz Programa: Engenharia Mecânica Este trabalho apresenta um estudo comparativo por otimização termoeconômica entre cinco configurações de módulos de separação de CO2 por membranas. O estudo é conduzido através de métodos de otimização heurísticos para a obtenção de cada solução ótima. Dois métodos são utilizados de modo a verificar a exatidão dos resultados, enxame de partículas e evolução diferenciada. As funções objetivos adotadas nesse estudo são o custo de investimento, CAPEX, e o valor presente líquido, VPL. A função CAPEX leva em conta os custos direto e indireto de aquisição de cada equipamento instalado, a contingência e os impostos. A função VPL considera o custo de investimento, o custo de operação, a depreciação, a receita, os impostos e a taxa de juros. Cada problema de otimização termoeconômica é resolvido através do uso de um programa de simulação de processos, responsável pela modelagem termodinâmica de todo o sistema de separação, de uma planilha eletrônica, responsável pela modelagem econômica, e por um código computacional próprio, responsável pelo algoritmo de otimização. A vazão e a composição da carga processada pela unidade são variadas a cada ano de acordo com uma curva de produção prescrita. A concentração molar de dióxido de carbono é limitada ao máximo de 3%. A corrente rica em CO2 está sujeita ao limite de capacidade da unidade de compressão a jusante. Os resultados obtidos são utilizados para analisar crítica e comparativamente o potencial de uso de cada uma das cinco configurações. vi Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the requirements for the degree of Master of Science (M.Sc.) COMPARATIVE STUDY THROUGH THERMOECONOMIC OPTIMIZATION OF CARBON DIOXIDE SEPARATION SYSTEMS BY MEMBRANES IN OFFSHORE OIL PRODUCTION UNITS Leonardo Toscano April/2015 Advisor: Manuel Ernani de Carvalho Cruz Department: Mechanical Engineering This work presents a comparative study by thermoeconomic optimization of five configurations of CO2 separation units by membranes. The study uses heuristic optimization methods to achieve the optimal solution of each configuration. Two optimization methods are used in order to confirm the accuracy of the results, particle swarm and differential evolution. The objective functions adopted in this study are the investment cost, CAPEX, and the net present value, NPV. The CAPEX function takes into account the direct and indirect acquisition costs of equipment, contingency and taxes. The function NPV considers the investment cost, operating cost, depreciation, revenue, taxes and interest rates. Each thermoeconomic optimization problem is solved using a process simulation program, responsible for the thermodynamic model, an electronic spreadsheet, responsible for the economic model, and a customized computer code, responsible for the optimization algorithm. The material flow and the composition processed by the unit change each year according to a prescribed production curve. The carbon dioxide molar concentration is limited to a maximum of 3%. The CO2 rich stream is subject to the capacity of the compression unit downstream. The results are used to analyze critically and comparatively the potential use of each of the five settings. vii Sumário CAPÍTULO 1 INTRODUÇÃO 1 1.1 DESCRIÇÃO DO TRABALHO 1 1.2 MOTIVAÇÃO 1 1.3 ORGANIZAÇÃO DA DISSERTAÇÃO 2 CAPÍTULO 2 2.1 2.2 REVISÃO DA LITERATURA 3 OTIMIZAÇÃO DE SISTEMAS DE SEPARAÇÃO DE CO2 POR MEMBRANAS 3 MÉTODOS DE OTIMIZAÇÃO TERMOECONÔMICA 5 CAPÍTULO 3 DESCRIÇÃO DO SISTEMA 8 3.1 SEPARAÇÃO PRIMÁRIA DE PETRÓLEO 8 3.2 PROCESSO DE SEPARAÇÃO DE CO2 10 3.3 O SISTEMA DE MEMBRANAS 13 3.4 DESCRIÇÃO DOS SISTEMAS ANALISADOS 17 CAPÍTULO 4 4.1 METODOLOGIA 30 MODELAGEM ECONÔMICA 30 4.1.1 CUSTO DE INVESTIMENTO 30 4.1.2 CUSTO DE PRODUÇÃO 33 4.1.3 RECEITA 35 4.1.4 DISPONIBILIDADE 36 4.1.5 VALOR PRESENTE LÍQUIDO 36 4.2 4.2.1 MODELAGEM DE PROCESSO 38 MODELAGEM DA CORRENTE DE ALIMENTAÇÃO 38 4.2.2 MODELAGEM DA MEMBRANA 39 4.2.3 MODELAGEM DO COMPRESSOR 42 4.2.4 MODELAGEM DOS TROCADORES DE CALOR 46 4.2.5 MODELAGEM DOS VASOS DE PRESSÃO 47 4.2.6 FERRAMENTAS COMPUTACIONAIS 48 viii 4.3 MÉTODOS DE OTIMIZAÇÃO 50 4.3.1 EVOLUÇÃO DIFERENCIADA 51 4.3.2 ENXAME DE PARTÍCULAS 52 4.3.3 FUNÇÕES OBJETIVO 53 4.3.4 VARIÁVEIS DE DECISÃO 55 4.3.5 RESTRIÇÕES 56 4.3.6 AVALIAÇÃO DOS PARÂMETROS UTILIZADOS E CRITÉRIOS DE CONVERGÊNCIA 4.4 ESTUDO DE CASO DE REFERÊNCIA CAPÍTULO 5 RESULTADOS E ANÁLISE 5.1 COMPARAÇÃO DOS TEMPOS COMPUTACIONAIS 5.2 ANÁLISE DA CONVERGÊNCIA ENTRE OS RESULTADOS DOS 59 63 68 68 DIFERENTES MÉTODOS DE OTIMIZAÇÃO 71 5.3 COMPARAÇÃO ECONÔMICA – CAPEX 76 5.4 COMPARAÇÃO ECONÔMICA – VPL 81 5.5 COMPARAÇÃO – CAPEX VERSUS VPL 89 CAPÍTULO 6 CONCLUSÕES 92 6.1 SÍNTESE DOS RESULTADOS 92 6.2 CONCLUSÕES 92 6.3 CONTRIBUIÇÕES 95 6.4 SUGESTÕES PARA TRABALHOS FUTUROS 95 CAPÍTULO 7 REFERÊNCIAS BIBLIOGRÁFICAS ix 97 CAPÍTULO 1 1.1 INTRODUÇÃO Descrição do trabalho Esse trabalho busca otimizar economicamente o problema da separação do dióxido de carbono (CO2) do gás natural, mistura essa originada da corrente gasosa do processo de separação primária de óleo e gás de uma plataforma de petróleo. A análise econômica inclui como uma das restrições a variação temporal da vazão e composição da corrente de alimentação e inclui também a limitação de capacidade da unidade de recompressão da corrente de CO2 para posterior reinjeção no reservatório. Na elaboração do estudo são considerados os custos de investimento e operação bem como a receita com a venda do gás natural produzido. O problema termoeconômico é solucionado através de métodos heurísticos de otimização. Ao final, o resultado ótimo de diversas configurações é comparado com os demais em termos de custo de investimento e valor presente liquido. 1.2 Motivação Após a descoberta da fronteira petrolífera do pré-sal, em 2009, o Brasil deparou- se com uma grande oportunidade e, também, com grandes desafios. Testes indicavam vazões potenciais de 15 a 50 mil barris de óleo por dia e a presença de 8 a 12% de CO2 no gás associado (LIMA, 2009). Os poços em operação no pré-sal, como os do Campo de Lula, têm atingido tal volume no pico de produção, mas mantido média de 20 mil a 25 mil barris diários (DURÃO, 2013). As concentrações de 8% a 12% de CO2 no gás associado do pré-sal são muito maiores que em outros campos petrolíferos. Nos demais campos brasileiros, a concentração média é de 5%. Estimativas apontam, somente nas áreas de Tupi e Iara, a existência de 3,1 bilhões de toneladas de CO2 (LIMA, 2009). O autor afirma que a reinjeção é viável e seu emprego se justifica pelo grande passivo ambiental que seria gerado caso o CO2 fosse liberado. Ainda segundo ele, dentro de alguns anos, será socialmente inaceitável lançar tamanha quantidade de carbono na atmosfera. 1 Outro aspecto igualmente importante é a redução de custos na fase de produção de petróleo. Um dos objetivos de uma empresa de exploração e produção é reduzir o custo total para extração de petróleo e gás. Sendo necessário focar não apenas na área de Exploração, mas principalmente na área de Produção. A solução tecnológica que tem preponderado nas plataformas de petróleo construídas para a exploração do pré-sal é a de separação de CO2 por membranas com posterior reinjeção do dióxido de carbono. Nesse sentido, aliando a necessidade de destinação do CO2 associado ao gás natural e o objetivo de redução de custos para a produção de petróleo, torna-se apropriado o estudo de otimização de custos para um sistema de separação de CO2 através de membranas. 1.3 Organização da Dissertação No capítulo 2 é apresentada a revisão da literatura onde se expõe e analisa algumas das contribuições na área de estudos econômicos de separação por membranas de CO2 e outros produtos. Os estudos são realizados através de análises comparativas de casos e diferentes processos de otimização. O capítulo 3 apresenta uma visão geral do processo de separação primária de óleo. Expõe ainda as vantagens e desvantagens do uso de membranas quando comparado a outras tecnologias de separação de CO2. E, por fim, apresenta as diferentes configurações que são analisadas nesse trabalho. O capítulo 4 apresenta a metodologia utilizada ao longo da dissertação. Primeiramente é apresentada a modelagem econômica do problema. A seguir, descrevese a modelagem dos equipamentos e o software comercial de simulação de processos. Posteriormente, apresenta-se os métodos de otimização empregados, evolução diferenciada e enxame de partículas. Em seguida, é realizada uma avaliação dos parâmetros utilizados em cada métodos. Por fim, um caso de referência é apresentado. No capítulo 5 são apresentados resultados comparativos dos métodos de otimização, enxame de partículas e evolução diferenciada. Posteriormente, é realizada a comparação e análise dos resultados para cada uma das configurações estudadas, considerando as diferentes funções objetivo, custo de investimento e valor liquido presente. O capítulo 6 traz as conclusões, contribuições e sugestões de trabalhos futuros. 2 CAPÍTULO 2 REVISÃO DA LITERATURA Neste capítulo é apresentada uma síntese dos trabalhos pesquisados que serviram de referência para o desenvolvimento dessa dissertação, e os resultados mais recentes na área de otimização de sistemas de separação por membranas, e de métodos de otimização econômica. Esta revisão abrange estudos comparativos de configurações e tecnologias finitas, de análise de sensibilidade, bem como, estudos de otimização para multiconfigurações. 2.1 Otimização de sistemas de separação de CO2 por membranas BHIDE e STERN (1993) realizaram estudos econômicos, através de um método de malhas, em sete configurações diferentes com um, dois e três estágios de membranas, com arranjos em série ou cascata (para melhor entendimento da nomenclatura veja 3.4 Descrição dos sistemas analisados). Os autores otimizaram variáveis como vazão de reciclo e pressões de correntes de modo a obter o menor custo de separação para composições de gás natural com 5% a 40% de CO2. BHIDE e STERN (1993) realizaram também a análise de sensibilidade para diferentes variáveis de decisão, onde se destaca o fato de que dependendo da função objetivo, como por exemplo o custo de separação, diversas configurações com reciclo tendem para valores nulos de vazão, se igualando a configurações sem reciclo. Os autores também mostraram a influência da concentração de CO2 do gás de alimentação no custo de separação, e, também, a influência da vazão de reciclo e da taxa de recompressão entre estágios da membrana. Como conclusão, levando em consideração os parâmetros econômicos e de contorno estipulados no problema analisado por eles, evidenciaram que o processo de separação por membranas em estágio único em série com dois outros estágios em cascata apresenta os melhores resultados. O trabalho de BHIDE e STERN (1993) é usado como referência para o trabalho de QI e HENSON (2000) onde foi realizado um estudo de otimização para uma mistura de gases através da programação MINLP (mixed-integer nonlinear programming), com 3 até três estágios de membranas. Nele, o projeto do sistema de separação é dividido em dois subproblemas: a seleção da configuração da planta e a determinação das condições de operação de cada configuração. QI e HENSON (2000) concluem que, no problema analisado, a configuração de dois estágios em série com reciclo seguido da recompressão da corrente de CO2 tem o menor custo anual de processamento. SPILLMAN (1995) mostrou em seu trabalho que configurações com dois e três estágios são mais econômicas que de estágio único. Para aplicações onde o permeado deva ser recomprimido, por exemplo em sistemas com Enhanced Oil Recovery (EOR), o autor descreve como o mesmo pode ser gerado a diferentes pressões em um sistema de dois estágios em série de modo a minimizar os custos de recompressão. Em seu trabalho, SPILLMAN (1995) realiza diversas análises de sensibilidade relacionando a área de membrana, a taxa de recuperação de metano, as pressões de alimentação e de permeado, demonstrando entre outras coisas que o aumento na pureza do produto está diretamente relacionado com o custo do empreendimento. Ainda justificando, sob certas circunstâncias, a recompressão de correntes intermediárias entre estágios de membrana, citando como exemplo o aumento da taxa de recuperação de metano num sistema de dois estágios em cascata com reciclo seguido de recompressão da corrente de CO2. Por fim, SPILLMAN (1995) ressalta que a análise de comparação econômica de diferentes configurações de processo depende demasiadamente das condições específicas de cada empreendimento e não é facilmente extensível para outros cenários. DATTA e SEN (2006) também realizaram um estudo de otimização econômica para até três estágios de membrana, com restrição de 2% molar de CO2 na corrente de retentado. Para o processo de otimização do custo de processamento, usam o método BFGS (Broyden-Fletcher-Goldfarb-Shanno). Concluem, ao contrário de trabalhos anteriores, que não existe uma única configuração que seja ótima para todo o espectro de concentração de CO2 no gás de alimentação ou preço do gás natural. Contudo, para certas faixas de concentração de CO2 e preço do gás natural, uma configuração específica pode se apresentar como ótima. Também mostraram que não há diferença significativa de custo para configurações ótimas de dois ou três estágios e a seleção ideal passa a ser uma decisão de projeto de engenharia. Ao analisar a bibliografia, observa-se que, em comum, na maioria dos estudos, a parcela de hidrocarbonetos arrastada junto com a corrente de permeado é considerado uma perda de receita, pois tem como destinação normalmente a queima na tocha. 4 Contudo, nesse trabalho, esses hidrocarbonetos, agregados a corrente rica em dióxido de carbono, têm como destino o reservatório original, funcionando como um grande reciclo, e não podem ser considerados como perda, uma vez que serão reaproveitados em um momento posterior. Ao contrário dos outros trabalhos que buscam otimizar o custo marginal de produção em base volumétrica normalizada, a corrente de retentado é considerada como receita de modo a verificar o potencial ganho com o incremento do poder calorífico do hidrocarboneto purificado. De forma geral, observa-se na literatura que não há uma configuração ótima única para todas as diferentes aplicações. De fato, o processo de seleção da configuração ótima, depende das restrições de processo, das variáveis econômicas e da função objetivo. Esse estudo pode ser considerado uma complementação dos estudos já previamente mencionados, com singularidades na formação da composição temporal da corrente de alimentação, nas restrições impostas pelo sistema de recompressão e na determinação da função objetivo, contribuindo para o aprimoramento dos custos envolvidos na análise econômica. Observa-se que apesar do tema de separação de CO2 por membranas ser bastante atual, não se encontra trabalhos relacionado à análise de otimização econômica de sistemas de separação por membrana desde DATTA e SEN (2006). Não foram identificados trabalhos de otimização termoeconômica com as características desse trabalho. Nos anos recentes, a literatura focou em trabalhos comparativos entre diferentes tecnologias, como AMARAL (2009) e GADELHA (2013). 2.2 Métodos de otimização termoeconômica Um problema de otimização, em sua forma mais geral, consiste em se determinar os valores de certas variáveis que levem ao melhor valor de certo aspecto quantitativo do problema em análise. O aspecto que queremos avaliar normalmente está definido por meio de um conjunto de equações matemáticas e é chamado de função objetivo (PADILHA, 2006). Diversos métodos de otimização foram criados ao longo do tempo. Como exemplo é possível citar métodos mais rudimentares como a busca exaustiva até robustos algoritmos híbridos. 5 Com o aumento do número de propostas de novas técnicas de análise e otimização de sistemas térmicos e a diversidade de sistemas existentes, verificou-se a dificuldade em se avaliar as características e as limitações de cada uma dessas técnicas de otimização. Com o objetivo de se ter um padrão mais claro e definido para comparação desses métodos, em 1990 um grupo de pesquisadores, C. Frangopoulous, G. Tsatsaronis, A. Valero e M. von Spakovsky (VALERO et al., 1994), decidiram comparar suas metodologias através de um sistema de cogeração bem definido. Desde então, esse sistema de cogeração tem sido usado como referência para análise de metodologias de otimização aplicadas a sistemas térmicos, e recebeu o nome composto das iniciais de seus mentores: problema CGAM (PADILHA, 2006). Inúmeros trabalhos foram desenvolvidos a partir do problema CGAM na busca do desenvolvimento e comparação de métodos de otimização. PADILHA (2006) promove uma análise comparativa da resolução do problema CGAM através do uso do método do gradiente, evolucionário e híbrido. SEYYEDI et al. (2010) sugerem um método iterativo de otimização para grandes sistemas térmicos através da análise exegética e de sensibilidade, e seus resultados são comparados com o problema CGAM original. SOLTANI et al. (2014) promovem alterações no problema CGAM de modo a obter um sistema híbrido solar onde a economia, a termodinâmica e a parcela de incidência solar são analisadas. Criando assim, um problema de otimização multiobjetivo resolvido com o uso de um algoritmo genético. Os métodos de otimização baseados nos algoritmos determinísticos – maioria dos métodos clássicos – geram uma sequência de possíveis soluções requerendo, normalmente, o uso de pelo menos a primeira derivada da função objetivo em relação às variáveis de projeto (HOLTZ, 2005). Estes métodos são altamente limitados em aplicações de funções descontínuas ou multimodais, onde a convergência dos mesmos, em geral, está condicionada a estimativa inicial considerada e, muitas vezes, se direcionam para um mínimo local. O desenvolvimento de computadores com maiores capacidades de processamento, conjugado às necessidades de resolução de problemas cada vez mais complexos, resultaram no desenvolvimento de uma nova classe de métodos de otimização de sistemas: os métodos evolucionários, de estratégias de busca nãodeterminísticas. Estes métodos baseiam-se na observação do comportamento e na experiência acumulada de alguns processos, normalmente derivados da natureza. Diferentemente dos métodos determinísticos, em geral não estão fundamentados em 6 complexos conceitos matemáticos e nem utilizam informação do gradiente da função objetivo para determinação da direção de procura do procedimento iterativo de otimização e, por isto, apresentam boas chances de não serem aprisionados em ótimos locais (PADILHA, 2006). Diversos são os exemplos de aplicação de métodos não-determinísticos, como MARIANI et al. (2011) que usam o algoritmo de evolução diferenciada na busca pela otimização exergoeconomica de um sistema de cogeração e OZCAN et al. (2013) que utilizam o algoritmo evolução diferenciada e enxame de partículas na busca pelo custo ótimo de um sistema de resfriamento a ar, e apresenta em seu estudo resultados comparativos entre os métodos. O método de evolução diferenciada, desenvolvido por STORN e PRICE (1997), de acordo com MARIANI et al. (2011), é um dos melhores algoritmos evolucionários e vem provando ser um candidato promissor na resolução de problemas reais, incluindo problemas não-lineares, não diferenciáveis e não convexos. É um método baseado na busca estocástica, apresenta uma estrutura simples, velocidade na convergência, versatilidade e robustez, necessitando de poucos parâmetros para seu funcionamento. A maior diferença do método evolução diferenciada para outros algoritmos genéticos canônicos, é que enquanto nos outros algoritmos a mutação é o resultado de pequenas perturbações nos genes, na evolução diferenciada ela é fruto da combinação aritmética de indivíduos. Além disso, ao invés de fazer uso de valores binários para representar os parâmetros, estes são definidos como varáveis reais ou de ponto variável. Outro método de otimização não-determinístico largamente difundido é o enxame de partícula, introduzido por KENNEDY e EBERHART (1995). O método é inspirado na interação social dos indivíduos que vivem juntos em grupos que se apoiam e cooperam mutuamente. De acordo com SCHMITT e WANKA (2015), esse método foi bem sucedido em diversos campos de aplicação. Sua popularização se deve ao fato de que se por um lado é facilmente implementável e adaptável, por outro mostra boa performance com bons resultados e rapidez. Em seu estudo eles mostram que o método com poucas adaptações quase certamente encontrará o ponto ótimo local. Neste trabalho, opta-se pelo uso de métodos heurísticos de resolução. Dois métodos foram selecionados para comparação de resultados e da eficácia dos algoritmos. São eles o método de evolução diferenciada e o método de enxame de partículas. Os algoritmos foram implementados e validados, levando a obtenção de resultados aceitáveis quando aplicados a funções matemáticas conhecidas. 7 CAPÍTULO 3 DESCRIÇÃO DO SISTEMA Neste capítulo é apresentado o processo de separação primária de petróleo onde se insere o problema analisado, o sistema de separação de CO2. São também citados diversos métodos de separação de dióxido de carbono através de uma comparação qualitativa das membranas. Em seguida, é feita uma breve explanação sobre o funcionamento das membranas. Por fim, são apresentadas as diversas configurações para o sistema de separação que serão comparadas ao longo desse trabalho. 3.1 Separação Primária de Petróleo De forma a descrever o sistema em estudo, é conveniente explicar primeiramente o processo de separação primária de uma plataforma de petróleo, onde o mesmo se encontra inserido, figura 3.1. A explanação é direcionada ao problema analisado neste trabalho e não pretende exaurir o assunto. SPEIGHT (2014) descreve de forma aprofundada todo o processo de separação primária de petróleo em ambientes offshore. A plataforma de petróleo, responsável pela separação primária do petróleo, recebe uma corrente de mistura de hidrocarbonetos na fase líquida (óleo), gasosa (gás), além de água, areia e diversos contaminantes como CO2 e H2S proveniente do reservatório de petróleo localizado abaixo do leito marinho. Essa corrente é produzida e transportada através dos poços produtores e risers até a plataforma de petróleo. Na plataforma de petróleo encontra-se a planta de separação primária, e é nela que ocorre o processo de separação das correntes de hidrocarbonetos líquidos, água e gases, além da retirada de contaminantes. O esquema descrito na figura 3.1 mostra na forma de fluxograma as diversas etapas nesse processo de separação. Destaca-se a unidade de remoção de CO2 objeto de estudo desse trabalho. As correntes de gás e óleo são então exportadas através de gasodutos e navios aliviadores, navios com grande capacidade de transporte de óleo. As demais correntes, como água e CO2 recebem diferentes destinações como descarte no mar e reinjeção. Com o objetivo de permitir a melhor compreensão das condições de contorno desse 8 trabalho, destacam-se, a seguir, as correntes de entrada e saída da unidade de remoção de CO2. A corrente proveniente da unidade de ajuste de ponto de orvalho, que se destina a unidade de remoção de CO2, é uma corrente de gás já separada de óleo e areia e que já foi tratada de modo a remover água e ajustar a temperatura de ponto de orvalho. Figura 3.1 - Processo de separação primária de petróleo. Já a corrente de gás natural produzida na unidade de remoção de CO2 recebe diferentes destinações. A maior parte dela é exportada, após comprimida na unidade de exportação. Uma parcela da corrente de gás produzida pode ser condicionada para servir de combustível das turbinas a gás existentes na plataforma, e outra parcela é destina ao processo conhecido como gas-lift. O processo gas-lift visa aumentar a produção dos poços de petróleo, que sofrem uma redução natural ao longo do tempo. Nele, parte de gás produzido é reinjetado na 9 base dos dutos de elevação do petróleo, no leito marinho, reduzindo a massa específica da mistura e possibilitando maior ascensão. A corrente rica em CO2 destinada a reinjeção nos campos petrolíferos do pré-sal tem como função o auxílio na recuperação adicional de petróleo através da manutenção da pressão nas jazidas. Esse processo é conhecido como Enhanced Oil Recovery (EOR). No entanto, o maior motivador para a redução da concentração de CO2 na corrente de gás natural é a preocupação com a emissão de gases de efeito estufa. De acordo com GADELHA (2013), a Agência Nacional do Petróleo define em 3% molar a concentração máxima de CO2 na especificação do gás natural . 3.2 Processo de separação de CO2 O processo de separação de dióxido de carbono está atrelado na maioria dos casos à idéia de mitigação da presença do gás na atmosfera. Segundo BARBOSA (2010), nos últimos anos, entre os gases do efeito estufa que estão aumentando de concentração na atmosfera terrestre, o CO2, o metano e o óxido nitroso são os mais importantes. Devido à grande emissão, o CO2 é o gás que tem maior contribuição para o aquecimento global, representando aproximadamente 55% do total das emissões mundiais de gases do efeito estufa. O processo de aquecimento global e sua correlação com o aumento de emissões de CO2 é evidenciado em EFEITO (2012). Várias são as tecnologias existentes para separação de CO2. A seleção da tecnologia deve ser feita com base nas características globais do processo, tais como a origem e as características do gás a ser tratado (vazão, pressão disponível, temperatura, composição, possíveis contaminantes e interferentes ao processo), o grau de remoção desejado, a especificação do gás tratado (seja ele produto final ou carga de outro processo), a seletividade do processo ao gás ácido a ser removido, a razão CO2/H2S no gás, a disponibilidade de energia e utilidades, e os custos operacionais (BARBOSA, 2010). As tecnologias mais utilizadas para a separação de CO2 estão discriminadas na figura 3.2, onde destaca-se o processo de separação por membranas em meio a diversas alternativas. As vantagens comparativas das diversas tecnologias são descritas em trabalhos como de GADELHA (2013) e WHITE et al. (2003). Contudo, este trabalho se limita apenas a informar a existência das diversas tecnologias de separação e detalhar a 10 tecnologia de dissociação de CO2 por membranas, solução escolhida para ser utilizada nas recentes plataformas destinadas aos campos do pré-sal. Figura 3.2 - Métodos de separação de CO2 (GADELHA, 2013). AMARAL (2009) descreve as principais vantagens que as membranas oferecem sobre os processos tradicionais supracitados. As membranas possuem processo modular, pois permitem que a capacidade de produção seja alterada em uma ampla faixa de operação simplesmente pela adição de mais módulos. Devido à natureza compacta dos dispositivos com membranas, eles proporcionam maior economia de tamanho e peso. A figura 3.3 apresenta a comparação entre o tamanho necessário para um mesmo serviço utilizando membranas (destacado à esquerda) e aminas (no restante da foto). FALK-PEDERSEN e DANNSTRÖM (1997) estudaram a separação de CO2 de exaustores de turbinas em plataformas off-shore e, comparando colunas convencionais com contactoras com membranas, foi observada uma redução de 70% e 66% de tamanho e peso, respectivamente (AMARAL, 2009). As membranas podem ser confeccionadas na forma de fibras ocas o que aumenta a área de contato, proporcionando uma maior eficiência de transferência de massa por volume de dispositivo (AMARAL, 2009). 11 Figura 3.3 - Tamanho das unidades de membranas (esquerda) e aminas (direita) (MONTEIRO, 2009). Em seu trabalho, AMARAL (2009) cita também desvantagens. Afirma que na expansão do gás, ao permear a membrana conforme processo isoentálpico, ocorre formação de condensados. A mudança desses hidrocarbonetos para a fase líquida ocorre no meio poroso das membranas, elevando a resistência à transferência de massa. Contudo essa resistência nem sempre é significativa e muitas soluções podem ser tomadas para minimizar esse efeito. Ainda segundo AMARAL (2009), devido ao pequeno diâmetro das fibras e aos reduzidos espaços livres ao redor das mesmas, ambos os fluxos de gás e líquido são laminares, resultando em uma perda na eficiência. Embora o fluxo turbulento possa ser obtido, na prática é economicamente e operacionalmente inviável. Em primeiro lugar, para manter um fluxo turbulento, é necessário um maior consumo de energia. Em segundo lugar, para altas pressões de líquido, a membrana pode ser molhada, causando uma resistência adicional à transferência de massa por causa do líquido estagnado em seus poros. 12 Nos módulos de membranas do tipo fibra-oca, dependendo da colocação do feixe de fibras, podem existir caminhos preferenciais do fluido, diminuindo a eficiência do processo. Neste caso, um projeto do módulo é necessário para eliminar este efeito (AMARAL, 2009). Membranas têm um tempo de vida finito e custo de reposição elevado, então o custo periódico de sua troca precisa ser considerado. No caso de módulo para produção industrial o projeto proporciona apenas a troca das fibras, sem necessidade da troca do módulo por completo (AMARAL, 2009). 3.3 O sistema de membranas A membrana consiste de um filme polimérico que permite que algumas moléculas permeiem mais rápido que outras. Moléculas com maior difusividade (ou, menor tamanho) e maior solubilidade no filme podem permear mais rápido. A figura 3.4 apresenta de forma didática esse processo, onde moléculas da cor branca com maior difusividade atravessam a membrana com maior facilidade em direção a corrente denominada permeado, aumentando a concentração de moléculas de cor cinza na corrente chamada de retentado. Portanto, dióxido de carbono, ácido sulfídrico e vapor de água podem permear mais rápido que moléculas de hidrocarbonetos através do acetato de celulose ou várias outras membranas poliméricas similares (DATTA e SEN, 2006). Os módulos de membrana são fabricados em formas muito compactas como fibra oca e spiral wound. Na figura 3.5 observa-se a forma construtiva do modelo spiral wound que é formado por um filme de membrana disposto na forma espiral sobre um tubo central para onde se dirige a corrente de permeado, aumentando assim a área de contato. Os módulos são instalados em cartuchos e conectados em série ou paralelo. O tamanho típico de um cartucho é cerca de 1 metro. Para um estudo aprofundado do sistema de membranas sugere-se a leitura dos trabalhos de BAKER (2004) e SPILLMAN (1995). No sistema de separação por membranas de CO2, devido a sua seletividade, a corrente chamada de permeado será uma corrente mais rica em concentração molar de 13 CO2 quando comparada com a corrente de alimentação. E, por consequência, a corrente denominada retentado será uma corrente mais pobre em concentração de CO2. Figura 3.4- Funcionamento da membrana. De acordo com SPILLMAN (1995), as características construtivas mais importantes da membrana comercial são sua permeância e sua seletividade. A permeância como o próprio nome sugere refere-se à capacidade da membrana em permitir que uma substância a atravesse quando sujeita a um diferencial de pressão. A seletividade relaciona-se a razão entre as permeâncias da membrana para moléculas diferentes. Essas características tornam possível migrar mais CO2 que hidrocarbonetos através da membrana. Os dois principais objetivos num processo de separação são a pureza do produto e sua quantidade, como exemplo, atingir a concentração molar inferior a 3% de CO2 na corrente de gás natural. Assim, em se mantendo as demais variáveis de processo constantes, quanto maior for a pureza requerida da corrente retentado, maior será a área de membrana necessária, e ao mesmo tempo, maior será a quantidade de hidrocarboneto que será direcionada para a corrente de permeado, reduzindo assim a vazão do produto desejado, gás natural. De acordo com BAKER (2004), a eficiência de separação de uma membrana depende da composição do gás, da diferença de pressão entre a alimentação e o permeado, do fator de separação para os dois componentes e das condições específicas 14 de funcionamento. Quanto maior o fator de separação, maior será a seletividade da membrana e a pureza do produto. Figura 3.5 - Membrana spiral wound – adaptado de BAKER (2004). De acordo com SPILLMAN (1995), a temperatura de entrada da corrente na membrana interfere nos valores de permeância e seletividade. Mesmo não sendo possível relaciona-las quantitativamente, porém de forma qualitativa, um aumento na temperatura irá aumentar a permeância, mas, reduzir a seletividade. Contudo, qualquer modelo de membrana possui um limite máximo operacional de temperatura. Pode 15 também existir um limite inferior para a temperatura de entrada, caso a presença de condensado na corrente permeado seja um problema. Desse modo, para atingir a concentração desejada ao final do processo, pode ser necessária a divisão do processo em estágios, como indicado por DATTA e SEN (2006). Para aplicações de grande capacidade o processo de separação por membranas pode ser composto por várias etapas, onde cada uma pode ser composta por módulos operando em paralelo. Além disso, cada estágio pode contar com uma corrente de reciclo, e contar também com filtros e aquecedores para evitar formação de condensado e acúmulo de sujeira. Diferencia-se o termo cascata do termo série. A definição da palavra cascata associada à necessidade de um processo intermediário de recompressão do gás e ocorre normalmente na corrente de permeado, figura 3.6.a. E a definição da nomenclatura série relacionada à existência de uma subsequente etapa de separação sem a necessidade de recompressão e está normalmente relacionada à corrente de retentado, figura 3.6.b. Figura 3.6 – Configuração de membranas em cascata (a) e em série (b). 16 3.4 Descrição dos sistemas analisados Para esse trabalho, o sistema de remoção de CO2 por membranas faz uso do modelo de acetato de celulose na configuração spiral wound. O sistema de separação pode assumir diversas configurações de forma a atender as especificidades do problema e requisitos técnico-econômicos. Baseado no trabalho de QI e HENSON (2000) e DATTA e SEN (2006) as configurações apresentadas de forma sucinta pela na figura 3.7 (a), figura 3.8 (a), figura 3.9 (a), figura 3.10 (a) e figura 3.11 (a) e descritas na tabela 3-1 foram selecionadas para uma análise comparativa econômica. As características descritas a seguir definem as condições de contorno do problema. A corrente de alimentação, que é representada pela corrente na figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11, do sistema de separação já fora tratada, removendo-se o H2S, água e ajustando o ponto de orvalho. Sua composição e vazão varia constantemente e é discretizada em períodos anuais a partir de uma curva ao longo da vida útil do empreendimento. O retentado, que é representado pela corrente na figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11, é direcionado para a próxima etapa no processo de separação primária, o módulo do compressor de exportação, descrito na figura 3.1. Por motivo de flexibilidade operacional, esse módulo de compressão é capaz de suportar uma enorme variabilidade de composição e vazão, podendo inclusive receber a vazão integral de alimentação do módulo de membrana através de by-pass. Assim sendo, para simplificar o problema, esse módulo não faz parte dessa análise. A corrente de retentado tem como condições fundamentais para sua caracterização a concentração máxima de CO2 molar e seu poder calorífico inferior, sendo cabível qualquer vazão a ela atribuída. Pelo lado permeado, que é representado pela corrente na figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11, o sistema de membranas é acoplado ao sistema de recompressão de CO2, utilizado nas técnicas de EOR. Tipicamente nos processos de aquisição vigentes no mercado brasileiro, os módulos de remoção de CO2 e recompressão de CO2 são comprados e fornecidos por empresas independentes. No problema analisado, assim como em diversos casos reais, o módulo de recompressão de CO2 é considerado como pré-estabelecido, não cabendo a análise de dimensionamento do mesmo. No entanto, sua capacidade de compressão deverá ser restrita ao envoltório operacional do sistema, aqui descrito pelo mapa operacional de cada estágio de 17 compressão. Neste caso, o consumo de utilidades (água e energia) será incorporado à análise do problema. No processo de separação primária de petróleo, a quantidade de hidrocarboneto direcionada para a corrente de permeado não é considerado uma perda de produto. De acordo com a figura 3.1, todo o produto permeado é reinjetado no reservatório de petróleo. Assim, considera-se que no futuro ele será novamente carreado junto com o petróleo da jazida em direção a plataforma de produção através dos poços produtores. Desse modo, é cabível interpretar a presença de hidrocarbonetos na corrente permeado como uma ineficiência do processo, um dispêndio de energia sem retorno financeiro, e não uma perda de produto. De forma a permitir flexibilidade operacional nas plantas de separação primária, o percurso dos gases provenientes do módulo de aquisição, separação e tratamento de óleo, vide figura 3.1, pode ser alterado ao longo da vida da unidade. A flexibilidade operacional é garantida através do redirecionamento dessas correntes e depende da curva de produção, falha de equipamentos e outros fatores. Contudo, a análise desses cenários não é parte do escopo desse estudo. De fato, até mesmo a própria caracterização do reservatório de petróleo ao longo dos anos e a curva de produção estão de certa forma atreladas a capacidade da planta de processo em reinjetar CO2, gás natural e/ou água. Assim, é necessário estabelecer limites de escopo e salientar que existe um problema maior e mais complexo no qual este trabalho se encaixa. Por fim, o sistema demanda diversas utilidades, como água de resfriamento para os resfriadores interestágios de compressão, 5, 8, 11, 14, 17, 20e21, gás combustível para os turbo-compressores, 4, 7, 10e13, e energia elétrica para os moto- compressores,16e19 da figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11. Para o funcionamento do sistema de separação por membrana, quando submetido às condições de operação do problema, é necessário a inclusão de alguns outros equipamentos, como exposto na figura 3.7 (b), figura 3.8 (b), figura 3.9 (b), figura 3.10 (b) e figura 3.11 (b). Nelas, destacam-se a presença de diversos estágios de compressão, vasos separadores de líquidos e trocadores de calor, necessários para atingir as condições de temperatura e pressão desejadas. A tabela 3-2, tabela 3-3, tabela 3-4, tabela 3-5 e tabela 3-6 apresenta os parâmetros necessários para permitir o cálculo do equilíbrio termodinâmico (parâmetros 18 de entrada) e para determinar o valor das funções econômicas analisadas ao longo deste trabalho (parâmetros de saída). Tabela 3-1 - Configurações dos módulos de mambrana Configuração A B C D E Descrição Um estágio de membrana seguido de recompressão da corrente de CO2. Um estágio de membrana com reciclo seguido de recompressão da corrente de CO2. Dois estágios de membrana em série seguido de recompressão da corrente de CO2. Dois estágios de membrana em série com reciclo seguido de recompressão da corrente de CO2. Dois estágios de membrana em cascata com reciclo seguido de recompressão da corrente de CO2. 19 Legenda: Figura 3.7- Fluxograma - Configuração A - Adaptado de QI e HENSON (2000) e DATTA e SEN (2006) (a) e utilizado no simulador de processos (b). 20 Legenda: Figura 3.8- Fluxograma - Configuração B - Adaptado de QI e HENSON (2000) e DATTA e SEN (2006) (a) e utilizado no simulador de processos (b). 21 Legenda: Figura 3.9 - Fluxograma - Configuração C - Adaptado de QI e HENSON (2000) e DATTA e SEN (2006) (a) e utilizado no simulador de processos (b). 22 Legenda: Figura 3.10 - Fluxograma - Configuração D - Adaptado de QI e HENSON (2000) e DATTA e SEN (2006) (a) e utilizado no simulador de processos (b). 23 Legenda: Figura 3.11- Fluxograma - Configuração E - Adaptado de QI e HENSON (2000) e DATTA e SEN (2006) (a) e utilizado no simulador de processos (b). 24 Tabela 3-2 - Variáveis de processo para Configuração A. Equipamento Parâmetro de Entrada Parâmetro de Saída 1 Área. Área. i Vazão mássica por componente. ii Pressão. / Corrente Vazão volumétrica, poder calorífico inferior. iii Pressão. ii-iii Delta de temperatura. 4, 7, 10, 13 Curvas de head e potência, tipo Potência, temperatura de descarga. de equipamento. 5, 8, 11, 14 Perda de carga, tipo de Vazão do fluido de resfriamento. equipamento, temperaturas do fluido de resfriamento. vi, ix, xii Temperatura. xv Temperatura, pressão. 25 Tabela 3-3 - Variáveis de processo para Configuração B. Equipamento Parâmetro de Entrada Parâmetro de Saída 1 Área. Área. i Vazão mássica por componente. ii Pressão. / Corrente Vazão volumétrica, poder calorífico inferior. iii Pressão. ii-iii Delta de temperatura. 16, 19 Eficiência, tipo de equipamento. Potência, pressão de descarga, temperatura de descarga. 17, 20 Perda de carga, tipo de (U.A) coeficiente global de equipamento, temperaturas do transferência de calor vezes área de fluido de resfriamento. troca térmica, vazão do fluido de resfriamento. xix Temperatura, vazão mássica. xvii Temperatura. Vazão real volumétrica, densidade das fases, pressão. Vazão real volumétrica, densidade xx das fases, pressão. 4, 7, 10, 13 Curvas de head e potência, tipo Potência, temperatura de descarga. de equipamento. 5, 8, 11, 14 Perda de carga, tipo de Vazão do fluido de resfriamento. equipamento, temperaturas do fluido de resfriamento. vi, ix, xii Temperatura. xv Temperatura, pressão. 26 Tabela 3-4 - Variáveis de processo para Configuração C. Equipamento Parâmetro de Entrada Parâmetro de Saída 1,2 Área. Área. i Vazão mássica por componente. ii Pressão. / Corrente Vazão volumétrica, poder calorífico inferior. iii Pressão. xvii-xvi Delta de temperatura. ii-xix Delta de temperatura. 15 Perda de carga, temperaturas do (U.A) coeficiente global de fluido de aquecimento, tipo de transferência de calor vezes área de equipamento. troca térmica, vazão do fluido de aquecimento. xvii Pressão. Pressão. Pressão. xviii 4, 7, 10, 13 Curvas de head e potência, tipo Potência, temperatura de descarga. de equipamento. 5, 8, 11, 14 Perda de carga, tipo de Vazão do fluido de resfriamento. equipamento, temperaturas do fluido de resfriamento. vi, ix, xii Temperatura. xv Temperatura, pressão. 27 Tabela 3-5 - Variáveis de processo para Configuração D. Equipamento Parâmetro de Entrada Parâmetro de Saída 1, 2 Área. Área. i Vazão mássica por componente. ii Pressão. / Corrente Vazão volumétrica, poder calorífico inferior. iii, xx Pressão. Pressão. xx-iii Delta de temperatura. ii-xxii Delta de temperatura. 21 Perda de carga, temperaturas do (U.A) coeficiente global de fluido de aquecimento, tipo de transferência de calor vezes área de equipamento. troca térmica, vazão do fluido de aquecimento. xxii Pressão. Vazão real volumétrica, densidade das fases, pressão 16, 19 Eficiência, tipo de equipamento. Potência, pressão de descarga, temperatura de descarga. 17, 20 Perda de carga, tipo de (U.A) coeficiente global de equipamento, temperaturas do transferência de calor vezes área de fluido de resfriamento. troca térmica, vazão do fluido de resfriamento. xix, xxi Temperatura. Pressão. xvii Temperatura. Vazão real volumétrica, densidade das fases, pressão. 4,7,10,13 Curvas de head e potência, tipo Potência, temperatura de descarga. de equipamento. 5,8,11,14 Perda de carga, tipo de Vazão do fluido de resfriamento. equipamento, temperaturas do fluido de resfriamento. vi, ix, xii Temperatura. xv Temperatura, pressão. 28 Tabela 3-6 - Variáveis de processo para Configuração E. Equipamento Parâmetro de Entrada Parâmetro de Saída 1, 2 Área. Área. i Vazão mássica por componente. ii Pressão. / Corrente Vazão volumétrica, poder calorífico inferior. iii Pressão. xx-iii Delta de temperatura. ii-xxi Delta de temperatura. 21 Perda de carga, temperaturas do (U.A) coeficiente global de fluido de aquecimento, tipo de transferência de calor vezes área de equipamento. troca térmica, vazão do fluido de aquecimento. xxi Pressão. Vazão real volumétrica, densidade das fases, pressão. 16, 19 Eficiência, tipo de equipamento. Potência, pressão de descarga, temperatura de descarga. 17, 20 Perda de carga, tipo de (U.A) coeficiente global de equipamento, temperaturas do transferência de calor vezes área de fluido de resfriamento. troca térmica, vazão do fluido de resfriamento. xvii Temperatura. Vazão real volumétrica, densidade das fases, pressão. xix Temperatura, pressão. Pressão. xxiii Temperatura. Pressão. Pressão. xx 4,7,10,13 Curvas de head e potência, tipo Potência, temperatura de descarga. de equipamento. 5,8,11,14 Perda de carga, tipo de Vazão do fluido de resfriamento. equipamento, temperaturas do fluido de resfriamento. vi, ix, xii Temperatura. xv Temperatura, pressão. 29 CAPÍTULO 4 METODOLOGIA Neste capítulo são detalhados os métodos de cálculo das variáveis econômicas e das variáveis de processo. São apresentados os algoritmos heurísticos utilizados na resolução do problema de otimização, a saber: o método de evolução diferenciada e o método de enxame de partículas. São também abordados tópicos comuns a quaisquer problemas de otimização, como a definição das variáveis de decisão, as restrições do problema e as funções objetivo. Além disso, são descritas as ferramentas computacionais utilizadas. Por fim, um caso de referência é apresentado. 4.1 Modelagem econômica No primeiro momento é necessário definir as variáveis econômicas que são utilizadas para promover a comparação entre as diferentes configurações da planta de separação de CO2. 4.1.1 Custo de Investimento A técnica de precificação modular para estimativa dos custos de investimento, Capital Expenditure (CAPEX), representado matematicamente por CAP (US$), é comumente utilizada em novos projetos de plantas de processo. O procedimento foi introduzido por Guthrie no início da década de 1970. A técnica relaciona os custos de aquisição do equipamento com os custos estimados em uma data e condição base. Desvios da condição base são tratados usando fatores multiplicadores que variam com o tipo, material e pressão do equipamento (TURTON et al., 2003). O custo do equipamento (custos diretos e indiretos) é definido como = 30 , ( 4.1 ) sendo o custo do equipamento nas condições base (normalmente em aço carbono e pressão atmosférica) e é o fator de custo do módulo. Para trocadores de calor, vasos de pressão e bombas, TURTON et al. (2003) sugerem que =( onde + é o fator relacionado ao material, ), ( 4.2 ) é o fator relacionado à pressão, e e são parâmetros que dependem do tipo e características construtivas do equipamento. Todos os parâmetros são tabulados por TURTON et al. (2003) em seu trabalho. Para os compressores e acionadores, material. E para as membranas é tabelado de acordo com tipo e recebe valor unitário. TURTON et al. (2003) definem o custo do equipamento nas condições base, , para os vasos de pressão como sendo função da sua geometria (vertical ou horizontal) e seu volume. Para os trocadores de calor, é função da área de troca térmica e do tipo construtivo. Já para os compressores, é função da potência e do tipo (centrífugo, axial, alternativo). No caso dos acionadores elétricos, depende da potência e dos requisitos normativos para atendimento de instalação em área com risco de explosão. Por fim, para as membranas, depende da área de filme polimérico e do material utilizado. O custo do módulo do equipamento deve ser atualizado a partir da data base, quando foram geradas as funções custo, até o dia presente usando índices inflacionários como Marshall and Swift Equipment Cost Index e o Chemical Engineering Plant Cost Index (CEPCI). Assim, , onde é o custo de aquisição, = , , ( 4.3 ) é o índice inflacionário e 1e 2 referem-se ao período base e ao período atual respectivamente. A base de dados com custos de aquisição disponível para esse trabalho está publicada em TURTON et al. (2003). Analisando os valores publicados pelo CEPCI, verifica-se que em 2003 o índice inflacionário era de 397 (valor atribuído a 2013, era 567,5 (valor atribuído a ). 31 ) e em A base de dados de TURTON et al. (2003) possui validade dentro de certos limites, a depender da característica constitutiva do equipamento, como por exemplo potência no caso de acionadores elétricos. Para valores acima dos limites estabelecidos em sua base de dados, TURTON et al. (2003) sugere o uso da regra dos Seis Décimos, metodologia também seguida por trabalhos como GADELHA (2013). A regra estabelece que o custo de um equipamento pode ser inferido a partir de um similar existente. Assim, = $ )) , , !"# ($ %&'( ( 4.4 ) onde * respresenta a variável que indica a capacidade,+ é o expoente de custo , o custo (direto e indireto) e o índice ,-./ refere-se ao valor conhecido. De acordo com GADELHA (2013), o valor de + varia de 0,3 a 1 dependendo do tipo de equipamento, mas em média, frequentemente assume o valor de 0,6, daí o nome da regra. Por fim, TURTON et al. (2003) sugerem que seja adicionado ao valor final 15% de custos de contingência e 3% de custos com taxas. Assim, temos que o custo total do sistema é "0"1#2! = 1,18 ∑)04 , ,0 , ( 4.5 ) sendo + é o número total de equipamentos. Já o *5 é estimado como *5 = "0"1#2! + 0,5 ∑)04 , ,0 . ( 4.6 ) Percebe-se, de acordo com (4.29) um acréscimo de 50% do valor total dos módulos no caso de uma nova instalação. Todo o algoritmo supracitado foi implementado por TURTON et al. (2003) em uma planilha desenvolvida para Microsoft Excel, chamada CAPCOST, cujo código é utilizado para a obtenção dos valores monetários. 32 4.1.2 Custo de Produção O custo operacional de uma planta de processo, Operational Expenditure (OPEX), representado matematicamente por OPE (US$/ano), deve ser considerado durante o procedimento de avaliação econômica do projeto. Segundo TURTON et al. (2003) esses custos podem ser segregados em três categorias (tabela 4-1) : Custos diretos de produção, custos fixos de produção e gastos gerais. Tabela 4-1 - Fatores que compõem o custo operacional (TURTON et al., 2003). Fator Faixa típica de multiplicação dos fatores 1. Custos diretos de produção a. Matérias-primas (678 ) 9 b. Tratamento de efluentes(6:; ) <= c. Utilidades(6>; ) ?= d. Mão de obra(6@A ) BC (0,1 − 0,25) e. Trabalho de supervisão e de escritório BC (0,02 − 0,1) *5 f. Manutenção e reparo (0,002 − 0,02) *5 g. Suprimentos operacionais (0,1 − 0,2) h. Taxas de laboratório BC (0 − 0,06)E5F i. Patentes e royalties 2. Custos fixos de produção 0,1 *5 a. Depreciação (0,014 − 0,05) *5 b. Impostos locais e seguro (0,5 − 0,7)( G/H1. J + G/H1. / + G/H1. K) c. Despesas gerais da planta 3. Gastos gerais 0,15( G/H1. J + G/H1. / + G/H1. K) a. Custos de administração (0,02 − 0,2)E5F b. Custos de distribuição e venda 0,05E5F c. Pesquisa e desenvolvimento Na falta de melhores estimativas, TURTON et al. (2003) sugerem atribuir valores médios para as faixas descritas na tabela 4-1. Atribuindo tais valores médios e, por fim, conjugando os termos (de 1.a até 3.c) temos que E5F = *5 + BC + 33 L ( 9 + <= + ?= ), ( 4.7 ) sendo , e L fatores de custo e que assumem, para uma formulação onde a depreciação possua estimativa independente, valores de 0,18, 2,76 e 1,23 respectivamente de acordo com GADELHA (2013). Já as variáveis analisadas a seguir. Custo de Mão de obra ( 9 , <= e ?= são BC ) O custo de mão de obra é estimado de acordo com procedimento desenvolvido por TURTON et al. (2003), onde o valor é definido a partir do número de trabalhadores necessários e do salário de cada trabalhador. De acordo com MACHADO (2012) o salário base pode ser considerado como US$ 45300/ano. E de acordo com TURTON et al. (2003), o número de operadores MN para operar contínuamente uma planta de processo é MN = 4,5(6,29 + 31,7O + 0,23M#P ) ,Q , ( 4.8 ) onde O é o número de etapas de processamento que envolve a manipulação de sólidos particulados (nesse caso O = 0) e M#P é o número de equipamentos na unidade (excluindo-se bombas e vasos). O custo de mão-de-obra é então calculado com sendo BC = 45300MN . ( 4.9 ) Custo de Utilidades (CST ) Três são as principais utilidades no processo. Água de resfriamento, cujo custo, por simplificação, refere-se apenas ao consumo elétrico do processo de bombeio uma vez que a bomba e o circuito de resfriamento já são existentes. O head da bomba é definido com 90 metros e eficiência 80%. Gás Natural para o turbo-compressor e para a geração de energia elétrica, cujo custo é determinado a partir do gás natural que é consumido nas turbinas de geração elétrica. De acordo com MACHADO (2012) o preço de venda do gás natural não é adequado para este caso, sendo mais conveniente o custo de fornecimento, definido pelo 34 Canadian National Energy Board como “o custo para produzir um GJ de gás natural ao longo do tempo de vida de um poço”. Assim, MACHADO (2012) sugere US$ 2,11/GJ como valor a ser adotado. Por fim, considerando as perdas e derating, a eficiência de 38% é atribuída para geração elétrica e mecânica com base nos dados de MEHERHOMJI (2008). Custo de Matérias-Primas (CUV ) O custo da membrana é baseado no valor de skids comerciais, que de acordo com GADELHA (2013) é de 50 US$/m2. Para o custo de instalação esse valor será majorado em 10%. Neste trabalho, define-se que 20% da área será substituída anualmente de acordo com SPILLMAN (1995). Custo de Tratamento de Efluentes ( <= ) No processo analisado não há efluentes que demandem tratamento, portanto não há custo para tratamento de efluentes. 4.1.3 Receita A receita refere-se ao montante auferido com a venda do produto final. Contudo, de modo semelhante ao gás natural consumido, o valor referente a corrente de gás produzido não pode ser considerado como sendo igual ao valor de mercado. O montante de US$ 2,11/GJ é adotado para precificar a corrente de gás natural exportada como produto final da unidade. A receita anual em dólar (W[US$/ano]) referente ao gás natural exportado da plataforma é sendo F#a W = 2,11F#a Nb1 Nb1 ( 4.10 ) a energia contida no volume anual exportado da plataforma (GJ/ano), baseada no poder calorífico inferior. O volume anual exportado é calculado a partir da subtração da parcela destinada ao gas-lift do volume total gerado pela unidade. 35 4.1.4 Disponibilidade A disponibilidade pode ser descrita como o período útil de uma planta de processo, trata-se do período em que há efetiva produção. Para unidades desse tipo é estimada em 96%, de acordo com MACHADO (2012). Assim, fatores como receita e custo de utilidades devem ser multiplicados por este fator. 4.1.5 Valor presente líquido Uma avaliação realista da lucratividade exige, além de custos de capital e operacional, informações sobre receitas, capital de giro, depreciação, impostos e taxas de desconto. TURTON et al. (2003) indicam que, quando se comparam alternativas de investimento mutuamente exclusivas, a alternativa com maior valor presente líquido (VPL), representada matematicamente por c*d (US$), deve ser escolhida. O valor presente líquido representa a diferença entre o valor presente das entradas líquidas de caixa descontadas ao custo de capital da empresa e o valor das saídas de caixa realizadas no momento zero (investimento inicial) (MACHADO, 2012). Para realizar a análise econômica, considerando a variação da produção ao longo dos vinte e cinco anos, é necessário o cálculo do fluxo de caixa anual (US$). A tabela 4-2 mostra os cálculos para o fluxo de caixa e lucro líquido em termos de receita, custos de operação, depreciação e taxa de juros. Tabela 4-2 - Componentes do fluxo de caixa (MACHADO, 2012). Termo Descrição Fórmula Custos OPEX + depreciação = OPE + d Impostos (Receita – Custos) * taxa = (R–OPE–d) * t Lucro Líquido Receita – Custos – Impostos = (R–OPE–d) * (1–t) Fluxo de caixa (FC) Lucro Líquido + depreciação = (R–OPE–d) * (1–t) + d Para a determinação do valor presente líquido, *5 é integralmente aplicado no ano zero, antes da operação. O espaço ocupado pela unidade não é considerado nesse 36 momento, contudo certamente deve ser avaliado no futuro de forma a verificar a pertinência dos resultados. Seu custo não é contabilizado nesse trabalho. A depreciação (d) segue o modelo proposto por GADELHA (2013) baseado no sistema modificado de recuperação acelerada de custos (MACRS, Modified Accelerated Cost Recovery System), usando uma convenção de meio ano, e considerando um período de recuperação de 5 anos (TURTON et al., 2003) conforme tabela 4-3. A taxa de juros (i) e a taxa de tributação (t) são 10% e 45%, respectivamente (MACHADO 2012). O valor presente líquido, enfim, pode ser calculado como c*d = +( ef g0) +( ef g0) +( efh g0)h + ⋯ +( ef j , g0) j ( 4.11 ) onde o índice k representa o ano de operação do empreendimento e o termo representa o ano antes da operação, que é definido neste problema como − *5. Tabela 4-3 - Taxa de depreciação, Método MARCS, extraído de TURTON et al. (2003). Ano Depreciação (% CAP) 1 2 3 4 5 6 20 32 19,2 11,52 11,52 5,76 Observa-se que a equação ( 4.11 ) é função de , que por sua vez é função de *5 e E5F, que de acordo com a equação ( 4.7 ) é função de diversas variáveis, dentre elas *5. Contudo, para um *5 pré-definido, a equação ( 4.11 ) deixa de ser função do custo de investimento. Então para otimizar o valor presente líquido, VAL, é suficiente encontrar o valor ótimo de cada parcela anual do fluxo de caixa a valor presente, Ψ (US$), definido como Ψl = ( efh g0)h , ( 4.12 ) onde o índice k representa o ano de operação do empreendimento, variando de 0 a 25, é a taxa de juros e representa o fluxo de caixa. 37 4.2 Modelagem de processo A modelagem matemática é essencial para solucionar o problema térmico dos diversos equipamentos, os balanços de massa e energia. E por fim, fornecer informações necessárias para possibilitar a análise econômica. Contudo, os sistemas são modelados de acordo com a metodologia inerente ao simulador de processo UniSim® Design. Assim, neste tópico cita-se na medida do necessário a forma como os equipamentos são modelados matematicamente no simulador de processos com o único intuito de permitir o entendimento dos parâmetros que são utilizados durante sua execução. 4.2.1 Modelagem da corrente de alimentação A corrente de alimentação tem sua composição e vazão alteradas ao longo do tempo. Em um campo de petróleo essas características são descritas através de uma curva ao longo do tempo, conhecida como curva de produção. Os dados contidos em uma curva de produção são específicos para cada campo de petróleo e seus valores são restritos e sujeitos a cláusulas de sigilo do órgão regulador, ANP. Assim, neste trabalho é proposta uma curva característica típica, figura 4.1, alinhada com valores de trabalhos como de HÖÖK (2009). A curva, contudo, não é específica de nenhum campo de petróleo. A curva de produção é estimada pelo período de vinte e cinco anos, mesmo período de operação de uma plataforma de petróleo. A curva proposta é composta por uma mistura de hidrocarbonetos e dióxido de carbono, e em seu formato inclui ainda uma parcela para gas-lift. Esta é composta por hidrocarbonetos tratados, com baixo teor de CO2 que de certa forma recirculam através do sistema de produção de uma plataforma. A vazão máxima de gás é definida em 6.000.000 Nm3/dia (20º C, 1 atm) de gás natural neste trabalho. A temperatura e pressão de entrada do sistema de separação de CO2 são arbitradas em 38 ºC e 5300 kPa, respectivamente. A composição da corrente de hidrocarbonetos é arbitrada como sendo a descrita na tabela 4-4. Nela, observa-se uma grande parcela de metano na composição do gás natural, seguida do etano e assim por diante. 38 % da máxima produção de gás 100 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Ano CO2 GN Gas-lift Figura 4.1- Curva de produção. Tabela 4-4 - Composição do gás natural da corrente de alimentação. Componente Metano Etano Propano i-Butano n-Butano 4.2.2 % molar 75 13 9 1 2 Modelagem da membrana A literatura apresenta diversas formulações para a modelagem do processo de separação por membranas. O simulador de processo UniSim® não conta com um algoritmo próprio para a simulação termodinâmica deste componente, contudo permite que desenvolvimentos sejam inseridos através de linguagem de programação. Assim, o laboratório H2CIN–EQ–UFRJ, da Universidade Federal do Rio de Janeiro, desenvolveu um algoritmo fazendo uso de uma modelagem simplificada em analogia com o modelo clássico de trocador de calor. Neste, a média logarítmica da 39 diferença de temperatura (força motriz) é usada para calcular a quantidade de calor trocada entre as correntes (PINTO et al., 2009). Então, m = n. *. ∆O Cp . ( 4.13 ) No modelo do permeador, a quantidade de calor, m, dá lugar à vazão permeada do componente i, no lugar do coeficiente global de transferência de calor, n, entra a permeância do componente i e a média logarítmica da temperatura, ∆O Cp , é substituída pela média logarítmica das pressões parciais do componente i (PINTO et al., 2009). Então, d0 = n0 *∆q0Cp , ( 4.14 ) ∆q0Cp = ( 4.15 ) ∆r s∆r tuv ∆w ∆w x . No modelo contracorrente, temos que ∆5 = 5b#1 y0 , ( 4.16 ) ∆5 = 5z##{ |0 − 5 #b2 }0 , ( 4.17 ) onde é o índice que representa cada componente; 5 é a pressão (bar); * é a área de troca da membrana (m2); n é a permeância do componente (MMSCMD / (bar . m2)), onde MMSCMD = 1.000.000 Sm3/dia (0º C, 1 atm); d é a vazão do permeado (MMSCMD); ~/G ,•/~He K//J são os índices que se referem a corrente de retentado, permeado e alimentação respectivamente; }0 , y0 /|0 são as frações molares do componente i nas correntes de permeado, retentado e alimentação respectivamente. 40 O sistema acima define o balanço de massa, mas não define o estado termodinâmico das correntes e, portanto, não garante o balanço de energia. Para isso, a diferença de temperatura entre a corrente retentado e permeado é arbitrada em 3 ºC. A queda de pressão ao longo da membrana aliada a um coeficiente Joule-Thomson positivo promove a queda na temperatura das correntes. O valor da diferença de temperatura entre as correntes é corroborado por resultados de campo, que mostram uma variação entre 1 ºC e 3 ºC. Então, Ob#1 − O #b2 = 3 ºC. ( 4.18 ) Com o estado termodinâmico das correntes definido, resta descobrir qual o valor de temperatura de retentado que atende o balanço de energia, dado por H€z##{ ℎz##{ = H€b#1 ℎb#1 + H€ #b2 ℎ #b2 , ( 4.19 ) onde O é a temperatura, H€ é a vazão mássica e ℎ é a entalpia. Por fim, para garantir que não haja condensação dentro da membrana, algo impeditivo para alguns modelos, é imposta a restrição para garante que a temperatura de Nb‚!ƒ„N , e retentado, Ob#1 , seja 5 ºC ponto de orvalho das correntes permeado, O Nb‚!ƒ„N #b2 inferior à temperatura real do retentado e permeado. Então, Nb‚!ƒ„N Ob#1 ≤ Ob#1 − 5 ºC, ( 4.20 ) O Nb‚!ƒ„N ≤O #b2 ( 4.21 ) #b2 − 5 ºC. A permeância de cada componente, grau no qual a membrana admite o fluxo de matéria, é um parâmetro necessário para a resolução do problema exposto. Contudo, esses valores variam para os diferentes materiais que podem compor a membrana. No problema em análise é considerado como material o acetato de celulose. Além disso, de acordo com SPILLMAN (1995) a permeância é função da temperatura, o que não é previsto pelo modelo exposto. Nas configurações analisadas, todas as temperaturas de 41 entrada são equalizadas em torno de 40 ºC por meio de trocadores de calor de modo a reduzir a influência dessa variável. Para aprimorar os resultados, são utilizados valores de permeância provenientes de regressão a partir de dados de campo, em plataformas operando na região do pré-sal, Brasil. Como tais valores estão sujeitos a requisitos de confidencialidade, para orientação ao leitor são expostos neste trabalho os valores de referência encontrados por GADELHA (2013), tabela 4-5. Nela, observa-se que os valores de permeância para o CO2 possuem ordem de grandeza superior aos demais componentes, possibilitando assim o funcionamento seletivo da membrana. Tabela 4-5 - Valores de permeância para membranas de acetato de celulose para vários componentes (GADELHA, 2013). 4.2.3 Permeância [mol / s Pa m2] CO2 0,134 H 2S 1E−09 H 2O 1E−09 CH4 0,00381 Etano 0,00572 Propano 0,00858 Butano 0,0129 Modelagem do compressor Diversos compressores são considerados no problema proposto, vide figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11. Alguns compressores são responsáveis pela recuperação da pressão do gás permeado de modo a atingir a pressão necessária para alimentação do próximo estágio de membrana, existente apenas nas configurações B, D e E. Estes são modelados como compressores centrífugos de dois estágios, com máxima razão de compressão igual a quatro e eficiência politrópica típica de 75% conforme dados de QI e HENSON (2000), HAO et al. (2002) e SALAMAT (2012). Os compressores localizados ao final do processo de separação, na corrente de permeado, doravante denominados “compressores de CO2”, são responsáveis por elevar 42 a pressão até o patamar de 25000 kPa, na corrente }†. É possível observá-los na figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11 entre as correntes e }†, especificamente os equipamentos 4,7,10 e 13. A pressão de 25000 kPa é definida no projeto da unidade de modo a garantir a flexibilidade operacional. São compressores centrífugos projetados conforme a norma American Petroleum Institute API-617. A taxa de compressão é elevada demais para a compressão em um único estágio, assim, quatro estágios são disponibilizados. Trata-se de dois compressores centrífugos de duplo estágio, em série, com resfriadores (intercoolers) após cada uma das quatro etapas. Os dois compressores são montados também mecanicamente em série, no mesmo eixo, movido por uma turbina a gás de rotação variável. O controle da rotação é responsável por garantir a condição operacional da pressão de sucção, enquanto os reciclos, existentes em cada estágio, são responsáveis pelo controle anti-surge. Como já adquiridos para diversas plataformas do pré-sal, dados específicos desses equipamentos estão disponíveis. Assim, eles são modelados a partir de suas curvas características reais, ao invés de valores de referência da literatura. O cálculo do head politrópico baseia-se no método ASME desenvolvido por SCHULTZ (1962) e é definido como ‡ = K v)s x ˆ‰ρ ) rŠ‹Œ Š‹Œ,&•Œ‹&Ž • − ‰ ρ •‘ •’ r •‘ v “ x “• , ( 4.22 ) e a eficiência politrópica definida como 5”•yG~”• –FKK = ‘˜ v x ‘ wŠ‹Œ —‰ • s w•‘ v w —‰ Š‹Œ • w•‘ ™v šš̃ ‘ ‘˜ x xv šš̃ x s ™ „Š‹Œ,•›(&Ž s„•‘ „Š‹Œ,&•Œ‹&Ž s„•‘ , ( 4.23 ) onde K= š v š˜ „Š‹Œ,•›(&Ž s„•‘ xœ• wŠ‹Œ ρŠ‹Œ,•›(&Ž 43 w žs‰ •‘ •Ÿ ρ•‘ , ( 4.24 ) + = w ƒN ‰ Š‹Œ • w•‘ ρŠ‹Œ,&•Œ‹&Ž • ƒN ‰ , ( 4.25 ) , ( 4.26 ) ρ•‘ e ¡ = w ƒN ‰ Š‹Œ • w•‘ ρŠ‹Œ,•›(&Ž ƒN ‰ ρ•‘ • onde ‡ é o head politrópico (m), ℎ a entalpia (J/kg), + é o índice que significa entrada do compressor, ”¢G é o índice que significa descarga do compressor, 5 a pressão (Pa), ρ massa específica (kg/m3), K é o fator de head politrópico, + é o expoente politrópico, ¡ é o expoente isentrópico, £ é a aceleração gravitacional (m/s2) e £¤ é a constante de proporcionalidade relacionando massa e peso (kg.m/(s2.N)). Para obter ρN¥1,0{#!ƒ é realizado uma compressão isentrópica a partir da condição 50) . E a potência pode ser calculada como 5 = onde 5 é a potência (W), (¦§) v ) )s ‘˜ v x r ‘ ‰ ρ •œv rŠ‹Œx •‘ •‘ x r•‘ − 1Ÿ, ( 4.27 ) é a vazão molar da entrada do compressor (kmol/s), ¦§ é o peso molecular (kg/kmol) e é o fator de correção definido como = ‘ v ‘˜ „Š‹Œ,•›(&Ž s„•‘ xœ• wŠ‹Œ ρŠ‹Œ,•›(&Ž w žs‰ •‘•Ÿ . ρ•‘ ( 4.28 ) De acordo com STEPHENSON (2011) a grande dificuldade de utilizar as curvas de performance fornecidas pelo fabricante está no fato da necessidade de adequá-las as condições da simulação de processo, que na maioria das vezes, são diferentes das condições para as quais as curvas foram concebidas e são válidas. Para permitir que as curvas de performance sejam usadas em diferentes condições de sucção e rotação, STEPHENSON (2011) apresenta um sistema de coordenadas independente de ambos os fatores, head e potência. A transformação é realizada através de análise dimensional e a aplicação de uma variação das Fan Laws. Assim, as funções head politrópico 44 ‡ = K (m, ¨, ©, ª, -, J) ( 4.29 ) 5 = K (m, ¨, ©, ª, -, J) , ( 4.30 ) e potência que originalmente dependem de m (vazão volumétrica),¨(rotação do compressor), © (viscosidade do fluido), ª (massa específica do fluido), - (velocidade sônica do fluido na sucção) e J (diâmetro médio do impelidor), são reduzidas primeiramente através do teorema de Pi Buckingham em um suposto fluxo turbulento a ‡ ,) = K (m) , ¨), ( 4.31 ) e 5) = KL (m) , ¨), ( 4.32 ) onde o índice + denota valores adimensionais. Em seguida, para reduzir a dependência das funções a apenas uma variável deveria ser aplicada a fan law, correlações típicas entre vazão, rotação e pressão aplicadas para ventiladores e bombas. Contudo, as fan laws não são estritamente aplicáveis a compressores, assim STEPHENSON (2011) ainda sugere uma forma modificada, que gera por fim uma curva reduzida de head versus vazão, ‡ ,b = K« (mb ) , ( 4.33 ) e uma de potência versus vazão, 5b = KQ (mb ). ( 4.34 ) Após esse procedimento, STEPHENSON (2011) sugere a regressão dos pontos em três diferentes polinômios que representam três regiões distintas de operação do 45 compressor. Por fim, esses polinômios são revertidos para forma dimensional na condição específica da simulação de processo e valores de potência e eficiência são obtidos através da leitura direta do mapa. Assim, a partir das curvas de performance do compressor de CO2 fornecidas pelo fabricante e através dos procedimentos descritos acima, que fazem parte do UniSim®, os quatro estágios são modelados no simulador de processos. 4.2.4 Modelagem dos trocadores de calor Os trocadores de calor são modelados como trocadores da classe casco e tubos, tipo TEMA F. O simulador de processos é capaz de determinar o fator (U.A) do equipamento a partir das condições de contorno prescritas. Como descrito por SERTH (2007), o modelo térmico é regido pelas equações m€ = n*d¦O¬ ( 4.35 ) m€ = H€– ∆O, ( 4.36 ) e sendo m€ , n,*, d¦O¬, H€, – e ∆O respectivamente a carga térmica (W), o coeficiente global de transferência de calor (W/m2.K), a área de troca térmica (m2), a diferença média logarítmica de temperaturas (oC), a vazão mássica do fluído quente ou frio (kg/h), o calor específico a pressão constante do fluido quente ou do fluido frio (kJ/kg ºC) e a diferença entre as temperaturas de entrada e saída da corrente quente ou fria (ºC). Nos intercoolers dos estágios de compressão o valor de 40 ºC é arbitrado como saída do gás de processo. Em todos os casos, água é usada como meio de resfriamento, sendo admitida a 35 ºC e descartada a 55 ºC, limite imposto pelo Conselho Nacional do Meio Ambiente-CONAMA. Já o circuito de água de aquecimento disponível e que atende os reaquecedores encontra-se nas temperaturas de 170 ºC de entrada e 120 ºC de saída. A temperatura de saída da corrente de gás dos reaquecedores também será arbitrada em 40º C de forma a reestabelecer a temperatura original do processo, na qual baseou-se a permeância das membranas. A perda de carga na corrente de gás dos 46 trocadores de calor é arbitrada baseada em valores práticos de projeto, como sendo 110 kPa. A determinação da área de troca de acordo com a equação ( 4.35 ) se faz necessária apenas para auxiliar na modelagem econômica do problema. Determinando o coeficiente global de transferência de calor é possível obter a área de troca Assim, segundo PERRY e GREEN (1997), valores típicos de coeficiente global de transferência de calor podem ser obtidos para diversas aplicações de acordo com o tipo de equipamento e os fluidos envolvidos. O valor médio de 700 W/(m².K) é atribuido como coeficiente global de transferência de calor baseado na experiência de aplicações semelhantes de acordo com PERRY e GREEN (1997). 4.2.5 Modelagem dos vasos de pressão Os vasos separadores de líquido (scrubbers) são modelados de forma a separar as correntes de fase líquida e fase gasosa, evitando o arraste de líquido para o equipamento a montante. Do ponto de vista de processo, não é necessário nenhuma outra informação para a modelagem do vaso de pressão. Contudo, seu diâmetro e altura são utilizados na modelagem econômica. Dessa forma, de acordo com CAMPBELL (2004), para o cálculo do diâmetro é considerado a equação de Sauders & Brown para a obtenção da velocidade do gás † = ¡. - ®Ž s®“ ®“ , ( 4.37 ) onde †, ªƒ , ª e ¡ são, respectivamente, a velocidade do gás (m/s), a massa específica do líquido (kg/m3), a massa específica do gás (kg/m3) e o parâmetro dependente da geometria (m/s). Com os valores obtidos no simulador de processos, é possível calcular a velocidade, e finalmente, é possível determinar o diâmetro do vaso segundo a equação 47 «.¯“ ¬ =, °.‚.e ( 4.38 ) “ sendo ¬ o diâmetro do vaso (m), m é a vazão de gás (m3/s) e ( = 1 para vasos verticais). é o fator geométrico A altura do vaso pode ser obtida, ainda segundo CAMPBELL (2004), de forma indireta através do cálculo do volume de líquido. Contudo, neste trabalho é utilizado o fator H/D (altura/diâmetro) na razão de 4, conforme GADELHA (2013). 4.2.6 Ferramentas computacionais A resolução de algoritmos de otimização normalmente demanda uma grande quantidade de cálculo. De modo semelhante, o processo de cálculo termodinâmico dos processos industriais e de balanços de massa e energia também demanda elevado poder matemático. Atualmente, com o desenvolvimento de computadores com capacidade de processamento elevada, tais atividades são atribuídas a programas dedicados a essas atividades. Para a resolução dos problemas propostos, é feito uso de ferramentas computacionais nas diversas etapas do processo. O algoritmo de resolução do problema de otimização é implementado com o auxílio do programa Microsoft Excel(TM) e sua linguagem de programação Visual Basic for Applications. Trata-se de uma ferramenta com grande capacidade de cálculos, suficiente para o desenvolvimento e execução dos algoritmos de otimização propostos. Conta ainda com um atributo essencial na resolução do problema proposto nesse trabalho, a capacidade de interface, vide figura 4.2. O programa responsável pelo algoritmo de otimização faz interface com o programa UniSim® da Honeywell. O UniSim® é um programa de modelagem de processos de fácil utilização e interativo que permite engenheiros a criarem modelos estáticos e dinâmicos para projetos de plantas de processo, monitoramento de performance, resolução de problemas, melhorias operacionais, planos de negócio, e gerenciamento de ativos. O UniSim® é largamente difundido na comunidade de engenharia química, com desempenho reconhecido, tendo sido utilizado por MONTEIRO (2009), BARBOSA (2010) e MACHADO (2012) em seus trabalhos. 48 Assim, o UniSim® é responsável por realizar a simulação termodinâmica do problema estudado. Figura 4.2- Interface de programas computacionais. O simulador de processos é responsável por realizar: • os balanços de massa e energia da termodinâmica; • o cálculo termodinâmico do módulo de membranas; • o cálculo termodinâmico e determinação da rotação dos compressores; • o cálculo térmico dos trocadores de calor; • a separação das fases líquida e gasosa nos vasos de pressão. Apesar das limitações do programa e intervenções necessárias no simulador de processos, a utilização do UniSim® permite que a atenção possa ser redirecionada para outras etapas da resolução do problema. Com o uso dele, é possível partir da premissa que a modelagem dos equipamentos e as demais tarefas pelas quais é responsável serão executadas a contento, deixando em aberto a parametrização das variáveis típicas de cada equipamento como, por exemplo, eficiência dos compressores. No presente problema, resolveu-se o escoamento global de uma corrente multicomponente (várias espécies). Sendo assim, o balanço de massa é aplicado 49 individualmente a cada espécie da corrente. O balanço de massa calculado pelo simulador de processos pode ser descrito para um determinado volume de controle, onde não haja reação química nem acúmulo de massa, como •‘ ∑p ∑pŠ‹Œ l4 H€0,l,0) = l4 H€0,l,N¥1 , ( 4.39 ) onde H€0,0) (kg/s) é a vazão mássica do componente na corrente k entrando no volume de controle, H€0,N¥1 (kg/s) é a vazão mássica do componente na corrente k saindo do volume de controle, M0) é o número total de corrente entrando no volume de controle e MN¥1 é o número total de corrente saindo do volume de controle. O balanço de energia, onde não haja reação química nem acúmulo de energia e as variações de energia cinética e potencial possam ser desprezadas, é resolvido para o mesmo volume de controle através da equação p p m€ − §€ + ∑l4•‘ H€l,0) . ℎl,0) − ∑l4Š‹Œ H€l,N¥1 . ℎl,N¥1 = 0, ( 4.40 ) onde ℎl,0) (kJ/kg) é a entalpia da corrente k entrando no volume de controle e ℎ0,0) (kJ/kg) é a entalpia da corrente k saindo do volume de controle, m€ (kJ/s) é a taxa de calor entrando no volume de controle e §€ (kJ/s) é a taxa de trabalho saindo do volume de controle. O calculo da entalpia da corrente k a partir dos componentes é função da equação de estado utilizada. 4.3 Métodos de otimização Os métodos de otimização utilizados nesse trabalho são descritos a seguir. Seus algoritmos foram implementados em uma ferramenta computacional. Os resultados obtidos através dos dois métodos, evolução diferenciada e enxame de partículas, foram comparados de forma a validar as implementações. 50 4.3.1 Evolução Diferenciada O método de evolução diferenciada baseia-se na busca estocástica e na idéia de que a reprodução da espécie é fruto da combinação das características de indivíduos. Nesse método os indivíduos são representados através de características de valores reais, formando um vetor. Para cada indivíduo é atribuído também um valor que representa a função objetivo, como exemplo, custo. A cada iteração novos indivíduos, ou vetores, são gerados através de processos de cruzamento e mutação. O valor do custo dos novos indivíduos é então comparado com seus antecessores e se for melhor, substitui-se o indivíduo da geração anterior, caso contrário, é descartado. Como pode ser observado no fluxograma da figura 4.3, o método inicia com uma população ∏, representada por uma quantidade finita+ de indivíduos 5 dentro dos limites das variáveis atribuindo a eles valores randômicos, associado a uma função de densidade de probabilidade uniforme. A partir de fatores como mutação, , e cruzamento, W, produz-se novas gerações, ¡, que tendem a ser melhores que as anteriores, até que o indivíduo ótimo5²³ #"1 , seja encontrado. O termo representa o i-ésimo indivíduo. Figura 4.3– Algoritmo de evolução diferenciada, adaptado de COLAÇO e DULIKRAVICH. (2011). 51 O método de otimização demanda que sejam definidos valores para os fatores mutação e cruzamento. Alguns estudos como o de MARIANI et al. (2011) e PADILHA (2006) buscam valores ótimos para os fatores através de estudos de tendência ou formulações matemáticas. Nesse trabalho o valor de 60% será atribuído ao fator de mutação e cruzamento. 4.3.2 Enxame de Partículas O método enxame de partículas procura simular o comportamento de um enxame ∏ composto por + partículas 5. Cada partícula é por sua vez formada por um vetor com sua localização no espaço de busca se movendo com velocidade †, por este espaço, levando em conta a orientação individual e também a coletiva, na busca do ponto ótimo 5²r #"1 , figura 4.4. Ao contrário de outros algoritmos evolucionários, as partículas do enxame cooperam compartilhando a informação sobre o espaço de busca através da divulgação de sua melhor posição já encontrada. Figura 4.4- Algoritmo de enxame de partículas, adaptado de COLAÇO e DULIKRAVICH et al. (2011). 52 O movimento da partícula é regido por equações de movimento e 50´g = 50´ + †0´ ( 4.41 ) †0´ = µ†0´ + ¶~ 0 (∏0 − 50´ ) +¶~ 0 (∏ − 50´ ), ( 4.42 ) onde representa o i-ésimo indivíduo, o parâmetro µ representa o coeficiente do termo de inércia, enquanto o parâmetro ¶, aliado aos valores randômicos ~ e ~ , direciona cada indivíduo para o melhor valor já encontrado do próprio individuo ∏0 ou da coletividade ∏ . Os fatores µ e ¶, foram definidos com valores típicos 1 e 2 respectivamente, conforme descrito no trabalho de KENNEDY e EBERHART (1995). 4.3.3 Funções Objetivo A grosso modo, otimização é o processo de tornar algo tão perfeito quanto possível. A otimização busca determinar a melhor solução para um problema sob certo grupo de restrições. De acordo com COLAÇO e DULIKRAVICH (2011), o primeiro passo para a definição de um problema de otimização é a definição da função objetivo. A função objetivo é a representação matemática do aspecto sob avaliação, que deve ser minimizado ou maximizado. Matematicamente a função objetivo pode ser descrita como · = ·(5); 5 = {5 , 5 , … , 52 }, ( 4.43 ) onde 5 , 5 , … , 52 são as variáveis de decisão do problema sob avaliação, que podem ser modificadas de modo a encontrar o melhor valor para função ·. Para o sistema de separação por membranas descrito no capítulo 3, tal qual em diversos problemas de engenharia, um dos principais aspectos a ser otimizado refere-se ao seu custo. Especificamente, o custo de investimento de um novo empreendimento é um importante parâmetro de tomada de decisão, visto que em projetos vultosos, como o 53 de uma plataforma de petróleo, torna-se difícil a captação de empréstimos, dado os riscos envolvidos e os longos prazos de retorno. Este custo de investimento, também conhecido como Capital Expenditure (CAPEX), engloba a quantia monetária necessária a ser despendida na aquisição, ou melhoria, de bens de capital de uma empresa. Assim, baseado na equação ( 4.43 ), a função objetivo é descrita como *5 = *5(5); 5 = {5 , 5 , … , 52 }. ( 4.44 ) O objetivo do problema de otimização é, então, descrito como Min( *5). ( 4.45 ) Um outro aspecto significativo na decisão pela construção ou não de uma nova planta de processo é o valor presente líquido (VPL) do investimento. O VPL é descrito como o fluxo de entradas e saídas de capital de um empreendimento, conhecido como fluxo de caixa ao longo do tempo, quantificados a valor presente. Do mesmo modo que para o custo de investimento, a função objetivo pode ser descrita como c*d = c*d(5); 5 = {5 , 5 , … , 52 }. ( 4.46 ) Nesse caso, o objetivo do problema de otimização é descrito como Max(c*d). ( 4.47 ) Como explicado no capítulo 4.1.5, o Valor Presente Líquido é função do fluxo de caixa, que por sua vez é função de outras variáveis financeiras incluindo indiretamente *5. Contudo, o problema apresentado para a função c*d terá como premissa um valor de *5 pré-estabelecido. Assim, o problema de Max(c*d) em outros termos significa, o aprimoramento das variáveis de processo, como pressões, temperaturas e vazões, de modo a otimizar o fluxo de caixa, uma vez que o 54 dimensionamento físico da planta de processo, tamanho e capacidade dos equipamentos, está pré-estabelecido a partir do problema anterior, Min(CAP). Desse modo, as funções objetivo foram definidas de forma a possibilitar a comparação das diferentes configurações descritas na figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11, e auxiliar na tomada de decisão sob a ótica econômica a respeito de qual configuração é mais apropriada. Em resumo, o problema é analisado separadamente de forma a atender dois objetivos distintos: • primeiramente, obter a configuração física que apresente o menor custo de investimento atendendo às restrições impostas; • e finalmente, a partir da configuração física de menor custo de investimento, obter a configuração das variáveis de processo que apresente o maior valor presente líquido atendendo ainda às demais restrições impostas. 4.3.4 Variáveis de Decisão Como definido na Equação ( 4.43 ), 5 , 5 , … , 52 representam as variáveis de decisão do problema. Este trabalho propõe a resolução e comparação de cinco diferentes configurações, vide figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11. Para cada configuração há um conjunto de variáveis independentes, que correspondem ao domínio da função, necessárias para solucionar o problema, vide tabela 4-6. Suponha, por exemplo, um processo de compressão centrífuga. De acordo com RODRIGUES (1991) as variáveis independentes podem ser descritas como a pressão e temperatura de sucção, pressão de descarga e natureza do gás. Assim, atribuindo valores a essas variáveis é possível determinar o valor de outros parâmetros como potência consumida e temperatura de descarga, nesse caso denominadas variáveis dependentes. A definição de variáveis dependentes e independentes é consequência da modelagem matemática do problema estudado e do número de graus de liberdade desse problema. Suponha, no entanto, uma variação do exemplo anterior, onde nunca haja modificação na composição do gás que é pré-definido. Nesse caso, o problema é reduzido em um grau de liberdade e as variáveis de decisão passam a ser três. 55 A definição das variáveis de decisão representa uma das partes cruciais da resolução de um problema de otimização. Elas podem ser escolhidas de modo a facilitar sua resolução, e por conta dessa seleção o problema pode mudar seu comportamento de não-linear para linear, e assim, possivelmente reduzir o tempo necessário para atingir o ponto ótimo. No presente estudo de parâmetros as variáveis de decisão foram definidas conforme a tabela 4-6, que devem ser interpretadas em conjunto com a figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11. Ao atribuir valores às variáveis de decisão, é possível determinar o equilíbrio termodinâmico e o balanço de massa do problema. Contudo, com as informações já expostas e realizando uma análise detalhada de cada configuração observa-se que mesmo após definir os valores para as variáveis descritas na tabela 4-6, ainda faltariam dados para a resolução do problema, o que o tornaria indeterminado. Tais dados necessários existem e são apresentados como restrições dos problemas. Eles são detalhados no capítulo 4.3.5 e seus valores são, assim, considerados e justificados como sendo pré-estabelecidos. Tabela 4-6 - Variáveis de decisão. Variável Configuração A B C D E Área do equipamento 1 1 1 1 1 Pressão da corrente iii iii iii xxii iii 2 2 2 iii xxi 4 4 Área do equipamento Pressão da corrente xx % de reciclo da corrente 2 Quantidade total de variáveis de decisão (m) 3 3 i,ii,iii,... – correntes de fluído na figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11. 1,2,3... – equipamentos na figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11. 4.3.5 Restrições As restrições representam limitações do espaço vetorial do domínio do problema. As restrições podem estar relacionadas às varáveis dependentes ou independentes, sendo mais frequentemente declaradas como limites nas variáveis 56 dependentes. A restrição de igualdade, representada nos problemas de otimização por valores pré-definidos, e denotada por ¿ = ¿(5) = 0. ( 4.48 ) Já a restrição de não igualdade, representada nos problemas de otimização por valores limítrofes, e denotada por m = m(5) < 0. ( 4.49 ) Retornando ao exemplo apresentado da compressão centrífuga, pode-se observar que a temperatura de descarga do compressor não pode ser superior ao limite de temperatura construtivo do sistema de selagem. Nesse caso, a temperatura de descarga deve ser considerada uma restrição. Observa-se que ela não faz parte do conjunto de variáveis de decisão selecionado, sendo ela uma variável dependente. Em problemas de otimização torna-se necessário permitir que o algoritmo de otimização possa lidar com tais restrições. No método de evolução diferenciada o tratamento é feito atribuindo-se um valor a imagem da função objetivo de modo a tornar o indivíduo não adequado à evolução da espécie. Supondo que se queira minimizar uma dada função ·, e observada uma restrição m, atribui-se um valor,¢, sabidamente superior aos demais possíveis valores da imagem da função. Ou seja, se m0 ≥ 0; então ·0´g = ¢, onde ¢ ≫ Max(·), ( 4.50 ) onde denota a i-ésimo indivíduo, ¡ a iteração atual. No método de enxame de partículas o tratamento dado quando uma partícula não atende a uma determinada restrição é feito através da redução do vetor velocidade de uma certa partícula de modo a atender a restrição, aproximando a mesma do limite de forma mais lenta. Assim, ‚š se m0 ≥ 0; então 50´g = 50´ + Õ , 57 ( 4.51 ) onde denota a i-ésima partícula, † a velocidade da partícula, ¡ a iteração atual e | um valor inteiro e positivo que garante m0 < 0. Nas configurações apresentadas na figura 3.7, figura 3.8, figura 3.9, figura 3.10 e figura 3.11, para o problema Min( *5), diversas são as restrições físicas e operacionais a serem observadas. Assim, limitada pelos parâmetros impostos pela Agência Nacional do Petróleo (ANP) e pelos outros subsistemas da plataforma, a unidade de separação deve ser capaz de: • produzir uma corrente rica em gás natural com no máximo 3% molar de CO2; • produzir uma corrente rica em CO2 a ser recomprimida até 25000 kPa; • evitar formação de condensado dentro das membranas; • manter a vazão da corrente de recirculação (quando existente) acima de 10% da vazão total; • atender a performance do sistema de recompressão que está préestabelecido e cujas curvas características não devem ser alteradas; • manter a temperatura de 40 oC após os trocadores interestágios de compressão; esse valor é baseado nas melhores práticas de projetos de engenharia e está limitado por outros parâmetros como a temperatura da água de resfriamento; • atender a vazão da corrente de alimentação que varia ao longo do tempo, de acordo com a curva de produção da plataforma; • evitar condições de operação de surge dos compressores; • manter a temperatura de descarga dos compressores abaixo do limite de projeto do sistema de selagem. Além das restrições operacionais supracitadas, o problema de otimização ao ser resolvido também necessita atender diversas outras restrições como: • balanço de massa em todas as seções de mistura ou divisão de correntes; • balanço de energia; • equações de modelagem das membranas e compressores; 58 • não-negatividade das variáveis de vazão. Não obstante, a solução do problema Max(c*d) além de observar as restrições supracitadas também deve atender as novas restrições impostas pela resolução do problema Min( *5) como se definiu no capítulo 4.3.3. Sendo assim, é ainda necessário, para cada configuração, limitar a solução do problema Max(c*d) ao dimensionamento dos módulos de membrana, trocadores de calor e vasos de pressão oriundos da solução do problema Min( *5) correspondente. 4.3.6 Avaliação dos parâmetros utilizados e critérios de convergência Alguns parâmetros necessitam ter seus valores atribuídos de modo que os algoritmos de otimização possam solucionar o problema. A escolha desses parâmetros pode permitir uma resolução mais rápida ou não do problema. Trata-se de um equilíbrio entre tempo de processamento e capacidade de se aproximar do ponto ótimo. Na busca pelo ponto de equilíbrio entre tempo e convergência para o ponto ótimo realiza-se estudos de sensibilidade de modo a selecionar valores mais adequados para os parâmetros de cada método de otimização. Como exemplo desse equilíbrio, no método de evolução diferenciada, é necessário definir o número máximo de gerações que o algoritmo executa antes do seu encerramento. Tal qual a evolução das espécies definida por Darwin, observa-se que tempo, ou nesse caso, gerações são necessárias para promover uma melhoria num processo evolucionário. Assim, com um número pequeno de gerações as chances de se encontrar o ponto ótimo, mantido os demais parâmetros constantes, tende a ser menor do que aquelas após diversas gerações. Na figura 4.5 observa-se a convergência para o máximo da função a partir de + indivíduos e + partículas. À medida que o número de iterações do algoritmo, ¡, cresce, o valor aproxima-se do ótimo, contudo, na contramão segue o tempo necessário para a execução do algoritmo, aqui descrito como quantidade de chamadas da função objetivo. O valor ótimo, na figura 4.5 é definido como sendo o melhor resultado encontrado dentre os dois algoritmos de otimização. A variável iteração do algoritmo, ¡, é comum a ambos os métodos de otimização, vide figura 4.3 e 59 figura 4.4. O exemplo na figura 4.5 é ilustrativo e não é fruto de análise estatística com diversas repetições do algoritmo. Com o mesmo propósito de definição dos parâmetros, simulações variando a diferença entre os valores máximo e mínimo do grupo de indivíduos e do grupo de partículas são descritas na figura 4.6. O método de evolução diferenciada busca um ponto ótimo a partir do cruzamento e mutação de indivíduos. Com a proximidade das características entre esses indivíduos fica cada vez menor a probabilidade de um cruzamento ou mutação gerar um novo e melhor resultado. Observa-se que, mantida as demais variáveis, diferenças na ordem de 1 milésimo no valor da imagem da função objetivo entre o grupo de indivíduos produzem resultados mais favoráveis que valores na ordem de 1 centésimo. A mesma afirmação pode ser feita quando da análise do grupo de partículas. Figura 4.5 - Avaliação da quantidade de passos do algoritmo. 60 Fração do máximo da função 1 0,99 0,98 0,97 0,96 0,95 0,94 0,05 0,01 0,005 0,001 0,0005 0,0001 Variação máxima entre a imagem dos indivíduos enxame de partículas evolução diferenciada Figura 4.6- Avaliação da convergência entre as imagens dos indivíduos ou partículas. Outro parâmetro a ser analisado é a quantidade de indivíduos e partículas que são utilizadas pelos algoritmos. Da mesma forma que demonstrado para as diferenças entre as imagens da função, uma análise de sensibilidade é apresentada na figura 4.7. Observa-se a boa convergência a partir de 10 indivíduos e 10 partículas, onde a diferença do valor obtido para o ponto ótimo torna-se insignificante. Por fim, avalia-se na figura 4.8 a repetitividade do processo. O mesmo algoritmo executado repetidas vezes produz resultados diferentes. Esse comportamento é explicado por diversos fatores relacionados aos processos randômicos associados aos algoritmos, desde a escolha aleatória dos pontos iniciais, até a definição dos cruzamentos, mutações, fatores de inércia e demais termos aleatórios. Apesar do número reduzido de vinte repetições, pode-se inferir, a partir da figura 4.8, que resultados com cerca de meio por cento de divergência são factíveis e com alta probabilidade de ocorrência para ambos os métodos de otimização. O fato do número de repetições não ser uma mostra significativa para definir uma relação probabilística não invalida a escolha inicial dos parâmetros supracitados, que podem ser ajustados a medida que os resultados dos dois métodos de otimização divirjam. 61 Fração do máximo da função 1 0,999 0,998 0,997 0,996 0,995 0,994 0 5 10 15 20 Qantidade de indivíduos ou partículas enxame de partículas 25 evolução diferenciada Fração do máximo da função Figura 4.7 - Avaliação da quantidade de indivíduos ou partículas 1,000 0,999 0,998 0,997 0,996 0,995 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Índice da repetição enxame de partículas evolução diferenciada Figura 4.8 - Avaliação da repetitividade do algoritmo. Com esse estudo, atribui-se então valores que tendem a produzir melhores e mais rápidos resultados na obtenção do ponto ótimo. Ressalta-se que o estudo é elaborado com número finito de casos e por si só não garante um bom resultado. Assim, 62 considera-se que o melhor modo de corroborar o resultado é a execução de dois algoritmos de otimização distintos, permitindo a comparação dos resultados. Por fim, na busca por uma convergência entre os métodos de cerca de 0,5%, opta-se por utilizar os parâmetros descritos na tabela 4-7. Caso o resultado entre os métodos divirja demasiadamente, o algoritmo é reiniciado e repetido com valores diferentes para os parâmetros na busca da convergência, como exemplo, aumento no valor da quantidade de partículas ou quantidade de indivíduos e aumento no número máximo de iterações do algoritmo. Tabela 4-7 - Parâmetros dos algoritmos de otimização. Parâmetro Enxame de Evolução Ä Partículas Diferenciada Å 10 10 - 0,6 Æ - 0,6 Ç 1 - 2 - * 0,001 0,001 ** 50 120 67 ÈÉÊËÌÍÎÏÐÑÒÔÓ,…,Ä ÕÖ× ÈØÙËÌÍÎÏÐÑÒÔÓ,…,Ä ÕÖ× ÔÚáÜÝÚÞ Ä – quantidade de partículas ou quantidade de indivíduos, Ж imagem da função, Ò – indivíduo ou partícula, Ô – k-ésima iteração do algoritmo, Å – fator de mutação, 67 – fator de cruzamento, ß – coeficiente do termo de inércia, à – coeficiente do termo de movimento. * critério de convergência ** critério de parada 4.4 Estudo de caso de referência Definida a metodologia para resolução do problema, é possível aplicá-la a um caso de referência. O caso a seguir é baseado na Configuração E. Contudo, alguns 63 parâmetros de entrada são alterados para permitir que o caso possa ser reproduzido integralmente neste trabalho. Considera-se neste caso de referência a corrente de entrada de vazão de 1000000 Nm3/dia com a composição de acordo com a tabela 4-8, sendo essa corrente incidente no ano sete de operação e que será usado como ano base para o cálculo de *5e Ψá . Além disso, os valores de permeância utilizados no simulador de processos são expostos na tabela 4-9. Por fim, os mapas de operação dos compressores de CO2 são substituídos por um uma taxa de compressão similar entre os quatro estágios e as eficiências politrópicas do estágio um a quatro definidas como 77%, 72%, 75% e 65% respectivamente. Na tabela 4-10 observa-se os parâmetros de entrada e saída do simulador de processos e seus respectivos valores no ponto ótimo. Por fim, os resultados do processo de otimização de ambas as funções e os valores das variáveis de decisão são exibidos na tabela 4-11. Tabela 4-8 - Composição do gás natural da corrente de alimentação do caso de referência. Componente Metano % molar 60 Etano 10 Propano 10 CO2 20 Tabela 4-9 - Valores de permeância para membranas do caso de referência. Permeância [MMSCMD / (bar . m2)] Metano 1.01e-8 Etano 4.43e-11 Propano 3.49e-11 CO2 1.94e-7 64 Tabela 4-10 - Valores das variáveis de processo para Configuração E. do caso de referência Equipamento / Corrente 1 2 i i i ii ii ii iii xx-iii ii-xxi 21 21 21 21 21 21 xxi xxi xxi xxi 16 16 16 16 19 19 19 19 17 17 17 17 17 17 20 20 xvii xvii (continua) Unidade Variável Valor Área Área Vazão Pressão Temperatura Pressão Vazão PCI Pressão Delta de temperatura Delta de temperatura Perda de carga Temperatura do fluido de aquecimento entrada Temperatura do fluido de aquecimento saída Tipo de equipamento U.A Vazão do fluido de aquecimento Pressão Vazão real Densidade da fase gasosa Densidade da fase líquida Eficiência politrópica Potência Temperatura de descarga Pressão de descarga Eficiência politrópica Potência Temperatura de descarga Pressão de descarga Perda de carga Tipo de equipamento Temperatura do fluido de resfriamento entrada Temperatura do fluido de resfriamento - saída U.A Vazão do fluido de resfriamento U.A Vazão do fluido de resfriamento Temperatura Vazão real 51845 m2 249424 m2 Vide tabela 4-8 5300 kPa o 38 C 5000 kPa 33092 m3/h 42,88 kJ/ m3 392 kPa o 3 C o 3 C 110 kPa o 170 C 65 120 o C AFU TEMA 1752 kJ/( oC.h) 938 kg/h 369 kPa 3149 m3/h 5,3 kg/ m3 1000 kg/ m3 75 % 779 kW o 177 C 1508 kPa 75 % 751 kW o 190 C 5710 kPa 110 kPa AFU TEMA o 35 C 55 74162 31460 85849 39206 40 838 o C kJ/( oC.h) kg/h kJ/( oC.h) kg/h o C m3/h Equipamento / Corrente xvii xvii xvii xix xix xxiii xxiii xx 4 4 4 4 7 7 7 7 10 10 10 10 13 13 13 13 5 5 5 5 5 5 8 8 8 8 8 8 11 11 11 11 (continuação) Valor Unidade Variável Densidade da fase gasosa Densidade da fase líquida Pressão Temperatura Pressão Temperatura Pressão Pressão Head e Potência Tipo de equipamento Potência Temperatura de descarga Head e Potência Tipo de equipamento Potência Temperatura de descarga Head e Potência Tipo de equipamento Potência Temperatura de descarga Head e Potência Tipo de equipamento Potência Temperatura de descarga Perda de carga Tipo de equipamento Temperatura do fluido de resfriamento entrada Temperatura do fluido de resfriamento saída U.A Vazão do fluido de resfriamento Perda de carga Tipo de equipamento Temperatura do fluido de resfriamento entrada Temperatura do fluido de resfriamento saída U.A Vazão do fluido de resfriamento Perda de carga Tipo de equipamento Temperatura do fluido de resfriamento entrada Temperatura do fluido de resfriamento saída 66 19,8 kg/ m3 1000 kg/ m3 1398 kPa o 40 C 5600 kPa o 40 C 5600 kPa 5410 kPa Vide capítulo 4.4 Centrífugo 343 kW o 101 C Vide capítulo 4.4 Centrífugo 411 kW o 156 C Vide capítulo 4.4 Centrífugo 360 kW o 153 C Vide capítulo 4.4 Centrífugo 300 kW o 137 C 110 kPa AFU TEMA o 35 C 55 o C 44712 kJ/( oC.h) 9622 kg/h 110 kPa AFU TEMA o 35 C 55 o C 54071 kJ/( oC.h) 20058 kg/h 110 kPa AFU TEMA o 35 C 55 o C Equipamento / Corrente 11 11 14 14 14 14 14 14 vi ix xii xv xv (conclusão) Unidade Variável Valor U.A Vazão do fluido de resfriamento Perda de carga Tipo de equipamento Temperatura do fluido de resfriamento entrada Temperatura do fluido de resfriamento saída U.A Vazão do fluido de resfriamento Temperatura Temperatura Temperatura Temperatura Pressão 77623 kJ/( oC.h) 28177 kg/h 110 kPa AFU TEMA o 35 C 55 o C 104736 kJ/( oC.h) 33462 kg/h 40 oC o 40 C o 40 C o 40 C 25100 kPa Tabela 4-11 – Resultados do processo de otimização do caso de referência. Variável Valor 6âÒ 36 x 106 US$ Ψ ã 3 x 106 US$ Área da membrana 1 51845 m2 Área da membrana 2 249424 m2 Pressão da corrente iii 392 kPa Pressão da corrente xxi 369 kPa 67 CAPÍTULO 5 RESULTADOS E ANÁLISE Nesta seção são apresentados os resultados numéricos obtidos com a aplicação da metodologia exposta no capítulo 4. São selecionadas cinco configurações que foram submetidas ao processo de otimização para duas diferentes funções objetivos em sequência, CAP e VAL. De acordo com a metodologia proposta, o problema Max(VAL) é subdividido em vinte e cinco problemas de otimização de fluxo de caixa. Por fim, suas parcelas são adicionadas de forma a obter o valor presente líquido. Todos os problemas de otimização foram solucionados através dos dois algoritmos heurísticos, enxame de partículas e evolução diferenciada. Todas as simulações foram desenvolvidas com o auxílio dos programas computacionais UniSim® e Microsoft Excel(TM) . É necessário salientar que além das premissas técnicas consideradas em típicos problemas de engenharia, a análise desse problema é constituída por variáveis econômicas que possuem enorme volatilidade, como o preço de venda do gás natural ou como a taxa de retorno (juros) desejada, que muitas vezes são fruto de projeções de mercado. Para um problema de longo prazo, como vinte cinco anos, essas incertezas econômicas trazem grande impacto no resultado da análise. Para um cenário econômico diferente, espera-se que a metodologia utilizada neste trabalho sirva como modelo para análises futuras. 5.1 Comparação dos tempos computacionais Um algoritmo de otimização é capaz de resolver problemas nos quais a equação que rege a função objetivo não é explícita, também chamados de problemas do tipo “caixa-preta”. Nesse trabalho o programa UniSim®, responsável pela modelagem termodinâmica, apresenta comportamento similar. Ele é invocado a partir do algoritmo de otimização. Apesar de não responder pela modelagem econômica, o tempo gasto pelo UniSim® é substancialmente superior ao tempo gasto nos demais cálculos executados pelo Microsoft Excel(TM) , da ordem de milhares de vezes por iteração do algoritmo de otimização. O tempo de execução do processo de otimização exibido na 68 figura 5.1 em um computador com processador Intel I7 é de 5,8 horas, sendo o UniSim® responsável por quase a totalidade do tempo gasto. Para a simulação computacional foi possível e necessário paralelizar o processo em diferentes computadores e núcleos. Desta forma os tempos de processamento não puderam ser comparados de forma direta. Para substituir essa importante variável, considera-se o número de chamadas do simulador de processos a partir do algoritmo de otimização, vide figura 4.2. Ao todo, este trabalho inclui cento e trinta problemas diferentes, divididos em cinco configurações, vinte e cinco anos de operação e um ano de implantação do empreendimento. A figura 5.1 e a figura 5.2 apresentam o comportamento das partículas e indivíduos ( , … , }) dos algoritmos ao longo das iterações do processo de resolução do problema de valor presente líquido para certo ano e configuração específica. No método enxame de partícula, cada iteração representa o intervalo constante de tempo durante o movimento das partículas ou, de forma análoga, representa uma nova geração de indivíduos no método evolução diferenciada. O propósito é apenas demonstrar o comportamento dos algoritmos de forma clara. Observa-se que em ambos os casos, as partículas e os indivíduos convergem para um resultado melhor que o existente na condição inicial. Não havendo propósito para exibir aqui o comportamento de todos os problemas resolvidos, a tabela 5-1 na coluna θ, apresenta uma relação entre a velocidade do algoritmo enxame de partículas e evolução diferenciada de forma agrupada por configuração. O tempo decorrido refere-se ao necessário até o algoritmo convergir e encerrar devido aos critérios de parada pré-estabelecidos. Já a coluna τ apresenta uma relação mostrando qual algoritmo obteve mais vezes sucesso na busca pelo ponto ótimo. Observa-se que na maioria das vezes o algoritmo de enxame de partículas obteve maior êxito. É possível inferir, ao analisar a tabela 5-1, que há um compromisso entre tempo computacional e resultado otimizado. 69 Ψ14 [Fração do ponto ótimo] 1 0,9 0,8 0,7 0,6 0,5 1 i 6 ii iii 11 Passo iv v vi 16 vii 21 viii ix x Figura 5.1 - Convergência do algoritmo enxame de partículas - Configuração B ano 14 Ψ14 [Fração do ponto ótimo] problema de valor presente líquido, dez partículas (i,...,x). 1 0,9 0,8 0,7 0,6 0,5 1 i 6 ii 11 16 iii 21 iv 26 31 36 41 Geração v vi vii 46 51 viii 56 61 ix 66 x Figura 5.2- Convergência do algoritmo evolução diferenciada - Configuração B ano 14 problema de valor presente líquido, dez indivíduos (i, ..., x). Para comparação entre os métodos de otimização tabela 5-1, define-se 70 æ´ = çèéuêëìéìíìíîïéðéìéñìéòèuçãõíûõtèçãõìëòíøíuîëéìé÷éøéîõuòëúèøéçãõ´ , çèéuêëìéìíìíîïéðéìéñìéòèuçãõíuöéðíìí÷éøêíîètéñ÷éøéîõuòëúèøéçãõ´ e τ´ = þw þ Õ÷éøéîõuòëúèøéçãõ´ çèéuêëìéìíìíûíüíñçèíý(r%('Œ )éðítïõøçèí Ñr%('Œ êõêétìíîéñõñéuétëñéìõñ÷éøéîõuòëúèøéçãõ´ , ( 5.1 ) ( 5.2 ) onde ¡ representa uma das configurações A, B, C, D ou E. Tabela 5-1- Comparação entre métodos de otimização Configuração A B C D E 2,09 1,15 2,02 2,08 2,70 0,79 0,58 0,79 0,71 0,96 Todas as análises foram elaboradas eliminando-se o tempo computacional gasto para criação da primeira geração de indivíduos ou partículas. Como os mesmos são gerados aleatoriamente, fazem parte de ambos os métodos e possuem a mesma quantidade de indivíduos e partículas, o tempo computacional gasto nesse processo inicial não contribui na análise comparativa. 5.2 Análise da convergência entre os resultados dos diferentes métodos de otimização No capítulo 4.3.6 analisou-se a interferência dos parâmetros inerentes a cada método de otimização na busca por resultados melhores e mais rápidos. Após a execução dos algoritmos para cada uma das funções, *5 e c*d, é possível observar na tabela 5-2 que os resultados obtidos pelos algoritmos enxame de partículas e evolução diferenciada foram próximos de modo satisfatório. A análise percentual, entre os resultados de cada problema otimizado, observada 71 na tabela 5-2, tem como objetivo manter o mesmo critério anteriormente utilizado na determinação dos parâmetros dos métodos de otimização. Contudo, é possível verificar que para alguns casos esse valor percentual torna-se elevado. A elevada diferença percentual entre os métodos de otimização ocorre nos problemas cujos pontos ótimos possuem valores absolutos muito diminutos. É necessário salientar que o simulador de processos possui internamente seus próprios algoritmos de convergência, que são utilizados durante a determinação da corrente de reciclo, das rotações de trabalho do compressor, entre outros fatores, que comprometem a precisão dos resultados. Apesar de ser possível aumentar a precisão dos cálculos provenientes do simulador de processos, é fundamental entender o real impacto dessa ação no problema estudado e perceber o esforço computacional adicional necessário para permitir um resultado mais preciso. O objetivo desse estudo não encerra na análise comparativa entre métodos de otimização e sim entre configurações distintas da planta de processamento, onde a influencia de certas parcelas de fluxo de caixa, de pequeno valor absoluto, são quase desprezíveis no todo. A figura 5.3, a figura 5.4, a figura 5.5, a figura 5.6 e a figura 5.7 mostram o comportamento das variáveis de decisão quando comparados os pontos ótimos obtidos pelos diferentes algoritmos. Apesar desse trabalho não conter uma análise de sensibilidade das diferentes variáveis de decisão, é possível constatar que algumas variáveis ou possuem pouca influencia no resultado final da função objetivo, ou senão, permitem múltiplas soluções ótimas, através de diversos mínimos/máximos locais. De modo análogo é possível inferir o inverso para outras variáveis de decisão. A análise dos dados da figura 5.3, figura 5.4, figura 5.5, figura 5.6 e figura 5.7 permite concluir a enorme influência das áreas de contato dos módulos das membranas no resultado final do problema de otimização tanto para o cálculo de *5 quanto para o de c*d. Particularmente na configuração C é possível observar o comportamento quase espelhado da área das duas membranas. O comportamento espelhado da área das membranas da configuração C sugere que é o somatório das áreas das membranas 1 e 2 que promove grande influência no resultado, e não seus valores individuais. Para propósito dessa análise, define-se λ0,l = þw ûétõøìéëséñëðéûéøëáûítìíìíîëñãõìír%('Œ ÷éøéõéuõl þ ÷éøéõéuõl ûétõøìéëséñëðéûéøëáûítìíìíîëñãõìír%('Œ 72 , ( 5.3 ) onde k representa o ano de operação, representa a variável de decisão, 5²r #"1 é o vetor que representa o ponto ótimo obtido através do método de enxame de partículas e 5²³ #"1 é o vetor que representa o ponto ótimo obtido através do método evolução diferenciada. Tabela 5-2 - Razão entre ponto ótimo (Enxame de partículas / Evolução Diferenciada) para o cálculo de fluxo de caixa a valor presente. Função Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ Ψ VAL CAP Ð(Ò Ð(Ò j (Ano) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 - A 1,000 1,005 1,001 1,000 1,000 1,000 1,000 1,000 1,000 1,002 1,003 1,000 0,999 1,000 1,000 1,000 1,000 1,000 1,000 0,998 1,000 0,996 0,999 0,998 1,000 1,002 0,999 B 1,004 1,002 0,996 1,001 1,000 0,999 1,000 1,001 1,001 1,000 1,002 1,003 1,000 1,004 0,993 0,999 1,000 1,000 1,000 1,000 1,000 1,003 1,000 0,999 1,000 1,000 0,999 73 Ò ) ) Configuração C 0,994 1,000 1,000 1,000 1,000 1,001 1,000 1,002 1,000 1,002 1,003 1,000 0,997 0,993 0,999 0,999 1,000 1,000 0,997 0,999 1,004 0,998 1,000 1,001 1,001 1,000 1,000 D 0,993 0,996 1,001 1,002 1,003 1,001 1,000 0,998 1,003 0,992 1,002 0,991 0,995 0,996 1,000 1,001 0,999 1,007 1,004 1,000 0,995 1,000 0,999 0,994 1,004 0,997 1,005 E 1,005 1,007 1,001 1,004 0,998 0,999 1,000 1,002 1,001 0,993 0,996 0,995 1,031 1,000 0,997 0,995 1,002 0,995 0,998 0,996 0,997 0,998 0,999 1,000 1,000 1,005 0,995 1,2 λ 1,1 1 0,9 0,8 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 7 Ano (VAL 1 a 25; CAP 7) Pressão da corrente (iii) Área da membrana (1) Figura 5.3 – Comportamento das variáveis de decisão da configuração A. 1,2 λ 1,1 1 0,9 0,8 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 7 Ano (VAL 1 a 25; CAP 7) Pressão da corrente (iii) Área da membrana (1) Percentual de reciclo da corrente (xx) Figura 5.4 - Comportamento das variáveis de decisão da configuração B. 74 1,2 λ 1,1 1 0,9 0,8 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 7 Ano (VAL 1 a 25; CAP 7) Pressão da corrente (iii) Área da membrana (1) Área da membrana (2) Figura 5.5 - Comportamento das variáveis de decisão da configuração C. 1,2 1,1 λ 1 0,9 0,8 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 7 Ano (VAL 1 a 25; CAP 7) Pressão da corrente (xxii) Área da membrana (1) Pressão da corrente (iii) Área da membrana (2) Figura 5.6- Comportamento das variáveis de decisão da configuração D. 75 1,2 λ 1,1 1 0,9 0,8 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 7 Ano (VAL 1 a 25; CAP 7) Pressão da corrente (iii) Área da membrana (2) Pressão da corrente (xxi) Área da membrana (1) Figura 5.7 - Comportamento das variáveis de decisão da configuração E. 5.3 Comparação econômica – CAPEX Ao implementar a metodologia descrita nesse trabalho chega-se aos resultados otimizados para o custo de investimento de cada uma das cinco configurações. Para obter o ponto ótimo verifica-se em cada ano de operação quais os valores das variáveis de decisão encerram no custo mínimo. Em sequência, se faz necessário comparar os resultados de modo a obter uma configuração que atenda simultaneamente a todo o período produtivo da unidade. De modo a reduzir o tempo necessário no procedimento acima exposto, opta-se por iniciar a análise a partir do ano de máxima produção (ano sete). Com o valor otimizado do custo de investimento para esse período, testa-se os valores das variáveis de decisão nos demais anos. Obtendo-se êxito, considera-se este valor como sendo o valor otimizado de custo de investimento do empreendimento. De forma geral, devido à suavidade da curva de produção ao longo do tempo, uma análise de extremos, anos de máxima e mínima vazão e máxima e mínima concentração de CO2, permite obter conclusões acerca da viabilidade da solução para todos os outros anos. 76 Por fim, considerando que o problema Max(VAL) também é resolvido neste trabalho, e que nessa análise, a capacidade dos equipamentos é restringida ao limite estabelecido pelo problema Min(CAP), torna-se possível confirmar o correto dimensionamento do sistema ao solucionar com sucesso o problema Max(VAL). Na figura 5.8 observa-se os custos de investimento para as cinco diferentes configurações estudadas. A configuração C possui o menor valor entre todas as demais, seguido da configuração A. O valor do custo de investimento é influenciado principalmente pela área de membrana necessária para a operação. Ainda na mesma figura, é possível observar a relação entre o custo das membranas e os demais equipamentos no ponto de mínimo custo de investimento para as cinco configurações. Na configuração E, uma grande vazão é recirculada pela corrente }} , o que resulta num elevado custo de aquisição para os compressores 16e 19, e, consequentemente, mas em menor grau, seus acionadores, trocadores e vasos. Contudo, é necessário observar que essa vazão é produto da corrente oriunda da membrana 2, portanto, também dependente dela. A configuração E apresenta-se como a opção de maior custo de investimento. A configuração A não apresenta qualquer outro equipamento senão a membrana, enquanto a configuração C além da membrana inclui um reaquecedor intermediário. As configurações B e D assumem posições intermediárias nessa análise. Configuração A B C D E 0 20 Membranas 40 60 CAP [US$/106] Compressores e acionadores 80 Demais equipamentos Figura 5.8 – Custo de investimento otimizado. 77 100 Para esse estudo foi necessário fixar um valor mínimo para a vazão de reciclo na configuração B. Conforme previsto por BHIDE e STERN (1993), a solução de menor custo de investimento para configuração B ocorre quando a vazão de reciclo assume valor nulo, aproximando-se da configuração A. O resultado da configuração B para o problema Min(CAP) corrobora com a análise. O limite mínimo de dez por cento foi estabelecido como restrição para o processo de otimização da configuração B. Esse valor foi arbitrado com a intenção de obter um resultado diferente do previsto para a configuração A. Percebe-se de fato que valores maiores para esta restrição resultarão em custos de investimento maiores. Contudo, não há neste trabalho um estudo de sensibilidade de forma a verificar o impacto de diferentes valores de reciclo no resultado do problema Max(VAL). De modo semelhante ao acima exposto, a configuração D também tem por ponto ótimo valores nulos para a membrana 1, se assemelhando da configuração A. Para este caso também foi definida a vazão mínima da corrente }} em 10% da corrente . Como previamente definido nas restrições, os resultados apresentados foram limitados pela capacidade existente no sistema a jusante da membrana, compressor de CO2. A figura 5.9 mostra a vazão normalizada e a concentração de CO2 na corrente }†. Pode-se observar que em todas as configurações uma vazão semelhante de CO2 é encontrada. Esse fato está relacionado à restrição de 3% molar de CO2 na corrente . Dada essa restrição, a quantidade quase absoluta de CO2 (97% a 100%) é direcionada para a corrente }†. Observa-se também que a corrente }† carreia uma quantidade de hidrocarbonetos. A configuração E nesta situação apresenta os menores valores. E, se a corrente }† carreia menos hidrocarboneto, pressupõe-se que mais hidrocarboneto estará presente na corrente . Esse resultado está em acordo com o exposto por SPILLMAN (1995) em seu trabalho, onde demonstra o aumento na recuperação de hidrocarbonetos em uma configuração de dois estágios em cascata com reciclo. A figura 5.10 apresenta a vazão de hidrocarboneto na corrente para cada configuração no ponto ótimo do problema Min(CAP). Observa-se que a configuração E, apresenta-se como a de maior valor. Para análise do valor presente líquido, tal característica é um fator positivo. Contudo, nessa etapa do estudo, o valor de receita gerado por essa vazão em nada contribui para o cálculo do ponto ótimo da função. 78 Configuração A B C D E 0 1 2 3 Vazão [Nm3/(106 dia)] CO2 4 Hidrocarbonetos Figura 5.9 – Vazão da corrente }†. Configuração A B C D E 0 1 2 Vazão [Nm3/(106 dia)] 3 4 Figura 5.10 Vazão da corrente . Na figura 5.11 observa-se com detalhe a concentração de CO2 na corrente . Nela, destaca-se o fato de que, em todas as configurações, o valor de 3% molar, referente a restrição de concentração máxima de 3% na corrente , ser atingido como valor da variável de decisão no ponto ótimo. De certo modo, era esperado, pois, sabe-se que a função objetivo é fortemente relacionada com a área de membrana. Quanto mais 79 pura for a corrente , maior deverá ser a área de troca da membrana. Assim, para minimizar CAP, o maior valor de concentração de CO2 possível foi atingido na corrente pelo algoritmo em todas as configurações. Configuração A B C D E 2 3 concentração molar de CO2 [%] 4 Figura 5.11 Concentração molar de dióxido de carbono da corrente . A figura 5.12 mostra o poder calorífico inferior da corrente para cada configuração no problema Min(CAP). Nota-se a pequena variação desse valor nas diferentes configurações. Visto que a receita é função desse valor e da vazão, infere-se que, para esse problema, a receita é extremamente dependente da vazão. Configuração A B C D E 30 35 40 45 Poder calorífico inferior [MJ/m3] Figura 5.12 Poder calorífico inferior da corrente 80 50 a 15 oC , 1 ATM. 5.4 Comparação econômica – VPL A partir das configurações obtidas no capítulo 5.3, onde o menor custo de investimento é atingido, estuda-se o problema de maximização de valor presente líquido. O valor presente líquido é composto pela soma dos diversos fluxos de caixa trazidos a valor presente através de uma taxa de juros. Assim, com valor de CAP fixo, o problema de valor presente líquido é desmembrado em 25 problemas de fluxo de caixa, um para cada ano de operação da unidade. As novas restrições, oriundas da solução do problema Min(CAP), são inseridas no problema Max(VAL). Desse modo, a área das membranas, a vazão de reciclo, a capacidade dos vasos e dos trocadores de calor são limitados em seu máximo aos valores obtidos nas configurações do capítulo 5.3. A figura 5.13 apresenta o resultado do processo de otimização da função VAL a partir dos vinte e cinco fluxos de caixa trazidos a valor presente. Observa-se que a configuração C apresenta o melhor valor presente líquido dentre as demais, sendo a configuração E o pior resultado. As demais configurações encontram-se em posições intermediárias. Configuração A B C D E 0 50 100 VAL [US$/ 106] 150 200 Figura 5.13 - Valor presente líquido otimizado para cada configuração. 81 A figura 5.14 mostra as parcelas que compõe a função VAL em seu ponto ótimo para cada configuração. Observa-se que, como esperado, a configuração E gerou maior receita, visto que é capaz de produzir uma maior vazão para corrente . Contudo, seu maior custo de investimento e de produção resultou num valor presente líquido não tão favorável. Observa-se também que a configuração B apresenta um pior valor presente líquido motivado pelo seu maior custo de produção, quando comparado às demais configurações de receita semelhantes como A e C. Na figura 5.15 observa-se que para todas as configurações em quase todos os anos a concentração molar de 3% de dióxido de carbono é atingida pelo processo de otimização da função VAL, os pontos encontram-se sobrepostos em todos os anos. O aumento no poder calorífico inferior, motivado pela redução da concentração de dióxido de carbono na corrente de gás natural, conduziria a um aumento na receita. Contudo, a contrapartida para o aumento do poder calorífico inferior é um impacto nos custos e nas vazões, que levaria a um fluxo de caixa menos favorável em todos os casos avaliados. A Configuração B C D E 0 Receita 100 200 300 6 Parcela de VAL [US$/10 ] Custo de produção Depreciação 400 Custo de Investimento Figura 5.14 - Parcelas componentes da função VAL no ponto ótimo, ponderada pela taxa de imposto, para todas as configurações . 82 Concentração molar de CO2 [%] 4 3 2 1 6 11 16 21 Ano Configuração A Configuração B Configuração C Configuração D Configuração E Figura 5.15 - Concentração molar de dióxido de carbono da corrente no ponto ótimo da função VAL. A contrapartida da concentração molar dentro do limite estabelecido pela ANP na figura 5.15, pode ser observada na figura 5.16. Observa-se na figura 5.16 que a configuração E possui maior eficiência na separação, e cria uma corrente rica em CO2 de concentração maior que as demais configurações. Observa-se também uma menor flutuação na concentração de dióxido de carbono ao longo dos anos. As demais configurações acompanham o formato da curva de produção e da concentração de CO2 na mesma. A conclusão é uma menor permeação de hidrocarbonetos para a corrente na configuração E. Nas configurações B e D existe uma corrente, } }, que cria um reciclo no sistema. Sua presença onera a área das membranas e por consequência o custo de investimento da configuração. A figura 5.17 apresenta σ, definido como a razão entre a máxima vazão e a vazão em cada ano da corrente } } resultante do processo de otimização da função VAL. A redução na vazão de reciclo promove uma redução no custo de produção, contudo, como se observa na figura 5.17, uma vez que haja capacidade para processar nas membranas essa carga adicional de reciclo, a solução de melhor fluxo de caixa aponta para uma vazão de reciclo diferente de zero, chegando 83 próximo ao máximo possível em diversos anos de produção. O comportamento do valor da vazão de reciclo apresentado na figura 5.17 mostra que o ponto ótimo para a função VAL difere da função CAP. Para a análise da vazão da corrente } } define-se σl = ¯€ • ,h , Véö(¯€ • ) ( 5.4 ) onde m€ é a vazão em Nm3/dia (15 oC, 1 ATM), k é o j-ésimo ano de operação da plataforma, variando de 1 a 25, e } } é o nome da corrente existente na figura 3.8 e figura 3.10. Concentração molar de CO2 [%] 100 90 80 70 60 50 40 30 20 10 0 1 6 11 16 21 Ano Configuração A Configuração B Configuração C Configuração D Configuração E Figura 5.16 - Concentração molar de dióxido de carbono da corrente xv. Com foco na configuração de maior valor presente líquido, na figura 5.18, apresenta-se a parcela de fluxo de caixa a valor presente Ψ, referente a cada ano de operação da configuração C. Destaca-se o fato, comum para todas as configurações, do fluxo de caixa ser revertido a partir da metade do período de operação da unidade. Esse 84 resultado mostra que, baseado na metodologia apresentada, a operação dessa unidade não traz benefícios a partir desta data. Contudo, numa visão mais ampla do negócio de separação primária de petróleo, a corrente de gás tratado agrega valor ao negócio de outros modos além de sua venda. O gas-lift, por exemplo, é necessário para a elevação do petróleo. Sem ele, outros métodos, como bombas centrifugas submersas (BCS), deveriam ser empregados. Desse modo, a continuidade operacional desta unidade se justifica não mais pelo seu lucro direto, mas pela necessidade de sua existência para extração de petróleo. Sugere-se que uma comparação de unidades de separação primária com BCS seja analisada no futuro. Ressalta-se, no entanto, que o resultado apresentado deve ser visto com prudência, uma vez que variações no custo de produção, receita, manutenção, entre outros, levam a resultados diferentes, podendo tornar o empreendimento mais ou menos atrativo. 1 0,9 0,8 0,7 σ 0,6 0,5 0,4 0,3 0,2 0,1 0 1 6 11 16 21 Ano Configuração B Configuração D Figura 5.17- Razão de vazão na corrente } } nas configurações B e D, no ponto ótimo da função VAL. 85 50 40 30 Ψ [US$/106] 20 10 0 -10 -20 -30 -40 -50 0 5 10 15 20 25 Ano Configuração C Figura 5.18 - Fluxo de caixa a valor presente da configuração C, no ponto ótimo da função VAL. Ainda na figura 5.18 destaca-se o investimento inicial no ano zero e os anos um a seis, onde ocorre a depreciação do investimento, o que afeta o fluxo de caixa na proporção do investimento inicial. A configuração C é detalhada na figura 5.20, destacando as parcelas que compõe seu fluxo de caixa. Percebe-se que ao longo de toda a vida útil da unidade houve receita, o que indica que o tamanho dos equipamentos definidos pelo ponto ótimo obtido na otimização da função CAP foi adequado para a operação em todos os vinte e cinco anos. Contudo, assume valores diminutos a partir da metade da vida útil do empreendimento. A diminuição da receita anual com o passar do tempo significa que, de modo crescente, a parcela de gás natural tratado é usada para o processo de gas-lift, sobrando uma porção cada vez menor para a exportação. Comparando o resultado da configuração C com a configuração E, na figura 5.19, observa-se que um maior fluxo de caixa é obtido nesta última. O maior fluxo de caixa da configuração E é motivado pelo aumento da receita, fruto de um melhor processo de separação. De fato, o fluxo de caixa da configuração E é maior que o da 86 configuração C em quase todos os anos. Seu valor presente líquido torna-se desfavorável apenas quando incluída a parcela do custo de investimento. 50 40 30 20 Ψ [US$/106] 10 0 -10 -20 -30 -40 -50 -60 -70 -80 -90 -100 0 5 10 15 20 25 Ano Configuração E Figura 5.19 - Fluxo de caixa a valor presente da configuração E, no ponto ótimo da função VAL. Observa-se que apesar de, na configuração C, o valor presente do custo de produção reduzir ao longo do tempo, ele assume proporcionalmente maior importância no cálculo do fluxo de caixa. O comportamento decrescente da receita ao longo do tempo explica o aumento da importância do custo de produção no cálculo do fluxo de caixa. A conclusão dessa análise é o cenário negativo de fluxo de caixa. 87 50 Parcelas componentes de Ψ [US$/106] 40 30 20 10 0 -10 -20 -30 -40 -50 0 5 10 15 20 25 Ano Receita Custo de produção Depreciação Custo de investimento Figura 5.20 - Parcelas componentes do fluxo de caixa a valor presente da configuração C, no ponto ótimo da função VAL. Neste trabalho utilizou-se a curva de produção para calcular o fluxo de caixa em cada ano de operação e assim determinar o valor presente líquido. O mesmo cálculo do valor presente líquido poderia ser feito sem a existência de uma curva de produção, sendo calculado assim através das características da corrente de entrada de um único ano de produção. Baseado na análise do ponto ótimo da função CAP, esse seria o ano sete. A figura 5.21 compara o valor de VAL baseado no modelo proposto neste trabalho com o valor calculado de VAL baseado em outro modelo hipotético, onde a corrente de entrada não varia ao longo do tempo e é definida pelo ano sete. Observa-se que apesar de não haver uma inversão na condição vencedora, ou seja, a configuração C continua sendo a melhor solução, há uma substancial modificação nos resultados comparativos, por exemplo, a configuração D alterna de posição com a configuração A. A variação nos resultados comparativos exposta na figura 5.21, revela a importância da curva de 88 produção no cálculo do valor presente líquido do empreendimento e no processo de seleção da melhor configuração. A Configuração B C D E 0,6 0,65 0,7 0,75 0,8 0,85 0,9 Razão VAL / VAL da configuração C 0,95 1 Valor presente líquido baseado na curva de produção Valor presente líquido baseado no ano 7 Figura 5.21 - Comparação entre cálculo do VPL baseado na curva de produção e no ano de máxima produção. 5.5 Comparação – CAPEX versus VPL Analisando a figura 5.14 observa-se a grande influencia do custo de investimento no valor do custo de produção. Essa relação é de fato estabelecida pela equação ( 4.7 ). Modelos econômicos com valores diferentes para os fatores que compõe essa equação podem resultar em respostas diferentes para o problema. Com a configuração C sendo a vencedora na análise de CAPEX e VPL, é oportuno retornar a atenção para uma das premissas do trabalho. Um dos objetivos é calcular o valor presente líquido baseado em dimensionamento dos equipamentos 89 previamente estabelecido pela otimização da função CAP. A seguinte pergunta é factível: Haveria algum ponto não ótimo para a função CAP que promoveria uma solução ainda melhor para o problema de otimização da função VAL? Em outras palavras, tendo em vista apenas configuração C, considerando que seu valor de custo de investimento é extremamente e diretamente dependente das áreas das membranas, conforme visto na figura 5.5, seria possível obter com uma área de membrana maior um resultado melhor para o problema otimização da função VAL? Não há intenção de extrapolar essa análise para as demais configurações, mais complexas. Contudo, para a configuração C, a resposta à pergunta anterior pode ser obtida analisando a figura 5.22. Nela observa-se que em todos os anos, o problema de otimização do fluxo de caixa resultou num ponto ótimo onde as áreas das membranas são menores que as determinadas no problema otimização da função CAP. O fato do ponto ótimo da função VAL não fazer uso de toda capacidade dos equipamentos instalados em todos os momentos significa que o sistema de membranas deve ser construído em módulos paralelos de modo a retirar do processo as etapas desnecessárias conforme o ano de operação. Esse problema, de determinar o tamanho dos módulos paralelos, com valores inteiros não é respondido nesse trabalho, pois a área de membrana é tratada na forma de uma variável contínua. Assim, conclui-se que um módulo de membranas de área maior, resultaria em um custo de investimento maior, e sem ganhos para as parcelas de fluxo de caixa, trazendo por consequência um valor presente líquido menor. Portanto, para a configuração C, a resposta mais promissora é a que resulte em menor custo de investimento atendendo todas as condições de contorno dos 25 anos de operação da unidade. Para a análise da figura 5.22, define-se 2,l Áøíéìéðíð øéué2uõ÷õuêõóêëðõìéòèuçãõΨh = Áøíéìéðíð øéué2uõ÷õuêõóêëðõìéòèuçãõf$r , ( 5.5 ) onde H representa o equipamento 1 ou 2 da figura 3.9 e k representa o ano de operação. 90 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0 5 10 15 20 25 Ano Membrana 1 Membrana 2 Média (1+2) Figura 5.22 - Relação de áreas entre ponto ótimo da função VAL e ponto ótimo do da função CAP para configuração C. 91 CAPÍTULO 6 CONCLUSÕES Neste capítulo é apresentada a síntese dos resultados obtidos e as conclusões deste trabalho. Sugere-se também linhas de pesquisa a serem seguidas no futuro tendo como base o tema aqui desenvolvido. 6.1 Síntese dos resultados O objetivo principal deste trabalho é apresentar uma comparação econômica entre cinco configurações diferentes de módulos de separação de CO2, denominadas A, B, C, D e E. O custo de investimento, CAPEX, e o valor presente líquido, VPL, são os parâmetros econômicos avaliados. O resultado é apresentado na tabela 6-1. Tabela 6-1 - Resumo da comparação econômica. Configuração A B C D E 6.2 CAPEX (Milhões US$) 39 49 37 47 92 VPL (Milhões US$) 188 173 192 186 159 Conclusões De forma a possibilitar a comparação econômica de cinco configurações diferentes de sistemas de separação de CO2 por membranas, é realizada uma revisão bibliográfica, onde se apresenta os modelos e resultados mais recentes utilizados na área de otimização econômica de sistemas de separação por membrana. O estudo aqui desenvolvido, tal qual nos demais referenciados, é composto por restrições específicas, que encerram resultados distintos. Exemplos de restrições são a vazão e composição da corrente de entrada, as restrições de capacidade de recompressão da corrente permeada. 92 Para comparação econômica dois valores são estabelecidos como critérios: o custo de investimento, CAPEX, e o valor presente líquido, VPL. De forma a estabelecer as características do projeto que os otimize em cada uma das cinco configurações, são aplicados dois algoritmos heurísticos. Os métodos de evolução diferenciada e enxame de partículas são utilizados de forma a permitir a comparação e validação dos resultados obtidos uma vez que a solução ótima é desconhecida. Os parâmetros dos algoritmos de otimização são selecionados a partir de uma análise de sensibilidade quando aplicados ao problema estudado neste trabalho. Os valores do custo de investimento e valor presente líquido, definidos como funções objetivos CAP e VAL respectivamente, são submetidos a diversas restrições, como exemplo, a concentração máxima permitida de CO2 na corrente de gás natural. O problema de otimização é resolvido com o auxílio de um código de programação computacional. O processo de separação é modelado com auxílio de um programa computacional especifico, o UniSim®, e a modelagem econômica é baseada no trabalho de TURTON et al. (2003). Já as demais variáveis econômicas e de processo são baseadas na experiência e demais bibliografias referenciadas. Os métodos de otimização evolução diferenciada e enxame de partículas são implementados e seus resultados apresentam valores semelhantes para a função objetivo, comprovando o sucesso do procedimento. A implementação, execução e tratamento dos dados resultantes dos algoritmos demanda elevada parcela do tempo deste trabalho. O problema de otimização da função CAP é resolvido para cada uma das cinco configurações. Ele é analisado de forma a atender uma curva de produção correspondente a cada um dos vinte cinco anos de operação da unidade. A curva de operação no ano de operação sete, em todas as configurações apresenta-se como sendo a mais restritiva, uma vez que a capacidade dos equipamentos definida para ano sete é capaz de atender as restrições impostas por todos os demais anos de operação. A configuração C apresenta menor custo de investimento quando comparada às demais configurações em seus respectivos pontos ótimos. Observa-se que a função CAP possui enorme dependência da área atribuída as membranas de separação do CO2. A exceção para a configuração E, onde essa dependência se reduz devido ao aumento dos custos referentes aos demais equipamentos do sistema, destacando-se os compressores de reciclo. 93 A configuração E apresenta o custo de investimento mais elevado quando comparada às demais configurações em seus respectivos pontos ótimos, contudo é capaz de realizar melhor o processo de separação, criando uma corrente mais rica em CO2 que as demais configurações. A consequência dessa melhor separação do CO2 é uma corrente de gás natural com vazão mais elevada, o que possibilita uma receita maior. Contudo, a otimização da receita não é um foco deste trabalho Para todas as configurações, a solução do problema Min(CAP) apresenta valores de 3% de concentração molar de CO2 na corrente de gás natural. Esse é o mesmo valor definido como limite máximo permitido, e caracterizado como uma restrição. Com o valor do custo de investimento otimizado, e o dimensionamento dos equipamentos da planta definido para cada uma das cinco configurações, o problema Max(VAL) é resolvido observando a curva de produção da unidade e as demais restrições. A configuração C novamente se apresenta como a melhor solução para o problema Max(VAL). Nela, a concentração molar de 3% no gás natural tratado apresenta-se como solução ótima em todos os anos de produção. Essa concentração molar extremamente próxima ao limite da restrição mostra que não há vantagem em procurar soluções com menor concentração de CO2 nessa corrente. A receita máxima em valor presente e absoluto ocorre no ano três. Na mesma direção do resultado obtido para o problema Min(CAP), a solução ótima para o problema Max(VAL) na configuração E apresenta o maior valor de receita quando comparado às demais configurações. Seu valor presente líquido é minorado pelas parcelas de custo de investimento e de operação que por sua vez são superiores as demais. Por fim, observa-se que na configuração C, o problema Max(VAL), subdividido em problemas de fluxo de caixa, faz uso de toda a capacidade instalada na planta apenas no ano sete, mesmo ano que se apresenta como mais restritivo para o problema Min(CAP). Assim, conclui-se que as respostas do problema Max(VAL) com e sem a restrição de capacidade dos equipamentos definida pelo problema de Min(CAP) tendem a ser similares. É necessário salientar que além das premissas técnicas consideradas em típicos problemas de engenharia, a análise desse problema é constituída por variáveis econômicas de grande volatilidade. Para um cenário econômico diferente, espera-se que a metodologia utilizada neste trabalho sirva como modelo para análises futuras. 94 6.3 Contribuições Após a revisão da literatura referente à análise econômica de sistemas de separação de CO2 por membranas, constata-se que este trabalho traz algumas contribuições. Ele analisa o problema de otimização de configurações de membranas através dos métodos heurísticos evolução diferenciada e enxame de partículas. Tais métodos, nunca antes utilizados na resolução deste problema, se mostraram adequados. Contribui para a determinação da melhor configuração através da utilização da metodologia de custo de investimento e valor presente líquido, descrita por TURTON et al. (2003). A análise incorpora a restrição produzida pela curva de produção, que varia a corrente de entrada da unidade ao longo do tempo, e restrições de sistemas a jusante do processo, que limitam a capacidade de recompressão da corrente permeado. 6.4 Sugestões para trabalhos futuros O presente trabalho abre caminho para o desenvolvimento de estudos mais completos na área de avaliação econômica de projetos de sistemas de separação de CO2 por membranas. Observa-se que para o caso E, na figura 5.8, o custo das membranas representa uma parcela menor no custo global de investimento quando comparado com o dos demais equipamentos. A configuração E apresenta como característica única um sistema de recompressão para reciclo de grande capacidade. É ele que consome a grande parcela do custo de investimento não destinados a membrana. Esse valor serve para subsidiar o argumento que o sistema de recompressão de CO2 possui custo da mesma ordem de grandeza do módulo de membranas. Esse sistema não fez parte do cálculo de custo de investimento neste trabalho, pois aqui ele é tratado como um sistema já existente. Contudo, visto que sua manutenção é menos onerosa que o módulo de membrana, cujo recheio necessita de troca periódica, é válido dizer que em um trabalho futuro, o projeto do sistema de recompressão de CO2 deva ser inserido por completo na análise, de modo a verificar o comportamento do valor presente. Outro aperfeiçoamento do estudo é a possibilidade de utilização de uma modelagem do problema com variáveis discretas, onde as capacidades das membranas variam de forma discreta. O presente estudo fez uso de variáveis contínuas, por exemplo, o valor de área das membranas, contudo, esse equipamento é construído em 95 tamanho pré-definido que em um estudo futuro deve ser respeitado. Essa solução pode ser incorporada na análise do custo de investimento e do valor presente líquido. Definindo assim, o tamanho dos módulos de membrana. De forma complementar, o presente estudo, que fez uso de cinco configurações pré-definidas, pode ser expandido através da análise de diversas outras configurações. O uso de três estágios de membranas, o uso de mais estágios de recompressão são exemplos de configurações a analisar. Na literatura, encontra-se trabalhos nessa linha, mas normalmente, buscam otimizar o custo marginal de um cenário específico, vide QI e HENSON (2000). Assim, para o problema de maximização do valor presente líquido, sugere-se que o mesmo seja resolvido simultaneamente com o problema de minimização do custo de investimento com variáveis discretas, obtendo assim, um problema MINLP (mixed integer non-linear problem). 96 CAPÍTULO 7 REFERÊNCIAS BIBLIOGRÁFICAS AMARAL, R. A. Remoção de CO2 e H2S do gás natural por contactores com membrana. 2009. Dissertação (Mestrado) – Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2009. BAKER, R. W. Membrane Technology and Applications. 2nd ed., Menlo Park, John Wiley & Sons, 2004. BARBOSA, M. C. Produção de LGN a partir de correntes de CO2 para recuperação avançada de petróleo. 2010. Dissertação (Mestrado em Ciências), Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2010. BHIDE, B. D.;STERN, S. A. Membrane processes for the removal of acid gases from natural gas. I. Process configurations and optimization of operating conditions. Journal of Membrane Science, Amsterdam, v. 81, p. 209-237, 1993. CAMPBELL, J. M. Gas conditioning and Processing. 8th ed., Norman, Campbell Petroleum Series, 1992. COLAÇO, M. J.; DULIKRAVICH, G. S. A Survey of Basic Deterministic, Heuristic, and Hybrid Methods for Single-Objective Optimization and Response Surface Generation. In: ORLANDE, H. R. B.; MAILLET, O. F. D.; COTTA, R. M. Thermal Measurements and Inverse Techniques, Boca Raton, CRC Press, 2011. cap. 10. DATTA, A. K.; SEN, P. K. Optimization of membrane unit for removing carbon dioxide from natural gas, Journal of Membrane Science, Haryana, v. 283, p. 291-300, 2006. DURÃO, M. Potencial de novo poço de Carcará supera os dos já operantes. Exame.com, Rio de Janeiro, 2013. Disponível em: < http://exame.abril.com.br/meioambiente-e-energia/energia/noticias/potencial-de-novo-poco-de-carcara-supera-os-dosja-operantes> Acesso em: 15 jan. 2015. EFEITO Estufa e Aquecimento Global. Ciência da Mudança do Clima, [S.I.], 2012. Disponível em: < http://www.mma.gov.br/responsabilidade-socioambiental/ producao-e-consumo-sustentavel/plano-nacional/item/195-efeito-estufa-e-aquecimentoglobal> Acesso em: 15 jan. 2015. 97 FALK-PEDERSEN, O.; DANNSTRÖM, H. Separation of Carbon Dioxide from Offshore Gas Turbine Exhaust, Energy Conversion and Management, Sandefjord, v. 38, pp. S81-S86, 1997. GADELHA, T. S. Análise das tecnologias de remoção de CO2 do gás natural: uma comparação técnico-econômica de absorção, membranas e híbridos. 2013. Dissertação (Mestrado) – Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2013. HAO, J.; RICE, P. A.; STERN, S. A. Upgrading low-quality natural gas with H2S- and CO2-selective polymer membranes :Part I. Process design and economics of membrane stages without recycle streams , Journal of Membrane Science, Syracuse, v. 209, p. 177-206, 2002. HÖÖK, M. Depletion and Decline Curve Analysis in Crude Oil Production, 2009. Dissertação (Doutorado) - Uppsala University, Uppsala, 2009. HOLTZ, G. C. D. C. Traçado automático de envoltórias de esforços em estruturas planas utilizando um algoritmo evolucionário, 2005. Dissertação (Mestrado) – Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2005. KENNEDY, J.; EBERHART, R. C., Particle Swarm Optimization, In: IEEE International Conf. On Neural Networks, v. 4, 1995, Perth. Anais... Perth, IEEE, 1995, p. 1942-1948. LIMA, P. C. R. O pré-sal e o aquecimento global. Biblioteca Digital da Câmara dos Deputados - Brasília, [s.n.], dez. 2009. Disponível em <http://bd. camara.gov.br/bd/bitstream/handle/bdcamara/3383/presal_aquecimento_lima.pdf?seque nce=1> Acesso em: 15 jan. 2015. MACHADO, P. B. Análise comparativa tecnológica de separação supersônica para o condicionamento de gás natural. 2012. Dissertação (Mestrado) – Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2012. MARIANI, V. C.; COELHO, L. D. S.; SAHOO, P. K. Modified differential evolution approaches applied in exergoeconomic analysis and optimization of a cogeneration system, Journal of Expert Systems with Applications, Curitiba, v. 38, p. 13886-13893, 2011. MEHER-HOMJI, C. B. et al. Aeroderivative Gas Turbines for LNG Liquefaction Plants - Part 1-The Importance of Thermal Efficiency, In: ASME Turbo Expo 2008, v.7, 2008, Berlin. Anais... Berlin, ASME, 2008, p. 627-634. 98 MONTEIRO, J. G. M. Um estudo sobre alternativas de sequestro de carbono: modelos, métricas e otimalidade. 2009. Dissertação (Mestrado) – Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2009. OZCAN, H.; OZDEMIR, K.; CILOGLU, H. Optimum cost of an air cooling system by using differential evolution and particle swarm algorithms, Journal of Energy and Buildings, Ontario, v. 65, p. 93-100, 2013. PADILHA, R. D. S. Otimização de um sistema de cogeração de referência utilizando métodos de gradiente, evolucionário e híbrido: um estudo comparativo. 2006. Dissertação (Mestrado) – Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2006. PERRY, R. H.; GREEN, D. W. Perry’s Chemical Engineers' Handbook. 7th ed., [S.I.], McGraw-Hill, 1997. PINTO, D. D. D.; ARAÚJO, O. Q. F.; MEDEIROS, J. L. Curso de membranas Módulo 1: Conceitos Básicos. Rio de Janeiro, H2CIN – Universidade Federal do Rio de Janeiro, 2009. Disponível em: <http://www.h2cin.org.br/download/ ?h2cin-apostila-demembranas.pdf>. Acesso em: 15 jan. 2015. QI, R.; HENSON, M. A. Membrane system design for multicomponent gas mixtures via mixed-integer nonlinear programming, Computers & Chemical Engineering, Baton Rouge, v. 24, p. 2719-2737, 2000. RODRIGUES, P. S. B., Compressores Industriais, Rio de Janeiro, EDC, 1991. SALAMAT, R. Gas path diagnostics for compressors. 2012. Dissertação (Doutorado) – Cranfield University, Cranfield, 2012. SCHMITT, M.; WAANKA, R. Particle swarm optimization almost surely finds local optima, Theoretical Computer Science, Erlangen, v. 561, p. 57-72, 2015. SCHULTZ, J.M. The Polytropic Analysis of Centrifugal Compressors, Journal of Engineering for Power, [S.I.], p. 69-82, jan., 1962. SERTH, R. W. Process Heat Transfer – Principles and applications, 1st ed., Kingsville, Elsevier, 2007. SEYYEDI, S. M.; AJAM, H.; FARAHAT, S. A new approach for optimization of thermal power plant based on the exergoeconomic analysis and structural optimization method: Application to the CGAM problem, Energy Conversion and Management, [S.I.], v.51, p. 2202-2211, 2010. SOLTANI, R.; KELESHTERY, P. M.; VAHDATI, M.; KHOSHGOFTARMANESH, M. H.; et al. Multi-objective optimization of a solar99 hybrid cogeneration cycle: Application to CGAM problem, Energy Conversion and Management, [S.I.], v.81, p. 60-71, 2014. SPEIGHT, J. G. Subsea and Deepwater Oil and Gas Science and Technology, 1st ed., [S.I.], Elsevier, 2014. SPILLMAN, R. W. Economics of gas separation membranes. In: NOBLE, R.D.,STERN,S.A., Membrane Separation Technology, Principles and Applications, [S.I.], Elsevier, 1995. STEPHENSON, G. Integrate Compressor Performance Maps into Process Simulation, CEP Magazine, [S.I.], p-42-47, jun. 2011. Disponível em : <http://www.aiche.org/resources/publications/cep/2011/june>. Acesso em: 15 jan. 2015. STORN, R.; PRICE, K. Differential evolution: a simple and efficient adaptive scheme for global optimization over continuous spaces, Journal of Global Optimization, [S.I.], v. 11, p. 341-359, 1997. TURTON, R. et al. Analysis, Synthesis, and Design of Chemical Processes. 2nd ed., New Jersey, Prentice Hall, 2003. VALERO, A.; LOZANO, M. A.; SERRA, L.; et al. CGAM Problem: Definition and Conventional Solution, Energy, [S.I.], v. 19, n. 3 (Mar), pp. 279-286, 1994. WHITE, C. M. et al. Separation and capture of CO2 from large stationary sources and sequestration in geological formations: Coalbeds and deep saline aquifers. Journal of the Air & Waste Management Association, Pittsburgh, v. 53, p. 645-715, 2003. 100