Estimação do teor de óleos e graxas em água descartada no mar usando modelos baseados em dados
Nome: JOSÉ MARQUES DE OLIVEIRA JÚNIOR
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 04/04/2022
Orientador:
Nome |
Papel |
|---|---|
| CELSO JOSE MUNARO | Orientador |
| PATRICK MARQUES CIARELLI | Co-orientador |
Banca:
| Nome |
Papel |
|---|---|
| CELSO JOSE MUNARO | Orientador |
| LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA | Examinador Externo |
| PATRICK MARQUES CIARELLI | Coorientador |
| RICARDO EMANUEL VAZ VARGAS | Examinador Externo |
Resumo: Água produzida, em plataformas marítimas, é um dos efluentes recuperados de poços em conjunto com petróleo e gás natural, sendo o principal resíduo gerado nesse processo. O Teor de Óleos e Graxas (TOG) é considerado um dos principais parâmetros de controle do descarte de água produzida no mar, com limites diários e mensais definidos pela legislação vigente. A medição de
TOG usada como referência pelo IBAMA é feita pelo método gravimétrico, com amostras de água coletadas diariamente e enviadas para laboratório acreditado, que fornece os resultados com defasagem de alguns dias a partir da data de amostragem. A necessidade de ações corretivas em caso de valores acima do limite tem motivado o uso de métodos alternativos que gerem estimativas com maior frequência. Neste trabalho, modelos baseados em dados são criados para obtenção de estimativas do TOG. Variáveis de processo de tratamento de água produzida, informações sobre produtos químicos e dados sobre produção diária de uma plataforma offshore foram coletados,
tratados e utilizados para treinar, validar e testar esses modelos. Além disso, foram aplicadas técnicas de otimização de hiperparâmetros e seleção de atributos. Os resultados obtidos mostraram que os modelos baseados em redes neurais recorrentes (LSTM e CNN+LSTM) alcançaram desempenhos superiores se comparados aos sistemas de monitoramento online existentes.
