Doutoramento GALP 202020Universidade de [email protected]
De que falam os dados
©All rights reserved by Trond Lepperød
EficiêηciaEnergética
1
©All rights reserved by Trond Lepperød
EficiêηciaEnergética
1
©All rights reserved by James Prochnik Photographys
Conseguimos gerir o que medimos
2
Sistemasde Gestão de Energia
???
3
dados ≠ informação©All rights reserved by Jim Kaskade
4
Sistemas de Gestão de Energia
5
Sistemas Inteligentesde Gestão de Energia
5
Sistemas Inteligentesde Gestão de Energia
5
Sistemas Inteligentesde Gestão de Energia
5
Sistemas Inteligentesde Gestão de Energia
5
Sistemas Inteligentesde Gestão de Energia
5
Sistemas Inteligentesde Gestão de Energia
5
Sistemas Inteligentesde Gestão de Energia
5
Estágios GALP 20-20-20
6
6
produção ≈ 30 000 ton/ano
secagem ≈ 2 M€/ano
custo@secagem ≈ 65 €/ton
Campânulavs.
Cilindro secador
STARTFINISH
6
6
aprender relacionar causas e efeitosprever consequências
3 set-points2 parâmetros de processo
7
3 set-points2 parâmetros de processo1 parâmetro de qualidade
7
3 set-points2 parâmetros de processo1 parâmetro de qualidade3 consumos energéticos
7
redes neuronais artificiais
7
redes neuronais artificiais
7
3.5
4
4.5
5
5.5
6
6.5
3.5 4 4.5 5 5.5 6 6.5
Humi
dade
Fina
l pre
vista
(% b
.h.)
Humidade Final medida (% b.h.)
115
125
135
145
155
165
115 125 135 145 155 165
Cons
umo
prev
isto
(kep/ton)
Consumo medido (kep/ton)
Previsão da qualidade de secagem Previsão do consumo energético
Erro percentual médio = ±0.15 % Erro percentual médio = ±0.11 %8
Drying Energy Simulator
9
redes neuronais artificiais +particle swarm optimization 10
redes neuronais artificiais +particle swarm optimization 10
inérciacomunicaçãomemória
redes neuronais artificiais +particle swarm optimization 10
-20
-15
-10
-5
0
5
10
15
20
0 0.5 1 1.5 2 2.5 3
Varia
ção
prev
ista
(%)
peso atribuido à optimização
Variação do consumo específico
11
-20
-15
-10
-5
0
5
10
15
20
0 0.5 1 1.5 2 2.5 3
Varia
ção
prev
ista
(%)
peso atribuido à optimização
- 10 % de consumo específico ≈ - 200 000 €/ano
11
-20
-15
-10
-5
0
5
10
15
20
0 0.5 1 1.5 2 2.5 3
Varia
ção
prev
ista
(%)
peso atribuido à optimização
0,7 % de aumento no valor médio de humidade
11
12
Às custas de quê
-25-20-15-10-505
1015
0 0.5 1 1.5 2 2.5 3
Varia
ção
prev
ista
(%)
peso atribuido à optimização- 19.4 % (°C) 12
-25-20-15-10-505
1015
0 0.5 1 1.5 2 2.5 3
Varia
ção
prev
ista
(%)
peso atribuido à optimização- 19.4 % (°C)+ 10.1 % (bar) 12
-25-20-15-10-505
1015
0 0.5 1 1.5 2 2.5 3
Varia
ção
prev
ista
(%)
peso atribuido à optimização+ 6.9 % (r.p.m.) - 19.4 % (°C)+ 10.1 % (bar) 12
redes neuronais artificiais +particle swarm optimization 13
Eficiência Energética
Algoritmos InteligentesEficiência Energética
InteligenteEficiência
[email protected]
Eficiência Inteligente