Alternativa para redução no consumo de combustível em uma turbina a gás utilizando metaheurísticas / Alternative for reducing fuel consumption in a gas turbine using metaheuristics

Eduardo Massashi Yamao, Gabriel Maidl, João Borba, Cintia de Carvalho Toledo, Victor Lopes Santos, Juliano Pierezan, Leandro do Santos Coelho, Renato Penteado

Abstract


Usinas termelétricas convivem com o desafio de operar com um desempenho satisfatório devido a suas perdas térmicas. Sendo assim, um processo de combustão eficiente gera economia de combustível. Uma das atividades essenciais para se obter uma melhor eficiência das turbinas a gás é conhecido como tuning, que consiste em um ajuste fino do ponto de operação das máquinas que respeite os limites físicos das turbinas e esteja de acordo com a legislação ambiental no que concerne às emissões de poluentes para a atmosfera. Esta é uma atividade realizada por especialistas do fabricante das turbinas a gás, e que possui um impacto significativo na sua eficiência. O uso de metaheurísticas de otimização vem se tornando cada vez maior no meio científico, devido à sua versatilidade e robustez. Sendo assim, a metodologia utilizada para encontrar um ponto de equilíbrio entre emissões, oscilações termoacústicas, temperatura de exaustão e potência ativa, visando uma redução no consumo de combustível, foi o uso de metaheurísticas de otimização que apresentam bom desempenho de função objetivo para problemas reais com características não lineares. Os dados utilizados são oriundos da Usina Elétrica a Gás de Araucária (UEGA) de acordo com trabalho que foi desenvolvido no âmbito do projeto P&D ANEEL PD-00539-0002/2014, em parceria com a UEG Araucária.


Keywords


Usina Termelétrica; Turbina a gás; Eficiência; Metaheurística; Otimização.

References


ALNE, K. S. Reduction of NOx Emissions from the Gas Turbines for Skarv Idun.: NTNU - Innovation and Creativity, 2007.

BÄCK, T.; HAMMEL, U.; SCHWEFEL, H. P. Evolutionary Computation: Comments on the History and Current State. IEEE Transactions on Evolutionary Computation, 1 Abril 1997.

BOYCE, M. P. Gas Turbine Engineering Handbook. 2. ed.: Gulf Professional Publishing, 2011.

CONAMA. Ministério do Meio Ambiente, 1989. ISSN CONAMA 05/1989. Disponivel em: . Acesso em: 04 maio 2015.

CONAMA. Conselho Nacional do Meio Ambiente nº5. Brasilia. 1993.

CONAMA. Conselho Nacional do Meio Ambiente nº 491. Brasilia. 2018.

GALLEGO, A. G.; MARTINS, G.; GALLO, W. L. R. Emissões de NOx em turbinas a gás: mecanismos de formação e algumas tecnologias de redução. Revista de Ciência & Tecnologia, v. 15, p. 13-22, Junho 2000.

HOSSAIN, M. S., ONG, Z. C., ISMAIL, Z., NOROOZI, S. AND KHOO, S. Y. (2017). Artificial neural networks for vibration based inverse parametric identifications: A review, Applied Soft Computing 52: 203 – 219.

IDZWAN, S., PHING, C. C. AND KIONG, T. S. (2014). Prediction of nox using support vector machine for gas turbine emission at putrajaya power station, Journal of Advanced Science and Engineering Research 4(1).

LACTEC, Relatório Técnico Final do projeto P&D ANEEL PD-00539-0002/2014. Araucária, 2019.

LIEUWEN, T. C. Investigation of Combustion Instability mechanisms in premixed Gas Turbines. Georgia Insitute of Technology.1999.

LIEUWEN, T. C.; YANG, V. Combustion Instabilities in Gas Turbine Engines: Operational Experience, Fundamental Mechanisms, and Modeling: American Institute of Aeronautics and Astronautics, 2005.

LORA, E. E. S.; NASCIMENTO, M. A. R. D. Geração termelétrica. Planejamento, projeto e operação. Rio de Janeiro: Interciência, v. 1, 2004.

MELO, V. V. Técnicas de aumento de eficiência para metaheuríticas aplicadas a otimização global contínua e discreta, São Carlos, 2009.

MINISTÉRIO DE MINAS E ENERGIA. 94ª edição do Boletim Mensal da Indústria do Gás Natural, 2015. Disponivel em: . Acesso em: Maio 2015.

OPARA, K. R.; ARABAS, J. Differential Evolution: A survey of theoretical analyses. Swarm and Evolutionary Computation, v. 44, n. June 2018, p. 546–558, 2019. Elsevier B.V.

A. K. QIN, V. L. HUANG, AND P. N. SUGANTHAN. Differential evolution algorithm with strategy adaptationfor global numerical optimization. IEEE Transactions on Evolutionary Computation, 13(2):398–417, April 2009

STORN, R. System design by constraint adaptation and differential evolution. IEEE Transactions on Evolutionary Computation, v. 3, p. 22-33, 1999. ISSN 1.

SYRED, N.; BEÉR, J. M. Combustion in Swirling Flows: A Review. In: Combustion and Flame, 1974. p. 143-201.

UEGA. Informações Técnicas da Usina, 2015. Disponivel em: . Acesso em: 28 abr. 2015.

WINTERBONE, D. E. Advanced Thermodynamics for Engineers. Londres: Arnold, 1997.

WYLEN, G. J. V.; SONNTAG, R. E.; BORGNAKKE, C. Fundamentos da termodinâmica clássica. 4. ed: Edgard Blücher, 2004.

XIA, Y. et al. Thermoacoustic limit cycle prediction of a pressurized industrial gas turbine combustor, 13 Junho 2018.

ZHANG, J.; SANDERSON, A. C. JADE: Self-adaptive differential evolution with fast and reliable convergence performance. IEEE Congress on Computation Evolutionary, Singapura, 2007.

ZHANG, J.; SANDERSON, A. C. JADE: adaptive differential evolution with optional external archive. IEEE Transactions on Evolutionary Computation, 13, 2009a. 945-985.

ZHANG, J.; SANDERSON, A. C. Adaptive differential evolution - A robust approach to multimodal problem optimization. Berlin: Springer, 2009b.




DOI: https://doi.org/10.34117/bjdv7n9-276

Refbacks

  • There are currently no refbacks.