Contenido de azufre en el acpm hidrotratado de la grb: predicción con redes neuronales y proporciones para la preparación de diesel comercial

Simple item page
dc.contributor.advisorAvellaneda Vargas, Fredy Augusto
dc.contributor.advisorMorales Medina, Giovanni
dc.contributor.authorSierra Ballesteros, Cristian Eduardo
dc.date.accessioned2024-03-03T23:26:32Z
dc.date.available2017
dc.date.available2024-03-03T23:26:32Z
dc.date.created2017
dc.date.issued2017
dc.description.abstractLa preparación de diésel comercial B2E en la refinería de Barrancabermeja (GRB) debe cumplir los parámetros de calidad comercial y generar rentabilidad para el negocio. Para esto, la sección de mezclado de diésel considera la cantidad de corrientes disponibles y sus respectivas propiedades, especialmente el contenido de azufre del acpm hidrotratado. La disponibilidad del acpm apropiado, envuelve los requerimientos operacionales de hidrotratamiento (HDT). Este trabajo fue dirigido a soportar la operación de mezclado prediciendo las condiciones operativas en HDT y mediante un modelo de optimización establecer una dieta con mayor rentabilidad para el negocio. Datos históricos del proceso fueron utilizados, incluyendo variables de flujo, presión, azufre a la entrada y salida de la unidad, entre otros. Estos fueron utilizados para desarrollar un modelo predictivo de redes neuronales para el hidrotratamiento, según el contenido de azufre del acpm requerido en la preparación de diésel. Los desempeños obtenidos con los modelos por redes neuronales sugieren que es factible ajustar operacionalmente el hidrotratamiento extendiendo el tiempo de corrida de la planta con azufre más acorde a los requeridos en el área de mezclado. Cabe resaltar que los modelos con configuración logsig-purelin en la capa oculta y de salida, arrojaron mejores resultados tanto en entrenamiento como validación para predicción de variables individuales. Pruebas extras fueron desarrolladas para identificar el comportamiento de la unidad a bajo y alto flujo de carga. Las RNA tienen una capacidad predictora con R2 igual a 0,989 para el contenido de azufre en el producto hidrotratado, adicionalmente la utilización de la corriente hidrotratada en el modelo de optimización ofrece una mejor composición en la preparación de diésel. Las RNA permiten predecir el comportamiento de la unidad de hidrotratamiento de diésel, aunado a la optimización por simulación, son complementos para alcanzar mayor beneficio económico por preparación de diésel para la GRB.
dc.description.abstractenglishRegular diesel B2parameters and produce incomes for business. For this, the diesel blending stage consider the available streams quantity and its properties, the sulphur content on Hydro treated diesel specially .appropriate diesel available involves hydro treating operational requirements (HDT), this job was focused to stand the blending operation predicting operational conditions in HDT and to establish a more benefit diet for business by an optimization model. Process historical data was examine, including flow & pressure variables, sulphur content at in/outlet . These items were used to develop a predictive model of neuronal nets for hydro treat according to sulphur concentration of diesel quantity for blending. Neuronal nets performance suggest that it´s possible to set the operation of hydro treat delaying running time in sulphur plant more than blending area. Models with logsig-purelin configuration show best resultants in training as a validity to predict individual variables, extra tests were developed to identify the plant behavior at low & high load flow. Artificial neuronal nets have a predictive skill, where R2 =0.989 sulphur content of hydro tread product .Overmore using an hydro treat stream on optimization model offer a better composition in a diesel blend. ANN (artificial neuronal nets) predict the diesel hydro treat unity behavior and optimization by simulation are complements to get the more economical incomes of diesel preparation at Barrancabermeja´s refinery
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Química
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/36992
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicoquímicas
dc.publisher.programMaestría en Ingeniería Química
dc.publisher.schoolEscuela de Ingeniería Química
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectDiésel
dc.subjectBiodiesel
dc.subjectMezcla
dc.subjectDestilación
dc.subjectAzufre
dc.subjectHidrotratamiento
dc.subjectRedes Neuronales Artificiales (Ann)
dc.subjectOptimización.
dc.subject.keywordDiesel
dc.subject.keywordBiodiesel
dc.subject.keywordBlending
dc.subject.keywordDistillation
dc.subject.keywordSulphur
dc.subject.keywordHydrotreating Artificial Neuronal Nets (Ann)
dc.subject.keywordOptimization
dc.titleContenido de azufre en el acpm hidrotratado de la grb: predicción con redes neuronales y proporciones para la preparación de diesel comercial
dc.title.englishSulphur content in hydrotreated diessel of arrancabermeja´s refinery:proportions for regular diessel blending, predictions with neuronal nets
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
144.77 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
2.51 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
135.17 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Química