Autor: Eduardo Massashi Yamao
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 eficiência destas. Durante a combustão em uma turbina a gás heavy duty, são geradas elevadas vazões de ar que causam turbulência. Esta turbulência promove uma melhor mistura de gás combustível e ar para uma combustão eficiente. Entretanto, excessivas turbulências podem levar a oscilações e pulsações de pressão que, se não minimizadas, fazem com que a chama de combustão se torne instável, reduzindo o tempo de vida útil dos componentes do combustor. Para alguns sistemas de combustão, pode ser muito difícil conseguir o equilíbrio entre a estabilidade de combustão (chama estável e baixas dinâmicas /pulsações) e a baixa emissão de poluentes. Sendo assim, deseja-se uma operação segura, onde as regulamentações ambientais referentes às emissões de poluentes sejam respeitadas, porém, trabalhando próximo dos limites operacionais da máquina e produzindo a mesma energia com uma quantidade de gás combustível menor. O uso de metaheurísticas de otimização vem se tornando cada vez maior devido a sua versatilidade e robustez no meio cientifico. 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). Foram testados os algoritmos otimização Simulated Annealing (SA), Algoritmo Genético (AG), Evolução Diferencial (ED), Self Adaptive Differential Evolution (SADE) e Hybrid Differential Evolution Algorithm With Adaptive Crossover Mechanism (DE-GRM) visando avaliar qual teria melhor desempenho. Dentre as métricas utilizadas verificou-se que a SADE apresentou melhor resultado considerando as métricas tempo de execução, distribuição da função objetivo e curva de convergência quando comparada com os demais algoritmos. O problema de otimização considerou como função objetivo o consumo total de combustível e os modelos de emissões (NOX e CO), oscilações termoacústicas, temperatura de exaustão e geração de potência ativa foram tomados como restrições. Avaliando os valores da turbina a gás 2 ou Combustion Turbine 2 (CT2), foi observada uma economia de combustível quando se utiliza a metaheurística de otimização SADE da função custo que consiste na vazão de combustível dos injetores.
DESCRIÇÃO COMPLETA:
Data da defesa: 19/02/2020
Banca Examinadora
Orientador: Renato de Arruda Penteado Neto (Lactec)
Membro da Banca: Eduardo Kazumi Yamakawa (Lactec)
Membro da Banca: Leandro dos Santos Coelho (PUCPR)
Palavra(s)-Chave: Usina Termelétrica; Turbina a gás; Eficiência; Metaheurística; Otimização.
Keywords: Thermoelectric plant; Gas turbine; Efficiency; Metaheuristic; Optimization.
*Download seguro, baixe o arquivo em .pdf ou visualize diretamente no seu navegador.
