Un agente inteligente para la optimización en línea del proceso de mezclas de gasolina

Abstract

El mezclado de gasolinas es un proceso muy importante en la industria de refinación de crudo. Grandes beneficios económicos como eliminación de los regalos de calidad, eliminación de re-mezclas e incremento de la flexibilidad operacional en el almacenaje son obtenidos al implementar sistemas para la optimización en línea de este proceso. Normalmente estos sistemas utilizan simplificaciones lineales con ajustes no-lineales para modelar el proceso y algoritmos de programación lineal o no-lineal clásicos. Este tipo de estrategias puede generar errores considerables en los resultados del ejercicio de optimización dada las diferencias modelo-proceso. Con el objeto de evitar este inconveniente, en este trabajo se plantea el diseño y desarrollo de un optimizador en línea de mezclas de gasolina, que cuente con modelos que representen de una manera más precisa las propiedades resultantes en una mezcla de combustibles. Para ello se desarrollaron modelos de mezcla de propiedades con máquinas de soporte vectorial (MSV) a partir de datos reales de un proceso real. Para operar las MSV como restricciones de un problema de optimización sobre un espacio de búsqueda de recetas, se plantea el uso del software NOMAD, el cual utiliza el algoritmo de búsqueda directa MADS (Mesh Adaptative Direct Search) para realizar la optimización. Tanto el NOMAD, como las MSV se integran en una arquitectura para optimizar el proceso de mezclado, cuyo modelo general es parte de esta propuesta. En ese contexto, el subsistema optimizador es concebido como un agente inteligente que percibe condiciones en su entorno y propone soluciones oportunas. El agente optimizador ha sido implementado y para evaluar su desempeño se han realizado simulaciones de todo el sistema de mezclas en condiciones estáticas y dinámicas bien definidas que incluyen escenarios críticos en el comportamiento del proceso en tiempo real.