Estimação de parâmetros por algoritmo evolucionário para otimização de um modelo termodinâmico preditivo de propriedades físico-químicas da gasolina

Abstract

Resumo: A gasolina é um combustível de ampla utilização, e é composta por aproximadamente quatrocentos compostos diferentes e desconhecidos em sua maioria. Devido ao grande número de compostos presentes, a previsão das propriedades físico-químicas torna-se um trabalho complexo, somente possível através do agrupamento dos compostos com mesmas características formando uma pseudocomposição. Para a previsão das propriedades caracterizaram-se e agruparam-se os compostos da mistura, segundo o número de carbonos presentes nas moléculas formando uma série de doze pseudocomponentes. Neste trabalho, para melhorar o desempenho do modelo termodinâmico foi realizada uma otimização pela soma do quadrado dos desvios entre a curva de destilação da gasolina através de parâmetros agregados aos peudocomponentes e os dados experimentais de destilação. O modelo heurístico evolutivo utilizado foi o algoritmo genético, que faz interface com o modelo termodinâmico de predição de propriedades. Os resultados mostraram concordância com os valores experimentais, tanto para a gasolina sem álcool etílico quanto para a gasolina comercial; contudo, ambas apresentam um desvio na curva de destilação próximo aos 90% do destilado devido a alterações na composição química da gasolina que ocorrem a temperaturas elevadas. O modelo mostrou-se eficiente na parametrização da pseudocomposição, podendo ser aplicado como uma ferramenta alternativa na detecção da qualidade do combustível.

Abstract: Gasoline is a widely used fuel, composed by approximately four hundred different compounds, most of them unknown. Due to the large number of compounds, calculating physical-chemical properties is a difficult task, only possible through grouping compounds with similar characteristics, forming a pseudocomposition. In order to evaluate the properties, the mixture has been analyzed with gas chromatography, and its compounds were characterized and grouped according to the number of carbons present in the molecules, forming a series of twelve pseudocomponents. In this paper, aiming a better performance for the thermodynamic model, a least-squares optimization has been realized between the gasoline's distillation curve (through pseudocomponent-related parameters) and experimental distillation data. Genetic algorithm was the heuristic evolutive method utilized, which interfaced to the thermodynamic model for property prevision. The results are in close accord to the experimental values, for both commercial and no-alcohol Brazilian gasoline; however, both of them show a deviation in the distillation curve after 90% of the distillate, because of chemical composition alterations which occur at high temperatures. The model has shown efficiency in parametrizing the pseudocomposition, being applicable as an alternative tool for detecting fuel quality.