Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8765
Title: Um algoritmo genético para otimização do controle de redes de escoamento de petróleo.
Other Titles: A genetic algorithm for optimizing the control of oil drainage networks.
???metadata.dc.creator???: BRASILEIRO, Esther Vilar.
???metadata.dc.contributor.advisor1???: GALVÃO, Carlos de Oliveira.
???metadata.dc.contributor.advisor2???: BRASILEIRO, Francisco Vilar.
???metadata.dc.contributor.referee1???: GOMES , Herman Martins.
???metadata.dc.contributor.referee2???: REIS, Luisa Fernanda Ribeiro.
Keywords: Sistemas Distribuídos;Algoritmos Genéticos;Otimização;Redes de Escoamento;Distributed Systems;Genetic Algorithms;Optimization;Runoff Networks
Issue Date: 24-Feb-2005
Publisher: Universidade Federal de Campina Grande
Citation: BRASILEIRO, E. V. Um algoritmo genético para otimização do controle de redes de escoamento de petróleo. 2005. 76 f. Dissertação (Mestrado em Ciência da Computação) – Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2005.
???metadata.dc.description.resumo???: O controle em tempo real de redes de tubulações, complexas e de grande escala, para escoamento da produção de petróleo é complicado por vários fatores, entre eles: (a) a confiabilidade dos sistemas de aquisição de dados e comunicação, (b) tempos limites entre a aquisição de dados e a decisão de controle, (c) restrições operacionais de um grande número de dispositivos, (d) controle multi-objetivo, envolvendo objetivos e restrições econômicas, operacionais, ambientais e institucionais. Neste trabalho propomos um Algoritmo Genético (AG) para solucionar o problema do controle em tempo real de redes de escoamento complexas. Centrado no sistema de bombeamento, o algoritmo de otimização exposto utiliza conhecimento especialista do problema para reduzir o tempo de busca e melhorar a qualidade da solução utilizando uma infra-estrutura de grade computacional. Os objetivos do controle são a redução do custo com o consumo de energia e dos riscos ao meio ambiente, mantendo os níveis de produção e segurança. Os operadores genéticos de cruzamento e mutação foram modificados para prevenir convergência prematura e acelerar a busca em regiões mais promissoras do espaço-solução, dando à tradicional ‘cegueira’ dos operadores genéticos a direção para gerar melhores descendentes. A técnica de seeding foi utilizada para garantir uma solução viável dentro do prazo. O AG apresenta uma função de adaptabilidade ponderada no tempo. Esta função minimiza as possíveis perdas que se possa ter devido às incertezas presentes na previsão da produção. Os resultados mostram que o AG encontra soluções mais econômicas que os procedimentos ad hoc de operação da rede, com uma redução média de 5,45% do custo. Além disso, verificamos que um ganho médio adicional de 16,92% pode ser alcançado com o aumento dos recursos computacionais disponíveis.
Abstract: Real-time control of complex and large-scale oil pipeline networks is complicated by several reasons, among them (a) reliability of data acquisition and communication systems, (b) strict time limits between data acquisition and decision of control action, (c) operational constraints of a large number of pipeline devices, such as tanks, pumps, valves and pipes, (d) multi-objective control, involving economic, operational, environmental and institutional objectives and constraints. In this work we propose a Genetic Algorithm (GA) to solve the problem of optimizing the control of complex pipeline networks in real time. Centered in the pumping system, the optimization algorithm uses domain based knowledge to reduce the search time and to improve the quality of the solution. The control objectives are reduction of costs with consumption of energy and risks to the environment, at the same time that production and the operational security levels are maintained. Standard GA crossover and mutation operators were modified to prevent early convergence and to speed up search in promising search space areas, giving to the traditional ‘blindness’ of the genetic operators an insight of the best way to apply them in order to generate better descendents. Seeding was used to overcome the problem of delivering a suitable solution on time. The GA introduces an evaluation function weighted over time. This function minimizes the possible loss that one may have due to uncertainty of the production forecast over time. The results showed that the GA provides better solutions than ad hoc procedures for pipeline network operation. Our experiments have shown an average reduction on cost of 5,45%. Moreover, we verified that additional gains (16,92% in our experiments) can be achieve increasing the amount of computational resources available.
Keywords: Sistemas Distribuídos
Algoritmos Genéticos
Otimização
Redes de Escoamento
Distributed Systems
Genetic Algorithms
Optimization
Runoff Networks
???metadata.dc.subject.cnpq???: Ciência da Computação
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8765
Appears in Collections:Mestrado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
ESTHER VILAR BRASILEIRO - DISSERTAÇÃO (PPGCC) 2005.pdf898.75 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.