Modelagem térmica de um forno panela utilizando redes neurais artificiais

• Ano de defesa: 2006
• Autor(a) principal: Patricia Teixeira Sampaio
• Orientador(a): Antonio de Padua Braga
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais
• Palavras-chave em Português: Engenharia elétrica
• Link de acesso: http://hdl.handle.net/1843/BUOS-8D3NC3

As siderúrgicas nacionais estão investindo cada vez mais na construção de usinas hidrelétricas ou termoelétricas em parceria com as concessionárias regionais com o objetivo principal de deter o crescimento do custo energético nos seus negócios. Com isso, todas as ações que visam a busca de alternativas para a redução do consumo energético e o aumento da produtividade nas siderurgias tornaram-se temas prioritários de pesquisa e desenvolvimento. O forno panela da V&M é uma das maiores unidades consumidoras de energia na siderurgia, consumindo em média 2.400 MWh por mês. Devido à complexidade do processo, a busca pela otimização do sistema tornou-se de difícil implementação a partir de técnicas convencionais. No entanto, aplicações de inteligência computacional vêm sendo utilizadas cada vez mais como ferramentas de modelagem de processos de difícil abordagem. Desta forma, devido à não-linearidade do processo do forno panela, ao baixo conhecimento de sua dinâmica e à alta variabilidade observada do consumo energético específico, definiu-se o uso de redes neurais artificiais como uma ferramenta de modelagem e previsão. Este trabalho de dissertação busca demonstrar a aplicabilidade do emprego das redes neurais artificiais em problemas industriais complexos, através da previsão da temperatura do aço durante o processo de refino secundário de um forno panela. O trabalho comprova a capacidade de generalização da rede neural, obtendo erro médio menor que o erro médio especificado pelo instrumento de medição da temperatura do aço. Além disso, este trabalho demonstra que a utilização efetiva do modelo térmico resultará em ganhos de produtividade, redução do custo energético e operacional.