Análise estatística multivariada e otimização do processo de abertura de cavernas subterrâneas em rochas salinas utilizando PCA, t-SNE e algoritmos genéticos

• Ano de defesa: 2025
• Autor(a) principal: CISNEROS, Oscar Simón Melgar
• Orientador(a): GUIMARÃES, Leonardo José do Nascimento
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Programa de Pós-Graduação: Programa de Pos Graduacao em Engenharia Civil
• País: Brasil
• Palavras-chave em Português: Abertura de cavernas; SALGAS; Simulações numéricas
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/66744

O consumo global de energia tem impulsionado a necessidade de armazenamento subter râneo, sendo as cavernas de sal uma solução amplamente utilizada para materiais energéticos. A construção e o controle dessas cavernas são, portanto, cruciais para garantir sua capacidade e segurança operacional. Este trabalho apresenta uma metodologia integrada para a análise e otimização do processo de dissolução para abertura de cavernas. Primeiramente, foram re alizadas simulações numéricas do processo de mineração por dissolução em uma rocha de cloreto de sódio, utilizando o software SALGAS SOLUTION MINING SIMULATION SOFT WARE para diferentes métodos de circulação (direta e reversa). Para interpretar a complexa interação entre as variáveis de entrada e os resultados, foi realizada uma análise estatística multivariada com as técnicas de redução de dimensionalidade, Principal Component Analysis (PCA) e t-distributed Stochastic Neighbor Embedding (t-SNE). A análise PCA revelou que a taxa de produção de salmoura e suas variáveis correlatas constituem o principal componente de variabilidade do processo, enquanto as variáveis associadas à temperatura e às propriedades do fluido desempenham um papel secundário, mas significativo. A técnica t-SNE confirmou esses achados e demonstrou sua capacidade de agrupar cenários com características operaci onais similares. Com base nos insights obtidos, o trabalho avança da análise para o design, implementando um framework de otimização que acopla o simulador SALGAS a Algoritmos Genéticos (AG). Foram conduzidas otimizações mono-objetivo, para maximizar o volume final, e multiobjetivo, para explorar os complexos trade-offs entre os objetivos de volume, massa de Sal, eficiência energética e Tempo de Construção. Os resultados demonstram que o AG é capaz de identificar vetores de decisão que geram projetos superiores aos cenários de base, caracterizando a fronteira de Pareto de soluções ótimas. A metodologia proposta, portanto, oferece uma abordagem sistemática e robusta para o projeto de cavernas salinas