Estratégias de escolha para o parâmetro binário Kij da frente de Pareto
DOI:
https://doi.org/10.5540/03.2023.010.01.0046Palavras-chave:
Equações de Estado, Otimização, Misturas, ParâmetrosResumo
As equações cúbicas de estado, apesar de sua simplicidade matemática, têm se mostrado muito versáteis na simulação de modelos termodinâmicos. As regras de mistura são usadas em combinação com as equações de estado para uma representação de misturas de fluidos. Essas regras exigem parâmetros de interação binária Kij , que são determinados através do processo de estimação de parâmetros. O objetivo desse trabalho é comparar 5 estratégias de escolha para o parâmetros Kij , baseando-se na frente de Pareto, resultado da aplicação da otimização multiobjetivo no problema de estimação de parâmetros binários Kij , da mistura Metano-Etano, utilizando a regra clássica de mistura de van der Waals, aplicada a equação de estado de Peng-Robinson, com dados experimentais de pressão e composição.
Downloads
Referências
K.-H. Chang, “Multiobjective optimization and advanced topics”, Design Theory and Methods Using CAD/CAE, pp. 325–406, 2015.
Y. Cui, Z. Geng, Q. Zhu, and Y. Han, “Multi-objective optimization methods and application in energy saving”, Energy, vol. 125, pp. 681–704, 2017, DOI: 10.1016/j.energy.2017.02.174.
A. Anderko, “4 cubic and generalized van der waals equations”, in: Experimental Thermodynamics, vol. 5, pp. 75–126, Elsevier, 2000.
D.-Y. Peng and D. B. Robinson, “A new two-constant equation of state”, Industrial & Engineering Chemistry Fundamentals, vol. 15, no. 1, pp. 59–64, 1976.
A. Konak, D. W. Coit, and A. E. Smith, “Multi-objective optimization using genetic algorithms: A tutorial”, Reliability engineering & system safety, vol. 91, no. 9, pp. 992–1007, 2006.
S. Bechikh, M. Kessentini, L. B. Said, and K. Ghédira, “Preference incorporation in evolutionary multiobjective optimization: A survey of the state-of-the-art”, in: Advances in Computers, vol. 98, pp. 141–207, Elsevier, 2015.
P. Ngatchou, A. Zarei, and A. El-Sharkawi, “Pareto multi objective optimization”, in: Proceedings of the 13th international conference on, intelligent systems application to power systems, pp. 84–91, IEEE, 2005.
H. Orbey and S. I. Sandler, Modeling vapor-liquid equilibria: cubic equations of state and theirmixing rules. Cambridge University Press, 1998.
T. Matsoukas, Fundamentals of chemical engineering thermodynamics. Pearson Education, 2013.
P. N. Ghoderao, V. H. Dalvi, and M. Narayan, “A five-parameter cubic equation of state for pure fluids and mixtures”, Chemical Engineering Science: X, vol. 3, p. 100026, 2019.
A. M. S. Junior, B. T. Mota, L. P. Pena, and A. P. Pires, “Adaptação do algoritmo pso para problemas multiobjetivo, iterações com liderança global fixa”, in: Proceeding Series of the Brazilian Society of Computational and Applied Mathematics, vol. 7, no. 1, 2020.
G. P. Rangaiah and A. Bonilla-Petriciolet, Multi-objective optimization in chemical engineering: developments and applications. John Wiley & Sons, 2013.
N. C. Patel and A. S. Teja, “A new cubic equation of state for fluids and fluid mixtures”, Chemical Engineering Science, vol. 37, no. 3, pp. 463–473, 1982.
P. N. Ghoderao, V. H. Dalvi, and M. Narayan, “A four parameter cubic equation of state with temperature dependent covolume parameter”, Chinese Journal of Chemical Engineering, vol. 27, no. 5, pp. 1132–1148, 2019.
A. Haghtalab, M. Kamali, S. H. Mazloumi, and P. Mahmoodi, “A new three-parameter cubic equation of state for calculation physical properties and vapor–liquid equilibria”, Fluid Phase Equilibria, vol. 293, no. 2, pp. 209–218, 2010.
I. Wichterle and R. Kobayashi, “Vapor-liquid equilibrium of methane-ethane system at low temperatures and high pressures”, Journal of Chemical & Engineering Data, vol. 17, no. 1, pp. 9–12, 1972.
