ÁREA: Química Tecnológica

TÍTULO: Avaliação e classificação de petróleos utilizando métodos quimiométricos de reconhecimento de padrão

AUTORES: Chimin, R.Q.F. (UFES) ; Oliveira, E.C.S. (UFES) ; Castro, E.V.R. (UFES)

RESUMO: Neste trabalho, desenvolveu-se um modelo de classificação utilizando Análise de Componentes Principais (PCA) e Análise de Discriminantes Lineares (LDA) a fim de separar amostras de blends baseando-se nas especificações de análise exigidas pela produção e processamento primário de petróleos. Neste estudo, utilizou-se onze parâmetros físico-químicos de amostras de óleo com características muito distintas entre si, provenientes de três campos de uma Bacia Sedimentar da costa brasileira. Os modelos criados se mostraram muito eficientes na classificação das amostras. Assim, de forma rápida e precisa, a aplicação do modelo permite separar as amostras coletadas nos três campos testados com um acerto de 99,1%.

PALAVRAS CHAVES: petróleo; blends; classificação

INTRODUÇÃO: A exploração de petróleos nas diversas bacias sedimentares, tanto em terra quanto no mar, dá origem a óleos com composições químicas variáveis, podendo ser de base parafínica, naftênica, aromática ou mista. O petróleo exibe uma larga variação de sua composição e propriedades, e estas variações podem ocorrer não apenas em diferentes campos, mas também em diferentes profundidades do mesmo poço [1, 2, 3]. Muitas propriedades dos óleos como cor, viscosidade, quantidade e tipos de impurezas dependem de suas origens. As impurezas primárias como a água, os sais e o enxofre e seus compostos, são fatores preocupantes no processo, pois podem influir nas estratégias de produção, no transporte e refino [2, 4]. A qualidade do petróleo no processamento primário é avaliada e medida por propriedades físico-químicas. Estes parâmetros, além de indicarem alguma mudança que venha ocorrer no óleo, são utilizados na elaboração de estratégias de refino. Para garantir a qualidade do produto final, blends de petróleos, é necessário um monitoramento das etapas do processamento primário. Para as inúmeras informações obtidas são necessárias ferramentas adequadas para analisá- las com eficiência. Métodos de análise estatística multivariada vêm sendo utilizados para avaliar, monitorar e controlar processos produtivos de alguns campos de produção. Neste estudo são apresentados os métodos LDA e PCA como ferramentas de classificação de blends de petróleos, que pretende separar as amostras de acordo com o seu campo de origem. As variáveis de qualidade do óleo (Àgua livre, ºAPI, Densidade, Índice de Sal Total, BSW, NAT, Ponto de fluidez e viscosidade) foram utilizadas nos estudos.

MATERIAL E MÉTODOS: Para a realização deste estudo exploratório, foram selecionados dados relativos a testes de caracterização de petróleos provenientes de uma Bacia Sedimentar da costa brasileira. Estes dados foram gerados ao longo de aproximadamente 3 anos (outubro de 2008 a abril de 2012) da atividade de avaliação de petróleos, totalizando 338 amostras. As amostras de blends, com características físico- químicas bem distintas, foram provenientes de três campos denominados A, B e C. As amostras foram coletadas em frascos previamente identificados, de 2 litros, diretamente dos ductos de óleo, transportadas ao laboratório, e processadas dentro de 01 hora após a chegada. As amostras foram submetidas aos testes de acordo com as normas ASTM. Todos os dados das amostras foram trabalhados sem pré-tratamento utilizando-se o programa MINITAB 14. Foram feitas Análise por Componentes Principais (PCA) e Análise de Discriminante Linear (LDA) a fim de se verificar a separação entre as amostras de cada campo testado (A, B e C). Alguns cálculos foram realizados com o Aplicativo Excel 2007, da Microsoft. Para a construção do modelo, separou-se 238 amostras analisadas para a construção do modelo. As de mais amostras foram utilizadas para a verificação da potencialidade do modelo em reconhecer as amostras de cada campo. A PCA foi feita com o objetivo de tentar separar, por meio de gráficos dos scores, as amostras nos três campos, e calcular as componentes principais das amostras de calibração. A partir dos pesos (ou loadings) obtidos no cálculo das PCs das amostras de calibração, foram calculados os scores das amostras de validação no modelo inicial para que se obtivessem, assim, as coordenadas das mesmas, necessárias na validação do modelo criado por análise de discriminante linear.

RESULTADOS E DISCUSSÃO: No total são 11 variáveis originais, correspondentes aos parâmetros de análises utilizados no trabalho. Nesse estudo, ao realizar a PCA, a variabilidade total dos dados pôde ser explicada por um numero menor de componentes principais, uma vez que 7 componentes principais foram capazes de capturar 99,5% da variabilidade dos dados. Após a análise de Componentes Principais, foi plotado o gráfico dos scores (Figura 1), relacionando as componentes principais que possuíam maior correlação com as amostras de blends de petroleos e os diferentes campos, verificando se ocorria uma separação visual que permitisse a identificação das amostras. Com isso, pôde-se realizar procedimento de LDA. Os resultados de previsão para amostras do próprio conjunto de treinamento indicam que o sistema consegue se distinguir em grupos e obter uma excelente classificação, também observada no procedimento de validação cruzada. Entretanto, o modelo é mais bem avaliado com a utilização de um conjunto de amostras para validação, neste caso, o percentual global de acerto foi de 86,1%. Os resultados resumidos estão na Figura 2. Esses resultados mostram que o modelo construído demonstrou eficácia na classificação das amostras.

Figura 1

Gráfico de scores

Figura 2

Resultados de acertos da classificacao por Analise de Discriminante Linear (LDA)

CONCLUSÕES: A PCA permitiu, por meio de inspeção visual rápida, a identificação das amostras em seus respectivos campos. A classificação das amostras foi possível com um grau de acerto elevado a partir dos parâmetros avaliados e das técnicas multivariadas PCA e LDA. Os resultados obtidos nesse estudo demonstraram que não há a necessidade de um pré-processamento dos dados, uma vez que a utilização dos dados brutos no tratamento quimiométrico apresentou um resultado muito satisfatório de classificação das amostras.

AGRADECIMENTOS: Petrobras, Labpetro/DQUI/UFES, CAPES, ANP

REFERÊNCIAS BIBLIOGRÁFICA: [1]SPEIGHT, J. G. Handebook of petroleum product analysis, John Wiley& Sons, 2002.
[2]SIMANZHENKOV, V., IDEM, R. Crude oil chemistry, Marcel Dekker, Inc, 2003.
[3]LYONS, W. C., PLISGA, G. J. Standard Handbook of Petroleum & natural gas
engeneering. 2endEd., Elsevier, 2005.
[4]THOMAS, J. E. Fundamentos de engenharia de petróleo,Editora Interciência Ltda, 2004.