| Abstract: | A eficiência energética é um tema de crescente relevância na indústria petroquímica, dado o impacto econômico e ambiental associado ao alto consumo de energia em processos industriais. O forno de pirólise, utilizado no craqueamento de nafta para a produção de olefinas como eteno e propeno, é um dos responsáveis por essa demanda. Este estudo analisou e identificou as variáveis que influenciam o desempenho energético desse equipamento, desenvolvendo um modelo empírico no software Aspen ProMV baseado na Análise de Componentes Principais (PCA). A metodologia permitiu identificar variáveis operacionais críticas, como a abertura da válvula (Damper) na sucção, além de problemas como o acúmulo de resíduos nas bancadas de convecção, que prejudicam a troca térmica e elevam o consumo de energia. O modelo offline representou bem o comportamento do forno, demonstrando eficiência tanto no ajuste dos dados quanto na previsão de comportamentos futuros. Essas informações oferecem uma base sólida para otimizar a operação do forno, reduzindo o consumo de energia e promovendo práticas mais sustentáveis no setor petroquímico, alinhando eficiência operacional e sustentabilidade como resultados chave.
Energy efficiency is a topic of increasing relevance in the petrochemical industry, given the economic and environmental impact associated with high energy consumption in industrial processes. The pyrolysis furnace, used in naphtha cracking for the production of olefins such as ethylene and propylene, is a significant contributor to this demand. This study analyzed and identified the variables influencing the energy performance of this equipment by developing an empirical model in Aspen ProMV software, based on Principal Component Analysis (PCA). The methodology identified critical operational variables, such as the Damper valve opening in the suction system, as well as issues like residue buildup on convection banks, which impair heat exchange and increase energy consumption. The offline model accurately represented the furnace's behavior, demonstrating efficiency in both data fitting and the prediction of future behaviors. This information provides a solid foundation for optimizing furnace operation, reducing energy consumption, and promoting more sustainable practices in the petrochemical sector, aligning operational efficiency and sustainability as key outcomes. |
