Aplicação de rede neural recorrente para predição do consumo de gás de alto forno nas centrais térmicas de uma usina siderúrgica integrada.

Abstract

Ressaltar o consumo dos insumos energéticos e coprodutos é uma tarefa valiosa na busca de competitividade das usinas siderúrgicas e uma oportunidade para o processo de descarbonização. O gás de alto forno é um importante componente dessa matriz energética e seu consumo e aproveitamento na planta reduz sensivelmente os custos com a compra de outros combustíveis. No entanto, devido aos diversos cenários típicos a cada consumidor da planta a distribuição e controle deste insumo se torna uma tarefa não trivial. Distúrbios e variações entre geração e consumo geram um desafio de manter a segurança operacional nos gasômetros e ao mesmo tempo potencializar o seu uso. Procedimentos operacionais e técnicas convencionais de controle não são suficientes para evitar perdas com a queima desse gás nas torres de segurança (flares) dos alto fornos, um dos pontos mais críticos é a incerteza no volume a ser consumido. Nesse contexto este trabalho apresenta dentre os métodos do Deep Learning a utilização de Redes Neurais Recorrentes para a predição do consumo de Gás de Alto Forno, por um dos maiores consumidores de uma usina siderúrgica integrada, as centrais térmicas de geração de vapor objetivando obter, com antecedência, informações essenciais para o controle ótimo do consumo e facilitar a tomada de decisão operacional na distribuição do gás.