Machine learning methods applied to petroleum science and biofuels

Summary: Nos últimos cinco anos tivemos várias notícias de furto de petróleo e derivados, principalmente gasolina e diesel, em oleodutos. A hipótese mais aceita no setor de petróleo é que o petróleo furtado é misturado ao óleo de reuso para futura destilação. Enquanto os derivados, gasolina e diesel, são misturados com nafta e querosene respectivamente, que apresentam menor valor comercial, e vendidos com sendo gasolina e diesel puros. A Petrobras é a detendora do monopólio de transporte de petróleo por via terrestre. Assim, qualquer carregamento, via terrestre, de óleo contendo petróleo na mistura é uma infração. A espectroscopia na região do infravermelho próximo (NIR) é muito utilizada na análise de misturas e caracterização de biodiesel e combustíveis. No entanto, na grande maioria dos trabalhos a espectroscopia NIR está associada a quimiometria. Quando a matriz estudada é mais complexa, como o pétroleo bruto, faz-se necessário a utilização de métodos não lineares para tratamento dos dados, como a máquina de vetores de suporte (SVM). Para a indústria do petróleo é importante o desenvolvimento de uma metodologia para análise in situ, visto que poderia ser utilizada no local de fiscalização. Nesta conjuntura, este projeto visa desenvolver metodologias analíticas para determinar petróleo em mistura com óleo de reuso e identificar combustíveis com adulteração utilizando equipamento de infravermelho portátil associado a métodos de aprendizagem de máquina. Para o desenvolvimento
deste projeto serão utilizadas 282 amostras de petróleos brasileiros fornecidas pela Petrobras ao Laboratório de Quimiometria da UFES; mais 80 amostras de derivados também cedidas pelo Petrobras; mais 20 amostras de óleo de
reuso recolhidas em postos de gasolina da Grande Vitória. Os espectros NIR serão obtidos em um instrumento MicroNIR™ Pro 1700, com ensaios realizados em triplicata na faixa de 5667 – 11013 cm-1, tempo de integração de 8 ms e com aquisição de 100 varreduras e 125 pontos por varredura. Os modelos serão construidos e testados no software Matlab. Serão construídos modelos PLS e SVM e suas variantes. Esperamos desenvolver uma nova metodologia para identificação de adulteração de gasolina, diesel e petróleo em mistura com óleo em geral. Esta metodologia utilizando o instrumento MicroNir e um software com o método de aprendizagem de máquina embutido.

Starting date: 01/01/2022
Deadline (months): 36

Participants:

Role	Name
Coordinator *	PAULO ROBERTO FILGUEIRAS
Researcher *	VALDEMAR LACERDA JUNIOR
Researcher *	WANDERSON ROMÃO
Student Doctorate *	GABRIELY SILVEIRA FOLLI
Student Doctorate *	FRANCINE DALAPÍCOLA DOS SANTOS