PHYSICS-INFORMED NEURAL NETWORKS APLICADAS A MODELAGEM DE SISTEMAS DE COMPRESSÃO DE GÁS NATURAL

Este trabalho propõe uma rede neural fenomenologicamente informada (PINN) para a modelagem dinâmica de sistemas de compressão de gás natural. A metodologia combina dados e conhecimento físico, incorporando balanços de massa, energia nas equações diferenciais algébricas (DAEs) que descrevem o sistema, garantindo a coerência física das previsões. O modelo apresenta boa capacidade de representar a dinâmica do sistema, além de alcançar uma velocidade de execução 20 vezes superior ao método numérico de referência. A abordagem se mostra computacionalmente eficiente, sendo promissora para aplicações em controle e otimização em tempo real.