Eventos Anais de eventos
CONEM 2022
XI Congresso Nacional de Engenharia Mecânica - CONEM 2022
INVESTIGAÇÃO DO PODER CALORÍFICO DE DIFERENTES BIOMASSAS BASEADO EM ANÁLISE IMEDIATA UTILIZANDO REDES NEURAIS ARTIFICIAIS
Submission Author:
thalyssa monteiro , MA
Co-Authors:
thalyssa monteiro, Glauber Cruz
Presenter: thalyssa monteiro
doi://10.26678/ABCM.CONEM2022.CON22-0023
Abstract
O uso de biocombustíveis é uma alternativa eficiente para substituir mesmo que parcialmente os combustíveis fósseis na geração de bioenergia, reduzindo os índices que contribuem para a degradação ambiental do planeta. Para uma melhor utilização de biomassas ou materiais lignocelulósicos na produção de energia limpa, são necessários alguns processos termoquímicos que convertam os mesmos em biocombustíveis. Estes resíduos precisam apresentar um potencial energético suficiente para a produção de bioenergia. Alguns equipamentos e/ou processos específicos são empregados para a extração do biocombustível, bem como para quantificar o poder calorífico dessas biomassas. Entretanto, a aquisição dessas ferramentas torna os processos de termoconversão bastante onerosos. Por isso, algumas equações baseadas na análise imediata (teores de umidade, carbono fixo, materiais voláteis e cinzas, são empregadas para determinação teórica do potencial energético desses materiais lignocelulósicos. Por outro lado, diversos modelos numéricos são amplamente utilizados como uma alternativa promissora a esses empecilhos e considerados confiáveis, economizando tempo e recursos financeiros. Neste contexto, este estudo realizou a determinação do Poder Calorífico Superior (PCS) de diversas biomassas, utilizando um banco de dados com 115 materiais lignocelulósicos, por meio da modelagem numérica, empregando redes neurais artificiais (RNA’s). Foram utilizadas 5 equações conhecidas na literatura especializada para o cálculo do PCS por meio da análise imediata das diferentes biomassas. Para avaliar o melhor modelo de predição estudado, foram estabelecidos 5 critérios de precisão: diferença entre as menores médias dos valores preditos e estimados, Average Absolute Error (AAE), Average Bias Error (ABE), Mean Absolute Error (MAE) e índice de regressão linear (R). Observou-se que uma das 5 equações escolhidas apresentou um melhor desempenho para os 4 critérios supramencionados, exceto para o índice de regressão linear, o qual apresentou uma precisão (84,20%). Por outro lado, o modelo RNA 8x4 obteve uma precisão de 99% em relação aos valores estimados e preditos dos PCS das amostras, 17,44±0,22 MJ kg-1 e 17,44±0,04 MJ kg-1, respectivamente, obtendo o melhor desempenho para os 5 critérios estabelecidos. Os resultados mostraram que a predição numérica aplicada apresentou um ótimo desempenho, boa acurácia e poderá servir como uma alternativa viável para obtenção do potencial energético de diferentes biomassas na falta de determinados processos experimentais e baseados em um conjunto de equações teóricas.
Keywords
materiais lignocelulósicos, Potencial energético, modelagem numérica, equações características
