Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/29541| Título: | Aplicação de redes neurais artificiais na análise de dados cinéticos de processos de gaseificação |
| Título(s) alternativo(s): | Application of artificial neural networks in the analysis of kinect data of gasification processes |
| Autor(es): | Finger, Iago Patrick Mioranza |
| Orientador(es): | Brusamarello, Claiton Zanini |
| Palavras-chave: | Biomassa Energia - Fontes alternativas Gases Biomass Renewable energy sources Gases |
| Data do documento: | 24-Jun-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Francisco Beltrao |
| Citação: | FINGER, Iago Patrick Mioranza. Aplicação de redes neurais artificiais na análise de dados cinéticos de processos de gaseificação. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química) – Universidade Tecnológica Federal do Paraná, Francisco Beltrão, 2022. |
| Resumo: | O mundo está se tornando cada vez mais consciente sobre a necessidade de se utilizar fontes limpas de energia, principalmente na situação atual, onde a crise geopolítica fez com o suprimento de petróleo ficasse mais limitado no mundo. Uma dessas fontes alternativas de energia são os processos que fazem uso de matéria orgânica residual. Uma vez que a biomassa é uma matéria-prima renovável e pode ser aplicada em processos de geração de energia, como é o caso da gaseificação de biomassa, que está surgindo como uma fonte promissora de geração de energia. O grande problema desse processo é que muitas biomassas podem não ser adequadas para o mesmo e acabam tendo baixa eficiência. Para evitar isso são necessários estudos prévios da matéria-prima orgânica com o objetivo de dar uma previsão de sua efetividade para geração de energia em gaseificação. Esses estudos geralmente são demorados, e, para tentar contornar esse problema objetivou-se neste trabalho predizer os parâmetros cinéticos de energia de ativação e fator pré-exponencial para a gaseificação com CO2 de diferentes biomassas utilizando redes neurais artificiais (RNAs). Essas variáveis podem ajudar na análise de viabilidade de aproveitamento de biomassas em processos de gaseificação, sem a necessidade de estudos onerosos. Foi codificada uma rede neural artificial e foram realizados testes na mesma, para tentar obter uma RNA que conseguisse prever esses dados cinéticos sendo alimentada com dados mais facilmente obtidos. Foram utilizadas as estruturas de RNAs tipo Feed-Forward, Cascade-Forward e rede de Elman, alimentadas com dados de porcentagens dos principais elementos químicos presentes nas biomassas, porcentagens de cinzas, matéria volátil e carbono fixo e outros dados que se julgaram pertinentes para a realização dos testes. Quando os resultados iniciais não se demostraram satisfatórios foram sendo feitas variações na metodologia para corrigir o problema. Embora essas variações não tenham corrigido completamente o problema, pois notou-se que os testes realizados apresentaram tendência de overfitting, foram dadas sugestões para melhorar a rede e aperfeiçoar a mesma. Os resultados desse trabalho e a base de dados obtida nele podem ser úteis em trabalhos posteriores para o desenvolvimento de um modelo viável de análise de gaseificação com RNAs. |
| Abstract: | The world is becoming more and more aware of the need to use clean sources of energy, especially in the current conjuncture, where the geopolitical crisis as the supply of oil has become more limited in the world. One of the alternative sources of energy are the processes that make use of residual organic matter. Since biomass is a renewable raw material and can be applied in energy generation processes, such as biomass gasification, which has emerged as a promising source of energy generation. The big problem with the process is that many biomasses may not be suitable for it and end up with low efficiency. To avoid this, previous studies of organic raw materials are needed in order to provide a prediction of their effectiveness for the generation of energy in gasification. These studies are often delayed and, to try to circumvent this objective problem, we used this work to predict the kinetic parameters of activation energy and pre-exponential factor for CO2 gasification of different biomasses using artificial neural networks (ANNs). These variations can help in the analysis of the feasibility of using biomass in gasification processes, without the need for costly studies. An artificial neural network was coded and tests were performed in the same way, to try to obtain an ANN that could predict this kinetic data being fed with more easily obtained data. The structures of Feed-Forward, Cascade-Forward and Elman network RNAs were used, fed with data of percentages of two main chemical elements present in the biomass, percentages of zinc, volatile matter and fixed carbon and other data that are considered relevant for a performing two tests. When the initial results were not satisfactory, there were several variations in the methodology to correct the problem. However, these variations did not completely correct the problem, so I noticed that the tests performed showed a tendency towards overfitting, so suggestions were given to improve the network and improve it. The results of the work based on the obtained data may not be useful in further work for the development of a viable model for the analysis of gasification with ANNs. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/29541 |
| Aparece nas coleções: | FB - Engenharia Química |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| redesneuraisartificiaisgaseificacao.pdf | 2,67 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
