PPGQ - Mestrado em Química
URI Permanente para esta coleçãohttps://repositorio.ufrn.br/handle/123456789/12050
Navegar
Navegando PPGQ - Mestrado em Química por Autor "Albuquerque, Dener da Silva"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Dissertação Otimização de transportadores de oxigênio à base de manganês para recirculação química através de análise bibliométrica, aprendizado de máquinas e validação experimental(Universidade Federal do Rio Grande do Norte, 2024-01-30) Silva, Arivonaldo Bezerra da; Melo, Dulce Maria de Araújo; Medeiros, Rodolfo Luiz Bezerra de Araújo; https://orcid.org/0000-0001-9845-2360; http://lattes.cnpq.br/3318871716111536; http://lattes.cnpq.br/8652856826234500; Pergher, Sibele Berenice Castella; http://lattes.cnpq.br/5249001430287414; Albuquerque, Dener da Silva; Santiago, Rebecca Araújo Barros do NascimentoAs emissões antropogênicas de CO2 para a atmosfera terrestre, principalmente pelas indústrias de geração de energia térmica e meios de transporte, são as principais causas do aquecimento global. Sendo assim, as tecnologias de captura e armazenamento de carbono (CAC) surgem como uma alternativa muito interessante, uma vez que utilizam os combustíveis fósseis para gerar energia com baixa ou zero emissão de CO2 para a atmosfera. Desse modo, as tecnologias de Recirculação Química (RQ) surgiram como opções promissoras para os setores de geração de energia térmica, uma vez que conseguem capturar o CO2 com baixa penalidade energética e baixo custo. No entanto, para um adequado desempenho dessas tecnologias é necessário escolher de forma adequada o transportador de oxigênio (TO). TOs à base de manganês são muito interessantes, pois são ambientalmente seguros e de baixo custo. Desta maneira, essa dissertação de mestrado tem como objetivo determinar transportadores de oxigênio otimizados à base de manganês para aplicação em processos de recirculação química utilizando análise bibliométrica, algoritmos de aprendizado de máquinas e uma validação experimental. Para a realização da análise bibliométrica, dos 65 artigos do portfólio selecionados pelo método Proknow-C, foram utilizados o VOSviewer, o Excel e a Web of Science. Para o processamento dos dados, dos artigos do portfólio, em aprendizado de máquinas foram utilizados os algoritmos de regressão polinomial Random Forest e XGBoost. Na validação experimental foi utilizado o método de combustão em micro-ondas para a síntese de somente um TO apontado pelo aprendizado de máquinas, devido ao pouco tempo para realizar a parte experimental. Para a caracterização do TO foram realizadas análises de DRX, MEV, EDS e TG. A análise bibliométrica contribuiu para a otimização das propriedades físico-químicas dos transportadores de oxigênio, uma vez que considerou a influência do tipo de fase ativa e do suporte nos testes de reatividade, capacidade de transporte de oxigênio, taxa de atrito e aglomeração em reatores de leito fluidizado contínuo nos processos de RQ. Com relação ao processamento dos dados em Aprendizado de Máquinas, verificou-se que os dados referentes a Capacidade de Transporte de Oxigênio (Roc) se ajustaram muito bem aos modelos de regressão Random Forest e XGBoost, com previsões altamente precisas, então foi possível determinar três transportadores de oxigênio que possuem boa capacidade de transporte de oxigênio e boa resistência mecânica: TO_MnFe, TO_MnFeTi e TO_MnMg. Com base no TO_MnMg foi sintetizada a amostra AMgMn, com fase ativa MgMn2O4 e fase inerte MgO. Verificou-se que os valores de Roc da amostra foram de 7,95 wt% no primeiro ciclo redox, 8,09 wt% no segundo ciclo redox e 8,14 wt% no terceiro ciclo redox, ficando dentro do intervalo de Roc estipulado pelo Aprendizado de Máquinas para processos de Combustão com Recirculação Química (Roc entre 6,5 e 8,2 wt%). Por fim, a amostra foi muito reativa com o H2 e com o ar, podendo ser considerado um material promissor para aplicação na tecnologia de Combustão com Recirculação Química e devendo ser estudada a reatividade com outros tipos de combustíveis (por exemplo: CH4, CO, carvão).