Otimização de transportadores de oxigênio à base de manganês para recirculação química através de análise bibliométrica, aprendizado de máquinas e validação experimental

• Ano de defesa: 2024
• Autor(a) principal: Silva, Arivonaldo Bezerra da
• Orientador(a): Melo, Dulce Maria de Araújo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM QUÍMICA
• País: Brasil
• Palavras-chave em Português: Recirculação química; Transportadores de oxigênio; Análise bibliométrica; Aprendizado de máquinas; MgMn2O4
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/57746

As 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).