Tese: Avaliação de modelos preditivos para produção de biogás usando redes neurais artificiais
Aluno(a) : Michel Angelo Oliveira Werneck de CarvalhoOrientador(a): Florian Pradelle e Brunno dos Santos
Área de Concentração: Petróleo e Energia
Data: 27/04/2023
Link para tese/dissertação: https://doi.org/10.17771/PUCRio.acad.66522
Resumo: Defesa restrita - sem público O biogás é uma energia renovável com grande potencial de produção a partir de resíduos, incluindo resíduos alimentares, podendo ajudar a reduzir a dependência de fontes de energia não renováveis e contribuindo para a sustentabilidade ambiental. Portanto, é importante desenvolver modelos precisos para prever a produção de biogás a partir desses resíduos. Nesse contexto, o presente trabalho apresenta o desenvolvimento de três modelos distintos usando Redes Neurais Artificiais (RNAs), com a capacidade de prever o volume cumulado de biogás, de metano e a concentração de CH4 presente nas amostras. As variáveis do processo de biodigestão anaeróbia foram: tipo de biomassa, tipo de reator/alimentação, teor de sólido volátil, pH, taxa de carga orgânica, tempo de retenção hidráulica, temperatura e volume do reator. Foi construído um banco de dados original e robusto com informações disponíveis na literatura para treinar, testar e validar os modelos investigados. Para cada modelo, foram desenvolvidas e testadas 24 RNAs utilizando a ferramenta computacional MATLAB. As RNAs foram avaliadas pela sua capacidade de estimação através do coeficiente de determinação (R2) e também através da soma do erro quadrático (SSE) obtidos. Após a realização das etapas mencionadas anteriormente, as redes neurais foram empregadas na elaboração de superfícies de resposta que combinam diferentes variáveis de entrada para identificar as regiões ideais para produção de biogás e metano. Ao final os resultados mostraram que as RNAs desenvolvidas tinham aptidão para estimação do grupo usado para o treinamento, teste e validação. A melhor rede neural para produção cumulada de biogás, de metano e a percentagem de metano obtiveram R2 igual a 0,9955, 0,9962 e 0,9448 e SSE igual a 0,8167, 0,7444 e 7,225, respectivamente. A combinação de variáveis do processo para produzir superfícies de resposta se mostrou uma abordagem útil para identificar pontos ótimos no processo produtivo.