Resumo |
A escassez de recursos naturais tem se tornando uma questão muito preocupante quando consideramos o grande crescimento populacional esperado para os próximos anos. E isso se deve principalmente ao descaso com as questões ambientais. Sob esse contexto, tem-se a questão energética, que ainda se encontra muito dependente de fontes fósseis, não renováveis. Uma possível solução é a biomassa, formada a partir de resíduos de plantas ou animais, e ao contrário dos combustíveis fósseis, ela pode se reproduzir em pequena escala de tempo e, por essa razão, é considerada renovável. Os resíduos agrícolas são uma relevante alternativa, de biomassa, para a produção de bioenergia. Um parâmetro importante de uma fonte de biocombustível é o seu poder calorífico, que é a quantidade de energia na forma de calor liberada no processo de combustão. No caso da biomassa, esse parâmetro varia muito de acordo com a matéria prima em questão, já que possuem constituintes diferentes. Este presente trabalho teve como objetivo analisar equações estatísticas que estimam poder calorífico superior (PCS) em amostras de resíduos agrícolas, tomando por base as análises químicas elementares, visando testar uma forma eficiente de se obter o poder calorifico, sem a necessidades de análises laboratoriais, reduzindo assim o custo. Foi utilizado, para os estudos desenvolvidos neste trabalho, um banco de dados composto por um conjunto de amostras de biomassa, para cada uma delas são apresentados valores correspondentes às análises químicas elementares e ao poder calorífico superior experimental. Através dos dados coletados em diversos trabalhos publicados na literatura estudada, foram realizados testes para verificação da eficiência de algumas equações empregadas para previsão do poder calorífico. Após aplicadas as equações que realizam a previsão do poder calorífico foram obtidos ajustes regulares e um erro padrão mediano, dado que a ordem de grandeza do poder calorífico superior das 93 amostras avaliadas é próxima de 20 MJ/kg. Portanto, com o objetivo de melhorar o ajuste dessas equações às biomassas estudadas e determinar qual delas é a mais eficiente em cada caso, além da elaboração de novos modelos de regressão linear múltipla, é proposta uma metodologia que consiste na segmentação desse conjunto de dados em diversas classes utilizando o algoritmo k-means implementado no software livre Orange Canvas v. 3.15. Como o resultado após a divisão em classes não foi muito satisfatório, foi proposta uma nova equação, mais adaptada as amostras estudadas e que possui melhores resultados do coeficiente de correlação ao quadrado (R^2), do coeficiente de correlação ao quadrado ajustado e do erro padrão. |