Machine Translated by Google

International Journal of Greenhouse Gas Control 114 (2022) 103606

Listas de conteúdos disponíveis em ScienceDirect

Jornal Internacional de Controle de Gases de Efeito Estufa

página inicial da revista: www.elsevier.com/locate/ijggc

Análise econômica, ambiental e energética de sistemas de captura de

carbono acoplados em usinas a carvão para redução de emissões de CO2 no Brasil
Claudia Cristina Sanchez Moore a, Carlos Henggeler Antunes b , Luiz Kulay a,*
a
Departamento de Engenharia Química, Universidade de São˜ Paulo, Sao ˜ Paulo, Brasil
b
INESC Coimbra, Departamento de Engenharia Electrotécnica e de Computadores, Universidade de Coimbra, Coimbra, Portugal

INFORMAÇÕES DO ARTIGO ABSTRATO

Palavras-chave:
Este estudo avalia a contribuição da implementação do processo Calcium Looping (CaL) para a captura de dióxido de carbono (CO2) de
captura de carbono
usinas a carvão no Brasil, como estratégia para atender às metas ambientais estabelecidas para 2030. Um modelo de programação
Das Alterações Climáticas
linear multiobjetivo baseado em na análise Input-Output (IO-MOLP) é desenvolvido para avaliar as inter-relações dos sistemas econômicos,
planejamento energético
energéticos e ambientais. Três funções objetivo são consideradas: maximização do Produto Interno Bruto (PIB), minimização das
Desempenho ambiental
Análise de entrada-saída
emissões de Gases de Efeito Estufa (GEE) e minimização do consumo de energia para fins exclusivamente energéticos (CFE). Dois
Programação linear multiobjetivo cenários são analisados: (i) um cenário de linha de base (BL) que não incorpora CaL em usinas a carvão, (ii) um cenário (S1) que
incorpora sistemas CaL corporativos. Em geral, a implementação de CaL em usinas de carvão melhora o impacto ambiental geral; no
entanto, em nossos resultados, essa redução não foi significativa. Por outro lado, uma contração do sistema econômico e uma expansão
do consumo de recursos energéticos podem ser desencadeados por essa estratégia. Esses resultados reafirmam a importância de avaliar
os efeitos das decisões e políticas ambientais e energéticas no sistema econômico do país, por meio de modelos multiobjetivos capazes
de desvendar os trade-offs em jogo entre múltiplos, conflitantes e incomensuráveis eixos de avaliação dos méritos dessas políticas.

1. Introdução
No Brasil, entre 2010 e 2018, houve uma acentuada intermitência dos níveis de
impacto ambiental do setor de energia, conforme mostra a Figura 1. Em períodos
meteorologicamente favoráveis, houve alta geração de hidroeletricidade e, portanto,
menor níveis de emissões de Gases de Efeito Estufa (GEE). Porém, em períodos de
estiagem, as termelétricas, operando principalmente com carvão e gás natural, foram
acionadas para suprir a demanda, o que gerou um aumento nas emissões de GEE.
Além disso, a oscilação do preço da gasolina impactou no consumo de etanol nesse
período, o que afetou os níveis de impacto ambiental do setor de energia (De Azevedo
et al., 2018; Mendes e Sthel, 2017).
Assim, pode-se inferir que, a curto e médio prazos, os recursos fósseis representarão
uma parcela significativa da oferta energética brasileira e não se espera uma substituição
maciça dessas usinas por novas baseadas em fontes renováveis. Adicionalmente, é
possível destacar a falta de uma política ambiental adequada, definida de acordo com
as especificidades do contexto nacional, que permitisse ao Brasil ter um desempenho
ambiental positivo permanente com o menor
desvio das metas ambientais assumidas pelo país durante a COP 21. Essas metas
projetam para 2025 uma redução de 37% nas emissões de GEE, em relação aos
valores alcançados em 2005, e uma redução de 43% até 2030 (Adanez et al. , 2012;
Sharma et al., 2015; Vahl e Filho, 2015; Vinca et al., 2018). Portanto, é necessário
definir estratégias para conciliar as políticas energéticas, que muitas vezes privilegiam
o uso de combustíveis fósseis convencionais para produzir energia, e as políticas
ambientais que visam atingir esses objetivos. As tecnologias de Captura e
Armazenamento de Carbono (CCS), como o Calcium Looping (CaL), surgem como uma
possibilidade interessante e com alto potencial a ser considerada no setor energético
brasileiro para reduzir as emissões de GEE, mantendo a operação de usinas de
combustível fóssil ( Cormos , 2015; Cormos e Petrescu, 2013; Giannoulakis et al., 2014;
Singh et al., 2011; Suh, 2009). Autores como Cormos e Pet rescu (2013), Giannoulakis
et al. (2014) e Cormos (2015) avaliaram a adequação do processo CaL em usinas de
combustível fóssil. Esses autores observaram reduções significativas nas emissões de
CO2 em comparação com unidades sem CCS. Petrescu et ai. (2017) apresentou uma
análise comparativa de diferentes métodos de captura de CO2 acoplados a usinas
movidas a carvão. Os resultados revelaram que o processo CaL é mais favorável em
termos

* Autor correspondente em: Departamento de Engenharia Química, Universidade de São Paulo, São Paulo, Brasil.
E-mail: luiz.kulay@usp.br (L. Kulay).

https://doi.org/10.1016/j.ijggc.2022.103606 Recebido
em 31 de outubro de 2020; Recebido no formulário revisado em 2 de novembro de 2021; Aceito em 4 de fevereiro de 2022
Disponível online em 12 de fevereiro de 2022
1750-5836/© 2022 Elsevier Ltd. Todos os direitos reservados.
Machine Translated by Google
CCS Moore et ai.
Fig. 1. Emissões totais de GEE no Brasil durante 2010–2018 (Gt CO2eq) (SEEG, 2019).
da penalidade de energia e o desempenho ambiental do que o processo de
purificação de amina. No entanto, como vários pesquisadores apontaram, é
necessário olhar com mais atenção para essa tecnologia, pois sua
implantação pode resultar em aumento do preço unitário da energia elétrica,
redução da eficiência energética do processo e aumento de outros impactos
ambientais, como esgotamento de recursos fósseis (Adanez et al., 2012;
Biliyok e Yeung, 2013; Blamey et al., 2010; Dieter et al., 2014; Donke et al., tecnológicas em alguns setores econômicos.
2017; Guerra et al., 2018; Moore e Kulay, 2019; Rochedo et al., 2016). Nas
áreas de planejamento energético e avaliação de políticas públicas, é
importante considerar os aspectos positivos e negativos associados às
decisões tomadas em contextos específicos, bem como a natureza dos
objetivos e os interesses dos diferentes stakeholders. Além disso, é preciso
avaliar os efeitos de uma ação ou estratégia aplicada em um único setor
sobre outros setores, devido à interdependência entre eles (Di Santo et al.,
2015; He et al., 2019; Siala et al., 2019 ).
A definição de políticas voltadas para a promoção do desenvolvimento
sustentável para atender às metas ambientais brasileiras é uma tarefa
complexa que envolve objetivos ambientais, econômicos, energéticos,
culturais e sociais, que são, em geral, conflitantes e incomensuráveis. Nesse são apresentados na Seção 2. Os resultados são apresentados e discutidos
contexto, os modelos de programação linear multiobjetivo (MOLP) baseados
na análise Input-Output (IO) são uma metodologia relevante para abordar
esses problemas, pois permitem avaliar as inter-relações dos sistemas
econômico-energéticos e o meio ambiente, fornecer informações de valor
agregado para a tomada de decisão no planejamento de estratégias
envolvendo a necessidade de equilibrar múltiplos objetivos e desvendar
seus trade offs. Oliveira e Antunes (2011) utilizaram modelos MOLP
associados à análise IO para avaliar as alterações na estrutura económica e
no sistema energético de Portugal, permitindo também quantificar os
impactes ambientais resultantes desses ajustamentos. Esses autores
observaram que a análise de IO foi essencial para entender o papel da
tecnologia na mitigação de emissões de carbono durante o planejamento de
sistemas energéticos, pois essa abordagem permitiu explorar conjuntamente
os efeitos de diferentes políticas de gestão de sistemas de energia, o mix
tecnológico para fornecimento de energia e emissões de GEE. Kang e
outros. (2020) usaram um modelo de programação linear baseado na análise
de IO para determinar uma estratégia viável e economicamente eficaz para
reduzir as emissões de CO2 na China, avaliando diferentes misturas de
geração de eletricidade. Os resultados mostraram que as tecnologias a
carvão e de geração hidrelétrica devem ser desenvolvidas de 2020 a 2050 em um cenário sem restrição de meta de emissões. Em um cenário com
2
International Journal of Greenhouse Gas Control 114 (2022) 103606
restrições ambientais, a produção de eletricidade a partir de gás, hidrelétrica,
nuclear, eólica, solar e biomassa deve ser introduzida no mix de eletricidade.
Carvalho e cols. (2015) e Carvalho et al. (2016b, AL 2016a) avaliaram os
trade-offs econômicos, energéticos, ambientais e sociais no Brasil. Os
autores destacam a relevância desses modelos para obter análises amplas
e detalhadas de cenários prospectivos caracterizados por mudanças
Vale ressaltar que não foram encontrados na literatura estudos baseados
nessa metodologia com o objetivo de avaliar as implicações energéticas,
econômicas e ambientais das ações de planejamento energético no Brasil
para atender às metas ambientais definidas durante a COP21, considerando
tecnologias de CCS. Isso levanta a necessidade de realizar esta pesquisa
para contribuir com o preenchimento dessa lacuna, não só pela importância
das questões ambientais, mas também pela complexidade associada à
proposição de ações de planejamento energético. Além disso, a incerteza é
abordada usando um procedimento interativo baseado em programação de
intervalos, que não impõe requisitos difíceis de verificar, por exemplo,
associados a abordagens estocásticas ou fuzzy. A metodologia e o modelo
na Seção 3. As principais conclusões retiradas do estudo são apresentadas na Seção
Seção 4.
2. Métodos
A comparação de indicadores econômicos, ambientais e energéticos,
projetados para o ano de 2030, foi feita para avaliar o efeito da implantação
de tecnologias de CCS no Brasil, como estratégia de redução de emissões
de GEE. Dois cenários foram definidos neste caso: (i) um cenário de linha
de base (BL) que não incorpora um sistema CCS em usinas a carvão, e (ii)
o cenário S1 que incorpora um sistema CCS. Para ambos os cenários,
outros sistemas de geração de energia (por exemplo, gás natural, petróleo,
usinas nucleares, etc.) mantêm as condições atuais de operação. Foram
considerados modelos de programação linear multi-objectivo Input-Output
(IO-MOLP) uma vez que esta abordagem permite uma análise sistémica
das relações inter/intra entre diferentes partes de uma economia. Os modelos
de OI são formados por um sistema de equações lineares que representam
a distribuição dos produtos de cada setor econômico entre os consumidores
(Oliveira et al., 2016). Essa distribuição pode ser expressa da seguinte forma:
Machine Translated by Google
CCS Moore et ai.
x=Ax+y (1)
A é a matriz dos coeficientes técnicos, x e y são os vetores de produção e de
demanda final, respectivamente. Os modelos IO-MOLP propostos por Oli veira
e Antunes (2004, 2011), Henriques e Antunes (2012) e de Carvalho et al. (2015)
foram adaptados para o presente estudo. Um conjunto abrangente de ajustes
a esses modelos foi feito para representar as condições econômicas brasileiras
do ano de 2016, que é o ano base do estudo. Esses ajustes incluem:
• Estimativa dos coeficientes técnicos que compõem o referencial IO para o
BL, utilizando a metodologia proposta por Guilhoto e Filho (2005; 2010) e
dados das Contas do Sistema Nacional (SCN) divulgados pelo Instituto
Brasileiro de Geografia e Estatística (IBGE) para 2016 (IBGE, 2017; 2019).
Foram incluídos setores que inicialmente não constavam explicitamente no
conjunto de tabelas disponibilizado pelo IBGE.
No caso do setor elétrico, a produção nacional foi alocada de acordo com o
valor da Receita Operacional Bruta do setor elétrico para 2016. O modelo
adotado no estudo para obtenção da matriz simétrica IO é baseado na
hipótese do setor de tecnologia que permite a geração de uma matriz
quadrada setor a setor. O framework IO resultante foi ajustado para incluir
fluxos de energia em unidades físicas, obtendo assim um modelo híbrido IO-
MOLP. Para tanto, a produção e o consumo de commodities energéticas
foram incorporados por meio de cinquenta novos setores definidos como
'setores artificiais' (Tabela A1 no Apêndice 1). Nesta etapa, foram utilizados
dados divulgados pela Secretaria de Pesquisa Energética (EPE) (AL EPE,
2017). • Atualização do modelo ambiental apresentado por Carvalho
et al. (2015) para calcular as emissões e remoções de GEE de diferentes
setores econômicos no Brasil para 2016. Dados fornecidos pelo Painel
Intergovernamental sobre Mudanças Climáticas (IPCC, 2006) e pelo
Ministério da Ciência, Tecnologia e Inovação (MCTIC, 2010; AL 2016)
foram usados.
• Cálculo das emissões de N2O da aplicação de vinhaça ao solo como adubo
orgânico. Essas estimativas também são baseadas nas metodologias
propostas pelo IPCC (2006) e pelo MCTI (2010; A.
L. 2016).
A técnica aplicada para o cálculo das soluções não dominadas (ótimas de
Pareto) do modelo MOLP resultante foi a minimização de
Fig. 2. Representação do processo Calcium Looping (CaL) (Mantripragada e Rubin, 2014).
3
International Journal of Greenhouse Gas Control 114 (2022) 103606
uma distância Chebyshev ponderada até o ponto ideal, que é definida pelos
valores ideais individuais calculados separadamente para cada função objetiva.
O software de apoio à decisão iMOLPe - Interactive Multi Objective Linear
Programming explorer foi utilizado para calcular soluções não dominadas e
desvendar progressivamente os trade-offs entre as três funções objetivo (Alves
et al., 2015).
2.1. Modelo híbrido io-molp
2.1.1. Cenário de linha de base - BL
O modelo híbrido IO-MOLP inclui três funções objetivas (OFk,
k = 1, 2, 3) definido como:
• OF1: Maximização do Produto Interno Bruto - PIB (a preços constantes – R$
106) para medir a evolução econômica da economia brasileira para o
período em análise (2016–2030).
• OF2: Minimização das emissões de Gases de Efeito Estufa - GEE (Gg
CO2eq) para determinar a eficiência da estratégia proposta no cenário S1
para mitigação das emissões nacionais de GEE no ano de 2030, de acordo
com as Contribuições Nacionalmente Determinadas (iNDC) definidas pelo
governo brasileiro no contexto da COP21. • OF3:
Minimização do Consumo de Energia - CFE (103 tees) para avaliar a evolução
do consumo de energia, podendo determinar a correlação deste objetivo
com a atividade econômica brasileira e os impactos ambientais
correspondentes.
A estimativa do PIB (a preços constantes) foi feita segundo a abordagem
da despesa e da receita; no entanto, a abordagem de despesa foi considerada
como referência para definir OF1. Na abordagem da despesa foram
consideradas as seguintes componentes: consumos das famílias no território
(cf), instituições sem fins lucrativos ao serviço do consumo das famílias
( cNPISH), consumo das administrações públicas (g), importações totais a
preços FOB (impFOB) e exportações totais (exp), formação bruta de capital fixo
(gfcf) e variação de estoques (sc). A abordagem da receita considera a soma
do valor adicionado bruto (VAB) e o total de impostos menos subsídios (ts). O
cálculo de GEE incluiu os três principais gases: dióxido de carbono (CO2),
metano (CH4) e óxido nitroso (N2O). Foram utilizados os respectivos fatores de
caracterização apresentados pelo IPCC em seu quinto relatório para o cálculo
do Potencial de Aquecimento Global (Global Warming Potential GWP-100)
(IPCC, 2013). O
Machine Translated by Google

CCS Moore et ai. International Journal of Greenhouse Gas Control 114 (2022) 103606

Tabela Tabela
1 Parâmetros do processo Calcium Looping (CaL). 2 Usina com resultados de desempenho de CaL.

Parâmetro Unidades Valor Parâmetro Unidades Valor

Eficiência de remoção de CO2 % 90,0 Produção líquida da planta MW 1060

Conversão do carbonatador % 80 Eficiência líquida da planta % HHV 36,0

temperatura do carbonatador ÿC 600–700 95 Taxa de fluxo de carvão para o calcinador toneladas/h 162
conversão de calcinador % Resíduos sólidos CaL toneladas/h 120

temperatura do alcineiro ÿC 900 Sorvente recirculante toneladas/h 2670

Proporção de sorvente de reposição para sorvente de recirculação mol/mol 0,025 CO2 capturado toneladas/h 1030

Fonte: Mantripragada e Rubin (2014). Fonte: Mantripragada e Rubin (2014).

as estimativas cobriram as emissões de GEE da combustão de combustível, emissões

Tabela
fugitivas, atividades agrícolas, incluindo Mudança no Uso da Terra, disposição de resíduos
3 Custos do loop de cálcio (CaL) (USD/MWh).
e tratamento de águas residuais. Esses grupos foram posteriormente desagregados em
Parâmetro Valor
subcategorias de acordo com suas especificidades.
Usina sem CaL Usina de energia com CaL
Por fim, o consumo de energia para fins exclusivamente energéticos (CFE) considerou os
fluxos totais de energia primária e secundária, alocados entre os consumos intermediários Combustível 19.7 23,5
Água 0,57 0,41
dos diferentes setores econômicos considerados no modelo e os elementos da demanda
Produtos químicos 3.10 5.25
final (exp, g, cf, cNPISH , gfcf, sc). A atribuição teve por base os dados publicados pelo 1,60 3.02
Eliminação de resíduos sólidos
Gabinete de Investigação Energética no seu Balanço Energético Nacional do ano de 2016 transporte de CO2
— 1.15

(AL EPE, 2017). Também foram incluídas restrições de coerência para garantir que o Capital e O&M 39,0 107

consumo intermediário e final de bens e/ou serviços não exceda o total disponível no país. LCOE 63,9 140

Maiores detalhes sobre o modelo IO-MOLP podem ser encontrados nas Informações Fonte: (Mantripragada e Rubin, 2014); James e outros, 2019).
Suplementares.

produzido em uma unidade de separação de ar (ASU) é usado em um reator de oxi-

2.1.2. Cenário de captura e armazenamento de carbono - S1
Para o cenário S1, foram utilizadas as mesmas funções objetivo e restrições definidas
para BL. No entanto, alguns ajustes na estrutura de IO foram feitos para levar em conta as
variações associadas aos sistemas CCS. Para tanto, foi estimado um novo conjunto de
coeficientes técnicos para substituir os correspondentes ao setor de Distribuição de Energia
Elétrica no cenário BL. Também foi considerada uma matriz quadrada setor a setor. No
caso das condicionantes ambientais, as perdas de CO2 por combustão de combustível nas
centrais a carvão foram recalculadas considerando a eficiência de captura do sistema CCS.
Além disso, as emissões fugitivas que ocorrem durante o transporte do CO2 capturado até
o local de armazenamento foram somadas ao total de emissões fugitivas computadas para
o BL. Não foram consideradas as emissões da injeção de CO2 no reservatório, bem como
as emissões do reservatório para a atmosfera.
2.1.2.1. Descrição do sistema de captura de carbono e estimativa dos coeficientes técnicos
para S1. O processo CaL foi escolhido como alternativa para a remoção de CO2 dos gases
de combustão de usinas a carvão queimado no Brasil devido a algumas de suas vantagens,
dentre as quais vale destacar: (i) sua capacidade de implantação em usinas existentes
sem alterações significativas na os processos já instalados; (ii) menor penalidade de energia
em comparação com outras tecnologias CCS; e (iii) custos mais baixos em comparação
com outros sistemas, como os que utilizam aminas (Hilz et al., 2019; Hu e Ahn, 2017;
Jayarathna et al., 2015; Mantripragada e Rubin, 2014; Zhang et al., 2020) . Além disso, o
Brasil possui grandes reservas de rochas carbonáticas utilizadas no processo CaL, o que o
torna uma estratégia vantajosa, uma vez que os custos e impactos ambientais associados
à importação de matérias-primas podem ser reduzidos quando comparados a outras
tecnologias de CCS.
Além disso, o aumento potencial da potência líquida desses sistemas pode ser importante
em um contexto, como o brasileiro, em que se projeta um crescimento significativo da
demanda de energia para os próximos anos.
No sistema CaL, o CO2 é capturado no primeiro reator (carbonatador) através da
reação com o óxido de cálcio (CaO) produzindo o carbonato de cálcio (CaCO3). A
regeneração do sorvente ocorre no segundo reator (calcinador). Uma representação geral
do processo CaL é exibida na Fig. 2.
Para manter um nível de atividade que garanta a eficiência de captura de CO2 no
nível estabelecido ao longo dos ciclos, parte do sorvente recirculante é substituído por
CaCO3 fresco (make-up). Oxigênio
combustível que fornece a energia térmica necessária no calcinador. Parte da corrente que
sai do calcinador, composta principalmente por água e CO2, é tratada para retirada das
cinzas, seguida de um processo de desidratação e compressão. Outra parte do gás é
devolvida ao calcinador para fins de controle de temperatura. O calor gerado no processo
CaL é utilizado no ciclo principal de vapor da usina (Mantripragada e Rubin, 2014). Os
principais parâmetros do processo são apresentados na Tabela 1.
A usina de base é operada com carvão pulverizado (PC) em um ciclo subcrítico com
um único reaquecimento e com uma potência nominal de 650 MWe. Essas condições
aproximam-se do perfil tecnológico das usinas a carvão que estão em operação atualmente
no Brasil (Branco et al., 2013; AL EPE, 2017). A planta está equipada com um reator de
Redução Catalítica Seletiva (SCR) para remover NOx. A unidade de dessulfurização de
gases de combustão (FGD) corresponde a um sistema de Oxidação Forçada que utiliza
calcário húmido (James et al., 2019). A estimativa dos coeficientes técnicos para o cenário
S1 considerou dados de Mantripragada e Rubin (2014), apresentados nas Tabelas 2 e 3, e
informações adicionais do National Energy Technology Laboratory (NETL) para usinas de
PC com e sem CCS (James et al., 2019). Também foi considerado um fator de capacidade
de 85% e um total de 8760 h de operação por ano.
Foram considerados custos de combustível, consumo de água e eliminação de
resíduos, custos relacionados com o consumo de produtos químicos utilizados nos sistemas
de tratamento de águas residuais e gases de combustão, bem como os utilizados no
processo CaL. Esses valores de custo representam com a maior precisão possível o
contexto brasileiro para a abrangência temporal e tecnológica definida no estudo. Além
disso, os custos de transporte de CO2 para o local de armazenamento foram incluídos,
enquanto os custos de capital e O&M foram excluídos para fins de simplificação. Os
valores estimados por MWh para usinas PC com e sem CCS são apresentados na Tabela
3.
A quantidade de eletricidade adicional gerada pelo sistema CaL foi estimada e usada
para calcular um novo vetor de coluna de técnica
coeficientes do setor de Distribuição de Energia Elétrica . Os custos de cada item
apresentado na Tabela 3, para usinas com CaL, foram calculados em reais (R$) e divididos
pelo custo nivelado de energia (LCOE). Os custos de água e eliminação de resíduos obtidos
foram adicionados ao elemento correspondente ao sector Água, Esgotos e Gestão de
Resíduos no vector coluna dos novos coeficientes técnicos anteriormente estimados. Para
os produtos químicos, o custo foi adicionado ao elemento correspondente ao setor de
Fabricação de produtos químicos orgânicos e inorgânicos, resinas e elastômeros , enquanto
o custo do transporte de CO2 foi adicionado ao setor de Armazenamento, auxiliar

4
Machine Translated by Google

CCS Moore et ai.

International Journal of Greenhouse Gas Control 114 (2022) 103606

Tabela 4

Valores ótimos individuais para cada função objetivo.

Função objetivo (FO) Cenário de linha de base (BL) Cenário de captura de carbono (S1)
Z1 Z2 Z3 Z1' Z2' Z3'

OF1 (106 R$) 9.233.126 8.428.202 8.428.202 9.149.332 8.586.223 8.586.223

OF2 (Gg CO2eq) 4.280.255 4.018.537 4.018.537 4.093.727 3.913.925 3.913.925
OF3 (103 dedos) 1.192.809 1.094.477 1.094.477 1.196.263 1.124.887 1.124.887

atividades do setor de transportes. coeficientes de intervalo. Se a primeira solução de compromisso satisfizer o DM,
então o algoritmo para, caso contrário ele continua.
2.2. Análise de incerteza • Passo 3: Outras soluções de compromisso definidas como xm = xmU' e/ou xmU''
são calculadas (m = 2, 3,…). As soluções são apresentadas ao DM, bem como os
A análise baseada em IO está sujeita a fontes de incerteza relevantes devido às dados correspondentes às funções objetivo do intervalo (xm), Zk U(xm)]), o ponto
eu

características dos dados utilizados na estimativa do (Zk(xm) = [Zk médio (M[Zk(xm)]) e a largura do intervalo (W[Zk (xm)]), e a
coeficientes técnicos que compõem o modelo IO-MOLP, bem como as hipóteses distância de Zk(xm) para as soluções ideais de intervalo correspondentes Z*

estabelecidas para simplificar o modelo quando necessário. Nesse contexto, o calculadas na Etapa 1. O índice de aceitabilidade (A) de Zk(xm) sendo inferior a
tratamento da incerteza tem sido realizado por meio de programação intervalar. Esta Z* (Zk(xm) ÿ Z *) e tck U) de Zk(xmL) e Zk(xmU) com
eu

abordagem é mais adequada para lidar com a incerteza neste tipo de modelos, uma e as taxas de realização (tck

vez que não requer a especificação ou a assunção de distribuições probabilísticas ou em relação a Z* são calculados, por meio das Eqs. (2)-4 e apresentado ao Mestre.
possibilísticas difíceis de verificar na prática (Oliveira e Antunes, 2007). Os coeficientes
das funções objetivo e algumas restrições do modelo para o cenário de captura de M[Zk ÿ ] ÿ M[Zk (xm)]
carbono (S1) foram especificados como intervalos, ou seja, desconhecidos, mas Z ÿ (Zk (xm) ÿ Zk ÿ ) = W[Zk (xm)] W[Zk ÿ ]
(2)
2 + 2
limitados, conforme dados publicados pelo Instituto Brasileiro de Geografia e Estatística
(IBGE, 2017; 2019 ) e o Painel Intergovernamental sobre Mudanças Climáticas (IPCC, Lÿ

tclk = 1 ÿ ( Zk ÿ Zk L(xm) )
2006). Lÿ (3)
Zk ÿ ALk

O algoritmo interativo proposto por Oliveira e Antunes (2009) foi utilizado para Uÿ

tcU ( Zk ÿ Zk U(xm) )
computar soluções de compromisso (xm) para o modelo intervalar IO-MOLP. O k =1ÿ Uÿ (4)
Zk ÿ AUk
software de apoio à decisão Interactive MOLP explore (iMOLPe) (Alves et al., 2015)
foi utilizado nesta etapa da análise para computar soluções não dominadas. Em termos
gerais, a abordagem interativa pode ser descrita da seguinte forma:

AL e UA k são os piores valores ótimos obtidos na tabela expandida em k ótimos

eu você

individuais obtidos na Etapa 1. Quanto mais próximo tck e tck são para 1,
• Passo 1: Dois problemas determinísticos substitutos são formulados considerando
quanto mais próximo o Mestre estiver de atingir seu nível de aspiração Zk*. Outra
a minimização do pior desvio possível das funções objetivo do intervalo para as
informação importante apresentada ao DM é o impacto de diferentes valores de ÿi (ÿi
metas definidas (Z* = [Zk L*, Zk U*]) para cada função objetivo k, e a satisfação
ÿ [0,1]) na solução de compromisso, caso ele queira analisar outras soluções com
níveis na restrição i (ÿi). A solução destes problemas leva à obtenção dos valores
níveis de satisfação de restrições distintos.
individuais ótimos de cada função objetivo (Zk) considerando os melhores e piores
conjuntos de coeficientes, que definem os valores-alvo do intervalo das funções
• Passo 4: O DM expressa suas preferências em relação à solução apresentada. Se
objetivo [tk
eu
ele quiser encontrar uma nova solução, o algoritmo continua. Para tal, pede-se ao
, tk U].
DM que escolha a função objetivo que pretende melhorar e, se possível, que
• Passo 2: As primeiras soluções de compromisso são obtidas considerando a região
estabeleça o nível máximo de melhoria.
viável mais estreita de acordo com os coeficientes do intervalo de restrição. Essas
soluções são definidas como x1U' e x1U'', que são derivadas da resolução dos
problemas determinísticos substitutos de acordo com uma abordagem pessimista/
Uma descrição detalhada do método interativo pode ser encontrada em
otimista do Decisor (DM), ou seja, considerando a função objetivo menos/mais
Oliveira e Antunes (2009).
favorável

Tabela 5
Resultados para algumas variáveis de decisão selecionadas para os cenários de linha de base e captura de carbono.

Variável Cenário de linha de base (BL) Cenário de captura de carbono (S1)

Z1 Z2 Z3 Z1' Z2' Z3'

Despesa de consumo das famílias (106 R$) 5.815.573 5.214.679 5.214.679 5.756.005 5.312.959 5.312.959
Despesa de consumo do governo (106 R$) 1.188.278 1.188.278 1.188.278 1.188.278 1.188.278 1.188.278
Consumo das instituições sem fins lucrativos que atendem as famílias (106 R$) 81.429 159.377 159.377 81.429 159.377 159.377
Formação Bruta de Capital Fixo (106 R$) 939.681 939.681 939.681 939.681 939.681 939.681
Exportação incluindo turismo (106 R$) 2.500.533 2.145.496 2.145.496 2.323.242 2.077.631 2.077.631
Importações incluindo turismo (106 R$) 1.292.368 0 1.219.308 0 1.219.308 0 1.139.303 0 1.091.704 0 1.091.704 0
Mudanças nos estoques
Valor Bruto Adicionado (106 R$) 7.953.455 7.246.935 7.246.935 7.873.639 7.381.473 7.381.473
Total de impostos indiretos menos subsídios (106 R$) 1.279.671 1.181.267 1.181.267 1.275.693 1.204.749 1.204.749
Renda disponível da família (106 R$) 4.679.383 4.480.146 4.480.146 4.634.413 4.498.067 4.498.067
Impacto - Combustão de combustível (Gg CO2eq) 1.935.827 1.781.130 1.781.130 1.757.456 1.656.706 1.656.706
Impacto - Emissões fugitivas (Gg CO2eq) 196.261 183.417 183.417 197.343 187.967 187.967
Impacto – Setor agrícola (Gg CO2eq) 2.056.190 1.963.221 1.963.221 2.047.420 1.979.467 1.979.467
Eliminação de resíduos de impacto (Gg CO2eq) 48.798 48.284 48.284 48.838 48.460 48.460
Impacto - eliminação de águas residuais (Gg CO2eq) 182.902 169.359 169.359 181.824 171.963 171.963

5
Machine Translated by Google

CCS Moore et ai. International Journal of Greenhouse Gas Control 114 (2022) 103606

Tabela 6 consumo e a degradação do meio ambiente derivada das emissões de GEE.

Soluções não dominadas para cada função objetivo calculada usando a métrica de Chevbychev.
As soluções Z1 e Z1' resultaram em valores mais altos para valor agregado bruto
Função objetivo (FO) Valores relatados para 2016 Solução 1 Solução 2 e impostos indiretos totais menos subsídios. Adicionalmente, atingiram-se valores
mais elevados do rendimento disponível das famílias, contribuindo para 63% do PIB.
OF1 (106 R$) 5.799.370 9.058.015 9.030.396
2.681.391 4.193.648 4.032.861
Para o consumo das administrações públicas e das instituições sem fins lucrativos
OF2 (Gg CO2eq)
OF3 (103 dedos) 314.003 1.162.546 1.174.196 ao serviço das famílias e para a formação bruta de capital fixo obtiveram-se em
todas as soluções os mesmos resultados, que correspondem aos valores mínimos
definidos para estas variáveis, ou seja, iguais aos de o ano de 2016.
Tabela 7
Resultados para algumas variáveis econômicas (106 R$ a preços constantes) calculados Para obter outras soluções não dominadas, a minimização da distância de
usando a métrica de Chevbychev. Chebyshev ao ponto ideal, que é definido na diagonal da tabela de ótimos individuais
Variável Solução 1 Solução 2
(Tabela 4), foi calculada para cada cenário. O ponto ideal consiste nos valores
Valores reportados
para 2016 ótimos individuais das funções objetivo, o que não é viável, pois são conflitantes.

Despesas de consumo das famílias 3.606.600 5.581.291 5.578.219

Assim, são calculadas soluções não dominadas que minimizam a distância
Despesas de consumo do governo 1.188.278 1.243.757 1.218.550 Chebyshev até este ponto, ou seja, a solução que minimiza a distância máxima em
todas as componentes (abordagem min-max).
Consumo sem fins lucrativos 81.429 159.377 159.377
As soluções resultantes para os cenários BL (Solução 1) e S1 (Solução 2) e os
instituições que atendem famílias
valores de algumas variáveis de decisão econômica relevantes
Formação Bruta de Capital Fixo 939.681 939.681 939.681 2.404.602
Exportações incluindo turismo 780.144 2.260.401 1.270.693 são apresentados nas Tabelas 6 e 7. Os valores de 2016 também são apresentados
Importações incluindo turismo 755.463 1.125.832 0 7.809.186 para fins de comparação.
Mudanças nos estoques ÿ 41.299 0 O valor do PIB obtido na Solução 2 teve um incremento de 55,7% em relação ao
Valor bruto adicionado 4.949.864 7.776.946 1.248.829
ano de 2016, enquanto em relação à Solução 1 obteve-se uma redução de 0,305%.
Total de impostos indiretos menos subsídios 849.506 1.253.450 4.607.709 4.592.196
Rendimento disponível do agregado familiar 4.495.510
Esse padrão se deve a variações nas despesas de consumo do governo geral e
das famílias, que tiveram reduções de 2,03% e 0,055% em relação à Solução 1,
respectivamente. Também foram obtidas variações de ÿ 6,00% para as exportações
3 Resultados e discussão
e ÿ 11,4% para as importações no cenário S1 em relação ao BL. Esta contracção
teve impacto na produção de algumas commodities energéticas como a lenha e a
Esta seção apresenta um exemplo ilustrativo abrangente de como a metodologia, gasolina automóvel, que são significativamente consumidas pelas famílias. Alguns
incluindo a análise de incerteza, pode ser usada para fornecer suporte à decisão. setores, como pecuária, produção florestal, pesca e aquicultura, produção de
Primeiramente, cada função objetivo foi otimizada individualmente para construir a alimentos e bebidas, têxtil, papel, entre outros, tiveram reduções menores em sua
tabela ótima individual. As soluções não dominadas resultantes e os valores de produção total (<1% ). O setor de extração de carvão, como era de se esperar, teve
alguma decisão relevante variam
um importante aumento (22,4%) em sua produção devido à incorporação do processo
são apresentados nas Tabelas 4 e 5, respectivamente. Z1 e Z1' correspondem ao CaL em usinas termoelétricas a carvão. Outros setores que tiveram expansões
melhor Produto Interno Bruto (PIB) para o cenário de linha de base (BL) e o cenário importantes na produção total foram os de fabricação de orgânicos e inorgânicos,
de captura de carbono (S1), respectivamente. Z2 e Z2' referem-se ao melhor GEE resinas e elastômeros e gestão de água, esgoto e resíduos. Os respectivos aumentos
para BL e S1 respectivamente, enquanto Z3 e Z3' correspondem ao melhor CFE. foram de 18,1% e 19,3% em relação à Solução 1.
Vale ressaltar que as soluções Z2 e Z3 no cenário de linha de base BL e Z2' e Z3'
em S1 são iguais, respectivamente, o que mostra a relação direta entre produção de
energia/ Em relação ao impacto ambiental, uma redução de 3,83% para Solution

Fig. 3. Impacto ambiental para diferentes fontes de impacto (Gg CO2eq).

6
Machine Translated by Google

CCS Moore et ai. International Journal of Greenhouse Gas Control 114 (2022) 103606

Tabela 8 associado apenas à implementação do processo CaL nas centrais a carvão,

Resultados da oferta nacional de energia (103 tep). mas ao ajustamento ocorrido no sistema económico derivado desta ação,
Fonte Valores reportados para Solução 1 Solução 2 que procura dar resposta às novas exigências trazidas por estas tecnologias,
2016 afetando positiva ou negativamente os níveis de produção de alguns
setores .
Total não renovável 366.372 747.209 781.619
Óleo 138.226 172.187 174.286 Em termos de consumo de energia (CFE), a Solução 2 apresentou
Gás natural 64.947 196.334 214.797 incrementos de 1,00% e 274% em relação à Solução 1 e ao ano de 2016,
Vapor de carvão 7628 50.771 59.374 respectivamente. A Tabela 8 apresenta os resultados da Oferta Nacional
carvão metalúrgico 7917 11.595 11.767
Diesel
de Energia (NES) obtidos nesses casos. Embora o arranjo proposto no
48.398 91.891 92.526
Óleo combustível 11.568 24.055 24.312
cenário S1 leve ao consumo adicional de carvão para atender a demanda
Gasolina 24.637 37.906 37.886 de energia da reação no calcinador (Fig. 2), o modelo IO-MOLP busca
GLP 8350 12.611 12.651 ajustar o sistema econômico para que possíveis efeitos negativos sobre o
Nafta 9198 12.263 13.504
GEE as emissões derivadas desse consumo são mitigadas. Para tanto,
Querosene 5551 6298 6308
1570 4149 4184
algumas commodities energéticas, como lenha e gasolina, sofrem quedas
Gás de Coqueria
coque de carvão 7135 7869 7887 em sua produção, resultando em incremento menos acentuado no
Urânio contido em UO2 6924 46.183 46.693 consumo de energia. Essa tendência influencia a composição do SNE em
Outros produtos petrolíferos energéticos 12.491 16.706 17.226 cada um dos cenários, conforme a Tabela 8. Nota-se um aumento da
Outros produtos de petróleo não energético 7427 8916 10.200
energia total de fontes não renováveis na Solução 2 em relação à Solução
Carvão 234 367 390 1. Nesse caso, as diferenças A diferença entre os respectivos resultados
Urânio U3O8 4173 47.106 47.627 1.253.339 foi de 4,61%, com destaque para carvão, derivados não energéticos e
Total Renovável 190.123 1.245.881 103.071 83.735 alcatrão. Por outro lado, a oferta de energia renovável diminuiu 0,60% em
Lenha 23.095 124.424 125.396 566.397
relação ao cenário base BL. A oferta de lenha diminuiu 18,8% na Solução
produtos de cana 50.158 572.561 22.769 22.768
2 em relação à Solução 1, enquanto na comparação com 2016 houve um
Eletricidade 53.326 366.739 370.794 69.940
bioetanol 15.137 70, 628 aumento de 262%.
Hidráulico 32.751
Outros renováveis1 15.657 Comparando os resultados da Tabela 8 com as projeções da Empresa
1
Energia eólica e solar, licor negro. de Pesquisa Energética (EPE) para a oferta brasileira de energia para o
ano de 2030, algumas diferenças são percebidas principalmente em
2 foi obtido com referência à Solução 1, ou seja, uma pequena melhoria. relação à energia renovável. Isso se deve ao aumento significativo na oferta
Nesse caso, o ganho obtido com a redução das emissões de CO2 das de energia hídrica obtido neste estudo. Para o bioetanol, a oferta foi inferior
usinas a carvão foi atenuado pelo aumento das emissões fugitivas (~1,10%) ao valor projetado pela EPE, o que sugere que, nas atuais condições de
provenientes da extração de carvão, commodity que no cenário S1 teve produção de etanol, não é possível atender a capacidade de substituição
maior consumo devido ao fornecimento de energia para a regeneração do de combustível fóssil projetada. Em relação ao carvão vapor, a diferença
sorvente no sistema CaL. Por outro lado, o peso da eletricidade proveniente se deve principalmente às premissas adotadas pela EPE, como a
de centrais a carvão na oferta elétrica nacional é baixo (cerca de 3,0%) e, substituição do carvão pelo gás natural na indústria e às estratégias de
por isso, o impacto positivo que a estratégia imposta pelo S1 tem no setor eficiência energética que limitam o consumo final dessa fonte e, portanto, de seu abast
da produção elétrica é diluído em contexto mais amplo de todo o sistema PE, 2007).
econômico brasileiro. Em geral, pode-se concluir que a incorporação de sistemas CaL em
Uma comparação dos resultados obtidos para as diferentes fontes de usinas a carvão não gera diferenças significativas no desempenho
impacto para as Soluções 1 e 2 e para os anos de 2005 e 2016 é econômico, energético e ambiental para as condições prospectivas do
apresentada na Fig. 3. Para as emissões da combustão de combustível estudo. Embora a contribuição da geração de eletricidade para o total de
(eCw), a variação da Solução 2 com referência à Solução 1 foi de ÿ 8,60%, emissões de GEE do setor energético brasileiro seja significativa (cerca de
40%), em um contexto maior de avaliação como definido no presente
enquanto a diferença em relação a 2005 e 2016 foi de 486% e 165%, respectivamente.
Em relação às emissões fugitivas (tefw), foram obtidos incrementos de estudo, o efeito desse aspecto é mitigado. Portanto, a estratégia definida
96,8% e 58,8%, em relação a 2005 e 2016, respectivamente. As emissões no cenário S1 para este setor não gera ganhos expressivos. Por outro lado,
das atividades agropecuárias (eaflf) tiveram uma redução importante em as centrais a carvão contribuem com menos de 4% da oferta total de
relação a 2005, principalmente devido à diminuição do desmatamento. No eletricidade, validando o que autores como Adanez et al. (2012) e Rochedo
entanto, as emissões totais das atividades agrícolas (eaflf) aumentaram et al. (2016) destacaram em seus estudos, ou seja, o efeito da implantação
11,4% em relação a 2016. O impacto ambiental da disposição de resíduos de sistemas CCS em usinas que operam com combustíveis fósseis
sólidos (eswd) e tratamento de efluentes (ewwt) teve resultados semelhantes dependerá em grande parte de sua participação e papel na oferta total de
para 2016 nas Soluções 1 e 2. Em relação a 2005 , os correspondentes energia.
incrementos de 86,5% e 99,0% foram computados para esses itens na
Solução 2, devido principalmente ao crescimento da população e da
produção. Vale ressaltar que as reduções obtidas nos níveis de impacto ambiental não são

Tabela 9
ÿ
Tabela otimizada individual expandida com os valores ideais para Zk (xk ÿ ) para S1.

1 1 1
Função objetiva x1ÿ x1 x2ÿ x2 x3ÿ x3

ZU
1 (xk ÿ ) 9.254.082 8.975.690 8.776.404 8.651.585 8.598.883 8.539.618

ZL 1(xk ÿ ) 9.248.038 8.969.516 8.770.661 8.645.615 8.593.038 8.533.578

ZU
2 (xk ÿ ) ÿ 2.923.328 ÿ 2.849.802 ÿ 2.749.306 ÿ 2.727.635 ÿ 2.750.223 ÿ 2.728.654

ZL 2(xk ÿ ) ÿ 3.536.534 ÿ 3.444.406 ÿ 3.320.649 ÿ 3.293.078 ÿ 3.320.574 ÿ 3.293.572

ZU
3 ÿ ) (x k ÿ 1.210.305 ÿ 1.173.582 ÿ 1.130.813 ÿ 1.118.486 ÿ 1.126.966 ÿ 1.116.245

ZL 3(xk ÿ ) ÿ 1.210.305 ÿ 1.173.582 ÿ 1.130.813 ÿ 1.118.486 ÿ 1.126.966 ÿ 1.116.245

7
Machine Translated by Google

CCS Moore et ai. International Journal of Greenhouse Gas Control 114 (2022) 103606

Tabela 10 Foram analisados cenários de coeficientes: (i) um cenário com a região viável
Valores para alvos. mais ampla (ÿi = 0) e (ii) um cenário com a região viável mais estreita (ÿi = 1).
Zk* tk
eu
tk
você

M[Zk*] W[Zk*]
Para a primeira situação, as informações referentes a e tk U, o ponto médio do
eu
alvos tk intervalo (M[Zk*]) e a largura do intervalo
Z1* (106 R$) 8.969.516 ÿ 9.254.082 ÿ 9.111.799 ÿ 284.566
Z2* (Gg CO2eq) 3.320.649 ÿ 2.727.635 ÿ 3.024.142 ÿ 593.014
(W[Zk*]) são apresentados na Tabela 10.
Z3* (103 dedos) 1.126.966 1.116.245 1.121.606 10.721 A primeira solução (x1U' ) correspondente ao cenário com a região factível
mais ampla é apresentada na Tabela 11. Na solução x1U' observa-se que os
limites superior e inferior das três funções objetivo se afastam dos respectivos
3.1. Resultados da análise de incerteza
limites das soluções ideais, já que os valores e tck U) ficaram distantes de 1,
eu
(tck principalmente das taxas de aproveitamento
Alguns resultados são apresentados nesta seção para ilustrar os resultados
os correspondentes a Z2 (GHG) e Z3 (CFE). Neste cenário, decidiu-se calcular
da abordagem de análise de incerteza. Em primeiro lugar, as formulações de outra solução de compromisso considerando agora a região viável mais estreita
modelos determinísticos substitutos, que levam aos valores ótimos individuais de (ÿi = 1).
cada função objetivo (Zk, k = 1, 2, 3) considerando os melhores e piores conjuntos A segunda solução de compromisso (x2U' ) é mostrada na Tabela 12. Nessa
eu
, de
tk U]. coeficientes, foram resolvidos para obter os valores alvo do intervalo [tk solução, os limites superior e inferior de Z1 pioraram em relação à solução x1U'
ÿ
As soluções ótimas são xk , com k = 1, 2, 3 e ÿ = 0, 1. ÿ = 0 denota desde tck
eu
e tck eram mais baixos e A e a distância ser
você

soluções obtidas na região viável mais ampla, que leva ao melhor valor ótimo para entre os intervalos também piorou. Para Z2 e Z3, os limites foram melhorados em
cada Zk, e ÿ = 1 denota soluções obtidas na região viável mais estreita, que leva relação à solução x1U' . Esses resultados mostram, assim como na
ao pior valor ótimo de cada Zk. Os respectivos resultados são mostrados na análise determinística, que o objetivo econômico e os ambientais e energéticos
Tabela 9.
têm tendências opostas, ou seja, a melhor condição para GPD gera os piores
Todas as funções objetivo são maximizadas e, portanto, os valores de GHG e resultados para GEE e CE.
CFE aparecem com sinal negativo. O melhor valor ótimo do PIB foi obtido usando Assumindo que o DM optou por buscar outra solução de compromisso, mas
o conjunto de coeficientes mais favorável na região viável mais ampla (Z1 com uma abordagem pessimista, foi utilizado o modelo que minimiza o limite
você
(x1ÿ)) (Tabela 9). A diferença em relação ao
superior do pior desvio possível, considerando (ÿi = 1).
valor para o pior conjunto de coeficientes no mais amplo )), Os resultados para esta solução são mostrados na Tabela 13.
eu 1 você

região viável (Z1 (x1ÿ)) foi de 0,06%, enquanto a diferença para (Z1 (x1 Na solução x1U'', obtida com o conjunto mais restritivo de coeficientes, os
que corresponde ao melhor valor ótimo do PIB usando o conjunto de coeficientes limites superior e inferior dos objetivos ambientais e energéticos são melhorados
mais favorável na região viável mais estreita, foi de 3,00%. em relação à solução x1U' , L desde os valores tck
você 1
Em termos de GEE, o melhor resultado de impacto foi obtido em (Z2 (x2 )), e tck
você

estão mais próximos de 1. Em termos de GPD, tanto o inferior quanto o

que foi obtido considerando o conjunto de coeficientes mais favorável na região limites pioraram nesta solução, conforme revelado por tck , U tck superior e A. Em
eu

viável mais estreita. relação à solução x2U' , os limites inferiores para GHG melhoraram
você 1 eu 1
A variação de (Z2 (x2 )) com referência a (Z2 (x2 )) foi de 17,2%,
ligeiramente enquanto os limites superiores pioraram. Os limites inferior e superior
o que mostra que o impacto ambiental é mais sensível a mudanças nos coeficientes foram melhorados para CE.
do que o PIB, conforme as características do modelo. Considerando um cenário menos restrito, correspondente à região viável mais
você

Para consumo de energia, o melhor desempenho foi obtido em (Z3 ampla, ou seja, ÿi = 0, uma quarta solução de compromisso (x2U'') foi calculada,
1
(x3 )), conduzindo ao mesmo tempo ao pior valor do PIB para os seis
cujos resultados são apresentados na Tabela 14 .
soluções calculadas. Isso mostra que o PIB brasileiro é altamente dependente da eu
limites superiores do PIB melhoraram, de acordo com os valores de tck e tck
você

produção de commodities energéticas. e A, com referência à solução anterior.

Para computar as soluções de compromisso, foi considerado um tomador de A partir dessas quatro soluções de compromisso, pode-se observar que as
decisão (DM) hipotético que optou por um ponto de vista otimista, no qual o limite melhores taxas de realização para o PIB são obtidas quando o DM escolhe um
inferior do pior desvio possível é minimizado. Dois

Tabela 11
Resultados para a solução de compromisso x1U.
eu você

Zk L (x1U' ) Zk U (x1U' ) M[Zk(x1U' )] W[Zk(x1U' )] ÿ d(Zk*, Zk(x1U' )) tck tck

A (Zk(x1Uÿ ) ÿ Zk

Z1 9.127.681 ÿ 9.133.940 ÿ 9.130.810 ÿ 6259 ÿ 0,131 120.413 1.360 0,832

Z2 3.470.561 ÿ 2.869.719 ÿ 3.220.140 ÿ 600.842 0 0,328 142.084 0,306 0,274

Z3 1.187.470 1.187.470 1.187.470 12.29 71.225 0,274 0,243

Tabela 12
Resultados para a solução de compromisso x2U.
eu você

Zk L (x1U' ) Zk U (x1U' ) M[Zk(x1U' )] W[Zk(x1U' )] ÿ d (Zk*, Zk(x1U' )) tck tck

A (Zk(x1Uÿ ) ÿ Zk

Z1 8.887.890 ÿ 8.893.993 ÿ 8.890.941 ÿ 6103 1.520 366.233 0,813 0,500

Z2 3.394.750 ÿ 2.809.302 ÿ 3.102.026 ÿ 585.448 0 0,132 81.667 0,657 0,583

Z3 1.156.913 1.156.913 1.156.913 6.586 40.668 0,649 0,568

Tabela 13
Resultados para a solução de compromisso x1U''.
eu
Zk C (x1U'') Zk U (x1U'') M[Zk(x1U'')] W[Zk(x1U'')] ÿ
d(Zk*, Zk(x1U'')) tck U tck
A (Zk(x1Uÿ ÿ ) ÿ Zk

Z1 8.873.799 ÿ 8.879.891 ÿ 8.876.845 ÿ 6092 1.617 380.324 0,780 0,476

Z2 3.388.836 ÿ 2.829.089 ÿ 3.078.962 ÿ 559.747 0 0,095 661.201 0,684 0,481

Z3 1.154.678 1.154.678 1.154.678 6.170 38.433 0,667 0,591

8
Machine Translated by Google
CCS Moore et ai.
Tabela 14
Resultados para a solução de compromisso x2U''.
Zk C (x1U'') Zk U (x1U'') m[Zk(x1U'')] w[Zk(x1U'')]
Z1 9.106.916 9.113.160 9.110.038 6244
Z2 ÿ 3.461.842 ÿ ÿ 2.887.945 ÿ ÿ 3.174.894 ÿ 573.897
Z3 1.184.175 1.184.175 1.184.175 0 11.67
abordagem otimista em uma região viável menos restrita, ou seja, com um
conjunto de coeficientes mais favorável (solução x1U' ). Por outro lado, para os
objetivos ambientais e energéticos, as melhores taxas de atingimento
correspondem àquelas obtidas em uma região viável mais estreita (solução
x2U' e x1U''), levando aos menores valores de PIB.
Deve-se enfatizar que estes resultados advindos de um estudo de natureza
prospectiva são válidos no quadro dos pressupostos considerados no modelo
MOLP com base na análise IO destinada a esclarecer os trade-offs resultantes
das inter-relações de economia, energia e meio ambiente sistemas.
4. Conclusões
Uma avaliação do efeito sobre os indicadores econômicos, energéticos e
ambientais brasileiros, da implementação de tecnologias CCS como uma
possível estratégia para reduzir as emissões de GEE foi realizada por meio da
aplicação de modelos MOLP baseados em análise de IO. Em termos
econômicos, os resultados mostraram uma redução de 0,305% no valor do PIB
obtido no cenário que considera sistemas CaL em relação ao valor calculado
para o cenário base, que não incorpora tecnologias CCS. Para este último
cenário, observou-se uma contração mais significativa na produção de algumas
commodities energéticas, como lenha e gasolina automotiva.
Para o indicador ambiental, obteve-se uma redução de 3,84% no cenário que
considera sistemas CaL em relação ao cenário de linha de base. O ganho
obtido com a redução das emissões de CO2 por meio do processo CaL em
usinas a carvão foi atenuado pelo aumento das emissões fugitivas derivadas da
extração de carvão. Em termos de consumo de energia (CFE), o cenário de
sistemas CaL apresentou um incremento de 1,00% em relação ao cenário BL,
devido principalmente ao aumento do consumo de carvão e gás natural de
16,9% e 9,40%, respectivamente.
Para o tratamento da incerteza associada aos coeficientes da função
objetivo do modelo MOLP-IO, foi considerada a abordagem de programação
intervalar. A partir das soluções para os melhores e piores valores ótimos
considerando um conjunto de coeficientes mais favorável e mais restrito, pode-
se observar a relação oposta entre o crescimento econômico e o impacto
ambiental e consumo de energia. Para o conjunto de coeficientes menos
favorável, verifica-se uma melhoria no desempenho dos objetivos ambientais e
energéticos mas uma contração no económico, principalmente associada à
redução do valor da produção total dos setores energético e agrícola afetando
o PIB valor.
De maneira geral, pode-se concluir que a captura de CO2 por meio de
sistemas de CaL acoplados a usinas a carvão parece ser uma estratégia
insuficiente, mas não menos interessante, para reduzir as emissões brasileiras
de GEE para 2030, uma vez que o impacto de outras atividades econômicas
amorteceu os efeitos positivos efeito trazido por esta estratégia. Por outro lado,
numa análise mais ampla e considerando múltiplos objetivos, a implementação
do processo CaL desencadeia uma contração do sistema económico nacional
e uma expansão do consumo de recursos energéticos. Ou seja, para minimizar
o impacto gerado pelas emissões fugitivas oriundas da extração do carvão
requerido pelo sistema CCS em estudo, alguns setores tiveram sua produção
total reduzida afetando o resultado do PIB, enquanto outros setores tiveram sua
produção total aumentada influenciando a produção total. consumo de energia.
Isso ocorreu principalmente em setores como Agricultura, Indústria de Alimentos
e Bebidas e Produção de Derivados de Petróleo.
9
International Journal of Greenhouse Gas Control 114 (2022) 103606
eu você
ÿ
d(Zk*, Zk(x1U'')) tck tck
A (Zk(x1Uÿ ÿ ) ÿ Zk
0,012 141.193 1.315 0,803
0,258 734.207 0,346 0,181
67.930 0,313 0,278
Portanto, a definição da melhor estratégia para atender o iNDC brasileiro para
2030 deve considerar critérios energéticos, econômicos e ambientais
simultaneamente, avaliando as inter-relações entre eles por meio de abordagens
conceitualmente robustas como o framework IO, que permite explorar o efeito
das decisões e políticas ambientais e energéticas do sistema econômico do
país.
Vale a pena notar que há uma variedade de tecnologias e sistemas de CCS
que podem ser considerados em relação, por exemplo, à fonte de energia usada
no calcinador e ao método de captura de CO2 (ou seja, pré-combustão, pós-
combustão ou oxicorte ). Tais variações podem ter diferentes impactos, tanto
no meio ambiente quanto na economia; portanto, é importante destacar que os
resultados deste estudo usando um modelo MOLP IO e abordagem
metodológica permitem ter uma percepção global das múltiplas estratégias
destinadas a mitigar os impactos ambientais derivados do setor de energia
considerando os impactos econômicos. A modelagem e a metodologia aqui
apresentadas podem abrir caminho para o desenvolvimento de novos estudos
nessa área e melhor subsidiar os processos de tomada de decisão considerando
as especificidades e focos de análise de diferentes países/regiões.
CRediT declaração do autor
Claudia Cristina Sanchez Moore: Conceituação, Análise Formal,
Investigação, Software, Redação – Rascunho Original e Visualização.
Carlos Henggeler Antunes: Conceituação, Metodologia, Redação – Revisão
& Edição e Visualização. Luiz Kulay: Validação, Análise Formal, Visualização,
Supervisão e Administração de Projetos.
Declaração de Interesse Concorrente
Os autores declaram que não têm interesses financeiros concorrentes
conhecidos ou relacionamentos pessoais que possam parecer influenciar o
trabalho relatado neste artigo.
Agradecimentos
Claudia Cristina Sanchez Moore agradece o apoio financeiro da Coordenação
de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) por meio das bolsas
de doutorado (PROEX/0487 - Processo: 88882.333498/2019–01) e CAPES-
PRINT - Processo: 88887.369277/2019–00. Carlos Henggeler Antunes agradece
o apoio dos projetos UIDB/00308/2020 e MAnAGER (POCI-01–0145- FEDER-
028040) da Fundação para a Ciência e a Tecnologia.
Materiais complementares
O material complementar associado a este artigo pode ser encontrado, em
a versão online, em doi:10.1016/j.ijggc.2022.103606.
Apêndice 1
Tabela A1
Machine Translated by Google

CCS Moore et ai. International Journal of Greenhouse Gas Control 114 (2022) 103606

Tabela A1 compensações no Brasil. Renovar. Sustentar. Energy Rev. 54, 1429–1442. https://doi.org/10.1016/
j.rser.2015.10.064 .
Energia (E) e Setores Artificiais (A).
Di Santo, KG, Kanashiro, E., Di Santo, SG, Saidel, MA, 2015. Uma revisão sobre smart grids e experiências no
Descrição do setor Setor Descrição Brasil. Renovar. Sustentar. Energy Rev. 52, 1072–1082. https://doi. org/10.1016/j.rser.2015.07.182.

E1 produção de lenha A26 gás de refinaria Dieter, H., Bidwe, AR, Varela-Duelli, G., Charitos, A., Hawthorne, C., Scheffknecht, G., 2014. Desenvolvimento
A1 Lenha A27 coque de petróleo
da tecnologia de captura de CO2 por loop de cálcio do laboratório à escala piloto no IFK, Universidade de
E2 extração de carvão A28 Outros produtos petrolíferos não energéticos Estugarda. Combustível 127, 23–37. https://doi.org/10.1016/j. combustível.2014.01.063.
A2 carvão a vapor 3100 A29 Alcatrão

A3 carvão a vapor 3300 A30 Asfalto Empresa de Pesquisa Energética (EPE), 2007. Plano Nacional de Energia 2030. EPE, Rio de Janeiro.
A4 carvão a vapor 3700 A31 Lubrificantes Empresa de Pesquisa Energética (EPE), 2017. Balanço Energético Brasileiro 2017: Ano base 2016.
A5 carvão a vapor 4200 A32 Solventes EPE, Rio de Janeiro.
A6 carvão a vapor 4500 A33 Outros produtos petrolíferos não energéticos Giannoulakis, S., Volkart, K., Bauer, C., 2014. Ciclo de vida e avaliação de custo da carbonatação mineral para
A7 carvão a vapor 4700 E5 Produção de álcool captura e armazenamento de carbono na geração de energia na Europa. Int. j.
A8 carvão a vapor 5200 A34 Greenh. Controle de Gás 21, 140–157. https://doi.org/10.1016/j.ijggc.2013.12.002.
Bagaço da cana-de-açúcar
A9 carvão a vapor 5900 A35 Guerra, JP, Cardoso, FH, Nogueira, A., Kulay, L., 2018. Termodinâmica e
etanol anidro
análise ambiental de ampliação de unidades de cogeração movidas a biomassa de cana-de-açúcar para
A10 carvão a vapor 6000 A36 etanol hidratado
aumentar as exportações de energia. Energias 11, 73–96. https://doi.org/10.3390/e
A11 Carvão de vapor não especificado A37 Outros produtos de destilaria n11010073.
A12 carvão metalúrgico E6 Distribuição de Eletricidade
Guilhoto, JJM, Filho, UAS, 2010. Estimaç˜ao da matriz insumo-produto utilizando dados preliminares das
E3 A38 ´
Extração de petróleo e Urânio (U3O8)
contas nacionais: aplicaç˜ao e analise de indicadores economicos para o Brasil em 2005. Econ.
gás natural ˆ
Tecnol. 23, 53–62. https://doi.org/10.2139/ssrn.1836495 .
A13 Óleo A39 energia hidráulica
A14 gás natural úmido A40 Licor preto Guilhoto, JJM, Sesso Filho, UA, 2005. Estimaçao ˜ da Matriz Insumo-Produto a Partir de Dados Preliminares
A15 gás natural seco A41 Energia solar das Contas Nacionais. Econ. Ap. 9, 277–299. https://doi.org/10.5897/JAERD12.088 .
E4 Refino de petróleo e coque A42 energia eólica
He, P., Ng, TS, Su, B., 2019. Resiliência econômica de energia com modelos de programação linear de entrada-
A16 Óleo diesel A43 Outros renováveis saída multirregionais. Energy Econ 84. https://doi.org/10.1016/j. eneco.2019.104569.
A17 Óleo combustível A44 Urânio contido em UO2
A18 A45 Henriques, CO, Antunes, CH, 2012. Interacções crescimento económico, consumo de energia e
Gasolina motorizada Eletricidade do carvão a vapor
A19 A46 ambiente no contexto da crise - Um estudo com dados incertos. Energia 48, 415–422. https://
gasolina de aviação Eletricidade a partir do óleo diesel
doi.org/10.1016/j. energia.2012.04.009.
A20 GLP A47 Eletricidade a óleo combustível
A21 Nafta A48 Eletricidade a gás natural
Hilz, J., Haaf, M., Helbig, M., Lindqvist, N., Strohle, ¨ J., Epple, B., 2019. Ampliação do processo de looping de
A22 Acender querosene A49 Eletricidade não renovável carbonato para uma planta piloto de 20 MWth baseada em longa testes-piloto de longo prazo.
fontes
Int. J. Greenh. Controle de Gás 88, 332–341. https://doi.org/10.1016/j. ijggc.2019.04.026.
A23 Combustível de avião A50 Eletricidade a partir de lenha e outras
energias renováveis Hu, Y., Ahn, H., 2017. Integração do processo de Calcium-looping com uma usina de gás natural de ciclo
A24 Gás de Coqueria A51 Cogeração combinado para captura de CO2 e sua melhoria por recirculação de gás de exaustão. Appl. Energia 187,
A25 coque de carvão 480–488. https://doi.org/10.1016/j. apenergy.2016.11.014.

Painel Intergovernamental sobre Mudanças Climáticas (IPCC), 2006. Diretrizes para

Referências
Adanez, J., Abad, A., Garcia-Labiano, F., Gayan, P., De Diego, LF, 2012. Progresso em tecnologias de
reforma e combustão de circuito químico. Prog. Combustão Energética.
ciência 38, 215–282. https://doi.org/10.1016/j.pecs.2011.09.001.
Alves, MJ, Antunes, CH, Clímaco, J., 2015. Interactive MOLP explorer - uma ferramenta computacional de
base gráfica para ensino e apoio à decisão em modelos de programação linear multi-objetivo. Comput.
Appl. Eng. Educ. 23, 314-326. https://doi.org/10.1002/cae.21601 .
Biliyok, C., Yeung, H., 2013. Avaliação de usina de ciclo combinado de gás natural para integração de captura
de CO2 pós-combustão. Int. J. Greenh. Controle de Gás 19, 396–405. https://doi.org/10.1016/
J.IJGGC.2013.10.003.
Blamey, J., Anthony, EJ, Wang, J., Fennell, PS, 2010. O ciclo de loop de cálcio para captura de CO2 em larga
escala . Prog. Combustão Energética. ciência 36, 260-279. https://doi.org/10.1016/j.pecs.2009.10.001 .
Branco, DAC, Moura, MCP, Szklo, A., Schaeffer, R., 2013. Redução de emissões
potencial da captura de CO2 : uma avaliação do ciclo de vida de uma usina elétrica movida a carvão no
Brasil. Política de Energia 61, 1221–1235. https://doi.org/10.1016/j.enpol.2013.06.043.
Instituto Brasileiro de Geografia e Estatística (IBGE), 2017. Contas do Sistema Nacional: Notas Técnicas. IBGE,
Rio de Janeiro.
Instituto Brasileiro de Geografia e Estatística (IBGE). Sistema de Recuperação Automática do IBGE,
acesso: julho de 2019, https://sidra.ibge.gov.br/home/pmc/brasil.
Carvalho, ALde, Antunes, CH, Freire, F., Henriques, CO, 2015. Um modelo multiobjetivo híbrido insumo-produto
para avaliar trade-offs econômico-energia-ambiente no Brasil.
Energia 82, 769–785. https://doi.org/10.1016/J.ENERGY.2015.01.089.
Cormos, CC, 2015. Avaliação da absorção/adsorção química para captura de CO2 pós-combustão de usinas
de ciclo combinado de gás natural (NGCC). Appl. term.
Eng. 82, 120–128. https://doi.org/10.1016/J.APPLTHERMALENG.2015.02.054.
Cormos, CC, Petrescu, L., 2013. Avaliação do loop de cálcio como opção de captura de carbono para usinas de
combustão e gaseificação. Energy Procedia 51, 154-160. https://doi.org/10.1016/j.egypro.2014.07.017 .
De Azevedo, TR, Costa, C., Brandão, A., Dos Santos Cremer, M., Piatto, M., Tsai, DS, Barreto, P., Martins, H.,
Sales, M., Galuchi, T., Rodrigues, A., Morgado, R., Ferreira, AL, Barcellos E Silva, F., De Freitas
Viscondi, G., Dos Santos, KC, Da Cunha, KB, Manetti, A., Coluna, IME, De Albuquerque, IR, Watanabe,
S., Leite, C., Kishinami, R., 2018. Estimativas da iniciativa SEEG das emissões brasileiras de
gases de efeito estufa de 1970 a 2015. Sci. Dados 5, 1–43. https://doi.org/10.1038/sdata.2018.45 .
De Carvalho, AL, Antunes, CH, Freire, F., 2016a. Economia-energia-ambiente
Análise prospectiva da produção de bioetanol de cana-de-açúcar no Brasil. Appl. Energia 181, 514–526.
https://doi.org/10.1016/J.APENERGY.2016.07.122.
De Carvalho, AL, Henggeler Antunes, C., Freire, F., Oliveira Henriques, C., 2016b.
Uma abordagem interativa multiobjetiva para avaliar o ambiente econômico-energético
Inventários de Gases de Efeito Estufa. IPCC, Genebra.
Painel Intergovernamental sobre Mudanças Climáticas, 2013. Quinto Relatório de Avaliação do Painel
Intergovernamental sobre Mudanças Climáticas. IPCC, Genebra.
James, R., Zoelle, A., Keairns, D., Turner, M., Woods, M., Kuehn, N., 2019. Custo e
Linha de base de desempenho para usinas de energia fóssil Volume 1: Carvão betuminoso e. NETL Rep.
Pub-22638 1.
Jayarathna, C., Mathisen, A., Øii, LE, Tokheim, .L..-A., 2015. Simulação do processo de loop de cálcio com
transferência indireta de calor do calcinador 71–80. https://doi.org/10.3384/ecp1511971.
Kang, J., Ng, TS, Su, B., 2020. Otimizando o mix de eletricidade para redução de emissões de CO2: um modelo
robusto de programação linear de entrada-saída. EUR. J. Opera. Res. 287, 280–292. https://doi.org/
10.1016/j.ejor.2020.04.026.
Mantripragada, HC, Rubin, ES, 2014. Ciclo de loop de cálcio para captura de CO2:
análise de desempenho, custo e viabilidade. Energy Procedia 63, 2199–2206. https:// doi.org/10.1016/
J.EGYPRO.2014.11.239.
Mendes, LFR, Sthel, MS, 2017. Usina termelétrica para compensação de
mudança do ciclo hidrológico: impactos ambientais no Brasil. Estudo de Caso. Ambiente. 1, 1–7. https://
doi.org/10.1525/cse.2017.000471.
Ministério da Ciência, Tecnologia e Inovação (MCTI), 2010. Segunda Conferência Nacional
Comunicação do Brasil à Convenção-Quadro das Nações Unidas sobre Mudança do Clima. MCTI, Brasília.
Ministério da Ciência, Tecnologia e Inovação (MCTI), 2016. Estimativas Anuais de Emissões de Gases de
Efeito Estufa no Brasil. MCTI, Brasília.
Moore, CCS, Kulay, L., 2019. Efeito da implementação de sistemas de captura de carbono no desempenho
ambiental, energético e econômico da matriz elétrica brasileira. Energias 12. https://doi.org/10.3390/
en12020331.
Oliveira, C., Coelho, D., Antunes, CH, 2016. Análise de input – output com multiobjetivo de trade-offs
economia – energia – ambiente – social (E3S): uma revisão. Ann Oper Res 247 (2), 471–502. https://
doi.org/10.1007/s10479-014-1773-5 .
Oliveira, C., Antunes, CH, 2011. Uma economia-energia multi-objectivo multi-sectorial
modelo ambiental: aplicação a Portugal. Energy 36, 2856–2866. https://doi. org/10.1016/
j.energy.2011.02.028.
Oliveira, C., Antunes, CH, 2009. Um método interativo de lidar com a incerteza em
Programação Linear Objetiva Múltipla Intervalada. J. Matemática. ciência 161, 854-866. https://doi.org/
10.1007/s10958-009-9606-9 .
Oliveira, C., Antunes, CH, 2007. Modelos de programação linear objetiva múltipla com coeficientes intervalares
– uma visão geral ilustrada. EUR. J. Opera. Res. 181, 1434-1463. https://doi.org/10.1016/
J.EJOR.2005.12.042.
Oliveira, C., Antunes, CH, 2004. Um modelo multiobjectivo para lidar com
interações economia-energia-ambiente. EUR. J. Opera. Res. 153, 370–385. https://doi.org/10.1016/
S0377-2217(03)00159-0.
Petrescu, L., Bonalumi, D., Valenti, G., Cormos, AM, Cormos, CC, 2017. Avaliação do ciclo de vida para
usinas supercríticas de carvão pulverizado com pós-combustão

10
Machine Translated by Google
CCS Moore et ai.
captura e armazenamento de carbono. J Clean Prod 157, 10–21. https://doi.org/10.1016/j.
jclepro.2017.03.225.
Rochedo, PRR, Costa, IVL, Império, M., Hoffmann, BS, Merschmann, PRDC,
Oliveira, CCN, Szklo, A., Schaeffer, R., 2016. Potencial e custos de captura de carbono no
Brasil. J. Limpo. Prod. 131, 280–295. https://doi.org/10.1016/j.
jclepro.2016.05.033.
Sharma, M., Parvareh, F., Abbas, A., 2015. Carbono pós-combustão altamente integrado
processo de captação em uma usina termelétrica a carvão com repotenciação solar. Int. J.
Energia Res. 33 https://doi.org/10.1002/er.3361. >n/a–n/a.
´
Siala, K., de la Rúa, C., Lechon, Y., Hamacher, T., 2019. Rumo a um sistema energético europeu
sustentável: vinculando modelos de otimização com análise de entrada-saída
multirregional. Estratégia Energética. Rev. 26, 100391 https://doi.org/10.1016/j.
esr.2019.100391.
Singh, B., Strømman, AH, Hertwich, E., 2011. Avaliação do ciclo de vida do gás natural
usina de ciclo combinado com captura, transporte e armazenamento de carbono pós-
combustão. Int. J. Greenh. Controle de Gás 5, 457–466. https://doi.org/10.1016/j.
ijggc.2010.03.006.
11
International Journal of Greenhouse Gas Control 114 (2022) 103606
Suh, S., 2009. Manual de economia de análise de entrada-saída em ecologia industrial. Vasa
882. https://doi.org/10.1007/978-1-4020-5737-3.
Sistema de Estimativas de Emissões de Gases de Efeito Estufa. (SEG). 2019. http://plataforma.seeg.
eco.br/total_emission#.
Vahl, FP, Filho, NC, 2015. Transição energética e criação de caminhos para o gás natural na matriz
elétrica brasileira. J. Limpo. Prod. https://doi.org/10.1016/j. jclepro.2014.08.033.
Vinca, A., Rottoli, M., Marangoni, G., Tavoni, M., 2018. O papel da captura de carbono e
armazenamento de eletricidade na obtenção de 1,5 e 2ÿC. Int. J. Greenh. Controle de Gás 78,
148–159. https://doi.org/10.1016/j.ijggc.2018.07.020.
Zhang, X., Song, P., Jiang, L., 2020. Avaliação de desempenho de uma usina elétrica a carvão
reprojetada integrada com captura de CO2 por processo de loop de cálcio. Appl. term.
Eng. 170, 115027 https://doi.org/10.1016/j.applthermaleng.2020.115027.
Donke, A., Nogueira, A., Matai, P. Kulay, L. 2017. Ambiental e energético
desempenho da produção de etanol a partir da integração de cana-de-açúcar, milho e
sorgo granífero em uma usina multiuso. Recursos. 6, 1-19. https://doi.org/10.33 90/
resources6010001.