Escolar Documentos
Profissional Documentos
Cultura Documentos
Andrzej Kraslawski e Ilkka Turunen (Editores) Anais do 23º Simpósio Europeu de Engenharia de Processos
Assistidos por Computador – ESCAPE 23, 9 a 12 de junho de 2013, Lappeenranta, Finlândia © 2013
Elsevier BV Todos os direitos reservados. 13
b
Universidade de Guanajuato, Campus Guanajuato, Divisão de Ciências Naturais e
Exata, Departamento de Engenharia Química, Noria Alta s/ n, Guanajuato,
Guanajuato, México 36050
c
Exxerpro Solutions, Av. del Sol 1B Interior 4B, Plaza Comercial El Sol, Querétaro, Querétaro,
México 76134
Abstrato
O setor de aviação contribui com 2% do total de emissões de CO2 devido a atividades humanas.
Além disso, as previsões estimam que o tráfego aéreo se duplicará nos próximos 20 anos, com
o correspondente aumento das emissões de CO2. A Associação Internacional de Transporte
Aéreo (IATA) estabeleceu quatro estratégias para reduzir as emissões de CO2; uma estratégia
é o desenvolvimento de combustível de aviação a partir de matérias-primas renováveis,
conhecido como biojet. Em 2009, a UOP Honeywell recebeu uma patente para seu processo de
produção de combustível de aviação a partir de matérias-primas renováveis. O processo
considera a transformação do óleo vegetal por hidrogenação, desoxigenação, isomerização e
hidrocraqueamento seletivo para geração de combustíveis propano e hidrocarbonetos. O
combustível de aviação resultante é muito semelhante ao fóssil, com a única diferença de que o
primeiro não contém compostos aromáticos. Devido a isso, a norma ASTM estabeleceu o uso
de biojet em misturas com querosene fóssil com até 50% de biocombustível. Além disso, é
importante ressaltar que neste momento o processo da UOP Honeywell é o único certificado
para a produção de combustível de aviação a partir de matérias-primas renováveis. Neste
trabalho propomos um modelo para a produção de biojet fuel, obtendo uma estimativa da
conversão das reações do processo de UOP Honeywell. Além disso, a otimização da etapa de
purificação é realizada utilizando um algoritmo genético multiobjetivo com restrições, que é
acoplado ao simulador de processo Aspen Plus, a fim de gerar resultados considerando os
modelos completos do processo. Os resultados mostram uma alta conversão do óleo vegetal
(óleo de mamona) para biocombustíveis (biojet e diesel verde); além disso, a energia pode ser
gerada no processo como resultado do condicionamento da corrente que alimenta o trem de destilação.
1. Introdução
No setor de transportes, a indústria da aviação é responsável por 2% das emissões totais anuais
de CO2, cerca de 623 milhões de toneladas em 2009 [1]. Embora a porcentagem geral seja
baixa, o setor de aviação está crescendo rapidamente, juntamente com as emissões de CO2.
Estima-se que até 2020 as emissões globais da aviação internacional serão aproximadamente
700% maiores do que em 2005, mesmo que a eficiência do motor aumente 2% ao ano
Machine Translated by Google
14 C. Gutiérrez-Antonio et al.
[2]. A Organização Internacional de Aviação Civil, ICAO, prevê que até 2050 eles possam crescer
para 300-700% [2], se nada for feito para impedir esse aumento. A ICAO estima que esse
crescimento se deve ao tráfego aéreo crescer a uma taxa de 4,8% ao ano até 2036 [3], esta
constatação é consistente com a da Associação Internacional de Transporte Aéreo, IATA, que
estima que o tráfego aéreo dobrará até 2020 em comparação com 2005, Figura 1 [4].
Portanto, tanto a IATA quanto a ICAO estabeleceram uma estratégia de quatro pilares para
combater o problema das mudanças climáticas [5]: 1) Melhorias tecnológicas; 2) Melhorias
operacionais; 3) medidas baseadas no mercado; e 4) Combustíveis alternativos. A IATA estima
que esta estratégia permitirá uma redução de 50% nas emissões de CO2 até 2050, em relação
aos níveis de emissões de 2005, e um crescimento neutro nas emissões de CO2 a partir de
2020 [1]. Das alternativas acima, a IATA identifica o desenvolvimento de biocombustíveis como
uma das mais promissoras, e permitirá reduzir de forma mais significativa as emissões de CO2 para a atmosfera.
O combustível de aviação proveniente de matérias-primas renováveis, também conhecido como
biojet, deve ser introduzido, pois não são desejáveis alterações nas estruturas dos motores; ou
seja, tem que apresentar as mesmas propriedades e composição química do querosene de
aviação [4]. Com isso, foram desenvolvidos compostos conhecidos como querosene parafínico
sintético (SPK's), que são muito semelhantes ao querosene de aviação em densidade energética
e propriedades físicas [6]. Além disso, os SPK's contêm pequenas quantidades de enxofre,
gerando menos emissões contaminantes em comparação com o combustível de aviação
convencional. O único inconveniente dos SPK's é que não contêm aromáticos, devendo ser
utilizados em misturas de até 50% de biojet com o jet fuel convencional conforme norma ASTM
D7566. Os SPK's podem ser produzidos a partir de biomassa de duas maneiras [7]. A primeira
considera a gaseificação da biomassa, que é introduzida em um processo Fischer-Tropsch onde
são gerados os SPK's. A segunda considera a extração de óleos vegetais, que são modificados
quimicamente para produzir os SPK's. Em ambos os casos, a purificação da corrente de produto
é necessária para obter o combustível de biojet.
Em 2009, a UOP Honeywell recebeu uma patente para seu processo de produção de combustível
de aviação a partir de matérias-primas renováveis [8]. O processo considera a transformação de
óleo vegetal para gerar biojet fuel e hidrocarbonetos combustíveis. Neste trabalho propomos um
modelo para a produção de biojet fuel, obtendo uma estimativa da conversão das reações do
processo de UOP Honeywell. Além disso, a otimização da etapa de purificação é realizada
utilizando um algoritmo genético multiobjetivo com restrições, que é acoplado ao simulador de
processo Aspen Plus, a fim de gerar resultados considerando os modelos completos do processo.
Os resultados mostram uma alta conversão do óleo vegetal (óleo de mamona) para
biocombustíveis (biojet e diesel verde); além disso, a energia pode ser gerada no processo como
resultado do condicionamento da corrente que alimenta o trem de destilação.
Machine Translated by Google
Figura 2. Processo da UOP Honeywell para produção de biojet fuel e suas principais características.
(1)
(2)
16 C. Gutiérrez-Antonio et al.
18 kg para obter uma conversão quase total (99,35%). Segundo Donis et al [12], quando uma
molécula de triglicerídeo é quebrada por uma reação de desoxigenação, os subprodutos são
água (6 mol por mol de triglicerídeo) e um mol de propano. Além disso, é possível que ocorra
uma reação de descarboxilação, gerando propano e dióxido de carbono. Consideramos que
ocorrem ambas as reações: 50% dos triglicerídeos reagem por desoxigenação e 50% por
descarboxilação. Assumimos que todos os ácidos graxos no óleo de mamona estão presentes como triglicerídeos.
Para as reações de isomerização e craqueamento tomamos os resultados apresentados por
Steijns et al [13] para a isomerização e hidroracking simultâneos do n-dodecano. Isso implica
que estamos assumindo que os n-alcanos de 15 a 18 carbonos apresentam um comportamento
reativo semelhante ao n-dodecano. Segundo Steijns [13], para pressões entre 50-60 bar e
temperaturas de 240 °C a conversão máxima para isômeros é em torno de 32%, para uma
conversão total para n-dodecano de 50%. Tomamos essa conversão para estimar as correntes
que saem do segundo reator do processo de produção de biojet.
A corrente de hidrocarbonetos gerada, a 240 °C e 60 bar, é condicionada a 19,7 psia e 27,22 °C
para ser alimentada a uma sequência de destilação convencional, para a separação do biojet
fuel. Desenhamos dois esquemas: separações diretas e indiretas. Consideramos recuperações
de 99% nos principais componentes para gerar três produtos: hidrocarbonetos leves (C3 a C7),
biojet fuel (C8 a C16) e diesel verde (C17 e C18). As sequências de destilação são otimizadas
usando um algoritmo genético multiobjetivo com restrições, acoplado ao simulador de processo
Aspen Plus e acelerado por meio de redes neurais, [14]. O algoritmo gera um conjunto de
projetos ótimos que representam o melhor trade-off entre os objetivos selecionados; ele gerencia
vários objetivos simultaneamente, manipulando variáveis inteiras e contínuas, e o link para Aspen
Plus permite considerar o modelo completo das colunas de destilação. O algoritmo funciona da
seguinte forma: a primeira geração é criada a partir de um projeto inicial, e todos os indivíduos
são enviados ao Aspen Plus para simulá-los e obter dados sobre objetivos e restrições; em
seguida, os indivíduos são classificados em subpopulações, de acordo com o número de
restrições satisfeitas. Os melhores indivíduos são selecionados para serem os novos pais da
segunda geração, e assim por diante; o processo termina quando o número máximo de gerações
é atingido. Para as sequências de destilação analisadas, os objetivos são o número de estágios
(associado aos custos de capital) e o consumo de energia (associado aos custos operacionais)
em cada coluna, que atingem as recuperações e purezas especificadas.
Componente Fluxo de entrada (kmol/h) Fluxo de saída (kmol/h) Fluxo de saída (kg/h)
Triricinoleína 0,0959 0,00062 0,5800
Trioleína 0,0055 0,00003 0,03172
Tristearina 0,0035 0,00002 0,02007
Trilinoleína 0,0015 0,000009 0,008416
tripalmitina 0,0014 0,000009 0,007121
Propano 0,0 0,1071 4,7239
n-pentadecano n- 0,0 0,002031 0,4313
hexadecano n- 0,0 0,002031 0,4598
heptadecano n- 0,0 0,158686 38,1592
octadecano 0,0 0,158686 40,3839
Água 0,0 0,60348 10,8686
Dióxido de carbono 0,0 0,15869 6,9838
18 C. Gutiérrez-Antonio et al.
Estágios de serviço de aquecimento total da Total de estágios de trabalho Total de estágios de trabalho
5. Conclusões
Propomos um modelo para a produção de biojet fuel, baseado no processo desenvolvido pela UOP Honeywell.
Estimamos a proporção de reações e quantidade de catalisador com base em outros trabalhos relatados anteriormente.
Os resultados mostram que o modelo proposto fornece boas estimativas da conversão para hidrocarbonetos, 82%, e
biojet fuel, 22%.
Além disso, propomos a geração de energia no processo, como resultado da modificação das condições da corrente do
reator que alimentará a sequência de destilação.
O método de otimização utilizado mostrou-se útil para a obtenção de sequências de destilação com baixo consumo de
energia e custos de investimento potencialmente baixos.
Agradecimentos
O apoio financeiro fornecido pelo CONACyT (México), através do projeto 84552, para o desenvolvimento deste projeto
é muito apreciado.
Referências
[1] Associação Internacional de Transporte Aéreo, 2009, Uma abordagem global para reduzir as emissões da aviação
crescimento de 2020, 8
– Primeira página, http://www.iata.org/SiteCollectionDocuments/Documents/Global_Approach_Reducing_Emiss
stop: neutralcarbono
ions_251109web.pdf [2] Comissão Europeia, Reduzir as emissões do setor da aviação,
http://ec.europa.eu/clima/policies/transport/aviation/index_en.htm
[3] Chacin, E., 2010, A ICAO e combustíveis alternativos sustentáveis para a aviação, Workshop sobre
Financiamento, Legislação, Logística e Distribuição, Plano de Voo, 21 pp.
[4] Herrera-Vaillard, A. et al., 2010, Combustível de Aviação Sustentável – Visão Global, Encontro de
starter, Plano de Voo, 16 pp.
[5] Tríptico do Plano de Voo para biocombustíveis sustentáveis de aviação no México, Plano
Flight, Boot Meeting, 6 pp.
[6] Bertelli, C., 2010, Bioturbosina, Oficina de Refino e Infraestrutura, Plano de Voo, 16 pp.
[7] Jansen, JP et al., 2002, Produção em larga escala de biocombustíveis através de biomassa (co-) gaseificação e
síntese Fisher-Tropsch, Relatório, TNO Environment, Energy and Process Innovation.
[8] McCall, MJ et al., 2009, Produção de combustível de aviação a partir de matérias-primas renováveis, Patente No.
US 8.039.682 B2.
[9] Gutiérrez-Antonio, C. et al., 2010, Estudo de benchmarking para tecnologias de produção de bioturbosina,
Relatório técnico interno, CIATEQ, AC
[10] Demirbas, A., 2005, Prog. Energ. Combust., 31, 466-487.
[11] Sebos, I. et al., 2009, Fuel, 88, 145-149.
[12] Donnis, B. et al., 2009, Topics on Catalysts, 52, 229-240.
[13] Steijns, M. et al. Eng. Chem. Prod. Corrida. Rev., 20, 654–660.
[14] Gutiérrez-Antonio, C. et al., 2010, Comp. Aided Chem. Eng., 28, 391-396.