[pt] Existe uma crise energética devido ao excessivo consumo do petróleo e à contaminação em suas diversas formas. Há enormes reservas de gás natural e a conversão deste gás em combustíveis líquidos a partir do gás de síntese, que vem do gás natural, via metanol, e posterior transformação do metanol em hidrocarbonetos é uma interessante alternativa. Catalisadores híbridos formados por um catalisador de síntese de metanol e um material ácido poroso, geralmente uma zeólita, são empregados para esta síntese direta. Seis famílias de catalisadores híbridos foram sintetizadas onde diversas variáveis foram testadas como: método de preparação do catalisador híbrido, método de preparação do catalisador de síntese de metanol, fase ativa, razão catalisador de síntese de metanol/zeólita, acidez da zeólita e diferente promotor. A zeólita empregada em todos os sistemas foi a H-ferrierita. O método de preparação influenciou nas propriedades estruturais, texturais, morfológicas, ácidas e catalíticas do catalisador híbrido. O melhor método de preparação do catalisador híbrido foi o método de coprecipitação-sedimentação que se mostrou mais ativo em temperaturas acima de 300°C. Observaram-se diferenças morfológicas nas partículas do catalisador de síntese de metanol (CSM) quando diferentes métodos de preparação foram empregados. O cobre, entre as fases ativas, mostrou-se a melhor na síntese direta de hidrocarbonetos a partir do gás de síntese em temperaturas acima de 300°C. A melhor razão catalisador de síntese de metanol/zeólita, nesta síntese direta, foi de 2:1. O cromo no sistema Cu-Zn-Al favoreceu a atividade em 250°C. Baixas razões acidez total/área de Cu(0) e altas temperaturas (350 e 400°C) favoreceram maiores conversões e seletividades em propano e butano, baixas temperaturas (300°C) favoreceram a formação de DME. Altas razões acidez total/área de Cu(0) favoreceram a formação de etano. A distribuição dos produtos na síntese direta de hidrocarbonetos a partir do gás de síntese foi dependente da temperatura de reação. Éter dimetílico apresentou um máximo em 300ºC. A síntese do metanol, parece ser a etapa limitante do processo. / [en] An energy crisis due to the extreme consumption of the oil and to the contamination in its diverse forms exists. There are enormous natural gas reserves and the conversion of this gas in liquid fuels from the synthesis gas, through methanol, and posterior transformation of methanol in hydrocarbons is an interesting alternative. Hybrid catalysts based in methanol synthesis catalyst and an acidic porous material such as zeolites, are used for this direct synthesis. Six groups of hybrid catalyst were prepared and several properties studied such: preparation method of the hybrid catalyst, preparation method of the methanol synthesis catalyst, active site, CuO-ZnO-Al(2)O(3)/H- ferrierite ratio, acidity of the zeolite and different promoter. The zeolite used in all the systems was the ferrierite. The preparation method influenced the structural, textural, morphologic, acid and catalytic properties of the hybrid catalyst. The coprecipitationsedimentation method was more active in temperatures above 300°C. Morphologic differences in particles of the catalyst of methanol synthesis were observed when different preparation methods were used. The copper as active site was the better in the direct synthesis of hydrocarbons from synthesis gas in temperatures above 300°C. The best CuO-ZnO-Al(2)O(3)/H- ferrierite catalyst ratio, in this direct synthesis, was 2:1. The chromium in the Cu-Zn- Al system favored the activity in 250°C. Low acidity/metallic area Cu(0) ratio and high temperatures (350 and 400°C) favored higher activities and selectivities in propane and butane, lower temperatures (300°C) favored the DME formation. High acidity/metallic area Cu(0) ratio favored the formation of ethane. The hydrocarbons distribution was dependent on the reaction temperature. Dimethyl ether showed a maximum at 300°C. The methanol, seens to be the limitant step of the process.

[pt] A síntese direta de dimetil éter (DME) a partir de gás de síntese é catalisada a partir de catalisadores bifuncionais que possuem duas propriedades: uma hidrogenante que catalisa a formação de metanol a partir de gás de síntese e a outra desidratante que se encarrega da formação do dimetil éter a partir do metanol. Catalisadores bifuncionais com componente hidrogenante baseado em Cu, Zn e Al e componente desidratante baseado na zeólita H-ferrierita foram sintetizados, avaliando-se, o método de preparação, a influência do alumínio no componente hidrogenante e a razão componente desidratante versus componente hidrogenante. Dos diferentes métodos de preparação utilizados: precipitação-deposição, coprecipitação-impregnação e coprecipitação-sedimentação foram os dois últimos que apresentaram melhores resultados na conversão de gás de síntese além de apresentar a formação do precursor do catalisador de síntese de metanol. Os catalisadores foram caracterizados por: absorção atômica, análise térmica gravimétrica, adsorção de N2, difração de raios-x, redução com temperatura programada (RTP), dessorção com temperatura programada de amônia (DTPNH3), dessorção com temperatura programada de hidrogênio (DTP-H2) e microscopia eletrônica de transmissão. Verificou-se que o catalisador bifuncional apresenta um entupimento no volume de poros de aproximadamente 50 por cento. Os resultados dos raios-x identificaram a formação das fases auricalcita, hidrozincita, malaquita e rosacita nos catalisadores com componente hidrogenante baseado em Cu e Zn dos catalisadores com componente hidrogenante baseado em Cu, Zn e Al, e razão atômica Cu/Zn/Al:55/30/15, se observou somente a fase hidrotalcita. A inclusão de alumínio no componente hidrogenante favoreceu a formação de partículas de CuO muito pequenas, conforme observado na microscopia eletrônica de transmissão e difração de raios-x. A análise da DTP-H2 mostrou que os catalisadores preparados por coprecipitação-impregnação apresentam áreas de cobre um pouco maiores. A DTP-NH3 identificou a presença de sítios ácidos de Lewis e de Bronsted que ainda permanecem na H-ferrierita após a preparação do catalisador bifuncional. Sítios ácidos de Bronsted diminuem em maior proporção no catalisador bifuncional quando é preparado pelo método de coprecipitação-impregnação. Os testes catalíticos mostraram não existem grandes diferenças entre os catalisadores bifuncionais preparados por ambos os métodos e que o alumínio no componente hidrogenante não melhora a atividade catalítica destes catalisadores na síntese direta de DME. Concluiu-se que a etapa limitante do processo é a hidrogenação e que esta é dominada pelo cobre e que a H-ferrierita é um excelente componente desidratante pela sua elevada acidez. / [en] The direct synthesis of dimethyl ether from syngas is catalyzed by bifunctional catalysts: the hydrogenation function that catalyzes the methanol formation and the dehydration function to produce dimethyl ether from methanol. Bifunctional catalysts with Cu, Zn and Al as hydrogenation component and Hferrierite zeolite as dehydration component had been synthesized. It was evaluated the method of preparation, the influence of aluminum present in the hydrogenation component and dehydration/hydrogenation component ratio. The coprecipitating impregnation and coprecipitating sedimentation methods were used to form the precursor of hydrogenation component. The catalysts had been characterized by atomic absorption, thermal gravimetry analysis, N2 adsorption, xrays diffraction, TPR, ammonia TPD, hydrogen TPD and transmission electronic microscopy. It was verified that the bifunctional catalyst lost 50 percent of its pore volume. The results of x-rays identified the formation of aurichalcite, hydrozincite, malachite and rosacite phases in the catalyst based on Cu and Zn. However, in the catalyst based on Cu, Zn and Al (for an atomic ratio, Cu/Zn/Al:55/30/15) only the hidrotalcite phase was found. It was observed that the aluminum introduction in the hydrogenation component favors the formation of very small particles of CuO as verified in transmission electronic microscopy and x-rays diffraction. The NH3-TPD identified the presence of Lewis and Bronsted acid sites that still remain in the H-ferrierite after the preparation of the bifunctional catalysts. Bronsted acid sites had an importante decrease in the bifunctional catalysts when it is prepared by the method of coprecipitating impregnation. The catalytic tests showed that the catalysts prepared by the coprecipitating sedimentation method, present higher conversions and DME selectivitys than the prepared by coprecipitating impregnation. The presence of Al in the hydrogenation component doesn`t improve the catalytic activity. It can be concluded that the H-ferrierite is an excellent dehydration component for its high acidity and that the methanol synthesis can be limitant in the process of direct synthesis of DME from syngas.

[pt] Na tentativa de reduzir os efeitos das emissões de dióxido de carbono, há uma necessidade por maior utilização de fontes de energia renováveis, tal como energia proveniente de biomassa. Para geração de energia a partir da biomassa, destaca-se o processo de gaseificação, por meio do qual é possível gerar um combustível nobre. Objetivou-se simular no software Matlab (marca registrada) a gaseificação da biomassa usando técnicas de inteligência artificial que são as Redes Neurais Artificiais (RNA). Particularmente, objetivou-se desenvolver modelos abrangentes de RNA com dez variáveis de entrada (carbono, hidrogênio, oxigênio, nitrogênio, material volátil, teor de umidade, cinzas, razão de equivalência, temperatura e razão vapor/biomassa), aplicáveis a uma diversidade de biomassa, com diversos tipos e concentrações de agentes de gaseificação em diferentes tipos de gaseificadores, capazes de predizer a composição do gás de síntese (CO2, CO, CH4 e H2). Para treinamento, teste e validação dos modelos, foram preparados bancos de dados robustos, a partir de informações coletadas em estudos anteriores disponíveis na literatura e do tratamento dos dados obtidos dos artigos. Foram avaliadas 33 topologias das redes neurais para eleger a melhor delas de acordo com quatro critérios referente a robustez do treinamento e do teste. A rede considerada como tendo a melhor topologia possui 10 neurônios na camada de entrada; 2 camadas intermediárias, com funções de ativação logsig e 10 neurônios em cada camada intermediária; função de ativação purelin na camada final; 4 neurônios na camada final; e algoritmo de treinamento trainbr. Tal rede possui um bom desempenho, com valores de R2 de treinamento e de teste maiores que 0,88 e 0,70, respectivamente, para cada uma das quatro saídas. Para avaliação do modelo, uma validação foi executada, cujo desempenho não foi muito adequado, mas foi possível identificar com uma métrica quantitativa simples as regiões mais confiáveis onde há uma maior densidade de dados no treinamento. / [en] In an attempt to reduce the effects of carbon dioxide emissions, there is a need for greater use of renewable energy sources, such as energy from biomass. In order to generate energy from biomass, the gasification process, by means of which it is possible to generate a noble fuel, can be highlighted. This work aimed to simulate the biomass gasification using artificial intelligence techniques, namely Artificial Neural Networks (ANN), using Matlab (trademark) software. Particularly, the objective was the development of ANN models with ten inputs (carbon, hydrogen, oxygen, nitrogen, volatile matter, moisture content, ash, equivalence ratio, temperature and steam/biomass ratio), applicable to a broad variety of biomass, with different types and concentrations of gasification agents in different types of gasifiers, capable of predicting the syngas composition (CO2, CO, CH4 and H2). Robust databases were built for training, testing and validation of the models, based on information collected in previous studies available in the literature and on the treatment of data obtained from the papers. Thirty-three neural network topologies were evaluated in order to choose the best one according to four criteria regarding training and test robustness. The network considered to have the best topology has 10 neurons in the input layer; 2 hidden layers, with logsig activation functions and 10 neurons in each hidden layer; the activation function is purelin in the output layer; 4 neurons in the output layer; and the training algorithm is trainbr. Such network has a good performance, with R2 values greater than 0.88 and 0.70 for training and test, respectively, for each of the four outputs. To evaluate the model, a validation was carried out, whose performance was not very appropriate, but it was possible to identify through a simple quantitative metric the more reliable regions where there is a greater density of training data.