[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.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:62440 |
| Date | 02 May 2023 |
| Creators | FERNANDA DA SILVA PIMENTEL |
| Contributors | FLORIAN ALAIN YANNICK PRADELLE, FLORIAN ALAIN YANNICK PRADELLE, FLORIAN ALAIN YANNICK PRADELLE |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0031 seconds