Investigação do desempenho de captura de CO2 em carvão ativado e funcionalizado dopado com nitrogênio: uma abordagem de aprendizado de máquina
Carregando...
Data
Autores
Orientador
Morais, Leandro Cardoso de 
Coorientador
Resende, Pedro Miguel Rebelo
Pós-graduação
Ciências Ambientais - ICTS
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O crescente aumento da concentração de dióxido de carbono (CO2) na atmosfera, majoritariamente decorrente de emissões de origem humana, representa uma ameaça significativa à vida na Terra. Nesse contexto, tecnologias de captura e armazenamento de carbono (CCS) têm emergido como soluções promissoras, como a adsorção em biomassas, destacando-se como uma abordagem proeminente. Este trabalho tem por propósito encontrar as condições com maior adsorção de CO2, baseados na temperatura de carbonização (450, 600 e 700°C), taxa de impregnação (1:1, 3:1 e 5:1 reagentes/biomassa) e método de preparo (seco e úmido), fundamentando-se em quatro rotas de preparo em carvão ativado e funcionalizado-N (PCs) de resíduos de biomassa de casca de banana, maracujá e mistura delas. Esse trabalho também tem por objetivo, desenvolver um modelo de aprendizado de máquina simples e aprimorado para prever a captura desse gás de efeito estufa. PCs foram produzidos e ativados quimicamente por K2C2O4.H2O e funcionalizados por
etilenodiamina (EDA). A Captura de CO2 foi estudada por meio da teoria da densidade funcional (DFT). A dopagem por Nitrogênio foi confirmada por espectroscopia de fotoelétrons por raio-X (XPS), o comportamento térmico foi investigado por análise termogravimétrica (TGA), a morfologia de superfície foi realizada por microscopia eletrônica de varredura (MEV) com detector de energia dispersiva de raio-X (EDX), os grupos funcionais de superfície foram identificados por espectroscopia de infravermelho por transformada de Fourier (FTIR), os componentes inorgânicos foram identificados por difração de raio-X (DRX). Quanto ao modelo preditivo, empregou-se a regressão linear múltipla com validação cruzada. Os resultados mostraram que o método de preparo seco e taxa de impregnação de 1:1 foram os que obtiveram
melhores resultados na adsorção de CO2, porém cada amostra apresentou uma temperatura ótima de carbonização: 600°C para banana, 700°C para o maracujá e 450°C para a mistura delas, apresentando uma captura de CO2 de 1,69, 2,2 e 1,11 mmol/g a 0°C e 1 bar. O modelo preditivo demonstrou um aprimoramento da precisão de adsorção de CO2 nas biomassas estudadas, elevando-a de 73% para 89% com a
validação cruzada. Este estudo também almejou estimular futuras investigações na área de captura de CO2, incentivando a adoção de tecnologias como o aprendizado de máquina, em virtude da relevância desse tópico.
Resumo (inglês)
The increasing concentration of carbon dioxide (CO2) in the atmosphere, mostly due to human emissions, represents a significant threat to life on Earth. In this context, carbon capture and storage (CCS) technologies have emerged as promising solutions, with adsorption onto biomass materials standing out as a prominent approach. The purpose of this work is to find the optimum CO2 adsorption conditions, based on carbonization temperature (450, 600 and 700°C), impregnation rate (1:1, 3:1 and 5:1 reagents/biomass) and preparation method (dry and wet), based on four preparation routes in activated and N-functionalized carbon (PCs) from banana peel biomass waste, passion fruit and a mixture of them. This work also aims to develop a simple and improved machine learning model to predict the capture of this greenhouse gas. PCs were produced and chemically activated by K2C2O4.H2O and functionalized with ethylenediamine (EDA). CO2 capture was studied using density functional theory (DFT). Nitrogen doping was confirmed by X-ray photoelectron spectroscopy (XPS), thermal behavior was investigated by thermogravimetric analysis (TGA), surface morphology was performed by scanning electron microscopy (SEM) with energy dispersive X-ray detector (EDX), the surface functional groups were identified by Fourier transform infrared spectroscopy (FTIR), and the inorganic components were identified by X-ray diffraction (XRD). As for the predictive model, multiple linear regression with cross-validation was used. The results showed that the dry preparation method and the 1:1 impregnation ratio were the ones that obtained the best results in CO2 adsorption, but each sample had an optimum carbonization temperature: 600°C for banana, 700°C for passion fruit and 450°C for the mixture of the two, showing a CO2 capture of 1.69, 2.2 and 1.11 mmol/g at 0°C and 1 bar, respectively. The predictive model showed an improvement in the accuracy of CO2 adsorption in the biomasses studied, increasing it from 73% to 89% with cross-validation. This study also aims to stimulate future research in the area of CO2 capture, encouraging the adoption of technologies such as machine learning, given the extreme relevance of this topic.
Descrição
Palavras-chave
Aprendizado do computador, Dióxido de carbono atmosférico, Carbono ativado, Gases - Absorção e adsorção, Machine learning, Atmospheric carbon dioxide, Gases - Absortion and adsortion
Idioma
Português
Citação
PERES, Christiano Bruneli. Investigação do desempenho de captura de CO2 em carvão ativado e funcionalizado dopado com nitrogênio: uma abordagem de aprendizado de máquina. 2025. 87 f. Tese (Doutorado em Ciências Ambientais) – Instituto de Ciência e Tecnologia, Universidade Estadual Paulista, Sorocaba, 2025.
