Determinação da composição química de biomassas lignocelulósicas por meio da análise térmica

Abstract

A biomassa lignocelulósica representa uma alternativa promissora aos combustíveis fósseis devido à sua natureza renovável, de baixo custo e ampla disponibilidade. Seus principais componentes, como celulose, hemicelulose e lignina, apresentam propriedades distintas que afetam diretamente a eficiência dos processos de conversão, tornando sua quantificação essencial. Metodologias convencionais para determinar a composição da biomassa são demoradas, custosas e geram quantidades significativas de resíduos. A análise termogravimétrica (TGA, thermogravimetric analysis) proporciona uma abordagem mais rápida, produzindo curvas TG (thermogravimetry) e DTG (derivative thermogravimetry) que indicam as proporções relativas de cada componente da biomassa. Nesta tese, modelos matemáticos foram desenvolvidos a partir do processamento das curvas TG/DTG de diferentes biomassas, combinados com regressão por mínimos quadrados parciais (PLS), para prever o conteúdo dos principais constituintes na biomassa bruta. Para expandir o conjunto de dados para a construção do modelo, 15 biomassas sintéticas foram preparadas utilizando componentes isolados de biomassa e padrões comerciais. Os resultados obtidos pelas técnicas de caracterização química e físico-químicas indicaram que os tratamentos químicos empregados foram eficazes para o isolamento dos componentes lignocelulósicos. Os resultados também revelaram sobreajuste nos modelos, com valores de erro de predição excedendo os valores de erro de calibração. Sob atmosfera inerte, os valores do erro de calibração e predição variaram de 0,2 a 4,7% e 3,19 a 9,6%, respectivamente, enquanto sob atmosfera oxidante, variaram de 0,04 a 3,8% e 3,86 a 10,19%, respectivamente. No entanto, ao comparar os valores de referência e previstos, os modelos demonstraram, de modo geral, bom desempenho, com resultados ligeiramente melhores em condições inertes. Considerando a diferença entre os valores medidos e estimados, a média do erro máximo foi de aproximadamente 6,5%. A menor precisão foi observada na previsão da hemicelulose em condições oxidantes, enquanto a melhor previsão foi obtida para a lignina em condições inertes, com erros abaixo de 2,5%. Concluindo, a técnica TGA-PLS representa uma alternativa promissora aos métodos convencionais, apresentando bons resultados em diversos casos avaliados. No entanto, casos de menor acurácia ainda requerem investigação mais aprofundada por meio da aplicação de técnicas complementares.

Lignocellulosic biomass represents a promising alternative to fossil fuels due to its renewable nature, low cost, and wide availability. Its main components, as cellulose, hemicellulose, and lignin, exhibit distinct properties that directly affect the efficiency of conversion processes, making their quantification essential. Conventional methodologies for determining biomass composition are time-consuming, costly, and generate significant amounts of waste. Thermogravimetric analysis (TGA) provides a faster approach, producing TG (thermogravimetry) and DTG (derivative thermogravimetry) curves that indicate the relative proportions of each biomass component. In this thesis, mathematical models were developed from the processing of TG/DTG curves of different biomass samples combined with partial least squares (PLS) regression, to predict the content of the main constituents in raw biomass. To expand the dataset for model calibration and validation, 15 synthetic biomasses were prepared using isolated biomass components and commercial standards. The results obtained by chemical and physicochemical characterization techniques, indicated that the chemical treatments employed were effective for the isolation process. The findings also revealed overfitting in the models, with prediction error values exceeding calibration error values. Under an inert atmosphere, the calibration and prediction error values ranged from 0.2-4.7% and 3.19-9.6%, respectively, while under an oxidizing atmosphere, they ranged from 0.04-3.8% and 3.86-10.19%, respectively. Nevertheless, when comparing reference and predicted values, the models generally demonstrated good performance, with slightly better results under inert conditions. Considering the difference between measured and estimated values, the average of maximum error was approximately 6.5%. The lowest accuracy was observed in predicting hemicellulose under oxidizing conditions, whereas the best prediction was achieved for lignin under inert conditions, with errors below 2.5%. In conclusion, the TGA-PLS technique represents a promising alternative to conventional methods, delivering good results in several cases evaluated. However, cases of lower accuracy still require further investigation through the application of complementary techniques.