Modelagem matemática para predição da geração de energia elétrica em termoelétrica à biomassa

Carregando...
Imagem de Miniatura

Data

2023-07-28

Orientador

Simões, Rebeca Delatore
Gabriel Filho, Luís Roberto Almeida
Braga Junior, Sérgio Silva

Coorientador

Pós-graduação

Agronegócio e Desenvolvimento - Tupã

Curso de graduação

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Tipo

Dissertação de mestrado

Direito de acesso

Acesso restrito

Resumo

Resumo (português)

O objetivo do presente trabalho é realizar uma boa estimativa para a potência gerada por pequenas termoelétricas que geram eletricidade a partir de resíduos em caldeiras de biomassa. E assim, com somente algumas variáveis do sistema, tal como pressão e temperatura, buscou se utilizar modelos matemáticos baseados em regressões polinomiais e sistemas de inteligência artificial (neuro-fuzzy). A base metodológica é a pesquisa qualitativa e quantitativa. Qualitativa, no que se refere às análises das características categóricas intrínsecas do sistema de cogeração. Foi realizada uma pesquisa bibliográfica sobre os vários tipos de biomassa, como bagaço de cana-de-açúcar, Eucalyptus e guapuruvu, utilizados para geração de energia elétrica, e também uma pesquisa nos dados levantados pela Empresa de Pesquisa Energética (EPE) mostrando o cenário brasileiro sobre demanda e consumo de energia elétrica. O caráter quantitativo se deu posteriormente, onde, foram estudados todos os parâmetros elétricos, e de temperatura e pressão de uma turbina em funcionamento. Após realizada uma análise de correlação entre todos os parâmetros com a potência do sistema, elegeu-se um parâmetro específico de pressão e outro de temperatura que melhor descrevessem o sistema. Sendo assim, foi possível estabelecer funções do tipo f: R²→R, z=f(x,y), a qual regia todo comportamento da potência z frente a pressão x e temperatura y. Tais funções foram geradas a partir de modelos de regressão múltipla (linear e quadrática) e também de um sistema baseado em inteligência artificial neuro-fuzzy. Nisso, foi possível elaborar resultados gráficos tridimensional e bidimensional, que conseguiram demonstrar o ponto ótimo de temperatura e pressão para um melhor rendimento na geração de energia elétrica. Os modelos mostraram-se excelentes, com coeficiente de determinação R² variando entre 0,96 e 0,97. Concluiu-se que é possível prever com grande grau de precisão a potência a ser gerada pelo sistema de cogeração, a partir de informações como pressão e temperatura do sistema. Como era de se esperar, o modelo neuro-fuzzy mostrou-se com menores erros e melhores índices de validação. Todavia, como o modelo de regressão linear múltipla possuiu um valor alto de R², e devido à sua simplicidade de aplicação, a sua utilização também em tais sistemas pode sim ser considerada como uma alternativa simples e eficaz, já que foi possível obter os resultados com grande grau de precisão.

Resumo (inglês)

The objective of this work is to make a good estimate for the power generated by small thermoelectric plants that generate electricity from waste in biomass boilers. And so, with only a few system variables, such as pressure and temperature, mathematical models based on polynomial regressions and artificial intelligence systems (neuro-fuzzy) were used. The methodological basis is qualitative and quantitative research. Qualitative, with regard to the analysis of the intrinsic categorical characteristics of the cogeneration system. A bibliographic research was carried out on the various types of biomass, such as sugarcane bagasse, Eucalyptus and guapuruvu, used for electricity generation, and also a research on the data collected by the Energy Research Company (EPE) showing the Brazilian scenario on electricity demand and consumption. The quantitative character came later, where all electrical parameters, and temperature and pressure of a turbine in operation were studied. After performing a correlation analysis between all the parameters with the power of the system, a specific parameter of pressure and another one of temperature that best described the system was chosen. Thus, it was possible to establish functions of the type f: R²→R, z=f(x,y), which governs the entire behavior of power z against pressure x and temperature y. Such functions were generated from multiple regression models (linear and quadratic) and also from a system based on neuro-fuzzy artificial intelligence. In this, it was possible to elaborate three-dimensional and two-dimensional graphic results, which were able to demonstrate the optimum point of temperature and pressure for a better performance in the generation of electric energy. The models proved to be excellent, with an R² determination coefficient varying between 0.96 and 0.97. It was concluded that it is possible to predict with a high degree of precision the power to be generated by the cogeneration system, based on information such as pressure and temperature of the system. As expected, the neuro-fuzzy model showed lower errors and better validation rates. However, as the multiple linear regression model had a high value of R², and due to its simplicity of application, its use also in such systems can indeed be considered as a simple and effective alternative, since it was possible to obtain the results with great degree of accuracy.

Descrição

Idioma

Português

Como citar

Itens relacionados

Financiadores