Modelagem microcinética para a Síntese de e-Metanol

• Processo: 26/13604-1
• Modalidade de apoio: Bolsas no Exterior - ANP - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 01 de janeiro de 2027
• Data de Término da vigência: 30 de junho de 2027
• Área de conhecimento: Engenharias - Engenharia Química
• Pesquisador responsável: Celmy Maria Bezerra de Menezes Barbosa
• Beneficiário: Hendryo Vinícius do Nascimento Andrade
• Supervisor: Joris Thybaut
• Instituição Sede: Centro de Tecnologia e Geociências (CTG). Universidade Federal de Pernambuco (UFPE). Recife , SP, Brasil
• Instituição Anfitriã: Ghent University (UGent), Bélgica
• Vinculado à bolsa: 25/20292-3 - Produção industrial de e-metanol a partir de hidrogênio verde e co2 em pernambuco: análise técnico-econômica e ambiental do processo baseada em modelagem, simulação e machine learning., BP.ANP.G
• Assunto(s): Catalisadores Redes neurais (computação) Transição energética
• Palavra(s)-Chave do Pesquisador: catalisadores | E-Metanol | Modelo microcinético | Redes Neurais Artificiais | Transição Energética | Outras fontes de energia

Resumo

Este projeto de pesquisa propõe o desenvolvimento de um modelo microcinético rigoroso para a síntese de e-metanol via hidrogenação de CO2 sobre catalisadores de Cu/ZnO/Al2O3 promovidos por ZrO2. Embora modelos macroscópicos, como a abordagem de Langmuir-Hinshelwood-Hougen-Watson (LHHW), forneçam uma base para a simulação de reatores industriais, eles frequentemente falham em capturar a complexidade das reações superficiais elementares e a inibição competitiva por subprodutos, como a água. Este estágio na Universidade de Ghent visa transpor a descrição cinética do sistema para uma estrutura mecanicista fundamental. Ao utilizar conjuntos de dados da literatura de alta precisão e a infraestrutura computacional avançada do Laboratory for Chemical Technology (LCT), o projeto estimará parâmetros cinéticos intrínsecos e identificará as Etapas Determinantes da Velocidade (RDS, do inglês Rate-Determining Steps) por meio de análise de sensibilidade. O objetivo principal é fornecer uma ferramenta preditiva que transcenda as limitações empíricas, permitindo o escalonamento (scale-up) e a otimização mais precisa de unidades em escala industrial. Após o retorno, o modelo será integrado em simulações multiescala de reatores e utilizado para treinar modelos substitutos (Redes Neurais Artificiais), contribuindo diretamente para os objetivos estratégicos do programa PRH-ANP em relação à transição energética e à descarbonização industrial. (AU)