Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais = Modeling and control process of first and second generation ethanol production applying neural networks

Autor(es)

William Eduardo Herrera Agudelo

• Tipo de documento: Tese de Doutorado
• Instituição: Universidade Estadual de Campinas, Faculdade de Engenharia Química
• Data de defesa: 2017

Resumo

O presente trabalho de pesquisa tem como objetivo o desenvolvimento e aplicação de técnicas e ferramentas computacionais, tais como modelos matemáticos, soft-sensors e esquemas de controle preditivo baseado em modelo usando Redes Neurais Artificiais ((neural network model based predictive control ¿ NNMPC), para o processo de produção de etanol, a partir da mistura de hidrolisado com melaço de cana-de-açúcar (1G+2G). Para isso, estudos experimentais de pré-tratamento, hidrólise enzimática e fermentação para cinco sistemas diferentes de produção de etanol foram realizados, definidos principalmente pelo tipo de pré-tratamento e dois níveis de carga de sólidos na hidrólise enzimática. Dados experimentais de concentrações de substrato, etanol e células, bem como medições online (temperatura, vazão de CO2, pH, capacitância), entre outras observações experimentais, foram utilizados para o ajuste e validação dos modelos matemáticos e das ferramentas computacionais geradas. Os modelos cinéticos desenvolvidos podem prever o crescimento celular, o consumo de substrato e a produção de etanol para os diferentes sistemas de fermentação de etanol considerados. Um procedimento avançado de estimativa de parâmetros dependentes da temperatura foi utilizado para garantir a precisão dos modelos propostos. Nesta abordagem, a influência da temperatura sobre o comportamento cinético da fermentação foi explicitamente demonstrada. Posteriormente, os modelos cinéticos foram aplicados na simulação de um processo de fermentação contínua para a produção de etanol. O sistema é um típico processo industrial em larga escala, composto por quatro fermentadores anexados em série e operados com reciclagem celular. Os modelos foram implementados em linguagem de programação Matlab®, e como resultado obteve-se uma planta virtual de produção de etanol 1G+2G para cada sistema estudado. O desempenho da fermentação para os diferentes sistemas foi avaliado. Neste trabalho, foi dado um grande destaque no uso das Redes Neurais Artificias (RNA) no desenvolvimento de soft-sensors para a monitoração online do processo de fermentação de etanol 1G+2G, bem como na obtenção de medições precisas das variáveis de estado do sistema, necessárias para os esquemas propostos de controle preditivo. Os resultados da aplicação dos soft-sensors mostraram que é possível inferir com precisão as concentrações de substrato, etanol e células a partir de informações online facilmente mensuráveis. Uma vantagem adicional desta abordagem consiste no uso de um sistema de sensores com custo relativamente baixo, como termopares, medidor de pH e sonda de capacitância. Com base na simulação dinâmica da planta virtual de produção de etanol 1G+2G, foi aplicado um controle preditivo NNMPC para lidar com as flutuações da concentração de açúcar na matéria-prima. O objetivo do controle é manter a concentração de açúcar da saída do quarto reator no seu set-point, manipulando a vazão de alimentação. Por meio de simulações em malha fechada, foi verificado que os algoritmos de controle não lineares propostos neste trabalho provaram ser eficientes e robustos, pois forneceram bons resultados em problemas de controle dos tipos servo e regulatório (AU)

• Processo FAPESP: 12/24326-0 - Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais
• Beneficiário: William Eduardo Herrera Agudelo
• Linha de fomento: Bolsas no Brasil - Doutorado