Predição da eficiência de geração de vapor em caldeiras de recuperação química.

Abstract

O aumento da geração de energia a partir de fontes renováveis permite a redução das emissões de gases de efeito estufa e o custo de produção. Dentro do contexto das fábricas de celulose Kraft, as caldeiras de recuperação química são os equipamentos responsáveis por realizar simultaneamente o reaproveitamento dos produtos químicos presentes no licor preto, resíduo gerado no cozimento da madeira, e gerar vapor a partir da oxidação da fração orgânica presente nesse licor. O presente trabalho buscou através da aplicação da técnica de redes neurais artificiais correlacionar as variáveis operacionais de uma caldeira de recuperação química e do processo de cozimento, a fim de predizer a geração específica de vapor tv/tss (tonelada de vapor produzido por tonelada de sólidos secos). Após a etapa de tratamento de dados, foi realizada uma modelagem utilizando uma rede neural MLP (MultiLayer Perceptron) com diferentes configurações de variáveis de entrada e números de neurônios. O modelo elaborado usando todas as 126 variáveis levantadas no processo apresentou uma complexidade superior, mas foi capaz de fornecer o menor erro absoluto médio ou mean absolute error (MAE) na predição de 0,0134 tv/tss, sendo a correlação entre o valor real e o valor predito de 95,4%. No modelo mais simples testado, empregando as 39 variáveis que possuíam o maior coeficiente de correlação, foi possível predizer o a geração de vapor com MAE de 0,0240 tv/tss e índice de correlação entre o valor real e o valor predito de 87,4%, que representa um resultado dentro da margem de erro aceitável para o processo estudado.