Classificação do potencial energético de combustíveis oriundos da bioenergia com o auxílio de aprendizagem de máquina

Abstract

A biomassa é uma fonte de energia renovável que pode ser precursora na produção de combustível e pode ser obtida a partir de matéria orgânica, como plantas e resíduos animais. Ela pode ser utilizada para gerar energia elétrica em usinas termoelétricas ou para aquecimento em caldeiras ou fornos. A vantagem da biomassa como combustível é que pode ser produzida localmente, reduzindo a dependência de combustíveis fósseis importados e ajudando a diminuir as emissões de gases de efeito estufa. Neste contexto, faz-se a análise do potencial energético de biomassas oriundas da bioenergia para obtenção de biocombustíveis, para isso utiliza-se a técnica de Análise Imediata, na qual verifica os seguintes parâmetros: teor de umidade, teor de materiais voláteis, teor de cinzas e teor de carbono fixo. Outro parâmetro utilizado para análise de potencial energético é a obtenção do poder calorífico. Entretanto, verifica-se que, para a situação, demanda-se tempo para analisar e obter dados. Assim, o presente trabalho teve como objetivo desenvolver um método para avaliar e indicar resultados que classificam a biomassa com potencial ou não à combustível. Especificamente,

coletaram-se os resultados obtidos em trabalhos disponibilizados na bibliografia e construiu- se um acervo de dados, nos quais foram submetidos a um algoritmo de Aprendizagem de

Máquina, ferramenta capaz de compreender a situação proposta e obter saídas desejáveis para o problema. Diante disto, escolheu-se o modelo de algoritmo de Regressão Logística e construiu-se três cenários distintos e avaliou-se a sua aplicabilidade quanto a sua fase de treinamento e sua fase de teste, por fim, comparou-se com a teoria adquirida. Desta forma, o cenário A considera três parâmetros para análise: teor de umidade, teor de materiais voláteis e teor de cinzas. Adiante, o cenário B considera os parâmetros de A com a inclusão de mais um parâmetro, o teor de carbono fixo. Por fim, a construção do cenário C considera os mesmos parâmetros do cenário B com a inclusão de mais um parâmetro, o poder calorífico. Em termos de resultado, obteve-se que o cenário C desempenhou vantagem em relação aos cenários A e B, respectivamente. Além disso, nota-se que os resultados obtidos possuem coerência ao compará-los com a bibliografia. Portanto, verifica-se que o algoritmo consegue atender a demanda proposta por ter conseguido classificar corretamente todas as amostras nas fases de treinamento e de teste e poderá ser utilizado para classificar o potencial energético a partir das características informadas sobre os dados.