Monitoramento do processo de síntese de biodiesel por espectroscopia de infravermelho próximo

Abstract

Resumo: Biodiesel é um combustível renovável considerado o principal substituto dos combustíveis fósseis e por apresentar propriedades similares ao diesel de petróleo, é possível utilizá-lo em motores movidos a diesel sem a necessidade de qualquer modificação. A produção industrial de biodiesel é feita principalmente pela reação de transesterificação do triacilglicerol encontrado em óleos vegetais e gorduras animais, com um álcool de cadeia curta na presença de catalisador, produzindo glicerol como coproduto. A reação de transesterificação ocorre em etapas produzindo intermediários que podem permanecer juntamente com reagentes não consumidos no produto final, contaminando o biodiesel. Na maioria dos processos, informações sobre a produção do biodiesel é feita essencialmente por medidas off-line dos teores de éster de amostras retiradas do reator. No entanto, para a finalidade de controle, onde é necessário o monitoramento on-line da conversão do biodiesel, esta não é uma solução satisfatória. Uma técnica alternativa para superar as desvantagens dos métodos off-line usados na quantificação é a espectroscopia de infravermelho, que tem a grande vantagem de ser utilizada como uma técnica de monitoramento em tempo real. Neste trabalho, modelos para monitoramento da reação usando espectroscopia de infravermelho próximo (Near Infrared, NIR) foram desenvolvidos baseados no teor de éster durante a reação de transesterificação entre óleo de soja e etanol. Cromatografia gasosa com detecção de ionização de chama foi empregada como método de referência para quantificação baseada na norma EN 14105. Os espectros NIR foram adquiridos com sonda por transflectância, com caminho óptico de 2,5 mm e 4 cm-1 de resolução. Os modelos foram criados usando regressão por Mínimos Quadrados Parciais (Partial Least Squares, PLS) feita com amostras sintéticas simulando a composição da reação para diferentes razões molares etanol/óleo e conversões. Após isso os modelos foram usados para predizer uma reação de transesterificação catalisada por base, que mostrou a robustez dos modelos para predizer dados externos com erro médio de predição de 3,12% para o melhor modelo.

Abstract: Biodiesel is a renewable fuel considered the main substitute for fossil fuels and due to its properties similar to petroleum diesel, it is possible to use it in diesel powered engines without the need of any modification. The industrial production of biodiesel is mainly made by the transesterification reaction of triacylglycerol found in vegetable oils and animal fats, with a short chain alcohol in the presence of a catalyst, producing glycerol as a co-product. The transesterification reaction occurs in stages producing intermediates that can remain together with not consumed reagents in the final product, contaminating the biodiesel. In most processes, information on the production of biodiesel is essentially done by off-line measurements of the ester content of samples taken from the reactor. However, for the purpose of control, where online monitoring of biodiesel conversion is required, this is not a satisfactory approach. An alternative technique to overcome the disadvantages of the offline methods used in quantification is infrared spectroscopy, which is fast, accurate and has the great advantage of being used as a real-time monitoring technique. In this work models for reaction monitoring using Near Infrared (NIR) spectroscopy were developed based on the ester content during transesterification reaction between soybean oil and ethanol. Gas chromatography with flame ionization detection was employed as reference method for quantification based on EN 14105 standard. NIR spectra were acquired with transflectance probe, 2.5 mm of optical length and 4 cm-1 resolution. The models were created using Partial Least Squares (PLS) regression built with synthetic samples simulating reaction composition for different ethanol to oil molar ratios and conversions. Afterwards the models were used to predict a base catalyzed transesterification reaction, which showed the robustness of the models to predict external data with RMSEP of 3.21% for the best model.