• Entrar
    Ver item 
    •   Página inicial
    • BIBLIOTECA DIGITAL: Trabalhos de Graduação
    • Engenharia de Energia (Palotina)
    • Ver item
    •   Página inicial
    • BIBLIOTECA DIGITAL: Trabalhos de Graduação
    • Engenharia de Energia (Palotina)
    • Ver item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Estudo da variação de umidade na análise da ativação de catalisadores utilizando sensor de baixo custo

    Thumbnail
    Visualizar/Abrir
    R-G-IZADORA COSTA DA SILVA.pdf (2.774Mb)
    Data
    2024
    Autor
    Silva, Izadora Costa da
    Metadata
    Mostrar registro completo
    Resumo
    Resumo : A ativação de catalisadores representa uma etapa significativa nos processos reacionais. Por meio desse método, são gerados sítios ativos que atuam na reação de reforma a seco do biogás para produção de Hidrogênio (H2). A ativação por redução de óxidos metálicos necessita de um gás redutor, geralmente H2, que reduz o óxido metálico a um estado metálico ativo, gerando água como subproduto. Este trabalho teve como objetivo monitorar a variação de umidade no processo de ativação de catalisadores 20%Ni/Si-MCM-41 sob diferentes períodos de ativação, de modo a reduzir o consumo de H2 e, por meio de um processo de coleta de dados, gerar uma base de conhecimentos para técnicas de aprendizagem de máquina. A metodologia aplicada neste estudo envolveu a ativação de catalisadores em três tempos distintos (1 hora, 3 horas e 4 horas), durante os quais foram realizadas coletas de dados utilizando sensores de umidade DHT22 e termopar tipo K. Os dados coletados foram submetidos a um processo de tratamento, análise e interpretação para identificar e compreender o comportamento durante o período reacional. Paralelamente, cada amostra obtida ao término da ativação, foi submetida a uma análise de difratometria de raio X (DRX) para obter as fases cristalinas e o tamanho de cristalitos. Essa caracterização foi essencial para identificação do período ideal de ativação dos catalisadores utilizados na pesquisa. Os resultados mostraram que uma hora de ativação é suficiente para reduzir o óxido de níquel em níquel metálico, demonstrando que é possível reduzir o consumo de H2 nesses processos. Além disso, foi possível acompanhar a variação de umidade com sensor de baixo custo, que, apesar de apresentar baixa precisão, permitiu acompanhar o perfil da reação e identificar padrões úteis para processos de aprendizagem de máquina.
     
    Abstract : The activation of catalysts represents a significant step in reaction processes. Through this method, active sites are generated that act in the dry reforming reaction of biogas to produce Hydrogen (H2). Activation by reduction of metal oxides requires a reducing gas, generally H2, which reduces the metal oxide to an active metallic state, generating water as a byproduct. This work aimed to monitor the humidity variation in the activation process of 20%Ni/Si-MCM-41 catalysts under different activation periods, in order to reduce H2 consumption and, through a data collection process, generate a knowledge base for machine learning techniques. The methodology applied in this study involved the activation of catalysts at three different times (1 hour, 3 hours and 4 hours), during which data were collected using DHT22 humidity sensors and type K thermocouple. process of treatment, analysis and interpretation to identify and understand behavior during the reactional period. At the same time, each sample obtained at the end of activation was subjected to an X-ray diffractometry (XRD) analysis to obtain the crystalline phases and crystallite size. This characterization was essential for identifying the ideal activation period for the catalysts used in the research. The results showed that one hour of activation is enough to reduce nickel oxide into metallic nickel, demonstrating that it is possible to reduce H2 consumption in these processes. Furthermore, it was possible to monitor the humidity variation with a lowcost sensor, which, despite having low precision, allowed monitoring the reaction profile and identifying useful patterns for machine learning processes.
     
    URI
    https://hdl.handle.net/1884/90122
    Collections
    • Engenharia de Energia (Palotina) [34]

    DSpace software copyright © 2002-2022  LYRASIS
    Entre em contato | Deixe sua opinião
    Theme by 
    Atmire NV
     

     

    Navegar

    Todo o repositórioComunidades e ColeçõesPor data do documentoAutoresTítulosAssuntosTipoEsta coleçãoPor data do documentoAutoresTítulosAssuntosTipo

    Minha conta

    EntrarCadastro

    Estatística

    Ver as estatísticas de uso

    DSpace software copyright © 2002-2022  LYRASIS
    Entre em contato | Deixe sua opinião
    Theme by 
    Atmire NV