CAPTURA DE CARBONO EM COLUNA DE ABSORÇÃO COM AMÔNIA: OTIMIZAÇÃO BASEADA EM TÉCNICAS DE APRENDIZADO DE MÁQUINA

Resumo

Nos últimos anos, tem havido uma crescente preocupação global com o aquecimento global, suas origens e impactos. A emissão crescente de gases de efeito estufa, como o dióxido de carbono (CO₂), causa alterações graves e muitas vezes irreversíveis no planeta, como acidificação dos oceanos, derretimento das geleiras, aumento do nível do mar, secas e furacões, prejudicando o meio ambiente e o desenvolvimento econômico sustentável. Nessa perspectiva, a captura de carbono visa reduzir a liberação de gases de efeito estufa na atmosfera, mitigando os impactos do aquecimento global. Governos e empresas estão investindo em tecnologias de captura de carbono e incentivando sua implementação por meio de políticas e incentivos financeiros. A técnica de captura por absorção é amplamente usada na indústria química, utilizando solventes específicos ou aminas para reter o CO₂ de correntes de gás residual. Esses solventes são então regenerados para liberar o CO₂, que pode ser armazenado subterraneamente ou usado na fabricação de produtos químicos mais sustentáveis. Este projeto examinará e aprimorará um sistema de captura de CO₂ por absorção em solução de amônia (NH₃), visando maximizar a remoção de carbono de correntes de processo. Esse modelo complexo será integrado à plataforma Aspen Plus, onde simulações identificarão as condições ideais para máxima remoção com mínimo consumo de energia. A simplificação de modelos robustos com técnicas de Machine Learning é eficaz na resolução de problemas de otimização. O projeto pretende criar um aplicativo baseado no modelo do Aspen Plus para realizar simulações e incluir um metamodelo simplificado, facilitando estudos de otimização. O objetivo é otimizar sistemas de captura/sequestro de carbono, contribuindo significativamente para a preservação ambiental e redução das emissões de gases de efeito estufa.