OTIMIZAÇÃO TERMODINÂMICA E ANÁLISE · PDF fileExergia. 2....
Transcript of OTIMIZAÇÃO TERMODINÂMICA E ANÁLISE · PDF fileExergia. 2....
OTIMIZAÇÃO TERMODINÂMICA E ANÁLISE EXERGÉTICA DE SISTEMAS
TÉRMICOS OPERANDO EM CICLOS SIMPLES E COM COGERAÇÃO UTILIZANDO
O SIMULADOR DE PROCESSOS IPSEPRO INTEGRADO AO MATLAB
Victor Vieira Maudonet
Projeto de Graduação apresentado ao
Departamento de Engenharia Mecânica da
Escola Politécnica, Universidade Federal do Rio
de Janeiro, como parte dos requisitos
necessários à obtenção do título de Engenheiro
Mecânico.
Orientadores: Manuel Ernani de Carvalho Cruz
Leonardo dos Santos Reis Vieira
Rio de Janeiro
Setembro de 2017
Victor Vieira Maudonet
PROJETO FINAL SUBMETIDO AO CORPO DOCENTE DO DEPARTAMENTO DE
ENGENHARIA MECÂNICA DA ESCOLA POLITÉCNICA DA UNIVERSIDADE
FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS
PARA A OBTENÇÃO DO GRAU DE ENGENHEIRO MECÂNICO.
Examinado por:
______________________________________________________
Prof. Manuel Ernani de Carvalho Cruz, Ph.D.
______________________________________________________
Dr. Leonardo dos Santos Reis Vieira, D.Sc.
______________________________________________________
Prof. Albino José Kalab Leiróz, Ph.D.
______________________________________________________
Prof. Marcelo José Colaço, D.Sc.
RIO DE JANEIRO, RJ - BRASIL
SETEMBRO DE 2017
iii
Maudonet, Victor Vieira
Otimização Termodinâmica e Análise Exergética de
Sistemas Térmicos Operando em Ciclo Simples e com
Cogeração Utilizando o Simulador de Processos IPSEpro
Integrado ao MatLab/ Victor Vieira Maudonet. – Rio de
Janeiro: UFRJ/Escola Politécnica, 2017.
XV, 107 p.: il.; 29,7 cm.
Orientadores: Manuel Ernani de Carvalho Cruz
Leonardo dos Santos Reis Vieira
Projeto de Graduação – UFRJ/ Escola Politécnica/
Departamento de Engenharia Mecânica, 2017.
Referências Bibliográficas: p. 105-107.
1. Exergia. 2. Cogeração. 3. Otimização Exergética.
4. Simulador IPSEpro. 5. Algoritmos Genéticos. I. Cruz,
Manuel Ernani de Carvalho et al. II. Universidade Federal
do Rio de Janeiro, Escola Politécina, Departamento de
Engenharia Mecânica. III. Título.
iv
À Luciana, meu pai, minha mãe e meu filho que está a caminho.
v
AGRADECIMENTOS
Ao professor e orientador, Manuel Ernani de Carvalho Cruz, pela oportunidade,
pelo respeito, atenção, paciência e dedicação como orientador desde o início da
iniciação científica até a conclusão deste trabalho.
Ao pesquisador e co-orientador, Leonardo dos Santos Reis Vieira, pela
inigualável paciência, por se mostrar disponível em todos os momentos que precisei,
pelo respeito, pela atenção, dedicação, pelas risadas e, sobretudo, por sempre me
mostrar o caminho certo nos momentos de dificuldade.
Aos amigos e pesquisadores do Centro de Pesquisas de Energia Elétrica –
Cepel, Dr. Bruno Reis Cardoso e Fernanda Figueiredo Martins por todos os
ensinamentos que direta e indiretamente contribuíram inestimavelmente para minha
formação profissional de engenheiro durante nossa convivência.
Ao pesquisador do Centro de Pesquisas de Energia Elétrica - Cepel, Dr. Carlos
Frederico Trotta Matt, por me mostrar de fato o que é engenharia mecânica ao longo
dos trabalhos desenvolvidos no Cepel.
À pesquisadora Heloisa Cunha Furtado por toda colaboração e ajuda que
foram fundamentais para a conclusão deste trabalho.
Ao meu pai por ser a minha maior referência na vida, pelo apoio em tudo o que
faço, pelo amor, pela amizade e principalmente por me mostrar que a determinação é
soberana ao talento e à genialidade.
Aos meus amigos pela presença, pelo companheirismo, por compartilharem do
mesmo sentimento e por tornar a vida melhor de se viver.
À Luciana, pela compreensão, pelo apoio, pela amizade, pelo carinho e por
todo o amor dedicado.
vi
Resumo do Projeto de Graduação apresentado à Escola Politécnica/UFRJ como parte
dos requisitos necessários para a obtenção do grau de Engenheiro Mecânico.
OTIMIZAÇÃO TERMODINÂMICA E ANÁLISE EXERGÉTICA DE SISTEMAS
TÉRMICOS OPERANDO EM CICLOS SIMPLES E COM COGERAÇÃO UTILIZANDO
O SIMULADOR DE PROCESSOS IPSEPRO INTEGRADO AO MATLAB
Victor Vieira Maudonet
Setembro/2017
Orientadores: Manuel Ernani de Carvalho Cruz
Leonardo dos Santos Reis Vieira
Departamento: Engenharia Mecânica
Nas últimas décadas, o homem tem mudado a maneira como se relaciona com
diversas formas de energia presentes no planeta. Na área da engenharia, isso se refletiu
através do desenvolvimento de projetos que utilizam os recursos energéticos de modo
mais eficiente. Projetos que envolvem a otimização termodinâmica, as análises
exergéticas e os sistemas de cogeração de energia, são alternativas utilizadas para
garantir uma maior eficiência na utilização dos recursos energéticos. Mais recentemente,
técnicas de otimização aliadas a análises exergéticas têm sido utilizadas com o intuito de
promover de forma mais fácil e evidente uma maior racionalidade em busca de
eficientização energética. Neste trabalho, uma planta de ciclo combinado com cogeração e
seus subsistemas foram otimizados separadamente, com base em critérios energéticos e
exergéticos. Os subsistemas considerados correspondem respectivamente ao ciclo de
turbina a gás e ao ciclo de turbina a vapor com cogeração que compõem o ciclo
combinado com cogeração. A análise exergética destes subsistemas e da planta como um
todo, permitiu o cálculo da destruição de exergia em cada equipamento, bem como da
destruição de exergia global. Para simulação dos ciclos, utilizou-se o simulador de
processos IPSEpro, as análises energéticas e exergéticas foram realizadas com o código
computacional do MatLab de forma integrada com o IPSEpro e, para as otimizações foi
utilizada a ferramenta disponível no IPSE, baseada em Algoritmos Genéticos.
vii
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of
the requirements for the degree of Mechanical Engineering.
TERMODYNAMIC OPTIMIZATION AND EXERGETIC ANALYSIS OF THERMAL
SYSTEMS OPERATING IN SIMPLE CYCLES AND WITH COGERATION USING THE
IPSEPRO PROCESS SIMULATOR INTEGRATED TO MATLAB
Victor Vieira Maudonet
Setembro/2017
Advisors: Manuel Ernani de Carvalho Cruz
Leonardo dos Santos Reis Vieira
Department: Mechanical Engineering
In the last decades, man has changed the way he relates to various forms of
energy present on the planet. In engineering, this was reflected by the development of
projects that use energy resources more efficiently. Projects involving thermodynamic
optimization, exergetic analysis and energy cogeneration systems are alternatives
used to ensure a more efficient use of energy resources. More recently, optimization
techniques combined with exergetic analyzes have been used in order to more easily
and clearly promote a greater rationality in search of energy efficiency. In this work, a
combined cycle plant with cogeneration and its subsystems were optimized separately,
based on energy and exergetic criteria. The subsystems considered correspond
respectively to the gas turbine scythe and the steam turbine cycle with cogeneration
that make up the combined cycle with cogeneration. The exergetic analysis of these
subsystems and the plant as a whole allowed the calculation of the destruction of
exergy in each equipment, as well as the destruction of global exergy. In order to
simulate the cycles, the IPSEpro process simulator was used, the energy and exergetic
analyzes were performed with the MatLab computational code in an integrated way
with the IPSEpro and for the optimizations the tool was available in IPSE, based on
Genetic Algorithms .
viii
“A scientific truth does not
triumph by convincing its
opponents and making them see
the light, but rather because its
opponents eventually die and a
new generation grows up that is
familiar with it.”
- Max Planck
«Nous pouvons établir comme
thèse générale, que la puissance
motrice existe invariablement dans
la nature, ce qu'il n'est jamais, à
proprement parler, ni produit ni
détruit. En fait, il change de
forme, c'est-à-dire qu'il produit
parfois une sorte de mouvement
autre fois un genre différent, mais
il n'est jamais détruit. Ce principe
est dedui par soit-même, disons,
de la théorie Mécanique.»
-Nicolas Carnot
ix
ÍNDICE
CAPÍTULO 1 - INTRODUÇÃO ..................................................................................... 1
1.1. MOTIVAÇÃO ......................................................................................................... 3
1.2. OBJETIVOS .......................................................................................................... 3
CAPÍTULO 2 - EXERGIA ............................................................................................. 4
2.1. BREVE HISTÓRICO .............................................................................................. 4
2.2. EXERGIA E A SEGUNDA LEI DA TERMODINÂMICA ......................................... 7
2.3. AS MODALIDADES DE EXERGIA........................................................................ 8
2.4. O USO INCONSCIENTE DA EXERGIA ................................................................ 9
2.5. QUALIDADE DA ENERGIA? .............................................................................. 10
2.6. EXERGIA COMO FERRAMENTA DE ANÁLISE DE SISTEMAS TÉRMICOS .... 10
2.7. UMA NOVA PERSPECTIVA ............................................................................... 11
CAPÍTULO 3 - COGERAÇÃO .................................................................................... 12
3.1. BREVE HISTÓRICO ............................................................................................ 12
3.2. FUNDAMENTOS BÁSICOS ................................................................................ 16
3.3. CLASSIFICAÇÃO DOS SISTEMAS DE COGERAÇÃO ...................................... 18
3.4. TECNOLOGIAS DE COGERAÇÃO .................................................................... 21
3.4.1. Turbina a Vapor ........................................................................................... 21
3.4.2. Turbina a Gás .............................................................................................. 22
3.4.3. Ciclo Combinado ......................................................................................... 24
CAPÍTULO 4 - OTIMIZAÇÃO ..................................................................................... 25
4.1. BREVE HISTÓRICO ............................................................................................ 25
4.2. OTIMIZAÇÃO EM TERMODINÂMICA ................................................................ 29
4.3. CONCEITOS BÁSICOS ...................................................................................... 30
4.3.1. Conceituação Formal .................................................................................. 30
4.4. CLASSIFICAÇÃO DOS MÉTODOS DE OTIMIZAÇÃO ....................................... 31
4.4.1. Métodos Determinísticos ............................................................................ 32
4.4.2. Métodos de Busca Direta ............................................................................ 32
4.4.3. Métodos Estocásticos ................................................................................. 33
CAPÍTULO 5 – O SIMULADOR DE PROCESSOS .................................................... 34
5.1. O SIMULADOR ................................................................................................... 34
5.1.1. Process Simulation Environment ............................................................... 34
x
5.1.2. Model Development Kit ............................................................................... 36
5.1.3. Process Optimizer ....................................................................................... 36
5.2. MODELO DOS EQUIPAMENTOS ....................................................................... 39
5.3. MODELO MATEMÁTICO .................................................................................... 50
5.4. MÉTODO DE SOLUÇÃO .................................................................................... 53
CAPÍTULO 6 – SISTEMAS ENERGÉTICOS ESTUDADOS ....................................... 58
6.1. CICLO BRAYTON ............................................................................................... 58
6.2. CICLO RANKINE COM COGERAÇÃO ............................................................... 59
6.3. CICLO COMBINADO COM COGERAÇÃO ......................................................... 61
CAPÍTULO 7 – METODOLOGIA ................................................................................ 64
7.1. INTEGRAÇÃO COM O MATLAB ........................................................................ 64
7.1.1. A INTEGRAÇÃO .............................................................................................. 64
7.1.2. O BALANÇO DE EXERGIA E A EXERGIA DESTRUÍDA ................................ 64
7.1.3. O CÁLCULO DOS RENDIMENTOS EXERGÉTICOS E ENERGÉTICOS DOS
EQUIPAMENTOS ....................................................................................................... 73
7.2. OTIMIZAÇÃO ...................................................................................................... 75
7.2.1. OTIMIZAÇÃO ENERGÉTICA ........................................................................... 76
7.2.2. OTIMIZAÇÃO EXERGÉTICA ........................................................................... 78
7.2.3. VARIÁVEIS DE DECISÃO ................................................................................ 79
7.2.4. SELEÇÃO DOS PARÂMETROS DO ALGORITMO GENÉTICO...................... 81
7.2.5. RESTRIÇÕES DO MODELO ............................................................................ 82
CAPÍTULO 8 – RESULTADOS .................................................................................. 83
8.1. OTIMIZAÇÃO ENERGÉTICA .............................................................................. 83
8.1.1. CICLO BRAYTON ............................................................................................ 83
8.1.2. CICLO RANKINE COM COGERAÇÃO ............................................................ 84
8.1.3. CICLO COMBINADO COM COGERAÇÃO ...................................................... 86
8.2. OTIMIZAÇÃO EXERGÉTICA .............................................................................. 89
8.2.1. CICLO BRAYTON ............................................................................................ 89
8.2.2. CICLO RANKINE COM COGERAÇÃO ............................................................ 90
8.2.3. CICLO COMBINADO COM COGERAÇÃO ...................................................... 92
8.3. COMPARAÇÃO DOS RESULTADOS DAS OTIMIZAÇÕES ENERGÉTICA E
EXERGÉTICA ............................................................................................................ 94
CAPÍTULO 9 – CONCLUSÕES ............................................................................... 104
REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 107
xi
ÍNDICE DE FIGURAS
Figura 3.1. Sistema rudimentar de cogeração [13]. ..................................................... 13
Figura 3.3. Esquema de produção simultânea de energias térmica e eletromecânica,
caso 1 [16]. ................................................................................................................. 16
Figura 3.4. Esquema de produção independente de energias térmica e
eletromecânica, caso 1 [16]. ....................................................................................... 17
Figura 3.5. Esquema de produção independente de energias térmica e
eletromecânica, caso 2 [16]. ....................................................................................... 17
Figura 3.6. Esquema de produção simultânea de energias térmica e eletromecânica,
caso 2 [16]. ................................................................................................................. 18
Figura 3.7. Sistema de cogeração do tipo topping [4]. ................................................ 19
Figura 3.8. Sistema de cogeração do tipo bottoming [4]. ............................................ 19
Figura 3.9. Faixas típicas de temperatura para os sistemas topping e bottoming [16]. 20
Figura 3.10. Influência da temperatura do ar ambiente sobre o rendimento a potência
de turbinas a gás [16]. ................................................................................................ 23
Figura 5.1. Ambiente de simulação do IPSEpro. ......................................................... 35
Figura 5.2. Fluxograma de parâmetros e variáveis de um componente típico. ............ 35
Figura 5.3. Fluxograma de otimização disponibilizado pelo PSOptimize. .................... 37
Figura 5.4. Simbologia do componente “Optimization”. ............................................... 39
Figura 5.5. Simbologia dos equipamentos usada pelo IPSEpro. ................................. 40
Figura 5.6. Fluxograma da turbina. ............................................................................. 41
Figura 5.7. Fluxograma do gerador. ............................................................................ 41
Figura 5.8. Fluxograma do condensador. .................................................................... 42
Figura 5.9. Fluxograma da bomba. ............................................................................. 42
Figura 5.10. Fluxograma da turbina a gás. .................................................................. 43
Figura 5.11. Fluxograma da válvula. ........................................................................... 44
Figura 5.12. Fluxograma do separador. ...................................................................... 44
Figura 5.13. Fluxograma do motor. ............................................................................. 44
xii
Figura 5.14. Fluxograma do desaerador. .................................................................... 45
Figura 5.15. Fluxograma do tambor. ........................................................................... 45
Figura 5.16. Fluxograma do superaquecedor. ............................................................ 46
Figura 5.17. Fluxograma do trocador de calor do evaporador. .................................... 46
Figura 5.18. Fluxograma do pré-aquecedor. ............................................................... 47
Figura 5.19. Fluxograma do sumidouro de calor. ........................................................ 47
Figura 5.20. Fluxograma do vertedouro. ..................................................................... 48
Figura 5.21. Fluxograma do sumidouro....................................................................... 48
Figura 5.22. Fluxograma do vertedouro ambiente. ...................................................... 49
Figura 5.23. Fluxograma do sumidouro ambiente. ...................................................... 49
Figura 5.24. Fluxograma da caldeira. .......................................................................... 50
Figura 5.25. Fluxograma do otimizador. ...................................................................... 50
Figura 5.26. Janela de opções para as formulações das propriedades termodinâmicas
da água....................................................................................................................... 51
Figura 5.27. Limites de temperatura e pressão da água na formulação IAPWS_IF97
[25]. ............................................................................................................................ 51
Figura 5.28. Tabela de componentes químicos cobertos pela base de dados de
propriedades físicas do IPSEpro e suas respectivas faixas de temperatura e pressão
[25]. ............................................................................................................................ 52
Figura 5.29. Método de Newton-Raphson não-amortecido [20]. ................................. 55
Figura 5.30. Método de Newton-Raphson amortecido [20]. ........................................ 55
Figura 6.1. Diagrama esquemático do ciclo Brayton implementado no simulador de
processos. .................................................................................................................. 58
Figura 6.2. Diagrama esquemático do ciclo Rankine com cogeração implementado no
simulador de processos. ............................................................................................. 60
Figura 6.3. Diagrama esquemático do ciclo combinado implementado no simulador de
processos. .................................................................................................................. 62
Figura 7.1. Esquema de um componente em um sistema térmico. Todos os fluxos são
fluxos exergéticos [30]. ............................................................................................... 65
xiii
Figura 7.2. Esquema de um componente em um sistema térmico. Todos os fluxos são
fluxos exergéticos [30]. ............................................................................................... 66
Figura 7.3. Valores default para os parâmetros do algoritmo genético fornecidos pelo
IPSEpro. ..................................................................................................................... 81
xiv
ÍNDICE DE TABELAS
Tabela 3.1. Processos térmicos típicos e suas respectivas faixas de temperatura
[4].2121
Tabela 6.1. Condições termodinâmicas do modelo analisado. .................................... 59
Tabela 6.2. Composição química do combustível modelado. ...................................... 59
Tabela 6.3. Poder calorífico inferior do combustível. ................................................... 59
Tabela 6.4. Condições termodinâmicas do ciclo Rankine com cogeração. ................. 61
Tabela 6.5. Condições termodinâmicas do ciclo combinado com cogeração. ............. 63
Tabela 7.1. Combustíveis e produtos para o esquema da Figura 7.1 [30]............ .......66
Tabela 7.2. Matriz de combustível para o ciclo Brayton. ............................................. 67
Tabela 7.3. Matriz de combustível para o ciclo Rankine com cogeração. ................... 68
Tabela 7.4. Matriz de combustível para o ciclo combinado com cogeração. ............... 69
Tabela 7.5. Matriz de produto para o ciclo Brayton. .................................................... 70
Tabela 7.6. Matriz de produto para o ciclo Rankine com cogeração. .......................... 71
Tabela 7.7. Matriz de produto para o ciclo combinado com cogeração. ...................... 72
Tabela 7.8. Rendimentos exergéticos implementados no código MATLAB. ................ 74
Tabela 7.9. Rendimentos energéticos implementados no código MATLAB. ............... 75
Tabela 7. 10. Variáveis de decisão, intervalo admissível e ponto inicial adotados para o
ciclo Brayton. .............................................................................................................. 80
Tabela 7.11. Variáveis de decisão, intervalo admissível e ponto inicial adotados para o
ciclo Rankine com cogeração. .................................................................................... 80
Tabela 7.12. Variáveis de decisão, intervalo admissível e ponto inicial adotados para o
ciclo combinado com cogeração. ................................................................................ 80
Tabela 7.13. Conjuntos de parâmetros do algoritmo genético selecionados. .............. 81
Tabela 8.1. Resultados da função objetivo para os diferentes conjuntos de parâmetros
investigados para a vertente de otimização energética................................................83
Tabela 8.2. Resultado dos parâmetros de desempenho do ciclo Brayton para a
vertente de otimização energética. ............................................................................. 84
xv
Tabela 8.3. Análise dos equipamentos do ciclo Brayton para a vertente de otimização
energética. .................................................................................................................. 84
Tabela 8.4. Resultados da função objetivo para os diferentes conjuntos de parâmetros
investigados para a vertente de otimização energética. .............................................. 85
Tabela 8.5. Resultado dos parâmetros de desempenho do ciclo Rankine com
cogeração para a vertente de otimização energética. ................................................. 85
Tabela 8.6. Análise dos equipamentos do ciclo Rankine com cogeração para a
vertente de otimização energética. ............................................................................. 86
Tabela 8.7. Resultados da função objetivo para os diferentes conjuntos de parâmetros
investigados para a vertente de otimização energética. .............................................. 87
Tabela 8.8. Resultado dos parâmetros de desempenho do ciclo combinado para a
vertente de otimização energética. ............................................................................. 87
Tabela 8.9. Análise dos equipamentos do ciclo combinado para a vertente de
otimização energética. ................................................................................................ 88
Tabela 8.10. Resultados da função objetivo para os diferentes conjuntos de
parâmetros investigados para a vertente de otimização exergética. ........................... 89
Tabela 8.11. Resultado dos parâmetros de desempenho do ciclo Brayton para a
vertente de otimização exergética. .............................................................................. 89
Tabela 8.12. Análise dos equipamentos do ciclo Brayton para a vertente de otimização
exergética. .................................................................................................................. 90
Tabela 8.13. Resultados da função objetivo para os diferentes conjuntos de
parâmetros investigados para a vertente de otimização exergética. ........................... 90
Tabela 8.14. Resultado dos parâmetros de desempenho do ciclo Rankine com
cogeração para a vertente de otimização exergética. ................................................. 91
Tabela 8.15. Análise dos equipamentos do ciclo Rankine com cogeração para a
vertente de otimização exergética. .............................................................................. 91
Tabela 8.16. Resultados da função objetivo para os diferentes conjuntos de
parâmetros investigados para a vertente de otimização exergética. ........................... 92
Tabela 8.17. Resultado dos parâmetros de desempenho do ciclo combinado para a
vertente de otimização exergética. .............................................................................. 93
Tabela 8.18. Análise dos equipamentos do ciclo combinado para a vertente de
otimização exergética. ................................................................................................ 94
xvi
Tabela 8.19. Comparação entre os resultados das variáveis de decisão para o ciclo
Brayton. ...................................................................................................................... 94
Tabela 8.20. Comparação entre os resultados dos parâmetros de desempenho ........ 95
Tabela 8.21. Comparação entre os resultados de destruição de exergia por
equipamento do ciclo Brayton. .................................................................................... 95
Tabela 8.22. Comparação entre os resultados dos rendimentos exergéticos por
equipamento do ciclo Brayton. .................................................................................... 96
Tabela 8.23. Comparação entre os resultados das variáveis de decisão para o ciclo
Rankine com cogeração. ............................................................................................ 96
Tabela 8.24. Comparação entre os resultados dos parâmetros de desempenho do
ciclo Rankine com cogeração. .................................................................................... 97
Tabela 8.25. Comparação entre os resultados de destruição de exergia por
equipamento do ciclo Rankine com cogeração. .......................................................... 97
Tabela 8.26. Comparação entre os resultados dos rendimentos exergéticos por
equipamento do ciclo Rankine com cogeração. .......................................................... 98
Tabela 8.27. Comparação entre os resultados das variáveis de decisão para o ciclo
combinado. ................................................................................................................. 99
Tabela 8.28. Comparação entre os resultados dos parâmetros de desempenho do
ciclo combinado. ....................................................................................................... 100
Tabela 8.29. Comparação entre os resultados de destruição de exergia por
equipamento do ciclo combinado. ............................................................................. 101
Tabela 8.30. Comparação entre os resultados dos rendimentos exergéticos por
equipamento do ciclo Rankine com cogeração. ........................................................ 102
Tabela 8.31. Média da diferença percentual das variáveis de decisão selecionadas
para cada ciclo nos casos de otimização energética e exergética. ........................... 103
1
CAPÍTULO 1 - INTRODUÇÃO
Notadamente, nos últimos anos, a humanidade passou a encarar a energia de
um modo diferente, caiu-se o ideal de abundância energética trazido pela era de ouro
do capitalismo no pós segunda guerra mundial, dando lugar a uma crescente
preocupação com o uso eficiente dos recursos energéticos e uma forte consciência
ambiental [1].
Após a crise do petróleo na década de 70, o mundo se viu diante de uma
possível ameaça de escassez energética evidenciando a instabilidade política que
envolve o fornecimento mundial de petróleo. A partir disso, a comunidade científica
concentrou esforços na busca por fontes alternativas de energia, e no apelo pela
utilização eficiente dos recursos naturais disponíveis no planeta [2]. O surgimento
desse movimento desencadeou novos ideais, que mudaram a maneira como o homem
pensa e se relaciona com a natureza até os dias de hoje.
Nesse contexto, inserem-se os sistemas de cogeração de energia,
responsáveis por propiciar um potencial de maior eficiência na utilização dos recursos
energéticos, baseado no conceito de geração de energia eletromecânica e energia
térmica simultaneamente a partir de uma única fonte energética [3].
Os benefícios do uso eficiente da energia vão além de um aumento de
performance, há também a diminuição dos impactos ambientais, devido a menor
produção de resíduos industriais.
A participação da cogeração vem ganhando destaque na matriz energética de
muitos países, principalmente no norte europeu, berço dos sistemas de cogeração.
Esses países, devido às baixas temperaturas registradas e ao avançado estágio de
industrialização, ofereceram as condições necessárias para o surgimento da
cogeração, no qual calor rejeitado oriundo de processos industriais eram utilizados
para aquecimento residencial [4].
Entretanto, devido ao alto porte de investimentos requeridos pela implantação
de uma planta de cogeração e à complexidade técnica acoplada a essa tecnologia,
essa alternativa ainda é pouco explorada frente às tecnologias convencionais. Isso
ocorre, pois o mercado pauta suas decisões em aspectos econômicos, logo muitos
empresários ainda optam em implantar uma tecnologia menos eficiente
energeticamente, porém que garantam um retorno de investimento a um prazo mais
curto [4].
Também nesse cenário descrito anteriormente, insere-se a difusão do conceito
de exergia, que, apesar de ser um conceito antigo, o qual teve seu cerne nos trabalhos
2
de Carnot e Gibbs, somente foi formalizado na década de 70. Isso ocorreu devido aos
movimentos de apelo por um uso consciente dos recursos energéticos que iniciou-se à
época, e após uma série de trabalhos científicos revisando e criticando a definição de
eficiência térmica de um processo baseado apenas na primeira lei da termodinâmica
entre os anos 50 e 60. As críticas evidenciaram a necessidade de se utilizar um
parâmetro de performance respaldado pela segunda lei da termodinâmica [5].
Na prática, o que de fato é consumido em grande escala, e, portanto, tem valor
comercial para a sociedade é principalmente o movimento, isto é, energia cinética.
Nesse sentido, o conceito de exergia tem se revelado mais apropriado do que a
energia do ponto de vista prático e econômico, pois o objeto de interesse é explicitado,
já que exergia é definida como sendo o máximo trabalho útil obtido a partir de um
processo reversível que leve um sistema de seu estado inicial ao estado de equilíbrio
com o ambiente.
A utilização do conceito de exergia nos trabalhos científicos e projetos de
engenharia está em ascensão no mundo. Na Alemanha e nos Estados Unidos, países
que mais trabalharam na aplicação do conceito, foram publicados cerca de 50 artigos
sobre exergia até o ano de 1970. Nos anos 2000, esse número ultrapassou os 500.
Além disso, todas as principais revistas de energia atuais passaram a publicar alguns
artigos relacionados ao conceito de exergia. Em 2001, foi criado o International Journal
of Exergy, que conta com um número expressivo de assinantes e autores.
Acompanhando esse movimento, os mais respeitados livros de Termodinâmica
passaram a dedicar pelo menos um capítulo inteiro ao assunto [5].
Apesar dessa notável permeabilização do conceito na comunidade científica no
mundo todo, a exergia ainda é encarada com estranheza por muitos pesquisadores e
profissionais da indústria. Isso decorre de uma certa confusão criado por muitos
estudantes de engenharia acerca da entropia, causada por uma educação muito
baseada em energia. A exergia promove uma perspectiva mais clara e intuitiva da
segunda lei da termodinâmica e da entropia, tornando esses conceitos mais fáceis de
serem aplicados na prática por estudantes e profissionais de engenharia [6].
Dessa forma, observa-se na prática um interesse cada vez maior em aliar
ferramentas de otimização à termodinâmica e em desenvolver métodos de análise de
sistemas energéticos mais efetivos, ou seja, pautados em conceitos mais práticos
como exergia e custo, com o objetivo de serem aplicados no desenvolvimento de
novos projetos de engenharia e na avaliação da operação de projetos existentes, de
modo a atingir níveis cada vez maiores de eficiências globais, e níveis cada vez
menores de custo de energia [4].
3
1.1. MOTIVAÇÃO
Considerando-se as vantagens promovidas por uma educação baseada na
exergia e considerando-se ainda as dificuldades enfrentadas no desenvolvimento e
implantação de sistemas de cogeração. Este trabalho motiva-se a realizar um estudo
sobre os conceitos e as perspectivas da exergia e aplicar esse conceito na análise de
sistemas térmicos cogeradores.
1.2. OBJETIVOS
O presente trabalho objetiva a realização de um estudo de caso de otimização
e de análise exergética aplicado a três sistemas térmicos: um sistema baseado no
ciclo Brayton, outro baseado no ciclo Rankine com cogeração e o terceiro sendo o
ciclo combinado com cogeração. Para isso, foram utilizados de forma integrada, o
software IPSEpro, um simulador de processos, e o MatLab. Serão abordadas duas
vertentes de otimização para as mesmas condições termodinâmicas e mesmos
insumos energéticos. A primeira vertente otimiza os sistemas sob ponto de vista
energético, isto é, utiliza como função objetivo o rendimento energético global. Já a
segunda vertente, otimiza os mesmos sistemas sob o ponto de vista exergético, ou
seja, utiliza o rendimento exergético global como função objetivo. Para realizar a
otimização em base exergética, foi necessário o desenvolvimento de uma nova
biblioteca do IPSEpro denominada ExergyOptimization que permitisse o cálculo das
exergias dos fluxos presentes no sistema em conjunto com o módulo de otimização
PSOptimize, um dos módulos constituintes do software, que utiliza algoritmos
genéticos integrados ao ambiente de simulação para encontrar as melhores soluções.
Por sua vez, para realizar as análises exergéticas, foi utilizado o MatLab para
desenvolver códigos que extraíssem os valores dos parâmetros diretamente do
ambiente de simulação e realizassem o cálculo das exergias destruídas, bem como os
rendimentos energéticos e exergéticos de todos os sistemas.
4
CAPÍTULO 2 - EXERGIA
Entende-se por exergia, ou ainda, disponibilidade de um sistema em um estado
termodinâmico definido como sendo o trabalho útil teórico máximo que pode ser obtido
quando o sistema interage de forma reversível com o ambiente desde o estado inicial
especificado até o equilíbrio termodinâmico mútuo. Portanto, a exergia é uma medida
quantitativa do desvio do estado do sistema em relação ao estado do ambiente [7].
O rendimento de primeira lei de uma máquina térmica de Carnot é o máximo
rendimento que uma máquina térmica pode alcançar dadas as temperaturas da fonte
quente e da fonte fria, entretanto esse rendimento nunca é de 100%, independente
dos valores de temperatura.
Nota-se, portanto, que a perfeição termodinâmica, representado pela máquina
de Carnot, não é capaz de converter calor integralmente em trabalho. Isso é postulado
pela segunda lei da termodinâmica. Nesse sentido, surge a seguinte questão: Se o
que interessa é produzir trabalho, por que utilizar energia como base de análise?
Nesse sentido, a exergia visa explicitar a parcela da energia, nesse caso energia
térmica, que pode ser convertida em energia cinética. Sendo assim, a exergia mostra-
se uma excelente ferramenta de análise para sistemas térmicos de potência, visto que
a finalidade dessas plantas é produzir trabalho de eixo a partir de uma fonte de calor.
Ademais, assim como a entropia, a exergia não obedece um princípio de
conservação, logo ela pode ser destruída em um processo termodinâmico que leve o
sistema de um estado de equilíbrio A para um estado de equilíbrio B. Tendo em vista
que exergia é medida em Joule, assim como a energia, a medida da destruição de
exergia é uma poderosa ferramenta de qualificação e comparação de processos
termodinâmicos.
2.1. BREVE HISTÓRICO
É amplamente reconhecido que o conceito de exergia tem seu âmago nos
trabalhos que originaram as bases do que se conhece hoje por termodinâmica
clássica. Quando Carnot declarou: “o trabalho que pode ser extraído de uma máquina
térmica é proporcional à diferença de temperatura entre os reservatórios quente e frio”.
A partir dessa afirmação e, após muitos esforços de Clapeyron, Rankine e Thomson, a
segunda lei da termodinâmica pode ser enunciada por Clausius. No entanto, foi Gibbs
o primeiro a introduzir explicitamente a noção de trabalho disponível ao definir a
5
função termodinâmica “energia disponível”. Ele afirmou: “Observa-se que a expressão
da forma:
(2.1)
denota o trabalho obtenível pela formação de um corpo (por um processo
reversível) onde são a energia, entropia, volume, e as quantidades
dos componentes, com o meio possuindo uma pressão , a uma temperatura , e os
potenciais . (O meio é considerado infinitamente extenso que suas
propriedades são insensíveis a quaisquer alterações da formação do corpo.)” [5]
A equação (2.1), definida por Gibbs, conceitualmente, corresponde exatamente
à definição atual de exergia.
Tait e Lord Kelvin também definiram em seus trabalhos algo similiar a
disponibilidade de Gibbs, porém não promoveram nenhuma discussão significativa
acerca do conceito.
Paralelamente a Gibbs e de forma independente, o francês Gouy e o eslovaco
Stodola chegaram a uma expressão a qual eles chamaram de “energia útil”, que, para
um sistema, é definida como sendo:
(2.2)
em que são, respectivamente, a energia útil, a entalpia, a
temperatura de referência e a variação de entropia ao longo do processo [5].
No inicio do século XX, reflexões sobre o trabalho de Gouy geraram uma série
de trabalhos voltados para o conceito de “dissipação de trabalho” (destruição de
exergia em termos modernos) aplicado a máquinas térmicas. Sob a mesma ótica,
surgiram também diversos trabalhos criticando a eficiência de primeira lei para
processos de conversão térmico-mecânicos.
Em 1932, após uma série de trabalhos fundamentais que expandiram e
elucidaram o conceito de exergia, Keenan publica “A steam-chart for second-law
analysis”. Em seguida, no ano de 1941, Keenan lança seu livro de termodinâmica.
Esse livrou exerceu uma importante influência em seus contemporâneos, e contribuiu
substancialmente para a difusão do conhecimento a respeito de análises de segunda
lei e acerca do conceito de exergia [5].
O legado proporcionado por esses primeiros trabalhos é, muitas vezes,
esquecido. Embora o conceito do que se conhece hoje por análise exergética
6
estivesse claro para todos os autores citados acima, a ênfase foi dada na possibilidade
de diminuir as irreversibilidade de um processo, e não em uma capacidade de produzir
trabalho útil.
Em 1953, num congresso científico, Rant sugeriu que o termo exergia deveria
ser usado para denotar “capacidade técnica de produzir trabalho”. A partir disso,
termos como energia disponível, disponibilidade, trabalho disponível, trabalho
potencial, energia útil foram sendo abandonados. Demorou-se 50 anos para que o
termo cunhado por Rant ganhasse aceitação mundial, ainda assim, sobretudo nos
Estados Unidos, alguns autores utilizam a terminologia disponibilidade [5].
Após essa mudança de visão em relação ao que se entendia por exergia, e
após muitos debates, ocorridos principalmente na Alemanha, finalmente, chegou-se a
definição moderna de exergia.
Em seguida, houve um grande esforço para reformular os procedimentos
termodinâmicos de solução em termos de entropia e exergia. Gourdet & Proust e
Glaser entre outros publicaram diagramas de entalpia/exergia e desenvolveram
procedimentos de análise nessas bases. Concomitantemente, outros autores como
Mattarolo, Bock e Schmidt desenvolveram trabalhos que propunham a definição de um
novo parâmetro de performance baseado na segunda lei da termodinâmica. Esses
trabalhos foram de fundamental importância, uma vez que produziram amplas
discussões as quais contribuíram com relevância para a consolidação do conceito de
exergia [5].
Posteriormente à década de 70, veio a fase de maturação do conceito, quando
houve uma extraordinária expansão da teoria da exergia e de suas aplicações. Esse
crescimento foi influenciado por dois fatores. O primeiro deles foi a introdução desse
conceito na maioria dos livros de termodinâmica, que estimulou muitas discussões e
iniciou um processo de familiarização entre a teoria da exergia e as novas gerações de
estudantes de engenharia. O outro fator foi a crise do petróleo de 1973 que
desencadeou nas nações de todo o mundo uma busca por métodos de economizar
energia e aumentar a eficiência da cadeia produtiva industrial.
Diante disso, a teoria exergética passou a ser utilizada como base em
procedimentos de otimização termodinâmica. O objetivo, então, tornou-se em definir
uma função objetivo conveniente, de modo a maximizar o rendimento exergético de
um processo para um dado valor de insumo energético [5].
Atualmente, seguindo essa tendência, os esforços no campo da exergia se
concentram, majoritariamente, no desenvolvimento de procedimentos e métodos de
otimização pautados em análises exergéticas. Além disso, para melhor fundamentar
as análises e para começar a tratar os processos termodinâmicos em termos
7
financeiros, passou-se a se estudar em larga escala exergoeconomia, que é uma
ciência que visa a minimização de custos assistida por exergia.
Dessa forma, o que mais se pratica hoje, é o desenvolvimento de novas
ferramentas que auxiliem na execução de otimizações exergoeconômicas, que têm
como alicerces a termodinâmica, a economia e a otimização [8].
2.2. EXERGIA E A SEGUNDA LEI DA TERMODINÂMICA
A segunda lei da termodinâmica e, portanto, o conceito de entropia
reconhecidamente são fontes de confusão para estudantes de engenharia e
termodinâmica em geral há séculos.
A mecânica do contínuo, um ramo da física de interesse e domínio de muitos
estudantes, é regida por 5 princípios, a saber:
Princípio de Conservação da Massa.
Princípio de Conservação da Quantidade de Movimento Linear.
Princípio de Conservação da Quantidade de Movimento Angular.
Princípio de Conservação da Energia.
Princípio da Entropia.
Note que dentre os 5 princípios da mecânica do contínuo, 4 obedecem a um
princípio de conservação, e somente 1, o Princípio da Entropia, não obedece. Desse
modo, percebe-se que a conservação é algo mais comum na natureza, de tal forma
que quando uma grandeza física não é governada por um princípio de conservação,
gera-se uma certa estranheza e uma dificuldade maior de ser compreendida. Outro
fato que corrobora ainda mais para esse cenário, é o fato de os elementos da vida
cotidiana obedecerem a um princípio de conservação como, por exemplo, o dinheiro, o
alimento e etc. Portanto, talvez, a dificuldade de se compreender e utilizar a segunda
lei da termodinâmica, derive, essencialmente, disso.
Assim sendo, é preciso que a educação em termodinâmica esteja atenta à isso,
para que esse medo não continue sendo perpetuado. Nesse sentido, uma educação
baseada em exergia torna-se fundamental, uma vez que promove uma perspectiva da
segunda lei da termodinâmica, e, portanto, da entropia, que é mais clara e intuitiva
para estudantes e profissionais.
Na verdade, o que de fato a exergia introduz de novo é a maneira de se pensar
a segunda lei da termodinâmica. Ao invés de enfatizar as irreversibilidades ou o
8
trabalho perdido, isto é, uma ideia associada à perda, o conceito de exergia foca na
noção de capacidade.
Uma mudança de ótica aparentemente sutil, porém que gerou um grande
impacto na maneira como se aplica a termodinâmica.
2.3. AS MODALIDADES DE EXERGIA
A cada forma de energia na natureza, há uma forma de exergia correspondente
para cada uma delas. As formas de energia mais comuns são a energia cinética,
energia potencial, energia térmica e energia química [9].
A energia cinética de um sistema movendo-se a uma velocidade pode, em
princípio, ser inteiramente convertida em qualquer outra forma de energia, sendo
assim, a exergia cinética é calculada do mesmo modo que a energia cinética a partir
de [5]:
(2.3)
O mesmo se aplica à energia potencial e todas as formas de energia
relacionadas ao movimento em um campo de forças conservativas. A exergia
potencial específica de um sistema é dada por [5]:
(2.4)
Energia elétrica podem ser totalmente convertidas em outras formas de
energia, portanto a exergia associada à estas formas é expressa por [5]:
(2.5)
em que representa a intensidade de corrente elétrica e a diferença de
potencial elétrico.
Energia química não pode ser convertida em sua integridade em trabalho
mecânico. O máximo trabalho que pode ser obtido de um sistema composto por uma
substância pura depende não só da entalpia química de formação da substância,
como também da diferença de concentração da mesma no sistema e no ambiente.
Assim, a exergia química específica é expressa por [5]:
9
(2.6)
onde , , , e representam respectivamente o potencial químico do
sistema, o potencial químico do ambiente, a temperatura do ambiente, a concentração
da substância no sistema e a concentração da substância no ambiente.
Energia térmica é a forma de energia menos disponível para conversão em
movimento. A parcela que está disponível para tal depende da temperatura do sistema
e da temperatura de referência . A exergia específica associada a essa
modalidade de energia é calculada do seguinte modo:
( ) (2.7)
Dessa forma, para um fluxo material identificado pelos parâmetros
termodinâmicos que interage somente com o ambiente de referência a
em que a concentração da substância do sistema é , a exergia
específica é dada por [10]:
( ) (
) ( ) (2.8)
Finalmente, pode-se observar que exergia é uma função de estado, isto é,
definido um sistema de referência, o trabalho teórico máximo que pode ser obtido pelo
sistema depende somente do estado termodinâmico em que se encontra, ou ainda,
em outras palavras, exergia pode ser considerada uma propriedade termodinâmica.
2.4. O USO INCONSCIENTE DA EXERGIA
Na maioria das vezes quando o público refere-se a energia, na verdade, está
referindo-se a exergia. Isso ocorre, pois para a sociedade o que de fato interessa é
energia elétrica, isto é, na prática, energia cinética.
Em vista disso, surge a pergunta: A expressão crise de energia é
apropriada?[6]
Na verdade, o que realmente preocupa a sociedade é a crise de fontes de
energia de alto conteúdo exergético, ou seja, fontes de energia com alta capacidade
10
de produzir trabalho mecânico. Por conseguinte, a expressão crise de exergia mostra-
se mais adequada, é mais clara, evita confusões e promove abordagens mais efetivas.
Nesse sentido, o público deveria ter um nível de conhecimento básico acerca
da exergia, no mínimo, igual ao de energia. Isso permitiria ao público uma
compreensão básica de muitos problemas técnicos relacionados à produção de
energia elétrica e promoveria debates saudáveis e conscientes em torno do problema.
Ademais, contribuiria também para que os governos pautassem melhor suas políticas
públicas, trocando a base energética pela exergética. O que seria alcançado
aumentando o conhecimento sobre exergia por parte de estudantes e profissionais, e,
sobretudo, introduzindo os conceitos básicos da teoria exergética na educação
fundamental [11].
2.5. QUALIDADE DA ENERGIA?
Quando fala-se em energia, é de senso comum logo relacionar isso ao ideal de
potência, força, movimento, ou seja, algo que é, de fato, almejado e aproveitável pelo
homem. Contudo, nem toda fonte de energia permite essa associação. Logo, pode-se
concluir que nem toda fonte de energia possui a mesma qualidade, já que não se
mostram igualmente útil para o ser humano.
Dessa maneira, é conveniente classificar as fontes de energia de acordo com
sua parcela que está disponível para conversão em movimento. Tal fato permite que
se possa compreender melhor como a energia se manifesta na natureza, e como o
homem se relaciona com ela.
2.6. EXERGIA COMO FERRAMENTA DE ANÁLISE DE SISTEMAS TÉRMICOS
Como já explicitado no trabalho, exergia possui valor econômico claro e
diretamente relacionado à grandeza física se que busca obter. Enquanto que a energia
não permite essa associação de forma transparente. Assim sendo, é possível pensar a
exergia em termos monetários como, por exemplo, em dólar, ou em real. Isso torna as
análises termodinâmicas mais práticas e as atribui um sentido comercial mais
evidente, fazendo com que as informações produzidas sejam mais compreensíveis por
empresários e investidores.
Outro fato que corrobora para o poder da exergia como ferramenta de análise
deve-se a essa grandeza possuir a mesma unidade de medida que energia, e,
consequentemente, trabalho, isto é, Joule [J]. Dessa forma, mensurando a exergia
destruída em um processo obtém-se uma medida de qualidade do processo muito
11
mais intuitiva, e mais fácil de ser comparada do que a geração de entropia, que, por
sua vez, possui como unidade o [J/K], ou seja, uma informação pouco intuitiva que não
fornece uma boa base de comparação.
Nesse sentido, uma análise exergética de processos termodinâmicos explicita,
de fato, o que está sendo desperdiçado (destruído), visto que não se contabiliza a
parcela da energia que está indisponível para conversão em trabalho mecânico. Dessa
forma, não é necessário contabilizar essa parcela em uma análise, pois pode-se
mascarar a real informação que está sendo aspirada. É o que ocorre em análises
fundamentadas somente na primeira lei da termodinâmica.
2.7. UMA NOVA PERSPECTIVA
Os métodos de análise de sistemas pautados no conceito de exergia, em seu
cerne, muito mais do que calcular quantidades de trabalho útil que podem ser
extraídos de recursos energéticos, se propõe a mudar pontos de vistas já
estabelecidos, pretende mudar a forma como a energia é pensada.
Em suma, a principal contribuição dessa teoria para a sociedade é a
transformação de paradigma, é a introdução de uma nova perspectiva. E como é
natural do homem estranhar o novo, sobretudo na ciência, será preciso tempo e muito
esforço até que os conceitos da teoria permeiem a sociedade e essa nova perspectiva
seja, com efeito, atingida.
12
CAPÍTULO 3 - COGERAÇÃO
A segunda lei da termodinâmica enunciada por Kelvin-Planck diz que é
impossível construir uma máquina que opere segundo um ciclo termodinâmico e que
produza nenhum outro efeito no ambiente, além do levantamento de um peso no
campo gravitacional e da transferência de energia via calor com um único reservatório
térmico. Portanto, a segunda lei estatiza que os ciclos de geração de energia
compulsoriamente rejeitam o calor disponibilizado por um recurso energético para um
segundo reservatório térmico. Os princípios de todos os sistemas de cogeração se
apoiam nesta lei física [4].
Segundo o dicionário de terminologia energética, do Conselho Mundial de
Energia, o conceito de cogeração significa a produção simultânea e sequencial de
duas ou mais formas de energia útil, calor de processo, potência mecânica e (ou)
elétrica, a partir da energia disponibilizada por um ou mais combustíveis, com o
objetivo de aumentar o rendimento da geração de energia e utilizar os recursos
energéticos disponíveis de forma eficiente. Em geral, essa energia rejeitada na forma
de calor é aproveitada para atender uma demanda térmica de calefação, ou para
geração de potência através de um ciclo combinado [12].
3.1. BREVE HISTÓRICO
As origens dos sistemas de cogeração remontam à Idade Média. Os arranjos
iniciais de produção simultânea de calor e trabalho mecânico consistiam em aproveitar
os gases de exaustão de fornos através de dispositivos similares a uma turbina
rudimentar, que eram posicionados nas chaminés de exaustão e acoplados a um eixo
para produção de potência mecânica útil. Por meio de uma transmissão mecânica,
também rudimentar, essa potência era transmitida a um outro eixo que tinha o objetivo
de rotacionar o alimento que estava sendo preparado no forno. Descrições desses
mecanismos, conhecidos como smoke-jacks, podem ser encontradas na obra do
engenheiro italiano Vittorio Zonca, “Novo teatro di machine et edificii per varie et sicure
operationi”, datada de 1607 [13].
A Figura 3.1 ilustra o sistema rudimentar de cogeração descrito.
13
Figura 3.1. Sistema rudimentar de cogeração [13].
Até a invenção das máquinas a vapor, nenhum avanço tecnológico possibilitou
novas aplicações para a cogeração. Com o desenvolvimento da máquina a vapor na
Inglaterra a partir do século XVIII durante a Primeira Revolução Industrial, na Europa,
devido aos rigorosos invernos, começou-se a utilizar o calor rejeitado por essas
máquinas para calefação por meio de sistemas de calefação distribuídos. Embora, à
época, não houvesse estudos específicos para quantificar o aumento de rendimento
advindo dessa prática e nem o conceito de cogeração estava formado, os engenheiros
tinham a sensibilidade de que estavam maximizando o aproveitamento do recurso
energético disponível.
Apesar da máquina a vapor ter sido inventada na Europa, foi nos Estados
Unidos que surgiu a primeira central de geração de energia elétrica em escala
comercial. A Pearl Street Station construída pela Edison Illuminating Company (que
mais tarde viria a se tornar General Electric) na cidade de Nova Iorque foi ativada em
1882, era uma central de cogeração operando com um ciclo de vapor aberto. O
sistema era composto por uma máquina a vapor, acoplada a um eixo fixo com um
gerador elétrico, que produzia eletricidade para a iluminação pública. Parte do vapor
gerado, então, era direcionado para indústrias e edifícios situados nas proximidades
[14].
No início do século XX, verificou-se uma difusão desse conceito pelos países
europeus de clima predominantemente frio, em grande parte devido à necessidade da
utilização de energia térmica com o objetivo de proporcionar conforto à população,
14
principalmente nos países do norte europeu, União Soviética e Estados Unidos. Neste
mesmo período, a ineficiência da distribuição de energia elétrica por grandes
fornecedores nos Estados Unidos incentivou pequenos e médios consumidores a
implantarem sistemas próprios de geração de energia, através da cogeração [4].
Nesse sentido, grande parte das centrais de cogeração no começo desse
século eram produtores individuais ou indústrias que geravam eletricidade para
consumo próprio e utilizavam o calor excedente para aquecimento ou processo.
Apesar das evidentes vantagens, o elevado custo de implantação desses sistemas,
aliado ao baixo preço dos combustíveis, impossibilitou a disseminação da tecnologia.
Com o desenvolvimento de novas tecnologias impulsionadas pela segunda
guerra mundial, foi possível a construção de novos sistemas geradores de energia. O
aperfeiçoamento das turbinas e os intensos estudos acerca da energia nuclear
viabilizaram a construção de grandes termelétricas que utilizavam tanto combustível
nuclear, quanto derivados do petróleo. Além disso, a grande guerra escancarou para o
mundo a importância e dependência do petróleo para a sociedade moderna, isso levou
as nações a aumentarem seus esforços na exploração do petróleo, aumentando a
oferta, provocando, assim, uma redução ainda maior no preço dos combustíveis
fósseis. O conjunto desses fatores provocou uma diminuição drástica no investimento
em cogeração resultando na queda do desenvolvimento desses sistemas. Esta se
tornou então uma prática limitada a poucos setores da indústria que demandavam
uma quantidade elevada de vapor e eletricidade como, por exemplo, as indústrias de
papel, química e refino. [15]
Apesar da tendência desanimadora, o conceito passou a ganhar força a partir
dos anos 70, diante da crise do petróleo que fez aumentar bruscamente o preço desta
commodity. Além disso, o progresso do ativismo ambiental gerou pressões contra a
exploração massiva do petróleo e contra usinas de geração de energia nuclear, devido
a preocupação com a emissão de poluentes provenientes da combustão de
hidrocarbonetos e a incerteza das possíveis contaminações geradas pelas usinas
nucleares. Dessa forma, esses fatores motivaram a evolução de sistemas de geração
de energia por cogeração, que se mostrava uma alternativa mais eficiente na
utilização dos recursos energéticos disponíveis [4].
Em 1978, o governo norte-americano estabeleceu uma nova legislação para a
gestão da geração de energia, que ficou conhecida como PURPA, Public Utilities
Regulatory Policy Act. Essa nova política, abriu o mercado de geração de eletricidade
para a cogeração de energia. Antes desta lei, o sistema era monopolizado pelas
grandes concessionárias que eram os únicos comercializadores de energia elétrica.
Houve então um rompimento com a estrutura vertical integrada das grandes
15
concessionárias, permitindo a expansão das centrais de cogeração e de diversas
outras formas de geração de energia a partir de fontes renováveis [13].
Na década de 80, a cogeração sofreu um novo impulso, sobretudo, devido ao
aumento da preocupação com a causa ambiental no mundo, fortalecendo o apelo da
comunidade ambientalista pelo uso racional da energia, de ambos os lados do
Atlântico. Nesse momento, os aspectos negativos associados à utilização massiva do
petróleo tiveram um papel fundamental no avanço da cogeração, uma vez que crescia
a preocupação com a emissão de poluentes provenientes da combustão de
hidrocarbonetos e seus efeitos sobre o clima do planeta.
Nos anos 90, a FERC, Federal Energy Regulatory Commission, a agência
reguladora de energia dos Estados Unidos cria a EWG, Exempt Wholesale Generator.
Esse decreto criou oportunidades para novos produtores se inserirem no mercado de
energia através da cogeração, empresas cuja principal atividade não estava
relacionada à cogeração puderam fazer uso desse tipo de tecnologia com a vantagem
de não estar sujeitas às obrigações prescritas no PURPA. Qualquer pessoa ou
organização, inclusive entidades afiliadas às concessionárias elétricas puderam,
desde então, investir em unidades geradoras. A partir da criação do EWG, originou-se
um movimento que tinha por objetivo eliminar as obrigatoriedades impostas pelo
PURPA, alegando que este já estaria na contramão de suas propostas iniciais [15].
No velho continente, ocorreram movimentos de incentivo similares acerca da
tecnologia da cogeração. Nas últimas décadas, deu-se início a um forte impulso a esta
solução de produção de energia, concretizado em inúmeras diretrizes europeias de
promoção da cogeração. Como resultado dessas medidas, alguns países europeus,
como, por exemplo, Dinamarca e Suécia tornaram-se referência mundial em
cogeração e, além disso, fizeram desse recurso a base de suas políticas energéticas
[14].
Por seu turno, a Europa, ao longo da última década, deu início a um forte
impulso comunitário a esta solução de produção de energia, concretizado em
inúmeras diretrizes europeias de promoção da cogeração. No Velho Continente,
existem atualmente países que utilizam o recurso da cogeração como base de
sustentação das suas políticas energéticas [14].
Atualmente, as nações têm buscado adequar soluções energéticas alternativas
às suas matrizes energéticas, visando reduzir cada vez mais a dependência do
petróleo, em virtude da instabilidade política relativa ao fornecimento desse recurso e
da atuação mais efetiva dos órgãos ambientais. A cogeração passou a ser vista,
então, como uma importante alternativa tanto sob o ponto de vista da eficiência da
geração de energia quanto sob a ótica do aproveitamento dos recursos disponíveis, se
16
tornando base de sustentação de políticas energéticas de vários países ao redor do
mundo, sobretudo países desenvolvidos e de clima predominantemente frio [4].
3.2. FUNDAMENTOS BÁSICOS
Como já exposto, o conceito de cogeração significa a produção simultânea e
sequencial de duas ou mais formas de energia útil, calor de processo, potência
mecânica e (ou) elétrica, a partir da energia disponibilizada por um ou mais
combustíveis. Assim, para um dado processo industrial de produção, na condição em
que há demanda simultânea de energia térmica e eletromecânica, a aplicação da
cogeração se apresenta como provável alternativa, devido ao uso eficiente do
combustível.
Para ilustrar os benefícios que tal conceito pode oferecer, apresenta-se dois
casos hipotéticos [16], temos que a produção simultânea dessas utilidades em um
sistema de cogeração representaria uma redução de 16% no consumo de combustível
em relação à produção independente das mesmas.
A Figura 3.3 apresenta um esquema ilustrativo dos fluxos energéticos de uma
central hipotética, considerando que a mesma produza, a partir de cem unidades de
combustível, vinte unidades de energia eletromecânica e cinquenta unidades de
energia térmica útil. Isso, representa um rendimento energético de 70% [16].
Figura 3.3. Esquema de produção simultânea de energias térmica e eletromecânica,
caso 1 [16].
Já na Figura 3.4, apresenta-se um esquema ilustrativo dos fluxos energéticos
de outra central hipotética, com uma configuração equivalente produzindo as mesmas
quantidades dessas utilidades, de forma convencional em separado, com eficiência de
35% na produção de energia eletromecânica e de 80% na conversão direta em calor.
Dessa forma, a central apresenta um rendimento energético de 58,5%, implicando, em
quantidades superiores de combustível [16].
Combustível 100
Energia Eletromecânica
20
Energia Térmica 50
17
Figura 3.4. Esquema de produção independente de energias térmica e
eletromecânica, caso 1 [16].
A partir desses exemplos hipotéticos, pode-se observar os fundamentos
básicos da cogeração, que reside, essencialmente, na economia de recursos
energéticos frente a uma configuração convencional que produza as mesmas
quantidades de calor útil e energia eletromecânica [16].
No entanto, para que um sistema de produção simultânea de energia térmica e
eletromecânica seja vantajoso em relação a um sistema de produção independente, é
preciso analisar a proporção de entre as respectivas formas de energia.
Para ilustrar a situação abordada no parágrafo acima, apresenta-se na Figura
3.5 os fluxos energético de uma terceira central hipotética. Nesse caso, foram
consideradas as mesmas eficiências, de 35 e 80% para a conversão de energia
eletromecânica e térmica, respectivamente, com produção das utilidades em
processos distintos. A partir disso, esse sistema possui um rendimento energético de
73,3% [16].
Figura 3.5. Esquema de produção independente de energias térmica e
eletromecânica, caso 2 [16].
Já a Figura 3.6, apresenta o caso hipotético análogo, contudo produzindo
essas utilidades por meio de um sistema de cogeração.
Combustível 57,2
Energia Eletromecânica
5
Energia Térmica 65
Combustível 62,5
Combustível 14,3
Energia Eletromecânica
5
Energia Térmica 65
Combustível
81,2
18
Figura 3.6. Esquema de produção simultânea de energias térmica e eletromecânica,
caso 2 [16].
Como, geralmente, o rendimento da produção de energia térmica é superior ao
rendimento da cogeração, quando se tem uma baixa razão entre a potência
eletromecânica e a energia térmica produzida, a produção independente destes fluxos
energéticos torna-se uma alternativa vantajosa face à cogeração [16].
Nesse sentido, define-se um importante parâmetro de avaliação de sistemas
cogeradores, a razão potência/calor gerado (RPC):
(3.1)
em que, representa a potência eletromecânica produzia e a energia térmica
produzida para atender a demanda específica.
Por fim, é preciso destacar que os exemplos apresentados nesta seção
consideram apenas o consumo e produção de energia, sem levar em conta nenhum
aspecto econômico e restrições do sistema. Para avaliar, de fato, as vantagens
contempladas por um sistema cogerador, é preciso uma análise aprofundada e
conjunta dos aspectos energético e econômicos associados à um sistema de
cogeração específico.
3.3. CLASSIFICAÇÃO DOS SISTEMAS DE COGERAÇÃO
A cogeração é uma tecnologia que pode ser aplicada em todos os segmentos
da economia, destacando-se os setores industrial, em especial indústrias sucro-
alcooleiras, alimentícias, de papel e celulose, químicas e petroquímicas, e terciário,
sobretudo em aeroportos, hotéis, hospitais e hipermercados [4].
A produção simultânea e sequencial de energia térmica e eletromecânica, isto
é, a cogeração, pode ser classificada em função da sequência relativa da geração de
energia eletromecânica e térmica. Quando a geração de energia eletromecânica é
Combustível 100
Energia Eletromecânica
5
Energia Térmica 65
19
anterior a geração de energia térmica, o sistema é dito topping, já quando posterior é
dito bottoming [15].
Em outras palavras, quando a produção de energia eletromecânica antecede a
demanda térmica, diz-se que o sistema é do tipo topping, e a utilização do combustível
está diretamente relacionada à produção de potência mecânica. Em contrapartida, em
um sistema do tipo bottoming a utilização do combustível está diretamente relacionada
à produção de energia térmica.
As Figuras 3.7 e 3.8 apresentam, respectivamente, um esquema ilustrativo dos
sistemas do tipo topping e bottoming [4].
Figura 3.7. Sistema de cogeração do tipo topping [4].
Figura 3.8. Sistema de cogeração do tipo bottoming [4].
Já na Figura 3.9 encontra-se as faixas típicas de temperaturas empregadas na
produção de energia eletromecânica e térmica em ambos os tipos de sistemas [16].
20
Figura 3.9. Faixas típicas de temperatura para os sistemas topping e bottoming [16].
Tendo em vista que a maioria dos processos térmicos industriais ocorrem à
temperaturas na faixa entre 120 °C e 200 °C, como, por exemplo, nos processos de
secagem, cozimento e evaporação, é mais comum, na indústria, o emprego de
sistemas de cogeração do tipo topping. Desse modo, como pode-se observar na
Figura 3.9, o calor rejeitado no processo de geração de energia eletromecânica
apresenta condições de atender essas necessidades [16].
Geralmente, o calor rejeitado em processos industriais encontra-se em níveis
de temperatura insuficientes para o emprego na produção de energia eletromecânica,
devido às altas temperaturas demandadas por esse processo. Contudo, a
configuração do tipo bottoming é uma alternativa viável para uma pequena gama de
indústrias que possuem processos que rejeitam calor a altas temperaturas, é o caso
de indústrias siderúrgicas e refinarias, por exemplo. Nessas indústrias, principalmente
em seus fornos, ocorrem processos na faixa de 1200 °C, o calor rejeitado, então,
encontra-se a temperaturas entre 500 e 600 °C, podendo ser posteriormente
aproveitado para produção de energia eletromecânica.
A Tabela 3.1 apresenta alguns processos térmicos comumente empregados e
suas respectivas faixas de temperatura [4].
21
Tabela 3.1. Processos térmicos típicos e suas respectivas faixas de temperatura [4].
Processo térmico Faixa de
temperatura [°C]
Aquecimento de residências, escritórios T < 80
Aquecimento, secagem, cocção em indústrias alimentares, sanitárias e têxteis
80 < T < 200
Reatores químicos, evaporação da água e desidratação de produtos
200 < T < 600
Reatores petroquímicos 600 < T < 900
Descarbonação e preaquecimento de materiais, fornos de evapocraqueamento
900 < T < 1200
Cocção de produtos argilosos (refratários) 1200 < T < 1700
Tratamentos metalúrgicos, fusão de materiais T > 1700
3.4. TECNOLOGIAS DE COGERAÇÃO
Para compreender o processo de geração de energia e como os sistemas de
cogeração se inserem neste contexto, deve-se considerar a análise das principais
tecnologias utilizadas na produção de potência, a saber, turbinas a vapor, turbinas a
gás e motores alternativos, bem como dos ciclos termodinâmicos ideais que modelam
os processos térmicos que ocorrem nesses equipamentos.
3.4.1. Turbina a Vapor
Os primeiros relatos de mecanismos que utilizavam vapor para produzir
movimento de 200 anos a.C. Até o século XVIII, nenhuma alteração significativa foi
acrescentada ao mecanismo, quando Newcomen e James Watt, desenvolveram uma
máquina, capaz de utilizar vapor de forma econômica e conveniente, pautada nos
princípios físicos de domínio da comunidade científica à época [16].
Para a geração de eletricidade, a máquina a vapor deu origem a turbina a
vapor atual, baseada no ciclo Rankine. Uma das principais características que
diferencia este ciclo dos demais ciclos de potência é a combustão externa ao fluido de
trabalho. Isso permite flexibilizar a utilização de combustível que pode ser sólido,
líquido ou gasoso [16].
22
Os sistemas de geração de potência baseado no ciclo Rankine, utilizam água
como fluido de trabalho, e, em tese, operam em circuito fechado. O ciclo inicia-se com
a pressurização do fluido de trabalho ou o bombeamento de água, a pressões da
ordem de 60 bar, podendo chegar até 100 bar, que segue para o gerador de vapor ou
caldeira, onde ocorre a queima do combustível na qual a energia térmica liberada é
transferida ao fluido de trabalho, que atinge temperaturas na faixa de 500 °C [16].
Após a produção do vapor, o mesmo é direcionado a alta pressão e
temperatura pela tubulação até a turbina para que seja expandido. Nesse processo, a
quantidade de movimento do fluxo de vapor é transferida às palhetas fixas e móveis
do rotor, em um ou mais estágios. Desse modo, a energia de pressão do vapor é
convertido em cinética, produzindo trabalho mecânico de eixo [16].
Ao final do processo de expansão, o vapor saturado encontra-se a baixa
pressão e temperatura, geralmente em condições próximas à atmosférica. Neste
ponto, é necessário retirar calor do vapor para que o mesmo seja condensado,
permitindo o adequado bombeamento posterior à caldeira, fechando o ciclo [16].
A grande vantagem desse sistema é a versatilidade acerca do combustível,
isso o torna, em diversos casos, a única alternativa para gerar eletricidade. A potência
destes ciclos geralmente é encontrada em valores de 0,5 a 100 MW, podendo chegar
a 1.350 MW, com um rendimento típico em torno de 35 %. Outra vantagem, deve-se
às baixas temperaturas do fluido de trabalho. Além disso, é uma tecnologia
mundialmente dominada e estabelecida, consequentemente conta com uma diversa
gama de fabricantes nacionais e internacionais. A principal desvantagem desses
sistemas é a operação pouco elástica em relação aos regimes de carga, devido ao
compromisso com o ponto termodinâmico de trabalho do vapor [16].
3.4.2. Turbina a Gás
A turbina a gás é uma máquina de combustão interna, e que, apesar do nome,
pode utilizar diversos combustíveis. Ela utiliza como fluido de trabalho o ar, e por esse
fato recebe a denominação de “a gás”. Dentre os diversos componentes de uma
turbina a gás, pode-se destacar como principais o compressor, a câmara de
combustão e a turbina [16].
Esse equipamento pode ser utilizado tanto em um ciclo aberto como em um
ciclo fechado, isto é, com realimentação. Em ambos os casos, o ciclo termodinâmico
teórico que modela os processos térmicos envolvidos é o ciclo Brayton. O ciclo se
inicia a partir da compressão do ar atmosférico em vários estágios no compressor,
com taxas de compressão da ordem de 15:1 a 30:1, em seguida o ar comprimido é
23
conduzido à câmara de combustão, onde injeta-se o combustível para queima, e
formação de uma chama contínua. Nesse processo, ocorre a mistura do ar
atmosférico comprimido com os gases produzidos na combustão, fazendo-se elevar a
temperatura e pressão da mistura, que expande em vários estágios, convertendo a
energia cinética do escoamento em trabalho mecânico, ao girar o rotor da turbina. Nas
turbinas a gás, uma parcela considerável do trabalho obtido na turbina é consumida no
compressor, a outra parcela é rejeitada na forma de calor através dos gases de
exaustão. É importante ressaltar que a performance dessas máquinas são sensíveis
às condições climáticas, sobretudo a temperatura e a umidade relativa, isso ocorre em
detrimento da razão ar-combustível requisitada, cerca de 50:1 em massa [16].
A Figura 3.10 apresenta um gráfico demonstrando os efeitos da temperatura
ambiente sobre o rendimento e a potência útil produzida por esse equipamento.
Figura 3.10. Influência da temperatura do ar ambiente sobre o rendimento a potência
de turbinas a gás [16].
As turbinas a gás são classificadas de acordo com sua aplicação, e, portanto,
são divididas em duas classes principais, as aeroderivadas e as heavy duty. As
turbinas aeroderivadas apresentam maior rendimento, 35 a 42%, são fabricadas com
potências nominais entre 2,5 a 50 MW e são leves e compactas. Já as turbinas heavy
duty, possuem menor rendimento, e são tipicamente empregadas em ciclo combinado,
ou para atender alguma demanda térmica industrial específica, já que, em média, seus
gases de exaustão possuem temperaturas na faixa de 600 °C. Elas podem ser
encontradas com potências nominais superiores a 250 MW. Quando empregadas em
um sistema de cogeração, a razão potência/calor gerado está na faixa de 0,8 a 0,5
[16].
Diferentemente das turbinas a vapor, as turbinas a gás possuem uma
elasticidade considerável em relação aos regimes de carga. Além disso, apresentam
um baixo custo de instalação e manutenção, temperaturas de exaustão elevadas o
24
suficiente para atender diversas demandas térmicas. Esse conjunto de fatores torna
esses equipamentos apropriados para serem integrados em sistemas cogeradores
[16].
3.4.3. Ciclo Combinado
O ciclo combinado é o arranjo de dois ou mais ciclos, com o objetivo de
aumentar-se o rendimento global da planta. Seu princípio coincide com o da própria
cogeração, visto que ocorre o aproveitamento da energia térmica descartada por um
ciclo primário de geração eletromecânica como insumo para acionar uma segunda
máquina térmica, geralmente na proporção de 2:1 de potência. A combinação mais
explorada em sistemas de cogeração é o arranjo entre o ciclo Brayton e o ciclo
Rankine, nesta ordem, em que a energia térmica contida nos gases de exaustão da
turbina a gás é utilizada para produzir vapor em uma caldeira de recuperação, para,
posteriormente, ser expandida na turbina a vapor. Além disso, considerando a baixa
temperatura demandada na maioria dos processos industriais, pode-se também, como
forma de cogeração, realizar extrações intermediárias de vapor entre os estágios da
turbina a vapor [16].
Haja vista que, em um ciclo combinado, primeiramente, o insumo energético é
aproveitado em dois ciclos termodinâmicos consecutivos para geração de energia
eletromecânica para que só após seja extraída a energia térmica, utiliza-se essa forma
de cogeração quando deseja-se priorizar a produção de potência mecânica em
detrimento de calor para atender uma demanda térmica [16].
25
CAPÍTULO 4 - OTIMIZAÇÃO
Todo ser humano, inexoravelmente, é um otimizador. Todos os dias, o homem
toma decisões perseguindo sempre otimizar sua qualidade de vida, seja para
selecionar a melhor alimentação, o melhor plano de sáude, aumentar o tempo de
lazer, reduzir o tempo no trânsito. Enfim, sempre está se buscando a melhor maneira
possível de se realizar tarefas. Otimização é um dos núcleos da vida humana, sempre
foi, e continuará sendo. Inevitavelmente, isso é refletido na ciência e nas diversas
áreas do conhecimento, em que inúmeros métodos de otimização foram
desenvolvidos desde as civilizações mais antigas até os dias de hoje.
4.1. BREVE HISTÓRICO
Fundamentalmente, otimização é uma disciplina matemática que se propõe a
encontrar o extremo (mínimos e máximos) de um conjunto de números, funções ou
sistemas. Na Grécia Antiga, grandes filósofos e matemáticos criaram seus
fundamentos do que entendiam ser o ótimo em vários domínios elementares, como
números, formas geométricas, física, astronomia, qualidade da vida humana, governo
estadual entre vários outros. Mais especificamente, esta era iniciou-se com Pitágoras
de Samos (569 a.C. – 475 a.C.), um filósofo grego que fez importantes
desenvolvimentos em matemática, astronomia e teoria da música. Ele é
frequentemente descrito como o primeiro matemático puro, seu fundamento filosófico
mais conhecido é: “em seu nível mais profundo, a realidade é de natureza matemática”
[17].
À luz das ideias de Pitágoras, mais tarde, Platão (427 a.C. – 347 a.C.), mudou
radicalmente a ciência àquela época ao afirmar que: “a realidade que o pensamento
científico persegue deve ser expresso em termos matemáticos, matemática é a forma
de pensamento mais preciso e definitivo do qual somos capazes de produzir”.
Seguindo a filosofia de Platão, Euclides de Alexandria (325 a.C. – 265 a.C.) foi
o mais proeminente matemático grego antigo. Sua obra, “Os Elementos”, tornou-o um
dos principais textos matemáticos de todos os tempos, influenciando o
desenvolvimento da matemática ocidental por mais de 2000 anos. Em seu livro,
Euclides solucionou os primeiros problemas de otimização da geometria.
Durante a época dos grandes pensadores gregos, a aritmética e a geometria
eram os únicos dois ramos da matemática. Houve algumas tentativas iniciais de se
fazer álgebra naqueles tempos. No entanto, eles não possuíam uma formalização
26
adequada de álgebra. Al’Khwarizmi (790 – 850) era um matemático persa que
produziu enormes contribuições à matemática, sobretudo no campo da álgebra. Pode-
se dizer que a álgebra como uma ramo da matemática teve seu nascimento no ano de
825, quando Al’Khwarizmi escreveu o tratado de álgebra mais antigo da história
Ibn Sahl (940 – 1000), também persa, foi um matemático, físico e engenheiro
de ótica. A ele foi creditado a primeira descoberta da lei de refração, mais tarde
chamada de lei de Snell. Por meio desta lei, ele calculou formas ótimas para lentes e
espelhos curvos. Esta foi, provavelmente, a primeira aplicação de otimização em um
problema de engenharia.
René Descartes (1596 – 1650) era um matemático e filósofo francês que, em
sua principal obra, “La Géométrie”, através da conexão entre álgebra e geometria
produziu o que conhecemos hoje como geometria cartesiana. A construção de gráficos
por meio do plano cartesiano, sem dúvidas, foi uma conquista que sem a qual
nenhuma formulação de otimização seria possível. O francês uniu o poder analítico da
álgebra com o poder descritivo da geometria dando origem ao que o próprio nomeou
de geometria analítica. Ele , junto de Fermat, foram os primeiros a resolver o problema
da reta tangente, isto é, da inclinação, ou ainda, da derivada, para certas funções.
Este foi o primeiro passo para encontrar os máximos ou mínimos de qualquer função
ou superfície, a base de todo um ramo da otimização moderna [17].
Após o desenvolvimento do cálculo diferencial e integral por Isaac Newton
(1643 – 1727) e Gottfried Wilhelm Leibniz (1646 – 1716), surge o cálculo variacional.
Uma área do cálculo que lida com a otimização de funcionais, que são um
mapeamento de um conjunto de funções para números reais, e são muitas vezes
expressas como sendo integrais definidas das funções e suas derivadas. O cálculo
variacional e o uso de equações diferenciais para a solução geral de muitos problemas
de otimização, talvez, poderiam não ser possíveis sem o matemático suíço Leonhard
Euller (1701 – 1783), que provavelmente foi um dos mais influentes de todos os
tempos. Em 1748, ele publicou seu principal trabalho, “Introductio in analyin
infinitorum” em que afirmou que a análise matemática é o estudo das funções. Este
trabalho rompeu com o paradigma antigo e baseou os fundamentos do cálculo na
teoria das funções elementares e não mais nas curvas geométricas como era feito
anteriormente [17].
A primeira técnica de otimização iterativa, conhecida como método de Newton
ou Newton-Raphson, foi, de fato, desenvolvida por quatro matemáticos, a saber, Isaac
Newton, Joseph Raphson (1648-1715), Thomas Simpson (1710-1761) e Jean-
Baptiste-Joseph Fourier ( 1768-1830). Em 1664, Newton encontrou um método
algébrico não-iterativo de descoberta de raiz de um polinômio e em 1687, ele
27
descreveu uma aplicação de seu procedimento para uma equação não polinomial em
seu tratado “Principia Mathematica”. Em 1690, Raphson transformou o método de
Newton em um iterativo, aplicando-o à solução de equações polinomiais de grau até
10. No entanto, o método ainda não era fundamentado no cálculo; em vez disso,
expressões polinomiais explícitas eram usadas na forma de funções e suas derivadas.
Simpson, em 1740, foi o primeiro a formular o método Newton-Raphson com base no
cálculo, estendendo-o a um solucionador iterativo para a minimização multivariada.
Augustin-Louis Cauchy (1789-1857) desenvolveu importantes trabalhos sobre
equações diferenciais e sua aplicação em física e matemática. Ele propôs o método
que ficou conhecido como Steepest Descent, baseado no gradiente de funções. Esse
método é, talvez, um dos procedimentos iterativos baseados em derivadas de funções
mais fundamentais e básicos para minimização sem restrições de uma função
diferenciável.
Uma famosa aplicação de otimização veio com o método dos mínimos
quadrados, que localiza a solução aproximada de um sistema de equações no qual
existem mais equações do que variáveis. Este método, proposto por Carl Friedrich
Gauss (1777–1855), basicamente minimiza a soma dos quadrados dos erros
residuais, ou seja, a solução global minimiza a soma dos quadrados dos erros gerados
nos resultados em cada equação. Sua aplicação mais importante é o ajuste de dados
e a primeira demonstração desta poderosa ferramenta foi feita por Gauss, aos 24
anos, quando a utilizou para prever a localização futura do asteróide Ceres,
recentemente descoberto à época [17].
O século XX trouxe a proliferação de vários métodos de otimização. Um dos
principais métodos de otimização, Programação Linear (LP), foi desenvolvida em 1939
pelo matemático russo Leonid Vitaliyevich Kantorovich (1912-1986). Contudo, o
método foi mantido em segredo até que o cientista norteamericano, George Bernard
Dantzig (1914-2005) publicou o método Simplex em 1947. LP, às vezes chamado de
otimização linear, é um método matemático para determinar um meio de se alcançar o
melhor resultado em um determinado modelo matemático de acordo com uma lista de
requisitos representados por relações lineares. De modo mais formal, LP é uma
técnica de otimização de funções objetivo lineares sujeitas a restrições expressas por
inequações lineares [17].
Em 1939, a Programação Não-Linear, PNL, foi desenvolvida pela primeira vez
pelo estudante William Karush (1917-1997), que também foi o primeiro a publicar as
condições necessárias para os problemas com restrição de desigualdade. A PNL tem
uma particular importância particular na teoria e aplicações de controles ótimos.
28
Todos os métodos de otimização descritos até o momento foram desenvolvidos
através de métodos determinísticos aplicados sobre funções diferenciáveis
conhecidas. Diferentemente, os métodos estocásticos visam encontrar o máximo ou o
mínimo de funções desconhecidas com derivadas também desconhecidas. Esses
métodos geram e usam variáveis aleatórias, que surgem no processo de formulação
do problema de otimização, juntamente com as funções objetivas aleatórias ou
restrições aleatórias. A aproximação estocástica foi introduzida em 1951 pelos
matemáticos norteamericanos Herbert Ellis Robbins (1915-2001) e seu aluno, Sutton
Monro (1919-1995) [17].
Em 1953, o físico norte-americano Nicholas Metropolis (1915-1999), inicia o
desenvolvimento do que viria a se tornar o primeiro metaheurístico probabilístico,
conhecido hoje como Simulated Annealing, que um método genérico de otimização
global. O nome Annealing indica que o método se baseia no comportamento de
moléculas durante o processo de recozimento de metais [17].
As décadas de 1950 e 1960 marcaram a popularização dos computadores e,
com isso, sua utilização em uma ampla gama de problemas de otimização também se
popularizou. Durante essa fase, nasceram os métodos de busca direta, o nome "busca
direta" foi introduzido em 1961 por Robert Hooke e T. A. Jeeves. Após essa conquista,
no ano de 1962, o primeiro método de busca direta baseado no simplex foi proposto
por W. Spendley, G. R. Hext e F. R. Himsworth. Apesar do nome, este é um algoritmo
completamente diferente do método Simplex para LP. Decorridos mais 3 anos, este
método foi modificado por John Ashworth Nelder (1924-2010) e Roger Mead, onde os
autores propuseram uma abordagem baseada em poliedros flexíveis, que consistia em
minimizar uma função de várias variáveis utilizando os vértices de um poliedro de
forma variável. Após a modificação, o método simplex modificado, ficou conhecido
como método Nelder-Mead. Atualmente, é dos métodos de otimização padrão do
MatLab, que é aplicado pelo comando “fminsearch”. Embora seja um método antigo,o
método simplex de Nelder-Mead, ainda é uma das técnicas de otimização heurística
mais populares em uso [17].
À mesma época, o conceito de inteligência artificial estava sendo amplamente
debatido, e isso impulsionou o surgimento de algoritmos evolutivos (AE) inspirados na
evolução biológica e nos seus mecanismos de reprodução, mutação, recombinação e
seleção. Os primeiros exemplos de algoritmos evolutivos apareceram durante a
década de 50 e início dos anos 60, simulados em computadores por biólogos
evolucionários que buscavam modelar explicitamente aspectos da evolução natural.
Em 1962, John Holland (1929-) realizou o trabalho pioneiro em sistemas adaptativos,
que, de fato, lançaram os alicerces para o desenvolvimento de algoritmos genéticos
29
(AG). Holland foi o primeiro a apresentar sistematicamente e rigorosamente o conceito
de sistemas digitais adaptativos usando operadores evolutivos como mutação, seleção
e crossover, simulando processos de evolução natural [17].
Outras duas técnicas probabilísticas vieram mais tarde. Em 1995, James
Kennedy e Russell C. Eberhart propuseram a técnica Particle Swarm, baseada no
compartilhamento das informações entre indivíduos de uma população e, em 1996,
Dorigo et al. propuseram um algoritmo denominado Ant Colony, baseado na
observação de uma colônia de formigas em busca de alimentos [4].
4.2. OTIMIZAÇÃO EM TERMODINÂMICA
A partir da crise do petróleo de 1973 e com o aumento da preocupação com o
meio ambiente, deflagrou-se, no mundo, uma necessidade de “economizar energia”.
Diante disso, governos e indústria passaram a concentrar esforços no aumento da
eficiência da cadeia produtiva como um todo, desde os recursos energéticos até o
produto comercial final. Isso despertou a necessidade de um profundo conhecimento
da qualidade dos processos produtivos, e, portanto, fatalmente, da aplicação da
segunda lei da termodinâmica como base de estudo para mensurar irreversibilidades,
perdas e custos.
Diante desse cenário, muitos dos trabalhos científicos produzidos no período
de 1970 à 1990 voltaram-se para problemas de otimização termodinâmica, ou seja,
buscava-se encontrar a configuração mais adequada para um certo problema, na fase
de síntese do projeto, maximizando a eficiência do ciclo e identificando as soluções e
os meios de se aplicarem a realidade física [5].
Dando um passo além da segunda lei da termodinâmica, a termoeconomia,
termo cunhado pelo engenheiro norte americano Myron Tribus e apresentado em 1962
em seu artigo que tratava de processos de dessalinização de água do mar [10], por
sua vez, propõe que o papel da energia na cadeia produtiva industrial deve ser
entendido não somente em termos de entropia e irreversibilidades, mas sim em termos
de critérios econômicos, principalmente dos custos e dos benefícios para se extrair e
utilizar a energia disponível para realizar trabalho. Esse ramo da termodinâmica
defende que a utilização de critérios econômicos para avaliar processos térmicos
contabiliza melhor as vantagens e desvantagens, além de produzir uma análise
comercial de termodinâmica tornando-a mais acessível a empresários e líderes
governamentais. Resumidamente, a otimização termoeconômica visa, a partir de uma
configuração previamente definida, otimizar parâmetros operacionais como
temperaturas, pressões, composição química de fluxos, entre outros, de modo a
30
minimizar os custos envolvidos [8]. Essa vertente vem apresentando maior destaque
no meio acadêmico, sobretudo após a apresentação de um conjunto de artigos
representados pelas principais correntes de pesquisadores na revista Energy, 1994, e
identificados pela sigla CGAM – que representava as iniciais dos principais autores de
cada corrente de pesquisa em termoeconomia, Christos Frangopoulos, Georges
Tsatsaronis, Antonio Valero e Michael Von Spakovsky. Nesta ocasião, os
pesquisadores realizaram uma análise comparativa das diferentes metodologias
aplicadas a uma mesma central de cogeração, o que contribuiu significativamente para
a difusão destes conceitos [4].
Alguns autores preferem a utilização do termo exergoeconomia, proposto por
Tsatsaronis em 1984 [10], visto que muitas das técnicas utilizadas na termoeconomia,
na verdade, combinam análises exergéticas de sistemas térmicos com princípios
econômicos. Em outras palavras, atribui-se valores monetários aos conteúdos
exergéticos dos fluxos energéticos, então, para esse sentido restrito, muitos preferem
utilizar a terminologia exergoeconomia. Esse tipo de análise, devido a sua
racionalidade, tem levado a excelentes resultados na prática, e, portanto, vem sendo
cada vez mais utilizado e aperfeiçoado.
4.3. CONCEITOS BÁSICOS
Em matemática, um problema de otimização genérico consiste em encontrar
um conjunto de valores, que minimiza ou maximiza o valor de uma determinada
função ou conjunto de funções, denominadas funções objetivo. Esse processo inicia-
se a partir da escolha arbitrária de um conjunto de variáveis denominadas variáveis de
decisão, bem como de seus limites máximo e mínimo de variação. Uma vez
selecionadas, essas variáveis serão alteradas sistematicamente, de acordo com o
método empregado, em busca da solução ótima.
4.3.1. Conceituação Formal
De forma geral, para uma função de uma única variável, um problema de
otimização pode ser escrito da seguinte maneira [4]:
{
( )
( )
( )
31
representa o vetor que contém as variáveis de decisão que
se deseja otimizar, ( ) ( ) ( ) ( ) e ( ) ( ) ( ) ( )
representam as restrições inerentes ao problema a ser otimizado. A cuidadosa análise
das restrições de igualdade e desigualdade é um ponto importante, já que a excessiva
imposição de restrição pode penalizar ou inviabilizar a busca por uma solução ótima,
por outro lado, o baixo rigor nas restrições pode afastar o problema das condições
reais [4].
Como resultado de um problema de otimização, dependendo da natureza
desse problema, pode obter um mínimo/máximo local ou um mínimo/máximo global
conforme as seguintes definições para uma função unidimensional [18]:
Uma função , definida num intervalo , tem máximo local em se
existir tal que ( ) ( ) para todo
Analogamente, dizemos que tem mínimo local em se existir
tal que ( ) ( ) para todo .
Uma função , definida num intervalo , tem máximo global em se
( ) ( ) para todo . Do mesmo modo, dizemos que tem
mínimo global em se ( ) ( ) para todo .
Obviamente, diante da definição, um ótimo global também será um ótimo local.
Nesse sentido, os métodos de otimização têm como principal objetivo encontrar o
máximo ou o mínimo global. Entretanto, ao contrário das expectativas, o ótimo global
pode ser encontrado somente em alguns casos particulares devido à complexidade do
problema. Nesses casos, deve-se contentar com um ótimo local ou com um resultado
que apenas melhore a configuração anterior [18].
Essencialmente, os métodos de otimização são aplicações iterativas, que
requerem um conjunto inicial de variáveis, denominadas Ao iniciar a aplicação do
método, em cada iteração, o conjunto de variáveis de projeto recebe um novo valor,
que tende a se aproximar do ótimo desejado [4].
4.4. CLASSIFICAÇÃO DOS MÉTODOS DE OTIMIZAÇÃO
Os métodos de otimização podem ser classificados como métodos
determinísticos, métodos de busca direta, ou como métodos estocásticos. Um método
de otimização é chamado de determinístico se for possível prever todos os seus
passos conhecendo seu ponto de partida. Em outras palavras, um método
32
determinístico sempre leva à mesma resposta se partir do mesmo ponto inicial. Em
oposição a estes métodos, estão os métodos estocásticos ou aleatórios, onde o
caráter aleatório de vários processos é simulado. Nestes métodos, várias escolhas são
feitas com base em números aleatórios, sorteados no momento de execução do
método. Já os métodos de busca direta são conhecidos por sua simplicidade e fácil
convergência, além de não necessitarem do cômputo de gradientes.
4.4.1. Métodos Determinísticos
A grande característica dos métodos de otimização pautados em algoritmos
determinísticos é o fato de requisitarem, majoritariamente, o cômputo de pelo menos a
primeira derivada da função objetivo selecionada. Tais métodos, diante disso, exigem
que a função seja contínua e diferenciável. Talvez, o principal ponto negativo desses
métodos [4].
Outra importante característica é o fato de a solução obtida estar
intrinsecamente relacionada ao conjunto de valores iniciais escolhidos, que é uma
decisão arbitrária. Sendo assim, muitas vezes, pode-se ficar preso em ótimos locais.
Por isso, essa família de métodos não possui bom desempenho para otimizar funções
multimodais, visto que possuem diversos ótimos locais [4].
A escolha do método determinístico apropriado para o problema de otimização,
geralmente, baseia-se nas características da função objetivo e nas restrições que
devem ser obedecidas. Quando a função objetivo e as restrições são funções lineares
das variáveis de projeto, emprega-se métodos de programação linear, dos quais, o
que mais se destaca é o algoritmo simplex. Já quando se trata de problemas que
envolvem funções objetivo, ou pelo menos uma das restrições, de características não-
linear das variáveis de projeto, os métodos são considerados de programação não-
linear. Nesse caso, emprega-se comumente o método de programação linear
sequencial, método de programação quadrática sequencial, método das direções
viáveis e método do gradiente reduzido, entre outros [4].
A necessidade de se calcular a derivada da função objetivo e a necessidade de
garantir a continuidade da mesma, torna a utilização de métodos determinísticos
limitados a uma gama específica de problemas de otimização.
4.4.2. Métodos de Busca Direta
A principal vantagem dos métodos de busca direta em relação aos métodos
determinísticos é o fato de não exigirem o cálculo de derivadas, e do comportamento
33
da função objetivo. Nesse sentido, esses métodos utilizam um processo iterativo no
qual um conjunto de pontos é testado a cada iteração associado a uma estratégia que
usa somente avaliações da função objetivo para definir a aproximação seguinte a ser
empregada [4].
Devido, sobretudo, a sua facilidade de implementação computacional, e por
apresentarem bons resultados de convergência, os métodos de busca direta são
bastante difundidos e empregados no meio científico [4].
Como exemplo, pode-se citar o método de Nelder-Mead, que foi o primeiro
método de otimização incorporado ao MatLab, e é um dos mais utilizados em anos de
computação científica [4].
4.4.3. Métodos Estocásticos
O conjunto de métodos classificados como estocásticos são baseados na
observação de eventos naturais, e não apresentam fundamentação matemática
teórica. O nome estocástico deve-se ao fato da utilização de eventos aleatórios em
seu algoritmo [4].
Esses métodos ganharam notoriedade em virtude de sua robustez e da relativa
facilidade de implementação computacional. A robustez é garantida, pois, assim como
os métodos de busca direta, não é necessário que a função objetivo apresente
continuidade ou diferenciabilidade. Além disso, possuem mecanismos para
possivelmente evitar a convergência prematura para um ótimo local [4].
O principal ponto negativo apresentado por tais métodos é o demasiado tempo
de processamento exigido na obtenção de soluções em relação às outras classes de
métodos de otimização [4].
Como exemplo de métodos estocásticos pode-se citar o método do Enxame de
Partículas (Particle Swarm), o método do Recozimento Simulado (Simulated
Annealing), e os Algoritmos Genéticos (Genetic Algorithms) [4].
34
CAPÍTULO 5 – O SIMULADOR DE PROCESSOS
O IPSEpro faz parte da família de softwares ditos simuladores de processos.
Esse programa tem por objetivo simular processos termodinâmicos através de
equações de balanço da mecânica do contínuo de acordo com o modelo do
equipamento utilizado disponibilizado em suas bibliotecas ou desenvolvido pelo
usuário. Esse simulador foi desenvolvido pela SimTech, empresa austríaca criada a
partir do Institute of Thermal Turbomachinery and Machine Dynamics da Graz
University of Technology [19].
5.1. O SIMULADOR
O IPSEpro é composto por uma série de módulos cada um com uma
funcionalidade diferente tendo como núcleo o módulo PSE, isto é, o ambiente de
simulação, que é a interface principal com o usuário, onde as simulações de fato
ocorrem. Os outros módulos PSOptimize, PSExcel, MDK, PSEconomy, PSValidate,
PSXLink, atuam como plug-ins para incrementar e estender as análises realizadas no
ambiente de simulação. Os módulos utilizados no presente trabalho foram o PSE,
MDK e PSOptimize.
5.1.1. Process Simulation Environment
O PSE, Process Simulation Environment, é o ambiente de simulação do
IPSEpro. A partir dele, o usuário pode montar os modelos dos processos com base em
componentes disponíveis nas bibliotecas padrão do software, que, por sua vez, são
organizadas de acordo com as aplicações dos sistemas térmicos. O PSE, em sua
interface, fornece um editor de fluxos de dados amigável de fácil entendimento e
acesso. A modelagem dos processos ocorre da seguinte maneira. O usuário seleciona
o componente da biblioteca, move-o para a janela de projeto, especifica os parâmetros
do componente através de um fluxograma interativo e, em seguida, conecta-o a outros
componentes de acordo com a necessidade. Para realizar os cálculos, o PSE fornece
poderosos métodos matemáticos que garantem rapidez e precisão. Todos os dados
relacionados ao modelo de processo são inseridos diretamente nos fluxogramas
associados a cada componente. Os resultados também são exibidos em fluxograma
ou em tabelas de dados separadas que podem ser configuradas manualmente. Além
35
disso, após cada rodada de simulação, o PSE gera automaticamente protocolos de
saída detalhando a rotina de cálculo [20].
As Figuras 5.1 e 5.2 representam respectivamente o ambiente de simulação e
o fluxograma de parâmetros e variáveis de um dos componentes padrão disponível em
uma das bibliotecas do software.
Figura 5.1. Ambiente de simulação do IPSEpro.
Figura 5.2. Fluxograma de parâmetros e variáveis de um componente padrão.
36
5.1.2. Model Development Kit
O MDK, Model Developmente Kit, é o módulo de desenvolvimento de modelos
do IPSEpro que possibilita a criação de novos modelos de equipamentos, bem como a
modificação de modelos já existentes disponíveis nas bibliotecas padrão. Com isso, o
simulador garante uma alta flexibilidade de modelagem, permitindo que o usuário
desenvolva suas próprias bibliotecas de equipamentos que correspondam exatamente
aos requisitos de sua aplicação específica. Nesse sentido, o módulo oferece uma
linguagem de programação própria (MDL), possibilitando a modelagem matemática
dos equipamentos, uma vez identificadas as equações de governo. Um editor de
ícones integrado ao MDK permite a criação de novas formas dentro do software
facilitando ainda mais o desenvolvimento. Após definido o modelo, o MDK compila
toda a descrição em um formato binário, garantindo, através disso, um alto
desempenho quando simulações de processos são executadas no ambiente de
simulação [21].
5.1.3. Process Optimizer
O PSOptimize, Process Optimizer, permite calcular os parâmetros e variáveis
do modelo simulado (variáveis de decisão) que maximizam ou minimizam uma função
objetivo. Esse módulo é totalmente integrado com o ambiente de simulação e pode ser
usado para otimizar qualquer modelo existente no PSE. O PSOptimize permite não só
que o usuário desenvolva processos, como também obtenha a configuração ótima,
isto é, a melhor seleção dos parâmetros do processo.
Para desempenhar tal função, o módulo em questão utiliza algoritmos
genéticos, um método evolucionário classificado como estocástico, para obter as
soluções. Uma das principais características desse método é de não exigir grandes
esforços em programação computacional por parte do usuário, bastando que o mesmo
apenas introduza alguns parâmetros diretamente em um fluxograma. Dessa forma, o
usuário pode dedicar-se integralmente à análise conceitual da simulação
termodinâmica [22].
A Figura 5.3 apresenta o fluxograma de otimização disponibilizado pelo
PSOptimize.
37
Figura 5.3. Fluxograma de otimização disponibilizado pelo PSOptimize.
5.1.3.1. Algoritmo Genético
Apesar de requisitarem um tempo computacional significativamente maior
comparados aos métodos de otimização clássicos, ou seja, determinísticos, essa
classe de métodos apresenta uma robustez excepcional devido à sua simplicidade de
implementação e, sobretudo, à ausência de limitações [17]. Outra grande vantagem é
o fato de não ser necessário conhecer o comportamento da função objetivo em termos
de continuidade e diferenciabilidade, pois o método exige somente que se avalie a
função objetivo nos pontos determinados pelos indivíduos que compõem as gerações.
Os algoritmos genéticos recebem tal nome, pois suas técnicas de busca
inspiram-se nos mecanismos que regem a biologia evolutiva como, por exemplo,
hereditariedade, mutação, seleção natural e recombinação (crossover).
Uma vez que o módulo PSOptimize utiliza algoritmos genéticos em suas
rotinas de otimização, para utilizá-lo de forma adequada, é recomendável que o
usuário conheça a influência dos parâmetros característicos dos algoritmos genéticos
sobre o método.
A evolução do método inicia-se a partir de um conjunto de valores gerados
aleatoriamente, denominados indivíduos. O conjunto de indivíduos recebe o nome de
população e representa as possíveis soluções. A partir de um processo iterativo,
novas populações são geradas. A cada iteração, a população de indivíduos é
denominada geração. Em cada geração, a aptidão de cada indivíduo na população é
avaliada, isto é, aplica-se o valor de cada indivíduo na função objetivo do problema de
otimização e compara-se os resultados. Então, os indivíduos mais aptos são
selecionados da população atual e o genoma de cada indivíduo é modificado por
38
crossover ou mutação para, desse modo, formar uma nova geração. Essa nova
geração de candidatos à solução é utilizada como referência para a próxima iteração
do algoritmo. Geralmente, o algoritmo se encerra quando o número máximo de
gerações foi produzido (pré-definido no início do algoritmo), ou quando um nível de
solução satisfatória foi alcançado pelas gerações.
O tamanho da população é um parâmetro que afeta o desempenho global e a
eficiência dos algoritmos genéticos, visto que uma população pequena restringe o
espaço de busca do método, comprometendo seu desempenho. Em contrapartida,
uma grande população, em geral, oferece uma boa cobertura do domínio do problema,
além de prevenir possíveis convergências prematuras para ótimos locais. Entretanto,
grandes populações exigem maiores recursos computacionais, ou maior dispêndio de
tempo computacional [23].
A probabilidade de crossover é o parâmetro responsável pela recombinação de
características dos pais durante a reprodução, isto é a sequência das iterações,
permitindo que as próximas gerações herdem características dos indivíduos das
gerações anteriores. Ele é considerado o operador genético predominante, por isso é
aplicado com probabilidade maior que a probabilidade de mutação. A performance do
método apresenta uma significativa sensibilidade a esse parâmetro, dessa maneira, é
preciso que seu valor esteja ajustado de acordo com o problema a ser otimizado. Altas
probabilidades de crossover podem causar alterações de indivíduos em excesso da
população, inclusive aqueles com boas aptidões. Por outro lado, baixas probabilidades
podem tornar o algoritmo muito lento em termos de convergência [23].
Outro importante parâmetro é a probabilidade de mutação O operador de
mutação é necessário para a introdução e manutenção da diversidade genética da
população, alterando aleatoriamente um ou mais indivíduos de uma população,
fornecendo, assim, meios para introdução de novos indivíduos na população. Desta
forma, a mutação assegura que a probabilidade de se chegar a qualquer ponto do
espaço de busca nunca seja zero, além de contornar o problema de mínimos locais,
pois com este mecanismo, altera-se levemente a direção da busca. Geralmente,
utiliza-se uma baixa probabilidade de mutação, pois a mutação é um operador
genético secundário, e, além disso, para não tornar a análise essencialmente
aleatória.
A introdução dos parâmetros do algoritmo genético no software pode ser vista
também na Figura 5.3.
39
5.2. MODELO DOS EQUIPAMENTOS
Os modelos de componentes, ou ainda, equipamentos utilizados para a
construção dos sistemas energéticos de interesse foram os componentes disponíveis
na biblioteca ExergyOptimization_lib desenvolvida especificamente para esse trabalho.
O desenvolvimento de uma nova biblioteca do IPSEpro foi necessária, uma vez
que nenhuma biblioteca padrão do simulador dispunha de modelos de equipamento
que incluía o cálculo de exergias específicas em conjunto com mecanismos que
permitissem a introdução de funções objetivos arbitrárias para serem alvos do módulo
de otimização. Diante disso, adaptou-se a biblioteca cgam_lib (que executa cálculos
de exergia específica), desenvolvida por Viera et al. [24], incluindo um componente
extra, denominado Optimization, cuja finalidade é permitir a introdução de funções
objetivos arbitrárias nos algoritmos genéticos do módulo PSOptimize.
A Figura 5.4 apresenta a simbologia desenvolvida para esse componente:
Figura 5.4. Simbologia do componente “Optimization”.
A Figura 5.5 apresenta a simbologia que o software utiliza para representar os
equipamentos utilizados para modelar os sistemas de interesse desse trabalho.
40
Sumidouro
Gerador
Vertedouro
Motor
Vertedouro ambiente
Válvula
Sumidouro ambiente
Tambor
Separador
Desareador
Sumidouro de calor
Conector
Turbina a gás
Superaquecedor
Turbina
Trocador do evaporador
Bomba
Pré-aquecedor
Caldeira
Figura 5.5. Simbologia dos equipamentos usada pelo IPSEpro.
Cada componente possui uma série de variáveis e parâmetros que podem ser
inseridos diretamente em seus fluxogramas correspondentes. As variáveis podem ser
pré-determinadas (opção “set”) ou estimadas após o cálculo do resultado (opção
“estimate”), enquanto que os parâmetros sempre são pré-determinados pelo usuário e
não contam com as opções “set” e “estimate”. Os valores tanto das variáveis quanto
dos parâmetros dos equipamentos influenciam nas propriedades termodinâmicas do
fluxo que os percorre.
- Turbina
A turbina possui como variáveis o rendimento isentrópico (eta_s), a diferença
entálpica isentrópica (delta_hs) e como parâmetro o rendimento mecânico (eta_m)
[19].
41
Figura 5.6. Fluxograma da turbina.
- Gerador
Esse equipamento possui como variável a potência gerada (power) e como
parâmetros o rendimento elétrico (eta_el) e o rendimento mecânico (eta_m) [19].
Figura 5.7. Fluxograma do gerador.
- Condensador
O condensador tem como parâmetros a temperatura de sub-resfriamento
(dt_sub), diferença de pressão pelo lado quente e frio (delta_p_hot e delta_p_cold). Já
como variáveis possui a diferença de temperatura do líquido de refrigeração na
entrada e saída (dt_in e dt_out), coeficiente de transferência de calor vezes a área de
transferência de calor (htc_area), a queda de pressão no fluxo de recirculação
(delta_p_rc) e o calor transferido (q_trans) [19].
42
Figura 5.8. Fluxograma do condensador.
- Bomba
A bomba possui apenas os seguintes parâmetros: rendimento isentrópico
(eta_p) e rendimento mecânico (eta_m) [19].
Figura 5.9. Fluxograma da bomba.
43
- Turbina a Gás
As principais variáveis da turbina a gás são a carga (load) e a potência elétrica
produzida (power_el). Enquanto que o principal parâmetro é o PCI do combustível
(heat_value).
Figura 5.10. Fluxograma da turbina a gás.
- Válvula
A válvula detêm somente as variáveis queda de pressão relativa
(pressure_drop) e queda de pressão absoluta (delta_p) [19].
44
Figura 5.11. Fluxograma da válvula.
- Separador
O separador possui como único parâmetro a queda de pressão (delta_p) [25].
Figura 5.12. Fluxograma do separador.
- Motor
O motor tem como variável a potência produzida (power), como parâmetros
possui o rendimento elétrico (eta_el) e o rendimento mecânico (eta_m) [25].
Figura 5.13. Fluxograma do motor.
- Desaerador
45
O desareador possui como parâmetros a queda de pressão no lado frio e
quente (delta_p_cold e delta_p_hot) [25].
Figura 5.14. Fluxograma do desaerador.
- Tambor
O tambor detem os parâmetros queda de pressão nos fluxos 1 e 2 (delta_p_1 e
delta_p_2) e variáveis o approach, isto é, a diferença entre a temperatura de saída da
água e a temperatura de bulbo úmido do ar ambiente (dt_app) e o número de
circulação (r_circulation) [25].
Figura 5.15. Fluxograma do tambor.
- Superaquecedor
O superaquecedor tem as seguintes variáveis, temperatura do líquido de
refrigeração na entrada e saída (dt_in e dt_out), coeficiente de transferência de calor
vezes a área de transferência de calor (htc_area), calor transferido (q_trans) e a queda
de pressão nos lados quente e frio (delta_p_hot e delta_p_cold) [25].
46
Figura 5.16. Fluxograma do superaquecedor.
- Trocador de Calor do Evaporador
O trocador de calor do evaporador, por também ser modelado como um
trocador de calor contracorrente, possui as mesmas variáveis do superaquecedor.
Figura 5.17. Fluxograma do trocador de calor do evaporador.
- Pré-aquecedor
Assim como para o trocador do evaporador, o mesmo ocorre para o pré-
aquecedor, logo também pode ser modelado como um trocador de calor
contracorrente, e possui as mesmas variáveis do superaquecedor.
47
Figura 5.18. Fluxograma do pré-aquecedor.
- Sumidouro de Calor
Já o sumidouro de calor tem como variáveis o calor trocado (q_trans) e a
queda de temperatura (delta_t), como parâmetro possui somente a queda de pressão
(delta_p). Sua função é retirar energia via calor de um fluxo [25].
Figura 5.19. Fluxograma do sumidouro de calor.
- Vertedouro
O vertedouro tem como função inserir no sistema um fluxo em um estado
termodinâmico definido. Para isso esse componente conta com as seguintes variáveis:
vazão mássica (mass), pressão (p) e temperatura (t). A composição química desse
fluxo é previamente estabelecida [25].
48
Figura 5.20. Fluxograma do vertedouro.
- Sumidouro
O sumidouro tem por objetivo receber um fluxo em um determinado estado
termodinâmico, para tal possui as mesmas variáveis do vertedouro. A composição
química desse fluxo também é previamente estabelecida [25].
Figura 5.21. Fluxograma do sumidouro.
- Vertedouro Ambiente
Esse componente introduz no sistema um fluxo de ar às condições ambiente
estabelecidas. Ele tem como variáveis a vazão mássica (mass), a pressão (p), a
temperatura (t) e umidade relativa (phi) [25].
49
Figura 5.22. Fluxograma do vertedouro ambiente.
- Sumidouro Ambiente
Recebe um fluxo de ar às condições ambiente pré-estabelecidas, e tem como
variáveis a vazão mássica (mass), a pressão (p), a temperatura (t).
Figura 5.23. Fluxograma do sumidouro ambiente.
- Caldeira
Esse equipamento possui como variáveis o calor fornecido (heat_input) e razão
entre a queda de pressão do economizador e da caldeira (pi_ratio), já como
parâmetros o rendimento da caldeira (eta_b) e diferença de pressão na caldeira
(delta_p) [25].
50
Figura 5.24. Fluxograma da caldeira.
- Otimizador
Esse componente possui como única variável a função objetivo (objective) que
armazena a função introduzida pelo usuário.
Figura 5.25. Fluxograma do otimizador.
5.3. MODELO MATEMÁTICO
O IPSEpro, essencialmente, pode ser interpretado como uma “calculadora
termodinâmica”. O software aplica, para cada processo do modelo, um conjunto de
equações de balanço da mecânica do contínuo, a saber, princípio de conservação da
massa e primeira lei da termodinâmica. Para um volume de controle, considerando as
energias cinética e potencial desprezíveis em relação às energias térmicas assim
como o software, são expressas pelas seguintes equações.
∑
∑
(5.1)
∑
∑
(5.2)
51
Os subscritos e representam, respectivamente, entrada e saída do volume
de controle, representa a massa contida no volume de controle e indica a vazão
mássica do fluxo. simboliza a energia contida no volume de controle, a taxa de
calor fornecido ao volume de controle, a potência realizada pelo volume de
controle e a entalpia específica.
Simultaneamente à aplicação dessas leis físicas, o IPSEpro calcula as
propriedades termodinâmicas do fluido de trabalho de acordo com sua interação com
cada equipamento. A maneira como essas interações ocorrem é definida a partir das
variáveis e parâmetros inseridas nos fluxogramas dos equipamentos.
Para calcular as propriedades termodinâmicas da água e do vapor, o simulador
utiliza equações determinadas pelas seguintes formulações de acordo com a escolha
do usuário [25]:
IAPWS_IF97 - The IAPWS Industrial Formulation 1997 for the
Thermodynamic Properties of Water and Steam.
IFC67 - The 1967 IFC Formulations for Industrial Use.
Figura 5.26. Janela de opções para as formulações das propriedades termodinâmicas
da água.
Quando utilizada a formulação IAPWS_IF97 os seguintes limites de
temperatura e pressão são abrangidos:
Figura 5.27. Limites de temperatura e pressão da água na formulação IAPWS_IF97
[25].
52
As formulações IFC67 são definidas para temperaturas de até 800°C. Na
App_Lib, biblioteca padrão de equipamentos do IPSEpro para sistemas de potência,
este intervalo foi estendido para 850°C, devido a inúmeros pedidos de usuários. Uma
vez que o intervalo de 800 a 850°C não é coberto pelas formulações IFC67, é de
responsabilidade do usuário verificar se os resultados são precisos o suficiente para
suas aplicações. Como no presente trabalho utilizou-se as equações da IAPWS_IF97
para calcular as propriedades termodinâmicas da água, não foi preciso se preocupar
com essa questão.
As propriedades físicas de outras composições químicas, diferente da água e
do vapor, são calculadas a partir de polinômios oriundos da JANAF Thermochemical
Table. Todos os cálculos são realizados supondo que a composição química pode ser
tratada como um gás ideal. A acurácia de se usar tal hipótese depende da finalidade
específica e deve ser avaliada pelo usuário [25].
A Figura 5.28 apresenta a lista de componentes químicos cobertos pela base
de dados de propriedades físicas do IPSEpro, bem como as faixas de pressão e
temperatura permitidas pelo sistema.
Figura 5.28. Componentes químicos incluídos na base de dados de propriedades
físicas do IPSEpro e suas respectivas faixas de temperatura e pressão [25].
53
Baseado aplicação dos princípios da mecânica do contínuo explicitado
anteriormente e no cálculo das propriedades termodinâmicas do fluido de trabalho, o
software, então, representa um processo termodinâmico matematicamente por um
sistema de equações algébricas não-lineares. Dessa forma, no âmbito da simulação
de processos em regime permanente, a modelagem matemática é dada por um
sistema de equações algébricas não-lineares onde o número de equações deve ser
igual ao número de incógnitas. Esse último requisito básico para evitar a singularidade
de sistemas de equações algébricas aparentemente simples, torna-se complexa
quando trata-se de propriedades termodinâmicas de sistemas térmicos, e é a principal
dificuldade enfrentada pelos usuários, sobretudo nos primeiros contatos com o
simulador, pois é necessário uma certa experiência para construir os modelos dos
processos reais, isto é, inserir as variáveis e parâmetros nos fluxogramas dos
equipamentos, de modo a não se produzir um sistema de equações redundantes e
insolúvel para o software.
5.4. MÉTODO DE SOLUÇÃO
Todos os métodos de solução de sistemas de equações algébricas não-
lineares são baseados em um processo iterativo a partir da escolha arbitrária de um
valor inicial. A convergência desses algoritmos depende fortemente da seleção desses
valores iniciais. Nesse sentido, para grandes sistemas de equação a seleção desses
valores torna-se um ponto chave.
O IPSEpro evita resolver os sistemas de equação diretamente. Ele utiliza uma
abordagem muito semelhante à empregada quando se resolve esse tipo de problema
a mão. Ou seja, nessa abordagem, o software, agrupa as variáveis, de forma que o
grupo de variáveis pode ser calculado um após o outro. Além disso, as variáveis de
cada grupo são escolhidas de modo que o tamanho do grupo seja minimizado. Assim,
o número de equações resolvidas simultaneamente também é minimizado. Dessa
forma, o simulador reduz o problema de convergência à sistemas de equações com
apenas algumas variáveis [20].
Para resolver os sistemas o IPSEpro adota uma abordagem em duas fases. A
primeira fase é a de análise do sistema, nessa fase é determinado o método de
solução mais adequado para o sistema de equações em questão, ou seja a melhor
forma de agrupamento, e também é analisado a ordem em que se pode tratar as
variáveis do sistema. Durante a fase de análise, o simulador também seleciona o
método numérico ótimo para cada grupo. A segunda fase constitui a execução do
54
método numérico selecionado, na qual o simulador resolve as equações na ordem pré-
estabelecida na fase de análise [20].
Para a solução numérica, o IPSEpro utiliza o método de Newton-Raphson para
encontrar soluções. Tal método é iniciado a partir de um conjunto de valores inicias
selecionados arbitrariamente usados como pontos de aproximação das funções do
sistema linearizadas por suas derivadas. Com esse sistema linearizado, um novo
conjunto de valores iniciais é produzido. Esse processo é repetido até que uma função
suficientemente precisa seja atingida. Para uma função de uma variável, o método
possui a seguinte sequência recursiva [26]:
( )
( ) (5.4)
onde é uma aproximação inicial arbitrária, indica a -ésima iteração do
método e ( ) é a derivada da função no ponto .
Dentro do software, estão disponíveis duas variantes do método de Newton-
Raphson que são utilizadas de acordo com a seleção do usário [20]:
Método de Newton-Raphson não-amortecido.
Método de Newton-Raphson amortecido.
No caso do método de Newton não-amortecido, método selecionado para este
trabalho, é computado um valor que é a diferença entre o valor inicial arbitrado e a
solução do sistema linearizado. é, então, adicionado como uma correção para o
valor inicial, obtendo-se um novo valor para a próxima iteração.
O procedimento é ilustrado pela Figura 5.29.
55
Figura 5.29. Método de Newton-Raphson não-amortecido [20].
Já para o caso do método de Newton amortecido, é calculado do mesmo
modo que no método de Newton não-amortecido. Entretanto, ao invés de se adicionar
a correção integralmente, é multiplicado por um fator de amortecimento , onde
Com um fator de amortecimento o software obtêm o mesmo resultado
quando emprega o método de Newton não-amortecido.
Isso é representado pela Figura 5.30.
Figura 5.30. Método de Newton-Raphson amortecido [20].
O IPSEpro somente aplica amortecimento se uma iteração não-amortecida
falhar. Se, ainda assim, a iteração falhar, o simulador diminui o fator de amortecimento
até que a iteração seja bem sucedida ou até que um fator de amortecimento mínimo
seja alcançado.
Há diversas razões para o software considerar uma iteração como falha, as
principais são [20]:
56
o erro para todas as equações não decresce, mas aumenta ao longo de uma
etapa de iteração;
ocorre um ou mais erros ao se realizar uma iteração;
o cálculo dos valores das funções ou de suas derivadas falha, mesmo a
iteração estando correta em princípio.
Durante a solução numérica as variáveis do sistema são iteradas até que os
seguintes critérios adotados pelo IPSEpro seja satisfeitos:
a variação relativa em cada variável é inferior a um determinado limite;
a diferença entre o lado esquerdo e o lado direito de cada equação, também
chamada de função residual, é inferior a um determinado limite.
O IPSEpro utiliza um erro total para todas as variáveis, a tolerância e um
erro total para todas as equações, a tolerância . Com base no pressuposto de que
cada variável contribui igualmente para a solução do sistema e que o número total de
variáveis é indicado , o erro permitido pelo software para uma única variável é
determinado pela seguinte equação [20].
√ (5.5)
Já o erro permitido para uma única equação é dado por [39]:
√ (5.6)
Se ocorrer um erro enquanto o sistema está sendo solucionado, o IPSEpro
encerra o processo de solução e emite uma mensagem de erro. Podem ocorrer os
seguintes erros [20].
o sistema de equações é estruturalmente singular. Essa singularidade
estrutural é consequência de valores prescritos inválidos. Para corrigir tal
problema, o usuário deve verificar as variáveis introduzidas no modelo.
o sistema de equações é numericamente singular. Frequentemente, a razão
para tal é o fato de que equações particulares se tornam singulares. Um
exemplo de singularidade numérica ocorre com a função ( ) usada
57
para calcular a temperatura em função da pressão e da entalpia específica.
Essa função possui uma tangente horizontal para vapor úmido, logo ao se
aplicar o método de Newton-Raphson pode-se causar um erro.
a solução para o sistema de equações não converge para o número de
iterações realizadas.
erros nas funções numéricas incorporadas ou externas. Por exemplo, a
tentativa de calcular a raiz quadrada de um valor negativo.
58
CAPÍTULO 6 – SISTEMAS ENERGÉTICOS ESTUDADOS
Os sistemas de interesse analisados nesse trabalho são três plantas de
referência adaptadas de um dos modelos demo da biblioteca App_lib do IPSEpro. O
primeiro sistema é um ciclo Brayton aberto, o segundo é um sistema de cogeração do
tipo topping baseado em um ciclo Rankine, e o terceiro é a combinação de ambos
sistemas.
6.1. CICLO BRAYTON
Um dos sistemas de interesse simulados é um ciclo Brayton aberto composto
de uma turbina a gás operando à 90% de carga, em regime permanente, para produzir
43,1 MW de potência. A turbina é alimentada por uma vazão de 2,7 kg/s de gás
natural a uma pressão de 12,0 bar e temperatura de 20,0 ºC, bem como uma vazão de
157,2 kg/s de ar às condições ambiente, isto é, a 1,0 bar e 25,0 ºC de pressão e
temperatura respectivamente. Os gases de exaustão deixam a turbina a gás a uma
temperatura de 565,0 ºC e são descarregados no ambiente. O sistema tem como
produto a eletricidade gerada a partir da turbina a gás.
A Figura 6.1 apresenta o diagrama esquemático do ciclo Brayton modelado no
ambiente de simulação do IPSEpro:
Figura 6.1. Diagrama esquemático do ciclo Brayton implementado no simulador de
processos.
59
A Tabela 6.1 apresenta as condições termodinâmicas do modelo:
Tabela 6.1. Condições termodinâmicas do modelo analisado.
Fluxo [kg/s] P[bar] T[°C] h[kJ/kg] Ψ[kJ/kg]
Combustível entrando na turbina a gás 2,7 12,0 20,0 42,1 350,0
Ar entrando na turbina a gás 155,1 1,0 25,0 25,2 0,1
Gases de exaustão 157,8 1,0 520,2 564,6 228,5
Já a Tabela 6.2 apresenta a composição química do combustível a ser utilizado
na turbina a gás:
Tabela 6.2. Composição química do combustível modelado.
Componente Fração mássica [kg/kg]
Metano ( ) 0,9
Etano ( ) 0,075
Propano ( ) 0,025
Dióxido de Carbono ( ) 0
Tendo em vista que o gás natural é constituído majoritariamente de metano
( ), considerou-se, então, que o poder calorífico inferior do combustível (PCI) é
equivalente ao PCI do metano de 50.000 kJ/kg.
Tabela 6.3. Poder calorífico inferior do combustível.
Combustível PCI [kJ/kg]
Gás natural 50.000
6.2. CICLO RANKINE COM COGERAÇÃO
Outro sistema de interesse simulado é um ciclo Rankine com coregação. O
modelo é composto por 18 fluxos mássicos e 18 componentes, incluindo duas turbinas
a vapor, uma de alta pressão e outra de baixa pressão, uma caldeira aquatubular,
duas bombas, uma de alta e outra de baixa pressão, um desaerador, um condensador,
três válvulas, dois separadores e um gerador. Uma vazão de 36,7 kg/s de líquido
comprimido é bombeado para caldeira a uma pressão de 90,0 bar, vapor
superaquecido deixa, então, a caldeira a uma pressão de 80,0 bar e a uma
temperatura de 500,0 °C, expande na turbina de alta pressão até uma pressão de 4,1
bar e 185,6 °C de temperatura, produzindo nesse processo 18,8 MW de potência
líquida. Em seguida, o vapor passa por dois separadores que direcionam uma vazão
60
de 10,1 kg/s para atender uma demanda térmica fixa de 25,0 MW, uma vazão de 3,4
kg/s é sangrada para o desaerador e a parcela restante da vazão total é expandida na
turbina de baixa pressão até 0,1 bar e 41,5 ° C de pressão e temperatura
respectivamente, produzindo 9,8 MW de potência líquida. Então, esse fluxo segue
para o condensador que resfria-o até 37,0 °C a partir de uma água de resfriamento.
Uma bomba de baixa pressão dirige o condensado para o desaerador. Os produtos
desse sistema são a eletricidade produzida pelas duas turbinas a vapor e a energia
térmica extraída do vapor para atender a demanda.
A Figura 6.2 apresenta o diagrama esquemático do ciclo Rankine com
cogeração modelado no ambiente de simulação do IPSEpro:
Figura 6.2. Diagrama esquemático do ciclo Rankine com cogeração implementado no
simulador de processos.
A Tabela 6.4 apresenta um resumo das principais condições termodinâmicas
desse ciclo de cogeração:
61
Tabela 6.4. Condições termodinâmicas do ciclo Rankine com cogeração.
Fluxo [kg/s] P[bar] T[°C] h[kJ/kg] Ψ[kJ/kg]
Água entrando na caldeira 36,7 90,0 109,9 467,5 57,0
Vapor superaquecido deixando a caldeira 36,7 80,0 500,0 3399,4 1430,5
Vapor deixando a turbina de alta pressão 36,7 4,1 185,6 2830,2 752,6
Vapor para atender a demanda térmica 10,1 3,6 184,4 2830,2 737,3
Vapor após atender a demanda térmica 10,1 3,5 84,4 353,8 26,5
Vapor sangrado para o desaerador 3,4 3,3 183,5 2830,2 724,7
Vapor entrando na turbina de baixa pressão 23,2 3,3 183,5 2830,2 724,7
Vapor deixando a turbina de baixa pressão 23,2 0,1 41,5 2362,0 152,7
Água após passagem no condensador 23,2 0,1 37,0 155,0 1,9
Água após bomba de baixa pressão 23,2 1,4 37,0 155,2 2,1
Água deixando o desaerador 36,7 1,4 37,0 456,6 47,3
6.3. CICLO COMBINADO COM COGERAÇÃO
O terceiro sistema de interesse é a combinação dos dois sistemas já descritos,
gerando um ciclo combinado com cogeração, isto é, um novo sistema de cogeração, a
partir das mesmas condições termodinâmicas. Ao combinar-se os ciclos, introduz-se
uma caldeira de recuperação de calor – do inglês heat recovery steam generator
(HRSG) – com o objetivo de aproveitar os gases de exaustão da turbina a gás para
gerar vapor superaquecido para o ciclo Rankine com cogeração. A turbina a gás
queima gás natural para produzir 36,8 MW de potência, liberando em sua exaustão
gases a uma vazão de 157,8 kg/s a 1,3 bar e 561,6 °C de pressão e temperatura
respectivamente. Esses gases quentes passam através do casco dos trocadores de
calor da HRSG, ou seja, pelo superaquecedor, evaporador e pré-aquecedor sofrendo
uma perda de carga de 25 mbar, deixando a caldeira a 211,1 °C. Nesse processo, a
água bombeada para caldeira com uma vazão de 21,3 kg/s a uma pressão de 127,5
bar pela bomba de alta pressão flui no lado dos tubos da HRSG, ganhando energia
primeiramente nos pré-aquecedores, vapor saturado é então formado no evaporador,
segue para o superaquecedor e deixa a caldeira a uma pressão de 80 bar e 500 °C de
temperatura.
O vapor superaquecido gerado vai para a turbina de alta pressão e expande
até 3 bar e 162,3 ° C. Assim como no ciclo Rankine, o vapor descarregado pela turbina
de alta pressão é dividido em três fluxos de diferentes vazões às condições de
extração. Um deles, a 9,9 kg/s de vazão, vai atender a demanda térmica fixa de 25,0
MW, o outro, a 2,1 kg/s, é sangrado para o desareador. O terceiro, com 9,3 kg/s segue
para a turbina de baixa pressão e expande até 0,1 bar de pressão e 41,5 de
62
temperatura. Na sequência, segue para o condensador e é resfriado até 37,0 °C
quando uma bomba de baixa pressão o envia para o desaerador.
A Figura 6.3 apresenta um diagrama esquemático do ciclo combinado com
cogeração modelado no ambiente de simulação do IPSEpro:
Figura 6.3. Diagrama esquemático do ciclo combinado implementado no simulador de
processos.
A Tabela 6.5 apresenta um resumo das principais condições termodinâmicas
do ciclo combinado com cogeração:
63
Tabela 6.5. Condições termodinâmicas do ciclo combinado com cogeração.
Fluxo [kg/s] P[bar] T[°C] h[kJ/kg]
Ψ[kJ/kg]
Água entrando no pré-aquecedor 21,3 127,5 110,4 472,2 61,2
Vapor superaquecido deixando o superaquecedor
21,3 80,0 500,0 3399,4 1430,5
Ar entrando na turbina a gás 155,1 1,0 25,0 25,3 0,1
Gases de exaustão da turbina a gás
157,8 1,3 561,6 612,4 278,4
Gases de exaustão deixando o pré-aquecedor
157,8 1,0 211,1 221,9 46,4
Vapor deixando a turbina de alta pressão
21,5 3,0 162,3 2787,5 697,3
Vapor para atender a demanda térmica
9,9 2,7 161,2 2787,5 682,0
Vapor após atender a demanda térmica
9,9 2,6 61,2 256,5 11,3
Vapor sangrado para o desaerador
2,0 2,4 160,4 2787,5 669,4
Vapor entrando na turbina de baixa pressão
9,3 2,4 160,4 2787,5 669,4
Vapor deixando a turbina de baixa pressão
9,3 0,1 41,5 2364,8 152,9
Água após passagem no condensador
9,3 0,1 37,0 155,0 1,9
Água após bomba de baixa pressão
9,3 1,4 37,0 155,2 2,1
Água deixando o desaerador 21,3 1,4 108,9 456,6 47,3
64
CAPÍTULO 7 – METODOLOGIA
7.1. INTEGRAÇÃO COM O MATLAB
O MatLab, abreviação para Matrix Laboratory, é um consagrado software
interativo de alta performance voltado para o cálculo numérico. O MatLab integra
análise numérica, cálculo matricial, processamento de sinais, e construção de gráficos
em uma interface amigável que utiliza linguagem matemática de escrita manual. A
escolha por esse software deve-se, principalmente, por ele possibilitar uma integração
com o ambiente de simulação do IPSEpro.
7.1.1. A INTEGRAÇÃO
A integração entre o MatLab e o IPSEpro foi um dos pontos chave do presente
trabalho, visto que isso permitiu o desenvolvimento de códigos que extraíssem os
parâmetros termodinâmicos dos sistemas de interesse diretamente do ambiente de
simulação do IPSEpro. A partir disso, foram formulados scripts do MatLab
(GasTurbineExergyBalance.m, SteamTurbineExergyBalance.m,
CombinedCycleExergyBalance.m) que realizam o balanço exergético de cada
processo, e, portanto, calculam a exergia destruída em cada equipamento modelado,
bem como os rendimentos energético e exergético. Ao final de cada rotina, soma-se
as exergias destruídas em cada equipamento, para, assim, contabilizar-se a
destruição de exergia global de cada sistema.
7.1.2. O BALANÇO DE EXERGIA E A EXERGIA DESTRUÍDA
Para realizar o balanço exergético de grandes sistemas é necessário utilizar
metodologias sistemáticas que apliquem as equações de balanço em cada
equipamento individualmente. Nesse sentido, a metodologia sistemática empregada
nos códigos une conceitos de duas abordagens distintas de sistemas térmicos
empregadas por consagrados autores [27, 28] em seus esforços para formalizar as
bases da termoeconomia [30]. São elas a definição de produto e combustível no
âmbito de sistemas térmicos estabelecida por Lazzaretto e Tsatsaronis [27], aqui, é
importante destacar que a ideia de combustível não está atrelada àquele ideal comum
de combustível associado a um recurso material para fornecimento de energia, mas
sim a um conceito abstrato e mais abrangente da palavra. A outra abordagem é a
65
formulação matricial adotada por Lozano & Valero [28] utilizada para interconectar
matematicamente todos os componentes de um sistema.
Dessa forma, para a sistematização utilizada, o produto de um componente
consiste de [30]:
todos os fluxos de exergia na saída do componente não associados a
fluxos de massa;
todos os incrementos de exergia entre entrada e saída dos fluxos de
exergia do componente associados a fluxos de massa.
Por outro lado, o combustível de um componente consiste de [30]:
todos os fluxos de exergia na entrada do componente não associados a
fluxos de massa;
todos os decrementos de exergia entre entrada e saída dos fluxos de
exergia do componente associados a fluxos de massa.
Na Figura 7.1, os fluxos identificados como combustível são os fluxos 1, 2, 5, 6
e 9. Os fluxos identificados como produto são os fluxos 3, 4, 7, 8 e 10. Os índices e
referem-se respectivamente à entrada e saída do componente. Observa-se que, pela
definição acima, um mesmo fluxo de exergia não pode ser identificado
simultaneamente como combustível e como produto do componente. Os combustíveis
e produtos para este caso são os indicados na Tabela 7.1.
Figura 7.1. Esquema de um componente em um sistema térmico. Todos os fluxos são
fluxos exergéticos [30].
66
Tabela 7.1. Combustíveis e produtos para o esquema da Figura 7.1 [30].
Componentes dissipativos são componentes em que a função é dissipar
energia ou destruir exergia, como, por exemplo, uma válvula. Para componentes
dissipativos, a adoção dos critérios acima não permitiria definir de forma coerente o
rendimento exergético. Adotando-se as mesmas regras anteriores, os componentes
dissipativos apresentariam combustível nulo (rendimento exergético indeterminado) ou
rendimento exergético maior do que 1. Assim, para se ter um critério objetivo para a
implementação computacional do modelo, nos componentes dissipativos adotou-se a
definição de que o produto do componente é composto de todos os fluxos de saída
associados ou não a fluxos de massa e o combustível do componente é composto de
todos os fluxos na entrada, associados ou não a fluxos de massa [30].
Segundo Lozano & Valero, todo sistema térmico constituído por
componentes e fluxos pode ser representado por uma matriz de incidência A ( )
que os relaciona [28].
A Figura 7.2 apresenta um esquema ilustrando o método:
Figura 7.2. Esquema de um componente em um sistema térmico. Todos os fluxos são
fluxos exergéticos [30].
67
Nota-se que os elementos da matriz assumem o valor 1 se o fluxo
exergético entra no componente e -1 se o fluxo exergético sai do
componente , e 0 se não há relação física entre eles.
Desse modo, a matriz de incidência nos permite expressar os balanços de
massa, energia e exergia de um sistema a partir das seguintes equações [28]:
(7.1)
(7.2)
(7.3)
Onde , e são vetores ( ) contendo os fluxos mássicos, energéticos e
exergéticos; é um vetor ( ) contendo a exergia destruída em cada componente
devido às irreversibilidades internas e externas.
No entanto, para de fato realizar o cálculo da exergia destruída nos
componentes dos sistemas de interesse conciliou-se essa formulação matricial com as
definições de Tsatsaronis de combustível e produto para construir matrizes de
incidência de combustível ( ) e matrizes de incidência de produto ( ) [30].
As Tabelas 7.2, 7.3 e 7.4 apresentam as matrizes de combustível para os
sistemas de interesse tratados nesse trabalho:
Tabela 7.2. Matriz de combustível para o ciclo Brayton.
Fluxo Exergético
Equipamento Turbina a gás 1 1 -1 0
68
Tabela 7.3. Matriz de combustível para o ciclo Rankine com cogeração.
69
Tabela 7.4. Matriz de combustível para o ciclo combinado com cogeração.
70
Enquanto as Tabelas 7.5, 7.6 e 7.7 apresentam as matrizes de produto paras
os mesmos sistemas:
Tabela 7.5. Matriz de produto para o ciclo Brayton.
Fluxo Exergético
Equipamento Turbina a gás 0 0 1 1
71
Tabela 7.6. Matriz de produto para o ciclo Rankine com cogeração. .
72
Tabela 7.7. Matriz de produto para o ciclo combinado com cogeração.
73
De posse dessas matrizes, para obter o vetor das exergias destruídas basta
aplicar a seguinte equação matricial:
(7.4)
representa o vetor de exergia destruída e é o vetor de fluxos exergéticos
do sistema.
A escolha por usar tal metodologia de análise deve-se ao fato de identificar-se
de forma sistemática o que é um insumo exergético e um produto exergético. Então,
torna-se mais fácil identificar a exergia destruída em um processo termodinâmico.
Desse modo, isso favorece o entendimento de qualidade de um processo, bem como
do rendimento baseado na segunda lei da termodinâmica.
7.1.3. O CÁLCULO DOS RENDIMENTOS EXERGÉTICOS E ENERGÉTICOS DOS
EQUIPAMENTOS
A partir dos conceitos de Tsatsaronis, para calcular o rendimento exergético,
isto é, o rendimento de segunda lei, de cada equipamento que compõe os sistemas
utilizou-se a seguinte definição sistemática [27]:
∑
∑
(7.5)
onde representa o rendimento exergético, o fluxo exergético associado
ao produto e o fluxo exergético associado ao combustível .
Como já exposto no trabalho, os equipamentos dissipativos necessitam de uma
outra definição de rendimento exergético, dada por:
∑
∑
(7.6)
em que representa o rendimento exergético, o fluxo exergético
associado ao fluxo de saída e o fluxo exergético associado ao fluxo de entrada
.
A Tabela 7.8 apresenta a expressão para os rendimentos exergéticos
de cada equipamento simulado nesse trabalho:
74
Tabela 7.8. Rendimentos exergéticos implementados no código MatLab.
Equipamento Rendimento exergético
Bomba ( )
Caldeira ( )
Válvula
Separador ∑
∑
Desaerador ∑
∑
Turbina a vapor
( )
Turbina a gas
∑
Condensador ∑
∑
Pré-aquecedor
Evaporador
Superaquecedor
Para o cômputo dos rendimentos energéticos, ou seja, rendimentos de primeira
lei, não há uma abordagem sistemática, sendo necessário identificar a quantidade de
energia útil produzida pelo equipamento e a quantidade de energia fornecida ao
equipamento. Dessa forma, utilizou-se os seguintes rendimentos para cada
equipamento na implementação computacional:
75
Tabela 7.9. Rendimentos energéticos implementados no código MatLab.
Equipamento Rendimento exergético
Bomba ( )
Caldeira ( )
Válvula
Separador ∑
∑
Desaerador ∑
∑
Turbina a vapor
( )
Turbina a gas
Condensador ( )
Pré-aquecedor
Evaporador
Superaquecedor
7.2. OTIMIZAÇÃO
O método de otimização utilizado para os sistemas de interesse se divide em
duas vertentes. Uma das vertentes busca otimizar os sistemas do ponto de vista
energético, isto é, maximizar o rendimento energético global dos ciclos a partir de
variáveis termodinâmicas pré-selecionadas. Já a outra vertente, tem como objetivo
otimizar os sistemas do ponto de vista exergético, ou seja, nessa segunda abordagem,
76
pretende-se maximizar o rendimento exergético global dos ciclos a partir das mesmas
variáveis termodinâmicas.
Para selecionar os parâmetros do algoritmo de otimização foram estabelecidos
três conjuntos de parâmetros ( ), e, posteriormente, foram feitas comparações
dos rendimentos para ambas as vertentes em cada um dos sistemas de interesse. Os
conjuntos que obtiveram melhor desempenho em cada ciclo foram selecionados para
produzir os resultados finais
Além disso, vale ressaltar que ambas abordagens de otimização propostas não
consideram mudanças estruturais dos sistemas, elas estão limitadas à variações das
condições termodinâmicas dos ciclos. Em outras palavras, as configurações indicadas
pelas Figuras 6.1, 6.2 e 6.3 são fixas. Outra ressalva que merece ser feita é de que os
métodos aqui utilizados não levam em conta nenhum tipo de transiente. Na verdade,
isso é uma restrição inerente ao IPSEpro que trata apenas de modelos de processos
em regime permanente.
Como já explicitado no trabalho, um problema de otimização é definido a partir
da determinação de função objetivo ( ), isto é, o alvo a ser maximizado ou
minimizado, das variáveis de decisão e de seus intervalos de variação, do vetor de
pontos iniciais, e, por fim, das restrições à que o problema está sujeito.
7.2.1. OTIMIZAÇÃO ENERGÉTICA
Na primeira vertente de otimização utilizada, ou seja, sob o ponto de vista
energético, definiu-se as funções objetivos do algoritmo de otimização de modo a
representar o rendimento energético global de cada ciclo aqui estudado.
- Ciclo Brayton
Sendo assim, o rendimento energético global do ciclo Brayton, e, portanto, a
função objetivo para o algoritmo genético, foi definido da seguinte maneira:
( )
(7.7)
corresponde a potência eletromecânica líquida produzida pela turbina a
gás já descontando as perdas inerentes ao gerador. A diferença de fluxos entalpicos
que se encontra no numerador representa o conteúdo energético associado aos gases
de exaustão.
77
O denominador dessa equação representa todo conteúdo energético fornecido
ao ciclo a partir do fluxo de combustível. Aqui, deve-se mencionar que não foi
encontrado a condição de referência usada pelo IPSEpro para o cálculo da entalpia do
combustível para verificar se está de acordo com a referência do cálculo entálpico do
ar e dos gases de exaustão, contudo, tendo em vista que a entalpia específica do
combustível é desprezível em relação ao seu PCI, preferiu-se manter o fluxo entálpico
do combustível no denominador para fazer jus à definição de combustível utilizada
neste trabalho.
O rendimento enérgico global do ciclo Brayton foi definido desta maneira para
manter a coerência do trabalho acerca das definições de produto e combustível
empregadas. Além disso, destaca-se o valor energético útil contido nos gases de
exaustão. Ao utilizar essa consideração para calcular o rendimento energético global
do ciclo Brayton, deve-se mencionar que obter-se-á valores muitos mais elevados do
que os valores obtidos pelo cálculo do rendimento teórico do ciclo Brayton dado pelo
equação 7.8. O rendimento calculado com base nas definições de produto e
combustível resultarão em valores de rendimento próximos de 100%, contudo
manteve-se essa abordagem para que se realize uma comparação coerente com o
rendimento exergético global calculado a partir da mesma abordagem.
( ) ⁄
(7.8)
Nesta equação, representa a razão de pressão do processo de compressão
isentrópica e é a razão entre os calores específicos do ar a pressão constante e a
volume constante.
- Ciclo Rankine com Cogeração
Já o rendimento enérgico global do sistema de cogeração baseado no ciclo
Rankine foi definido por meio da seguinte equação:
(7.9)
Nesse caso, corresponde ao somatório das potências líquidas produzidas
pelas turbinas a vapor, já descontado o consumo de potência exigido pelas bombas de
78
alta e baixa pressão e as perdas no gerador. Enquanto que representa o fluxo de
calor disponibilizado para atender a demanda térmica.
No denominador de (7.8) encontra-se toda energia fornecida ao sistema
representado pelo fluxo de calor introduzido na caldeira.
- Ciclo Combinado com Cogeração
Por fim, o rendimento energético global do ciclo combinado com cogeração, e,
consequentemente, a função objetivo, foi estabelecido por:
(7.10)
Aqui, a potência eletromecânica líquida representa o somatório das potências
líquidas produzidas pelas turbinas a gás e pelas turbinas a vapor, abatido os
consumos de potência das bombas presentes no sistema.
7.2.2. OTIMIZAÇÃO EXERGÉTICA
Agora, sob o ponto de vista exergético, na segunda vertente de otimização,
definiu-se as funções objetivo do algoritmo de otimização como sendo o rendimento
exergético global de cada ciclo.
- Ciclo Brayton
Nesse sentido, o rendimento exergético global do ciclo Brayton foi definido da
seguinte forma:
( )
(7.11)
O denominador dessa equação expressa toda a exergia fornecida ao ciclo a
partir do combustível. Diante disso, é oportuno mencionar que não adotou-se nenhum
fator de redução sobre o PCI do combustível para o cálculo da exergia química. Ou
seja, considerou-se exergia química do combustível equivalente ao seu poder
calorífico inferior.
79
Todos os cálculos de exergia específica realizados estão referenciados às
condições ambiente definidas arbitrariamente no simulador, portanto as exergias do
combustível, do ar e dos gases de exaustão estão referenciados à mesma base.
- Ciclo Rankine com Cogeração
Para o ciclo Rankine com cogeração, o rendimento exergético global foi
definido pela seguinte expressão:
(7.12)
Onde representa a exergia associada ao calor fornecido à demanda
térmica, calculada pelo simulador de processos. Enquanto que é o fluxo de calor
fornecido ao sistema, também calculado pelo simulador de processos.
- Ciclo Combinado com Cogeração
Finalmente, definiu-se o rendimento exergético global do ciclo combinado com
cogeração da seguinte forma:
(7.13)
7.2.3. VARIÁVEIS DE DECISÃO
As variáveis de decisão escolhidas para a otimização do ciclo Brayton foram o
fator de carga da turbina a gás ( ) e a temperatura do ar ( ). A escolha de teve
o objetivo de avaliar os efeitos do resfriamento do ar sobre o rendimento da planta sob
os pontos de vista energético e exergético.
A Tabela 7.10 apresenta as variáveis de decisão, os intervalos de variação
admissíveis e os pontos iniciais ( ) adotados para o ciclo Brayton:
80
Tabela 7. 10. Variáveis de decisão, intervalo admissível e ponto inicial adotados para o ciclo Brayton.
Variável de decisão Mínimo Máximo
Fator de carga da turbina a gás ( ) 0,9 0,7 1,0
Temperatura do ar de entrada ( ) 25,0 °C 0 °C 25,0 °C
Já para o ciclo Rankine com cogeração, foram selecionados como variáveis de
decisão parâmetros convencionais no projeto de sistemas térmicos, a saber,
temperatura da caldeira ( ), pressão da caldeira ( ) e a pressão de extração da
turbina de alta pressão ( )
A Tabela 7.11 apresenta essas variáveis de decisão, os intervalos de variação
admissíveis e os pontos iniciais adotados:
Tabela 7.11. Variáveis de decisão, intervalo admissível e ponto inicial adotados para o ciclo Rankine com cogeração.
Variável de decisão Mínimo Máximo
Temperatura da caldeira ( ) 500 °C 300 °C 1000 °C
Pressão da caldeira ( ) 80 bar 0 bar 100 bar
Pressão de extração da turbina de alta pressão ( ) 4 bar 0 bar 10 bar
Por último, para o ciclo combinado com cogeração, adotou-se a união das
variáveis de decisão dos subsistemas com ciclos Brayton e Rankine, conforme
indicado na Tabela 7.12.
Tabela 7.12. Variáveis de decisão, intervalo admissível e ponto inicial adotados para o ciclo combinado com cogeração.
Variável de decisão Mínimo Máximo
Fator de carga da turbina a gás ( ) 0,9 0,7 1,0
Temperatura do ar de entrada ( ) 25,0 °C 0 °C 25,0 °C
Temperatura da caldeira ( ) 500 °C 300 °C 1000 °C
Pressão da caldeira ( ) 80 bar 0 bar 100 bar
Pressão de extração da turbina de alta pressão ( ) 3 bar 0 bar 10 bar
Uma vez que o algoritmo de otimização utilizado pelo IPSEpro é puramente
matemático, e, portanto, não possui mecanismos para prever a viabilidade
termodinâmica dos valores das variáveis de decisão, deve ser mencionado que foram
necessárias algumas avaliações preliminares do comportamento dos ciclos para
selecionar os limites admissíveis para as variáveis de decisão.
81
7.2.4. SELEÇÃO DOS PARÂMETROS DO ALGORITMO GENÉTICO
Um dos grandes problemas enfrentados ao se implementar um algoritmo
genético é a escolha de seus parâmetros, posto que a jovem e escassa teoria desse
método ainda não oferece critérios sistemáticos de escolha de parâmetros bem
estabelecidos. Diante disso, comumente utiliza-se valores testados empiricamente que
mais se adequam ao problema de otimização específico [31].
Dessa forma, os parâmetros foram selecionados empiricamente com base em
valores típicos encontrados na literatura e nos valores default fornecidos pelo módulo
PSOptimize do IPSEpro, que podem ser vistos na Figura 7.3.
Figura 7.3. Valores default para os parâmetros do algoritmo genético fornecidos pelo
IPSEpro.
Valores característicos para o tamanho da população estão entre 50 e 300,
para a probabilidade de crossover os valores estão compreendidos entre 0,3 e 1,0, já
para a probabilidade de mutação os valores estão entre 0,001 e 0,003, por fim, o
número de gerações, o parâmetro que apresenta maior variabilidade, é normalmente
utilizado entre 15 e 1000 [32].
Sendo assim, os conjuntos de parâmetros do algoritmo genético selecionados,
representados por , e , são apresentados na Tabela 7.13.
Tabela 7.13. Conjuntos de parâmetros do algoritmo genético selecionados.
Parâmetro
População 20 40 60
Número de gerações 15 20 45
Probabilidade de crossover 0,5 0,6 0,7
Probabilidade de mutações 0,002 0,002 0,003
82
7.2.5. RESTRIÇÕES DO MODELO
Definidas as funções objetivos, resta agora determinar as restrições as quais
está sujeito o problema de otimização. Como as leis naturais que governam o modelo,
ou seja, o princípio de conservação da massa e a primeira lei da termodinâmica estão
incorporadas no IPSEpro em seu código interno, o uso do simulador de processos
permitiu que as restrições de igualdade associadas a estes balanços termodinâmicos
não fossem explicitadas.
As restrições compostas por inequações não estão integradas ao simulador, e
podem ser incorporadas ao algoritmo de otimização por meio de penalidades na
função objetivo, no qual cada desvio, proporcional à diferença entre o valor proposto
para a variável e o limite de restrição da mesma, representa um incremento não
permitido na função objetivo a ser otimizada, invalidando a candidatura do valor
proposto à solução do problema.
Essas restrições de desigualdade estão diretamente relacionadas aos
parâmetros operacionais dos equipamentos que constituem os ciclos. Porém, neste
trabalho não foram implementadas restrições de desigualdade.
83
CAPÍTULO 8 – RESULTADOS
As vertentes de otimização propostas foram aplicadas para diferentes
conjuntos de parâmetros do algoritmo genético para cada sistema de interesse, e, em
cada caso, avaliou-se o resultado da função objetivo para selecionar o melhor conjunto
de parâmetros para ser implementado nas análises subsequentes.
Em seguida, a partir do melhor conjunto de parâmetros, produziu-se os
resultados almejados para realizar a comparação entre as vertentes
8.1. OTIMIZAÇÃO ENERGÉTICA
8.1.1. CICLO BRAYTON
A Tabela 8.1 apresenta os resultados obtidos para as variáveis de decisão do
ciclo Brayton em cada conjunto de parâmetros para a vertente de otimização
energética:
Tabela 8.1. Resultados da função objetivo para os diferentes conjuntos de
parâmetros investigados para a vertente de otimização energética.
Variável de decisão Caso Padrão
0,9 0,97 1,00 1,00
25 °C 0 °C 0 °C 0 °C
0,9547 0,9912 0,9955 0,9955
A partir da Tabela 8.1 observa-se que a otimização energética maximizou o
fator de carga da turbina a gás e reduziu a temperatura de entrada do ar ao valor
mínimo permitido para a variável no processo de otimização.
O elevado valor do rendimento energético desse ciclo explica-se pelo fato de
ter se considerado a energia contida nos gases de exaustão da turbina a gás como um
dos produtos do ciclo, de acordo com as definições de produto e combustível
utilizadas neste trabalho e conforme indicado pela equação 7.7. Mais uma vez, vale
ressaltar que, apesar dos valores próximos de 100%, essa abordagem foi utilizada
para se realizar uma comparação coerente com o rendimento exergético, que foi
calculado a partir da mesma abordagem.
Além disso, observa-se também que os conjuntos e apresentaram
resultados iguais para a maximização do rendimento energético.
Devido a igualdade de resultados, optou-se arbitrariamente pelo conjunto de
parâmetros para produzir os resultados posteriores.
84
As Tabelas 8.2 e 8.3 apresentam, respectivamente, os parâmetros de
desempenho e a análise dos equipamentos do ciclo Brayton para a vertente de
otimização energética. Neste caso, como o ciclo consiste de apenas um equipamento,
os resultados indicados na Tabela 8.3 coincidem com os indicados na Tabela 8.2.
Tabela 8.2. Resultado dos parâmetros de desempenho do ciclo Brayton para a vertente de otimização energética.
Parâmetro Caso padrão Otimização energética
Potência da turbina a gás 43.200 kW 56.880 kW
Consumo de combustível 134.450 kW 161.850 kW
Rendimento energético global 0,9547 0,9955
Rendimento exergético global 0,5868 0,6101
De acordo com as alterações realizadas nas variáveis de decisão, e analisando
a Tabela 8.2, houve um aumento da potência produzida pela turbina a gás e também
do consumo de combustível. Neste caso, ambos rendimento energético global e
rendimento exergético global aumentaram em relação ao caso padrão.
Tabela 8.3. Análise dos equipamentos do ciclo Brayton para a vertente de otimização energética.
Equipamento Rendimento
energético (%) Rendimento
exergético (%) Exergia
destruída (kW)
Turbina a gás 99,55 61,01 63.559
O elevado valor de rendimento energético para a turbina a gás apresentado na
Tabela 8.3 deve-se ao fato de se considerar os gases de exaustão como parte dos
produtos da turbina. Vale ressaltar que o mesmo não ocorre na avaliação do
rendimento exergético, que é bastante inferior ao rendimento energético.
8.1.2. CICLO RANKINE COM COGERAÇÃO
A Tabela 8.4 apresenta os resultados obtidos para as variáveis de decisão do
ciclo Rankine com cogeração em cada conjunto de parâmetros para a vertente de
otimização energética:
85
Tabela 8.4. Resultados da função objetivo para os diferentes conjuntos de parâmetros investigados para a vertente de otimização energética.
Variável de decisão Caso padrão
500,0 °C 604,7 °C 511,4 °C 648,6 °C
80,0 bar 99,2 bar 99,2 bar 100,0 bar
4,1 bar 2,5 bar 2,6 bar 1,7 bar
0,3865 0,3969 0,3868 0,4046
Observa-se que a otimização é dependente dos parâmetros adotados. Porém,
segundo a Tabela 8.4, verifica-se que, independente dos parâmetros adotados, a
otimização energética tende a elevar a pressão de operação da caldeira a valores
próximos ao máximo permitido de 100 bar, e também elevar a temperatura de
operação da caldeira, contudo a valores distantes de 1000 °C, a temperatura máxima
permitida.
Como o conjunto de parâmetros apresentou o melhor desempenho, e foi
implementado para gerar os resultados posteriores.
As Tabelas 8.5 e 8.6 apresentam, respectivamente, os parâmetros de
desempenho e a análise dos equipamentos do ciclo Rankine com cogeração para a
vertente de otimização energética:
Tabela 8.5. Resultado dos parâmetros de desempenho do ciclo Rankine com cogeração para a vertente de otimização energética.
Parâmetro Caso padrão Otimização energética
Potência da turbina de alta pressão 18.800 kW 25.500 kW
Potência da turbina de baixa pressão 8.800 kW 5.650 kW
Potência bruta do ciclo 28.600 kW 31.150 kW
Potência líquida do ciclo 27.400 kW 28.900 kW
Energia de vapor exportada 25.000 kW 25.000 kW
Razão potência/calor gerado 1,1 1,2
Rendimento energético global 0,3865 0,4046
Rendimento exergético global 0,2566 0,2642
Observando a Tabela 8.5, conclui-se que a otimização energética promoveu
um aumento da potência líquida produzida pelo ciclo e do rendimento energético para
os mesmos valores de insumo energético e de demanda térmica, ambos tomados
como fixos.
86
Tabela 8.6. Análise dos equipamentos do ciclo Rankine com cogeração para a vertente de otimização energética.
Equipamento Rendimento
energético (%) Rendimento
exergético (%) Exergia
destruída (kW)
Bomba de baixa pressão 85,00 76,47 1
Desaerador 100 81,48 353
Bomba de alta pressão 85,00 75,18 129
Caldeira 80,00 39,71 81.055
Válvula 1 100 99,81 108
Turbina a vapor de alta pressão 90,00 75,80 8.142
Separador 1 100 97,85 465
Válvula 2 100 99,79 14
Separador 2 100 97,80 320
Válvula 3 100 100 0
Turbina a vapor de baixa pressão 90,00 74,22 1.963
Condensador 100 35,92 3.512
Total - - 96.062
Diante da Tabela 8.6, percebe-se que uma grande destruição de exergia do
ciclo concentra-se na caldeira. Tal fato é evidenciado pelo rendimento exergético de
39,71 % apresentado por este equipamento. Observa-se que na comparação entre os
equipamentos, as diferenças entre os rendimentos exergéticos são superiores que às
diferenças de rendimento energético.
8.1.3. CICLO COMBINADO COM COGERAÇÃO
A Tabela 8.7 apresenta os resultados obtidos para as variáveis de decisão do
ciclo combinado em cada conjunto de parâmetros para a vertente de otimização
energética:
87
Tabela 8.7. Resultados da função objetivo para os diferentes conjuntos de parâmetros investigados para a vertente de otimização energética.
Variável de decisão Caso padrão
0,9 0,7 0,7 0,7
25 °C 13,6 °C 23,4 °C 24,8 °C
500 °C 324,7 °C 300,0 °C 311,0 °C
80 bar 87,3 bar 80,0 bar 99,2 bar
3,0 bar 2,5 bar 2,2 bar 1,8 bar
0,5601 0,5806 0,5847 0,5922
Ao contrário do que ocorreu no ciclo Brayton, aqui, a otimização energética
reduziu a carga da turbina a gás ao seu valor mínimo permitido (0,7), e tendeu a
manter a temperatura de entrada do ar em 25 °C, máxima temperatura permitida.
A temperatura da caldeira foi reduzida próximo ao valor mínimo permitido de
300 ° C, em oposição ao que ocorreu na otimização energética do ciclo Rankine com
cogeração, no qual essa temperatura foi elevada para 650 °C aproximadamente. As
pressões da caldeira e de extração da turbina a vapor de alta pressão seguiram a
mesma tendência em ambos sistemas.
Novamente, o conjunto de parâmetros apresentou o melhor resultado em
relação a função objetivo, e foi implementado nas análises seguintes.
As Tabelas 8.8 e 8.9 apresentam, respectivamente, os parâmetros de
desempenho e a análise dos equipamentos do ciclo combinado para a vertente de
otimização energética:
Tabela 8.8. Resultado dos parâmetros de desempenho do ciclo combinado para a vertente de otimização energética.
Parâmetro Caso padrão Otimização energética
Potência da turbina a gás 36.800 kW 28.800 kW
Potência da turbina de alta pressão 11.700 kW 12.450 kW
Potência da turbina de baixa pressão 3.550 kW 3.550 kW
Potência bruta do ciclo 52.050 kW 44.800 kW
Consumo de combustível 134.450 kW 113.600 kW
Potência líquida do ciclo 51.400 kW 43.775 kW
Energia de vapor exportada 25.000 kW 25.000 kW
Razão potência/calor gerado 2,0 1,8
Rendimento energético global 0,5601 0,5922
Rendimento exergético global 0,4209 0,4176
88
A partir da Tabela 8.8, observa-se que a otimização energética reduziu a
potência líquida produzida pelo ciclo, bem como o consumo de combustível para a
mesma demanda térmica. Neste caso, a otimização energética não foi acompanhada
de um aumento da eficiência exergética.
Tabela 8.9. Análise dos equipamentos do ciclo combinado para a vertente de otimização energética.
Equipamento Rendimento
energético (%) Rendimento
exergético (%) Exergia
destruída (kW)
Bomba de baixa pressão 85,00 75,21 1
Desaerador 100 64,79 734
Bomba de alta pressão 85,00 75,26 161
Pré-aquecedor 100 87,57 1.664
Bomba da caldeira 85,00 79,17 18
Economizador 100 82,82 3.335
Superaquecedor 100 20,70 2.085
Turbina a gás 96,92 58,51 48.153
Válvula 1 100 99,78 67
Turbina a vapor de alta pressão 90,00 75,18 3.880
Separador 1 100 97,93 315
Válvula 2 100 99,79 12
Separador 2 100 97,87 189
Válvula 3 100 92,20 174
Turbina a vapor de baixa pressão 90,00 73,68 1.284
Condensador 100 44,55 985
Total - - 60.565
Segundo a Tabela 8.9, a destruição de exergia na turbina a gás representa
mais de 80% da destruição global, e além disso, apresenta o menor rendimento
exergético dentre todos os equipamentos. Nesse ponto, vale salientar o fato de que o
equipamento que mais destrói exergia, não necessariamente é o que apresenta o
menor rendimento exergético, uma vez que a destruição de exergia de um
equipamento é proporcional a exergia introduzida no mesmo. Por exemplo, o
equipamento “Superaquecedor” é o de menor rendimento exergético, mas não é onde
ocorre a maior destruição de exergia.
Outro fato que pode ser observado na mesma tabela é a disparidade
significativa entre os rendimentos energético e exergético do condensador, no qual o
rendimento energético mostrou-se superior ao exergético.
89
8.2. OTIMIZAÇÃO EXERGÉTICA
8.2.1. CICLO BRAYTON
A Tabela 8.10 apresenta os resultados obtidos para as variáveis de decisão do
ciclo Brayton em cada conjunto de parâmetros para a vertente de otimização
exergética:
Tabela 8.10. Resultados da função objetivo para os diferentes conjuntos de parâmetros investigados para a vertente de otimização exergética.
Variável de decisão Caso padrão
0,9 0,99 1,00 1,00
25 °C 0,8 °C 1,0 °C 0,2 °C
0,5868 0,6097 0,6102 0,6105
Diante da Tabela 8.10 observa-se que a otimização exergética elevou o fator
de carga da turbina a gás a seu valor máximo e reduziu a temperatura de entrada do
ar aproximadamente a seu valor mínimo.
Mesmo considerando a exergia contida nos gases de exaustão da turbina
como um dos produtos desse ciclo, conforme indicado pela equação 7.10, nota-se que
que o rendimento exergético possui um valor bem inferior em relação ao energético.
A partir dos resultados da função objetivo, foi selecionado o conjunto para
produzir os resultados subsequentes.
As Tabelas 8.11 e 8.12 apresentam, respectivamente, os parâmetros de
desempenho e a análise dos equipamentos do ciclo Brayton para a vertente de
otimização energética. Neste caso, como o ciclo consiste de apenas um equipamento,
os resultados indicados na Tabela 8.11 coincidem com os indicados na Tabela 8.12.
Tabela 8.11. Resultado dos parâmetros de desempenho do ciclo Brayton para a vertente de otimização exergética.
Parâmetro Caso padrão Otimização exergética
Potência da turbina a gás 43.200 kW 56.850 kW
Consumo de combustível 134.450 kW 161.800 kW
Rendimento energético global 0,9547 0,9977
Rendimento exergético global 0,5868 0,6105
90
Tanto a potência produzida pela turbina a gás, quanto o consumo de
combustível foram aumentados, como pode-se observar na Tabela 8.11.
Tabela 8.12. Análise dos equipamentos do ciclo Brayton para a vertente de otimização exergética.
Equipamento Rendimento
energético (%) Rendimento
exergético (%) Exergia
destruída (kW)
Turbina a gás 99,80 61,05 63.556
8.2.2. CICLO RANKINE COM COGERAÇÃO
A Tabela 8.13 apresenta os resultados obtidos para as variáveis de decisão do
ciclo Rankine com cogeração em cada conjunto de parâmetros para a vertente de
otimização exergética:
Tabela 8.13. Resultados da função objetivo para os diferentes conjuntos de parâmetros investigados para a vertente de otimização exergética.
Variável de decisão Caso padrão
500,0 °C 453,7 °C 538,2 °C 599,8 °C
80,0 bar 49,4 bar 96,5 bar 99,6 bar
4,1 bar 10,0 bar 5,6 bar 4,4 bar
0,2566 0,2416 0,2658 0,2711
A partir da análise da Tabela 8.13, nota-se que a otimização exergética
aumentou tanto a temperatura quanto a pressão da caldeira, estabelecendo uma
condição de operação de aproximadamente 600 °C e 100 bar.
Mais uma vez, o parâmetro representou o melhor conjunto, e, por isso, foi
selecionado para gerar os resultados das análises posteriores.
As Tabelas 8.14 e 8.15 apresentam, respectivamente, os parâmetros de
desempenho e a análise dos equipamentos do ciclo Rankine com cogeração para a
otimização exergética:
91
Tabela 8.14. Resultado dos parâmetros de desempenho do ciclo Rankine com cogeração para a vertente de otimização exergética.
Parâmetro Caso padrão Otimização exergética
Potência da turbina de alta pressão 18.800 kW 16.000 kW
Potência da turbina de baixa pressão 8.800 kW 12.800 kW
Potência bruta do ciclo 28.600 kW 28.800 kW
Potência líquida do ciclo 27.400 kW 27.600 kW
Energia de vapor exportada 25.000 kW 25.000 kW
Razão potência/calor gerado 1,1 1,1
Rendimento energético global 0,3865 0,3873
Rendimento exergético global 0,2566 0,2711
Segundo os resultados disponíveis na Tabela 8.14, pode-se notar que a
potência produzida pela turbina a vapor de alta pressão foi reduzida, enquanto que a
potência da turbina de baixa pressão foi elevada, resultando em um aumento de 200
kW na potência líquida produzida pelo ciclo, para a mesma demanda térmica. O
rendimento exergético global foi aumentado para 0,2711.
Tabela 8.15. Análise dos equipamentos do ciclo Rankine com cogeração para a vertente de otimização exergética.
Equipamento Rendimento
energético (%) Rendimento
exergético (%) Exergia
destruída (kW)
Bomba de baixa pressão 85,00 76,90 1
Desaerador 100 71,53 642
Bomba de alta pressão 85,00 75,33 133
Caldeira 80,00 39,16 81.800
Válvula 1 100 99,80 112
Turbina a vapor de alta pressão 90,00 77,04 6.208
Separador 1 100 98,26 479
Válvula 2 100 99,83 14
Separador 2 100 98,23 330
Válvula 3 100 84,09 252
Turbina a vapor de baixa pressão 90,00 73,66 3.523
Condensador 100 53,91 1.625
Total - - 95.119
A partir dos resultados apresentados na Tabela 8.15, observou-se que a
caldeira foi responsável por uma parcela de 86% da destruição total de exergia, e
apresentou o pior rendimento exergético dentre os equipamentos.
92
8.2.3. CICLO COMBINADO COM COGERAÇÃO
A Tabela 8.16 apresenta os resultados obtidos para as variáveis de decisão do
ciclo combinado em cada conjunto de parâmetros para a vertente de otimização
exergética:
Tabela 8.16. Resultados da função objetivo para os diferentes conjuntos de
parâmetros investigados para a vertente de otimização exergética.
Variável de decisão Caso padrão
0,9 0,94 0,97 1
25 °C 3,0 °C 0,8 °C 0 °C
500 °C 346,6 °C 511,4°C 311,1 °C
80 bar 88,4 bar 75,3 bar 98,4 bar
3,0 bar 9,1 bar 9,7 bar 10 bar
0,4209 0,4391 0,4423 0,4527
Segundo a análise da Tabela 8.16, percebe-se que a otimização exergética
seguiu a mesma tendência apresentada no ciclo Brayton acerca das variáveis de
decisão associadas a turbina a gás, ou seja, a carga da turbina a gás foi elevada para
1 e a temperatura de entrada do ar foi reduzida para 0 °C.
Além disso, nota-se, novamente, que o conjunto de parâmetros maximizou o
rendimento exergético dentre os conjuntos analisados.
Logo, foi implementado para produzir os resultados complementares das
análises sequentes.
As Tabelas 8.17 e 8.18 apresentam, respectivamente, os parâmetros de
desempenho e a análise dos equipamentos do ciclo combinado com cogeração para a
otimização exergética:
93
Tabela 8.17. Resultado dos parâmetros de desempenho do ciclo combinado para a vertente de otimização exergética.
Parâmetro Caso padrão Otimização exergética
Potência da turbina a gás 36.800 kW 48.500 kW
Potência da turbina de alta pressão 11.700 kW 10.300 kW
Potência da turbina de baixa pressão 3.550 kW 8.900 kW
Potência bruta do ciclo 52.050 kW 67.700 kW
Consumo de combustível 134.450 kW 161.950 kW
Potência líquida do ciclo 51.400 kW 67.000 kW
Energia de vapor exportada 25.000 kW 25.000 kW
Razão potência/calor gerado 2,0 2,7
Rendimento energético global 0,5601 0,5569
Rendimento exergético global 0,4209 0,4527
A partir da Tabela 8.17, pode-se notar que o parâmetro de desempenho que
teve a alteração mais significativa foi a potência produzida pela turbina a vapor de
baixa pressão, na qual teve seu valor mais que duplicado pela otimização exergética.
A razão potência/calor gerado também teve um aumento considerável em relação ao
valor inicial.
Já o consumo de combustível, isto é, o insumo energético foi aumentado em
17%. Vale ressaltar também que para este ciclo, o aumento do rendimento exergético
não foi acompanhado de um aumento do rendimento energético.
94
Tabela 8.18. Análise dos equipamentos do ciclo combinado para a vertente de otimização exergética.
Equipamento Rendimento
energético (%) Rendimento
exergético (%) Exergia
destruída (kW)
Bomba de baixa pressão 85,00 75,21 1
Desaerador 100 75,52 440
Bomba de alta pressão 85,00 75,23 90
Pré-aquecedor 100 76,41 2.422
Bomba da caldeira 85,00 78,54 45
Economizador 100 82,35 3.622
Superaquecedor 100 67,28 3.402
Turbina a gás 97,54 61,45 60.714
Válvula 1 100 99,63 123
Turbina a vapor de alta pressão 90,00 77,85 2.400
Separador 1 100 98,50 339
Válvula 2 100 99,85 14
Separador 2 100 98,47 190
Válvula 3 100 73,93 168
Turbina a vapor de baixa pressão 90,00 73,67 2.533
Condensador 100 45,91 1.174
Total - - 77.677
8.3. COMPARAÇÃO DOS RESULTADOS DAS OTIMIZAÇÕES ENERGÉTICA E
EXERGÉTICA
A Tabela 8.19 apresenta a comparação entre os resultados das variáveis de
decisão obtidos pelas vertentes de otimização energética e exergética para o ciclo
Brayton.
Tabela 8.19. Comparação entre os resultados das variáveis de decisão para o ciclo Brayton.
Variável de decisão Caso padrão Otimização energética
Otimização exergética
0,9 1,00 1,00
25 °C 0 °C 0,2 °C
Pode-se concluir, a partir dos dados apresentados na Tabela 8.19, que, para o
ciclo Brayton, ambas as vertentes de otimização tomaram o mesmo caminho em
95
relação as variáveis de decisão selecionadas, ou seja, maximizaram a carga da
turbina a gás e minimizaram a temperatura de entrada do ar.
A Tabela 8.20 apresenta a comparação dos resultados dos parâmetros de
desempenho para o ciclo Brayton para ambas vertentes de otimização.
Tabela 8.20. Comparação entre os resultados dos parâmetros de desempenho do ciclo Brayton.
Resultado Caso padrão Otimização energética
Otimização exergética
Potência da turbina a gás 43.200 kW 56.880 kW 56.850 kW
Consumo de combustível 134.450 kW 161.850 kW 161.800 kW
Rendimento energético global 0,9547 0,9955 0,9977
Rendimento exergético global 0,5868 0,6101 0,6104
Os resultados apresentados na Tabela 8.20 corroboram para o fato de que as
otimizações energética e exergética alinharam suas ações para o ciclo Brayton.
Além disso, a partir da abordagem utilizada neste trabalho para o cálculo do
rendimento energético global do ciclo Brayton, produziu-se um valor de rendimento
próximo de 100%. Em contrapartida, utilizando a mesma abordagem para o cálculo do
rendimento exergético global, obteve-se um valor próximo de 60%. Essa diferença
indica como o mesmo parâmetro de desempenho, calculado a partir das mesmas
definições, pode apresentar valores bem distintos quando analisado do ponto de vista
energético, e quando analisado do ponto de vista exergético.
A Tabela 8.21 apresenta uma comparação entre a destruição de exergia na
turbina a gás para o caso otimizado energeticamente e o caso otimizado
exergeticamente.
Tabela 8.21. Comparação entre os resultados de destruição de exergia por equipamento do ciclo Brayton.
Equipamento Caso padrão Otimização energética
Otimização exergética
Turbina a gás 55.876 kW 63.559 kW 63.556 kW
O aumento da destruição de exergia na turbina a gás para os casos otimizados
deve-se ao fato de que ambas as vertentes exigiram um aumento do consumo de
combustível, apesar do incremento nos rendimentos energéticos e exergéticos,
conforme pode ser observado na Tabela 8.22.
96
Tabela 8.22. Comparação entre os resultados dos rendimentos exergéticos por equipamento do ciclo Brayton.
Equipamento Caso padrão Otimização energética
Otimização exergética
Turbina a gás 58,68 61,01 61,05
A Tabela 8.23 apresenta a comparação entre os resultados das variáveis de
decisão obtidos pelas vertentes de otimização energética e exergética para o ciclo
Rankine com cogeração.
Tabela 8.23. Comparação entre os resultados das variáveis de decisão para o ciclo Rankine com cogeração.
Variável de decisão Caso padrão Otimização energética
Otimização exergética
500,0 °C 648,6 °C 599,8 °C
80,0 bar 100,0 bar 99,6 bar
3,3 bar 1,7 4,4 bar
Observa-se na Tabela 8.23 que tanto a vertente energética quanto a exergética
buscaram estabelecer condições de operação similares para a caldeira. A temperatura
foi elevada para uma faixa de 600 – 650 °C, distante do máximo permitido de 1000 °C,
e a pressão foi elevada próxima ao limite máximo de 100 bar.
Em contrapartida, acerca da pressão de extração da turbina a vapor de alta
pressão, as vertentes tomaram ações divergentes. Do ponto de vista energético,
buscou-se a redução dessa pressão para 1,7 bar. Já do ponto de vista exergético,
buscou-se um incremento dessa mesma pressão para 4,4 bar. Os limites mínimo e
máximo adotados para essa pressão foram, respectivamente, 0 e 10 bar.
A Tabela 8.24 apresenta a comparação dos resultados dos parâmetros de
desempenho para o ciclo Rankine com cogeração para ambas vertentes de
otimização.
97
Tabela 8.24. Comparação entre os resultados dos parâmetros de desempenho do ciclo Rankine com cogeração.
Resultado Caso padrão Otimização energética
Otimização exergética
Potência da turbina de alta pressão 18.800 kW 25.500 kW 16.000 kW
Potência da turbina de baixa pressão 8.800 kW 5.650 kW 12.800 kW
Potência bruta do ciclo 28.600 kW 31.150 kW 28.800 kW
Potência líquida do ciclo 27.400 kW 28.900 kW 27.600 kW
Energia de vapor exportada 25.000 kW 25.000 kW 25.000 kW
Razão potência/calor gerado 1,1 1,2 1,1
Rendimento energético global 0,3865 0,4046 0,3873
Rendimento exergético global 0,2566 0,2642 0,2711
Diante da Tabela 8.24, nota-se que as contribuições das turbinas a vapor de
alta e baixa pressão para a potência líquida do ciclo foram diferentes para cada caso
de otimização, refletindo a divergência obtida na pressão de extração.
A Tabela 8.25 apresenta uma comparação entre a destruição de exergia
ocorrida nos equipamentos do ciclo Rankine com cogeração para o caso otimizado
energeticamente e o caso otimizado exergeticamente.
Tabela 8.25. Comparação entre os resultados de destruição de exergia por equipamento do ciclo Rankine com cogeração.
Equipamento Caso Padrão
(kW)
Otimização energética
(kW)
Otimização exergética
(kW)
Bomba de baixa pressão 1 1 1
Desaerador 641 353 642
Bomba de alta pressão 117 129 133
Caldeira 84.061 81.055 81.800
Válvula 1 147 108 112
Turbina a vapor de alta pressão 5.932 8.142 6.208
Separador 1 511 465 479
Válvula 2 13 14 14
Separador 2 371 320 330
Válvula 3 388 1 252
Turbina a vapor de baixa pressão 3.495 1.963 3.523
Condensador 1.718 3.512 1.625
Total 97.395 96.063 95.119
98
A destruição de exergia por equipamento seguiu a mesma tendência em
ambas vertentes, com exceção nas turbinas a vapor de alta e baixa pressão e no
condensador.
Na otimização exergética, o aumento da destruição de exergia na turbina a
vapor de baixa pressão ocorre em consonância com um aumento da potência. Na
otimização exergética, observa-se uma redução de potência da mesma turbina e um
aumento da exergia destruída no condensador.
Já a Tabela 8.26 compara o rendimento exergético dos equipamentos
presentes no ciclo Rankine com cogeração nas duas abordagens de otimização.
Tabela 8.26. Comparação entre os resultados dos rendimentos exergéticos por equipamento do ciclo Rankine com cogeração.
Equipamento Caso Padrão
(%)
Otimização energética
(%)
Otimização exergética
(%)
Bomba de baixa pressão 75,52 76,47 76,90
Desaerador 73,04 81,48 71,53
Bomba de alta pressão 75,24 75,18 75,33
Caldeira 37,48 39,71 39,16
Válvula 1 99,72 99,81 99,80
Turbina a vapor de alta pressão 76,01 75,80 77,04
Separador 1 98,15 97,85 98,26
Válvula 2 99,82 99,79 99,83
Separador 2 98,11 97,80 98,23
Válvula 3 84,19 100 84,09
Turbina a vapor de baixa pressão 73,67 74,22 73,66
Condensador 54,09 35,92 53,91
A Tabela 8.27 apresenta a comparação entre os resultados das variáveis de
decisão obtidos pelas vertentes de otimização energética e exergética para o ciclo
combinado com cogeração.
99
Tabela 8.27. Comparação entre os resultados das variáveis de decisão para o ciclo combinado.
Variável de decisão Caso padrão Otimização energética
Otimização exergética
0,9 0,7 1
25 °C 24,8 °C 0 °C
500 °C 311,0 °C 311,1 °C
80 bar 99,2 bar 98,4 bar
2,4 bar 1,8 bar 10 bar
No ciclo combinado com cogeração as vertentes de otimização propostas
apresentaram comportamentos similares apenas em relação as condições de
operação da caldeira. Em ambos os casos, segundo os resultados apresentados na
Tabela 8.27, reduziu-se a temperatura para aproximadamente 311 °C, próximo à
temperatura mínima permitida de 300 °C, e aumentou-se a pressão para 99 bar
aproximadamente, quase atingindo a pressão máxima permitida de 100 bar.
Com respeito as outras variáveis de decisão, as vertentes tomaram caminhos
opostos e extremos. Na otimização energética, o fator de carga da turbina a gás foi
reduzida para 0,7 (valor mínimo), a temperatura de entrada do ar na turbina a gás foi
mantida aproximadamente em 25 °C (valor máximo) e a pressão de extração da
turbina a vapor de alta pressão foi reduzida para 1,8 bar, aproximando-se de 0 bar
(valor mínimo). Já na otimização exergética, o fator de carga da turbina a gás foi
elevado para 1 (valor máximo), a temperatura de entrada do ar foi reduzida para 0 °C
(valor mínimo), e a pressão de extração da turbina a vapor de alta pressão foi
incrementada ao máximo permitido, ou seja, 10 bar.
A Tabela 8.28 apresenta a comparação dos resultados dos parâmetros de
desempenho para o ciclo combinado com cogeração para ambas vertentes de
otimização.
100
Tabela 8.28. Comparação entre os resultados dos parâmetros de desempenho do ciclo combinado.
Resultado Caso padrão Otimização energética
Otimização exergética
Potência da turbina a gás 36.800 kW 28.800 kW 48.500 kW
Potência da turbina de alta pressão 11.700 kW 12.450 kW 10.300 kW
Potência da turbina de baixa pressão 3.550 kW 3.550 kW 8.900 kW
Potência bruta do ciclo 52.050 kW 44.800kW 67.700 kW
Consumo de combustível 134.450 kW 113.600 kW 161.950 kW
Potência líquida do ciclo 51.400 kW 43.775 kW 67.000 kW
Energia de vapor exportada 25.000 kW 25.000 kW 25.000 kW
Razão potência/calor gerado 2,0 1,8 2,7
Rendimento energético global 0,5601 0,5922 0,5569
Rendimento exergético global 0,4209 0,4176 0,4527
A partir dos parâmetros de desempenho apresentados na Tabela 8.28 observa-
se, de outra forma, a divergência das ações tomadas pelas vertentes propostas para o
ciclo combinado. A potência produzida pela turbina a gás na otimização exergética é
quase o dobro do valor a ser produzido com a otimização energética, a potência
produzida pela turbina a vapor de baixa pressão é aproximadamente três vezes maior
para o caso exergético em relação ao energético.
Além disso, na vertente exergética o consumo de combustível foi
incrementado, ao passo que na vertente energética foi reduzido.
A Tabela 8.29 apresenta uma comparação entre a destruição de exergia
ocorrida nos equipamentos do ciclo combinado com cogeração para o caso otimizado
energeticamente e o caso otimizado exergeticamente.
101
Tabela 8.29. Comparação entre os resultados de destruição de exergia por equipamento do ciclo combinado.
Equipamento Caso Padrão
(kW)
Otimização energética
(kW)
Otimização exergética
(kW)
Bomba de baixa pressão 1 1 1
Desaerador 348 734 440
Bomba de alta pressão 97 161 90
Pré-aquecedor 2.307 1.664 2.422
Bomba da caldeira 147 18 45
Economizador 2.764 3.335 3.622
Superaquecedor 2.930 2.085 3.402
Turbina a gás 54.000 48.153 60.714
Válvula 1 86 67 123
Turbina a vapor de alta pressão 3.794 3.880 2.400
Separador 1 296 315 339
Válvula 2 13 12 14
Separador 2 159 189 190
Válvula 3 151 174 168
Turbina a vapor de baixa pressão 1.267 1.284 2.533
Condensador 916 985 1.174
Total 68.276 60.565 77.677
Em ambas vertentes de otimização, pode-se observar que aproximadamente
12 % da destruição de exergia global ocorreu nos trocadores de calor da caldeira de
recuperação, 80 % na turbina a gás e 8 % nas turbinas a vapor de alta e baixa
pressão. Na vertente exergética, o maior valor de exergia destruída global explica-se
pelo maior consumo de combustível exigido em relação a vertente energética.
Finalmente, a Tabela 8.30 compara o rendimento exergético dos equipamentos
presentes no ciclo combinado com cogeração nas duas abordagens de otimização.
102
Tabela 8.30. Comparação entre os resultados dos rendimentos exergéticos por equipamento do ciclo Rankine com cogeração.
Equipamento Caso Padrão
(%)
Otimização energética
(%)
Otimização exergética
(%)
Bomba de baixa pressão 72,96 75,21 75,21
Desaerador 74,28 64,79 75,52
Bomba de alta pressão 75,25 75,26 75,23
Pré-aquecedor 76,89 87,57 76,41
Bomba da caldeira 78,78 79,17 78,54
Economizador 82,97 82,82 82,35
Superaquecedor 71,77 20,70 67,28
Turbina a gás 59,70 25,86 29,24
Válvula 1 99,72 99,78 99,63
Turbina a vapor de alta pressão 75,52 75,18 77,85
Separador 1 97,95 97,93 98,50
Válvula 2 99,81 99,79 99,85
Separador 2 97,95 97,87 98,47
Válvula 3 89,01 92,20 73,93
Turbina a vapor de baixa pressão 73,67 73,68 73,67
Condensador 43,57 44,55 45,91
A seguir, definine-se a média da diferença percentual entre os valores das
variáveis de decisão otimizadas e os valores de referência, , como sendo:
∑
|( ) ( ) |( )
(8.1)
A Tabela 8.31 apresenta a média da diferença percentual das variáveis de
decisão selecionadas para cada ciclo em ambas vertentes de otimização. Na última
coluna, é feita uma avaliação se as vertentes foram equivalentes (Eq.) com base nos
valores obtidos para a MDP. A letra “S” foi utilzada como resposta afirmativa para o
questionamento, ao passo que a letra “N” como resposta negativa.
103
Tabela 8.31. Média da diferença percentual das variáveis de decisão selecionadas para cada ciclo nos casos de otimização energética e exergética.
Sistema estudados
Variável de decisão Média da diferença
percentual Eq.
Variáveis de
decisão
Caso padrão
Otimização energética
Otimização exergética
Otimização energética
Otimização exergética
S/N
Ciclo Brayton
0,9 1 1
0,55 0,55 S
25,0 °C 0 °C 0 °C
Rankine com cogeração
500,0 °C 648,6 °C 599,8 °C
0,34 0,24 N 80,0 bar 100,0 bar 99,6 bar
3,3 bar 1,7 4,4 bar
Ciclo combinado com cogeração
0,9 0,7 1
0,22 1,0 N
25,0 °C 24,8 °C 0 °C
500,0 °C 311,0 °C 311,1 °C
80,0 bar 99,2 bar 98,4 bar
2,4 bar 1,8 bar 10,0 bar
Com base nos resultados da Tabela 8.31, observa-se que as diferenças da
MDP são maiores para o ciclo combinado com cogeração quando é realizada a
otimização energética e não diferem para o ciclo Brayton. Esta observação sugere que
na medida em que os ciclos se tornam mais complexos, os resultados obtidos com a
otimização exergética se afastam daqueles obtidos com a otimização energética.
104
CAPÍTULO 9 – CONCLUSÕES
A escassez cada vez maior dos recursos energéticos, ou melhor, exergéticos
disponíveis no planeta, o aumento do consumo de energia da sociedade moderna e o
progresso dos órgãos reguladores do meio ambiente tem motivado, nos últimos anos,
o desenvolvimento de ferramentas de otimização de sistemas térmicos ao redor do
mundo. O projeto e otimização de sistemas térmicos é uma atividade de engenharia
complexa que exige profundo conhecimento e experiência por parte do engenheiro.
Diante disso, para auxiliar a execução de tais tarefas, hoje, os simuladores de
processos são amplamente utilizados, pois realizam o cálculo do balanço energético
dos sistemas. Isso permite que parâmetros termodinâmicos sejam alterados e
testados exaustivamente de forma rápida e prática, logo oferece melhores condições
para se compreender o comportamento termodinâmico geral do sistema, bem como a
influência de determinadas variáveis físicas controláveis.
O crescente interesse no desenvolvimento de ferramentas que auxiliem no
projeto e otimização de sistemas térmicos tem impulsionado a criação e aplicação de
técnicas pautadas na segunda lei da termodinâmica, sobretudo utilizando o conceito
de exergia como base de análise de sistemas. Entretando, a maioria dos simuladores
de processos não incorporam as técnicas relacionadas à segunda lei da
termodinâmica, fazendo-se necessário, muitas vezes, a utilização de outro software
complementar, de preferência de forma integrada, que as implemente.
Nesse sentido, objetivou-se realizar neste trabalho uma comparação entre
duas técnicas de otimização termodinâmica, uma baseada no conceito de energia e a
outra no conceito de exergia, aplicadas à sistemas térmicos operando em ciclo simples
e com cogeração. Para tal, utilizou-se o IPSEpro, um simulador de processos
profissional, integrado ao MatLab para efetuar a análise exergética dos sistemas, bem
como o cálculo dos rendimentos globais e de cada equipamento.
As principais conclusões resultantes dessa comparação é que nem sempre
otimizar sistemas térmicos do ponto de vista energético e exergético são abordagens
equivalentes, isto é, não levam o sistema para pontos de operação similares. Além
disso, observou-se também, neste trabalho, que para sistemas mais complexos o grau
da discrepância entre essas vertentes de otimização é maior.
Outra diferença fundamental constatada entre as vertentes é que, sob a ótica
exergética, identificou-se a possibilidade de melhoria de rendimento tanto no ciclo
Brayton, quanto no ciclo combinado com cogeração mediante o resfriamento da
temperatura do ar de entrada na turbina a gás. Em contrapartida, o mesmo não se
105
identificou sob a ótica energética, que considerou o resfriamento do ar de entrada uma
possível alternativa de melhoria de rendimento apenas em um sistema simples como o
ciclo Brayton. Além disso, de uma forma geral, notou-se que para otimizar o ciclo
combinado, a vertente exergética seguiu a mesma tendência apresentada ao se
otimizar os ciclos Brayton e Rankine com cogeração isoladamente. A vertente
energética não seguiu a mesma tendência nos casos isolados e combinado, sobretudo
em relação a operação da turbina a gás.
De fato, a aplicação de ambas as vertentes de otimização, a partir do algoritmo
genético disponibilizado pelo IPSEpro, promoveu aumentos nos rendimentos
energético e exergético dos três sistemas estudados. No ciclo Brayton, os rendimentos
energético e exergético passaram, respectivamente de 0,9547 e 0,5868 para 0,9955 e
0,6105. Para o ciclo Rankine com cogeração esses mesmos valores saltaram de
0,3865 e 0,2566 para 0,4046 e 0,2711. Já para o ciclo combinado com cogeração,
esses rendimentos aumentaram de 0,5601 e 0,4209 para 0,5922 e 0,4527. Contudo, a
possibilidade de implementação das alterações propostas pelas otimizações
realizadas, em uma planta real, deve ser complementada por um profundo estudo dos
custos envolvidos no projeto, operação e manutenção da planta, bem como de suas
restrições inerentes.
Por fim, algumas considerações podem ser feitas acerca do algoritmo de
otimização utilizado, isto é do algoritmo genético. Primeiramente, a robustez e
simplicidade de aplicação do método permitiram que o enfoque principal fosse
destinado à termodinâmica dos sistemas. Ademais, como o conjunto de parâmetros
apresentou o melhor resultado para as funções objetivo em todos os casos analisados,
pode-se dizer que, neste trabalho, o algoritmo genético disponibilizado pelo IPSEpro
correspondeu às expectativas de desempenho relativo entre os conjuntos de
parâmetros selecionados. No entanto, observou-se que, apesar de serem próximos, os
resultados de otimização apresentados para uma mesma condição de operação inicial
e para o mesmo conjunto de parâmetros do algoritmo genético não são idênticos.
A partir dos resultados e análises do presente trabalho, e considerando-se que
o resfriamento do ar na entrada de turbinas a gás tem sido amplamente estudado nos
últimos anos como alternativa para melhoria de rendimento não só da turbina a gás,
como também de sistemas térmicos de forma geral. Apresenta-se, a seguir, algumas
sugestões e recomendações que podem ser úteis para eventuais estudos sobre o
tema abordado.
Sugere-se estender a comparação realizada neste trabalho à sistemas mais
complexos e reais introduzindo o fator financeiro associado à esses sistemas para
complementar as bases de análise energética e exergética.
106
Recomenda-se a aplicação de métodos exergoeconômicos para realizar um
estudo do nível de resfriamento mais adequado para o ar de entrada da turbina a gás,
bem como para avaliar a viabilidade de se introduzir um equipamento que
desempenhe esta função.
107
REFERÊNCIAS BIBLIOGRÁFICAS
[1] CAIRNCROSS, F, CAIRNCROSS , A., “The Legacy of the Golden Age:
1960s and Their Economic Consequences”, 1st edition, Routledge Academic
Publishers, 1992.
[2] SANTOS, F. B., ALVES, L. M., “Fundamentos teóricos relacionados à
cogeração e o exemplo da central de cogeração Infoglobo”, Projeto Final de
Graduação, UFRJ. Rio de Janeiro, RJ, 2008.
[3] COGEN, Associação da Indústria de Cogeração de Energia, “Cogeração:
Conceito e Tecnologias”. São Paulo, SP. Disponível em: <
http://www.cogen.com.br/ >. Acessado em 04 de Julho de 2017.
[4] RODRIGUES, R. C., “Otimização termoeconômica de uma central de
cogeração de energia utilizando o simulador de processos IPSEpro”, Projeto
Final de Graduação, UFRJ. Rio de Janeiro, RJ, 2013.
[5] SCIUBBA, E., “A brief Commented History of Exergy From the Beginnings to
2004”, Journal of Thermodynamics, 2007, V. 10(No.1), pp. 1-26.
[6] ROSEN, M. A., “Does industry embrace exergy?”, Exergy, An International
Journal, 2002, V. 10(No.4), pp. 221-223.
[7] DINCER, I., ROSEN, M. A. “Exergy”, 1st edition, Elsevier, 2007.
[8] SCIUBBA, E., “Exergoeconomics”, Encyclopedia of exergy, 2004, pp. 577-
591.
[9] KALATALO, D. N., “Análise exergética de ciclos combinados”, Projeto de
Graduação, UnB. Brasília, DF, 2004.
[10] TSATSARONIS, G., Comments on the paper “A brief Commented History
of Exergy From the Beginnings to 2004”, Journal of Thermodynamics, 2007.
[11] CRUZ, M. E. C., VIEIRA, L. S. R., “Exergoeconomia aplicada a sistemas
térmicos”, Petrobrás, Universidade Corporativa, 2005.
108
[12] SONDERMANN, C. N., “Simulação e análise exergética de uma planta de
cogeração real utilizando o simulador de processos IPSEpro”, Projeto Final de
Graduação, UFRJ. Rio de Janeiro, 2013.
[13] FERNANDES, G. D., “Estudo da viabilidade de implantação de um sistema
de cogeração de energia em uma lavanderia industrial”, Projeto Final de
Graduação, UFRJ. Rio de Janeiro, 2015.
[14] VOLTIMUM PORTUGAL, “Evolução da cogeração no mundo”, 2011.
Disponível em: < http://www.voltimum.pt/ >. Acessado em 19 de Agosto de
2017.
[15] BALESTIERI, J. A. P., “Cogeração: Geração combinada de eletricidade e
calor”, 1ª edição, Editora da UFSC. Florianópolis, SC, 2002.
[16] BARJA, G. J. A., “A Cogeração e sua inserção ao sistema elétrico”,
Dissertação de Mestrado, UnB. Brasília – DF, 2006.
[17] KIRANYAZ, S., INCE, T, GABBOUJ, M., “Multidimensional particle swarm
optimization for machine learning and pattern recognition”, Springer, 2014.
[18] MATEMÁTICA UFMG, “Máximos e mínimos absolutos”. Minas Gerais, MG.
Disponível em: < http://www.mat.ufmg.br/calculoI/especiais/aula13.pdf/ >.
Acessado em 11 de Agosto de 2017.
[19] CUNHA, I. O., “Otimização de ciclo de turbine a vapor com três extrações
utilizando o programa IPSEpro”, Projeto Final de Graduação, UFRJ. Rio de
Janeiro, RJ, 2016.
[20] SIMTECH, 2014, IPSEpro PSE Documentation, Version 3.6, Simtech
Simulations Technology, Austria.
[21] SIMTECH, 2014, IPSEpro MDK Documentation, Version 3.6, Simtech
Simulations Technology, Austria.
[22] SIMTECH, 2014, IPSEpro PSOptimize Documentation, Version 3.6,
Simtech Simulations Technology, Austria.
109
[23] GONÇALVEZ, A. R., “Algoritmos genéticos”, FEEC, Unicamp. Campinas,
SP.
[24] Vieira, L., Cruz, M., Guedes, V., “Optimization of the operation of a complex
combined-cycle cogeneration plant using a Professional process simulator”, no
Congresso Internacional de Engenharia Mecânica, IMECE, 2008. Boston,
Massachusetts, EUA.
[25] SIMTECH, 2014, IPSEpro APP_Lib_GT Documentation, Version 3.6,
Simtech Simulations Technology, Austria.
[26] ANDRETTA, M., “Determinação de raízes de funções: Método de Newton”,
ICMC, USP. São Paulo, 2012.
[27] TSATSARONIS G., PISA, J., “Exergoeconomic Evaluation and
Optimization of Energy Systems – Application to the CGAM problem”, Energy,
The International Journal, Special Issue: Invited Papers on Exergoeconomics,
Guest Editor: George Tsatsaronis, 1994, v. 19, pp. 287-322.
[28] VALERO, A., LOZANO, M. A., SERRA, L. et al., “CGAM Problem:
Definition and Conventional Solution”, Energy, The International Journal,
Special Issue: Invited Papers on Exergoeconomics, Guest Editor: George
Tsatsaronis, 1994, v. 19, pp.279-286.
[30] Vieira, L., “Modelo exergoeconômico iterativo para melhoria de sistemas
térmicos complexos integrado a um simulador de processos”, Tese de
doutorado, Coppe, UFRJ, Rio de Janeiro, RJ, 2003.
[31] LOUREIRO, S. M., MARGOTO, L. R., VAREJÃO, F. M. et al., “Um
mecanismo automático para busca de parâmetros de técnicas de classificação
utilizando algoritmos genéticos”, no Congresso da Sociedade Brasileira de
Computação, Rio Grande do Sul, 2005.
[32] FERREIRA, A. B., “Avaliação de operadores de algoritmos genéticos em
otimização multidimensional”, Dissertação de Mestrado, UESP. São Paulo, SP,
2007.