CLASSIFICAÇÃO DE COMBUSTÍVEIS DE BIOMASSA VEGETAL PARA A PRODUÇÃO DE BIOENERGIA CLASSIFICATION OF PLANT BIOMASS FUELS FOR THE PRODUCTION OF BIOENERGY

Transcrição

1 CLASSIFICAÇÃO DE COMBUSTÍVEIS DE BIOMASSA VEGETAL PARA A PRODUÇÃO DE BIOENERGIA CLASSIFICATION OF PLANT BIOMASS FUELS FOR THE PRODUCTION OF BIOENERGY Thiago de Paula PROTÁSIO 1 ; Lina BUFALINO 2 ; Mário GUIMARÃES JÚNIOR 3 ; Antônia Amanda da Silva CÉSAR 2 ; Paulo Fernando TRUGILHO 4 RESUMO - O objetivo desse trabalho foi avaliar e agrupar combustíveis de biomassa vegetal residual considerando-se a técnica multivariada de componentes principais e os teores dos componentes elementares e minerais. Foram utilizadas maravalhas de eucalipto, maravalhas de cedro australiano, maravalhas de pinus, casca de arroz, bagaço de cana-de-açúcar, resíduos do processamento de café, resíduos da colheita do milho e polpa celulósica residual de bambu. A quantificação dos teores de carbono, hidrogênio e oxigênio em relação à massa seca dos resíduos lignocelulósicos foi realizada em um analisador universal da marca Elementar. O teor de cinzas foi determinado em um forno mufla, considerando a massa seca da biomassa. Foram formados grupos de resíduos lignocelulósicos considerando-se as componentes principais 1 e 2. A componente principal 1 foi interpretada como um índice de desempenho energético (IDE). Pela interpretação do IDE observou-se que a casca de arroz e as maravalhas de cedro foram os resíduos que apresentaram o menor e o maior potencial energético, respectivamente. Isso se deve ao elevado teor de cinzas e baixo teor de carbono e hidrogênio da casca de arroz, sendo o contrário observado para as maravalhas de cedro. Observou-se similaridade entre os combustíveis de biomassa analisados, com exceção da casca de arroz, possibilitando a formação de dois grupos distintos. Palavras-chave: resíduos; aproveitamento energético; análise multivariada ABSTRACT - The aim of this work was to evaluate and to group residual vegetal biomass fuels considering the multivariate technique of principal components and the contents of mineral and elemental components. Eucalypt shavings, Australian red cedar shavings, pinus shavings, rice husk, sugar cane bagasse, residues from coffee processing, residues from corn harvesting and residual cellulose pulp of bamboo were used. The quantification of carbon, hydrogen and oxygen contents, based on the dry mass of the lignocellulosic residues, was performed in a universal analyzer of the brand Elementar. The ash content was determined in a muffle furnace, considering the dry mass of the biomass. Groups of lignocellulosic residues were formed considering the principal components 1 and 2. The principal component 1 was interpreted as an energetic development index (EDI). By the interpretation of this index, it was observed that the rice husk and the cedar shavings were the residues which presented the lower and higher energetic potential, respectively. This is attributed to the high ash content and low carbon and hydrogen contents of rice husk. The opposite was observed for cedar shavings. It was verified similarity between the biomass fuels analyzed, except rice husk, allowing the formation of two distinct groups. Keywords: residues; energetic utilizing; multivariate analysis 1 Graduando em Engenharia Florestal, UFLA/DCF, depaulaprotasio@gmail.com 2 Engenheiras Florestais, Doutorandas em Ciência e Tecnologia da Madeira, UFLA, DCF, linabufalino@yahoo.com.br; amanda_ufla@hotmail.com 3 Professor Mestre do Departamento de Eletrônica CEFET-MG (Araxá), mgjunior@araxa.cefetmg.br 4 Engenheiro Florestal, Professor Doutor do DCF, UFLA, trugilho@dcf.ufla.br

2 INTRODUÇÃO O uso energético de resíduos lignocelulósicos tem ganhado destaque em vários países devido à grande quantidade desse tipo de material produzido pelo setor agroflorestal. No entanto, para o aproveitamento racional e adequado de resíduos agrícolas e florestais, é necessário o estudo de suas propriedades energéticas (PROTÁSIO et al., 2011). A evolução do consumo mundial de energia baseada em combustíveis não renováveis conduziu a humanidade a uma matriz energética insegura e poluidora. O Brasil, por outro lado, tem aproveitado seu potencial de produção agrícola e florestal para a utilização de energia renovável. O país apresenta atualmente quase 50% de sua matriz energética proveniente de fontes renováveis, sendo 15,2% correspondente à hidroeletricidade e 32% a diversos tipos de biomassa (MME, 2010). Nesse contexto, a utilização de resíduos lignocelulósicos para a produção de bioenergia pode ser uma boa alternativa, destinando materiais potencialmente poluidores do meio ambiente para a geração de energia e, consequentemente, de renda. Na seleção e classificação de combustíveis da biomassa para a produção de bioenergia torna-se necessário a avaliação de características e propriedades que geralmente apresentam alguma relação entre si e com o poder calorífico, variável energética de alta relevância para o aproveitamento energético da biomassa residual, pois expressa a quantidade de energia térmica que é liberada durante a combustão completa de uma unidade de massa ou de volume do combustível (PAULA et al., 2011; PROTÁSIO et al., 2011; BRAND, 2010; EROL et al., 2010; AKKAYA et al., 2009; HUANG et al., 2009; MAJUMDER et al., 2008; SHENG; AZEVEDO, 2005). Os teores de carbono, hidrogênio, oxigênio e minerais apresentam correlação direta com o poder calorífico superior (PAULA et al., 2011; PROTÁSIO et al., 2011; PROTÁSIO et al., 2010a; PROTÁSIO et al., 2010b; PROTÁSIO et al., 2010c), ressaltando a importância de quantificar esses componentes e avaliar o potencial energético dos combustíveis de biomassa. Nesse sentido, as técnicas de análise multivariada, como a análise de componentes principais, podem ser empregadas com o objetivo de reduzir o número de variáveis e identificar aquelas de maior relevância para um bom desempenho energético dos materiais lignocelulósicos. A estatística multivariada consiste em um conjunto de métodos estatísticos utilizados em situações nas quais várias variáveis são medidas simultaneamente, em cada elemento amostral (MINGOTI, 2005). A análise, a descrição e a inferência relacionadas à estatística multivariada são realizadas com base nas respostas simultâneas, valendo-se da estrutura de correlação entre as variáveis (FERREIRA, 2008). A análise de componentes principais (PCA) objetiva explicar ou modelar a estrutura de variância e covariância de um vetor aleatório composto de variáveis aleatórias, pela construção de combinações lineares das variáveis originais (FERREIRA, 2008; MINGOTI, 2005; KENT; COKER, 1992). Essa técnica multivariada é considerada muito eficiente na classificação de dados multivariados, pois permite a separação de materiais distintos e sua posterior alocação em agrupamentos pré-definidos (SOUZA et al., 1990). Diante do exposto, o objetivo desse trabalho foi avaliar e agrupar combustíveis de biomassa vegetal residual considerando-se a técnica multivariada de componentes principais e os teores dos componentes elementares e minerais.

3 MATERIAL E MÉTODOS Ensaios e biomassa vegetal utilizada Foram utilizados oito tipos de biomassa vegetal compostos por maravalhas de eucalipto (Eucalyptus urophylla S.T. Blake de 6 anos de idade), maravalhas de cedro australiano (Toona ciliata M. Roem de 18 anos de idade), maravalhas de pinus (Pinus sp. de 35 anos de idade), casca de arroz, bagaço de cana-de-açúcar, resíduos do processamento de café (casca e pergaminho), resíduos da colheita do milho (palha, sabugo, caule e folhas) e polpa celulósica residual de bambu (Bambusa vulgaris Schrad. ex J.C. Wendl). A biomassa vegetal avaliada foi amostrada aleatoriamente. Para os ensaios realizados foram utilizadas cinco frações de cada resíduo que foram devidamente moídos, totalizando 40 observações por variável. Para a análise elementar, as amostras foram moídas e peneiradas, sendo utilizada a fração retida pela peneira de 270 mesh. A quantificação dos teores de carbono, hidrogênio, nitrogênio e enxofre em relação à massa seca dos resíduos lignocelulósicos foi realizada em um analisador universal da marca Elementar (modelo Vario Micro Cube), conforme apresentado por Paula et al. (2011) e Protásio et al. (2010a). O analisador utiliza como gases de arraste e ignição o hélio e o oxigênio, respectivamente. As amostras de 2 mg foram colocadas em cápsulas de estanho e completamente incineradas a C. O teor de oxigênio foi obtido por diferença (Eq. 1), conforme diretrizes de Bech et al. (2009): O = 100 C H N S A (1) em que: O é o teor de oxigênio (%), C é o teor de carbono (%), H é o teor de hidrogênio (%), N é o teor de nitrogênio (%), S é o teor de enxofre (%) e A é o teor de cinzas (%). O teor de cinzas foi determinado segundo as diretrizes previstas na norma M11/77 (ABTCP, 1974) com o uso de um forno tipo mufla. Análise multivariada dos dados Foi utilizada a técnica multivariada de componentes principais com o objetivo de construir um índice de desempenho energético (IDE) e agrupar os resíduos lignoceluloósicos com base nas duas primeiras componentes principais, pois essas explicam grande parte da variância dos dados. Para essa técnica estatística, foram considerados apenas os teores de carbono (C), hidrogênio (H) e oxigênio mais cinzas (O+A). O somatório do oxigênio mais cinzas se justifica pelo fato de que ambas variáveis apresentam correlação negativa com o poder calorífico (PAULA et al., 2011; PROTÁSIO et al., 2010a; PROTÁSIO et al., 2010b). A utilização dessa análise multivariada apresenta a vantagem de que as componentes principais obtidas são compostas por variáveis aleatórias não correlacionadas, facilitando, portanto, sua interpretação conjunta (MINGOTI, 2005). Avaliaram-se os autovalores das componentes principais, a porcentagem de variação explicada pelas componentes e as correlações entre as variáveis originais e as componentes principais. Adicionalmente, foi realizada uma análise de variância multivariada (MANAVA) considerando como fator de variação os grupos formados pela análise de componentes

4 principais e as variáveis carbono, hidrogênio e oxigênio mais cinzas. Foi considerado o critério de Pillai como teste de significância multivariado com aproximação da distribuição F. Todas as análises estatísticas foram efetuadas utilizando o software estatístico R versão pacotes stats (R DEVELOPMENT CORE TEAM, 2008) e SensoMineR (HUSSON; LE, 2010). RESULTADOS E DISCUSSÃO Na Tabela 1 estão apresentados os autovetores normalizados, autovalores e variância explicada pelas duas primeiras componentes principais. Tabela 1 - Autovetores normalizados, autovalores e variância explicada pelas duas primeiras componentes principais Variável CP1 CP2 Autovetores r Autovetores r Carbono 0,580 0,98-0,505-0,19 Hidrogênio 0,565 0,95 0,814 0,30 Oxigênio + Cinzas -0,586-0,99 0,285 0,10 Autovalores 2,847-0,135 - Variância Explicada (%) 95,27-4,51 - CP1: componente principal 1; CP2: componente principal 2; r: correlação das variáveis originais com a componente principal. A primeira componente principal obtida apresentou o maior autovalor e, consequentemente, uma alta variância estimada. Essa componente explica grande parte da variância total dos dados e pode ser interpretada como um índice de desempenho energético (IDE) dos resíduos lignocelulósicos, pois apresenta correlações positivas com os teores de carbono e hidrogênio e negativa com o teores de oxigênio mais cinzas. Na Figura 1 encontra-se o potencial energético dos combustíveis de biomassa vegetal analisados considerando o índice de desempenho energético. Figura 1 - Potencial energético dos combustíveis de biomassa vegetal analisados considerando a primeira componente principal.

5 Para a produção de bioenergia é desejável que a biomassa vegetal apresente altos teores de carbono e hidrogênio e baixos teores de oxigênio e cinzas, devido às correlações existentes entre esses componentes elementares e o poder calorífico (PROTÁSIO et al., 2011; PROTÁSIO et al., 2010a; PROTÁSIO et al., 2010b; PROTÁSIO et al., 2010c; HUANG et al., 2009; DEMIRBAS; DEMIRBAS, 2004; NORDIN, 1994). Dessa forma, quanto maior o valor da componente principal 1, melhor será o desempenho dos resíduos lignocelulósicos para a produção de bioenergia, conforme observado por Protásio et al. (2011). Observa-se que a casca de arroz apresentou o menor valor para o IDE, uma vez que esse resíduo apresentou baixos teores de carbono e hidrogênio e elevados teores de oxigênio e cinzas. Já os combustíveis de biomassa de origem florestal apresentaram os maiores valores para a componente principal 1. Esse resultado sugere que a biomassa florestal analisada apresenta maior potencial energético em relação à biomassa agrícola levando-se em consideração os teores dos componentes químicos elementares e minerais. Na Figura 2 encontra-se a dispersão dos combustíveis de biomassa analisados considerando as duas primeiras componentes principais. Figura 2 - Dispersão dos combustíveis de biomassa considerando as duas primeiras componentes principais. Com base nas duas primeiras componentes principais obtidas podem-se formar dois grupos distintos de combustíveis de biomassa florestal e agrícola. O primeiro grupo é composto exclusivamente pela casca de arroz. Já o segundo grupo é formado pelas maravalhas de cedro australiano, pinus e eucalipto e pelos resíduos da colheita do milho, do

6 processamento dos grãos de café, pelo bagaço de cana-de-açúcar e pela polpa celulósica residual de bambu. O segundo grupo formado apresentou significativo potencial energético em decorrência dos maiores valores para o IDE. Na Tabela 2 encontra-se a análise de variância multivariada realizada considerando-se os diferentes grupos formados pela análise de componentes principais. Tabela 2 - Análise de variância multivariada Fator de Variação GL Pillai Aproximação da distribuição F F calculado GL Pr>Fc Grupo 1 0,964 35,44 3 0,002* Erro 6 4 GL: graus de liberdade; *significativo a 1% pelo Teste F. Observa-se que o efeito dos diferentes grupos formados foi significativo pelo teste multivariado de Pillai (com aproximação da distribuição F). Esse resultado evidencia diferenças estatísticas significativas entre a composição química elementar e mineral das biomassas avaliadas e sugere que a análise de componentes principais pode ser utilizada para a seleção preliminar de resíduos lignocelulósicos para a geração de bioenergia. Na Figura 3 encontram-se os valores médios de carbono, hidrogênio e oxigênio mais cinzas para os dois grupos formados pela análise de componentes principais. Figura 3 - Valores médios de carbono, hidrogênio, oxigênio e cinzas para os dois grupos formados pela análise de componentes principais. Observa-se o maior potencial do grupo 1 em relação ao grupo 2 para a geração de bioenergia. Contudo, são recomendados trabalhos futuros para determinação da densidade energética e composição química imediata dos resíduos lignocelulósicos, uma vez que essas variáveis também são importantes para a seleção da biomassa para a produção de energia (BRAND, 2010; NOGUEIRA; LORA, 2003).

7 CONCLUSÕES A componente principal 1 foi interpretada como um índice de desempenho energético (IDE). Pela interpretação do IDE observou-se que a casca de arroz e as maravalhas de cedro foram os resíduos que apresentaram o menor e o maior potencial energético, respectivamente. Isso se deve ao elevado teor de cinzas e baixo teor de carbono e hidrogênio da casca de arroz, sendo o contrário observado para as maravalhas de cedro. Observou-se similaridade entre os combustíveis de biomassa analisados, com exceção da casca de arroz, possibilitando a formação de dois grupos distintos. AGRADECIMENTOS Os autores expressam seus sinceros agradecimentos à Fapemig pelo apoio financeiro que foi fundamental para a execução desse trabalho. REFERÊNCIAS AKKAYA, A. V. Proximate analysis based multiple regression models for higher heating value estimation of low rank coals. Fuel Processing Technology, v. 90, n. 2, p , ASSOCIAÇÃO BRASILEIRA TÉCNICA DE CELULOSE E PAPEL. M-11/77: teor de cinzas. São Paulo, Brasil, BECH, N.; JENSEN, P. A.; DAM-JOHANSEN, K. Determining the elemental composition of fuels by bomb calorimetry and the inverse correlation of HHV with elemental composition. Biomass and Bioenergy, v. 33, n. 3, p , BRAND, M. A. Energia de biomassa florestal. Rio de Janeiro: Interciência, p. DEMIRBAS, A; DEMIRBAS, H. A. Estimating the calorific values of lignocellulosic fuels. Journal Energy, Exploration & Exploitation, v. 20, n. 1, p , EROL, M.; HAYKIRI-ACMA H.; KUÇUKBAYRAK, S. Calorific value estimation of biomass from their proximate analyses data. Renewable Energy, v. 35, n. 1, p , FERREIRA, D. F. Estatística Multivariada. 1. ed. Lavras: UFLA, p. HUANG, C.; HAN, L.; YANG, Z.; LIU, X. Ultimate analysis and heating value prediction of straw by near infrared spectroscopy. Waste Management, Oxford, GB, n. 29, p , HUSSON, F; LE, S. Sensory data analysis with R. R package version Disponível em: Acesso em: 09 out KENT, M.; COKER, P. Vegetation description and analysis. Baffins Lane, John Wiley & Sons, p.

8 MAJUMDER, A. K.; JAIN, R.; BANERJEE, P.; BARNWAL, J. P. Development of a new proximate analysis based correlation to predict calorific value of coal. Fuel, London, GB, v. 87, n , p , MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada: uma abordagem aplicada. Belo Horizonte: UFMG, p. MINISTÉRIO DE MINAS E ENERGIA. Disponível em: gov.br/mme/menu/todas_publicacoes.html. Acesso em 15 de Setembro de NOGUEIRA, L. A. H.; LORA, E. E. S. Dendroenergia: fundamentos e aplicações. 2. ed. Rio de Janeiro: Interciência, p. NORDIN, A. Chemical and elemental characteristics of biomass fuels. Biomass and Bioenergy, v. 6, n. 5, p , PAULA, L. E. R.; TRUGILHO, P. F.; NAPOLI, A.; BIANCHI, M. L. Characterization of residues from plant biomass for use in energy generation. Cerne, Lavras, MG, v. 17, n. 2, p , PROTÁSIO, T. P.; BUFALINO, L.; TONOLI, G. H. D.; COUTO, A. M.; TRUGILHO, P. F.; GUIMARÃES JÚNIOR, M. Relação entre o poder calorífico superior e os componentes elementares e minerais da biomassa vegetal. Pesquisa Florestal Brasileira, Colombo, PR, v. 31, n. 66, p , DOI: /2011.pfb PROTÁSIO, T. P.; COUTO, A. M.; REIS, A. A.; BUFALINO, L.; TRUGILHO, P. F. Relações funcionais entre os componentes elementares e o poder calorífico superior do carvão vegetal de Eucalyptus. In: CONGRESSO INTERNACIONAL DE BIOENERGIA E BIOTECH FAIR, 5., 2010, Curitiba. Anais...Curitiba: Centro de Eventos FIEP, 2010a, CD- ROM. PROTÁSIO, T. P.; GUIMARÃES JÚNIOR, M.; BUFALINO, L.; LEITE, E. R. S.; COUTO, A. M.; TRUGILHO, P. F. Aproveitamento e caracterização de resíduos da biomassa agrícola e florestal visando à produção de energia. In: CONGRESSO INTERNACIONAL DE BIOENERGIA E BIOTECH FAIR, 5., 2010, Curitiba. Anais...Curitiba: Centro de Eventos FIEP, 2010b, CD-ROM. PROTÁSIO, T. P.; RIBEIRO, M. X.; BUFALINO, L.; COUTO, A. M.; TRUGILHO, P. F.; MENDES, L. M. Análise dos componentes elementares e do poder calorífico inferior do carvão vegetal de Eucalyptus. In: Simpósio de Pós-Graduação em Ciências Florestais e Simpósio de Ciência e Tecnologia da Madeira do RJ, 6., 2., 2010c, Rio de Janeiro. Anais...Rio de Janeiro: Clube de Engenharia, 2010c, CD-ROM. R DEVELOPMENT CORE TEAM. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, Disponível em: < Acesso em: 10 dez SHENG, C.; AZEVEDO, J. L. T. Estimating the higher heating value of biomass fuels from basic analysis data. Biomass and Bioenergy, v. 28, n. 5, p , 2005.

9 SOUZA, A. L.; HOSOKAWA, R. T.; KIRCHNER, F. F.; MACHADO, S. A. Análise multivariada para manejo de floresta natural na reserva florestal de Linhares Espírito Santo: análise de agrupamento e discriminante. Revista Árvore, Viçosa, MG, v. 14, n. 2, p , 1990.