1 / 20

Simulação Dinâmica do Reator de Pirólise de Biomassa

COQ862 – Métodos Numéricos para Sistemas Distribuídos. Simulação Dinâmica do Reator de Pirólise de Biomassa. Profs. Argimiro Secchi e Evaristo Biscaia. Michel Bessa dos Santos. 1. Introdução:. Aumento do consumo de combustíveis não renováveis.

gianna
Download Presentation

Simulação Dinâmica do Reator de Pirólise de Biomassa

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. COQ862 – Métodos Numéricos para Sistemas Distribuídos Simulação Dinâmica do Reator de Pirólise de Biomassa Profs. ArgimiroSecchi e Evaristo Biscaia Michel Bessa dos Santos

  2. 1. Introdução: • Aumento do consumo de combustíveis não renováveis • Alto nível de energia devido ao teor carbônico

  3. 1. Introdução: Pirólise Isento de agente oxidante Temperaturas Relativamente Baixas (300-600ºC)

  4. 1. Introdução: Produtos de Pirólise Gás Carvão Alcatrão (Bio-óleo)

  5. 2. Modelo Matemático: Modelo Cinético da Reação Primária Condição Inicial: t = 0, B = 1, C1 = 0

  6. 2. Modelo Matemático: Modelo Cinético da Reação Secundária Condição Inicial: t = 0, C2 = 0

  7. 2. Modelo Matemático: Modelo de Transferência de Calor

  8. 2. Modelo Matemático: Solução Numérica Sistema de EDOs EDP Solução Método dos Volumes Finitos Método Runge-Kutta

  9. 3. Reator de Pirólise de Biomassa: L/D = 5 Transferência de Calor apenas radial

  10. 4. Resolução do Modelo Matemático: Normalização das Variáveis

  11. 4. Resolução do Modelo Matemático: Vista Superior Divisão dos Elementos de Volume Aproximações de Primeira Ordem

  12. 5. Resultados e Discussões: Convergência da Malha Condições: r0 = 0.010m, T0 = 287K, Tf = 683K

  13. 5. Resultados e Discussões: Convergência da Malha Condições: r0 = 0.010m, T0 = 287K, Tf = 683K

  14. 5. Resultados e Discussões: Convergência da Malha Comparação entre N=6 e N=12 Condições: r0 = 0.010m, T0 = 287K, Tf = 683K

  15. 5. Resultados e Discussões: Convergência da Malha Comparação entre N=12 e N=24 Condições: r0 = 0.010m, T0 = 287K, Tf = 683K

  16. 5. Resultados e Discussões: Convergência da Malha Comparação entre N=24 e N=48 Condições: r0 = 0.010m, T0 = 287K, Tf = 683K

  17. 5. Resultados e Discussões: Validação do Modelo Comparação da fração mássica residual do modelo com os pontos experimentais (r0 = 0,010m, T0 = 303K, Tf = 773K) Comparação da temperatura do modelo com os pontos experimentais (r0 = 0,010m, T0 = 303K, Tf = 673K)

  18. 5. Resultados e Discussões: Validação do Modelo Comparação da fração mássica residual do modelo com os pontos experimentais (r0 = 0,010m, T0 = 287K, Tf = 593K) Comparação da temperatura do modelo com os pontos experimentais (r0 = 0,010m, T0 = 287K, Tf = 593K)

  19. 5. Resultados e Discussões: Validação do Modelo Comparação da fração mássica residual do modelo com os pontos experimentais (r0 = 0,010m, T0 = 287K, Tf = 683K) Comparação da temperatura do modelo com os pontos experimentais (r0 = 0,010m, T0 = 287K, Tf = 683K)

  20. 5. Conclusão: • O modelo consegue reproduzir a tendência dos pontos; • Não foi obtida uma boa predição dos dados experimentais; • Uma abordagem mais refinada (menos simplificado) para melhorar a predição.

More Related