DESCARBONIZAÇÃO E DESFOSSILIZAÇÃO EM PROCESSOS INDUSTRIAIS: OTIMIZAÇÃO DE PROCESSOS E ANÁLISE DO CICLO DE VIDA NA CONSTRUÇÃO DE UM FUTURO ENERGÉTICO SUSTENTÁVEL

Code: 240817506
Downloads
10
Views
226
Compartilhe
Título

DESCARBONIZAÇÃO E DESFOSSILIZAÇÃO EM PROCESSOS INDUSTRIAIS: OTIMIZAÇÃO DE PROCESSOS E ANÁLISE DO CICLO DE VIDA NA CONSTRUÇÃO DE UM FUTURO ENERGÉTICO SUSTENTÁVEL

Autores:
  • Walisson De Jesus Souza

  • Adriana De Jesus Santos

  • Fábio Cleisto Alda Dossi

  • Arley Alles Cruz

  • Fabiane Santos Serpa

  • Cochiran Pereira Dos Santos

DOI
  • DOI
  • 10.37885/240817506
    Publicado em

    23/12/2024

    Páginas

    156-171

    Capítulo

    10

    Resumo

    Aqui está o seu texto revisado, com as correções destacadas em negrito: Este estudo abordou a descarbonização e desfossilização em processos industriais, com foco na otimização de processos e análise do ciclo de vida, utilizando tecnologias avançadas e ferramentas computacionais, como Python. Foram analisados três setores industriais críticos: produção de aço, cimento e refino de petróleo. Na planta de aço, a implementação de tecnologias de captura de carbono resultou em uma redução de 60% nas emissões de CO2 e um aumento de 25% na eficiência energética. Na produção de cimento, a tecnologia Power-to-X converteu 10.000 toneladas de CO2 capturado em 6.000 toneladas de hidrogênio, reduzindo as emissões de CO2 em 50%. No refino de petróleo, a recuperação de calor residual melhorou a eficiência energética em 30% e reduziu as emissões de CO2 em 45%. As simulações confirmaram a eficácia dessas tecnologias, embora o estudo tenha algumas limitações, como a necessidade de validação em larga escala e a consideração de variáveis específicas de cada indústria. As contribuições acadêmicas e tecnológicas incluem uma melhor compreensão das oportunidades de descarbonização e otimização energética, e o uso do Python como uma ferramenta robusta para modelagem e análise. Trabalhos futuros devem explorar a integração de técnicas de machine learning, simulações moleculares mais detalhadas e o desenvolvimento de dashboards interativos para monitoramento contínuo, visando uma transição eficaz para uma economia de baixo carbono.

    Ler mais...
    Palavras-chave

    descarbonização; desfossilização; captura de carbono; power-to-X; Python; machine learning.

    Licença

    Esta obra está licenciada com uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional .

    Licença Creative Commons

    O conteúdo dos capítulos e seus dados e sua forma, correção e confiabilidade, são de responsabilidade exclusiva do(s) autor(es). É permitido o download e compartilhamento desde que pela origem e no formato Acesso Livre (Open Access), com os créditos e citação atribuídos ao(s) respectivo(s) autor(es). Não é permitido: alteração de nenhuma forma, catalogação em plataformas de acesso restrito e utilização para fins comerciais. O(s) autor(es) mantêm os direitos autorais do texto.

    PlumX