análisededadoscompython: avaliaçãodo...

22
Análise de Dados com Python: Avaliação do Potencial Geotérmico do Estado da Paraíba Antonio Wagner Rodrigues de Lima CENTRO DE INFORMÁTICA UNIVERSIDADE FEDERAL DA PARAÍBA João Pessoa, 2017

Upload: others

Post on 23-Nov-2020

2 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

Análise de Dados com Python: Avaliação doPotencial Geotérmico do Estado da Paraíba

Antonio Wagner Rodrigues de Lima

CENTRO DE INFORMÁTICA

UNIVERSIDADE FEDERAL DA PARAÍBA

João Pessoa, 2017

Page 2: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

Antonio Wagner Rodrigues de Lima

Análise de Dados com Python: Avaliação doPotencial Geotérmico do Estado da Paraíba

Relatório de Estágio Supervisionadoapresentado ao curso de MatemáticaComputacional do Centro de Infor-mática da Universidade Federal daParaíba.

Orientador: Prof. Dr. Gustavo Charles P. de Oliveira

João Pessoa, 2017

Page 3: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

Relatório de Estágio Supervisionado de Matemática Computacional intitulado Análise deDados com Python: Avaliação do Potencial Geotérmico do Estado da Paraíba de autoria

de Antonio Wagner Rodrigues de Lima, aprovada por:

Prof. Dr. Gustavo Charles Peixoto de Oliveira (Orientador)Departamento de Computação Científica - CI/ UFPB

Prof. Ph.D. Waldir Leite RoqueCoordenador da disciplina Estágio SupervisionadoDepartamento de Computação Científica - CI/UFPB

João Pessoa, 24 de novembro de 2017

Page 4: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

AGRADECIMENTOS

Ao Prof. Valiya Hamza, pesquisador do Laboratório de Geotermia - Observatório Nacional,

por disponibilizar os dados dos poços da Paraíba.

Page 5: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

LISTA DE FIGURAS

Page 6: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

LISTA DE TABELAS

Tabela 1 Recurso-base por unidade de área (RBUA) e recurso recuperável por unidade

de área (RRUA) por estado brasileiro (em G J ). Fonte: [1]. . . . . . . . . . . . . . . . . . . . . . . . . 17

Page 7: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

SUMÁRIO

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.1 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.2 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.1 Escopo matemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.2 Escopo computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.2.1 Coleta, limpeza e organização dos dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.2.2 Manipulação dos dados com pandas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.2.3 Visualização dos dados com matplotlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3 POTENCIAL GEOTÉRMICO DA PARAíBA: ANÁLISE DE DADOS . . . . . . . . . . . . . . . . . 16

3.1 Poços . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

4 DISCUSSÃO DOS RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

5 CONCLUSÕES E PERSPECTIVAS FUTURAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

APÊNDICE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

5.1 Bibliotecas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

5.2 Jupyter notebook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

Page 8: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

9

1 INTRODUÇÃO

A energia geotérmica é a energia proveniente do interior da terra. A palavra geotérmica

deriva do grego (geo: “terra”; thermos: “calor”). Podemos obter essa energia útil criando

poços na terra, onde sua profundidade varia de centenas de metros a, talvez, quilômetros,

dependendo da sua localização. Normalmente, a localização de uma região onde haverá

grande potencial de energia geotérmica será aquela onde o calor médio atmosférico for

relativamente alto. Todo esse calor criado a partir da crosta terrestre eventualmente se expele

para a superfície por erupções vulcânicas, fendas geológicas ou áreas de aquecimento interno,

em geral, como gêiseres de vapor e nascentes de água quente.

As usinas geotérmicas são as transformadoras de energia geotérmica em energia

elétrica, as quais trabalham da seguinte maneira: primeiro, captam águas quentes (ou já em

forma de vapor do interior da terra) através de tubos específicos; em seguida, direcionam

esse vapor que é liberado sob forte pressão para girar turbinas mecanicamente; enfim, es-

sas turbinas acionam o gerador que produz energia elétrica. Em alguns casos, o vapor é

armazenado e aproveitado quando convertido em água.

As principais formas de conseguir energia geotérmica é pela perfuração de locais onde

já existam reservas provadas de aquíferos, pois a sua utilização torna-se facilitada. Caso

contrário, pode-se estimular as rochas superaquecidas do interior da terra por injeção de

água, fazendo assim a chamada metabolização térmica.

Quando os poços possuem temperaturas que variam de 35 a 148◦C , eles são classifica-

dos como de aplicação direta, ou seja, são usados para aquecimento de ambientes, aplicações

na agricultura e nas indústrias, tais como as chamadas bombas de calor geotérmicas. Já para

a produção de energia elétrica, essa temperatura precisa chegar à faixa média de 300◦C . No

Brasil, em geral, a temperatura em reservatórios geotérmicos é menor do que 90◦C .

As principais vantagens da energia geotérmica são:

• não opera através da queima de combustível: assim econonomiza-se capital, pois não

há necessidade de compra de matéria-prima;

• não agride o solo: apesar das perfurações no solo, a extração da energia geotérmica não

ataca o relevo e nem desgasta o solo;

• não emite poluentes: o vapor liberado não agride severamente a atmosfera;

Page 9: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

10

• benefício de áreas afastadas: em localidades onde é difícil a chegada da energia elétrica,

as usinas geotérmicas podem atender a demanda de uma população;

• possui uma produção flexível: como não depende de reservatórios de água e outras

matérias primas, a produção de eletricidade pode variar conforme a demanda;

• não é vulnerável ao clima: as variações climáticas não impedem a criação de energia

geotérmica.

As desvantagens são:

• eventual afundamento do terreno: apesar de não agredir o solo, a sua extração pode

desgastar a crosta terrestre, podendo provocar abalos na superfície;

• emissão de dióxido de enxofre: apesar de não fazer mal à atmosfera, o dióxido de

enxofre é muito danoso ao ser humano, além de ser altamente corrosivo;

• poluição sonora e elevado aquecimento global: normalmente as usinas geotérmicas

geram muito barulho e, juntamente com o elevado aquecimento local, dificultam a

instalação de comunidades ao seu redor;

• possível contaminação de rios e lagos: os fluidos térmicos, se não forem retirados de

forma segura, podem causar danos a rios próximos das usinas;

• alto custo de investimento: apesar de não usar matéria-prima, a extração da energia

geotérmica precisa de instalações e equipamentos de elevado custo;

• poucas áreas de implementação: não é em todo lugar que podemos extrair de forma

lucrativa esse tipo de energia.

Atualmente, muitos países estão fazendo pesquisas e estudos sobre a energia geotér-

mica, pois é mais uma forma de energia limpa e que ainda tem muito espaço para crescer.

Em relação à magnitude de energia que podemos conseguir, a geotérmica tem diversos usos,

sendo os mais recorrentes o turismo e lazer, aquecimento de casas, piscinas, etc.

Os principais métodos de medida da energia geotérmica são:

• Método CVL (convencional): refere-se ao cálculo do gradiente geotérmico proveniente

dos resultados da pesquisa da temperatura incremental de poços não perturbados;

Page 10: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

11

• Método MGT: usado para medir gradientes geotérmicos com base em medidas feitas

em galerias de minas subterrâneas;

• Método BHT: como o MGT, mas deriva-se de medidas de temperatura feitas em fundo

de poço. São geralmente aplicadas em poços de exploração petrolífera.

• Método CBT: é uma variante do método BHT. Mede o valor do gradiente geotérmico

em casos onde o transporte de calor por fluxos de fluidos perturbam o regime térmico

condutivo no seu interior.

• Método AQT (aquíferos): refere-se ao desenvolvimento do procedimento para determi-

nar o gradiente da temperatura em poços em meio fluido.

• Método GCL (geoquímico): ampara-se no fato de que o equilíbrio químico no reser-

vatório é mantido durante o percurso ascendente dos fluidos termais. Serve para

estimar o fluxo de calor em lugares de fontes termais, por exemplo.

1.1 Motivação

A energia geotérmica é um assunto pouco abordado em nosso país. As fontes de

energia dominantes utilizam diferentes formas de extração, como represas hidrelétricas,

carvão mineral e petroléo. Existem vários tipos de minérios e práticas para se conseguir

energia. Neste projeto, falaremos somente sobre a energia geotérmica e nos concentraremos

em conhecer mais o seu potencial no estado da Paraíba, a fim de saber se esta energia pode

ser usada como uma fonte de energia conversível em energia elétrica.

Através de estimativas [2], vê-se que a geração total de energia no Brasil atinge a marca

equivalente de aproximadamente 13×106 milhões de toneladas de óleo, que provêm do uso

de recursos de hidrocarbonetos, hidrelétricas e sistemas de aquecimento de biomassa, os

quais geram cerca de 89.1% desse total. A relevância da energia geotérmica no mix de energia

do país é pequena, tendo ainda espaço para discussão. De acordo com esses dados, o uso

de energia geotérmica no Brasil é estimado em um pouco mais de 360MWt, sendo usada

mais para o turismo em fontes termais, onde se concentra a maioria dos locais de atração

pública no Brasil neste aspecto. Mesmo assim, isto pode contribuir significativamente para o

desenvolvimento de regiões com baixa geração de riqueza interna em setores comerciais.

Page 11: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

12

Além disso, a base de dados sobre energia geotérmica no Brasil é aparentemente

escassa. De acordo com a informações coletadas em 2014 por [3], [1] e [4], os estudos de

recursos geotérmicos no país foram baseados em 930 locais. Para esses resultados, foram

utilizados diversos métodos de medição de tempertura, como os explicados acima. O métodos

CVL e MGT foram utilizados em 109 regiões; o método BHT, em 301 regiões; o método GCL

em 45 regiões, além de estimativas feitas em outros 131 lugares. As regiões sudeste e nordeste

corresponderam à maior parte do levantamento de dados, enquanto que as regiões norte e

noroeste ficaram com a menor parte.

O recurso-base médio de energia geotérmica por unidade de área no Brasil gira em

torno de 178 GJ, ao passo que os recursos recuperáveis dessa energia chegam a apenas 10 GJ.

As áreas brasileiras onde há maior quantidade de recurso-base recuperável (valores maiores

do que 30 GJ) estimados localizam-se principalmente na região sul, no estado do Rio Grande

do Sul, em lugares espalhados da região Norte, no centro da Amazônia, na Bacia do Parnaíba,

no Nordeste, e um pouco mais adensada em alguns locais nos estados de Minas Gerais e

Paraná. Como visto, embora o Brasil possua baixo apelo à conversão de energia geotérmica

em elétrica para uso em larga escala, ainda há maneiras alternativas para o uso direto desta

energia em pequena escala que requerem atenção [5].

1.2 Objetivos

Este projeto busca dar subsídios à resposta da seguinte questão: o estado da Paraíba é

capaz de gerar riqueza através da energia geotérmica? Para tanto, procederemos, em princípio,

à coleta e análise de dados sobre o potencial geotérmico nacional, dando ênfase à região

Nordeste e, especificamente, fixando-nos ao estado da Paraíba por meio de séries históricas

conhecidas. Sob a premissa de que o estado paraibano possui algum recurso recuperável de

energia geotérmica, os objetivos deste relatório são:

• Coletar dados sobre energia geotérmica do país a partir de séries históricas;

• Executar análise de dados usando ferramentas computacionais baseadas na linguagem

Python para avaliar o potencial geotérmico do estado da Paraíba;

• Inferir conclusões iniciais para estudos futuros.

Page 12: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

13

2 METODOLOGIA

2.1 Escopo matemático

Neste projeto, toda a análise de dados baseia-se em cálculos de recursos extraídos

da literatura segundo o método volumétrico. O método volumétrico envolve o cálculo da

energia termal num dado volume de rocha e água. A energia termal é calculada pelo produto

envolvendo o volume do reservatório, a temperatura e o calor específico da rocha e da água. O

cálculo do recurso baseia-se nas estimativas sobre a distribuição de temperaturas na crosta [6].

A taxa desta variação depende do fluxo térmico basal, propriedades térmicas do meio, calor

radiogênico e características das formações geológicas. O cálculo do Recurso Base QRB neste

método é efetuado utilizando a relação:

QRB = ρcp Ad(T −T0), (2.1)

sendo ρ a densidade média da crosta, cp o calor específico do material, A a área, d a pro-

fundidade média da crosta, T0 a temperatura ambiente anual média e T a temperatura na

profundidade z. O termo (T −T0) é denominado “excesso de temperatura”.

Como o cálculo do recurso depende da distribuição vertical da temperatura, podemos

integrar a equação 2.1 ao longo da profundidade (eixo z) para obter

QRB = ρcp Ad∫ z

0(T −T0)d z. (2.2)

No caso de regime térmico estacionário e produção de calor constante, o excesso de temper-

atura ∆T = T (z)−T0 pode ser estimado por

∆T = q0

λz − A0

2λz2, (2.3)

onde q0 é o fluxo geotérmico observado e A0 a produção de calor radiogênico, ambos obser-

vados na superfície e λ a condutividade térmica. A equação 2.3 permite estimar a distribuição

da temperatura crustal e avaliar o potencial geotérmico de uma região. O fluxo geotérmico,

Page 13: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

14

bem como o gradiente geotérmico G são aproximados por

q = λG (2.4)

G = (T −T0)

z(2.5)

2.2 Escopo computacional

Neste trabalho, utilizamos a linguagem Python e notebooks interativos escritos via

Jupyter. O Jupyter Notebook é um aplicativo que permite a edição e execução de documentos

via browser. Ele pode ser executado através de um computador pessoal que não requer

acesso à internet, pois nele existe um painel de controle que mostra os locais dos arquivos,

permitindo a sua abertura na aba do seu navegador. O Jupyter Notebook pode ser instalado

em um servidor remoto e acessado através da internet.

A linguagem Python é uma linguagem de programação de alto nível, ou seja, para se

produzir um código bom e fácil de manter de forma rápida. Além disso, a Python suporta

vários paradigmas de programação, a programação procedural pode ser usada para programas

simples e rápidos, mas estruturas de dados complexas também podem ser usados para

desenvolvimento de programas complexos, como tuplas, listas, dicionários, etc. Python

também suporta técnicas de orientação a objeto. As bibliotecas da Python são imensas

contendo classes, métodos e funções para realizar qualquer projeto científico, de banco de

dados a interfaces gráficas. Por fim, Python é uma linguagem livre e multiplataforma, ou

seja, os programas feitos podem ser executados na maioria das plataformas existentes sem

problemas com modificação.

2.2.1 Coleta, limpeza e organização dos dados

Os dados coletados foram retirados de artigos encontrados na literatura e de uma

planilha gentilmente cedida pelo Prof. Valiya Hamza sobre poços perfurados na Paraíba. Os

dados foram organizados em arquivos separados por vírgulas (.csv) para posterior manipu-

lação.

Page 14: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

15

2.2.2 Manipulação dos dados com pandas

Os arquivos criados no formato (.csv) foram lidos como objetos dataframes pelo

módulo pandas da linguagem Python através de chamadas com a sintaxe:

import pandas as pd

pd.read_csv(’arquivo’)

2.2.3 Visualização dos dados com matplotlib

A visualização dos dados foi obtida por chamadas do módulo matplotlib através da

sintaxe

import matplotlib.pyplot as plt

plt.f(*args,**kwargs)

onde f é uma função de plotagem de gráficos com determinados argumentos.

Page 15: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

16

3 POTENCIAL GEOTÉRMICO DA PARAÍBA: ANÁLISE DE DADOS

Os dados a serem analisados a seguir são o principal enfoque deste projeto, sendo eles

o recurso-base e o recurso recuperável. Entende-se por “recurso-base” a energia armazenada

no reservatório. “Recurso recuperável” é a parte do recurso-base que pode ser extraída

a partir de um determinado volume. Antes de analisarmos os dados relativos à Paraíba,

apresentaremos uma visão geral sobre os recursos geotérmicos no país.

Para os dados da Tabela 1, o cálculo do recurso-base1 é feito levando em conta os

fluidos porosos existentes nas profundezas dos poços. Ela mostra, para fins de comparação,

o recurso-base por unidade de área (RBUA) e o recurso recuperável por unidade de área

(RRUA) em gigajoules (G J ) para cada estado brasileiro. Os recursos recuperáveis são baixos

por influência da porosidade reduzida de rochas metarmóficas em regiões de profundidades

maiores. Com as temperaturas da rocha e da superfície dadas por Tr e To , respectivamente, a

relação do recurso-base é dada por:

QRB = [φc f + (1−φ)Cr ](Tr −T0)Ah, (3.1)

para φ a porosidade, e C f (Cr ) o calor específco do fluido (da rocha). A variação da tem-

peratura ao longo da profundidade z depende do gradiente geotérmico local e, em regime

permanente, assume-se que varia de modo linear. Já a variação da porosidade com a profun-

didade pode ser representada pela seguinte expressão:

φ=φ0e(−z/D), (3.2)

onde D é um fator de decaimento.

Os gráficos da Figura 1 fazem uma comparação entre o RBUA e o RRUA por estado

do Brasil divididos pelas respectivas regiões nesta ordem: norte, centro-oeste, sudeste e sul.

O gráfico da Figura 2 faz o mesmo, mas apenas para a região nordeste. Como se percebe, a

fração de recurso recuperável frente ao recurso-base em todos os estados é consideravelmente

pequena. No estado paraibano, em particular, a fração percentual RRUA/RBUA equivale a

apenas 4,87%, em contraste com a do Ceará, que é de aproximadamente 5,01%. A Figura 3

mostra um gráfico do fluxo geotérmico (em mW /m2) medido para cada estado do nordeste

1Esta tabela utilizou medições feitas em poços com profundidades de 2500 - 3000 metros.

Page 16: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

17

Tabela 1: Recurso-base por unidade de área (RBUA) e recurso recuperável por unidade deárea (RRUA) por estado brasileiro (em G J ). Fonte: [1].

Estados RBUA RRUA

Goiás 286.3 18.9Santa Catarina 263 20.6Minas Gerais 231.6 18.1Mato Grosso 235.1 17.4Tocantins 225.9 17.4Ceará 285.7 14.3Mato Grosso do Sul 256.1 12.8Sergipe 255 12.8Bahia 183.1 12.7Alagoas 233.5 11.7Paraná 227.3 11.4Sao Paulo 217.9 10.9Rio Grande do Sul 211.4 10.6Amazonas 205.4 10.6Maranhao 203.1 10.2Rio Grande do Norte 202.3 10.1Pará 192.1 9.6Rio de Janeiro 179.9 9Piauí 165.2 8.3Acre 114.8 7.2Amapá 102.1 5.1Pernambuco 42.5 2.1Paraíba 26.7 1.3Rondônia 26.6 1.3Roraima 26.1 1.3Espírito Santo 15.5 0.8

brasileiro com dados obtidos no final da década de 1980 [7].

3.1 Poços

A Figura 5 plota o gradiente geotérmico (em ◦C /km). Entre as décadades de 1970 e

1980, vários poços foram perfurados no Brasil para coletar dados sobre geotermia. Na Paraíba,

cinco poços são conhecidos, estando eles localizados nos municípios de Monteiro, Baía da

Traição, São João do Rio do Peixe, Lucena e Santa Rita. Podemos ver melhores informações

nos gráficos a seguir. A Figura 4 plota o fluxo geotérmico (em mW /m2) medido para cada

poço da Paraíba.

Page 17: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

18

(a) (b)

(c) (d)

Figura 1: Comparação recurso-recuperável/recurso-base por região do Brasil: (a) norte; (b)centro-oeste; (c) sudeste; (d) sul.

Figura 2: Comparação recurso-recuperável/recurso-base da região nordeste do Brasil.

Figura 3: Fluxo geotérmico no nordeste brasileiro. Dados obtidos em [1].

Page 18: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

19

Figura 4: Fluxo geotérmico em cada poço da Paraíba.

Figura 5: Gradiente geotérmico em cada poço da Paraíba.

Page 19: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

20

4 DISCUSSÃO DOS RESULTADOS

Após a análise dos dados neste projeto, podemos dizer que o Brasil, comparado

a outros países, não tem, no momento uma capacidade de energia geotérmica alta para

conversão em energia elétrica. Especificamente, em relação a outros estados do Brasil, a

Paraíba tem muito menos energia geotérmica disponível. Logo, a factbilidade da energia

geotérmica no estado seria para uso direto em turismo e recreação, como spas, piscinas

termais, etc. Em contrapartida, poucos poços existem no estado para dar suporte a conclusões

mais precisas. Dos cinco poços, o maior recurso-base encontrado (270GJ) fica na Baía da

Traição, dos quais apenas 14GJ são recuperáveis, isto é, cerca de 5%.

No Brasil, os recursos médios de energia geotérmica por unidade de área são de 178

GJ, já os recuros recuperáveis chegam a somente 10 GJ. Então, inferimos que, atualmente, o

aproveitamento da energia geotérmica é pouco provável no país no sentido de desenvolve-

mento da matriz energética para uso em larga escala. Entretanto, mesmo o Brasil tendo uma

baixa prospecção de recursos geotérmicos, ainda há outras maneiras de uso dessa energia.

Para uso direto, podemos dividi-la em alguns grupos:

• Grupo de banho, recreação e turismo: são locais de fontes termais. Spas naturais vem

crescendo a cada ano e uma estimativa revela que 1,5 milhões de turistas visitam esses

lugares a cada ano.

• Grupo de uso industrial e aquecimento de espaços: uso industrial da energia geótermica

é conhecido em Taubaté, no sudeste de São Paulo, para alimentar a cadeira de produção

de madeira.

• Grupo de terapia e bebida: a exploração de águas minerais para propósito terapêutico

vem também se difundindo bastante.

Page 20: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

21

5 CONCLUSÕES E PERSPECTIVAS FUTURAS

A energia geotérmica aos poucos vem ganhando espaço entre as outras fontes de

energia. Se os estudos sobre a tecnologia de extração dessa energia fossem maiores e melhores,

veríamos alguma mudança na produção de energia elétrica em escala global pois, segundo

cientistas e estudiosos, a energia que utilizamos em todo o planeta não chega a 1% da energia

armazenada no interior da Terra.

Em outros países, é crescente o uso dessa energia para produção de energia elétrica.

Infelizmente, o Brasil não faz parte desse grupo, visto que resultados de estudos sustentam

que o Brasil apresenta uma baixa entalpia. Ou seja, existe uma baixa temperatura na superfície.

Portanto, a grande utilidade dessa energia é, principalmente, para lazer e recreação.

Apesar de o Brasil não possuir estudos experimentais amplos sobre este tipo de energia,

a utilização dessa energia para uso direto pode ser promissora. A Paraíba, como a maioria do

território brasileiro, possui baixa entalpia. Consequentemente, seu uso no estado parece estar

limitado somente para fins de turismo. Um exemplo que movimenta a economia local no

segmento de turismo e recreação é o Hotel Estância Termal, localizado em Brejo das Freiras,

São João do Rio do Peixe, no alto sertão, que explora o uso de termas naturais.

Page 21: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

22

APÊNDICE

5.1 Bibliotecas

• pandas: é uma biblióteca de alto desempenho que fornece suporte para estruturas

de dados e ferramentas de análise de dados. A biblioteca é otimizada para executar a

ciência de dados de forma rápida e eficiente. O principio básico do pandas é auxiliar

na analise de dados e modelagem da linguagem Python.

• matplotlib: é uma ferramenta para plotação de gráficos 2D que produz publicações

com uma alta qualidade e de forma bem interativa. matplotlib pode ser feito por

códigos em Python. E pode gerar vários tipos de gráficos usando poucas linhas de

códigos como barras, histogramas e plotagens gerais.

5.2 Jupyter notebook

Ferramenta para produção de documentos que contém a utilização de duas vertentes:

a compilação e execução de códigos em Python e a escrita textual, sendo eles separados por

células.

Page 22: AnálisedeDadoscomPython: Avaliaçãodo …mat.ci.ufpb.br/wp-content/uploads/2018/08/relatorio... · 2018. 8. 23. · • Executar análise de dados usando ferramentas computacionais

23

REFERÊNCIAS

[1] VIEIRA, F. P.; GUIMARÃES, S. N.; HAMZA, V. M. Updated assessment of geothermal

resources in brazil. In: BRAZILIAN GEOPHYSICAL SOCIETY. 14th International Congress of

the Brazilian Geophysical Society & EXPOGEF, Rio de Janeiro, Brazil, 3-6 August 2015. [S.l.],

2015. p. 480–485.

[2] EPE. Balanço Energético Nacional - BEN - 2014. [S.l.], 2014. Https://goo.gl/9QY5af.

[3] VIEIRA, F. P.; HAMZA, V. M. Advances in assessment of geothermal resources of south

america. Natural Resources, Scientific Research Publishing, v. 5, n. 14, p. 897, 2014.

[4] HAMZA, V. M.; VIEIRA, F. P.; SILVA, R. T. Anomalous heat flow belt along the continental

margin of brazil. International Journal of Earth Sciences, Springer, p. 1–15, 2017.

[5] ARBOIT, N. K. S. et al. Potencialidade de utilização da energia geotérmica no brasil–uma

revisão de literatura. Revista do Departamento de Geografia, v. 26, p. 155–168, 2013.

[6] ALEXANDRINO, C.; COUY, S.; RODRIGUES, F. Avaliação dos recursos geotérmicos em

minas gerais. Revista vozes dos vales da UFVJM, v. 1, n. 1, 2012.

[7] CARNEIRO, C. D. R.; HAMZA, V. M.; ALMEIDA, F. F. M. D. Ativação tectônica, fluxo geotér-

mico e sismicidade no nordeste oriental brasileiro. Revista Brasileira de Geociências, v. 19,

n. 3, p. 310–322, 1989.