felipe ribeiro de siqueira
TRANSCRIPT
FELIPE RIBEIRO DE SIQUEIRA
Modelagem termodinâmica do equilíbrio líquido-líquido de misturas
ternárias biodiesel etílico + glicerol + etanol de diferentes fontes
Lorena
2018
2
FELIPE RIBEIRO DE SIQUEIRA
Modelagem termodinâmica do equilíbrio líquido-líquido de misturas ternárias biodiesel
etílico + glicerol + etanol de diferentes fontes
Trabalho de conclusão do curso de Engenharia
Química da Escola de Engenharia de Lorena
da Universidade de São Paulo.
Orientador: Prof. Dr. Fábio Rodolfo Miguel
Batista
Lorena
2018
AUTORIZO A REPRODUÇÃO E DIVULGAÇÃO TOTAL OU PARCIAL DESTE TRABALHO, POR QUALQUER MEIOCONVENCIONAL OU ELETRÔNICO, PARA FINS DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE
Ficha catalográfica elaborada pelo Sistema Automatizadoda Escola de Engenharia de Lorena,
com os dados fornecidos pelo(a) autor(a)
Siqueira, Felipe Ribeiro de Modelagem termodinâmica do equilíbrio líquido-líquidode misturas ternárias biodiesel etílico + glicerol +etanol de diferentes fontes Lorena 2018 / FelipeRibeiro de Siqueira; orientador Fábio Rodolfo MiguelBatista. - Lorena, 2018. 68 p.
Monografia apresentada como requisito parcialpara a conclusão de Graduação do Curso de EngenhariaQuímica - Escola de Engenharia de Lorena daUniversidade de São Paulo. 2018
1. Modelagem termodinâmica. 2. Nrtl. uniquac. 3.Equilíbrio líquido-líquido. 4. Biodiesel. 5. Etanol. I.Título. II. Batista, Fábio Rodolfo Miguel, orient.
3
RESUMO
Com o advento de computadores cada vez mais poderosos, a modelagem e a
simulação termodinâmica computacional têm se tornado uma alternativa altamente viável aos
experimentos, que por vezes podem ser caros e demorados. Este trabalho buscou avaliar a
modelagem termodinâmica por meio de modelos de energia de Gibbs em excesso de sistemas
biodiesel+glicerol+etanol, a fim de avaliar a exatidão destes frente a dados experimentais na
predição dos dados de equilíbrio. Para tal propósito, uma vasta determinação de dados
experimentais dos sistemas propostos foram coletados a partir de diferentes base de dados. Os
modelos NRTL e UNIQUAC foram ajustados a esses dados experimentais, objetivando a
determinação de um conjunto único de parâmetros, para cada modelo, capaz de representar o
equilíbrio biodiesel etílico + glicerol + etanol, independente da fonte do óleo vegetal, ou seja,
para cada modelo foi calculado um conjunto global de parâmetros.
Palavras-chave: Modelagem termodinâmica. NRTL. UNIQUAC. Biodiesel. Etanol.
Equilíbrio líquido-líquido.
4
SUMÁRIO
LISTA DE TABELAS..............................................................................................................05
LISTA DE FIGURAS...............................................................................................................07
1. INTRODUÇÃO...................................................................................................................10
2. OBJETIVOS........................................................................................................................14
3. REVISÃO BIBLIOGRÁFICA...........................................................................................15
3.1 Equilíbrio líquido-líquido...................................................................................................15
3.2 Modelo non-random two liquids (NRTL) ..........................................................................16
3.3 Modelo universal quasi-chemical (UNIQUAC) ................................................................17
3.4 Aplicação da modelagem termodinâmica para a descrição do equilibrio líquido-líquido do
sistema biodiesel etílico + glicerol + etanol .............................................................................18
4. METODOLOGIA...............................................................................................................20
5. RESULTADOS E DISCUSSÃO........................................................................................21
5.1 Modelo NRTL com três parâmetros...................................................................................23
5.2 Modelo NRTL com cinco parâmetros................................................................................32
5.3 Modelo UNIQUAC com dois parâmetros..........................................................................41
5.4 Modelo UNIQUAC com quatro parâmetros.......................................................................50
5.5 Discussão dos resultados.....................................................................................................59
6. CONCLUSÃO.....................................................................................................................65
6. REFERÊNCIAS BIBLIOGRÁFICAS..............................................................................66
5
LISTA DE TABELAS
Tabela 1 – Especificações de diferentes óleos vegetais e do diesel
fóssil..........................................................................................................................................11
Tabela 2 – Especificações de diferentes óleos vegetais e do diesel convencional (Tipo
C................................................................................................................................................11
Tabela 3 – Características físicas dos dados experimentais utilizados na modelagem
termodinâmica e por fonte do equilíbrio líquido-líquido dos sistemas ternários estudados neste
trabalho......................................................................................................................................22
Tabela 4 – Parâmetros de interação binária obtidos pela regressão dos dados experimentais
pelo modelo NRTL com três parâmetros por fonte e por temperatura.....................................23
Tabela 5 – Desvios globais calculados pela regressão via modelo NRTL com três
parâmetros.................................................................................................................................24
Tabela 6 – Conjunto global de parâmetros de interação binária para a avaliação via NRTL
com três parâmetros..................................................................................................................24
Tabela 7 – Desvios globais calculados pela avaliação via modelo NRTL com três
parâmetros.................................................................................................................................25
Tabela 8– Desvios globais calculados pela regressão via modelo NRTL com cinco
parâmetros.................................................................................................................................32
Tabela 9 – Conjunto global de parâmetros de interação binária para a avaliação via NRTL
com cinco parâmetros...............................................................................................................32
Tabela 10 – Parâmetros de interação binária obtidos pela regressão dos dados experimentais
pelo modelo NRTL com cinco parâmetros por fonte e por
temperatura................................................................................................................................33
Tabela 11 – Desvios globais calculados pela avaliação via modelo NRTL com três
parâmetros.................................................................................................................................34
Tabela 12 – Parâmetros de interação binária obtidos pela regressão dos dados experimentais
pelo modelo UNIQUAC com dois parâmetros por fonte e por temperatura............................41
Tabela 13 – Desvios globais calculados pela regressão via modelo UNIQUAC com dois
parâmetros.................................................................................................................................42
Tabela 14 – Conjunto global de parâmetros de interação binária para a avaliação via
UNIQUAC com dois parâmetros..............................................................................................42
Tabela 15 – Desvios globais calculados pela avaliação via modelo UNIQUAC com dois
parâmetros.................................................................................................................................43
6
Tabela 16 – Desvios globais calculados pela regressão via modelo UNIQUAC com quatro
parâmetros.................................................................................................................................50
Tabela 17 – Conjunto global de parâmetros de interação binária para a avaliação via
UNIQUAC com quatro parâmetros..........................................................................................50
Tabela 18 – Parâmetros de interação binária obtidos pela regressão dos dados experimentais
pelo modelo UNIQUAC com quatro parâmetros por fonte e por temperatura.........................51
Tabela 19 – Desvios globais calculados pela avaliação via modelo UNIQUAC com quatro
parâmetros.................................................................................................................................52
Tabela 20 – Parâmetros do teste de correlação de Othmer-Tobias por temperatura e por
fonte..........................................................................................................................................59
Tabela 21 – Composição percentual dos biodieseis estudados................................................60
Tabela 22 – Desvios obtidos pela regressão dos dados para o biodiesel de crambe pelo modelo
NRTL com duas parâmetros considerando o Etil Oleato e o Etil Behenoato...........................62
Tabela 23 – Desvios obtidos pela regressão dos dados para o biodiesel de crambe pelo modelo
NRTL com quatro parâmetros considerando o Etil Oleato e o Etil Behenoato........................63
7
LISTA DE FIGURAS
Figura 1 – Reação global genérica da transesterificação..........................................................12
Figura 2 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros
dos dados referentes ao componente 1 na fase 1......................................................................26
Figura 3 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros
dos dados referentes ao componente 2 na fase 1.. ...................................................................26
Figura 4 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros
dos dados referentes ao componente 3 na fase 1... ..................................................................27
Figura 5 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros
dos dados referentes ao componente 1 na fase 2......................................................................27
Figura 6 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros
dos dados referentes ao componente 2 na fase 2. ....................................................................28
Figura 7 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros
dos dados referentes ao componente 3 na fase 2. ....................................................................28
Figura 8 – Distribuição dos DA1,1 para o modelo NRTL com três parâmetros........................29
Figura 9 – Distribuição dos DA2,1 para o modelo NRTL com três parâmetros. ......................29
Figura 10 – Distribuição dos DA3,1 para o modelo NRTL com três parâmetros. ....................30
Figura 11 – Distribuição dos DA1,2 para o modelo NRTL com três parâmetros. ....................30
Figura 12 – Distribuição dos DA2,2 para o modelo NRTL com três parâmetros. ....................31
Figura 13 – Distribuição dos DA3,2 para o modelo NRTL com três parâmetros.. ...................31
Figura 14 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros
dos dados referentes ao componente 1 na fase 1. ....................................................................35
Figura 15 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros
dos dados referentes ao componente 2 na fase 1. ....................................................................35
Figura 16 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros
dos dados referentes ao componente 3 na fase 1.. ...................................................................36
Figura 17 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros
dos dados referentes ao componente 1 na fase 2... ..................................................................36
Figura 18 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros
dos dados referentes ao componente 2 na fase 2.. ...................................................................37
Figura 19 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros
dos dados referentes ao componente 3 na fase 2.. ...................................................................37
Figura 20 – Distribuição dos DA1,1 para o modelo NRTL com cinco parâmetros. .................38
8
Figura 21 – Distribuição dos DA2,1 para o modelo NRTL com cinco parâmetros. .................38
Figura 22 – Distribuição dos DA3,1 para o modelo NRTL com cinco parâmetros... ...............39
Figura 23 – Distribuição dos DA1,2 para o modelo NRTL com cinco parâmetros.. ................39
Figura 24 – Distribuição dos DA2,2 para o modelo NRTL com cinco parâmetros.. ................40
Figura 25 – Distribuição dos DA2,2 para o modelo NRTL com cinco parâmetros.. ................40
Figura 26 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois
parâmetros dos dados referentes ao componente 1 na fase 1. ..................................................44
Figura 27 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois
parâmetros dos dados referentes ao componente 2 na fase 1. ..................................................44
Figura 28 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois
parâmetros dos dados referentes ao componente 3 na fase 1.. .................................................45
Figura 29 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois
parâmetros dos dados referentes ao componente 1 na fase 2.. .................................................45
Figura 30 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois
parâmetros dos dados referentes ao componente 2 na fase 2. ..................................................46
Figura 31 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois
parâmetros dos dados referentes ao componente 3 na fase 2.. .................................................46
Figura 32 – Distribuição dos DA1,1 para o modelo UNIQUAC com dois parâmetros.............47
Figura 33 – Distribuição dos DA2,1 para o modelo UNIQUAC com dois parâmetros.............47
Figura 34 – Distribuição dos DA3,1 para o modelo UNIQUAC com dois parâmetros.. ..........48
Figura 35 – Distribuição dos DA1,2 para o modelo UNIQUAC com dois parâmetros.. ..........48
Figura 36 – Distribuição dos DA2,2 para o modelo UNIQUAC com dois parâmetros.. ..........49
Figura 37 – Distribuição dos DA3,2 para o modelo UNIQUAC com dois parâmetros.. ..........49
Figura 38 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro
parâmetros dos dados referentes ao componente 1 na fase 1. ..................................................53
Figura 39 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro
parâmetros dos dados referentes ao componente 2 na fase 1.. .................................................53
Figura 40 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro
parâmetros dos dados referentes ao componente 3 na fase 1. ..................................................54
Figura 41 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro
parâmetros dos dados referentes ao componente 1 na fase 2.. .................................................54
Figura 42 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro
parâmetros dos dados referentes ao componente 2 na fase 2.. .................................................55
9
Figura 43 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro
parâmetros dos dados referentes ao componente 3 na fase 2....................................................55
Figura 44 – Distribuição dos DA1,1 para o modelo UNIQUAC com quatro parâmetros.. .......56
Figura 45 – Distribuição dos DA2,1 para o modelo UNIQUAC com quatro parâmetros. ........56
Figura 46 – Distribuição dos DA3,1 para o modelo UNIQUAC com quatro parâmetros.. .......57
Figura 47 – Distribuição dos DA1,2 para o modelo UNIQUAC com quatro parâmetros.. .......57
Figura 48 – Distribuição dos DA2,2 para o modelo UNIQUAC com quatro parâmetros. ........58
Figura 49 – Distribuição dos DA3,2 para o modelo UNIQUAC com quatro parâmetros. ........58
Figura 50 – Diagrama ternário das frações experimentais e calculadas via regressão pelo
modelo NRTL com três parâmetros do algodão a 313,15 K....................................................63
Figura 51 – Diagrama ternário das frações experimentais e calculadas via regressão pelo
modelo NRTL com três parâmetros do crambe a 318,15 K.. ..................................................64
10
1. INTRODUÇÃO
O biodiesel pertence ao grupo orgânico dos ésteres e é utilizado, atualmente, como
combustível alternativo aos combustíveis fósseis. As principais matérias primas para este
combustível são óleos vegetais, tais como de soja, girassol e mamona, e gordura animal, como
sebo de ruminantes.
O biodiesel derivado de óleos vegetais é o mais viável em termos de disponibilidade
de matéria prima. As sementes de oleaginosas são ricas em óleos, os quais são compostos por
uma mistura de triésteres de cadeia longa derivados do glicerol, aqui denominados
triglicerídeos. “Propriedades importantes do biodiesel são determinadas com base no óleo que
deu origem ao combustível, sendo as principais o poder calorífico, o ponto de névoa, a
viscosidade, a estabilidade a altas temperaturas e o número de cetano” (NETO ET AL, 1999).
O poder calorífico do combustível determina a máxima potência do motor durante sua
operação. O número de cetano indica a autoinflamabilidade do combustível, refletindo em
características do motor como a partida a frio, o ruído e o gradiente de pressão com o decorrer
das operações do ciclo. A viscosidade é a medida da resistência que o combustível irá impor
ao seu próprio escoamento, sendo fundamental para o grau de qualidade da injeção do
combustível na câmara. A estabilidade a altas temperaturas observa como o combustível irá
reagir dentro da câmara, ou seja, se ele manterá sua estrutura até a combustão ou se ele irá
reagir por outro mecanismo quando exposto a temperaturas elevadas. Por fim, o ponto de
névoa é a temperatura na qual o combustível tende a se cristalizar, sendo determinante em
casos onde o motor que utiliza o óleo será exposto a temperaturas baixas.
Segundo Ramos e colaboradores (2011), no início os óleos vegetais foram utilizados
em sua forma in natura no motor ciclo Diesel. A experiência, porém, esbarrou em diversos
problemas, pois a alta viscosidade do óleo comprometia o funcionamento do motor, a alta
temperatura de ignição favorecia a formação de compostos tóxicos e nocivos à saúde, como a
acroleína, ocorrência de reações de oxidação nas moléculas dos óleos e formação de gomas, o
que dificultava a lubrificação das partes móveis do motor. A Tabela 1 apresenta algumas
propriedades de diferentes óleos vegetais, comparadas com as propriedades do óleo diesel.
11
Tabela 1 – Especificações de diferentes óleos vegetais e do diesel fóssil
Características Óleos vegetais Diesel
fóssil Mamona Babaçu Dendê Soja Piqui
Poder calorífico (kcal/kg) 8913 9049 8946 9421 9330 10950
Ponto de névoa (°C) 10 26 31 13 26 0
Número de cetano Nd 38 38-40 36-39 38 40
Viscosidade a 37,8 °C
(cSt)
285 30,3 36,8 36,8 47 2,0 –
4,3
Fonte: Neto e colaboradores, 1999
No que tange a estas propriedades, o biodiesel de diferentes fontes, quando comparado
com o diesel de origem fóssil, tem se mostrado uma alternativa altamente viável. Segundo
Neto e colaboradores (1999), o biocombustível de diversas fontes apresenta poder calorífico
menor que o de origem fóssil, enquanto o número de cetano é similar. A viscosidade se
apresenta como uma barreira a se transpor, haja vista que alguns biodieseis apresentam
viscosidade até 7 vezes maior que o diesel fóssil. Já o ponto de névoa tem se mostrado
similar, por vezes até mais vantajoso, entre alguns biocombustíveis com relação ao diesel
fóssil, por serem próximos, ou até menores do que o derivado do petróleo. No caso da
estabilidade a altas temperaturas, os biocombustíveis podem sofrer reações de oxidação, por
conta da presença de insaturações, fazendo com que o combustível se inflame a temperaturas
mais altas quando comparado com o diesel fóssil. A Tabela 2 apresenta propriedades de
diferentes biodieseis comprados com as propriedades do óleo diesel.
Tabela 2 – Especificações de diferentes óleos vegetais e do diesel convencional (Tipo C)
Características Origem do biodiesel Diesel
fóssil Mamona Babaçu Dendê Soja Piqui
Poder calorífico (kcal/kg) 9056 9440 9530 9520 9590 10824
Ponto de névoa (°C) -6 -6 6 Nd 8 1
Número de cetano Nd 65 Nd 57,5 60 45,8
Viscosidade a 37,8 °C (cSt) 21,6 3,9 6,4 6,0 5,2 3,04
Fonte: Neto e colaboradores, 1999
Mesmo apresentando propriedades físico-químicas desfavoráveis frente ao
combustível fóssil, o biodiesel apresenta fatores positivos quando descrito do ponto de vista
ambiental e econômico. Segundo dados do ministério de minas e energia do Brasil, este
12
biocombustível libera quantidades traço de óxidos de enxofre e compostos aromáticos, além
de utilizar como matéria prima compostos renováveis e que favorecem a produção agrícola
nacional. Do ponto de vista tecnológico, os avanços na recuperação do catalisador e da
reutilização de subprodutos da reação fazem com que o biodiesel possua um preço
competitivo quando comparado ao diesel fóssil.
O processo utilizado para a produção de biodiesel é a transesterificação. Nesse tipo de
reação o triglicerídeo reage com um álcool de cadeia curta (normalmente metanol ou etanol)
na presença de catalisadores básicos ou ácidos, de forma homogênea ou heterogênea. Os
produtos obtidos são o biodiesel, um éster de ácido graxo, o qual pode ser etílico (FAEE, do
inglês Fatty Acid Ethyl Ester, éster etílico de ácido graxo) ou metílico (FAME, do inglês
Fatty Acid Methyl Ester, éster metílico de ácido graxo), e glicerol. Essa operação se processa
em três reações sucessivas de equilíbrio nas quais uma molécula de triglicerídeo (TAG) é
quebrada em uma molécula de diglicerídeo mais uma molécula de biodiesel; o diglicerídeo é
quebrado em monoglicerídeo mais uma molécula de biodiesel e, por fim, o monoglicerideo é
quebrado em uma molécula de glicerol e outra de biodiesel. A Figura 1 apresenta a reação
global na qual um mol de TAG reage com 3 mols de álcool produzindo 1 mol de glicerol e 3
mols de biodiesel.
Figura 1 – Reação global genérica da transesterificação
Fonte: O autor
Por se tratar de reações de equilíbrio, com o objetivo de se maximizar a produção de
biodiesel utiliza-se excesso de álcool, geralmente na proporção de 6:1 ou 12:1, e temperatura
em torno de 40 °C a 60 °C (ROSTAMI ET AL, 2011).
No caso da transesterificação por catálise básica, um fator determinante do seu
rendimento é a saponificação de ácidos graxos livres contidos no óleo utilizado, o que pode
13
inibir a reação. Já na transesterificação por catálise ácida não há problema com relação à
formação de sabões, mas as condições de reação tendem a ser mais drásticas, com
temperatura de operação próxima da ebulição dos álcoois utilizados, e que demandam excesso
maior de álcool, da ordem de 30:1, sendo, portanto, uma cinética difícil de otimizar,
resultando em um tempo de reação elevado e com baixo rendimento frente à catálise básica
(NETO ET AL, 1999).
Com relação aos álcoois utilizados, uma desvantagem na produção do biodiesel é a
imiscibilidade deles com os óleos vegetais. Por outro lado, uma vantagem é o estabelecimento
de um equilíbrio de fases entre os produtos, garantindo a rápida separação entre o biodiesel, o
glicerol e o álcool utilizado em excesso (NORIEGA ET AL, 2016). A escolha da
transesterificação por via metílica ou etílica deve levar em conta questões econômicas e
ambientais. Via de regra, a via metílica é a que apresenta maior produtividade e economia,
pois utiliza menos álcool e a separação dos ésteres metílicos do glicerol é espontânea. Porém,
a via etílica se mostra importante opção, pelo fato de o etanol ser menos tóxico e, no caso
brasileiro, ser produzido em excesso a partir de fontes renováveis (BRANDÃO ET AL,
2006).
14
2. OBJETIVOS
A purificação do biodiesel produzido na transesterificação é realizado basicamente por
um processo de separação líquido-líquido (decantação), a correta descrição do equilíbrio
líquido-liquido do sistema biodiesel etílico + glicerol + etanol pode auxiliar a otimização do
processo, principalmente por simulação computacional. Assim, o objetivo geral deste trabalho
foi modelar o equilíbrio de fases líquido-líquido para diversos sistemas biodiesel etílico +
glicerol + etanol e avaliar a influência da fonte do óleo sobre a modelagem termodinâmica.
Para se alcançar o objetivo geral acima proposto, os seguintes objetivos específicos
devem ser alcançados:
Avaliar diferentes modelos termodinâmicos capazes de descrever o equilíbrio
estudado: Non-Random Two Liquids (NRTL) e Universal Quasi-Chemical
(UNIQUAC),
Avaliar o comportamento dos parâmetros de interação binária dos modelos
NRTL e UNIQUAC frente a variação da temperatura.
Utilizar a ferramenta "regression" do simulador Aspen Plus para o estudo do
equilibrio e regressão das parâmetros dos modelos considerados
15
3. REVISÃO BIBLIOGRÁFICA
A importância da modelagem termodinâmica na produção de biodiesel se deve ao fato
de que, para se obter dados confiáveis acerca do equilíbrio de fases existente entre os
produtos, é necessário um tempo e custos elevados. Portanto, um modelo termodinâmico
capaz de descrever corretamente o equilíbrio estudado, e que possa ser aplicado à mistura
biodiesel etílico + glicerol + etanol, independente da origem do óleo vegetal, torna-se
vantajoso e pode gerar economia de tempo e capital (JULIÁ ET AL, 2004).
3.1 EQUILÍBRIO LÍQUIDO-LÍQUIDO
O estado de equilíbrio entre duas fases é determinado por meio de uma igualdade de
pressões (equilíbrio mecânico), temperatura (equilíbrio térmico), e fugacidades (equilíbrio
químico) de um determinado composto “i” entre as n fases que podem ser formadas
(MICHELSEN e MOLLERUP, 2007). Temos, portanto, que a fugacidade f de um composto
“i” em um equilíbrio de fases é: (1)
Podemos determinar a fugacidade do componente “i” em uma determinada fase em termos do
seu coeficiente de atividade: (2)
Sendo o coeficiente de atividade de “i” na fase em estudo, a fração molar deste
componente na fase, a pressão de saturação do composto “i” , calculada pela equação de
Antoine, e a fugacidade padrão do estudo.
Logo, em um estado de equilíbrio, temos: ( ) ( ) ( ) (3)
A fugacidade padrão pode ser calculada por: (4)
Sendo a fugacidade de “i” na saturação, o volume molar de saturação de “i”, P a
pressão do sistema, T a temperatura do sistema e R a parâmetro universal dos gases ideais. O
termo exponencial é denominado correção de Poyinting (POY), o qual considera o efeito de
altas pressões sobre as fases em equilíbrio. Sendo assim: ( ) ( ) ( ) (5)
16
O coeficiente de atividade é determinado pelos modelos de energia de Gibbs em
excesso, tais como Wilson, Margules, Van Laar, NRTL, UNIQUAC ou UNIFAC. Neste
trabalho, far-se-á o cálculo do coeficiente pelos modelos NRTL e UNIQUAC, cujas equações
serão descritas nos tópicos seguintes.
3.2 MODELO NON-RANDOM TWO LIQUIDS (NRTL)
O modelo NRTL (PRAUSNITZ e RENON, 1969) é utilizado para calcular o
coeficiente de atividade de um soluto em um solvente líquido para sistemas onde as partes são
completamente ou parcialmente solúveis, ajustando os dados experimentais com exatidão
significativa.
A equação geral do modelo NRTL para cálculo do coeficiente de atividade dos
componentes em uma mistura binária é dada pelas equações de 6 a 12: ( ) (6)
( ) (7) (8) (9) (10)
(11) (12)
Sendo x1 e x2 as frações molares dos compostos 1 e 2, τ12, τ21 e α12 os coeficientes de
interação binária do par 1-2. O coeficiente αij é simétrico, ou seja, αij= αji e está ligado à não-
aleatoriedade presente na mistura, se αij=0 a mistura é completamente aleatória. Para o
equilíbrio líquido-líquido e para as faixas de temperatura utilizadas neste trabalho,
considerou-se o coeficiente αij independente da temperatura (dij=0) e a parâmetro cij=0,2. Os
termos a12, a21, b12, b21, e12, e21, f12 e f21 são parâmetros que modelam a forma de dependência
dos coeficientes τ12 e τ21 com a temperatura, sendo que, neste caso, estes parâmetros são
assimétricos, ou seja, aij ≠ aji, por exemplo. Para sistemas onde a influência da temperatura é
mínima, a diferença entre os coeficientes de interação binária calculados pelos diferentes
modelos de dependência com a temperatura não são relevantes.
17
O termo aleatório utilizado nesta equação representa a premissa tomada na elaboração
do modelo. O modelo NRTL é tido como um modelo de composição local, tal qual os
modelos de Wilson, UNIQUAC e UNIFAC. Ou seja, ele considera que a distribuição de
concentrações ao redor de uma molécula não é totalmente aleatória, sendo diferente, portanto,
da concentração global da solução. Isto se deve às diferentes interações presentes entre as
moléculas do sistema (PRAUSNITZ ET AL, 1999).
O modelo NRTL é vantajoso quando se estudam sistemas que se distanciam da
idealidade, especialmente para sistemas parcialmente imiscíveis.
3.3 MODELO UNIVERSAL QUASI-CHEMICAL (UNIQUAC)
O modelo UNIQUAC (ABRAMS e PRAUSNITZ, 1975) combina em uma só equação
os efeitos das diferenças entre as moléculas presentes em uma solução. O primeiro efeito é
ligado ao tamanho e forma das moléculas e o segundo, às forças intermoleculares entre elas.
Este modelo possui dois termos principais, a contribuição combinatorial, a qual está
ligada à geometria dos componentes puros, e a contribuição residual, que quantifica a
influência das interações intermoleculares presentes na mistura.
Os coeficientes de atividade calculados pelo modelo UNIQUAC para uma mistura
binária são dados pelas equações 13 a 24: ( )
(13)
( )
(14)
(15) (16) (17)
18
(18)
(19)
(20)
( ) (21)
( ) (22) (23) (24)
Sendo z o número de coordenação, e são as frações superficiais do componente i (i=1
ou 2), é a fração linear do componente i e ri, qi e qi’ são os parâmetros estruturais do
composto i, relacionando tamanho e área superficial, e são Tabelados. e são
coeficientes de interação binária do par 1-2. Da mesma forma que no modelo NRTL, os
termos a12, a21, b12, b21, c12, c21, d12, d21, e12 e e21 são parâmetros assimétricos que se
relacionam com a forma de dependência dos coeficientes de interação binária com a
temperatura. Para sistemas onde a influência da temperatura é mínima, a diferença entre os
coeficientes de interação binária calculados pelos diferentes modelos de dependência com a
temperatura não são relevantes.
A vantagem do modelo UNIQUAC é a extrema simplicidade, contando apenas com
dois parâmetros de interação binária, frente a ampla faixa de aplicação no equilíbrio de fases.
3.4 APLICAÇÃO DA MODELAGEM TERMODINÂMICA PARA A DESCRIÇÃO DO
EQUILIBRIO LÍQUIDO-LÍQUIDO DO SISTEMA BIODIESEL + GLICEROL + ÁLCOOL
De maneira geral, os modelos termodinâmicos NRTL e UNIQUAC são amplamente
utilizados para modelar e descrever um equilíbrio específico, quando do estudo experimental
do mesmo.
Mazutti e colaboradores (2012) modelaram o equilíbrio de sistemas contendo
biodiesel a partir do óleo de soja por meio do modelo UNIQUAC em três temperaturas
(303,15 K, 318,15 K e 333,15 K). Concluiu-se que a modelagem baseada em UNIQUAC
fornece resultados satisfatórios, com desvio médio entre 2,06% e 2,28%.
19
Já Mesquita e colaboradores (2012) utilizaram a equação NRTL para modelar o
equilíbrio de sistemas contendo biodiesel de óleo de semente de algodão nas temperaturas de
293,15 K, 313,15 K e 333,15 K. A modelagem termodinâmica forneceu dados cujo desvio é
de aproximadamente 0,8%.
Rocha e colaboradores (2014), utilizando a equação NRTL para modelar sistemas
contendo biodiesel de óleo de palma, obtiveram resultados nas temperaturas de 298,15 K e
323,15 K com desvio médio entre 0,18% e 0,21%.
Gonçalves e colaboradores (2014) utilizaram ambos modelos estudados neste trabalho
para modelar sistemas contendo biodiesel de castanha do Pará nas temperaturas de 303,15 K e
323,15 K. A modelagem utilizando a equação NRTL forneceu dados com desvios médios
entre 1,18% e 1,49%, enquanto o modelo UNIQUAC resultou em dados com desvios entre
1,85% e 1,97%.
Este trabalho será embasado no descrito pelos autores acima, porém deseja-se estudar
a consistência do modelo independentemente da fonte, ou seja, dados para mesma
temperatura de diferentes fontes serão modelados conjuntamente e será proposto um modelo
para os parâmetros de interação que não dependa da fonte, somente da temperatura.
20
4. METODOLOGIA
Pesquisou-se na literatura científica aberta dados experimentais de equilíbrio líquido-
líquido para os sistemas biodiesel etílico + glicerol + etanol. De posse destes dados
experimentais, ajustaram-se estes aos modelos NRTL e UNIQUAC por meio da variação dos
parâmetros aij, aji, bij e bji, de forma a minimizar o desvio médio entre os dados experimentais
e os calculados pelos modelos.
O ajuste anteriormente citado foi realizado através do software Aspen Plus, o qual, por
mais que os sistemas estudados sejam ternários, calculou os parâmetros considerando a
mistura uma sucessão de estados de equilíbrios binários, o que validou a utilização de
modelos para sistemas binários neste caso.
Estudou-se o ajuste para diversos sistemas à uma mesma temperatura, a fim de se
avaliar a influência da composição dos diversos biodieseis sobre a modelagem do equilíbrio.
De posse deste ajuste, o objetivo foi determinar um único conjunto de parâmetros de interação
binária (para cada modelo termodinâmico) capaz de representar o equilíbrio biodiesel etilico +
glicerol + etanol, independente da fonte de óleo vegetal que deu origem ao biodiesel e
independente da temperatura.
A abordagem anteriormente descrita pode viabilizar estudos mais confiáveis, por
simulação computacional, do processo de purificação do biodiesel, sem que seja necessário
um ajuste dos parâmetros de interação binária para cada tipo de biodiesel (óleo vegetal) que se
deseja investigar.
21
5. RESULTADOS E DISCUSSÃO
Da literatura científica pesquisada, foram retiradas a temperatura e as frações molares
do biodiesel, do etanol e do glicerol em ambas as fases, a rica em biodiesel e a rica em
glicerol. Para fins de simplificação, considerou-se que o biodiesel disperso nas fases era
representado totalmente pelo Etil Oleato, independentemente da fonte. O número de dados
experimentais (n) e a faixa de frações molares experimentais (Δy), bem como a fonte dos
dados, se encontram descritos na Tabela 3.
Fazendo a regressão dos dados experimentais com o simulador comercial Aspen Plus
para a obtenção dos parâmetros de interação binária dos modelos termodinâmicos estudados,
determinou-se um desvio médio percentual (DMi,f) para o componente i (i=1,2 ou 3, Etil
Oleato, etanol ou glicerol, respectivamente) na fase f (f=1 ou 2, biodiesel ou glicerol,
respectivamente) – relativo à fração molar experimental, para cada temperatura e por fonte –
definido pela equação 25:
| | (25)
Sendo a fração molar calculada do componente i na fase f e , a experimental.
De posse dos desvios médios do componente i na fase f, calculou-se um desvio global
percentual (DG) – também para cada fonte e cada temperatura – conforme determina a
equação 26: ∑ (26)
Para fins de comparação, determinou-se também o desvio absoluto (DAi,f) entre a
fração molar calculada e a experimental do componente i na fase f, por meio da equação 28: (27)
Tabela 3 – Características físicas dos dados experimentais utilizados na modelagem termodinâmica e por fonte do equilíbrio líquido-líquido dos sistemas ternários estudados
neste trabalho
Óleo-fonte n Δy1,1 Δy2,1 Δy3,1 Δy1,2 Δy2,2 Δy3,2 Referência
Algodão 11 0,8076─0,9350 0,0476─0,1738 0,0186─0,0219 0,0218─0,0303 0,0443─0,9309 0,5418─0,9309 MESQUITA ET AL, 2012
Coco 11 0,7857─0,9715 0,0154─0,1753 0,0131─0,0487 0,0178─0,0417 0,0300─0,2240 0,7419─0,9466 EVANGELISTA ET AL, 2012
Crambe 12 0,5754─0,9065 0,0867─0,3479 0,0068─0,0767 0,0013─0,1344 0,2903─0,6214 0,2666─0,7084 BASSO ET AL, 2012
Girassol 12 0,8690─0,9740 0,0072─0,1158 0,0140─0,0249 0,0211─0,0505 0,0290─0,2856 0,6930─0,9423 SANTIAGO-AGUIAR ET AL, 2011
J. Curcas 11 0,7302─0,9270 0,0692─0,2563 0,0012─0,0135 0,0037─0,0387 0,1755─0,5270 0,4343─0,8001 SILVA ET AL, 2012
Palma 15 0,7777─0,9464 0,0343─0,2020 0,0152─0,0203 0,0018─0,0531 0,1367─0,5667 0,3802─0,8615 ROCHA ET AL, 2014
Soja 23 0,7185─0,9613 0,0204─0,2564 0,0000─0,0761 0,0031─0,0903 0,0542─0,7964 0,1374─0,9269 BENETI ET AL, 2013;
MAZUTTI ET AL, 2012
22
23
De posse do DG, procurou-se qual sistema (fonte-temperatura) detinha o mínimo
desvio global. Determinado o sistema, admitiu-se que os parâmetros de interação binária para
este sistema representariam também todos os outros sistemas, independente da fonte. Esta
abordagem possui respaldo no que é descrito por Evangelista e colaboradores (2012), Basso e
colaboradores (2012), Rocha e colaboradores (2014), entre outros, que concluem que os
coeficientes de interação binária calculados com estes parâmetros em um equilíbrio líquido-
líquido são pouco dependentes da temperatura, o que nos permite extrapolar os coeficientes
para uma fonte e uma temperatura para todas as fontes e todas as temperaturas.
Determinado o conjunto global de parâmetros de interação binária, partiu-se para uma
avaliação da qualidade do ajuste feito considerando estes parâmetros para os demais sistemas,
de modo a se determinar os mesmos desvios (DMi,f, DMf, DG e DAi,f) que foram
considerados na regressão.
5.1 MODELO NRTL COM TRÊS PARÂMETROS
A Tabela 4 mostra o conjunto de parâmetros obtidos pela regressão dos dados.
Tabela 4 – Parâmetros de interação binária obtidos pela regressão dos dados experimentais pelo modelo NRTL
com três parâmetros por fonte e por temperatura
Fonte T (K) Par 1-2 Par 1-3 Par 2-3
B12 B21 α B13 B31 α B23 B31 α
Algodão 293,15 121,08 1821,75 0,20 791,46 683,50 0,20 403,01 299,89 0,20
313,15 618,43 786,42 0,20 802,29 711,90 0,20 3190,00 467,72 0,20
Coco 293,15 885,71 -120,75 0,20 833,66 766,68 0,20 539,53 163,51 0,20
323,15 -576,84 1327,07 0,20 766,16 984,90 0,20 -420,08 282,65 0,20
Crambe 318,15 1493,18 257,35 0,20 1010,12 2652,55 0,20 1360,68 953,42 0,20
338,15 1465,21 407,88 0,20 1007,87 3104,89 0,20 1646,41 811,74 0,20
Girassol 298,15 -79,72 1346,30 0,20 913,24 478,90 0,20 10000,00 301,47 0,20
313,15 -574,98 3564,10 0,20 843,93 695,49 0,20 21,35 -703,89 0,20
J. Curcas
303,15 74,24 720,43 0,20 1349,78 1293,44 0,20 8502,98 203,81 0,20
318,15 655,66 93,34 0,20 1344,96 1497,22 0,20 10000,00 495,13 0,20
333,15 -1046,71 1479,82 0,20 1355,40 748,06 0,20 507,62 -1250,11 0,20
Palma 298,15 217,98 505,35 0,20 730,40 1859,36 0,20 807,87 -365,77 0,20
323,15 272,41 440,45 0,20 752,54 1697,80 0,20 792,54 -384,90 0,20
Soja
293,15 179,84 4847,31 0,20 856,07 830,44 0,20 -576,29 956,66 0,20
298,15 594,93 305,48 0,20 864,15 2309,56 0,20 1229,71 -121,52 0,20
303,15 405,72 574,06 0,20 1054,50 1553,30 0,20 1769,94 -319,38 0,20
323,15 75,93 10000,00 0,20 823,42 1394,16 0,20 -1100,03 338,19 0,20
333,15 8,94 901,02 0,20 1749,93 1816,15 0,20 -496,04 836,10 0,20 A Tabela 5 mostra os desvios globais calculados pela regressão.
24
Tabela 5 – Desvios globais calculados pela regressão via modelo NRTL com três parâmetros
Fonte T (K) DG
Algodão 293,15 5,12 313,15 0,65
Coco 293,15 5,68 323,15 1,29
Crambe 318,15 13,29 338,15 10,47
Girassol 298,15 3,82 313,15 2,63
J. Curcas 303,15 5,82 318,15 11,98 333,15 13,33
Palma 298,15 3,21 323,15 5,27
Soja
293,15 9,58 298,15 9,57 303,15 12,40 323,15 2,85 333,15 1,52
Como se pode observar na Tabela 5, o sistema com menor DG foi o do biodiesel a
partir do óleo de semente de algodão à 313,15K. Portanto, para a avaliação feita com o
modelo NRTL com três parâmetros, adotou-se como conjunto global de parâmetros de
interação binária o que se encontra na Tabela 6.
Tabela 6 – Conjunto global de parâmetros de interação binária para a avaliação via NRTL com três parâmetros
Bij Bji α
Par 1-2 618,43 786,42 0,20
Par 1-3 802,29 711,90 0,20
Par 2-3 3190,00 467,72 0,20
A Tabela 7 dispõe dos desvios globais calculados pela avaliação com o modelo NRTL
com três parâmetros.
25
Tabela 7 – Desvios globais calculados pela avaliação via modelo NRTL com três parâmetros
Fonte T (K) DG
Algodão 293,15 25,35 313,15 9,34
Coco 293,15 22,78 323,15 13,66
Crambe 318,15 125,15 338,15 163,57
Girassol 298,15 23,64 313,15 10,65
J. Curcas 303,15 231,51 318,15 795,37 333,15 384,25
Palma 298,15 14,26 323,15 97,76
Soja
293,15 163,07 298,15 41,51 303,15 285,38 323,15 115,83 333,15 93,09
Conforme a Tabela 7, a avaliação obteve menor desvio para os biodieseis de semente
de algodão (ambas as temperaturas), coco (ambas as temperaturas) e girassol (ambas as
temperaturas), além do palma a 298,15K.
As Figuras de 2 a 7 mostram o comportamento das frações molares estudadas ao se
fazer a regressão e a avaliação pelo modelo NRTL com três parâmetros de interação binária.
26
Figura 2 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros dos dados
referentes ao componente 1 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 3 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros dos dados
referentes ao componente 2 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
27
Figura 4 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros dos dados
referentes ao componente 3 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 5 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros dos dados
referentes ao componente 1 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
28
Figura 6 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros dos dados
referentes ao componente 2 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 7 – Resultado da modelagem termodinâmica pelo modelo NRTL com três parâmetros dos dados
referentes ao componente 3 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
29
As Figuras de 8 a 13 mostram a distribuição do DAi,f calculado para cada fração molar
experimental.
Figura 8 – Distribuição dos DA1,1 para o modelo NRTL com três parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 9 – Distribuição dos DA2,1 para o modelo NRTL com três parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
30
Figura 10 – Distribuição dos DA3,1 para o modelo NRTL com três parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 11 – Distribuição dos DA1,2 para o modelo NRTL com três parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
31
Figura 12 – Distribuição dos DA2,2 para o modelo NRTL com três parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 13 – Distribuição dos DA3,2 para o modelo NRTL com três parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
32
5.2 MODELO NRTL COM CINCO PARÂMETROS
A Tabela 8 mostra os desvios globais calculados pela regressão.
Tabela 8 – Desvios globais calculados pela regressão via modelo NRTL com cinco parâmetros
Fonte T (K) DG
Algodão 293,15 3,61 313,15 0,18
Coco 293,15 0,65 323,15 1,29
Crambe 318,15 13,36 338,15 7,20
Girassol 298,15 4,35 313,15 2,71
J. Curcas 303,15 5,98 318,15 12,42 333,15 7,97
Palma 298,15 2,87 323,15 1,52
Soja
293,15 2,28 298,15 4,54 303,15 13,06 323,15 6,90 333,15 5,73
Como se pode observar na Tabela 8, o sistema com menor DG foi o do biodiesel a
partir do óleo de semente de algodão à 313,15K. Logo, a avaliação dos dados pelo modelo
NRTL com cinco parâmetros foi feita com base no conjunto global de parâmetros de
interação binária que se encontra na Tabela 9.
Tabela 9 – Conjunto global de parâmetros de interação binária para a avaliação via NRTL com cinco parâmetros
Aij Aji Bij Bji α Par 1-2 -29,91 -29,34 10000,00 10000,00 0,2 Par 1-3 -29,23 25,17 9957,76 -7173,62 0,2 Par 2-3 -22,30 33,43 10000,00 -10000,00 0,2
Na Tabela 10, encontra-se o conjunto de parâmetros de interação binária obtidos a
partir da regressão dos dados pelo modelo NRTL com cinco parâmetros.
Tabela 10 – Parâmetros de interação binária obtidos pela regressão dos dados experimentais pelo modelo NRTL com cinco parâmetros por fonte e por temperatura
Fonte T (K) Par 1-2 Par 1-3 Par 2-3
A12 A21 B12 B21 α A13 A31 B13 B31 α A23 A32 B23 B31 α
Algodão 293,15 -33,76 32,76 9991,73 -8082,88 0,20 15,68 -17,66 -3688,14 5750,24 0,20 34,72 34,07 -9621,77 -9844,03 0,20 313,15 -29,91 -29,34 10000,00 10000,00 0,20 -29,23 25,17 9957,76 -7173,62 0,20 -22,30 33,43 10000,00 -10000,00 0,20
Coco 293,15 39,49 -14,78 -10000,00 4307,12 0,20 36,89 28,18 -10000,00 -10000,00 0,20 28,18 -13,25 -8133,57 5284,93 0,20 323,15 -1,16 2,05 -197,67 659,75 0,20 -0,38 2,78 888,96 88,59 0,20 -0,65 0,52 -210,34 125,25 0,20
Crambe 318,15 -0,86 1,31 1760,93 -160,31 0,20 -0,29 4,30 1105,33 1290,97 0,20 2,05 -0,34 686,29 1057,13 0,24 338,15 -0,69 1,67 148,38 350,42 0,20 1,54 8,90 1685,70 2587,54 0,20 -0,58 0,08 -96,25 419,11 0,20
Girassol 298,15 -0,32 2,46 711,92 74,45 0,20 9,70 -5,73 -1983,76 2191,75 0,30 5,17 1,22 1505,91 150,98 0,20 313,15 -2,52 6,08 374,38 1671,06 0,20 0,64 1,40 645,63 257,63 0,20 -0,39 -2,68 123,42 324,92 0,20
Jatropha Curcas
303,15 0,11 1,24 32,61 376,22 0,20 2,23 2,09 674,70 633,97 0,20 13,74 0,33 4166,64 101,47 0,20 318,15 0,90 193376,00 285,93 61,84 0,20 2,87 2,27 430,61 669,44 0,20 68,16 0,71 10000,00 225,94 0,20 333,15 27,50 -19,56 -9699,82 7986,07 0,20 33,99 -27,80 -1000,00 10000,00 0,20 26,06 -32,20 -8056,26 10000,00 0,20
Palma 298,15 2,96 3,08 -645,55 -412,90 0,20 1,30 3,09 343,27 932,36 0,20 4,58 -8,12 -506,53 2060,83 0,20 323,15 1,51 -1,38 -213,31 888,39 0,20 0,30 4,03 654,72 393,48 0,20 -4,00 -10,73 2089,40 3083,87 0,20
Soja
293,15 35,00 52,48 -10000,00 -10000,00 0,20 -31,22 36,93 10000,00 -10000,00 0,20 32,21 -30,78 -10000,00 10000,00 0,20 298,15 0,95 0,47 285,73 140,96 0,20 1,47 5,18 453,21 1539,57 0,20 1,96 -0,13 587,31 -37,86 0,20 303,15 -22,61 9,04 7175,28 -1963,35 0,20 15,53 45,89 -9757,78 -7626,76 0,20 -1,29 -17,38 -8801,59 6759,53 0,20 323,15 -0,85 56,87 448,96 10000,00 0,20 -15,97 34,92 5983,73 -10000,00 0,20 -5,06 -21,45 552,41 10000,00 0,20 333,15 30,19 -10,65 -10000,00 4371,78 0,20 35,64 -23,89 -10000,00 10000,00 0,20 -31,51 -26,58 10000,00 10000,00 0,20
33
34
A Tabela 11 contém os desvios globais calculados pela avaliação com o modelo
NRTL com cinco parâmetros.
Tabela 11 – Desvios globais calculados pela avaliação via modelo NRTL com cinco parâmetros
Fonte T (K) DG
Algodão 293,15 586,14 313,15 584,71
Coco 293,15 561,08 323,15 487,01
Crambe 318,15 1121,43 338,15 1631,86
Girassol 298,15 606,06 313,15 633,55
J. Curcas 303,15 4922,31 318,15 2726,67 333,15 1150,21
Palma 298,15 645,80 323,15 390,77
Soja
293,15 1921,12 298,15 509,64 303,15 2118,29 323,15 1780,60 333,15 870,00
Conforme mostra a Tabela 11, a avaliação por este modelo não foi satisfatória para
nenhum biodiesel. Os conjuntos de dados experimentais com menores desvios foram aqueles
relacionados ao biodiesel de coco a 323,15K e ao de soja a 298,15K..
As Figuras de 14 a 19 mostram o comportamento das frações molares estudadas ao se
fazer a regressão e a avaliação pelo modelo NRTL com cinco parâmetros de interação binária.
35
Figura 14 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros dos dados referentes
ao componente 1 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 15 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros dos dados referentes
ao componente 2 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
36
Figura 16 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros dos dados referentes
ao componente 3 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 17 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros dos dados referentes
ao componente 1 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
37
Figura 18 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros dos dados referentes
ao componente 2 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 19 – Resultado da modelagem termodinâmica pelo modelo NRTL cinco parâmetros dos dados referentes
ao componente 3 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
38
As Figuras de 20 a 25 mostram a distribuição do DAi,f calculado para cada fração
molar experimental.
Figura 20 – Distribuição dos DA1,1 para o modelo NRTL com cinco parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 21 – Distribuição dos DA2,1 para o modelo NRTL com cinco parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
39
Figura 22 – Distribuição dos DA3,1 para o modelo NRTL com cinco parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 23 – Distribuição dos DA1,2 para o modelo NRTL com cinco parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
40
Figura 24 – Distribuição dos DA2,2 para o modelo NRTL com cinco parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 25 – Distribuição dos DA2,2 para o modelo NRTL com cinco parâmetros (+ = Regressão, ○ = Avaliação)
Fonte: O autor
41
5.3 MODELO UNIQUAC COM DOIS PARÂMETROS
A Tabela 12 contém o conjunto de parâmetros de interação binária obtidos pela
regressão dos dados, utilizando o modelo termodinâmico UNIQUAC com dois parâmetros.
Tabela 12 – Parâmetros de interação binária obtidos pela regressão dos dados experimentais pelo modelo
UNIQUAC com dois parâmetros por fonte e por temperatura
Fonte T Par 1-2 Par 1-3 Par 2-3
A12 A21 A13 A31 A23 A32
Algodão 293,15 -1,36 -0,26 -2,04 0,41 0,03 -0,49 313,15 -1,93 0,16 -2,05 0,42 -1,47 0,29
Coco 293,15 1,93 0,42 -2,12 0,40 0,91 2,83 323,15 -0,58 0,57 -1,33 -0,18 1,81 -14,94
Crambe 318,15 -3,44 0,65 -1,74 -0,07 -1,10 0,00 338,15 -0,74 0,31 -1,72 -0,08 1,66 -1,19
Girassol 298,15 -4,46 -0,05 -2,21 0,50 -44,65 -2,76 313,15 0,42 -1,17 -2,04 0,43 0,34 1,17
Jatropha Curcas 303,15 -0,14 -7,64 -2,79 0,10 0,87 -1,27 318,15 0,28 -28,83 -2,76 0,12 1,00 -0,75 333,15 -0,09 -0,14 -2,55 0,45 0,23 1,25
Palma 298,15 0,80 -5,70 -1,44 -0,16 1,20 -0,27 323,15 0,91 -5,00 -1,50 -0,03 1,49 0,06
Soja
293,15 -0,47 -0,68 -1,93 0,35 0,64 -0,12 298,15 -1,20 0,37 -1,42 -0,03 2,50 -6,44 303,15 -1,95 0,47 -2,25 0,07 1,24 -60,02 323,15 -0,46 -0,50 -1,83 0,39 0,76 0,18 333,15 -1,71 0,44 -2,51 0,18 1,17 -1,73
A Tabela 13 mostra os desvios globais calculados pela regressão.
42
Tabela 13 – Desvios globais calculados pela regressão via modelo UNIQUAC com dois parâmetros
Fonte T (K) DG
Algodão 293,15 7,93 313,15 1,37
Coco 293,15 4,83 323,15 4,63
Crambe 318,15 6,88 338,15 27,09
Girassol 298,15 3,21 313,15 3,44
J. Curcas 303,15 11,10 318,15 20,12 333,15 10,75
Palma 298,15 8,21 323,15 5,58
Soja
293,15 11,36 298,15 14,70 303,15 16,47 323,15 14,82 333,15 13,18
A Tabela 13 nos mostra que o sistema com menor DG foi o do biodiesel a partir do
óleo de semente de algodão à 313,15K. Para ser feita a avaliação com o modelo UNIQUAC
com dois parâmetros, portanto, adotou-se como conjunto global de parâmetros de interação
binária o que se encontra na Tabela 14.
Tabela 14 – Conjunto global de parâmetros de interação binária para a avaliação via UNIQUAC com dois
parâmetros
Aij Aji Par 1-2 -1,93 0,16 Par 1-3 -2,05 0,42 Par 2-3 -1,47 0,29
A Tabela 15 mostra os desvios globais calculados pela avaliação com o modelo
UNIQUAC com dois parâmetros.
43
Tabela 15 – Desvios globais calculados pela avaliação via modelo UNIQUAC com dois parâmetros
Fonte T (K) DG
Algodão 293,15 91,43 313,15 85,76
Coco 293,15 54,39 323,15 29,17
Crambe 318,15 226,03 338,15 236,13
Girassol 298,15 92,21 313,15 70,81
J. Curcas 303,15 1280,27 318,15 901,91 333,15 300,00
Palma 298,15 77,78 323,15 129,52
Soja
293,15 479,93 298,15 68,40 303,15 460,89 323,15 217,91 333,15 145,74
De acordo com a Tabela 15, a avaliação por este modelo obteve o menor desvio para o
biodiesel de coco a 232,15K.
As Figuras de 26 a 31 mostram o comportamento das frações molares estudadas ao se
fazer a regressão e a avaliação pelo modelo UNIQUAC com dois parâmetros de interação
binária.
44
Figura 26 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois parâmetros dos dados
referentes ao componente 1 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 27 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois parâmetros dos dados
referentes ao componente 2 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
45
Figura 28 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois parâmetros dos dados
referentes ao componente 3 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 29 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois parâmetros dos dados
referentes ao componente 1 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
46
Figura 30 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois parâmetros dos dados
referentes ao componente 2 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 31 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com dois parâmetros dos dados
referentes ao componente 3 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
47
As Figuras de 32 a 37 mostram a distribuição do DAi,f calculado para cada fração
molar experimental.
Figura 32 – Distribuição dos DA1,1 para o modelo UNIQUAC com dois parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
Figura 33 – Distribuição dos DA2,1 para o modelo UNIQUAC com dois parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
48
Figura 34 – Distribuição dos DA3,1 para o modelo UNIQUAC com dois parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
Figura 35 – Distribuição dos DA1,2 para o modelo UNIQUAC com dois parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
49
Figura 36 – Distribuição dos DA2,2 para o modelo UNIQUAC com dois parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
Figura 37 – Distribuição dos DA3,2 para o modelo UNIQUAC com dois parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
50
5.4 MODELO UNIQUAC COM QUATRO PARÂMETROS
A Tabela 16 mostra os desvios globais calculados pela regressão.
Tabela 16 – Desvios globais calculados pela regressão via modelo UNIQUAC com quatro parâmetros
Fonte T (K) DG
Algodão 293,15 4,60 313,15 1,38
Coco 293,15 4,81 323,15 2,38
Crambe 318,15 3,29 338,15 4,72
Girassol 298,15 2,29 313,15 10,26
J. Curcas 303,15 13,28 318,15 4,83 333,15 10,75
Palma 298,15 14,51 323,15 5,64
Soja
293,15 4,48 298,15 21,53 303,15 34,07 323,15 3,32 333,15 1,78
A Tabela 16 nos mostra que o sistema com menor DG foi o do biodiesel a partir do
óleo de semente de algodão à 313,15K. Logo, para a avaliação com o modelo UNIQUAC
com quatro parâmetros, definiu-se como conjunto global de parâmetros de interação binária o
que se encontra na Tabela 17.
Tabela 17 – Conjunto global de parâmetros de interação binária para a avaliação via UNIQUAC com quatro
parâmetros
Aij Aji Bij Bji
Par 1-2 -0,47 0,03 -489,02 42,86 Par 1-3 -0,89 0,09 -362,89 103,07 Par 2-3 -0,94 0,34 -339,29 -152,94
A Tabela 18 contém o conjunto de parâmetros de interação binária obtidos pela
regressão dos dados.
Tabela 18 – Parâmetros de interação binária obtidos pela regressão dos dados experimentais pelo modelo UNIQUAC com quatro parâmetros por fonte e por temperatura
Fonte T Par 1-2 Par 1-3 Par 2-3
A12 A21 B12 B21 A13 A31 B13 B31 A23 A32 B23 B32
Algodão 293,15 32,45 34,06 -10000,00 -10000,00 2,12 -1,79 -1212,21 644,07 -34,77 -34,77 10000,00 10000,00 313,15 -0,47 0,03 -489,02 42,86 -0,89 0,09 -362,89 103,07 -0,94 0,34 -339,29 -152,94
Coco 293,15 1,65 0,20 430,00 65,52 -1,02 0,16 -323,46 70,83 0,35 1,89 97,14 496,14 323,15 0,02 0,16 -227,67 74,08 -0,78 0,05 -330,28 85,89 0,42 0,18 110,34 -194,83
Crambe 318,15 -3,36 0,06 -865,01 150,10 24,77 2,80 -8448,97 -887,19 -3,94 2,65 -1233,11 -2090,05 338,15 -2,12 0,24 -942,23 148,96 -0,65 -0,14 -306,72 -5,07 -0,27 -0,75 -190,15 -490,91
Girassol 298,15 25,58 1,46 -8293,33 -454,90 -1,20 -0,32 -303,92 246,14 -6,21 -27,44 -1785,05 8016,45 313,15 0,51 -0,64 -26,55 -168,32 -0,89 0,10 -359,27 100,91 0,11 0,82 6,07 -14,92
J. Curcas 303,15 0,21 -3,52 -130,86 -1026,30 -1,31 0,01 -471,76 64,59 0,30 -0,16 34,59 -304,74 318,15 26,89 -31,04 -10000,00 10000,00 28,76 9,53 -10000,00 -2932,89 -32,82 -80,00 -10000,00 -10000,00 333,15 12,79 -0,21 -4309,11 5,72 -1,14 -0,23 -468,92 227,69 -0,29 13,35 105,06 -4190,60
Palma 298,15 -0,55 0,19 -480,96 117,02 -0,69 -0,06 -284,13 38,34 0,35 0,00 52,88 -258,69 323,15 0,57 0,26 -870,53 105,63 -0,72 -0,02 -320,63 58,76 0,17 -1,57 78,10 314,00
Soja
293,15 -9,50 -38,19 3951,93 -3417,84 9,95 4,87 -1768,02 -1319,79 -0,72 -29,94 10000,00 9822,34 298,15 0,28 -0,15 -356,06 125,70 0,47 -0,22 -96,82 79,19 2,53 -0,03 467,99 -446,77 303,15 -35,24 -0,09 10000,00 162,34 -35,24 9,22 10000,00 -2763,57 33,46 -80,00 -10000,00 -10000,00 323,15 0,31 -0,18 101,41 -58,18 -0,94 0,20 -305,02 64,80 0,28 0,50 91,63 161,41 333,15 -1,44 0,28 -390,02 114,54 -1,18 -0,04 -383,82 76,06 -0,44 0,66 -359,41 -119,26
51
52
A Tabela 19 mostra os desvios globais calculados pela avaliação com o modelo
UNIQUAC com quatro parâmetros.
Tabela 19 – Desvios globais calculados pela avaliação via modelo UNIQUAC com quatro parâmetros
Fonte T (K) DG
Algodão 293,15 22,62 313,15 1,37
Coco 293,15 16,52 323,15 15,13
Crambe 318,15 142,69 338,15 89,79
Girassol 298,15 9,33 313,15 10,26
J. Curcas 303,15 1294,61 318,15 156,85 333,15 48,46
Palma 298,15 18,40 323,15 15,51
Soja
293,15 240,48 298,15 26,11 303,15 158,79 323,15 87,89 333,15 31,78
Conforme mostra a Tabela 19, a avaliação por este modelo obteve menor desvio para
os biodieseis de semente de algodão (ambas temperaturas), coco (ambas as temperaturas),
girassol (ambas as temperaturas) e palma (ambas as temperaturas), além do biodiesel de soja a
298,15K e 333,15K.
As Figuras de 38 a 43 mostram o comportamento das frações molares estudadas ao se
fazer a regressão e a avaliação pelo modelo UNIQUAC com quatro parâmetros.
53
Figura 38 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro parâmetros dos dados
referentes ao componente 1 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 39 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro parâmetros dos dados
referentes ao componente 2 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
54
Figura 40 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro parâmetros dos dados
referentes ao componente 3 na fase 1 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 41 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro parâmetros dos dados
referentes ao componente 1 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
55
Figura 42 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro parâmetros dos dados
referentes ao componente 2 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
Figura 43 – Resultado da modelagem termodinâmica pelo modelo UNIQUAC com quatro parâmetros dos dados
referentes ao componente 3 na fase 2 (+ = Regressão, ○ = Avaliação)
Fonte: O autor
56
As Figuras de 44 a 49 mostram a distribuição do DAi,f calculado para cada fração
molar experimental.
Figura 44 – Distribuição dos DA1,1 para o modelo UNIQUAC com quatro parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
Figura 45 – Distribuição dos DA2,1 para o modelo UNIQUAC com quatro parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
57
Figura 46 – Distribuição dos DA3,1 para o modelo UNIQUAC com quatro parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
Figura 47 – Distribuição dos DA1,2 para o modelo UNIQUAC com quatro parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
58
Figura 48 – Distribuição dos DA2,2 para o modelo UNIQUAC com quatro parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
Figura 49 – Distribuição dos DA3,2 para o modelo UNIQUAC com quatro parâmetros (+ = Regressão, ○ =
Avaliação)
Fonte: O autor
59
5.5 DISCUSSÃO DOS RESULTADOS
Conforme exposto nos itens 5.1 a 5.4, observa-se que existem dados experimentais
que não satisfatória tiveram seu comportamento predito de forma satisfatória, como os para o
biodiesel de crambe e J. Curcas em ambas as temperaturas estudadas.
A primeira hipótese a se considerar para explicar esse ajuste insatisfatório é a
consistência dos dados utilizados. Para o caso específico de um equilíbrio líquido-líquido, a
consistência dos dados experimentais pode ser determinada por meio do teste de correlação de
Othmer-Tobias. Este teste se baseia em uma equação que relaciona a fração de etanol na fase
biodiesel com a fração de glicerol na fase glicerol em um ajuste linear da forma descrita pela
equação 28:
(28)
A Tabela 20 expõe os parâmetros A e B e a correlação (R²) entre os dados para cada
temperatura e fonte:
Tabela 20 – Parâmetros do teste de correlação de Othmer-Tobias por temperatura e por fonte
Fonte T A B R²
Algodão 293,15 1,4979 -0,5825 0,9982 313,15 0,1127 -1,3936 0,9654
Coco 293,15 0,1240 -1,5191 0,9733 323,15 0,4841 -1,1651 0,9958
Crambe 318,15 1,6938 -0,7711 0,9992 338,15 1,4849 -0,8330 0,9982
Girassol 298,15 1,2660 -0,9645 0,9751 313,15 0,7306 -1,4580 0,9811
J. Curcas 303,15 1,6003 -0,7017 1,0000 318,15 1,4749 -0,8513 0,9978 333,15 1,2638 -0,8947 0,9935
Palma 298,15 1,7172 -0,8651 0,9978 323,15 1,7269 -0,8413 0,9933
Soja
293,15 1,3525 -0,9372 0,9824 298,15 1,8262 -1,7315 0,9765 303,15 2,3845 -0,4803 0,9748 323,15 1,8810 -1,0171 0,9975 333,15 1,9967 -0,5368 0,9119
60
Como pode se observar, todos os dados estão correlacionados de modo que R²>0,9, o que
indica um bom ajuste linear. Logo, foi possível descartar a inconsistência termodinâmica dos
dados experimentais como fonte de erro no processo de ajuste dos modelos.
A segunda hipótese para os grandes desvios reside no fato de se estar generalizando
todos os biodieseis estudados como sendo compostos somente por Etil Oleato. Como a
composição dos biodiesel varia de acordo com a composição dos TAGs presentes no óleo
fonte utilizado, considerar o biodiesel formado apenas por um único éster pode gerar erros de
predição de propriedades e, assim, prejudicar o ajuste dos modelos. A Tabela 21 apresenta a
composição de cada biodiesel estudado.
Tabela 21 – Composição percentual dos biodieseis estudados
Fonte Algodão1 Coco2 Crambe3 Girassol4 J. Curcas5 Palma6 Soja7
Éster etílico
C6:0 - 0,28 - - - - -
C8:0 - 4,08 - - - - -
C10:0 - 3,65 - - - - -
C12:0 - 35,5 - - - - -
C14:0 - 19,84 - 0,08 0,38 - -
C16:0 24,5 13,83 2,18 7,09 12,82 37,69 11,2
C16:1 - - - 0,08 3,14 - -
C17:1 - - - 0,04 - - -
C18:0 - 3,94 1,06 3,58 4,75 4,7 3,45
C18:1
(Oleato) 20,3 14,3 20,03 31,88 43,13 44,56 23,41
C18:2 51,2 4,73 8,87 56,44 35,27 10,28 54,21
C18:3 2,3 - 4,76 0,36 0,34 - 6,81
C20:0 - - 1,18 0,25 0,16 - 0,43
C20:1 - - 3,87 - - - 0,49
C22:0 - - 1,83 - - - -
C22:1 - - 55,62 - - - -
C22:2 - - 0,6 - - - -
Outros 1,7 - - - - 2,77 -
61
1MESQUITA ET AL, 2011; 2EVANGELISTA ET AL, 2012; 3BASSO ET AL, 2012; 4ROSTAMI ET AL,
2011; 5SILVA ET AL, 2012; 6ROCHA ET AL, 2013; 7BENETI ET AL 2013
Conforme mostrado na Tabela 21, a composição de ésteres etílicos nos biodieseis não
é a mesma. Em alguns biodieseis, a fração de Etil Oleato e compostos com cadeia principal de
mesmo tamanho é a majoritária, como no caso do algodão (73,8%), do girassol (92,46%), da
J. Curcas (83,49%), da soja (87,88%) e da palma (59,54%). Em outros casos a fração de Etil
Oleato e semelhantes se equipara à composição de outro éster etílico, como é o caso do coco
(19,84% de miristato, 22,97% de oleato e 35,35% de laurato). Por fim, há casos onde o éster
etílico majoritário não é o Etil Oleato, como o crambe (58,05% de behenoato e 34,72% de
oleato).
Esta diferença na composição implica em diferenças nas propriedades manifestadas
pelos biodieseis. Ao existir um éster etílico que corresponde a maior fração do biodiesel, as
propriedades do biocombustível tendem a se assemelhar às propriedades deste éster. Porém,
quando existem ésteres com frações próximas as propriedades manifestadas pelo biodiesel
tendem a ser uma média das propriedades destes compostos.
Desta forma, ao considerarmos o biodiesel como sendo formado apenas por Etil
Oleato, estamos refletindo, na verdade, apenas os biocombustíveis em cujos este éster e seus
semelhantes correspondem a maior parte de sua composição. Porém, ao estudarmos biodieseis
onde o Etil Oleato não é o componente majoritário, estamos fazendo uma análise que não
condiz com a realidade.
Uma propriedade importante que pode estar sendo diretamente impactada por esta
aproximação é a solubilidade. A solubilidade dos ésteres etílicos em compostos polares
depende do tamanho da cadeia ligada ao carbono da carboxila, haja vista que, quanto maior a
cadeia, menor será o caráter polar da molécula. No caso deste estudo, onde há uma fase apolar
(biodiesel) e uma fase polar (glicerol), a distribuição dos ésteres em ambas as fases dependerá
de como eles vão interagir com o solvente daquela fase. Ésteres etílicos com cadeias
carbônicas menores serão mais solúveis em glicerol do que ésteres etílicos com cadeias
carbônicas maiores, por exemplo.
Ao considerarmos o biodiesel considerando que ele é composto somente por Etil
Oleato, consideramos que a solubilidade de todos os ésteres etílicos é a mesma em ambas as
fases, o que não ocorre. A título de exemplo, mais da metade do biodiesel de coco é composto
por ésteres etílicos menores que o Etil Oleato, o que significa que este biodiesel tende a ser
62
mais solúvel em glicerol do que ele seria se fosse composto só de Etil Oleato. Já o óleo de
crambe possui mais da metade de sua composição relativa a ésteres etílicos maiores que o Etil
Oleato, sendo este biodiesel menos solúvel em glicerol do que ele seria se fosse composto
somente de Etil Oleato.
Ou seja, ao aproximarmos os biodieseis do Etil Oleato puro, pode-se estar afastando as
propriedades do biodiesel analisado das propriedades reais dependendo de sua composição,
gerando resultados que não refletem o real comportamento do biodiesel nas condições
impostas para o estudo. Essa observação é bastante pertinente uma vez que o simulador Aspen
Plus utiliza o modelo UNIFAC (contribuição de grupos) para a predição de propriedades
necessárias aos cálculos.
Para a validação da hipótese mencionada, Foi feita realizada uma regressão com os
dados do biodiesel de crambe. As Tabelas 22 e 23 mostram os desvios médios por
componente por fase (DMi,f) e globais (DG) para a regressão pelo modelo NRTL com dois
parâmetros.
Tabela 22 – Desvios obtidos pela regressão dos dados para o biodiesel de crambe pelo modelo NRTL com dois
parâmetros considerando o Etil Oleato e o Etil Behenoato
Fase Composto 1 = Etil Oleato 1= Etil Behenoato
DMi,f DG DMi,f DG
1
1 2,12
15,48
1,96
11,22
2 7,19 9,05
3 14,80 10,02
2
1 19,80 4,39
2 26,75 21,99
3 22,20 19,92
63
Tabela 23 – Desvios obtidos pela regressão dos dados para o biodiesel de crambe pelo modelo NRTL com cinco
parâmetros considerando o Etil Oleato e o Etil Behenoato
Fase Composto 1 = Etil Oleato 1= Etil Behenoato
DMi,f DG DMi,f DG
1
1 2,26
12,42
2,18
12,15
2 8,52 8,92
3 14,05 13,74
2
1 6,12 5,31
2 22,72 22,36
3 20,85 20,40
Pode-se concluir, portanto, que para ambos os casos a regressão considerando o Etil
Behenoato como representante do sistema resultou em menores desvios médios para a maioria
dos componentes por fase e em menores desvios globais.
As Figuras 50 e 51 mostram diagramas ternários para o biodiesel que apresentou
menor desvio na regressão (algodão, 313,15K) e para o que apresentou maior desvio (crambe,
318,15K) pelo modelo NRTL com três parâmetros para fins de comparação de
comportamento com relação aos dados experimentais.
Figura 50 – Diagrama ternário das frações experimentais e calculadas pelo modelo NRTL com três parâmetros
do algodão a 313,15 K (+ = Regressão, ○ = Experimental)
Fonte: O autor
64
Figura 51 – Diagrama ternário das frações experimentais e calculadas pelo modelo NRTL com três parâmetros
do crambe a 318,15 K (+ = Regressão, ○ = Experimental)
Fonte: O autor
65
6. CONCLUSÃO
Conclui-se que a hipótese inicial não é válida da maneira com a qual ela foi adotada.
Ou seja, não é possível adotar um conjunto de parâmetros global independente da fonte que
possa ser utilizado para qualquer biodiesel, haja vista que a composição do biodiesel é
importante na modelagem.
Porém, esta hipótese pode ser válida se avaliada de duas formas. A primeira,
considerando os biodieseis com composição semelhante e fazendo-se a regressão com o
componente majoritário. A segunda, considerando os biodieseis com composição semelhante
e fazendo-se a regressão com todos os componentes. Desta forma, como os biocombustíveis
analisados se comportarão da mesma maneira, pode-se estabelecer um conjunto de parâmetros
global para estes sistemas somente.
Conclui-se também que os modelos NRTL e UNIQUAC foram satisfatórios na
regressão dos dados e determinação dos parâmetros de interação binária. Porém, no que tange
à avaliação dos dados, os modelos NRTL com dois parâmetros e UNIQUAC com quatro
parâmetros foram os mais satisfatórios.
66
7. REFERÊNCIAS BIBLIOGRÁFICAS
ABRAMS, D. S., PRAUSNITZ, J. M. (1975). Statistical thermodynamics of liquid
mixtures: A new expression for the excess Gibbs energy of partly or completely miscible
systems, AIChE journal, Volume 21, Issue 1, (1975), Pages 116–128.
BASSO, R. C., MEIRELLES, A. J. A., BATISTA, E. A. C. (2012). Liquid–liquid
equilibrium of pseudoternary systems containing glycerol + ethanol + ethylic biodiesel
from crambe oil (Crambe abyssinica) at T/K = (298.2, 318.2, 338.2) and thermodynamic
modeling, Fluid Phase Equilibria 333 (2012) 55–62.
BASSO, R. C., SILVA, C. A. S., SOUSA, C. O., MEIRELLES, A. J. A., BATISTA, E. A. C.
(2012). LLE experimental data, thermodynamic modeling and sensitivity analysis in the
ethyl biodiesel from macauba pulp oil settling step, Bioresource Technology 131 (2013)
468–475.
BENETI, S. C., LANZA, M., MAZUTTI, M. A., KUNITA, M. H., CARDOZO-FILHO, L.,
OLIVEIRA, J. V. (2013). Experimental (liquid + liquid) equilibrium data for ternary and
quaternary mixtures of fatty acid methyl and ethyl esters (FAME/FAEE) from soybean
oil, J. Chem. Thermodynamics 68 (2014) 60–70.
EVANGELISTA, N. S., MESQUITA, F. M. R., SANT’ANA, H. B. DE, SANTIAGO-
AGUIAR, R. S. DE. (2012). Liquid−liquid equilibrium for the glycerol + alcohol + coconut biodiesel system at different temperatures and atmospheric pressure. J. Chem.
Eng. Data 2012, 57, 3557−3562.
FOLLEGATTI-ROMERO, L. A., OLIVEIRA, M. B., BATISTA, F. R. M., BATISTA, E. A.
C., COUTINHO, J. A. P., MEIRELLES, A. J. A. (2011). Liquid–liquid equilibria for
ternary systems containing ethyl esters, ethanol and glycerol at 323.15 and 353.15 K,
Fuel 94 (2012) 386–394.
GOLÇALVES, J. D., AZNAR, M., SANTOS, S. G. (2014). Liquid–liquid equilibrium data
for systems containing Brazil nut biodiesel + methanol + glycerin at 303.15 K and 323.15
K, Fuel 133 (2014) 292–298.
67
LEE, M., LO, Y., LIN, H. (2010). Liquid–liquid equilibria for mixtures containing water,
methanol, fatty acid methyl esters, and glycerol, Fluid Phase Equilibria 299 (2010) 180–
190.
MESQUITA, F. M. R, BESSA, A. M. M., LIMA, D. D., SANT’ANA, H. B., SANTIAGO-
AGUIAR, R. S. (2011). Liquid–liquid equilibria of systems containing cottonseed
biodiesel + glycerol + ethanol at 293.15, 313.15 and 333.15 K, Fluid Phase Equilibria 318
(2012) 51–55.
MICHELSEN, M.L.; MOLLERUP, J.M. Thermodynamic Models: Fundamentals &
Computational Aspects. 2a edição, Dinamarca, 2007.
NETO, P. R. C., ROSSI, L. F. S., ZAGONEL, G. F., RAMOS, L. P. (1999). Produção de
biocombustível alternativo ao óleo diesel através da transesterificação de óleo de soja
usado em frituras, Química nova, 23(4) (2000), 531-537.
OLIVEIRA, M. B., BARBEDO, S., SOLETTI, J. I., CARVALHO, S. H. V, QUEIMADA, A.
J., COUTINHO, J. A. P. (2011). Liquid–liquid equilibria for the canola oil biodiesel +
ethanol + glycerol system, Fuel 90 (2011) 2738–2745.
PRAUSNITZ, J.M.; LICHTENTHALER, R. N; AZEVEDO, E. G. DE. Molecular
Thermodynamics of Fluid-Phase Equilibria, 3a edição, Prentice-Hall, Nova Jérsei, 1999.
RAMOS, L. P., SILVA, F. R., MANGRICH, A. S., CORDEIRO, C. S. (2011). Tecnologias
de produção de biodiesel, Rev. Virtual Quim., 2011, 3 (5), 385-405.
RENON, H., PRAUSNITZ, J. M. (1968). Local compositions in thermodynamic excess
functions for liquid mixtures, AIChE journal, Volume 14, Issue 1, (1968), Pages 135–144.
ROCHA, E, G. A, FOLLEGATTI-ROMERO, L. A., JR., S. D., AZNAR, M. (2013). Liquid–
liquid equilibria for ternary systems containing ethylic palm oil biodiesel + ethanol +
glycerol/water: Experimental data at 298.15 and 323.15 K and thermodynamic modeling,
Fuel 128 (2014) 356–365.
68
ROSTAMI, M., RAEISSI, S., MAHMOODI, M., NOWROOZI, M. (2011). Liquid–Liquid
Equilibria in Biodiesel Production, J. Am. Oil Chem. Soc. (2013) 90:147–154.
SANTIAGO-AGUIAR, R. S. DE, MESQUITA, F. M. R., FEITOSA, F. X., SANT’ANA, H.
B., SOMBRA, N. E. (2011) Liquid-liquid Equilibrium for Ternary Mixtures of Biodiesel
(Soybean or Sunflower) + Glycerol + Ethanol at Different Temperatures, J. Chem. Eng.
Data 2011, 56, 4061–4067.
SILVA, J. R. F., MAZUTTI, M. A., VOLL, F. A. P., CARDOZO-FILHO, L., CORAZZA, M.
L., LANZA, M., PRIAMO, W. L., OLIVEIRA, J. V. (2012). Thermophysical properties of
biodiesel and related systems: (Liquid + liquid) equilibrium data for Jatropha curcas
biodiesel, J. Chem. Thermodynamics 58 (2013) 467–475.