Desa%osdelaproduccióndeBioetanoldeSegundaGeneraciónenBrasil
LaboratóriodeO9mização,ProjetoseControleAvançado–LOPCA
UniversidadeEstadualdeCampinas
Dr.WilliamEduardoHerreraAgudelo
UniversidadEstataldeCampinasUNICAMP
• UniversidadpúblicadelestadodeSãoPaulo;
• Campus:BarãoGeraldo–Campinas,Limeira,Piracicaba;
• Fundación:1966.51años.• 8%InvesJgaciónacadémica.• LiderpatentesyarNculosenBrasil.• 35.000alumnosmatriculadosen66
cursosdegraduacióny153programasdeposgrado.
• 1enelRankingLaJnoamericanodeuniversidades
• (fuente:hVps://www.JmeshighereducaJon.co)
LaboratóriodeOp9mización,DiseñoyControlAvanzado-LOPCA
EllaboratoriodeinvesJgaciónLOPCAenCampinas,dirigidoporelprofesorRubensMacielFilho.(ProcessSystemsEngineering,PSE):Diseño,simulación,control,opJmizacióndeprocesos.
• BiocombusJbles;• Biorefinería,• FabricacióndeBiomateriales;• ProcesosdeSeparación.
Asociacióncon:
Plantapiloto–CTBE.
ETANOLDEPRIMERAGENERACIÓN
E1GEtanolproducidouJlizandocomofuentedebiomasaelcaldodelacañadeazúcar.LaproduccióndeetanolJenelasetapas:1. Moliendacañadeazúcar;2. Limpiezadelcaldodecaña;3. Fermentaciónalcohólica.
ETANOLDEPRIMERAGENERACIÓN
Fuente:WilliamWehaInteriordeSãoPaulo-Holambra
ETANOLDEPRIMERAGENERACIÓN
InteriordeSãoPaulo-Holambra
469usinasenelterritorionacional
ETANOLDESEGUNDAGENERACIÓN
E2GEtanolproducidouJlizandocomofuentedebiomasalosresiduosdelaprimerageneraciónquesonelbagazoylapajadelacañadeazúcar.ParalaproduccióndeetanolJenelasetapas:Pretratamiento;HidrólisisenzimáJca;Fermentación.Procesotecnológicamentemáscomplejo
Fuente:Internet
ETANOLDESEGUNDAGENERACIÓN
MateriaPrima
CO2
Ø El CO2 producido por la combusJón, yotros procesos, es una de las fuentes deemisióndegasesdeefectoinvernadero.
Ø La concentración de CO2 en la atmósferase ha incrementado en 90 ppm en losúlJmos 50 años que son casi el 30% delvalordeCO2delosaños1960s.
Vieiraetal,(2016)
CambioobservadodelatemperaturaenlasuperficiedelaJerradesde1901-2012
CO2
Existen 3 escenarios de la energía en el año 2075, relacionadoscon los aumentos de 6, 4, 2 ºC en la temperatura promediomundialencomparaciónconlosnivelespreindustriales.
ElCO2esunproblemadetodaslaspersonasdelplaneta.Comoconsecuencia,hayunimpulsoendiferentes lugaresdelmundoparaeldesarrollodetecnologíasqueusenrecursosrenovablesparaobtenerenergíaycompuestosquímicos.
6SD• Producciónactual.• PermaneciadelsistemaenergéJcoconocido.
4SD• ReflejapoliJcasdereduccióngradual.
• ReducciónnosignificaJva.
2SD• ReduccionesprofundasenCO2.
• Cambiospatronesdeviajes,tecnologiasdevehículosycombusJbles.
Bioetanol
Ø Bioetano l es un combusJb lepromisorio que Jene un granpotencial para reemplazar a loscombusJblesderivadosdelpetróleo.
Ø Bioetanol Jene propiedades que sonbeneficiosasparaelmedioambiente,contribuyendoaladisminucióndelosgasesdeinvernadero.
Bioetanol
Ø Bioetanol puede ser mezclado con lagasolinaousadode formapura (paralosmotores que tengan la tecnologíaadecuada).
Ø Bioetanol posee más octanaje que lagasolina y es un combusJble que esoxigenado, reduciendo la canJdad den i trógeno en las emis iones yrealizando una combusJón completa,disminuyendo la canJdad de CO yhidrocarburossinquemar.
BioetanolenBrasil
• Producción de 25.000 millones delitrosdeetanolporaño.
• Primerproductordeetanolde1EGaparJrdelacañadeazúcar.
• Elmodelobrasileñosedestacaporser único en el mundo que usael etanol, sin mezclas, comosusJtutodirectodelagasolina.
• TecnologíaFLEXfuel.
0.0
5.0
10.0
15.0
20.0
25.0
30.0Millon
esdeAu
tos
AÑOS
FlexFuelGasolinaEtanol
Actualmente74%delaflotadecarrosFlexfuel.
Altocustodaoperação
Millonesdelitrosdeetanol(2007)
Millonesdeetanol(2016)
USA 24.000 56.000
Brasil 19.000 26.000
Elsectorbrasileñodeetanolestáenelestadodeestréseconómicoasociado:1.Altocostodeproducción.2.AparenteestadodeestancamientoenlaproducJvidad
ETANOLDE2GOPORTUNIDADTECNOLÓGICAPARAREVOLUCIONARELSECTORDELOS
RECURSOSRENOVABLEShVp://www.ethanolrfa.org/resources/industry/staJsJcs/#1454099103927-61e598f7-7643
Vieira(2017)
-
20.0
40.0
60.0
80.0
100.0
120.0
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Miliesdemillon
esdeLitros
ProducciónGlobaldeEtanolporpaísyaño
RestofWorld
Canada
China
Europe
Brazil
USA
www.afdc.energy. gov/data/
LINEADELTIEMPO
Proálcool Consolidación OpJmización +E2G
• 1975:IncenJvosGubernamentales.
• 1977:Adiciónde4,5%Etanolalagasolina.
• 1979:Adiciónde15%Etanolalagasolina.
• 70L/TC.
• 1985:Adicióndeetanolde20%a25%.
• 76L/TC.
• 2001:Iniciodelaexportación.
• 2003:Flexfuel.• 2011:ANPasume
regulación• 2014:Adiciónde
etanolde27%.• 85L/TC.
• 2014-2020:InicioE2G• 108L/TC.
• 2021-2025:Aprendizaje.• 116,6L/TC.
• 2026-2030:Consolidación.• 116,6L/TC
PROCESODEPRODUCCIÓNDESEGUNDAGENERACIÓN
MaterialLignocelulósicoCelulosa (un polímero de unidades de glucosaconunaestructuracristalina).Hemicelulosa (un polímero compuesto dediferentes fracciones de unidades de glucosa,galactosa, manosa, xi losa y arabinosapresentadasenformaamorfa).Lignina para proporcionar protección contraquímicaybiológica.40-50%decelulosa.20-40%dehemicelulosas20-30%delignina5-8%deextracJvos.UnodelosprincipalesretosdelatecnologíadesegundageneraciónesRECALCITRANCIA.
MaterialLignocelulósico
El material lignocelulósico en las paredescelulares de las plantas representa el recursorenovablemásabundanteenlaTierra.
150-170milmillonesdetoneladasporaño
la biomasa lignocelulósica ha sido reconocidadesdehacemuchoJempocomomateriaprimapotencialparalaproduccióndebiocombusJblesyproductosbioquímicos
PROCESODEPRODUCCIÓNDESEGUNDAGENERACIÓN
PretratamientoProcesoquebuscaalterarlacomposicióndela estructura lignocelulósica dejándola másaccesibleparalahidrólisis.Esteprocesoremuevelalignina.Ø Físico:Molienda,pirolisisomicro-ondas.Ø Físico-químico: explosión a vapor, AFEX
CO2explosión.Ø Biológico: microrganismo (bactérias o
hongos)
Pretratamiento
Pretratamiento
Ø Ningunadelastecnologíasdetratamientoofrece100%deconversióndelabiomasaenazúcaresfermentables.
Ø Siempre existe perdidas en la biomasa, lo que afecta el rendimiento e
incrementaelcostodelproductofinal,EjemploBioetanol.Ø Existelanecesidaddeestudiosenestaárea,demodoquesedesarrolleun
nuevoprocesodetratamientoeficienteoseactualiceunprocesoexistentepara dar resultados prometedores para la implementación en escalaindustrial.
Pretratamiento
HidrolisisEnzimáJcaLahidrólisisenzimáJcaeselprocesotransformalospolisacáridosdelabiomasaenazúcaresfermentables.IndustrialmentesonusadoscóctelesenzimáJcosquesonproducidosporlaNovazymes.Apar/rdelacelulosasonliberadosC6(hexosas).Apar/rdelahemicelulosaprincipalmenteC5(pentosas)
Pré-tratamento
Hidrólise Enzimática Fermentação
Fermentações1G+2G
Pré-tratamentoácido HidróliseEnzimática FermentaçãoSaccharomycescerevisiae
Mixturador
Melaço
SHF=SeparedHydrolisysFermenta5on
Rupturamecánicaenelmateriallignocelulósicoduranteelproceso de fermentación. Simulando el proceso derumiacióndelosbovinos.
COTRATAMIENTO
DesarrolladaenDartmouthCollegeLyndLab–LeeLynd.
Fermentações1G+2G
REACTORESDECOTRATAMIENTO
LyndLaboratory–LeeLynd.
Plantas de 1G +2G Instaladas
Ø Inicióennoviembrede2014enPiracicaba-SP.
Ø Capacidadinstaladade42millonesdelitros/año
Ø En2016generó1millóndelitros.(3%)
Ø Elpreciodeletanolproducidoesalto.
Ø PrimerausinadesegundageneraciónenBrasil,Bioflex1.
Ø Capacidadinstaladade82millonesdelitros/año
Ø En2016generó4millóndelitros.(5%).
Ø Etanolcelulósicomáslimpiodelmundo,esdecir,queemitemenorcanJdaddeCO2paraserproducidoyconsumido
Plantas de 1G +2G Instaladas
2G
Ø Variacionesenlamateriaprima(cañadeazúcar).Mayoromenor
contenidodeazúcares.Contaminación.
Ø Variacionesenlacalidaddelamateriaprimaquesederivande
diferentesprocesosdedeconstrucción
1G Rendimientoeficientedelproceso
fermenta9vo
LAMONITORACIÓNEFICIENTEDELPROCESODEFERMENTACIÓNALCOHÓLICA
PROBLEMASQUEAFECTANAROBUSTEZDELAFERMENTACIÓN
Melerio(2002)EstudiodelasRNAsenelprocesofermentaJvo.Radke(2002)Modeladodesistemashíbridosparainferenciadeinformación.Nagy(2007)UsodeARNscomoMPCyARNinverJdosparacontrolarlatemperaturadelafermentación.
Fa (k)
So (k)
Se4 (k)
Dados de Entrada Dados de
Saída
Se4 (k+1)
U9lizarlasRNAscomoinstrumentosdemediciónycontrolelprocesodeproduccióndeE1GyE2GRNAs
RedesNeuralesAr5ficiales
Ø Desarrollarsomwaredemonitoreoycontrolqueayudenenlaproducción de etanol de E1G + E2G usando rede neuralesar9ficiales:• Modelos de inferencia de información usando redes neuronalesar/ficiales (ARN), para monitoreo y operación en /empo real delproceso(soE-sensor);
• Implementacióndesistemasdecontrolpredic/vo,basadoenmodeloMPC,usandocomomodelointernounaARN,paramantenerlaplantaindustrialenlosvaloresestablecidosou/lizadosenlaindustria.
• .
3.METODOLOGÍA
Pre-tratamiento
.
Hidrólisis enzimática Fermentación
Parte Experimental
Bagazo
Melaza
3.METODOLOGÍA
Modelado Cinético Soft-sensor
Planta Virtual 1G+2G
Controlador NNMPC
Parte Computacional
So;-sensor
So;-sensor
tempo)e ra temperatu,CO de vazãopH, turbidez,( 2fSubstrato =
ESTRUCTURADELASRNAs
pH
Temperatura
Vazão de CO2
Dados de Entrada
Dados de Saída
X, S, P
Capacitancia
EstructuradelaRedNeuralArJficial
0
43
85
128
170
0 5 10 15 20 26
Tempo (h)
Sub
stra
to (K
g/m
3 )
0
43
85
128
170
0 5 10 15 20 26
Tempo (h)
Sub
stra
to (K
g/m
3 ) Predicción de la red neuronal
tempo)e ra temperatu,CO de flujo pH, turbidez,( 2fSubstrato =
Purga
Se4
Fa
Fo Fr
Controlador NNMPC
Soft-sensor
SensoresTºCpH
V. CO2Capacitância
ou Turbidez
El soE-sensor propuesto
puedeserimplementadoenel
proceso fermentaJvoparaun
ópJmo funcionamiento y
monitoreoonline.
CONTROLDELPROCESSO
PlantaE1GAndrieVa(1994)
1
2
3
4
5
6
7
8
9
10
Ácido Água
Purga
Vinho delevedurado
Creme de leveduras
Mosto
Fa Fo
Fr
ElprocesodefermentaciónalcohólicaconJnuaestáconsJtuidopor:• Unidaddeseparacióndelevaduras:
Centrífuga;• Un i d a d d e f e rm e n t a c i ó n :
Fermentadores conectados enserie;
• Unidaddetratamientoácido.
6PLANTAINDUSTRIALDEFERMENTACIÓNALCOHÓLICACONTINUA
8.1ESTRUCTURADECONTROL
Purga
Se4
Fa
Fo
Função Objetivo
Algoritmo de otimização
Predição
NNMPC
Fa (k)
So (k)
Se4 (k)
Se4 (k+1)
Fa (k) ótimo
Se4 (k+1)
Se4 (setpoint)
Fa (k)
PLANTAINDUSTRIAL
Se4(concentracióndeazúcaressalídaR4)
Fa(flujovolumétricodeentradadelalimento)
So(concentraçãodeaçúcaresinício)
MPCusandoRNAcomomodelo
interno
Fa (k)
So (k)
Se4 (k)
Dados de Entrada Dados de
Saída
Se4 (k+1)
[ ])(),(),()1(' 44 kSkSokFafkS EE =+
Programadadaforma“paso
adelante”
8.2IDENTIFICACIÓNDELPROCESO
8.4RESULTADOS
8.4RESULTADOS
PLANTAINDUSTRIAL1G+2G
SOFT-SENSOR
NNMPC
Purga
Se4
Fa
Fo Fr
Soft-sensor
SensoresTºCpH
V. CO2Capacitância
ou Turbidez
Função Objetivo
Algoritmo de otimização
Predição
NNMPC
Fa (k)
So (k)
Se4 (k)
Se4 (k+1)
Se4 (k+1)
Se4 (setpoint)
Fa (k)
MonitoraciónOnlineUsandoRNAs
ControlPredicJvoUsandoRNAs
Ø ElbioetanolesuneficientecombusJblerenovableparareemplazarloscombusJblesfósiles,comoestáocurriendoenBrasil.
Ø Elprocesode2generaciónsepresentacomounaalternaJvademejoramientodelaproduccióndeetanolaspirandoenlaúlJmafaseaumentarlaproducJvidadal50%.
Ø La posibilidad de usar el material lignocelulósico como fuente de azúcares es unaalternaJvasustentable.EstohapermiJdoaldesarrollodenuevastecnologíasentodaslaspartesdelproyecto:incluyendo,pretratamiento,hidrólisis,fermentación,sensoresycontroladoresparaaumentarelrendimientoylaproducJvidaddelsistema.
Ø Apesar de la complejidad del proceso de segunda generación, se está haciendo unarealidadatravésdelapuestaenmarchadelasdosprimerasunidadesdeproduccióndeetanol(RaizenyGranbio).
CONCLUSIONES
GRACIAS!!!