Investigação do mecanismo cinético da reação de redução de oxigênio em solventes não aquosos

O aumento no consumo energético e a crescente preocupação ambiental frente à emissão de gases poluentes criam um apelo mundial favorável para pesquisas de novas tecnologias não poluentes de fontes de energia. Baterias recarregáveis de lítio-ar em solventes não aquosos possuem uma alta densidade de energia teórica (5200 Wh kg-1), o que as tornam promissoras para aplicação em dispositivos estacionários e em veículos elétricos. Entretanto, muitos problemas relacionados ao cátodo necessitam ser contornados para permitir a aplicação desta tecnologia, por exemplo, a baixa reversibilidade das reações, baixa potência e instabilidades dos materiais empregados nos eletrodos e dos solventes eletrolíticos. Assim, neste trabalho um modelo cinético foi empregado para os dados experimentais de espectroscopia de impedância eletroquímica, para a obtenção das constantes cinéticas das etapas elementares do mecanismo da reação de redução de oxigênio (RRO), o que permitiu investigar a influência de parâmetros como o tipo e tamanho de partícula do eletrocatalisador, o papel do solvente utilizado na RRO e compreender melhor as reações ocorridas no cátodo dessa bateria. A investigação inicial se deu com a utilização de sistemas menos complexos como uma folha de platina ou eletrodo de carbono vítreo como eletrodos de trabalho em 1,2-dimetoxietano (DME)/perclorato de lítio (LiClO4). A seguir, sistemas complexos com a presença de nanopartículas de carbono favoreceu o processo de adsorção das moléculas de oxigênio e aumentou ligeiramente (uma ordem de magnitude) a etapa de formação de superóxido de lítio (etapa determinante de reação) quando comparada com os eletrodos de platina e carbono vítreo, atribuída à presença dos grupos laterais mediando à transferência eletrônica para as moléculas de oxigênio. No entanto, foi observada uma rápida passivação da superfície eletrocatalítica através da formação de filmes finos de Li2O2 e Li2CO3 aumentando o sobrepotencial da bateria durante a carga (diferença de potencial entre a carga e descarga > 1 V). Adicionalmente, a incorporação das nanopartículas de platina (Ptnp), ao invés da folha de platina, resultou no aumento da constante cinética da etapa determinante da reação em duas ordens de magnitude, o qual pode ser atribuído a uma mudança das propriedades eletrônicas na banda d metálica em função do tamanho nanométrico das partículas, e estas modificações contribuíram para uma melhor eficiência energética quando comparado ao sistema sem a presença de eletrocatalisador. Entretanto, as Ptnp se mostraram não específicas para a RRO, catalisando as reações de degradação do solvente eletrolítico e diminuindo rapidamente a eficiência energética do dispositivo prático, devido ao acúmulo de material no eletrodo. O emprego de líquido iônico como solvente eletrolítico, ao invés de DME, promoveu uma maior estabilização do intermediário superóxido formado na primeira etapa de transferência eletrônica, devido à interação com os cátions do líquido iônico em solução, o qual resultou em um valor de constante cinética da formação do superóxido de três ordens de magnitude maior que o obtido com o mesmo eletrodo de carbono vítreo em DME, além de diminuir as reações de degradação do solvente. Estes fatores podem contribuir para uma maior potência e ciclabilidade da bateria de lítio-ar operando com líquidos iônicos.

Real time optimization in chemical process: evaluation of strategies, improvements and industrial application.

The increasing economic competition drives the industry to implement tools that improve their processes efficiencies. The process automation is one of these tools, and the Real Time Optimization (RTO) is an automation methodology that considers economic aspects to update the process control in accordance with market prices and disturbances. Basically, RTO uses a steady-state phenomenological model to predict the process behavior, and then, optimizes an economic objective function subject to this model. Although largely implemented in industry, there is not a general agreement about the benefits of implementing RTO due to some limitations discussed in the present work: structural plant/model mismatch, identifiability issues and low frequency of set points update. Some alternative RTO approaches have been proposed in literature to handle the problem of structural plant/model mismatch. However, there is not a sensible comparison evaluating the scope and limitations of these RTO approaches under different aspects. For this reason, the classical two-step method is compared to more recently derivative-based methods (Modifier Adaptation, Integrated System Optimization and Parameter estimation, and Sufficient Conditions of Feasibility and Optimality) using a Monte Carlo methodology. The results of this comparison show that the classical RTO method is consistent, providing a model flexible enough to represent the process topology, a parameter estimation method appropriate to handle measurement noise characteristics and a method to improve the sample information quality. At each iteration, the RTO methodology updates some key parameter of the model, where it is possible to observe identifiability issues caused by lack of measurements and measurement noise, resulting in bad prediction ability. Therefore, four different parameter estimation approaches (Rotational Discrimination, Automatic Selection and Parameter estimation, Reparametrization via Differential Geometry and classical nonlinear Least Square) are evaluated with respect to their prediction accuracy, robustness and speed. The results show that the Rotational Discrimination method is the most suitable to be implemented in a RTO framework, since it requires less a priori information, it is simple to be implemented and avoid the overfitting caused by the Least Square method. The third RTO drawback discussed in the present thesis is the low frequency of set points update, this problem increases the period in which the process operates at suboptimum conditions. An alternative to handle this problem is proposed in this thesis, by integrating the classic RTO and Self-Optimizing control (SOC) using a new Model Predictive Control strategy. The new approach demonstrates that it is possible to reduce the problem of low frequency of set points updates, improving the economic performance. Finally, the practical aspects of the RTO implementation are carried out in an industrial case study, a Vapor Recompression Distillation (VRD) process located in Paulínea refinery from Petrobras. The conclusions of this study suggest that the model parameters are successfully estimated by the Rotational Discrimination method; the RTO is able to improve the process profit in about 3%, equivalent to 2 million dollars per year; and the integration of SOC and RTO may be an interesting control alternative for the VRD process.