MODELAGEM, SIMULAÇÃO E OTIMIZAÇÃO DO PROCESSO DE LIMPEZA DE GASES ÁCIDOS PROVENIENTES DA GASIFICAÇÃO DE CARVÃO MINERAL

23 de Agosto de 2013

MODELAGEM, SIMULAÇÃO E OTIMIZAÇÃO

DO PROCESSO DE LIMPEZA DE GASES ÁCIDOS

PROVENIENTES DA GASIFICAÇÃO DE

CARVÃO MINERAL

Thiago Fernandes de Aquino, Daniel Augusto Kestering, Flavio

Michels Bianchi, Giovana Dalpont

Associação Beneficente da Indústria Carbonífera de Santa Catarina (SATC) -

Centro Tecnológico de Carvão Limpo (CTCL)

2

PROJETO SATC/FINEP: “GASEIFICAÇÃO DE CARVÕES BRASILEIROS –

VIABILIDADE TÉCNICA, ECONÔMICA E AMBIENTAL”

INTRODUÇÃO

 Gás sulfídrico é um dos principais causadores de

corrosão em equipamentos industriais;

 Emissão de SO

₂

após combustão;

 Parâmetro de dimensionamento do sistema de limpeza

de gases;

 Utilização do gás de baixo poder calorífico em fornos

cerâmicos;

 Diversificação da matriz energética das empresas

cerâmicas;

 Alto custo do Gás Natural;

OBJETIVO

Este trabalho tem como foco levantar os custos

mínimos de implantação e de processo que atendam

as especificações de concentração do gás sulfídrico

na corrente de gases que deixa um gasificador

operando com carvão mineral e se destina a queima

em fornos cerâmicos.

INTRODUÇÃO

MDEA



Shell, GE, Exxon e Petrobras;

 Áreas de aplicação: Utilizados antes e após processo Claus, tails

gas e tratamento de gás natural para atender especificações de

tubulações;

 MDEA: 30 a 50% (massa);

 Faixa de temperatura usual para o solvente no absorber: 26 a 52°C;

 Faixa de temperatura usual para o solvente na regeneração: 115 a

120°C;

 Pressão: flexível;

 Temperatura do gás: 15 a 48°C;

A quantidade exata de H

₂

S e CO

₂

dependerá das condições

operacionais;

6

INTRODUÇÃO

Segundo Al-Baghli (2001): monoetanolamina (MEA), dietanolamina (DEA),

metildietanolamina (MDEA) são hoje as alcanolaminas mais importantes

utilizadas em unidades de absorção para a remoção de gases ácidos

indesejáveis.

MDEA

 menor $ de regeneração;

 maior resistência à

degradação química e térmica;

 Menor taxa de corrosão;

 alta seletividade ao H

₂

S na

presença de CO

₂

.

MODELAGEM EMPREGANDO

SISTEMAS COM

ELETRÓLITOS

 Modelo de estágio de Equilíbrio com eletrólitos: Non Random Two

Liquids (NRTL)

Segundo Aroua et al. (2002):



3

HCO



OH



HS



O

H

₃

RR

'

R

'

NH



2

CO

S

H

₂

MDEA

O

H

₂

Ionização da água

_



H

O

OH

O

H

2

Dissociação do sulfeto de hidrogênio

 

_





H

S

H

O

HS

O

H

Dissociação do bissulfeto

Dissociação do MDEA protonado





_

_



RR

R

NH

RR

R

N

H

O

O

H

'

''

'

''

Dissociação do dióxido de carbono

 

_





CO

HCO

H

O

O

H

2

Dissociação do bicarbonato

_

_

_

H

O

H

O

CO

HCO

_

_



O

HS

H

O

S

H

Fluxograma do processo de Remoção de Gases Ácidos utilizando Aspen

Plus

®

Legenda dos Blocos: MDEA-ABS – coluna de absorção; MDEA-STR – coluna de regeneração; SOL-PUMP – bomba;

ABS-COMP – compressor; ABS-HX/L-R-HXC/L-R-HXH/ABS-HX/LEAN-HX – trocadores de calor.

METODOLOGIA

METODOLOGIA

VARIÁVEIS AVALIADAS NA SIMULAÇÃO

 Pureza do Gás de Síntese (CLEAN-SG) – [H

₂

S]

_max

= 1386ppm

 Concentração da Solução de MDEA = (~ 50% em massa)

 Carregamento de Gás na Corrente de Solvente

𝑙𝑒𝑎𝑛 𝑙𝑜𝑎𝑑𝑖𝑛𝑔 =

𝑛𝐻

2

𝑆 + 𝑛𝐻𝑆

−

+ 𝑛𝑆

=

𝑛𝑀𝐷𝐸𝐴 + 𝑛𝑀𝐷𝐸𝐴

+

 Trocador de Calor Lean–Rich

Componentes H

₂

O

CO

₂

CO

H

₂

H

₂

S

N

₂

CH

₄

% (molar)

4,2

10,5

18,91

12,6

1,7*

49,5

2,5

Composição do gás de baixo poder calorífico

*Calculado por balanço de massa considerando que todo o enxofre presente no carvão é convertido em H

S.

METODOLOGIA

 A vazão de gás de síntese calculada baseada nos resultados de

simulação no software Multyphase Flow for Interface eXchange

(MFIX) foi de 1200 kg/h.

 A composição do gás utilizada nas simulações foi fornecida pela

companhia Cecrisa Revestimentos Cerâmicos S.A.

METODOLOGIA

INTERFACE DE SIMULAÇÃO

INTERFACE DE

CONTROLE

SIMULAÇÃO

ASPEN PLUS

OTIMIZAÇÃO

modeFRONTIER

METODOLOGIA

OTIMIZAÇÃO

 Realizada usando um algoritmo chamado SIMPLEX, disponível no

software modeFRONTIER 4.4.1;

 Uma população de 27 projetos foi gerada;

Variável

Faixa

Carregamento Lean

0,0030-0,0044

Altura Empacotada para

Coluna de Absorção

4,0-6,0m

Altura empacotada da coluna

de regeneração

3,0-5,0m

RESULTADOS DA OTIMIZAÇÃO

Histórico de otimização para a função de custo anual

O melhor resultado obtido para o custo anual foi de

USD$ 340,611/ano

RESULTADOS DA OTIMIZAÇÃO

Verificação em 4D (Bolhas) do custo anual em função da variáveis

otimizadas

CONCLUSÕES

 É possível tecnicamente tornar o gás de síntese apto para

queima em fornos da indústria cerâmica em substituição ao

gás natural;

 Número limitado de variáveis de processo para as

características específicas do modelo;

 Do ponto de vista econômico, faz-se necessário levantar os

custos com equipamentos e de processos considerando a

produção e venda do gás combustível de baixo poder

calorífico;

 Valores de equipamentos e solvente precisam ser atualizados

para a realidade comercial brasileira;

TRABALHOS FUTUROS

AGRADECIMENTOS

OBRIGADO!

thiago.aquino@satc,edu,br

REFERÊNCIAS

19

Longwell, J.P., Rubin, E.S., Wilson, J. Coal: energy for the future. Progress in Energy and Combustion Science, 360, p. 1285-1295, 1995.

Kohl, A.L., Nielsen, R.B. Gas Purification, 5th Edition, Gulf Publishing Company, Houston, TX, 1997.

Al-Baghli, N.A, et al. A rate –based model for the design of gas absorbers for the removal of CO2 and H2S using aqueous solutions of

MEA and DEA. Fluid Phase Equilibria, 185, p. 31-43, 2001.

Alfada, H.E., Al-Musleh, E. Simulation of an Acid Gas Removal Process using Methyldiethanolamine; an Equilibrium Approach. Proceedings of the 1st _{Annual Gas Processing Symposium, 2009.}

Aspen Plus®_{, Aspen Technology Inc., v.7.2, Burlington, MA, USA (2008-2010).}

Aroua, M.K., Haji-Sulaiman, M.Z., Ramasamy, K. Modelling of carbon dioxide absortion in aqueous solutions of AMP and MDEA and their blends using Aspen Plus, 29, p. 153-162, 2002.

Zheng, L., Furimsky, E. ASPEN simulation of cogeneration plants, 44, p. 1845-1851, 2003.

Bolhàr-Nordenkamp, M., Friedl, A., Koss, U., Tork, T., Modeling Selective H2S absorption and Desorption in an Aqueous

MDEA-Solution Using Rate Based non-Equilibrium approach, Chemical Engineering and Processing 43, pp.701-715 (2004).

Seider, W. D., Seader J.D., Lewin D. R., Product and process design principles: synthesis, analysis, and evaluation. 3. ed New York, US: Wiley, 2009.

SEMA - Secretaria do Meio Ambiente e Recursos Hídricos, Governo do Paraná. Resolução n° 054/06. Padrões de Emissão Atmosférica para Fontes Estacionárias, 2006.

Kaewsichan, L., et al. Predictions of the solubility of acid gases in monoethanolamine (MEA) and methyldiethanolamine (MDEA) solutions using the electrolyte-UNIQUAC model. Fluid Phase Equilibria, 183-184, p. 159-171, 2001.

Navaza, J.M., Gomez-Diaz, D., La Rubia, M.D. Removal process of CO₂ using MDEA aqueous solutions in a bubble column reactor. Chemical Engineering Journal, 146, p. 184-188, 2009.

Eslick, J.C. and D.C. Miller. “Multi-objective optimization of cost, water use, and heat rate for retrofitting a CO₂ capture process to an existing pulverized coal power plant.” Computers and Chemical Engineering. 35 (2011) 1488– 1500.

Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multi-objective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182–197.