Los valores de los materiales volátiles cambian según el estándar utilizado?
DOI:
https://doi.org/10.33448/rsd-v10i12.20476Palabras clave:
Análisis Inmediato; ASTM; ISO; Biomasa.Resumen
En biomasa lignocelulósica, el contenido de materiales volátiles puede variar del 65 al 85%. Sin embargo, se observa que en algunos estudios de modelos de regresión no consideraron estas diferencias. Crean una base de datos de contenido de materiales volátiles, donde los estándares para obtener un mismo parámetro son diferentes. Así, el objetivo del estudio fue verificar si diferentes estándares para el contenido de materiales volátiles presentan valores estadísticamente iguales. Para ello, se utilizaron tres tipos de biomasa de Brasil (astillas de eucalipto, astillas de pino y bagazo de caña de azúcar). Las muestras se recolectaron, se redujeron de tamaño, se separaron y se almacenaron en el laboratorio. Se probaron tres estándares de la Sociedad Estadounidense de Pruebas y Materiales (ASTM D1762, ASTM E872, ASTM D3175) y un estándar de la Organización Internacional de Normalización (ISO 18123). El diseño experimental fue completamente al azar, con cuatro tratamientos y cinco repeticiones. El teorema del límite central se probó en algunas bases de datos de literatura de contenido de material volátil. Los resultados mostraron diferencias estadísticas al cambiar el tipo de estándar utilizado. Para el aserrín de eucalipto, los cuatro estándares dieron como resultado metodologías con diferentes medios. Aún así, el teorema del límite central no se observó en algunas bases de datos de diferentes artículos. Esto se explica por la no estandarización de un solo tipo de norma en la agrupación de datos de diferentes trabajos. Por lo tanto, diferentes estándares para materiales volátiles producen resultados diferentes.
Citas
American Society of Testing Materials (2013). D1762: Standard Test Method for Chemical Analysis of Wood Charcoal. West Conshohocken.
American Society of Testing Materials (2011). D3175: Standard Test Method for Volatile Matter in the Analysis Sample of Coal and Coke. West Conshohocken.
American Society of Testing Materials (2013). E872: Standard Test Method for Volatile Matter in the Analysis of Particulate Wood Fuels. West Conshohocken.
Barbin, D. (2013). Planejamento e Análise Estatística de Experimentos Agronômicos. ESALQ.
Channiwala, S. A., & Parikh, P. P. (2020). A unified correlation for estimating HHV of solid, liquid and gaseous fuels. Fuel. 81 (8): 1051-63.
Debdoubi, A., El Amarti, A., & Colacio, E. (2005). Production of fuel briquettes from esparto partially pyrolyzed. Energy Conversion and Management. 46(11-12): 1877-84.
Demirbaş, A. (1997) Calculation of higher heating values of biomass fuels. Fuel. 76 (5): 431-34.
García, R., Pizarro, C., Lavín, A. G., & Bueno, J. L. (2012). Characterization of Spanish biomass wastes for energy use. Bioresource Technology. 103(1): 249-258.
Hansted, A. L. S., Nakashima, G. T., Martins, M. P., Yamamoto, H., & Yamaji, F. M. (2016). Comparative analyses of fast growing species in different moisture content for high quality solid fuel production. Fuel. 184(15): 180-84.
Hosseinpour, S., Aghbashlo, M., Tabatabaei, M., & Mehrpooya, M. (2017). Estimation of biomass higher heating value (HHV) based on the proximate analysis by using iterative neural network-adapted partial least squares (INNPLS). Energy. 138(1): 473-79.
International Organization for Standardization (2015). EN-ISO 18123: Solid biofuels: Determination of the content of volatile matter.
Jenkins, B. M., Baxter, L. L., Miles, J. R., & Miles, T. R. (1998). Combustion properties of biomass. Fuel Processing Technology. 54(1-3): 17-46.
Küçükbayrak, S., Dürüs, B., Meríçboyu, A. E., & Kadiog̈lu, E. (1991) Estimation of calorific values of Turkish lignites. Fuel. 70(8): 979-81.
Miranda, M. T., Arranz, J. I., Rojas, S., & Montero, I. (2009). Energetic characterization of densified residues from Pyrenean oak forest. Fuel. 88 (11) 2106-12.
Morettin, P. A. (2010). Estatística básica: probabilidade, inferência, volume único. 1ª ed. São Paulo: Pearson.
Nakashima, G. T., Adhmann, I. C. S., Hansted, A. L. S., Belini, G. B., Waldman, W. R., & Yamaji, F. M. (2017). Materiais Lignocelulósicos: Caracterização e Produção de Briquetes. Revista Virtual de Química. 9(1): 150 - 62.
Nimon, K. & Reio Jr, T. G. (2011). Measurement invariance: a foundational principle for quantitative theory building. Human Resource Development Review. 10(2): 198-14.
Nhuchhen, D. R. & Salam, P. A. (2012). Estimation of higher heating value of biomass from proximate analysis: A new approach. Fuel. 99: 55-63.
Nogueira, L. A. H., Lora, E. E. S., Trossero, M. A, & Frisk, T. (2000). Dendroenergia: Fundamentos e Aplicações. Brasília: AEEL,
Özyuğuran, A., & Yaman, S. (2017). Prediction of Calorific Value of Biomass from Proximate Analysis. Energy Procedia. 107: 130-36.
Obernberger, I., & Thek, G. (2004). Physical chatacterisation and chemical composition of densified biomass fuels with regard to their combustion behavior. Biomass and Bioenergy. 27(6): 653 - 69.
Parikh, J., Channiwala, S. A., & Ghosal, G. K. (2005). A correlation for calculating HHV from proximate analysis of solid fuels. Fuel. 84(5): 487-94.
Posom, J., Shrestha, A., Saechua, W., & Sirisomboon, P. (2016). Rapid non-destructive evaluation of moisture content and higher heating value of Leucaena leucocephala pellets using near infrared spectroscopy. Energy. 107(15): 464-72.
Quinn, G. P. & Keough, M. J. (2010). Experimental Design and Data Analysis for Biologists. Cambridge University Press.
Sheng, C., & Azevedo, J. L. T. (2005). Estimating the higher heating value of biomass fuels from basic analysis data. Biomass and Bioenergy. 28(5): 499-07.
Smith, A. K. G., Alesi, L. S., Varanda, L. D., Silva, D. A., Santos, L. O., & Yamaji, F. M (2019). Production and evaluation of briquetes from urban pruning residue and sugarcane bagasse. Rev. Bras. Eng. Agríc. Ambiental. 23(2): 138-43.
Suárez, J. A., Luengo, C. A., Felfli, F. F., Bezzon, G., & Beatón, P. A. (2000). Thermochemical Properties of Cuban Biomass. Energy Sources. 22(10): 851-57.
Thy, P., Esbensen, K. H., & Jenkins, B. M. (2009). On representative sampling and reliable chemical characterization in thermal biomass conversion studies. Biomass and Bioenergy. 33(11): 1513-19.
Thipkhunthod, P., Meeyoo, V., Rangsunvigit, P., Kitiyanan, B., Seimanond, K., & Rirksomboon, T. (2005). Predicting the heating value of sewage sludges in Thailand from proximate and ultimate analyses. Fuel. 84 (7-8): 849-57.
Tortosa Masiá, A. A., Buhre, B. J. P., Gupta, R. P., & Wall, T. F. (2007). Characterising ash of biomass and waste, Fuel Processing Technology. 88(11-12): 1071-81.
Uzun, H., Yildiz, Z., Goldfarb, J. L., & Ceylan, S. (2017) Improved prediction of higher heating value of biomass using an artificial neural network model based on proximate analysis. Bioresource Technology. 234: 122-30.
Vaux, D. L., Fidler, F., & Cumming, G. (2012). Replicates and repeats--what is the difference and is it significant? A brief discussion of statistics and experimental design. EMBO reports. 13: 291–96.
Yang, X., Wang, H., Strong, J., Xu, S., Liu, S., Lu, K., Sheng, K., Guo, J., Che, L., He, L., Ok, Y. S., Yuan, G., Shen, Y., & Chen, X. (2017). Thermal Properties of Biochars Derived from Waste Biomass Generated by Agricultural and Forestry Sectors. Energies. 10(4): 469-81.
Yin, C. Y. (2011). Prediction of higher heating values of biomass from proximate and ultimate analyses. Fuel. 90 (3): 1128-32.
Zhang, Z., Zhang, Y., Zhou, Y., Ahmad, R., Pemberton-Pigott, C., Annegarn, H., & Dong, R. (2017). Systematic and conceptual errors in standards and protocols for thermal performance of biomass stoves. Renewable and Sustainable Energy Reviews. 72: 1343-54.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Diego Aleixo da Silva; Ana Larissa Santiago Hansted; Gabriela Tami Nakashima; Elias Ricardo Durango Padilla; Julio Cesar Pereira; Fabio Minoru Yamaji
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
