Procesos pirolíticos y catalíticos para la producción de bioenergía a partir de diferentes biomasas

Resumen

Introducción: El bagazo y paja provenientes de la caña de azúcar, presentan interés como materia prima potencial para la producción de biocombustibles o productos químicos. Durante el proceso de pirólisis rápida, los metales alcalinos y alcalinotérreos contenidos actúan como catalizadores y poseen un gran potencial para reducir el rendimiento y alterar de manera negativa la composición del bioaceite resultante. La predicción del rendimiento de bioaceite de biomasas lignocelulósicas es de vital importancia en la implementación de tecnologías asociadas. Los objetivos del trabajo fueron investigar la pirólisis para producir bioaceites, desarrollar modelos para predecir el desempeño energético de una planta de pirólisis rápida y el rendimiento de bioaceite; obtener un catalizador heterogéneo a partir de la corteza de Jatropha curcas.

Métodos: Para reducir la fracción másica de cenizas de la biomasa se utilizaron 4 soluciones de lixiviación en diferentes condiciones experimentales. Se aplican a las biomasas diferentes técnicas analíticas, micropirólisis y experimentos en diferentes reactores.

Resultados: La naturaleza de la solución de lixiviación y su interacción con el tiempo de contacto son muy importantes al desmineralizar. El tratamiento con ácido provoca leves cambios estructurales que repercuten en la degradación térmica. Se desarrolla un modelo a escala comercial que sirve para predecir el desempeño energético, los indicadores económicos e impacto ambiental de una planta de pirólisis rápida. Conclusiones, las condiciones de lixiviación estudiadas no influyen en la composición de los vapores de la pirólisis. El pretratamiento con ácido cítrico es efectivo para desmineralizar residuos cañeros en la obtención de bioaceites o compuestos químicos de valor comercial por pirolisis rápida. Se obtuvo a escala de laboratorio un catalizador heterogéneo efectivo para la producción de biodiesel mediante transesterificación. Se desarrolló un modelo de red neuronal artificial para predecir el rendimiento de bioaceite de la pirólisis; con un error medio absoluto de 1,72 %.