Pesquisadores da UFPB e da UNI (Peru) desenvolvem modelo de gêmeo digital para planta de produção de hidrogênio

A transição energética global tem impulsionado o uso do hidrogênio verde como uma alternativa importante para reduzir a emissão de gases poluentes e ampliar o uso de fontes renováveis de energia. Nesse contexto, pesquisadores da Universidade Federal da Paraíba (UFPB) e da Universidade Nacional de Engenharia do Peru (UNI) desenvolveram um modelo de “gêmeo digital” para uma planta de produção de hidrogênio da universidade peruana, integrando técnicas de inteligência artificial para simulação, previsão e atualização contínua do sistema.

Uma planta de hidrogênio é uma instalação industrial responsável pela produção de hidrogênio puro. Já o “gêmeo digital” é uma espécie de cópia virtual de um sistema real. No caso do estudo, os pesquisadores criaram uma versão digital da planta de produção de hidrogênio para acompanhar, simular e prever como ela funciona na prática.

De acordo com os autores do estudo, os resultados demonstraram que o gêmeo digital conseguiu reproduzir, com alta precisão, o funcionamento e a produção de hidrogênio da planta real.

Conforme o estudo, o alinhamento do modelo de gêmeo digital proposto com a dinâmica real do sistema físico consolida-o como uma ferramenta confiável e eficaz para monitoramento, previsão e análise de desempenho da planta de produção de hidrogênio.

O modelo proposto integra variáveis de múltiplos domínios, especificamente dados elétricos, térmicos e hidráulicos adquiridos nas instalações experimentais da Universidade Nacional de Engenharia, com algoritmos de redes neurais artificiais (RNA) para prever o rendimento de hidrogênio e a eficiência geral do sistema.

Os autores do trabalho são o professor do CEAR Juan M. Mauricio Villanueva e cinco professores da universidade peruana: Rubén Aquize Palacios; Aurelio Morales-Villanueva; Cesar Briceño Aranda; Oswaldo A. Waters Torres; James Erick Vílchez García.

A metodologia estudada inclui etapas de aquisição de dados, pré-processamento, normalização e aprendizado incremental, permitindo que o gêmeo digital se adapte a novas condições operacionais e leve em consideração a deriva dos dados.

O estudo também implementou um processo de “reaprendizado” do modelo, conhecido como batch retraining, no qual novos dados operacionais foram incorporados gradualmente ao sistema. A atualização contínua permitiu que o gêmeo digital se adaptasse às mudanças reais da planta, reduzindo discrepâncias entre os valores previstos e os observados experimentalmente.

Os autores consideram, em um futuro trabalho, promover a integração do gêmeo digital com estratégias de controle avançadas, como o controle preditivo baseado em modelo, junto com a incorporação de técnicas de inteligência artificial explicável para interpretar a influência das variáveis operacionais na produção de hidrogênio.

Além disso, afirmam que a metodologia apresentada no artigo pode ser estendida para a otimização energética, detecção precoce de falhas e avaliação de cenários operacionais de longo prazo. E ponderam, por fim, que a aplicação da abordagem proposta a outras tecnologias de eletrólise e plantas de maior escala representa uma direção promissora para consolidar o uso de gêmeos digitais no contexto da transição energética e da produção sustentável de hidrogênio.

Para mais informações sobre o modelo proposto, acesse o artigo neste link.

***
Texto: Aline Lins
Edição: Elidiane Poquiviqui
Fotos: UNI