unesp faculdade de engenharia do campus de
TRANSCRIPT
JUAN GALVARINO CERDA BALCAZAR
OTIMIZAÇÃO DE ROTAS TECNOLÓGICAS DE PROCESSAMENTO E
DISTRIBUIÇÃO DE RESÍDUOS MUNICIPAIS
Tese apresentada à Faculdade de Engenharia do Campus de Guaratinguetá, Universidade Estadual Paulista, para a obtenção do título de Doutor em Engenharia Mecânica na área de Transmissão e Conversão de Energia.
Orientador: Prof. Dr. José Antonio Perrella Balestieri
Co-orientador: Prof. Dr. Rubens Alves Dias
Guaratinguetá
2014
B174o
Balcazar, Juan Galvarino Cerda Otimização de rotas tecnológicas de processamento e distribuição de resíduos municipais / Juan Galvarino Cerda Balcazar. - Guaratinguetá, 2014 233 f.: il. Bibliografia: f. 159-172 Tese (Doutorado) – Universidade Estadual Paulista, Faculdade de Engenharia de Guaratinguetá, 2014 Orientador: Prof. Dr. José Antônio Perrella Balestieri Coorientador: Prof. Dr. Rubens Alves Dias 1. Resíduos sólidos – Municípios 2. Sustentabilidade I. Título
CDU 628.544
DADOS CURRICULARES
JUAN GALVARINO CERDA BALCAZAR
NASCIMENTO 17.08.1985 – SÃO PAULO / SP FILIAÇÃO Luis Armando Cerda Kattán Juana Rosa Balcazar Garrido 2004/2008 Curso de Graduação em Engenharia Mecânica Universidade Estadual Paulista – Campus de Guaratinguetá 2009/2011 Curso de Pós-Graduação em Engenharia Mecânica, nível de
Mestrado, na Faculdade de Engenharia do Campus de Guaratinguetá da Universidade Estadual Paulista.
2011/2014 Curso de Pós-Graduação em Engenharia Mecânica, nível de Doutorado, na Faculdade de Engenharia do Campus de Guaratinguetá da Universidade Estadual Paulista.
De modo especial a Deus acima de tudo, à minha família, que
me apoiou nestes anos de estudos e desenvolvimento, aos meus
orientadores, Professores Perrella e Rubens, pelo apoio e ajuda
neste período, aos meus amigos sempre me apoiando nas alegrias
e nas tristezas desta jornada.
AGRADECIMENTOS
Em primeiro lugar agradeço a Deus, fonte da vida e da graça. Agradeço-o pela
minha vida, minha inteligência, minha família e meus amigos.
Antes de iniciar as devidas homenagens, o meu orientador (devido ao tempo de
convívio, formou-se uma amizade) sempre cita um trecho de reflexão de um cientista
mundialmente conhecido, Issac Newton: “Se vi mais longe é porque estive de pé sobre
ombros de gigantes”.
Sempre me perguntei que eram esses gigantes; outros cientistas antecessores a
ele, sem dúvida que sim, mas quem seriam “os meus gigantes”, sobre cujos ombros eu
subi para poder enxergar mais longe? Cientistas da minha área de conhecimento? Sim,
sem dúvida, mas existem outros gigantes que contribuíram para ter a possibilidade de
enxergar mais longe. Essas gigantes são meus pais, Luis e Juana, e minha irmã
Albertina que, apesar das dificuldades enfrentadas, sempre incentivaram meus estudos
e contribuíram para a formação dos meus princípios.
Os gigantes no mundo acadêmico, sem dúvida, foram os meus orientadores, Prof.
Dr. José Antônio Perrella Balestieri e Prof. Dr. Rubens Alves Dias, que jamais
deixaram de me incentivar, me instigar, me provocar e me ajudar, mesmo não sendo
obrigação deles. Sem sua orientação, dedicação e auxílio, o estudo aqui apresentado
seria praticamente impossível.
Os gigantes da amizade, meus amigos e amigas de turma - Rogério Wagatsuma,
Leandro Yossida, Renata Massone Okawa, Carolina Mayer Guerrero - e muitos
outros que passaram por um breve instante na minha vida, mas ficaram para sempre no
meu coração.
Os amigos e amigas de pós-graduação - Carlos Romero, Gretta, Andres, Flávio,
Ubiravan, Elzimar, Carlos Eduardo, Juliana Ruzene - dentre outros amigos do
programa de pós-graduação.
Os amigos e amigas que fiz durante as minhas atividades de pesquisa, Prof. José
Alexandre Matelli, Prof. Marcelo Sampaio, Prof. Mauro Peres e a secretaria do
departamento de mecânica (DME) Rosilea Ribeiro de Matos, obrigado pelo apoio e
aconselhamento nesta fase da minha jornada.
Agradeço ainda:
Aos funcionários da Biblioteca do Campus de Guaratinguetá pela dedicação,
presteza e principalmente pela vontade de ajudar.
Aos funcionários da pós-graduação pela dedicação e alegria no atendimento.
Aos amigos da república Intrometemos e Nós S/A, pelo apoio e motivação nestes
anos de pesquisas.
Ao Instituto de Pesquisas Tecnologias do Estado de São Paulo, pelo apoio e
flexibilidade de horários para o incentivo da minha formação.
A minha namorada, Juliana Abdalla, que apesar das dificuldades enfrentadas,
sempre incentiva meus estudos e meus trabalhos.
... Se uma coisa aprendi nesta minha pequena jornada, isso foi saber quais são os
gigantes sobre cujos ombros me apoiei para poder enxergar mais longe...
Este trabalho contou com apoio das seguintes instituições
- CAPES – no período de 01/03/2012 até 31/05/2013
- IPT – no período de 31/05/2013 até 28/03/2014
BALCAZAR, J. G. C. Otimização de rotas tecnológicas de processamento e distribuição
de resíduos municipais. 2014. f. 233. Tese (Doutorado em Engenharia Mecânica) –
Faculdade de Engenharia do Campus de Guaratinguetá, Universidade Estadual Paulista,
Guaratinguetá, 2014.
RESUMO
Com o aumento da população e das indústrias houve um aumento na geração de resíduos de
diversas origens. Os resíduos domésticos, industriais, resíduos de serviço de saúde, dentre
outros, devem ser dispostos de forma segura. Existem diversas maneiras de disposição final
segura para os resíduos, tais como aterros sanitários controlados, usinas de biodigestão e
incineradores, soluções essas que são empregadas separadamente. Por outro lado, nas últimas
décadas houve um aumento significativo no consumo de energia elétrica devido a diversos
fatores, tais como o aumento populacional e a melhoria da qualidade de vida. Nesta pesquisa
foi analisado um modelo de otimização que engloba o uso de diferentes tecnologias de
geração de energia e rotas tecnológicas de processamento dos resíduos por meio de processos
térmicos, biológicos e recicláveis. O modelo é aplicado em estudo de caso para as regiões
Metropolitanas de São Paulo, Campinas, Vale do Paraíba e Litoral Norte, utilizando
tecnologias consolidadas para processamento de resíduos. O tratamento térmico gera cinzas
que podem ser utilizadas na indústria ou podem ser dispostas em aterros sanitários. O uso do
transporte dos resíduos melhora a eficiência, geração de energia elétrica e a receita financeira.
Analisa-se também a vantagem da redução das emissões de dióxido de carbono equivalente,
sendo que esta diferença pode ser comercializada. A partir da modelagem realizada, verificou-
se que algumas localidades devem concentrar os resíduos líquidos e orgânicos para aumentar
a geração de biogás em tecnologias de bioestabilização, possibilitando o aumento de ciclos
híbridos, consequentemente melhorando a potência elétrica das plantas de processamento.
Nas plantas ocorre a venda de energia elétrica, adubo orgânico, materiais reciclados e cinzas,
porém não é suficiente para tornar o empreendimento atrativo, sendo que adotar políticas de
inserção de créditos, como o crédito de carbono e a taxa de tratamento de resíduos,
respectivamente, melhora o payback de 12-15 anos para 6-9 anos, a taxa interna de retorno de
valores -5% -0% para 12% -18% e VPL de -2-0 milhões para 6-10 milhões, em média.
PALAVRAS-CHAVE: Resíduos Municipais. Metodologia de auxilio a decisão. Otimização. Tecnologias de processamento. Sustentabilidade.
BALCAZAR, J. G. C. Route optimization technology processing and distribution of
municipal waste. 2014. f. 233. Thesis (Doctor in Mechanical Engineering) - Faculdade de
Engenharia do Campus de Guaratinguetá, Universidade Estadual Paulista, Guaratinguetá,
2014.
ABSTRACT
With the increase in population and industries, an increase in waste generation of various
nature is observed. Domestic waste, industrial waste health service, among others, must be
safely disposed. There are several ways to dispose the waste in a secure manner, such as
controlled landfills, bio-digestion plants and incinerators, solutions that are used separately.
By the other side, in recent decades a significant increase in power consumption was observed
due to various factors, such as population growth and improved quality of life. In this
research, an optimization model that encompasses the use of different technologies for energy
generation and technological pathways for processing of waste through processes of thermal,
biological and recyclable was analyzed. The model is applied in a case study for the
metropolitan regions of São Paulo, Campinas and the Paraíba Valley and the North Coast just
using consolidated technologies for waste processing. The results show a considerable
production of electric energy even given to recycling and bio-stabilization. The heat treatment
produces ash that can be used in industry or can be disposed of as landfill cover. The sale of
raw materials produced by recycling and organic fertilizer technologies make this project
financially attractive. The use of waste transportation improves efficiency, power generation
and financial revenue. It also analyzes the advantages of a reduction in emissions of carbon
equivalent, in which this difference can be commercialized. From the modeling performed, it
was found that some regions should concentrate liquid and organic wastes to enhance the
biogas generation in bio-stabilization waste technologies, enabling the increase of hybrid
cycles, thereby improving the electric power processing plants. Electric energy, organic
fertilizer, recycled matter and ash can be sold, but it is not enough to make the venture
attractive, and the adoption of policies such as carbon credit and the rate of treatment of
waste, respectively, improves payback from 12-15 years to 6-9 years, the internal rate of
return values from -5%-0% to 12%-18% and NPV of -2,000,000-0 to 6,000,000-10,000,0000
dollars, on average.
KEYWORDS: Municipal Waste. Methodology of the decision. Optimization. Technologies
processing. Sustainability.
Lista de Figuras Figura 1 – Porcentagens da capacidade instalada das atividades de projeto aprovadas. .......... 32
Figura 2– Escala hierárquica do manejo dos resíduos, utilizando o conceito 4Rs. .................. 33
Figura 3– Incinerador com tecnologia Waste-to-Energy utilizado em diversos países. ........... 34
Figura 4– Diagrama da corrosão típica em incineradores ........................................................ 35
Figura 5– Esquema de um incinerador com uma caldeira acoplada na saída dos gases de
exaustão. ................................................................................................................................... 37
Figura 6– Diagramas T-s dos equipamentos do um ciclo combinado, mostrando a energia
entregue do conjunto a gás para o ciclo a vapor. ...................................................................... 38
Figura 7– Esquema de uma planta de incineração com valorização do vapor e gases de
exaustão tratados e lançados separadamente. ........................................................................... 39
Figura 8– Estrutura da planta de processamento de resíduos orgânicos e geração de biogás
utilizando um sistema centralizado de co-digestão dos resíduos sólidos de uma determinada
localização. ............................................................................................................................... 42
Figura 9– Biodigestor modelo indiano em corte longitudinal (a) e em perspectiva isométrica
com corte longitudinal (b). ....................................................................................................... 43
Figura 10– Planta de biodigestão termofílica em operação. ..................................................... 43
Figura 11– Esquema de um aterro sanitário com queima dos gases gerados e com sistemas de
controle de poluentes gasosos e líquidos. ................................................................................. 44
Figura 12– A estrutura básica da compostagem para uma unidade com as três fases, com os
devidos fluxos de massa e energia. ........................................................................................... 46
Figura 13 - Representação da influência das cidades no estado de São Paulo ......................... 61
Figura 14 - Série histórica da produção de resíduos na cidade de São José dos Campos. ....... 63
Figura 15 – Gráfico da evolução do tratamento de esgotos domésticos no Estado de São Paulo
.................................................................................................................................................. 64
Figura 16 – Mapa da Região Metropolitana de São Paulo, com a disposição adequada e
controlada e a quantidade de municípios receptores e nº de provenientes, data de 2009......... 67
Figura 17 – Mapa da Região Metropolitana de São Paulo, com e sem coleta seletiva e a
produção em toneladas por mês de resíduos sólidos de 2009. ................................................. 68
Figura 18 - Mapa da Região Metropolitana de São Paulo e com as principais estações de
tratamento de esgoto (Figura 18 ampliada no APÊNDICE A, Figura 2.A) ............................. 69
Figura 19 – Mapa do estado de São Paulo, com as cidades receptoras e geradoras de resíduos.
.................................................................................................................................................. 70
Figura 20 – Mapa das regiões metropolitanas analisadas, com os locais demarcados. ............ 72
Figura 21 – Mapa do estado de São Paulo, com o índice de qualidade de aterro de resíduos
nos municípios de 2011. ........................................................................................................... 73
Figura 22 - Superestrutura de processos biológicos ................................................................. 77
Figura 23 - Superestrutura de processos biológicos escolhido. ................................................ 82
Figura 24 - Superestrutura de processos renováveis (reciclagem). .......................................... 83
Figura 25 - Superestrutura de processos renováveis (reciclagem) em situação exemplo ........ 85
Figura 26 - Superestrutura de processos térmicos .................................................................... 87
Figura 27 – Representação de uma configuração com três geradores de vapor em três níveis
de pressão de superaquecimento. ............................................................................................. 92
Figura 28 - Superestrutura de processos térmicos em situação exemplo ................................. 97
Figura 29 – Megaestrutura contendo as superestruturas .......................................................... 99
Figura 30 – Megaestrutura referente a situação exemplo ....................................................... 100
Figura 31 – Esquema da configuração de quatro ciclos combinados utilizando o conjunto a
gás CG1 em paralelo ao incinerador com caldeira acoplada. ................................................. 105
Figura 32 – Esquema da configuração de um ciclo combinado utilizando o conjunto a gás
CG2 em paralelo ao incinerador com caldeira acoplada. ....................................................... 105
Figura 33 – Fases marcantes na produção de gases de um aterro sanitário. .......................... 108
Figura 34– Custo de investimento inicial de incinerador em função do resíduo sólido
processado. ............................................................................................................................. 115
Figura 35– Custo de operação e manutenção de incinerador em função do resíduo sólido ... 115
Figura 36– Mapa das plantas com as tecnologias atualmente empregadas. ........................... 120
Figura 37– Mapa das plantas isoladas com as tecnologias de processamento. ...................... 121
Figura 38– Superestrutura dos processos térmicos das plantas isoladas, com ciclos híbridos.
................................................................................................................................................ 122
Figura 39– Superestrutura do processo térmico das plantas isoladas, com ciclo a vapor. ..... 122
Figura 40– Superestrutura dos processos biológicos para as plantas isoladas. ...................... 123
Figura 41– Superestrutura dos processos renováveis para as plantas isoladas. ..................... 123
Figura 42– Superestrutura dos processos renováveis para as plantas isoladas. ..................... 124
Figura 43– Mapa das plantas com interação, com as tecnologias de processamento e o CG1.
................................................................................................................................................ 129
Figura 44– Megaestrutura da planta i com interação. ............................................................ 131
Figura 45– Superestrutura dos tratamentos térmicos da megaestrutura da planta i. .............. 131
Figura 46– Superestrutura dos tratamentos renováveis da megaestrutura da planta i. ........... 132
Figura 47– Megaestrutura das plantas j com interação. ......................................................... 133
Figura 48– Superestrutura dos tratamentos térmicos da megaestrutura da planta j. .............. 133
Figura 49– Superestrutura dos tratamentos biológicos da megaestrutura da planta j. ........... 134
Figura 50– Superestrutura dos tratamentos renováveis da megaestrutura da planta j. ........... 134
Figura 51– Mapa das plantas com as tecnologias com interação, com o CG2. ...................... 136
Figura 52– Exemplo de leitura das Tabelas 24 e 26. .............................................................. 137
Figura 53– Produção de dióxido de carbono equivalente dos resíduos produzidos em um
aterro sanitário. ....................................................................................................................... 145
Figura 54– Payback do cenário otimista com o conjunto a gás CG1 sem transporte. ........... 150
Figura 55– Payback do cenário otimista com o CG1 sem transporte (ampliado). ................. 150
Figura 56– VPL do cenário otimista com o conjunto a gás CG1 sem transporte................... 152
Figura 57– TIR do cenário otimista com o CG1 sem transporte ampliado. ........................... 154
Figura A. 1 – Mapa das regiões metropolitanas analisadas, com os locais demarcados. ....... 173
Figura A. 2 – Mapa das regiões metropolitanas analisadas, com os locais demarcados. ....... 174
Figura A. 3 – Mapa das região metropolitana de São Paulo com as ETE . ............................ 175
Figura A. 4 – Mapa das plantas com as tecnologias empregadas hoje. .................................. 176
Figura A. 5 – Mapa das plantas com as tecnologias sem interação, com o CG1. .................. 177
Figura A. 6 – Mapa das plantas com as tecnologias com interação, com o CG1. .................. 178
Figura A. 7 – Mapa das plantas com as tecnologias sem interação, com o CG2. .................. 179
Figura A. 8 – Mapa das plantas com as tecnologias com interação, com o CG2. .................. 180
Figura B. 1 – Payback do cenário otimista com o CG1 sem transporte. ................................ 181
Figura B. 2 – Payback do cenário otimista com o CG1 sem transporte ampliado. ................ 181
Figura B. 3 – Payback do cenário mais provável com CG1 sem transporte. ......................... 182
Figura B. 4 – Payback do cenário mais provável com o CG1 sem transporte ampliado. ...... 182
Figura B. 5 – Payback do cenário pessimista com CG1 sem transporte. ............................... 183
Figura B. 6 – Payback do cenário pessimista com o CG1 sem transporte ampliado. ............ 183
Figura B. 7 – Payback do cenário otimista com o CG1 com transporte. ............................... 184
Figura B. 8 – Payback do cenário otimista com o CG1 com transporte ampliado. ............... 184
Figura B. 9 – Payback do cenário mais provável com o CG1 com transporte. ...................... 185
Figura B. 10 – Payback do cenário mais provável com o CG1 com transporte ampliado. .... 185
Figura B. 11 – Payback do cenário pessimista com o CG1 com transporte........................... 186
Figura B. 12 – Payback do cenário pessimista com o CG1 com transporte ampliado. .......... 186
Figura B. 13 – Payback do cenário otimista com o CG2 sem transporte. .............................. 187
Figura B. 14 – Payback do cenário otimista com o CG2 sem transporte ampliado. .............. 187
Figura B. 15 – Payback do cenário mais provável com o CG2 sem transporte. .................... 188
Figura B. 16 – Payback do cenário mais provável com o CG2 sem transporte ampliado. .... 188
Figura B. 17 – Payback do cenário pessimista com o CG2 sem transporte. .......................... 189
Figura B. 18 – Payback do cenário pessimista com o CG2 sem transporte ampliado. .......... 189
Figura B. 19 – Payback do cenário otimista com o CG2 com transporte. ............................. 190
Figura B. 20 – Payback do cenário otimista com o CG2 com transporte ampliado. ............. 190
Figura B. 21 – Payback do cenário mais provável com o CG2 com transporte. .................... 191
Figura B. 22 – Payback do cenário mais provável com o CG2 com transporte ampliado. .... 191
Figura B. 23 – Payback do cenário pessimista com o CG2 com transporte........................... 192
Figura B. 24 – Payback do cenário pessimista com o CG2 com transporte ampliado. .......... 192
Figura C. 1 – VPL do cenário otimista com o conjunto a gás CG1 sem transporte. .............. 193
Figura C. 2 – VPL do cenário mais provável com o conjunto a gás CG1 sem transporte. .... 193
Figura C. 3 – VPL do cenário pessimista com o conjunto a gás CG1 sem transporte. .......... 194
Figura C. 4 – VPL do cenário otimista com o conjunto a gás CG1 com transporte. ............. 194
Figura C. 5 – VPL do cenário mais provável com o conjunto a gás CG1 com transporte. .... 195
Figura C. 6 – VPL do cenário pessimista com o conjunto a gás CG1 com transporte. .......... 195
Figura C. 7 – VPL do cenário otimista com o conjunto a gás CG2 sem transporte. .............. 196
Figura C. 8 – VPL do cenário mais provável com o conjunto a gás CG2 sem transporte. .... 196
Figura C. 9 – VPL do cenário pessimista com o conjunto a gás CG2 sem transporte. .......... 197
Figura C. 10 – VPL do cenário otimista com o conjunto a gás CG2 com transporte. ........... 197
Figura C. 11 – VPL do cenário mais provável com o conjunto a gás CG2 com transporte. .. 198
Figura C. 12 – VPL do cenário pessimista com o conjunto a gás CG2 com transporte. ........ 198
Figura D. 1 – TIR do cenário otimista com o CG1 sem transporte ampliado. ....................... 199
Figura D. 2 – TIR do cenário mais provável com o CG1 sem transporte ampliado. ............. 199
Figura D. 3 – TIR do cenário pessimista com o CG1 sem transporte ampliado. ................... 200
Figura D. 4 – TIR do cenário otimista com o CG1 com transporte ampliado........................ 200
Figura D. 5 – TIR do cenário mais provável com o CG1 com transporte ampliado. ............. 201
Figura D. 6 – TIR do cenário pessimista com o CG1 com transporte ampliado. ................... 201
Figura D. 7 – TIR do cenário otimista com o CG2 sem transporte ampliado. ....................... 202
Figura D. 8 – TIR do cenário mais provável com o CG2 sem transporte ampliado. ............. 202
Figura D. 9 – TIR do cenário pessimista com o CG2 sem transporte ampliado. ................... 203
Figura D. 10 – TIR do cenário otimista com o CG2 com transporte ampliado...................... 203
Figura D. 11 – TIR do cenário mais provável com o CG2 com transporte ampliado. ........... 204
Figura D. 12 – TIR do cenário pessimista com o CG2 com transporte ampliado. ................. 204
Lista de Tabelas
Tabela 1 - Estimativa de preços de venda de insumos em dólares por quantidade. ................. 60
Tabela 2 - Evolução da população residente de 2000 até 2010 nas RM e AU. ........................ 62
Tabela 3 – Produção de resíduos sólidos e coleta de esgoto nas regiões metropolitanas......... 62
Tabela 4 – Composição típica do lixo de uma cidade, dividido por elementos e em massa. ... 63
Tabela 5 – Características dos resíduos sólidos, sua possível origem e sua gestão ................. 65
Tabela 6 – Produção de resíduos sólidos e coleta de esgoto nas regiões metropolitanas......... 81
Tabela 7 – Produção de resíduos sólidos e coleta de esgoto nas regiões metropolitanas......... 84
Tabela 8 – Produção de resíduos sólidos e coleta de esgoto nas regiões metropolitanas......... 96
Tabela 9 - Distribuição da vazão mássica de resíduos nas plantas candidatas. ...................... 102
Tabela 10 - Distâncias típicas entre as plantas candidatas. .................................................... 102
Tabela 11 - Estimativa de pedágio entre as plantas candidatas. ............................................. 102
Tabela 12 - Custo por carga entre as plantas candidatas. ....................................................... 103
Tabela 13 - Estimativa de preços de venda de material reciclável. ........................................ 103
Tabela 14 – Parâmetros termodinâmicos adotados neste estudo ............................................ 104
Tabela 15 – Conjuntos a gás com potencial para serem utilizados em ciclos híbridos. ......... 106
Tabela 16 – Distribuição da porcentagem dos gases gerados por um aterro sanitário observada
durante os primeiros quarenta e oito meses após o encerramento de uma célula. ................. 109
Tabela 17 – Valores da constante k para diversas faixas de precipitação anual e os níveis de
degradabilidade encontrado no resíduo do aterro sanitário. ................................................... 111
Tabela 18 – Valores mínimo e máximo de Lo para diversos níveis de degradabilidade. ....... 111
Tabela 19 – Valores de massa atômica de elementos. ............................................................ 112
Tabela 20 – Parâmetros das plantas isoladas e utilizando o conjunto a gás CG1. ................. 125
Tabela 21 – Valores das variáveis binárias para definir o local de destinação dos resíduos
orgânicos, para as plantas isoladas. ........................................................................................ 127
Tabela 22 – Parâmetros das plantas isoladas e utilizando o conjunto a gás CG2. ................. 128
Tabela 23 – Parâmetros das plantas com transporte e utilizando o conjunto a gás CG1. ...... 135
Tabela 24 – Valores das variáveis binárias para definir o local de destinação dos resíduos
orgânicos, para o conjunto a gás CG1e com transporte. ........................................................ 140
Tabela 25 – Valores dos parâmetros das plantas com transporte e utilizando o conjunto a gás
CG2. ........................................................................................................................................ 141
Tabela 26 – Valores das variáveis binárias para definir o local de destinação dos resíduos
orgânicos, para o conjunto a gás CG2 e com transporte. ....................................................... 142
Tabela 27 – Potências elétricas geradas e fornecidas das plantas isoladas, integradas e a global
com o conjunto a gás CG1 e CG2. ......................................................................................... 143
Tabela 28 – As eficiências térmicas geradas, fornecidas e com base nos resíduos sólidos das
plantas isoladas, integradas e a global com o conjunto a gás CG1 e CG2. ............................ 144
Tabela 29 – Valores da produção anual do que deveria ser enviado para aterro sanitário ..... 144
Tabela 30 – Valores de emissões, energia elétrica gerada e investimento bruto específico para
o CG1 sem transporte. ............................................................................................................ 146
Tabela 31 – Valores de emissões, energia elétrica gerada e investimento bruto específico para
o CG1 com transporte. ............................................................................................................ 146
Tabela 32 – Valores de emissões, energia elétrica gerada e investimento bruto específico para
o CG2 sem transporte. ............................................................................................................ 147
Tabela 33 – Valores de emissões, energia elétrica gerada e investimento bruto específico para
o CG2 com transporte. ............................................................................................................ 147
Tabela 34 – Valores estimados de investimentos iniciais das plantas de processamento. ..... 149
Tabela 35 – Valores do payback nos conjuntos a gás CG1 e CG2 sem e com transporte nos
cenários Otimista, Mais Provável e Pessimista. ..................................................................... 151
Tabela 36 – Valores do VPL nos conjuntos a gás CG1 e CG2 sem e com transporte nos
cenários Otimista, Mais Provável e Pessimista. ..................................................................... 153
Tabela 37 – Valores da TIR nos conjuntos a gás CG1 e CG2 sem e com transporte nos
cenários Otimista, Mais Provável e Pessimista. ..................................................................... 154
Tabela F. 1 – Estimativa de investimento das plantas de processamento de resíduos, com CG1
e sem interação. ...................................................................................................................... 220
Tabela F. 2 – Estimativa de investimento das plantas de processamento de resíduos, com CG1
e com interação. ...................................................................................................................... 221
Tabela F. 3 – Estimativa de investimento das plantas de processamento de resíduos, com CG2
e sem interação. ...................................................................................................................... 222
Tabela F. 4 – Estimativa de investimento das plantas de processamento de resíduos, com CG2
e com interação. ...................................................................................................................... 223
Tabela G. 1 – Quantidades de resíduos recolhidos diariamente nas regiões metropolitanas. 224
Tabela G. 2 - Quantidades de resíduos orgânicos tratados e não tratado produzido diariamente
nas regiões metropolitanas...................................................................................................... 228
Lista de Abreviaturas e Siglas AHP - Análise Hierárquica dos Processos (Analytic Hierarchy Process) ANP - Análise da Rede de Trabalho dos Processos (Analytic Network Process) AO - Adubo orgânico AU - Aglomerado Urbano BG - Biogás BM - Biodigestor Mesofílico BT - Biodigestor Termofílico BNDES - Banco Nacional do Desenvolvimento Econômico e Social CDR - Combustível Derivado do Resíduo CIMGC - Comissão Interministerial de Mudança Global do Clima CQNUMC - Convenção Quadro das Nações Unidas sobre Mudanças Climáticas DBO - Matéria orgânica gerada por habitante EES - Engineer Equation Solver
ETE - Estação de Tratamento de Esgoto FP - Função Pertinente GEE - Gases de Efeito Estufa GN - Gás Natural INPEV - Instituto Nacional de Processamento de Embalagens Vazias IQR - Índice de Qualidade dos Resíduos LI - Licença Ambiental de Instalação LO - Licença Ambiental de Operação MCT - Ministério de Ciência e Tecnologia MDL - Mecanismos de Desenvolvimento Limpo MINLP - Mixed Integer Non Linear Programming
MILP - Mixed Integer Linear Programming
MMA - Ministério do Meio Ambiente PCH - Pequena Central Hidrelétrica PL - Programação Linear PLI - Programação Linear Inteira PNRS - Política Nacional dos Resíduos Sólidos PROINFA - Programa de Incentivo às Fontes Alternativas de Energia Elétrica RES - Renewable Energy Sources Act
RM - Região Metropolitana RSM - Resíduo Sólido Municipal RSU - Resíduo Sólido Urbano SIG - Sistema de Informação Geográfica TAC - Termo de Compromisso e Ajustamento de Conduta TGCA - Taxa Geométrica de Crescimento Anual VCC - Vapor da caldeira de recuperação VCI - Vapor da caldeira de incineração
VCV - Vapor da caldeira convencional TG - turbina a gás TGlobal - todas as plantas TT - tratamento térmico TTR - taxa tratamento e de recolhimento de resíduos TV - turbina a vapor WTE - Waste-To-Energy
Lista de símbolos Escrito C custo específico da planta US$/kWh
FC valor presente das entradas de caixa US$
GP ganho com a produção na planta US$
h entalpia kJ/kg
HA horas ao ano h/ano
I investimento inicial US$
IPI imposto sobre produto industrializado [1]
ṁ vazão mássica kg/s
ma vazão mássica anual t/ano
PCI poder calorífico inferior kJ/kg
q período ano
Q vazão volumétrica anual Nm³/ano
Q potência térmica kW
R receita obtida em cada planta e determinado cenário US$/ano
ta número de anos após o fechamento do aterro ano
VA variável artificial [1]
Ẇ potência elétrica kW
Letras Gregas η eficiência [1]
Subscrito C determinação de propriedades termodinâmicas
cc ciclo combinado
CC construção civil da planta comp compostagem
CV caldeira de vapor convencional D propriedade/variável ele energia elétrica ge gases de exaustão
Gerdado gerador/fornecido
Gerador gerador elétrico
GN gás natural i propriedade/variável inc incineração j número de plantas
Kele performance de potência elétrica
Kter performance de potência térmica
Kj taxa de juros
Liq líquido
Max maximização
MO manutenção e operação
MS mesofílico
PI planta de incineração REC reciclado
SUMÁRIO 1 INTRODUÇÃO ........................................................................................................ 23
1.1 Estabelecimento do problema .................................................................................... 23
1.2 Objetivos do trabalho ................................................................................................. 26
1.3 Contribuições da tese.................................................................................................. 27
1.4 Estrutura da tese ......................................................................................................... 27
2 REVISÃO BIBLIOGRÁFICA ................................................................................ 29
2.1 Meio Ambiente ........................................................................................................... 29
2.1.1 Ecossistema e mecanismos de regeneração ................................................................ 29
2.1.2 Legislação ambiental local ......................................................................................... 30
2.2 Restrições e oportunidades ......................................................................................... 30
2.3 Tecnologias consolidadas de processamento de resíduos .......................................... 32
2.3.1 Conceito de 4Rs (reduzir, recuperar, reutilizar e reciclar) ......................................... 33
2.3.2 Incineração ................................................................................................................. 34
2.3.3 Ciclo a vapor acoplado a incineradores ...................................................................... 36
2.3.4 Ciclo combinado......................................................................................................... 37
2.3.5 Ciclos híbridos (integrados) ....................................................................................... 38
2.3.6 Biodigestores .............................................................................................................. 41
2.3.7 Aterro Sanitário .......................................................................................................... 43
2.3.8 Processo de compostagem .......................................................................................... 45
2.4 Análise de tomada de decisão para escolha das tecnologias empregadas .................. 46
2.4.1 AHP ............................................................................................................................ 47
2.4.2 ANP ............................................................................................................................ 49
2.4.3 Lógica fuzzy ................................................................................................................ 54
2.5 Seleção de tecnologias através de otimização ............................................................ 56
2.5.1 Programação linear inteira .......................................................................................... 56
3 MATERIAIS E MÉTODOS .................................................................................... 59
3.1 Cenários analisados .................................................................................................... 59
3.2 Região metropolitana ................................................................................................. 60
3.2.1 Produção de resíduos .................................................................................................. 61
3.3 Os locais das plantas................................................................................................... 66
3.3.1 Os modelos de otimização empregados ..................................................................... 73
3.3.2 Tecnologias consolidadas ........................................................................................... 74
3.3.3 Regiões metropolitanas do estado de São Paulo ........................................................ 75
3.4 Superestrutura das plantas .......................................................................................... 76
3.5 A megaestrutura para a região a ser analisada ........................................................... 97
3.6 Parâmetros Utilizados............................................................................................... 101
3.6.1 Parâmetros termodinâmicos de operação da superestrutura de tratamento térmico 104
3.7 Análise termodinâmica das plantas .......................................................................... 106
3.8 Análise ambiental ..................................................................................................... 107
3.9 Análise de impactos ambientais e certificados de emissões regulares ..................... 111
3.10 Análise econômica ................................................................................................... 114
4 RESULTADOS E DISCUSSÕES ......................................................................... 119
4.1 Resultados tecnológicos selecionadas nas plantas isoladas ..................................... 119
4.2 Resultados das tecnologias as plantas com a interação/transporte dos resíduos
orgânicos ................................................................................................................................. 129
4.3 Análise da eficiência das plantas analisadas. ........................................................... 143
4.4 Análise de parâmetros específicos ........................................................................... 144
4.4.1 Análises dos resultados da geração dos resíduos dispostos em aterro sanitário ...... 144
4.4.2 Análise do carbono equivalente produzido .............................................................. 145
4.4.3 Análise do combustível utilizado no transporte de resíduos entre plantas. .............. 148
4.5 Análise da atratividade econômica das plantas ........................................................ 149
4.5.1 Resultados das análises do tempo de retorno do investimento – payback ............... 150
4.5.2 Resultados das análises da VPL ............................................................................... 152
4.5.3 Resultados das análises da TIR ................................................................................ 154
5 CONCLUSÕES ...................................................................................................... 156
REFERENCIAS ................................................................................................................... 159
APÊNDICE A – MAPAS AMPLIADOS UTILIZADOS NA TESE ................................ 173
APÊNDICE B – GRÁFIGOS DO PERÍODO DO PAY BACK. ....................................... 181
APÊNDICE C – GRÁFIGOS DO VALOR PRESENTE LÍQUIDO (VPL). .................. 193
APÊNDICE D – GRÁFIGOS DA TAXA INTERNA DE RETORNO (TIR) ................. 199
APÊNDICE D – ALGORITMO ELABORADO PARA SER IMPLEMENTADO NO
SOFTWARE LINGO. .......................................................................................................... 205
APÊNDICE E – ALGORITMO ELABORADO PARA SER IMPLEMENTADO NO
SOFTWARE EES (ENGINEERING EQUATION SOLVER) .......................................... 212
APÊNDICE F – AS PLANILHAS UTILIZADAS PARA O CÁLCULO DO PAYBACK,
TIR E VPL. ........................................................................................................................... 220
23
23
1 INTRODUÇÃO
1.1 Estabelecimento do problema
O Brasil apresenta centros urbanos com um crescimento acelerado e desordenado,
similar a outros países em desenvolvimento. O crescimento das cidades se deve a diversos
fatores, dentre eles a diversidade de oferta de empregos, a infraestrutura urbana e suas
facilidades, bem como mudanças comportamentais e culturais da sociedade.
O crescimento dos centros urbanos estabelece relação com a geração de resíduos. A
disposição inadequada deles (na condição sólida e líquida em sua maioria) é (ou deveria ser)
motivo de preocupação por parte dos gestores, uma vez que constituem importante passivo
ambiental que deve, obrigatoriamente, ser equacionado.
No Brasil, a tecnologia mais comumente empregada na disposição final dos resíduos
gerados por municípios é o aterro sanitário. Em muitas cidades só existe este meio para a
disposição final dos resíduos, e ainda assim de forma irregular, na forma de “lixões”. Os
aterros irregulares não apresentam mecanismos para evitar passivos ambientais. Em alguns
municípios há programas de coleta seletiva dos resíduos, embora quase sempre isso seja
realizado de forma parcial em relação aos diversos bairros das cidades, ou de modo irregular.
No caso específico do esgotamento sanitário, o não recolhimento e tratamento de esgoto
é o principal causador de ocorrência de doenças como a hepatite A, dengue, cólera, diarreia,
leptospirose, febre tifoide e paratifoides, esquistossomose, infecções intestinais, dentre outras,
que acabam afetando principalmente a população na faixa etária de zero até cinco anos
(TEIXEIRA; GUILHERMINO, 2006). Se o investimento para o tratamento de resíduos
sólidos e líquidos se tornasse efetivo em diversos municípios, os custos com o tratamento e
combate a doenças seriam cada vez menores, elevando a qualidade de vida da população.
A partir da promulgação da Lei 12.305/2010, que instituiu a Política Nacional de
Resíduos Sólidos – PNRS (BRASIL, 2012(a)), lixões a céu aberto e aterros controlados
deverão ser proibidos a partir de Agosto de 2014, sendo substituídos por aterros sanitários ou
industriais nos quais apenas resíduos sem qualquer possibilidade de reciclagem e
reaproveitamento poderão ser ali dispostos. A compostagem dos resíduos orgânicos, bem
como a implantação de sistemas de coleta seletiva são previstos na peça jurídica, e as
responsabilidades sobre a destinação de cada tipo de resíduo é compartilhada entre todos os
atores sociais envolvidos (cidadãos, empresas, prefeituras, governos estaduais e federal).
24
24
Conforme o Artigo 7° da Lei 12.305/2010, um dos objetivos da Política Nacional de
Resíduos Sólidos é a “gestão integrada de resíduos sólidos” (item VII), bem como a “adoção,
desenvolvimento e aprimoramento de tecnologias limpas como forma de minimizar impactos
ambientais” (item IV). No artigo 9° desta Lei observa-se a ordem de prioridade na gestão e
gerenciamento de resíduos sólidos, a saber: não geração, redução, reutilização, reciclagem,
tratamento dos resíduos sólidos e disposição final ambientalmente adequada dos rejeitos. O
parágrafo 1°, no entanto, sinaliza o aspecto mais importante para o escopo desta tese: § 1° - Poderão ser utilizadas tecnologias visando à recuperação energética dos
resíduos sólidos urbanos, desde que tenha sido comprovada sua viabilidade técnica e
ambiental e com a implantação de programa de monitoramento de emissão de gases
tóxicos aprovado pelo órgão ambiental (BRASIL(a), 2012).
No caso específico em que se desenvolve a análise de um estudo de caso para esta tese,
as regiões metropolitanas de São Paulo, Campinas e Vale do Paraíba com Litoral Norte foram
consideradas por apresentarem características de elevadas concentrações demográficas,
agrícola e industrial. Consequentemente, nesta região se observam grandes pressões sobre a
disposição dos resíduos municipais. Os resíduos gerados nas três regiões analisadas
apresentam um considerável volume e características distintas devido a cada região de
origem. A complexidade dos resíduos gerada nessas regiões recomenda a utilização de classes
distintas de equipamentos e métodos para o processamento mais adequado desses resíduos.
Para a gestão integrada de resíduos, diversas tecnologias se encontram consolidadas e
disponíveis comercialmente: há aquelas que utilizam tratamentos de oxidação dos resíduos em
elevadas temperaturas, assim como existem processos de tratamento e estabilização de
resíduos orgânicos e líquidos através de reações anaeróbias e aeróbias; existem procedimentos
e metodologias para o reaproveitamento, redução, reutilização e reciclagem dos resíduos.
Os equipamentos para processamento dos resíduos utilizando oxidação em elevadas
temperaturas (tratamento térmicos) tradicionalmente empregados consistem no uso de
incineradores para eliminar um passivo ambiental, embora atualmente já se encontrem em uso
ciclos combinados híbridos com sistemas de incineração, bem como desenvolvimentos em
fase avançada para o emprego de processos de gaseificação dos resíduos sólidos urbanos. A
incineração apresenta oportunidades de aproveitamento da energia térmica dos gases de
exaustão para gerar energia elétrica e térmica. A combustão adequada dos resíduos nesses
processos produz cinzas, a qual apresenta características de matéria inerte e uma redução do
volume ocupado em comparação aos resíduos totais gerados. As cinzas podem ser depositadas
em aterros sanitários apropriados ou comercializadas para a indústria especializada.
25
25
O tratamento dos resíduos orgânicos e líquidos através da utilização de processos de
tratamento anaeróbio e aeróbio apresenta a oportunidade de geração de biogás, com potencial
de geração de energia elétrica e térmica, e a produção do adubo orgânico. O biogás pode ser
utilizado para alimentar um processo térmico e reduzir a emissão de carbono equivalente dos
gases que compõem o biogás (como o metano, que apresenta um fator de impacto 23 vezes
maior que o dióxido de carbono).
O tratamento dos resíduos através de reciclagem proporciona diminuição indireta no
consumo de energia elétrica e térmica para obtenção de matérias primas, permitindo uma
benéfica redução no consumo daquelas obtida da natureza, com redução da energia gasta com
a extração, beneficiamento, transporte e modificação para um produto com valor agregado.
Como se observa, os processos de tratamento dos resíduos podem ser associados,
resultando em um sistema de equipamentos, processos e tecnologias mutualistas, utilizando as
vantagens/produtos de uma classe de tecnologias para minimizar as limitações de classe
diferentes de tecnologias. Assim, por exemplo, uma planta de digestão anaeróbica necessita
de energia térmica para manter a eficiência dos reatores, ao passo que uma termelétrica
necessita de determinado combustível para operar. No sistema mutualista, o processo de
digestão anaeróbica gera biogás (um combustível) enquanto a termelétrica gera energia
elétrica e térmica, que pode ser utilizada no todo ou em parte para a digestão anaeróbica.
Os diversos processos disponíveis tendem a apresentar maior eficiência
proporcionalmente ao volume de elementos processados. O fator de escala contribui para
melhorar os processos de disposição final dos resíduos. A quantidade mínima de resíduos
sólidos urbanos recomendadas para se garantir a viabilidade do projeto comparativamente a
uma central termelétrica a gás natural é de 500 toneladas/dia para processos de incineração,
200 toneladas/dia para a digestão anaeróbica e 300 toneladas por dia para aproveitamento do
biogás de aterro sanitário (TOLMASQUIM, 20031; OLIVEIRA, 20092). Nesse sentido, a
análise de rotas tecnológicas de processamento e distribuição de produtos derivados de
1 TOLMASQUIM, M. T. (Org). Fontes renováveis de energia no Brasil. Rio de Janeiro: Interciência, 2003. 515 p. Apud: FUNDAÇÃO ESTADUAL DO MEIO AMBIENTE. Aproveitamento energético de resíduos sólidos urbanos: guia de orientação para governos municipais de Minas Gerais. Belo Horizonte: FEAM, 2012. 163 p. Disponível em: http://www.feam.br/images/stories/arquivos/mudnacaclimatica/2013/aproveitamento%20 energetico%20de%20rsu_guia%20de%20orientaes_versao_publicacao_on_line.pdf. Acesso em: 10/12/2013. 2 OLIVEIRA, L.B. Instituto Virtual Internacional de Mudanças Globais. In: SEMINÁRIO LIXO É ENERGIA, 2009, Belo Horizonte. Apresentação em slides... Belo Horizonte, 2009. 69p. Disponível em: <http://www.feam.br/index.php?option=com_content&task=view&id=566&Itemid=128>. Acesso em: 19 mar. 2009. Apud: FUNDAÇÃO ESTADUAL DO MEIO AMBIENTE. Aproveitamento energético de resíduos sólidos urbanos: guia de orientação para governos municipais de Minas Gerais. Belo Horizonte: FEAM, 2012. 163 p. Disponível em: http://www.feam.br/images/stories/arquivos/mudnacaclimatica/2013/aproveitamento%20 energetico%20de%20rsu_guia%20de%20orientaes_versao_publicacao_on_line.pdf. Acesso em: 10/12/2013.
26
26
resíduos municipais envolvendo três grandes regiões metropolitanas sinaliza para um grande
potencial de aproveitamento energético com possível viabilidade econômica.
1.2 Objetivos do trabalho
O objetivo deste trabalho é modelar e otimizar rotas tecnológicas para o processamento
e distribuição dos produtos obtidos a partir de resíduos municipais, utilizando tecnologias
consolidadas de geração de energia e processamento dos resíduos sólidos, líquidos e gasosos
disponibilizados pela sua destinação pelas cidades das três grandes metrópoles avaliadas. Para
isso, é proposto um modelo de otimização com conjuntos de superestruturas, denominado
megaestrutura.
As superestruturas são conjuntos de tecnologias devotadas a um objetivo específico
e que devem contemplar uma grande variedade de alternativas a serem consideradas quando
se pretende selecionar uma delas a título de solução de um problema. Diversas superestruturas
podem ser apresentadas visando estabelecer as condições de auxílio ao projeto e/ou à
operação de sistemas; assim, nesta tese são apresentadas superestruturas para processos
térmicos (geração de energia), para processos biológicos (minimização de passivos
ambientais) e para processos renováveis (reciclagem).
A megaestrutura apresenta um nível de competição e de mutualismo. As tecnologias
que compõem a megaestrutura deverão competir entre si pela sua existência em cada unidade
de processamento, e ao mesmo tempo deverão contribuir com as demais tecnologias
existentes na unidade e/ou em outras unidades de processamento próximas. Os insumos e as
energias (térmica e elétrica) excedentes serão comercializados considerando os custos
envolvidos no emprego das tecnologias selecionadas.
Para atender à demanda de resíduos gerados em um município em cada unidade de
processamento será efetuada uma análise das tecnologias consolidadas existentes. Uma
análise do potencial de produção de insumos por plantas de processamento de resíduos
também será realizada para permitir uma análise financeira, com uma estimativa de custo e
preço de venda destes insumos.
Devido à grande quantidade de parâmetros que o compõem, o presente problema foi
dividido em etapas para facilitar a visualização dos resultados e melhorar o modelo final de
otimização, considerando informações de geração de resíduos em cada uma das cidades,
como e onde os mesmos têm sido processados, onde têm sido depositados, tecnologias a
27
27
serem empregadas, distâncias entre as cidades e locais de disposição final, tarifas envolvidas
em pedágios, combustíveis, eletricidade, dentre outros parâmetros.
1.3 Contribuições da tese
A presente tese apresenta por contribuição principal o desenvolvimento de um modelo
de otimização que integra diversas superestruturas – de processos térmicos (geração de
energia), de processos biológicos (minimização de passivos ambientais) e de processos
renováveis (4Rs) – em uma megaestrutura para seleção de tecnologias, bem como a
definição do número de equipamentos e da capacidade das tecnologias de processamento de
resíduos selecionadas para serem implantadas em uma determinada localidade que concentre
um número significativo de cidades.
Uma outra contribuição, com viés mais matemático, trata da solução do problema em
questão através das técnicas tradicionais de otimização matemática, com a utilização do
emprego da técnica de algoritmo genético, disponível no software EES (Engineer Equation
Solver) Academic Professional (F – CHART, 2014). Os primeiros modelos de otimização
foram validados a partir do método do gradiente reduzido implementado no software LINGO
10 ( LINDO, 2014).
1.4 Estrutura da tese
Com a revisão bibliográfica (Capítulo 2) são sinalizados parâmetros de operação de
tecnologias de processamento de resíduos, com os atuais processos utilizados por empresas
especializadas neste setor e com os atuais conceitos estudados em diversas instituições de
ensino, pesquisa e indústrias deste setor.
No Capítulo 3 são apresentadas as informações necessárias para que seja estudado o
cenário com o uso de diversos equipamentos em uma mesma planta e a comunicação entre as
plantas de processamento para que haja um ganho de geração de insumos e processamento de
resíduos sólidos, líquidos e gasosos, efetuando variação de alguns parâmetros para avaliar as
melhores condições operacionais. São estruturados os conceitos necessários para análises
termodinâmicas e de seleção de técnicas e equipamentos a serem adotadas. Na fase seguinte,
são realizadas as análises financeiras, empregando os métodos do período de amortização do
investimento inicial (payback), método do valor presente líquido (VPL) e taxa interna de
retorno (TIR).
28
28
No Capítulo 4 é desenvolvido um estudo de caso, com aplicação da metodologia
anteriormente abordada, referente à composição do lixo urbano da cidade de São Paulo. Neste
capítulo de resultados, é verificada a possibilidade de comercialização de reduções
certificadas de emissões de carbono equivalente, no caso da implantação dos processos
selecionada ao invés de se utilizar somente os aterros sanitários controlados.
São comparados os resultados obtidos com outros estudos desta natureza e com plantas
existentes e em operação pelo mundo, para obter parâmetros de projeto consolidados em
publicações, e ao mesmo tempo parâmetros reais observados em plantas atualmente em
operação. O Capítulo 5 encerra este trabalho com as conclusões advindas desta análise.
29
29
2 REVISÃO BIBLIOGRÁFICA
No presente capítulo são abordados os avanços tecnológicos e científicos, bem como
técnicas e procedimentos menos impactantes para o tratamento e disposição dos resíduos. São
também analisados os avanços na legislação para garantir a segurança e melhoria nos
procedimentos de destinação final dos resíduos.
São ainda apresentados os aspectos relacionados ao meio ambiente, sendo abordadas as
tecnologias empregadas no tratamento e disposição dos resíduos para uma disposição
adequada e segura, os avanços tecnológicos nos tratamentos térmicos, tratamentos biológicos
estabilizantes, processos de reciclagem, e outras oportunidades. São analisadas as
metodologias e estudos sobre tomada de decisão, através de critérios de seleção mais
adequados para obter como resultado um processo menos agressivo ao meio ambiente.
2.1 Meio Ambiente
2.1.1 Ecossistema e mecanismos de regeneração
O ecossistema é composto por um ambiente físico e todas as diversas espécies orgânicas
de uma área específica, ocorrendo interações entre as espécies orgânicas e o ambiente
específico. O meio ambiente no planeta Terra é um complexo e delicado equilíbrio entre as
espécies, com elevada diversidade biológica e inorgânica, desde os elementos mais simples
até os seres de elevada evolução.
A legislação brasileira, através da Lei 6.938/81, relativa à Política Nacional do Meio
Ambiente define o meio ambiente, para fins jurídicos, como “o meio ambiente, o conjunto de
condições, leis, influências e interações de ordem física, química e biológica, que permite,
abriga e rege a vida em todas as suas formas” (BRASIL, 1981).
Cada indivíduo vivo produz resíduos (sólidos, líquidos e gasosos) que terão de ser
absorvidos pelo ecossistema. O homem e todas as suas atividades estão inseridos no planeta
Terra. Há uma dependência da humanidade por este sistema, sendo os ecossistemas processos
de manutenção da vida dos organismos, incluindo o homem e suas atividades. Sem esses
mecanismos proporcionados pelos ecossistemas, a humanidade não teria possibilidade de
existir e desenvolver-se.
30
30
As ações da humanidade adquiriram proporções consideráveis, afetando o ecossistema
global e modificando a saúde e o bem estar dos seres vivos, bem como afetando a qualidade
da natureza e as concentrações de diversos elementos dispersos na atmosfera, como o
oxigênio, nitrogênio, dióxido de carbono, dentre outros.
2.1.2 Legislação ambiental local
Para a “disposição adequada3” dos resíduos é necessário elaborar estudos, metodologias,
procedimentos e leis que atendam as normas de segurança nacionais e internacionais. Tais
normas são elaboradas e atualizadas em concordância com o nível de desenvolvimento
tecnológico que avança para garantir o bem estar e a segurança da população que se localiza
próximo e/ou habita os arredores destas instalações.
No Brasil, o Ministério do Meio Ambiente é o órgão público responsável por elaborar
normas, diretrizes, procedimentos, metodologias e leis. Esses documentos devem ser
aplicados em âmbito federal, estadual e municipal, tendo o auxílio de diversas entidades
(públicas e privadas) e centros de pesquisa para a elaboração de material técnico,
metodologias, levantamentos estatísticos, dentre outros recursos.
A Lei Nº 12.305, de 2 de agosto de 2010, que estabelece a Política Nacional de
Resíduos Sólidos, apresentou consideráveis avanços no âmbito ambiental, econômico e social
para a disposição mais adequada dos resíduos sólidos gerados no município, sendo aplicável
aos resíduos com determinadas características, tanto residenciais, industriais, de serviço de
saúde e resíduos de poda de árvores, excluídos rejeitos radioativos, regulados por uma
legislação especifica (BRASIL(a), 2012).
2.2 Restrições e oportunidades
As tecnologias para o processamento dos resíduos apresentam parâmetros operacionais
e restrições de operação em função da natureza dos resíduos processados, para a disposição
final mais adequada. Existem processos que vão desde a oxidação em elevadas temperaturas e
turbulência (incineradores em massa) até processos de separação mecânica das partes
3 Disposição adequada é a metodologia de processamento dos resíduos para melhorar a absorção/regeneração dos elementos depositados em determinada localização, parque de armazenamento, aterro sanitário e outros locais apropriados para a alocação de resíduos.
31
31
orgânicas e metais. Um subproduto gerado é o combustível derivado do resíduo, CDR
(CIMPAN e WENZEL, 2013).
Segundo Carvalho Junior e McQuay (2007) e Song et al. (2012), o crescimento das
civilizações caminha em paralelo com o aumento da sua produção e da complexidade técnica
de disposição adequada dos resíduos (sólidos, líquidos e gasosos). Segundo Seng et al.
(2013), as barreiras da gestão dos resíduos adquiriram tal proporção que se tornou um
problema de planejamento complexo de recursos e destinação dos mesmos, apresentando uma
demanda crescente por confiabilidade nos processos, multidisciplinaridade nas diversas áreas
das engenharias e um desafio complexo nas áreas de administração pública e privada.
A dificuldade para encontrar uma solução para os resíduos é comparável a outros
problemas atuais, como o abastecimento de água potável, implantação de saneamento básico
em residências, os desmatamentos em larga escala e a geração dos gases de efeito estufa
(GEE). Este último fenômeno se agrava sob a influência do desmatamento, geração de
dióxido de carbono e metano em lixões a céu aberto e o uso de combustíveis, dentre outros
processos (CARVALHO JÚNIOR e MAQUAY, 2007).
Uma das alternativas para atenuar os efeitos dos GEE no mundo são políticas de
incentivo a implantação de tecnologias que reduzem e/ou capturem as emissões de dióxido de
carbono equivalente. Em países desenvolvidos se observa certa dificuldade em substituir
tecnologias atualmente em uso. Para tanto, foram desenvolvidos mecanismos de incentivo de
compra de certificados de redução de emissões, denominados créditos de carbono.
Com relação à porcentagem dos projetos de mecanismos de desenvolvimento limpo
(MDL), estabelecidas em relação à capacidade instalada (MW) das atividades de projeto
aprovadas no Comitê Internacional de Mudanças Global do clima (CIMGC), num total de
2.925 MW produzidos a partir de diversas tecnologias, apenas 415,0 MW não são de origem
de fontes hídricas (hidroelétricas e PCH) e do uso de biomassa do bagaço de cana-de-áçucar.
Na Figura 1 é possível observar a predominância de tecnologias hídricas na matriz
energética brasileira, que vão desde hidroelétricas de grande porte, como a usina hidroelétrica
de Itaipu, até Pequenas Centrais Hidroelétricas (PCH), sendo essas tecnologias dependentes
do regime de chuvas para manter o nível dos reservatórios.
32
32
Figura 1 – Porcentagens da capacidade instalada das atividades de projeto aprovadas.
Fonte: RENOVE (2010)
Os governos de diversos países incentivam a geração de energia térmica e elétrica com
o uso de fontes alternativas, através de subsídios, empregando combustíveis alternativos como
a biomassa, biogás proveniente de processos de biodigestão, dentre outros.
Segundo Weiland (2003), a produção de biogás em processos de fermentação anaeróbio
em biodigestores aumentou consideravelmente desde a Renewable Energy Sources Act (RES)
na Alemanha, legislação que permitiu atribuir subsídios pela energia gerada de fontes não
fosseis, em um período de vinte anos, tempo que, em média, uma planta dessa natureza opera.
O subsídio empregado é uma taxa de compensação: no ano de 2002, o valor da compensação
praticada tinha os valores entre 8,6 €$/kWh e 10,10 €$/kWh, dependendo da capacidade e
eficiência da instalação da termelétrica (WEILAND, 2003).
2.3 Tecnologias consolidadas de processamento de resíduos
As tecnologias de processamento de resíduos foram desenvolvidas para minimizar os
danos causados por deposição irregular de resíduos in natura, com risco de contaminação de
solo, rios, lençóis freáticos, dentre outros elementos. Nos países com limitação territorial
existe a necessidade de gerenciar a deposição dos resíduos em aterros sanitários – com locais
de menor área para tais fins, surgiu a necessidade de que fossem desenvolvidos e aplicados
processos de redução de volume e massa dos resíduos, assegurando desta forma o aumento da
vida útil dos aterros sanitários.
33
33
2.3.1 Conceito de 4Rs (reduzir, recuperar, reutilizar e reciclar)
O conceito do 4Rs foi desenvolvido para o planejamento do uso racional de substâncias
especificas, melhorando o consumo de matéria prima e energia a ser utilização na indústria.
Com essa metodologia, é possível gerar economia devido ao uso de elementos reaproveitados,
evitando etapas de beneficiamento da matéria bruta.
Segundo El-Haggar (2007), a escala sustentabilidade da disposição final mais adequada
dos resíduos é apresentada na Figura 2, na qual um determinado processo apresenta um grau
de sustentabilidade a partir do grau de manejo da matéria prima. A classificação de
sustentabilidade é apresentada do mais para o menos sustentável, respectivamente: a redução,
o reuso, a reciclagem, a recuperação (4Rs) e a disposição final. Quanto mais próximas da
redução, mais sustentáveis as tecnologias são, e quanto mais próximos da disposição final,
menos sustentáveis são os processos (EL-HAGGAR, 2007).
Figura 2– Escala hierárquica do manejo dos resíduos, utilizando o conceito 4Rs.
Fonte: El-Haggar (2007)
A poluição está associada ao desenvolvimento tecnológico, social e industrial da
sociedade, por esta consumir energia e/ou gerar resíduos, através dos diversos processos,
desde a combustão para a geração termelétrica até a energia para os processos de saneamento
34
34
básico . Essa ação causa problemas de ordem política, social e econômica (CARVALHO
JÚNIOR e LACAVA, 2003).
Segundo Wark e Warner4 (1976 apud CARVALHO JÚNIOR e LACAVA, 2003), as
emissões de um processo podem ser classificadas como: emissões atmosféricas; emissões em
correntes líquidas; resíduos sólidos e as emissões térmicas.
2.3.2 Incineração
Os processos de incineração de resíduos apresentam uma redução do volume e da massa
da matéria processada. Em conjunto com o uso da energia dos seus gases de exaustão, a
incineração se torna uma tecnologia com atratividade para países com pouco território e com
necessidades de energia térmica, mecânica e elétrica. Na Figura 3 é ilustrado um incinerador
com tecnologia Waste-To-Energy (WTE) implantado na União Europeia (YUKON ENERGY,
2011).
Figura 3– Incinerador com tecnologia Waste-to-Energy utilizado em diversos países.
Fonte: Yukon Energy (2011)
4 WARK, K.; WARNER, C.F. Air Pollution – Its Origin and Control. New York: Pub.IEP a Don-Donnelly, 1976. Apud CARVALHO JUNIOR, J. A.; LACAVA, P. T. Emissões em processos de combustão. Florianópolis: Unesp, 2003. 135 p. Disponível em: <http://www.dominiopublico.gov.br/download/ texto/up000012.pdf>. Acesso em: 01 mar. 2010.
35
35
A incineração é um processo de tratamento de resíduos sólidos, líquidos e gasosos. Seu
uso é amplo, podendo-se incinerar desde resíduos oriundos de tratamento hospitalar, com
elementos de complexa e elevada toxicidade, até resíduos residenciais, com elevada variedade
de composição. Os processos de incineração efetuam a completa destruição dos resíduos;
deste modo, se garante o tratamento de diversos resíduos, restando apenas cinzas e gases de
exaustão. Segundo Menezes, Gerlach e Menezes (2000), a incineração pode reduzir em 90% o
volume e em 75% em massa dos resíduos, tornando o produto final em uma matéria inerte a
ser enviada a aterros sanitários apropriados. Isto garante uma possível oportunidade de
geração de potência mecânica e térmica em central térmica de geração de potência e/ou
cogeração.
Um dos problemas apresentados é a taxa de corrosão em determinadas zonas térmicas
do incineradores utilizados. Na Figura 4 são apresentados os patamares utilizados por países
da Europa e Japão, que identificam as áreas de baixa e alta corrosão em função das
temperaturas dos metais e dos gases de processo de combustão, se os parâmetros estão abaixo
da curva limite, a taxa de corrosão é baixa, se os parâmetros estão acima da curva a taxa de
corrosão é alta. (SWITHENBANK, 2000).
Figura 4– Diagrama da corrosão típica em incineradores
Fonte: Swithenbank (2000)
36
36
De acordo com Fontaine e Védrine (2000), em instalações de incineração os gases de
exaustão devem ser homogêneos e controlados após a última injeção de ar para a combustão.
A temperatura de 850 °C e a permanência de 2 segundos dos resíduos nos incineradores
devem ser mantidas, mesmo em condições fora do ponto de operação mais severas.
Para resíduo sólido municipal com teor acima de 1% de substâncias orgânicas
halogenadas devem ser tomadas as seguintes medidas: os fornos de incineração devem
trabalhar com temperaturas em torno de 1100 °C e o tempo de permanência dos gases deve
ser de no mínimo 2 segundos (FONTAINE e VÉDRINE, 2000).
2.3.3 Ciclo a vapor acoplado a incineradores
Para Kleis e Søren (2004), a incineração surgiu na Europa, como um modo de processar
os resíduos provenientes de residências e indústrias, minimizando os espaços nos aterros
sanitários, por serem países de pouca extensão territorial.
Em 1897, Lord Kelvin analisou a energia gerada pela queima de resíduos sólidos
municipais (RSM) e constatou que com 1 kg de RSM incinerado era possível produzir 1,5 kg
de vapor de processo (KLEIS e SØREN, 2004). Segundo Kleis e Søren (2004), com os
avanços das tecnologias empregadas para o aproveitamento da energia térmica dos gases de
exaustão dos processos de incineração, é possível a geração de vapor a uma razão de 3 a 4 kg
de vapor para cada 1 kg de resíduo incinerado.
Os cuidados para plantas de incineração e geração de energia devem se atentar para com
os poluentes resultantes dos processos de combustão. Para reduzir os poluentes devem ser
utilizados filtros apropriado após os gases produzidos na incineração serem utilizados para a
produção de vapor de processo em caldeiras acopladas (HOLANDA et al, 2008).
Um esquema de incinerador com uma caldeira acoplada é apresentado na Figura 5, na
qual o evaporador está a jusante do superaquecedor. De acordo com Korobitsyn et al. (1999),
a pressão de trabalho de caldeiras de incineração apresenta um patamar de 3000 kPa a
4000 kPa, sendo que para pressões desta magnitude a área de troca térmica do evaporador é
maior que a área do superaquecedor; para pressões de trabalho superiores a 4000 kPa, a área
de troca térmica do superaquecedor aumenta e a área do evaporador diminui.
37
37
Figura 5– Esquema de um incinerador com uma caldeira acoplada na saída dos gases de exaustão.
Fonte: Korobitsyn et al. (1999)
2.3.4 Ciclo combinado
A combinação de um ciclo Brayton (a gás) com um ciclo Rankine (a vapor) é chamada
de ciclo combinado. Nele se observa um maior aproveitamento do aporte térmico contido no
combustível utilizado através de uma cascata energética, como mostrado na Figura 6, que
apresenta o diagrama temperatura por entropia de ambos os ciclos termodinâmicos. O
potencial térmico do combustível que alimenta o ciclo superior (QH) permite a geração de
potência líquida no conjunto a gás5, proporcional à diferença de temperaturas na turbina a gás
e no compressor ((T3-T4)-(T2-T1)), produzindo um rejeito térmico que é utilizado como fonte
quente para o ciclo inferior (Ciclo Rankine), no qual o potencial térmico QL (diferença de
temperatura (T10-T7)) equivale ao que é rejeitado para o ambiente em um condensador, após a
geração de nova potência (mostrado na diferença de temperatura (T9-T10)).
As preocupações operacionais dos ciclos combinados são focadas na diferença de
temperatura entre os gases de exaustão e a temperatura do vapor de processo. Existe um ponto
crítico no projeto da caldeira de recuperação denominado de ponto de pinch, definido como a
diferença da temperatura dos gases de exaustão na saída do evaporador e a temperatura do
vapor saturado. A faixa de operação é estabelecida entre o patamar de 11 °C a 28 °C em
processos industriais (BABCOCK & WILCOX, 2005). Caso a diferença de temperatura não
esteja neste patamar, haverá consequências de ordem econômica, técnica e ambiental, pois a
5 O termo “conjunto a gás” foi adotado para designar o sistema formado por compressor, câmara de combustão e turbina a gás.
38
38
área de transferência de calor aumenta, elevando o custo de equipamento e no investimento
final, a o seu projeto e a energia que não poderá ser recuperada.
Figura 6– Diagramas T-s dos equipamentos do um ciclo combinado, mostrando a energia entregue do conjunto a gás para o ciclo a vapor.
Fonte: adaptado de Martínez-Herranz (1999)
2.3.5 Ciclos híbridos (integrados)
O ciclo híbrido é um conjunto de tecnologias distintas que apresenta um grau de
interação relevante. Existem os ciclos híbridos de gaseificação e ciclo combinado, de ciclo a
vapor com incineradores e ciclo combinado, dentre outros exemplos.
Em Korobitsyn et al. (1999), a análise de configurações de ciclos combinados em
estrutura de aproveitamento térmico de resíduos sólidos urbanos (ciclos híbridos, ou waste-to-
energy plants) foi explorada em diferentes estruturas de vínculos entre os componentes. Com
base em análise exergética, foram avaliadas diversas modificações na configuração básica, e
determinou-se aquela que apresenta melhores resultados em termos de eficiência. O vapor
gerado na caldeira de incineração encontra-se a 4,0 MPa e 400 °C, sendo posteriormente
superaquecido a 520 °C e pressão entre 8,0 a 10,0 MPa na caldeira de recuperação para se
obter maior geração elétrica na turbina a vapor.
39
39
Um problema identificado nos ciclos híbridos é a diminuição no rendimento no
incinerador em detrimento ao uso dos gases de exaustão de outro processo térmico, como os
gases de exaustão de conjuntos a gás. Uma alternativa seria fornecer ar pré-aquecido para
elevar a eficiência do processo de incineração (CONSONNI; SILVA, 2007). Uma possível
configuração para uma planta desta natureza é a dada na Figura 7. Nesta configuração são
apresentadas as seguintes tecnologias, o incinerador acoplado a uma cadeira sem
reaquecimento para produzir vapor até uma determinada condição de superaquecimento, um
ciclo combinado com um conjunto a gás e caldeira de recuperação, onde ocorrerá a junção do
vapor vindo do conjunto incinerador/caldeira na saída do evaporador, superaquecendo até
uma determinada condição. Uma turbina a vapor de condensação com uma extração, para
alimentar o desareador.
Figura 7– Esquema de uma planta de incineração com valorização do vapor e gases de exaustão tratados e lançados separadamente.
Fonte: Balcazar et al. (2013)
Segundo Consonni e Silva (2007), a mistura dos gases de exaustão em plantas de
incineração em ciclo combinado pode acarretar uma série de problemas técnicos. Os gases de
exaustão que saem do conjunto a gás e que passam pela caldeira de recuperação entram no
incinerador com uma determinada pressão. Essa pressão não é suficiente para vencer a perda
40
40
de carga neste processo, sendo necessário o gasto de energia para acionar ventiladores de
indução. A natureza agressiva dos gases oriundos de processos de incineração não permite a
elevação dos parâmetros de produção de vapor de processo, levando a uma produção de vapor
de menor temperatura na caldeira de incineração, com posterior superaquecimento na caldeira
de recuperação integrada ao conjunto a gás (CONSONNI; SILVA, 2007).
Para Udomsri et al. (2010), os gases de exaustão do conjunto a gás são empregados,
após saírem da caldeira de recuperação, para o pré-aquecimento da água que circula entre a
saída do desaerador e a entrada do economizador da caldeira de incineração. Nesse caso se
estabelece que a iniciativa de superaquecer o vapor de entrada da turbina a vapor na caldeira
de recuperação evita os problemas de corrosão decorrentes das elevadas temperaturas do
vapor na caldeira de incineração.
O ciclo híbrido de Poma et al. (2010) é proposto com base em dados da cidade de
Turim, Itália, visando gerar 160 MW (demanda de potência elétrica) para atender à rede na
condição de carga máxima, e 50 MW (demanda de potência térmica) para atender à carga
máxima de aquecimento distrital. Um resultado interessante do trabalho está na caldeira de
incineração gerando vapor saturado e no fato das curvas de temperatura por carga térmica da
caldeira de incineração revelarem temperaturas de exaustão dos gases entre 110 °C e 130 °C,
diversamente do que apresentam Korobitsyn et al. (1999) e Stehlík (2011), na ordem de
200 °C.
A análise de Branchini (2012) contempla concepções de ciclos híbridos com caldeiras
de recuperação de um e de dois níveis de pressão; presença de desareador; diferentes
localizações para os economizadores; preaquecimento do ar primário da caldeira de
incineração com os gases de exaustão da caldeira de recuperação, dentre outras
possibilidades.
Os ciclos híbridos têm sido implantados em diversas localidades. Uma delas encontra-se
em Brea, Califórnia, denominada Olinda Alpha Landfill, com 22,8 MW (elétrico). Outra
unidade encontra-se em Moerdijk, Holanda, denominada von Roll, como projeto de
demonstração da tecnologia de ciclos híbridos, sendo composta por três conjuntos a gás (cada
unidade com 60 MW, queimando gás natural) e suas respectivas caldeiras de recuperação, e
três caldeiras de incineração em paralelo, que produzem vapor a 10,0 MPa/400 °C, que é
posteriormente elevado a 520 °C nas caldeiras de recuperação.
As turbinas a vapor, com estágios de alta, média e baixa pressão, geram conjuntamente
145 MW (elétrico), operando na unidade inferior (bottoming) do ciclo combinado, sendo o
41
41
vapor de média e baixa pressão oriundo das caldeiras de recuperação. A instalação processa
636.000 t/ano de resíduos, produzindo 270 t/h (75 kg/s) de vapor a partir da incineração de
80 t/h (22,2 kg/s) de resíduos com poder calorífico médio de 10.450 kJ/kg. A eficiência
líquida do ciclo híbrido é estimada em 30%.
A proposta implantada na unidade de Zabalgarbi, em Bilbao, Espanha, é apresentada
em Wood et al. (2013), no contexto de uma grande revisão do estado da arte das unidades de
recuperação energética a partir de resíduos. Nessa concepção, a caldeira de recuperação é
empregada para pré-aquecer e posteriormente superaquecer o vapor gerado na caldeira de
incineração, que é elevado de 10,0 MPa e 330 °C para 540 °C. Além disso, os gases de
exaustão do conjunto a gás ainda são empregados para o reaquecimento intermediário do
vapor expandido na turbina a vapor de alta pressão antes de sua entrada na unidade de baixa
pressão.
Outra instalação real baseada em ciclo híbrido é a unidade existente em Takahama,
Japão, desde 1996 (BRANCHINI, 2012). Composta por um conjunto a gás de 15 MW com
caldeira de recuperação, um incinerador e uma turbina a vapor de 10 MW, o sistema é
estruturado de modo que vapor é gerado a 2 MPa e 255 °C, e posteriormente superaquecido
na caldeira de recuperação até 400 °C.
2.3.6 Biodigestores
Os biodigestores são equipamentos que efetuam a digestão anaeróbica da matéria
orgânica. Este processo biológico é utilizado para converter os resíduos orgânicos em um
produto mais estável, com um menor grau de impacto ambiental ao ser depositado nos solo,
sendo utilizado como adubo orgânico para o solo.O biodigestor produz adubo orgânico e o
biogás, sendo este uma fonte alternativa de energia renovável. Pode ser utilizado por diversos
setores que demandem alguma fonte de combustíveis, substituindo os de origem fóssil e
minimizando impactos ambientais (AHN et. al, 2010, e WEILAND, 2003).
Segundo Weiland (2003), a geração de energia elétrica é o principal fator para o
emprego de processos de digestão anaeróbio no setor primário. Em diversas fazendas é
utilizado para a geração elétrica para atender a demanda local, como equipamentos da fazenda
e das dependências. A restrição mais significativa de processos de biodigestão anaeróbica está
relacionada ao tipo de matéria prima a ser processada. A eficiência na produção de biogás está
42
42
diretamente relacionada ao potencial de degradação biológica dos resíduos processados nos
reatores (WEISS, 2008).
A produção de biogás com matéria orgânica oriundos da agropecuária varia entre 25 a
36 m³/t de massa a ser processada (WEILAND, 2003). Tal faixa de variação é devida ao fato
desta matéria orgânica ter sido digerida e os elementos que gerariam mais biogás terem sido
absorvidos pelos animais. Uma alternativa para elevar a eficiência na produção de biogás em
processos de biodigestão utilizando dejetos oriundos de animais é misturá-lo com resíduos
orgânicos produzidos na indústria de alimentos, indústrias agrícolas, mercados, cantinas, setor
municipal, serviços de poda e limpeza de ruas, dentre outros, como é mostrado na Figura 8
(WEILAND, 2003 e ANGELIDAKI, ELLEGAARD, 2003).
Figura 8– Estrutura da planta de processamento de resíduos orgânicos e geração de biogás utilizando um sistema centralizado de co-digestão dos resíduos sólidos de uma determinada localização.
Fonte: Angelidaki e Ellegaard (2003).
Segundo Weiss (2008), existem dois tipos de processo de biodigestão dos resíduos
orgânicos. Os processos mesófilos operam em temperaturas entre 35 e 37º C, enquanto que os
processos termófilos operam em temperaturas entre 55 e 60° C, ambos com reatores de
biodigestão anaeróbio, como mostra a Figura 9 o reator mesófilo e na Figura 10 o reator
termófilo.
Segundo Weiland (2003), um programa de incentivo de geração e uso de biogás em
fazendas foi implantado na Alemanha em 1999. Em 2003, mais de 50% das plantas operavam
com o procedimento de mistura de substratos, para melhorar a geração de biogás, sendo 7%
das plantas com uso exclusivo de substrato animal.
43
43
Os reatores de processos mesófilos são de escala menor e geram em processos de
bateladas. Os processos termofílicos são de maior escala e processam resíduos sólidos
urbanos, que consiste em uma mistura de lodo de esgoto, restos de alimentos, resíduos
orgânicos, óleo utilizado dentre outros produtos orgânicos (WEISS, 2008).
Figura 9– Biodigestor modelo indiano em corte longitudinal (a) e em perspectiva isométrica com corte longitudinal (b).
Fonte: Deganutti et. al. (2003).
Figura 10– Planta de biodigestão termofílica em operação.
Fonte: UTS (2011).
2.3.7 Aterro Sanitário
Segundo Seng et al. (2013), o tratamento mais aplicado em países em desenvolvimento
para a disposição final dos resíduos é o aterro de resíduos. Em diversos casos, essas
instalações não apresentam cobertura do solo para proteção, sistema de drenagem e processos
dos tratamentos dos lixiviados. Além disso, não apresentam sistema de drenagem e
armazenamento e/ou queima direta dos gases. Os gases obtidos são compostos por metano,
44
44
propano, butano, dióxido de carbono, dentre outros elementos produzidos no interior do aterro
(SENG et. al.,2013).
Para evitar a emissão de gases de efeito estufa com maior fator de impacto, os gases são
queimados na superfície em sistemas de flare. De forma alternativa, os aterros sanitários
podem ser utilizados para geração termelétrica – canalizando as saídas dos dutos para filtros
(para redução de umidade e enxofre) e posteriormente para motores de combustão interna.
Tais gases são aproveitados para a geração de energia elétrica, como ocorre no aterro sanitário
Bandeirante, no município de São Paulo, e em outros aterros sanitários, como o instalado em
na Capital Belo Horizonte que utiliza motores a gás da Jenbacher e Waukesha, que foram
concebidos para proporcionar maior flexibilidade no uso de combustíveis alternativos (GE
ENERGY, 2011).
Esse tipo de instalação acarreta problemas de contaminação para a população local, em
sua maioria formada por catadores de resíduos que trabalham na coleta e revenda como
material reciclado, estando sujeitos a diversas contaminações devido à estrutura e deposição
dos resíduos, que em sua maioria é composto de matéria orgânica (SENG et al., 2013). Na
estruturação do aterro, uma lona é colocada no leito do mesmo para direcionar e não
contaminar o solo com chorume, e dutos são instalados para drenar os gases no interior das
células do aterro, como é apresentado na Figura 11.
Figura 11– Esquema de um aterro sanitário com queima dos gases gerados e com sistemas de controle de poluentes gasosos e líquidos.
Fonte: Lixo (2009)
45
45
Com o uso dos gases da decomposição dos resíduos e os devidos controles de poluentes,
o aterro sanitário pode se tornar um projeto que se beneficia de mecanismo de
desenvolvimento limpo (MDL), por meio do qual se permite adquirir reduções certificadas de
emissão com a venda do dióxido de carbono equivalente capturado/evitado para outros países
desenvolvidos(GE ENERGY, 2011).
2.3.8 Processo de compostagem
Esse tipo de processo reduz a quantidade de resíduos que seria depositada em um aterro
e elimina os microrganismos patogênicos contidos nos resíduos, reduzindo os fortes odores
gerados por matéria em decomposição e gerando um produto com um valor agregado, o
composto (adubo orgânico). Tal produto pode ser aplicado como fertilizante e aditivo
orgânico no solo, para complementar e preparar o solo para o plantio, meio de crescimento,
melhorando as características do solo, aumenta a capacidade de retenção de água e a fixação
de nutrientes essenciais para estarem no solo, melhorando o desenvolvimento de plantas
(COLÓN et. al., 2010).
O processo de compostagem pode ser definido como a decomposição e a estabilização
biológica do substrato orgânico contido nos resíduos em ambiente com elevado oxigenação
(COLÓN et. al., 2010), diferentemente de processos de biodigestão anaeróbio, que consistem
na decomposição e a estabilização biológica dos resíduos orgânicos e líquidos em um
ambiente com falta de oxigênio, em reatores anaeróbicos. Na Figura 12 são apresentados os
mecanismos de compostagem para um determinado volume de resíduos a serem processados,
podendo sê-lo diretamente no solo, onde irá ser depositada a matéria orgânica (SOLE-
MAURI et. al., 1999).
46
46
Figura 12– A estrutura básica da compostagem para uma unidade com as três fases, com os devidos fluxos de massa e energia.
Fonte: Sole-Mauri et al. (1999)
2.4 Análise de tomada de decisão para escolha das tecnologias empregadas
Os desafios para a gestão dos resíduos sólidos na União Europeia estão diretamente
atrelados a atingir metas de reciclagem e aproveitamento dos resíduos orgânicos, em
conformidades com a legislação e diretrizes locais (PIRES, CHANG e MARTINHO, 2011).
A seleção de um tratamento adequado para os resíduos urbanos é uma tarefa complexa, na
qual um conjunto de critérios deve ser levado em consideração, como a segurança e eficiência
do tratamento, para haver o mínimo de impacto ambiental (HERVA e ROCA, 2013).
Na literatura técnica encontram-se reportadas diversas técnicas empregadas para o
auxílio na tomada de decisão com o objetivo de efetuar escolhas mais adequadas para garantir
a melhor seleção de tecnologias de processamento de resíduos, evitando-se assim possíveis
ajustes bruscos e/ou parâmetros não considerados na tomada de decisão. Os métodos de
tomada de decisão mais empregados são a Análise Hierárquica dos Processos (AHP), o
Análise por Redes Neurais dos Processos (ANP), a lógica fuzzy, os modelos de otimização,
como a programação linear, sendo este método aplicado neste trabalho.
47
47
2.4.1 AHP
O AHP (Analytic Hierarchy Process) é uma metodologia de Auxílio Multicritério à
Decisão (AMD) que propõe o tratamento de problemas de escolha complexos de forma
simples. Uma característica importante do AHP consiste no fato de permitir que seja
alcançada consistência na opinião de múltiplos especialistas chamados a opinar sobre o
assunto sobre o qual o modelo se debruça, e a partir de procedimentos de teste de consistência
entre as respostas obtém-se a convergência de opiniões para, posteriormente, estabelecer uma
métrica analítica que embasará a tomada de decisão.
A tarefa mais crítica na tomada de decisão é escolher os fatores que são importantes
para a escolha (SAATY, 1990). No AHP, os fatores são escolhidos e organizados em uma
estrutura hierárquica descendente a partir de uma meta global de critérios, subcritérios e
alternativas em níveis sucessivos (SAATY, 1990). Segundo Saaty (1990), este método está
baseado em três princípios do pensamento analítico:
Construção de hierarquias: no AHP, o problema de tomada de decisão é decomposto
em níveis hierárquicos, como forma de buscar uma melhor compreensão e avaliação
dos mesmos níveis.
Priorização: o ajuste das prioridades no AHP fundamenta-se na habilidade do ser
humano de perceber o relacionamento entre objetos e situações observadas,
comparando pares à luz de um determinado foco ou critério (julgamentos paritários).
Consistência lógica: no AHP é possível avaliar o modelo de priorização construído
quanto à sua consistência.
Segundo Bhushan e Rai (2004), a metodologia AHP é constituída de sete pilares
fundamentais, que são:
- escalas de razão, da proporcionalidade e escalas de normalização.
- comparações recíprocas e pareadas.
- a sensibilidade do principal vector próprio direito.
- agrupamento e uso dos pivôs para normalizar a escala.
- síntese para criar uma escala de razão unidimensional que represente o resultado total.
- posição, preservação e reversão.
- integração dos julgamentos dos grupos.
Na aplicação do AHP apresentada no trabalho de De Feo e De Gisi (2010), foram
consultados especialistas (para selecionar o local mais adequado para a implementação de
uma usina de tratamento de resíduos, levando-se em consideração aspectos técnicos) e não
48
48
especialistas (para selecionar o local da instalação com melhor aspecto social para a
população local) de modo a compor uma matriz de critérios a serem analisados segundo uma
metodologia apropriada para estes casos, na qual existe a participação de múltiplos
especialistas. O local do estudo, situado em Campanha, sudoeste da Itália, apresenta uma
considerável preocupação com o tratamento dos resíduos, sendo que uma das alternativas para
atender a esse passivo ambiental é o uso de uma usina de compostagem que deverá ser
instalada em um município mais apropriado, segundo a avaliação do método AHP.
Os resultados mostraram que alguns parâmetros, como o custo do local da instalação da
planta de processamento, são irrelevantes. Porém, outros fatores como o elevado grau de
complexidade e biodiversidade dos locais é consideravelmente relevante para o local da
instalação. A análise mostrou que os especialistas e não especialistas apresentavam mesma
ordem de grandeza dos critérios de avaliação.
O AHP foi aplicado em estudo similar por Guiqin (2009) na tomada de decisão do local
de instalação de um aterro sanitário na cidade de Pequim. Para tal estudo foram consideradas
informações reais da área a ser analisada utilizando o banco de dados do sistema de
informação geográfica (SIG) dos locais a receberem um aterro sanitário de modo a atender a
região de Pequim.
Na referida aplicação foram utilizados fatores ambientais e econômicos; devido à
importância deste estudo ser utilizado em países e/ou regiões em desenvolvimento, a
característica considerada mais acentuada foi o crescimento urbano acelerado e
desorganizado. O processo de implantação no estudo foi considerado útil para a escolha do
local de eliminação de resíduos em uma região de rápido crescimento populacional.
O método AHP é aplicado em estudos de tomada de decisão em diversas áreas do
conhecimento, desde decisões de investimento e ações monetárias, até tomada de decisão de
construção de um empreendimento. Uma aplicação é na tomada de decisão de instalação de
plantas de processamento de resíduos em determinado município, tendo por principal alvo o
município que apresenta melhores características para instalar uma planta de processamento
(DE FEO e DE GISI, 2010).
Herva e Roca (2013) utilizaram-se do método AHP, de forma comparativa com outros
modelos (pegada ecológica, Preference Ranking Organization Method for Enrichment
Evaluation – PROMETHEE, e Geometrical Analysis for Interactive Aid, GAIA) para
comparar as melhores alternativas para tratamento de resíduos sólidos urbanos. De acordo
com os resultados obtidos, o ranking de alternativas (da melhor para a pior) envolveu
gaseificação por plasma, tratamento biológico das frações orgânicas com recuperação
49
49
energética do combustível derivado de resíduo (CDR), incineração com recuperação térmica e
aterramento sanitário.
Um modelo de AHP apresentado por Nixon et al. (2014) foi proposto para avaliar
alternativas tecnológicas de geração de energia a partir de resíduos sólidos municipais na
Índia. As alternativas tecnológicas contempladas foram aterramento sanitário, digestão
anaeróbica, incineração, peletização e gaseificação. Os resultados obtidos sinalizaram para
uma preferência sobre a digestão anaeróbica e gaseificação, seguida da incineração.
Ahmad e Tahar (2014) empregaram o método AHP para a seleção de fontes de energia
renovável para o sistema de geração elétrica, com estudo de caso para a Malásia. O modelo
foi aplicado considerando quatro critérios principais (técnicos, econômicos, sociais e
ambientais) e doze subcritérios (maturidade da tecnologia, eficiência, tempo para construção;
custo da tecnologia, vida operacional, disponibilidade da fonte de energia, tarifa paga pela
fonte renovável (feed-in tariff); aceitação pública da tecnologia, criação de empregos; redução
das emissões de CO2, impactos ambientais, necessidade de área para instalação). Os autores
concluíram que as fontes mais favoráveis seriam, sequencialmente, as fontes solar, biomassa
(incluindo resíduos sólidos urbanos e biogás de aterro), hidroelétrica e eólica, sendo que a
fonte solar se revelou mais inclinada aos critérios econômicos, a biomassa aos critérios
sociais, a hidroelétrica aos critérios técnicos e a eólica aos critérios ambientais.
2.4.2 ANP
O ANP (Analytic Network Process) é uma metodologia de Auxílio Multicritério à
Decisão (AMD) de medição relativa usada para avaliar escalas compostas e índice de
prioridade a partir de escalas individuais que representam medições independentes da
influência de elementos que interagem com os critérios, de forma a controlá-los. Uma
característica importante do AHP consiste no fato de permitir que seja alcançada consistência
na opinião de múltiplos especialistas chamados para avaliar sobre o assunto o qual o modelo
apresenta, e a partir de teste de consistência entre as respostas obtém-se a convergência de
opiniões para estabelecer uma métrica analítica que embasará a tomada de decisão.
Através de sua supermatriz, cujos elementos são matrizes de prioridades de coluna, o
método denominado ANP capta a dependência e realiza uma realimentação de informações
dentro e entre grupos de elementos. O AHP é um caso especial da ANP, com as suas
suposições e dependência de conjuntos e elementos, na qual a metodologia de tomada de
decisão não foi desenvolvida até agora por problemas das estruturas lineares.
50
50
Segundo Saaty (1999), os sete pilares do AHP servir como um ponto de partida para o
ANP, fornecendo um quadro geral para lidar com decisões, sem fazer suposições sobre a
independência dos elementos de nível superior a partir de elementos de nível inferior, e a
independência dos elementos dentro de um nível. O ANP utiliza uma rede , sem a necessidade
de especificar os níveis de hierarquia , sendo a influência o conceito central na ANP com suas
interações utilizando seus pontos fortes para exercer influência na tomada de decisão .
O ANP é composto por duas partes. A primeira parte consiste do controle da hierarquia
ou na rede de critérios e subcritérios que controlam as interações entre os elementos a serem
analisados. A segunda parte é uma rede de influências entre os elementos e os aglomerados. A
rede irá variar de critério a critério na matriz, e a influência é calculado para cada um dos
critérios, onde cada uma destas matrizes é ponderada para a prioridade, sendo os resultados
sintetizados através da adição de todos os critérios de controle (SAATY, 1999).
Köne e Büke (2007) apresentam um modelo de Processo de Rede Analítica (ANP) para
determinar a melhor mistura de combustível para geração de eletricidade na Turquia a partir
de uma premissa de desenvolvimento sustentável . O modelo proposto é implementado para
dois cenários distintos que são estruturados ao longo das linhas de classificação entre mais
fracos e mais fortes no critério de sustentabilidade. Os resultados do estudo indicam uma
barreira entre os objetivos de desenvolvimento e as políticas sustentáveis na geração de
energia elétrica na Turquia em termos de segurança energética e degradação ambiental.
Dos cenários alternativos do modelo, o valor mais alto é a alternativa do uso de
hidrelétrica doméstico para fonte de geração renovável no setor elétrico turco, que é
dependente do uso de gás natural importado como combustível para acionar termelétricas. Os
resultados dos modelos apontam para uma participação das fontes alternativas de
combustíveis na malha energética da Turquia, onde a capacidade instalada deve ser
aumentada para alcançar o desenvolvimento sustentável planejado (KÖNE e BÜKE, 2007).
Segundo Köne e Büke (2007), a matriz de geração de energia pode ser diversificada
através da utilização de combustíveis não fósseis, como a nuclear e hidrelétrica. A indústria
de geração de energia na Turquia deve aumentar sistematicamente de utilização de fontes
renováveis, como a biomassa, geotérmica, eólica e solar na geração total de eletricidade. O
modelo desenvolvido neste trabalho permite aos tomadores de decisão dispor de uma
ferramenta sobre assuntos estratégicos relacionados com a política energética, uma vez que o
modelo proposto fornece resultados quantitativos(KÖNE e BÜKE, 2007).
Khan e Faisal (2008) desenvolveram um trabalho utilizando o ANP para elaborar um
método de avaliação para auxiliar os tomadores de decisão do local de instalação de uma
51
51
planta de processamento para priorizar e selecionar os métodos mais adequados de eliminação
de resíduos sólidos urbanos. Foi elaborada uma rede hierarquizada para a estrutura de decisão
e aplicar o processo de análise de rede (ANP), com a abordagem de uma supermatriz para
medir a pertinência relativa de alternativas de destinação.
O ANP permite que os tomadores de decisão possam melhorar a visão do problema e
encontrar a melhor solução possível para o complexo e detalhada situação imposta, quebrando
um problema em uma rede sistemática de inter-relações entre os vários níveis e atributos. Este
método, portanto, pode não só ajudar na escolha da melhor alternativa, mas também ajudar os
tomadores de decisão a entender as interações e por que uma alternativa é preferida sobre as
outras opções (KHAN e FAISAL, 2008).
Para Khan e Faisal (2008), o ANP ajudou a encontrar uma solução holística e ofereceu
uma alternativa de eliminação de resíduos a ser considerada, na qual a metodologia proposta
pode servir como um guia para diversos problemas de gestão de resíduos sólidos. Tais
modelos podem ser desenvolvidos para vários problemas ambientais, nos quais a
representação adequada de todas as partes interessadas de diversos bairros pode ser
efetivamente levada em conta.
No entanto, o seu desenvolvimento exige esforços significativos e tempo dos tomadores
de decisão na avaliação dos vários critérios e a formação das matrizes de comparação de
pares. Os modelos não são universais devido à metodologia que envolve a opinião e
experiência por parte dos tomadores de decisão, que são envolvidos os erros humanos na
compreensão das dificuldades básicas, gerando resultados distorcidos nas soluções (KHAN e
FAISAL, 2008).
No trabalho apresentado por Khan e Faisal (2008), o modelo pode servir como um
ponto de referência para avaliar os problemas relacionados às questões ambientais. A primeira
tentativa de aplicar ANP em selecionar uma opção para a disposição de resíduos urbanos
exige uma avaliação mais aprofundada do modelo e modificações de acordo com as
necessidades individuais por adição ou supressão de certos elementos no modelo para torna-lo
mais robusto e benéfico nesse campo de estudo, ajudando no desenvolvimento de um sistema
que permita aos tomadores de decisão chegar a uma forma mais criteriosa, transparente e
sistemática de decisão.
Aragonés-Beltrán et al. (2010) estudaram o uso do processo analítico de rede para
selecionar o melhor local para a construção de um aterro sanitário na região metropolitana
deValência (Espanha) para os resíduos sólidos urbanos. A seleção do local apropriado da
planta de processamento dos resíduos sólidos pode ser visto como um problema de tomada de
52
52
decisão multicritério complexo que requer um amplo processo de avaliação dos fatores
potênciais dos locais de instalação das plantas de RSU, como os fatores e questões
econômicas, técnicas, jurídicas , sociais ou ambientais.
O processo de tomada de decisão inclui a identificação de seis locais candidatos para a
instalação das plantas de processamento de RSU, e vinte e um critérios agrupados para a
construção de uma rede. Dois técnicos da Agência Metropolitana para Eliminação de
Resíduos atuaram como tomadores de decisão (DMS). As influências entre os elementos da
rede foram identificadas e analisadas utilizando o método de decisão multicritério ANP
(ARAGONÉS-BELTRÁN et al, 2010).
No trabalho de Aragonés-Beltrán et al, (2010) foram utilizados dois modelos de análise
de decisão, um utilizando o AHP e um outro baseado no ANP. A conclusão é que o modelo
ANP apresenta melhores resultados porque os especialistas/tomadores de decisão perceberam
as influências entre os elementos do sistema. No entanto, a análise de comparação entre os
dois modelos de análise de decisão também foi útil, pois a análise dos resultados com o
modelo AHP permitiu que os tomadores de decisão observassem quais critérios foram mais
significativas para eles, independentemente das alternativas específicas em estudo e
identificar as influências entre os elementos dos sistemas.
Os estudos de Bottero et. al., (2011) mostraram a aplicação de ANP em uma análise
multicritério (MCM) para fazer avaliações comparativas de projetos alternativos ou medidas
heterogêneas, permitindo que vários critérios possam ser considerados simultaneamente, em
uma situação complexa. Foi considerada a aplicação de diferentes técnicas MCA para um
problema de decisão sobre a escolha da tecnologia de tratamento mais sustentável de águas
residuais (WWT), a digestão anaeróbia e a compostagem, para pequenas fábricas de queijo. A
análise hierárquica de processo (AHP) e o processo analítico de rede (ANP) foram
consideradas para priorizar as diferentes tecnologias.
Os modelos permitem que múltiplos elementos do processo de decisão sejam
considerados, como os aspectos ambientais, fatores tecnológicos e os custos econômicos,
efetuando uma comparação para encontrar a melhor alternativa. As técnicas AHP e ANP são
aplicadas por meio de pacotes de software específicos chamados Expertchoice e
Superdecision, respectivamente. Uma comparação dos méritos obtidos a partir dos diferentes
modelos revela que o processo anaeróbio foi à tecnologia WWT mais sustentável para as
pequenas fábricas de queijo, e que o uso do método da ANP permite uma análise mais
detalhada para ser considerada, oferecendo os melhores resultados (BOTTERO et. al., 2011).
53
53
Segundo Bottero et. al. (2011), o trabalho indica que as análises utilizando o AHP e
ANP são adequados para lidar com problemas de decisão complexos por permitirem lidar
com vários critérios a serem considerados e compara-los de forma sistêmica. Tais abordagens
tornam o processo de decisão mais rastreáveis e confiáveis, ajudando em decisões a serem
compartilhadas e justificadas. O ANP demonstrou que é mais adequado e atrativo do que o
AHP pois o modelo ANP serve para desenvolver um problema completo que pode incorporar
relações de interdependência entre elementos de diferentes níveis ou dentro dos mesmos
níveis, que se assume não ser correlacionados no modelo AHP (BOTTERO et. al., 2011).
Segundo Atmaca e Basar (2012), a energia é um dos parâmetros mais importantes no
desenvolvimento das sociedades. Cada país investe em esforço comercial e político para ter
energia suficiente e garantir um fornecimento de energia ininterrupta. Tal estudo pretendeu
determinar a adequação das usinas existentes na Turquia e as plantas que estão sendo
consideradas para o estabelecimento em um futuro próximo, a saber gás natural, eólica,
geotérmica, hidrelétrica, e as plantas de energia de carvão linhito, bem como usinas de energia
nuclear. A partir da técnica de multicritérios de tomada de decisão com o ANP, foi realizada
com cenários distintos a avaliação de seis diferentes plantas de energia com os principais
critérios, tais como tecnologia e sustentabilidade, adequação econômica, qualidade de vida e
sócio econômico, passivos ambientais (ATMACA e BASAR, 2012).
A avaliação foi realizada por meio do método ANP e buscando a melhor solução com a
utilização do software Superdecisions. Ao utilizar tal software, implementando o método
ANP, as usinas de energia nuclear se mostraram a melhor solução. As premissas que afetaram
foram interação entre alternativas e critérios. O critério de capacidade teve um efeito sobre o
critério de investimento e a radioatividade apresentou um efeito sobre o critério de aceitação
social (ATMACA e BASAR, 2012).
Nos estudos de Liang et. al. (2013) constatou-se que existem maneiras de recuperar
energia residual do motor. Constatou-se que o método ANP é a técnica que permite medir as
dependências entre os critérios e é útil como uma ferramenta de julgamento e decisão. O
método AHP também é usado para a seleção da estratégia e para a comparação dos efeitos da
dependência entre os diversos fatores usados nos critérios, priorizando as estratégias
alternativas. Os resultados mostraram que as termelétricas são mais adequadas para as
condições estabelecidas, pois apresentam maior eficiência, minimizando as perdas na
recuperação/conversão da energia. A recuperação de energia e a utilização de máquinas e
equipamentos de conversão é o método mais notável para recupear energia em um prazo
considerável, devido à sua alta eficiência (LIANG et. al., 2013).
54
54
No trabalho de Aragonés-Beltrán et al. (2014), o AHP e o ANP são aplicados para
ajudar o conselho de administração de uma importante empresa espanhola sobre o
investimento de energia solar para decidir se será efetuado um projeto de usina de energia
solar-térmica especial e, para determinar a ordem de prioridade dos projetos em carteira da
empresa. O gerenciamento de projetos passa por um longo processo, desde a obtenção das
licenças de construção e autorizações exigidas, negociando com diversas partes interessadas,
em conformidade com as normas e legais locais, para resolver os problemas técnicos
associados à construção e distribuição da energia gerada pela planta.
O trabalho de Aragonés-Beltrán et al. (2014) analisou o estado atual dos projetos de
usinas termossolares. Devido ao alto custo do projeto desde os primeiros estágios de
desenvolvimento, foi proposta uma análise de decisão dividida em três níveis. Desta forma, o
Conselho de Administração pode rejeitar os projetos inviáveis antes da etapa de investir. Uma
análise de sensibilidade foi realizada para avaliar a robustez dos resultados do modelo para as
mudanças nos valores dos parâmetros.
2.4.3 Lógica fuzzy
O conceito de lógica fuzzy tem sido utilizado para definir problemas que envolvem
processos de tomada de decisão baseados em conceitos e opiniões de especialistas,
estabelecendo regras que permitam sua interpretação e transformação em um ferramental
analítico. O termo fuzzy, de origem inglesa, procura expressar exatamente esse aspecto – uma
lógica difusa ou nebulosa, com significado voltado à subjetividade de determinados aspectos
levados em conta na decisão; desse modo, a representação de aspectos como “baixo”,
“médio” e “alto” poderia acomodar graus de pertinência entre cada um dos aspectos, gerando
condições parcialmente verdadeiras e parcialmente falsas.
A exposição matemática da lógica fuzzy extrapola os objetivos do presente texto, uma
vez que tal técnica não será utilizada no desenvolvimento da presente tese. A despeito deste
fato, há que se comentar que diversos conceitos – inclusão, união, interseção, complemento,
relação, convexidade, dentre outros – devem ser estabelecidos para sua aplicação. Em
particular, um teorema de separação para conjuntos fuzzy convexas é provado sem a
necessidade de que os conjuntos fuzzy sejam disjuntos (ZADEH, 1965). Algumas definições
da lógica fuzzy consistem em conjunto fuzzy, variável linguística, fuzzyficação, função
pertinente (FP) e função pertinente triangular, regras se ... então, máquina de inferência e
desfuzzificação (GANGA, CARPINETTI e POLITANO, 2011).
55
55
O trabalho de Ekmekçioğlua et al. (2010) apresenta um modelo que incorpora a lógica
fuzzy ao método AHP (analytic hierarchy process) em dois estágios, sequencialmente
realizando no primeiro estágio a escolha da tecnologia mais adequada (dentre aterramento
sanitário, compostagem, incineração em massa e combustão de combustível derivado de
resíduos) e no segundo estágio realizando a seleção de locais físicos para a disposição dos
resíduos sólidos.
Um modelo fuzzy para identificar política ótima de gestão de resíduos sólidos
municípais sob condições de incerteza foi desenvolvida por Li et al. (2012) considerando
diferentes cenários, em análise multitemporal, que levaram em conta penalidades em termos
econômicos quando determinados limites pré-regulados eram violados. O estudo considerou
as possibilidades de aterramento sanitário, o emprego de programa de reciclagem e a
instalação de uma unidade de compostagem.
Wang et. al. (2012) também desenvolveram modelo fuzzy multitemporal com idêntica
pretensão, porém considerando aterramento sanitário, incineração e compostagem como as
tecnologias de processamento dos resíduos. O modelo permitiu identificar configurações de
alocação de fluxo de resíduos e o planejamento da expansão da capacidade das instalações
sob condições de incerteza, bem como considerar as condições de conflito entre a otimização
do sistema e sua confiabilidade.
Lu et. al. (2012) apresenta uma aplicação para a gestão dos resíduos sólidos por meio de
programação fuzzy com duas fases, inexatas para a gestão, através da introdução de múltiplas
variáveis de controle, função objetivo e restrições do modelo. Alguns parâmetros foram
considerados com maior relevância e outros com menor relevância no desempenho do modelo
especificada, e foi elaborado dois cenários. Os resultados dos cenários apresentam uma
precisão do modelo na identificação de elementos/fatores importantes, sendo verificado que o
nível de satisfação média das soluções ótimas a partir do modelo com duas fases é mais
elevado que o modelo convencional, o que demonstrou uma vantagem para as tomadas de
decisão ótimas com considerável nível de satisfação.
Xiaodong e Huang (2014) desenvolveram um modelo fuzzy de programação inteira
probabilístico para efetuar a expansão das instalações de processamento dos resíduos e o
planejamento dos fluxos de resíduos, considerando o comércio dos gases de efeito estufa
(GEE). O modelo possibilita desenvolver as inter-relações entre o planejamento da gestão de
resíduos sólidos urbanos e o controle de emissões de gases de efeito estufa, aplicando a um
problema de planejamento hipotético, em que o esquema de decisão ótima para possibilitar
uma expansão das instalações e o fluxo de resíduos, com as considerações de controle de
56
56
emissões de GEE. Os resultados indicam que o comércio de emissões de GEE de crédito pode
reduzir o custo total do sistema, por meio da realocação de créditos de emissão de gases de
efeito estufa dentro de todo o sistema de gestão de resíduos sólidos urbanos (XIAODONG e
HUANG, 2014).
2.5 Seleção de tecnologias através de otimização
2.5.1 Programação linear inteira
A programação linear consiste em modelos de otimização nos quais a função objetivo e
as restrições (que são compostas por equações, inequações e/ou valores numéricos relativos a
faixas operacionais) têm características lineares; caso uma das equações seja não linear, o
problema é qualificado como programação não linear. Quando as variáveis do problema estão
contidas no conjunto dos números inteiros, o problema é dito programação linear inteira.
Um problema de programação linear puramente inteiro se torna limitado em termos de
aplicação. Porém, se as variáveis inteiras forem assumidas como binárias (ou seja, podem
adquirir apenas os valores de 0 ou 1), uma ampla faixa de aplicações se descortina. Problemas
classificados como mistos lineares inteiros (MILP, mixed integer linear programming) são
utilizados em diversas áreas, desde projetos para definir as tecnologias que devem fazer parte
da solução final a partir da oferta de uma multiplicidade de possíveis tecnologias em uma
superestrutura até operações de sistemas térmicos que devem operar ou não em determinados
períodos de tempo.
O artigo de Fiorucci et al. (2003) apresenta um modelo de suporte à decisão baseado
em programação não linear inteira6 (MINLP, mixed integer nonlinear programming). No
modelo proposto, a função objetivo é estruturada de modo a minimizar os custos totais, dos
quais tomam parte custos com transporte, reciclagem dos resíduos e custos de operação e
manutenção dos equipamentos, e possíveis benefícios com a venda de energia elétrica e do
combustível derivado de resíduo. As restrições são de ordem técnica, normativa e ambiental.
Costi et al. (2004) utilizaram modelo de otimização aplicado a um sistema de suporte à
decisão para escolha de tecnologias de processamento numa planta integrada, utilizando os
processos: de incineração, disposição, tratamento e reciclagem. As plantas de processamento
6 Embora não seja esse o caso, problemas não lineares podem ser linearizados através de técnicas matemáticas apropriadas para tanto.
57
57
podem gerar serviços de separação, plantas de produção de combustível derivado do resíduo,
incineradores com recuperadores de energia, planta com tratamento dos resíduos orgânicos e
aterros sanitários. A função objetivo utilizada no trabalho leva em conta todos os custos
econômicos possíveis, ao passo que as restrições decorrem de questões técnicas, normativas e
ambientais. Em destaque, cita-se a análise acerca da poluição e os impactos gerados pelo
sistema global da gestão dos resíduos sólidos, através dos índices de emissões dos
incineradores e geração de passivo ambiental devido à negligência no tratamento de resíduos
ou outros tratamentos específicos (COSTI et. al., 2004).
O uso da programação linear inteira mista multiobjetiva tem sido proposto na gestão de
resíduos sólidos. Minciardi et al. (2008) deram sequência aos trabalhos de Fiorucci et al.
(2003) com a aplicação de modelo com quatro objetivos a serem minimizados – função de
custo, função de resíduos não recicláveis, função de disposição de resíduos em aterro sanitário
e função de impactos ambientais (baseada nas emissões do incinerador). Tal como nos demais
estudos do mesmo grupo, informações relativas à cidade de Genova, Itália, foram utilizadas
em estudo de caso.
Santibañez-Aguilar et. al. (2013) desenvolveram modelo linear inteiro multiobjetivo
com aplicação à parte oeste-central do México para considerar a integração de resíduos
sólidos de cinco cidades. Foi elaborada uma superestrutura para a cadeia de suprimentos do
sistema distribuído dos resíduos para as unidades de processamento baseando-se na
classificação deles, considera incineração (queima em massa), gaseificação convencional,
gaseificação associada à pirólise e gaseificação associada a tocha de plasma, além da pirólise
como tecnologias de tratamento térmico; processos de reciclagem de plásticos, metais, papel e
vidros são também considerados.
Segundo Qin Ng et. al. (2014), o uso dos resíduos sólidos urbanos (RSU) tem sido uma
das fontes de energia alternativas que podem ser utilizadas para a geração de energia elétrica e
térmica. Os conceitos das tecnologias waste-to-energy (WTE) são incorporados ao sistema de
gestão de resíduos sólidos urbanos nesse trabalho. O sistema integrado é modelado para
estudar a viabilidade e a importância dos tratamentos dos resíduos. O modelo proposto é
ilustrado como um estudo de caso que envolve o projeto da rede de abastecimento e a
utilização de resíduos sólidos urbanos de origem urbana.
As etapas de modelagem envolvem a geração de uma superestrutura, a construção do
modelo matemático de otimização para determinar as equações de restrição e a de
maximização, e a busca de uma solução. Os locais ideais da instalação dos centros de
processamento foram determinados e calculados, segundo os limites e os tamanhos dos
58
58
centros de processamento. Os benefícios e a estratégia do uso de tecnologias WTE para o
processamento dos RSU foi analisada e o seu potencial de geração de energia foi calculado.
Segundo os autores, o uso de tecnologias WTE atua como um potencial para o plano de
gestão de resíduos sólidos urbanos para todas as partes interessadas.
Os resultados de Qin Ng et al. (2014) apresentam as possibilidades para utilizar RSU
para geração de energia através de tecnologias WTE na Malásia, considerando este como país
tropical em desenvolvimento. Atualmente, o lucro da utilização de resíduos sólidos urbanos
não é muito atrativo, devido ao investimento inicial e ao custo de manutenção e operação das
tecnologias WTE empregadas, não tendo um nível de retorno suficientemente econômico.
Com base na tendência do uso de tecnologias WTE empregadas na Europa e em outros países
desenvolvidos, esta pode ser uma das soluções para ser implantada em um país tropical, que
gera uma considerável quantidade de resíduos sólidos urbanos.
Finalmente, os resultados sugerem uma rede de distribuição dos RSU que deve ser
continuamente desenvolvido em paralelo com o desenvolvimento de novas tecnologias e da
sociedade que será beneficiada. Os trabalhos futuros devem ser direcionados para a
investigação dos ajustes dos locais de recebimento e processamento do RSU em diferentes
escalas, partindo de casas, bairros, cidades até a escala de regiões metropolitanas.
59
59
3 MATERIAIS E MÉTODOS
Na presente análise são considerados os resíduos urbanos gerados diariamente nas
regiões metropolitanas de São Paulo, Campinas e Vale do Paraíba e Litoral Norte, visando sua
gestão integrada. Para isso, são desenvolvidos estudos e modelagem de tecnologias de
destinação final que proporcionem uma tecnologia/metodologia para tratar os resíduos de
forma a proporcionar um menor passivo ambiental em comparação à deposição direta em
aterros sanitários e/ou a céu aberto.
No desenvolvimento desta análise devem ser definidas as tecnologias a serem utilizadas
e os locais onde serão destinados os resíduos que, por sua natureza, são classificados como
recicláveis, orgânicos ou incineráveis. Esses processos podem gerar produtos de caráter
comercial, como matéria prima reciclada, energia elétrica, energia térmica (limitada a
determinadas distâncias), biogás, adubo orgânico e outros subprodutos.
São efetuados estudos de Primeira Lei da Termodinâmica e a análise de impactos
ambientais com base no dióxido de carbono equivalente evitado. São realizados estudos de
viabilidade econômica para obter parâmetros operacionais mais adequados para a tomada de
decisão mais atrativa do ponto de vista econômico (podendo essa prioridade ser ambiental),
com vistas à eficiência do tratamento dos resíduos e à produção de insumos para a venda.
Na análise de otimização utilizando a megaestrutura, as tecnologias a serem escolhidas
são aquelas que apresentarem a maior geração de lucro global para o conjunto de pontos de
recebimento e destinação final pelos municípios considerados na análise das três regiões
metropolitanas. As tecnologias adotadas dependem da demanda de resíduos que são
destinadas a cada ponto, existindo a possibilidade de determinadas quantidade de resíduos
virem a ser destinados a outros pontos de recebimento de modo a aumentar a eficiência dos
processos de gestão integrada dos resíduos e a obter maior receita da venda de insumos para a
indústria e concessionária local.
3.1 Cenários analisados
Para o desenvolvimento desta tese são analisados três cenários distintos de preços de
venda da matéria prima reciclada, da energia elétrica, de cinzas e adubo orgânico resultantes
do processamento de resíduos, além do custo de transmissão elétrica, da taxa de tratamento de
resíduos e os valores atualmente praticados para créditos de carbono. Na Tabela 1 são
60
60
apresentados os três cenários que foram adotados neste estudo, tendo variação do preço de
venda, dos custos, das taxas praticadas e do crédito de carbono. Esses parâmetros estão
sujeitos à dinâmica de mercado, apresentando certa oscilação em períodos de tempo mais
longos.
Tabela 1 - Estimativa de preços de venda de insumos em dólares7 por quantidade. Parâmetro operacionais
cenários Preços de venda de insumos Unidade Otimista Mais provável Pessimista Preço de venda de metal1 US$/kg 1,20 1,10 1,00 Preço de venda de papel1 US$/kg 0,13 0,11 0,09 Preço de venda de plástico1 US$/kg 0,13 0,11 0,09 Preço de venda de vidro1 US$/kg 0,13 0,11 0,09 Preço de venda de cinzas2 US$/kg 0,13 0,11 0,09 Preço de venda de adubo orgânico3 US$/kg 0,14 0,12 0,10 Preço de venda de energia elétrica4 US$/kWh 0,100 0,085 0,070 Custos - - - - Custos dos resíduos US$/kWh 0,077 0,082 0,087 Custo da transmissão de energia elétrica5 US$/kWh 0,009 0,011 0,013 Taxas a serem empregadas - - - -
Taxa de tratamento dos resíduos6 US$/kg 0,025 0,020 0,015 Créditos concebidos - - - - Crédito de Carbono7 US$/ton 8,00 6,00 4,00
Adaptação: Ferreira (2013)1; Karagiannidis (2013)2; Mfrural(2014)3; Rosa (2007)4; FIRJAN (2011) 5;
MPEP (2009)6 e Stanley E Yin(2013)7.
3.2 Região metropolitana
O processo de urbanização está intrinsecamente ligado ao desenvolvimento industrial
que ocorre de maneira mais pontual, diversamente do crescimento urbano, que se propaga de
forma desigual. Algumas cidades atuam como sedes do setor industrial enquanto que as
cidades ao redor concentram áreas mais residenciais, denominadas cidades-dormitório
(REOLON e SOUZA, 2006).
A região metropolitana é um fenômeno ou uma série de eventos de metropolização8
cujo crescimento urbano não apresenta um vínculo, padrão e/ou forma pré-definida por leis da
constituição. A origem ocorre casualmente da complexa atividade intermunicipal de redes
urbanas e de relações urbanas numa determinada localização (REOLON e SOUZA, 2006).
7 A cotação do dólar no período era de aproximadamente R$ 2,32 para cada US$ 1,00 (BMFBOVESPA, 2013) 8 Crescimento acelerado ou o desenvolvimento de uma metrópole (SENSAGENT, 2014)
61
61
Essa interação entre cidades próximas e distantes é algo rotineiro, como se pode
observar na Figura 13, na qual se visualiza a influência das cidades do estado de São Paulo
com outras cidades localizadas no estado e fora dele. Pode-se perceber que uma grande
concentração de influência entre as cidades ocorre na região metropolitana de São Paulo,
Campinas e Vale do Paraíba e Litoral Norte, e dada a sua proximidade física, torna-se atrativa
a avaliação de oportunidades de gestão integrada de resíduos municipais. Extrapolando as
pretensões da presente tese, o modelo desenvolvido pode ser aplicado com as devidas
adaptações a outras áreas de influência entre cidades, conforme observado no mapa.
Figura 13 - Representação da influência das cidades no estado de São Paulo
Fonte: O' Neill (2007)
3.2.1 Produção de resíduos
No estado de São Paulo, as maiores concentrações populacionais em cada região
metropolitana considerada neste estudo são as cidades de São Paulo, Campinas e São José dos
Campos, tendo uma população média de aproximadamente 10,4 milhões, 969 mil e 539 mil
habitantes, respectivamente (BRASIL, 2013,a,b).
O crescimento populacional em todas as três regiões metropolitanas se deveu à
oportunidade de emprego com boa remuneração em diversas indústrias ao redor das cidades-
polo, bem como pela qualidade de vida proporcionada por comércio e serviços. As regiões
62
62
metropolitanas de Campinas e do Vale do Paraíba e Litoral Norte apresentam histórico de
forte presença agrícola nos séculos XIX e XX. Ainda que se possa observar, ao longo do
tempo, uma oscilação na produção de resíduos devido a fatores diversos, em média a
produção de resíduos esteve em um patamar entre 0,6 kg até 1,0 kg gerado por habitante ao
dia (EMPLASA, 2013 e CETESB, 2012), valor inferior comparativamente aos valores médios
da União Europeia, que variam de 1,3 kg por habitante ao dia em 1995 até 1,42 kg por
habitante ao dia em 2007 (PAVLAS et. al, 2010).
Na Tabela 2 são apresentados os valores da população residencial das principais regiões
metropolitanas e aglomerados urbanos existentes no estado de São Paulo. Pode-se notar que
os centros urbanos com maior concentração populacional são a Região metropolitana de São
Paulo, Campinas e Vale do Paraíba e Litoral Norte.
Tabela 2 - Evolução da população residente de 2000 até 2010 nas RM e AU.
Região Metropolitana – RM População residente Incremento Proporção em relação ao estado de SP (%)
Aglomerado Urbano – AU
Absoluto Relativo TGCA (%) Ano de pesquisa 2000 2010 2000/2010 2000/2010 2000/2010 2000 2010
1 RM São Paulo (SP) 17878703 19683970 1805272 10,10 0,97 48,36 47,70 2 RM Campinas (SP) 2338148 2797137 458989 19,63 1,81 6,32 6,78 3 RM do Vale do Paraíba e Litoral Norte (SP) 1989692 2264594 274902 13,82 1,30 5,38 5,49
4 RM Baixada Santista (SP) 1476820 1664136 187316 12,68 1,20 3,99 4,03 5 AU de Piracicaba (SP) 1169891 1307256 137365 11,74 1,12 3,16 3,17 6 AU de Jundiaí (SP) 580065 698724 118659 20,46 1,88 1,57 1,69
Adaptação: Emplasa (2013)
Na Tabela 3 são apresentadas, para as regiões metropolitanas em análise, informações
relativas à quantidade média de resíduos gerados por dia em cada região, sendo que a terceira
coluna (geração) e quarta coluna (remanescente, ou seja, aquela que é lançada nos corpos
hídricos receptores) apresentam a carga de matéria orgânica gerada por habitante (DBO,
demanda biológica por oxigênio) gerada por dia. Para maiores informações sobre a produção
de resíduos consultarem as Tabelas 1.A e 2.A no Anexo A.
Tabela 3 – Produção de resíduos sólidos e coleta de esgoto nas regiões metropolitanas.
Região metropolitana Lixo por região metropolitana
(t/dia)
Carga Poluidora (t DBO/dia) Geração por região
metropolitana (t DBO/dia) Remanescente por região
metropolitana (t DBO/dia) RM Vale do Paraíba e Litoral Norte 1205,81 120,44 69,03 RM Campinas 2767,10 269,43 132,18 RM São Paulo 15910,53 1056,25 648,94
Adaptação: Cetesb (2012)
63
63
Na Figura 14 é apresentada a série histórica da produção de resíduos gerados ao longo
de vinte e dois anos na cidade de São José dos Campos; pode-se observar um crescimento
gradativo da produção de resíduos ao longo do tempo.
Figura 14 - Série histórica da produção de resíduos na cidade de São José dos Campos.
Adaptação: Balcazar et. al. (2013)
Na Tabela 4 é apresentada a composição mássica típica dos resíduos sólidos da cidade
São Paulo, em porcentagens de elementos básicos como carbono, hidrogênio, nitrogênio,
enxofre e oxigênio em base seca.
Tabela 4 – Composição típica do lixo de uma cidade, dividido por elementos e em massa.
Componentes Conteúdo de Umidade Cinzas Análise da Composição (% em base seca) (% em massa) (% em massa) (% em massa) C H N S O
Lixo orgânico 49,5 70 5 48 6,4 2,6 0,4 37,6 Papel 12 10,2 6 43,5 6 0,3 0,2 44 Papelão 6,8 5,2 5 44 5,9 0,3 0,2 44,6 Plástico 22,9 0,2 10 60 7,2 0 0 22,8 Tecidos 2,4 10 2,5 55 6,6 4,6 0,2 31,2 Borracha 0,3 10 10 78 10 2 0 0 Couro 0,3 10 10 60 8 10 0,4 11,6 Madeira 1,3 1,5 1,5 49,5 6 0,2 0,1 42,7 Vidros a 1,5 2 98,9 0,5 0,1 0,1 0 0,4 Metais ferrososa 1,9 2 90,5 4,5 0,6 0,1 0 4,3 Alumínio a 0,9 2 90,5 4,5 0,6 0,1 0 4,3 Outros 0,2 3,2 68 26,3 3 0,5 0,2 2
a - os materiais orgânicos contidos nos elementos, vidro, metais ferrosos e alumínio, são advindas de etiquetas, revestimento e outros materiais inscritos para determinada identificação.
Fontes: Mendes, Aramaki e Hanaki (2004) e Tchobanoglous et al. (1993)
64
64
Cada região apresenta características diversas de produção de resíduos devido às
características regionais (culturais, atividades econômicas desenvolvidas, níveis de renda da
população, dentre outras características) e sazonais. Existem cidades nas quais uma
porcentagem significativa da renda provém do turismo e serviços (terceiro setor), outras
apresentam uma economia voltada mais para a indústria de produção de bens consumíveis
(segundo setor).
Muitas cidades apresentam características agrícolas (primeiro setor), além de haver
municípios que se constituem centros de intercâmbio de mercadorias, com portos, aeroportos
e terminais. No contexto de todas essas características, muitos centros apresentam mais de um
setor no contexto de sua economia, produzindo resíduos específicos que devem ser tratados de
acordo com sua origem, provedor e tratamento.
Na Figura 15 é apresentada a série histórica relativa à evolução da porcentagem de
tratamento de esgoto realizado no estado de São Paulo no período de 2007 até 2012. Observa-
se que houve uma melhora significativa nos processos de tratamento do esgoto; as barras
azuis indicam a percentagem de esgoto tratado, enquanto que as barras vermelhas representam
a porcentagem de esgoto não tratado.
Figura 15 – Gráfico da evolução do tratamento de esgotos domésticos no Estado de São Paulo
Fonte: Cetesb, 2012(b).
Na Tabela 5 são apresentadas as características da origem dos resíduos produzidos por
diversos setores. São discriminadas as suas possíveis fontes de geração e as características do
resíduo gerado nestes estabelecimentos. De acordo com a Lei 12.305/2010, que instituiu a
Política Nacional de Resíduos Sólidos – PNRS (BRASIL, 2012a), o gerador do resíduo deve
se responsabilizar pela sua destinação final - o produtor deve responder judicialmente pela
destinação inadequada de resíduos oriundos de seu processo e/ou uso.
65
65
Tabela 5 – Características dos resíduos sólidos, sua possível origem e sua gestão
Resíduos sólidos
Fonte gerador. Resíduos produzidos Responsável Tratamento e disposição final
Domiciliar (RSD)
Residências, edifícios, empresas, escolas.
Sobras de alimentos, produtos deteriorados, lixo de banheiro embalagens de papel, vidro, metal, plástico, isopor, tretapac, pilhas, eletrônicos, baterias, fraldas e outros.
Município 1. Aterro sanitário 2. Central de triagem de recicláveis 3. Central de compostagem 4. Lixão
Comercial pequeno gerador
Comércios, bares, restaurantes, empresas.
Embalagens de papel e plásticos, sobras de alimentos e outros.
Município define a quantidade
1. Aterro sanitário
2. Central de triagem de coleta
3. Lixão
Grande gerador (maior volume)
Comércios, bares, restaurantes, empresas.
Embalagens de papel e plásticos, sobras de alimentos e outros.
Gerador 1. Aterro sanitário
2. Central de triagem de recicláveis
3. Lixão
Público Varrição e poda
Poeira, folhas, papéis e outros. Município 1. Aterro sanitário
2. Central de compostagem
3. Lixão Serviços de saúde (RSS)
Hospitais, clínicas, consultórios, laboratórios, outros.
Grupo A – biológicos: sangue, tecidos, vísceras, resíduos de análises clínicas e outros. Grupo B – químicos: lâmpadas medicamentos vencidos e interditados, termômetros, objetos cortantes e outros. Grupo C – radioativos. Grupo D – comuns; não contaminados; papéis, plásticos, vidros, embalagens e outros.
Município e gerador
1. Incineração
2. Lixão
3. Aterro sanitário
4. Vala séptica
5. Micro-ondas
6. Autoclave
7. Central de triagem de recicláveis Industrial Industrial Cinzas, lodos, óleos, resíduos alcalinos
ou ácidos, plásticos, papel, madeira, fibras, escórias e outros.
Gerador 1. Aterro industrial
2. Lixão Portos, aeroportos, terminais.
Portos, aeroportos, terminais.
Resíduos sépticos, sobras de alimentos, material de higiene e asseio pessoal e outros.
Gerador 1. Incineração
2. Aterro sanitário
3. Lixão Agrícola Agricultura Embalagens de agrotóxicos, pneus e
óleos usados, embalagens de medicamentos veterinários, plásticos e outros.
Gerador Central de embalagens vazias do
INPEV9
Construção civil (RCC)
Obras e reformas residências e comerciais
Madeiras, cimento, blocos, pregos, gesso, tintas, latas, cerâmicas, pedra, areia e outros.
Gerador Município e gerador pequeno e grande
1. Ecoponto 2. Área de transbordo e triagem (ATT)
3. Área de reciclagem
4. Aterro de RCC
5. Lixões Fonte: Jacobi e Besen (2011)
9 Instituto Nacional de Processamento de Embalagens Vazias (Inpev)
66
66
Na última coluna da Tabela 5 são apresentados os possíveis tratamentos de disposição
final dos resíduos gerados nesses processos. Observa-se que, com exceção dos resíduos de
serviço de saúde (oriundos de hospitais, consultórios, laboratórios, dentre outros) e resíduos
de serviço agrícola (embalagens de agrotóxicos e medicamentos veterinários, dentre outros),
os demais produtos gerados por diversas fontes poluidores apresentam o aterro sanitário como
principal opção de tratamento e disposição final dos resíduos.
Diversos países com limitação territorial e com leis ambientais mais severas se utilizam
da tecnologia de incineração como forma de geração de energia, em unidades waste-to-
energy, nas quais a prioridade é a eficiência de processamento e destruição dos resíduos,
sendo a energia gerada a partir dos gases de combustão um subproduto do processo, ainda que
com baixa eficiência.
A limitação de espaço dos países europeus não permite que sejam autorizadas diversas
concepções de aterros sanitários controlados devido a algumas características do aterro
sanitário, como a ocupação de uma considerável área, o preparo do terreno com manta
impermeabilizante, bem como o tempo após o fechamento do mesmo, que deve ser elevado
para não ocorrer acidentes, como deslizamento ou explosões devido ao acúmulo de gases de
processos anaeróbios.
3.3 Os locais das plantas
Por uma questão de aderência à atual realidade, foi assumido que os locais com
possibilidades de receber as plantas de processamento devem ser situados próximos àqueles
que atualmente são utilizados como pontos de recebimento e destinação final pelos
municípios. A localização de tais locais são restrições para a solução do problema de
otimização das rotas tecnológicas de processamento e distribuição de resíduos gerados nas
três regiões metropolitanas.
Na Figura 16 é apresentado o mapa da região metropolitana de São Paulo contendo as
informações da disposição final efetuada no ano de 2011, os municípios receptores e os
municípios provenientes (que enviam resíduos para os receptores). A cidade de São Paulo
apresenta dez pontos de concentração de resíduos, sendo que, desses pontos, cinco contam
com um elevado número de receptores de resíduos.
67
67
Figura 16 – Mapa da Região Metropolitana de São Paulo, com a disposição adequada e controlada e a quantidade de municípios receptores e nº de provenientes, data de 2009.
Fonte: Jacobi e Besen (2011)
Na Figura 17 é apresentado o mapa da região metropolitana de São Paulo com as
características dos municípios em relação à coleta seletiva e a produção de resíduos de cada
município. O município de São Paulo é a cidade com maior produção de resíduos sólidos e,
embora conte com alguma estrutura de coleta seletiva, esta é insuficiente para minimizar a
produção de resíduos a serem dispostos em aterros sanitários.
Na Figura 18 é apresentado o mapa com a localização das estações de tratamento de
esgotos (ETE) do município de São Paulo, sendo compostas pelas estações ETE Suzano
(marcada no mapa como “A”), a ETE São Miguel (marcada como “B”), a ETE Parque Novo
Mundo (marcada como “C”), a ETE ABC (marcada como “D”) e a ETE Barueri (marcada
como “E”). Mesmo as estações de tratamento de esgoto estando localizadas em determinados
municípios, elas atendem à demanda de municípios vizinhos devido à proximidade entre as
cidades. O município de São Paulo, devido às suas características demográficas e territoriais,
é o que apresenta maior necessidade de tratamento de esgoto, fazendo uso de todas as
estações de tratamento.
68
68
Figura 17 – Mapa da Região Metropolitana de São Paulo, com e sem coleta seletiva e a produção em toneladas por mês de resíduos sólidos de 2009.
Fonte: Jacobi e Besen (2011)
A cidade de São Paulo apresenta elevados índices de produção de resíduos, constatados
na cidade de São Paulo e em alguns municípios que fazem fronteira com a capital, como
Santo André, Santana do Parnaíba, Barueri e São Bernardo do Campo. Em algumas dessas
cidades, ocorre uma diminuição de produção de resíduos devido ao fato que essas cidades são
de população temporária (“cidades dormitórios”, nos dizeres de Moura; Branco e Firkowski,
2005). Devido a essa ação de deslocamento, chamada de migração pendular, as cidades
tendem a apresentar uma queda de índices de produção de resíduos, receitas, produção, dentre
outros fatores. Esse fenômeno de deslocamento é um fator que indica que não é possível
estudar uma cidade isoladamente devido às influências física, econômica e populacional de
outros municípios, que fazem fronteira ao seu redor (MOURA; BRANCO; FIRKOWSKI,
2005).
69
69
Figura 18 - Mapa da Região Metropolitana de São Paulo e com as principais estações de tratamento de esgoto (Figura 18 ampliada no APÊNDICE A, Figura 2.A)
Legenda:
Ponto A – Estação de Tratamento de Esgoto de Suzano Ponto B – Estação de Tratamento de Esgoto de São Miguel Ponto C – Estação de Tratamento de Esgoto de Parque Novo Mundo Ponto D – Estação de Tratamento de Esgoto do ABC Ponto E – Estação de Tratamento de Esgoto de Barueri
Adaptação de: Google Maps (2013)
70
70
Na Figura 19 é apresentada uma visão parcial do estado de São Paulo contendo as
cidades que recebem resíduos de outros municípios, indicados pelas circunferências
vermelhas com bordas pretas, sendo que as linhas pretas representam a conexão das mesmas
aos municípios geradores de resíduos. No Apêndice A – Figura 2.A é apresentado o mapa
completo do estado de São Paulo.
Figura 19 – Mapa do estado de São Paulo, com as cidades receptoras e geradoras de resíduos.
Adaptação de: São Paulo (2014)
Na Figura 20 é apresentado o mapa do estado de São Paulo contendo as regiões
metropolitanas e os pontos sugeridos nesta tese para a localização das possíveis instalações de
plantas de processamento de resíduos gerados pelos municípios. As cidades que receberam
plantas de processamento de resíduos já apresentam uma infraestrutura para receber os
resíduos gerados em seus municípios e municípios vizinhos, apresentando aterros sanitários
para alocar e enterrar os resíduos recebidos. No Apêndice A – Figura 1.A é apresentado o
mapa ampliado da região a ser analisada.
Os pontos de 1 a 9 correspondem aos locais existentes para recebimento e destinação
final dos resíduos pelas cidades e municípios destinados a esta função. As plantas
apresentadas de 1 até 9 estão localizadas nas seguintes cidades:
71
71
Região Metropolitana São Paulo
Paulo SãoItapeviCaieiras
Parnaíba de SantanaMauá
5 Planta4 Planta3 Planta2 Planta1 Planta
Região Metropolitana de Campinas
IndaiatubaPaulínia
7 Planta6 Planta
Região Metropolitana do Vale do Paraíba e Litoral Norte
Paulista CachoeiraTremembé
9 Planta8 Planta
Na Figura 21 é apresentado o mapa do estado de São Paulo contendo os limites dos
municípios e a qualidade (adequado, controlado, inadequado) dos aterros que são utilizados
para a destinação final dos resíduos produzidos em cada município. Os dados apresentados
informam a qualidade da destinação final dos resíduos em cada município referentes ao ano
de 2011 (ano da coleta de dados referentes a qualidade dos aterros analisados), sendo que em
comparação com anos anteriores as pesquisas revelaram uma melhora significativa na
qualidade da destinação final dos resíduos (CETESB, 2012).
72
Figura 20 – Mapa das regiões metropolitanas analisadas, com os locais demarcados.
Adaptação: CETESB (2012)
Planta 8 Planta 9
Planta 6
Planta 7
Planta 1
Planta 2
Planta 3
Planta 5
Planta 4
73
73
Figura 21 – Mapa do estado de São Paulo, com o índice de qualidade de aterro de resíduos nos municípios de 2011.
Fonte: CETESB (2012)
3.3.1 Os modelos de otimização empregados
Ao utilizar um código computacional para otimizar um determinado problema é
necessário analisar suas limitações, o tipo de variáveis que podem ser declaradas (se elas são
inteiras ou reais), o número de variáveis que podem ser utilizadas segundo cada tipo de
variável, a possibilidade ou não de processar inequações que serão inseridas no código, dentre
outros parâmetros.
A megaestrutura proposta para esta análise é formada por três superestruturas, a saber:
de processos térmicos, de processos biológicos e de processos renováveis, e que são na
sequência detalhadas. A modelagem da megaestrutura permitirá definir quais pontos de
recebimento e destinação final dos municípios das três regiões metropolitanas irá receber uma
ou mais das tecnologias existentes nas superestruturas, definindo-se tanto as tecnologias
quanto a capacidade operacional e o número de unidades a serem instaladas.
Os parâmetros a serem considerados na modelagem irão influenciar no tempo de
processamento computacional demandado para encontrar uma solução ótima. Para tornar o
74
74
processo de otimização mais eficiente será necessário utilizar um método de auxílio à decisão
para tornar o problema mais simples de ser otimizado, eliminando variáveis que iriam tornar o
processo mais demorado. Esse procedimento pode variar, de acordo com a estrutura de
otimização empregada.
Na presente tese foram inicialmente utilizadas duas plataformas computacionais, a
saber:
a) O software de otimização LINGO 10 (LINDO, 2014), cuja solução é buscada
através do método do gradiente reduzido para os problemas não lineares, além de
permitir o emprego da programação inteira, técnica que permite definir variáveis
como sendo binárias, podendo ser-lhes atribuídos apenas os valores nulo (0) ou
unitário (1). Por meio desse recurso, o modelo pode decidir por manter (com
variável binária unitária) ou eliminar (com variável binária nula) determinada
tecnologia da solução final a ser proposta;
b) O software de resolução de equações com bibliotecas de Engenharia EES Academic
Professional (FCHART, 2014), a partir do qual se empregou a técnica de algoritmos
genéticos para a obtenção da solução. Uma vez que o EES não dispõe de variáveis
binárias, algumas equações adicionais que emulam as variáveis binárias são
adicionadas ao modelo de megaestrutura, como discriminado na apresentação das
superestruturas.
3.3.2 Tecnologias consolidadas
As tecnologias consolidadas para os processamentos de determinado resíduos dependem
da natureza dos resíduos: os resíduos não orgânicos e sem possibilidade de reciclagem devem
ser incinerados, com ou sem aproveitamento da energia térmica; os resíduos de origem
biológica devem passar por processos de bioestabilização, como a compostagem ou digestão
anaeróbia; os resíduos recicláveis devem ser processados seguindo diretrizes e conceitos dos
4Rs; e os aterros sanitários controlados.
Com relação às tecnologias de tratamento térmico, é proposto a incineração em massa
dos resíduos sólidos (CONSONNI; GIUGLIANO; GROSSO, 2005a) e a incineração dos
resíduos em ciclo híbridos (BALCAZAR et. al., 2013). Com relação às tecnologias de origem
biológica ou processos de estabilização de resíduos orgânicos e biológicos, propõe-se a
análise de inclusão de compostagem (ANGELIDAKI; ELLEGAARD, 2003), biodigestores
75
75
mesofilicos (WEILAND, 2003) e biodigestores termofílicos (ANGELIDAKI, ELLEGAARD,
2003).
Os conceitos de redução, recuperação, reutilização e reciclagem são procedimentos que
devem ser repassadas à população, não de forma obrigatória, mas de forma a que a mesma
venha a ter o conhecimento sobre essa simples ação, e o quanto pode vir a contribuir para
otimizar o processo de tratamento dos resíduos nas grandes regiões metropolitanas.
Mesmo as tecnologias de processamento apresentam eficiências e limitações, gerando
resíduos que devem ser dispostos e/ou processados em outra tecnologia. Uma vez que tais
resíduos devem ser dispostos em locais apropriados para sua destinação final, os aterros
sanitários não podem ser totalmente desconsiderados.
3.3.3 Regiões metropolitanas do estado de São Paulo
O estado de São Paulo apresenta características industriais diversas. As regiões
metropolitanas de São Paulo, Campinas e Vale do Paraíba e Litoral Norte apresentam
características singulares em termos de indústrias, comércio, turismo, agricultura, lazer,
educação e tecnologia, dentre outras. Estes fatos tornam uma região mais atrativa que as
demais para a instalação de setores industriais específicos.
A região metropolitana de São Paulo apresenta uma grande densidade demográfica, com
indústrias de diversos setores e um consumo significativo de recursos naturais (dentre eles,
areia, pedra, cal, pedregulho, dentre outros, para construção civil), água potável, energia
elétrica, gás, produtos alimentícios, de higiene, dentre outros, e por consequência registra uma
elevada geração de resíduos, como resíduos sólidos e de origem sanitária (esgoto doméstico).
Na região metropolitana de São Paulo predomina o setor industrial, de serviços e
agrícola; a região metropolitana de Campinas apresenta características similares à região de
São Paulo, porém em escala reduzida devido à menor densidade populacional. A região
metropolitana do Vale do Paraíba e Litoral Norte apresenta características mais industriais e
agrícolas. Observa-se que quanto mais afastadas as cidades localizam-se da região
metropolitana de São Paulo, mais fortemente apresentam características agrícolas.
A região fronteiriça com a região metropolitana de São Paulo apresenta características
de indústria de alto valor agregado, como automobilística, aeronáutica e produtos eletrônicos;
analisando-se objetivamente a região do Vale do Paraiba e Litoral Norte, observa-se que
cidades como São José dos Campos, Taubaté, Pindamonhangaba e Guaratinguetá, nessa
76
76
sequência física em termos de distanciamento da capital, identicamente apresentam redução
da capacidade industrial.
Por outro lado, a partir de Aparecida (cerca de 8 km antes de Guaratinguetá no sentido
São Paulo-Rio de Janeiro), tendo na sequência Guaratinguetá, Canas e Cachoeira Paulista,
registra-se um forte movimento turístico religioso, que pode ser somado ao turismo histórico
das cidades do fundo do Vale do Paraíba (Queluz, Areias, Bananal, dentre outras).
3.4 Superestrutura das plantas
Neste item são apresentadas as superestruturas e uma descrição das tecnologias que são
utilizadas em cada uma delas. Tais tecnologias são aplicadas ao problema de otimização e na
sinergia tecnológica deste estudo, sendo aplicada aos locais candidatos a receber a
megaestrutura de processamento dos resíduos.
As tecnologias de processamento e estabilização de material biológico, dentre eles o
lodo de esgoto, os resíduos sólidos orgânicos, os dejetos de agroindústrias e fazendas,
chácaras e sítios, bem como resíduos de varrição e poda de árvores, compõem a
superestrutura de processos biológicos. As tecnologias que compõem tal superestrutura são:
- os processos de biodigestão anaeróbio termofílicos, utilizados para processar resíduos
com características que possam vir a contaminar o solo se depositados em locais não
apropriados;
- os processos de biodigestão anaeróbio mesofílicos, utilizados para processar resíduos
orgânicos com características menos impactantes se for depositado no solo de forma
inapropriada.
- os processos aeróbios de estabilização, também conhecidos por compostagem dos
resíduos orgânicos, que apresentam pouca umidade em sua composição.
Na Figura 22 é apresentada a superestrutura de processos biológicos. Nesta
superestrutura ocorre a separação dos resíduos recebidos nos resíduos líquidos e orgânicos
(como o lodo de esgoto, advindo de processos de tratamento de esgoto, resíduos de indústria
alimentícia, poda de árvores, dentre outras fontes) em três categorias: o lodo de esgoto que
será processado no biodigestor termofílico, resíduos orgânicos úmidos que serão processados
em biodigestores mesofílicos e os resíduos orgânicos secos, que serão bioestabilizados em
processos de compostagem. Prevê-se a possibilidade de existir progressão de processamento,
e assim, caso o resíduo gerado por uma tecnologia não esteja totalmente estabilizado, será
submetido a outra tecnologia de processamento para atender à bioestabilização.
78
As tecnologias estão dispostas em efeito cascata neste caso, ou seja, os resíduos com
maior conteúdo de umidade e maior toxicidade são processados nos reatores anaeróbios
termofílicos. Os reatores anaeróbios mesofílicos são utilizados caso haja sobras de material
dos reatores termofílicos e/ou uma demanda de resíduos com alto teor de umidade e baixa
toxicidade, como os resíduos sólidos orgânicos, dentre outros.
Os processos de compostagem são utilizados caso exista a necessidade de processar os
resíduos dos reatores mesofílicos e resíduos orgânicos com baixo teor de umidade, como
resíduos gerados de podas de árvores, varrição de ruas, dentre outros. As restrições de volume
de resíduo coletado, as características e os custos de transporte de uma localização outra
localização, a proximidade de uma megaestrutura que demanda por resíduos/combustível para
os ciclos híbridos, irá determinar qual a tecnologia que será inserida na superestrutura.
Nas equações (1) e (2) é utilizada uma variável binária10 (a variável binária para o
transporte de resíduos dkiTj) para indicar o transporte de determinado produto, que é
representado pelo subíndice T. O transportes dos resíduos orgânicos e líquidos é representado
pelo subíndice “k”, que define a tecnologia com que um determinado resíduo irá ser
processado – para k=1, a tecnologia é a termofílica, para k=2, a tecnologia é a mesofílica e
para k=3, a tecnologia é a compostagem. O transporte dos resíduos se fará de uma
determinada planta i para a uma planta j para processamento de resíduos provenientes de i.
Caso i=j, isto significa que os resíduos são processados na planta de origem.
A equação (1) apresenta a somatória da multiplicação das vazões dos resíduos por suas
respectivas variáveis binárias, para o modelo de otimização selecionar quais resíduos
orgânicos e líquidos que serão processados em uma determinada planta i. A equação (2)
representa a restrição do transporte de resíduos líquidos e orgânicos, que limita o
processamento dos resíduos a uma única planta, não sendo dividido por outra planta.
Para este estudo apenas é considerado o transporte dos resíduos orgânicos e líquidos.
Devido ao potencial de geração de combustível gasoso, o biogás, nos aterros sanitários, é mais
interessante transportar os resíduos a serem processados do que o biogás produzido nas
plantas. Os demais resíduos são processados nas plantas receptoras, devido à necessidade de
um setor de triagem.
9
1ll
.
ki.
dkiTj_km_Dm (1)
10 As variáveis inteiras booleanas são definidas como , sendo que d apenas pode assumir o valor nulo ou o valor unitário.
79
1dkiTj9
1j
(2)
sendo o subíndice “i” o número de plantas de processamento a serem analisadas neste estudo,
num total de nove de plantas candidatas, d é a variável booleana, k é a variável que representa
a superestrutura de processamento biológico, T é o transporte da planta i para a planta j, sendo
esta a planta de destinação final dos resíduos.
Nas equações (3) a (8) foi utilizada uma variável binária “diy1”, que deve assumir o
valor nulo (0) se o processo termofílico não existir e o valor unitário (1) se o processo
termofílico existir. Esta variável será utilizada para avaliar se é interessante ou não existir tal
tecnologia em cada uma das unidades de processo avaliada. O subíndice y representa a
superestrutura de processamento de materiais orgânicos e líquidos da planta i.
As equações de (3) a (8) se referem ao cálculo das vazões mássicas de biogás gerado no
processo termofílico, os resíduos gerados que podem ou não ser aproveitados para os
próximos processos de bioestabilização e o incinerador, respectivamente. As equações 9 e 10
representam as demandas de energia elétrica e térmica deste processo.
A variável ηBk é a eficiência do processo de biodigestão anaeróbio, na qual o subíndice
B representa a produção de biogás das tecnologias k. A variável ηR_k é a eficiência de
aproveitamento dos resíduos gerados nos processos de adubo orgânico, na qual o subíndice R
representa a produção de adubo orgânico pelas tecnologias k, sendo este insumo destinado
para a venda. As variáveis Kele_BGk e Kter_BGk (em kWh/kg) são estimativas de
performance de energia elétrica e térmica, respectivamente, nas quais o índice K representa a
performance de uma determinada tecnologia k para o consumidor de energia elétrica,
representado pelo subíndice ele, e energia térmica, representado pelo subíndice ter. No
processo de biodigestão anaeróbia, em função da produção de biogás expressa pela variável
ṁi_BGk, na qual o subíndice i representa a planta de processamento, BG representa o biogás
produzido pela tecnologia k da planta i.
O subíndice D representa a disponibilidade dos resíduos para a tecnologia k na planta i.
Como anteriormente apresentado, os valores de k estão situados entre 1 e 3; k =0 significa que
não há resíduos a serem processados e o valor de ṁi_D0=0. O subíndice RS representa os
resíduos sólidos gerados nos processos k de bioestabilização. Os subíndices RI e R são os
resíduos sólidos, respectivamente, que devem ser incinerados e os resíduos aptos a serem
utilizados como implementos agrícolas.
80
B_kki
.
1-kiki.
ηdiyk_Dm_Dm_BGm
(3)
B_kki
.
1-ki.
ki.
η-1diyk_Dm_Dm_RSm
(4)
ki.
ki.
ki.
_Rm_RIm_RSm (5)
R_kki.
ki.
η_Rm_RSm (6)
kki.
ki.
Kee_BG_BGm_eleW (7)
kki.
ki
.Ket_BG_BGm_terQ (8)
Com as equações (9) a (11) são calculados os consumos de energia elétrica total, a
geração total de biogás dos processos anaeróbios, os custos dos processos e o lucro da venda
de adubo orgânico. A variável HA é a quantidade de horas de trabalho das superestruturas ao
longo de um ano, valor estimado em 7500 horas por ano de trabalho, atrelado ao tempo de
operação anual típico de um conjunto a gás (SALES et. al., 2006).
A variável PVBIO_k é uma estimativa de preço de venda de adubo orgânico produzido
na superestrutura de processos biológicos, em função da vazão de composto orgânico
apropriado para a venda (expresso pela variável ṁi_Rk e k =3). A variável C_MO_BIOk, é
uma estimativa de custo de manutenção e operação, respectivamente, das tecnologias de
biodigestão termofílico, mesofílico e o processo de compostagem, em função dos produtos
gerados, expresso pela variável, respectivamente, ṁi_BGk. A equação 11 representa a
disponibilidade de combustível gerado por uma planta de processamento das tecnologias de
bioestabilização, na qual o subíndice BGD representa o biogás disponível na planta i.
3
1kki
.i
._eleW_ele_bioW (9)
2
1kki
..
i
._térQbio_tér_Q (10)
2
1ki
.i
._BGm_BGDm
k
(11)
Com as equações (12) a (13) são calculados o custo total e a receita total das tecnologias
de bioestabilização.
3600HAC_MO_BIO_Rm_BGm_TotalCusto3
1kki
.
ki.
iBio
k
(12)
81
BIO_kki.
iBio PV3600HA_Rm_TotalReceita (13)
Na Tabela 6 são apresentados os parâmetros de rendimento, preço de venda e custos de
manutenção e operação utilizados na superestrutura de tratamentos biológicos.
Tabela 6 – Produção de resíduos sólidos e coleta de esgoto nas regiões metropolitanas.
Parâmetro Valor unidade
ηB_1 40% - ηB_2 60% - ηB_3 0% - Kee_BG1 1,2 kWh/kg Kee_BG2 1,2 kWh/kg Kee_BG3 1,2 kWh/kg Ket_BG1 0,24 kWh/kg Ket_BG2 0,24 kWh/kg Ket_BG3 0 kWh/kg C_MO_BIO1 3,2 US$/MWh C_MO_BIO2 3,2 US$/MWh C_MO_BIO3 3,2 US$/MWh PVBIO_3 0,10 US$/kg
Fonte: Weiland (2003)
Na Figura 23 é apresentada, a título de esclarecimento dos procedimentos
desenvolvidos na modelagem empregada, a configuração de uma planta que processará
resíduos com características definidas de tal modo que resíduos líquidos orgânicos não serão
processados, tornando desnecessário o emprego da tecnologia de biodigestão termofílica na
configuração. Para ilustração de forma comparativa à Figura 22, neste caso a tecnologia de
biodigestão termofílica foi esmaecida, sendo portanto somente utilizadas as demais
tecnologias da superestrutura.
Na Figura 23 é apresentada a superestrutura de processos renováveis, que representa os
processos de reciclagem de matérias primas como metal, plástico, papel e vidro, onde
constam os fluxos dos materiais a serem reciclados, a matéria prima vinda da reciclagem e o
material a ser incinerado, devido as tecnologias de reciclagem apresentar o uso de energia
térmica, elétrica e matéria reutilizada e processos que não apresentam reaproveitamento 100%
da matéria prima reciclada para alguns materiais como os plásticos e os papeis, ocorre a
82
geração de matéria prima que não tem valor agregado para venda, sendo utilizado como
combustível para os incineradores.
Figura 23 - Superestrutura de processos biológicos escolhido.
As equações (14) a (17) representam, respectivamente, a produção de matéria prima
reciclagem, onde o subíndice P representa a matéria processada e o E é a matéria prima de
entrada, a vazão mássica de matéria a ser incinerada é representado pelo subíndice I, a
potência elétrica consumida para a matéria prima reciclagem e a potência térmica para o
processo de reciclagem de determinado elemento. O subíndice j representa o material
reciclado, sendo: – metal, representado por j=1; plástico, por j=2; papel, por j=3; vidro, por
j=4 – os elementos a serem processados com essa tecnologia. O índice i representa a planta
destinada para essa função. As variáveis Kele_Rj e Kter_Rj (em kWh/kg) são estimativas de
performance de energia elétrica e térmica, respectivamente, sendo que o índice K representa a
performance de um determinada matéria prima j para o consumido de energias elétrica,
representado pelo subíndice ele, e energia térmica, representado pelo subíndice ter. O índice
dix1 é a variável booleana, na qual o subíndice i se refere à planta de processamento e x1 à
superestrutura de processamento renovável.
Rjji.
ji.
ηdix1_Em_Pm (14)
Rjji.
ji.
ηdix1-1_Em_Im (15)
jji.
P_ji.
Kele_R_Em_eleW (16)
jji.
P_ji
.Kter_R_Em_terQ (17)
84
As equações (18) representa a demanda de potência elétrica total dos processos de
reciclagem. O subíndice i_ele_rec representa o consumo total de energia elétrica da planta i
dos processos de reciclagem, o subíndice i_elej representa o consumo de cada tecnologia dos
processamentos materiais recicláveis.
4
1jji
.i
._eleW_ele_recW (18)
As equações (19) até (21) representa a vazão mássica total dos resíduos
4
1jji
.i
._Em_Etotalm (19)
C_MO_RECHA3600_Pm_TotalCusto4
1jji
.
iREC
(20)
RECj
4
1jji
.
iREC PV_Pm_TotalReceita (21)
sendo “i” o número de plantas (valor máximo 9) de processamento a serem analisadas.
Na Tabela 7 são apresentados os parâmetros de rendimento, preço de venda e custos de
manutenção e operação utilizados na superestrutura de tratamentos biológicos.
Tabela 7 – Produção de resíduos sólidos e coleta de esgoto nas regiões metropolitanas.
Parâmetro Valor unidade ηR_1 100% - ηR_2 85% - ηR_3 85% - ηR_4 100% - Kee_R1 106,8 kWh/kg Kee_R2 88,2 kWh/kg Kee_R3 49,8 kWh/kg Kee_R4 251,4 kWh/kg Ket_R1 0 kWh/kg Ket_R2 0 kWh/kg Ket_R3 1,7 kWh/kg Ket_R4 3,33 kWh/kg C_MO_REC 3,2 US$/MWh PVREC1
4 1,00 US$/kg PVREC2
4 0,09 US$/kg PVREC3
4 0,09 US$/kg PVREC4
4 0,09 US$/kg Fonte: Ferreira (2013)4;
85
Na Figura 25 é apresentada uma superestrutura ilustrativa com as tecnologias a serem
utilizadas nos processos de reciclagem, na qual se observa que apenas plástico e metal são
disponíveis para serem processados, sendo que parcela não reciclável dos materiais que
apresentam um potencial térmico são destinados à superestrutura de tratamento térmico.
Figura 25 - Superestrutura de processos renováveis (reciclagem) em situação exemplo
Na Figura 26 é apresentada a superestrutura com tecnologias de processamento dos
resíduos por tratamento térmico, incineradores e máquinas térmicas para a estabilização dos
resíduos sólidos, líquidos e gasosos gerados nas regiões metropolitanas ou em outra
tecnologia de processamento de resíduo. A superestrutura de tratamento térmico é apresentada
as seguintes tecnologias e equipamentos na Figura 26, no lado esquerdo as tecnologias de
geração de vapor, o incinerador e sua caldeira acoplada, a caldeira convencional e caldeira de
recuperação com o conjunto a gás. Acima das caldeiras são apresentados os números de 1 até
5, que representam as linhas de fornecimento e retorno de vapor, que será utilizado na turbina
a vapor e/ou no processo térmico. Os números 1, 3 e 5 representam o vapor de saída das
caldeiras, e os números 2 e 4 representam o vapor de retorno das caldeiras, o número 0
86
representa a água fornecida para cada cadeira, utilizando uma bomba (que será alimentada
diretamente do barramento de energia elétrica) para cada gerador de vapor, no qual os
parâmetros de entrada de cada caldeira serão 0_1*, 0_2* e 0_3*.
As linhas de suprimento e retorno do vapor gerado, respectivamente, as linhas dos
processos térmicos, as linhas geração de energia elétrica e a torre de resfriamento. Nas linhas
de suprimento e retorno do vapor gerado e utilizado, o número 1 (representa a soma das
vazões das tecnologias utilizadas, válidas para os demais números) torna-se a vazão mássica
A que representa a entrada de vapor de alta pressão (EVAP). O número 2 torna-se a vazão
mássica B que representa a retorno de vapor de alta pressão (RVAP). O número 3 torna-se a
vazão mássica C que representa a entrada de vapor de média pressão (EVMP). O número 4
torna-se a vazão mássica D que representa a retorno de vapor de média pressão (RVMP). O
número 5 torna-se a vazão mássica E que representa a entrada de vapor de baixa pressão
(EVBP). O número 6 torna-se a vazão mássica F que representa a condensador (COND), e a
vazão de vapor de saída da turbina a vapor de condensação e a saída dos processos térmicos
que apresentam uma determinada qualidade me seu vapor.
A torre de resfriamento está representada logo abaixo das linhas de suprimento e
retorno. Abaixo da torre de resfriamento estão localizados ou linhas dos processos térmicos
que necessitam de energia do vapor de processo. Logo acima das linhas de suprimento e
retorno se encontra o barramento de energia elétrica gerada nas tecnologias das plantas e a
potência elétrica da concessionária.
No lado esquerdo da Figura 26 se encontram as turbinas a vapor a serem selecionadas,
desde a mais simples de condensação, com dois níveis de pressão, com três níveis de pressão
e a quarta com uma turbina de contrapressão e uma turbina de condensação com dois níveis
de pressão. As tecnologias presentes nesta superestrutura são de tratamento térmico dos
resíduos, através da oxidação em elevada temperatura, com uma determinada turbulência
dentro de fornalhas para esse fim. O incinerador com uma caldeira acoplada é uma tecnologia
difundida na União Europeia, Estados Unidos e Japão para geração de energia elétrica e
energia térmica, através de aquecimento distrital. O ciclo combinado é um arranjo de
tecnologias que usa do efeito de cascata térmica para aproveitar ao máximo a energia de um
determinado combustível. Devido às suas características tecnológicas, funciona com
combustíveis gasosos e/ou líquidos. Neste contexto, o ciclo combinado vai utilizar o biogás
oriundo dos processos de estabilização biológica com ou sem adição de gás natural.
88
O ciclo híbrido combina o ciclo a vapor de incineração com o ciclo combinado
gás/vapor de modo a aumentar a produção de energia elétrica e energia térmica, caso exista a
demanda por tal insumo, além do processamento e geração de insumos comercializáveis,
como as cinzas do processo de incineração.
Através da equação (22) são calculadas as vazões mássicas de resíduos para os
incineradores; a equação (23) permite calcular a quantidade de plantas com ciclos híbridos a
serem instaladas na planta de processamento. A variável ni _inc é o número de plantas com
ciclos híbridos, sendo esta a relação da vazão massa total dos resíduos por uma vazão mássica
padrão dos resíduos na qual é atrativo instalar ciclos combinados; para valores abaixo de um,
é interessante apenas a instalação de sistemas de incineração com processo de ciclo a vapor
acoplado. O valor nulo da variável ni _inc indica que pode haver apenas uma planta
convencional de incineração sem ciclo combinado acoplado.
3
1kki
.4
1jji
.i
.i
._RIm_Im_RSm_RS_Tm (22)
_RS_padrãom
_RS_Tminc_n .i
.
i (23)
A equação (24) é uma adaptação da variável inteira booleana dos modelos de
otimização para o emprego do software EES Academic Professional (FCHART, 2014). A
variável n[i] é a da quantidade de ciclos híbridos instalados que serão utilizados nas plantas; a
variável VACGi é uma variável artificial para transformar uma inequação em uma equação,
pois o valor de n[i] está sujeito à restrição da oferta de combustível (neste caso, dos resíduos a
serem incinerados nas plantas).
CGii VA_incnroundn[i] (24)
As equações (25) a (28) permitem calcular as vazões mássicas de vapor de processo,
as vazões de cinzas geradas, cinzas com potencial para comercialização e as cinzas para serem
depositadas em aterro sanitário. Em tais equações, diz5 é a variável booleana que determina
se esta tecnologia de geração de vapor estará ou não na planta de processamento i; o subíndice
d é a variável binária; o subíndice i identifica a planta de processamento; o subíndice z
identifica a superestrutura de tratamento térmico; z5 é a tecnologia empregada, neste caso a
incineração, sendo z6 a caldeira convencional e z7 o ciclo combinado.
89
diz5_VCImΔhη_RS_TmPCI_RS i.
.x
1aaCIi
.
(25)
red_rsi.
i.
η_RS_Tm_cinzasm (26)
cinzasVi.
i.
η_cinzasm_cinzasVm (27)
_cinzasASm_cinzasVm_cinzasm i.
i.
i.
(28)
o subíndice RS_T representa os resíduos sólidos totais que são incinerados; ηred_rs representa a
eficiência de redução mássica dos resíduos sólidos incinerados para serem convertidos em
cinzas. O subíndice i_cinzasV representa a cinzas que apresentam as características para
serem comercializadas, a ηcinzasV é a eficiência das cinzas que são vendidas. O subíndice
i_cinzasAS representa as cinzas que não apresentam as características próprias para a venda e
devem ser dispostas em aterro sanitário controlado.
As equações (29) a (33) permitem calcular a potência líquida dos conjuntos a gás
utilizados, a potência elétrica total dos conjuntos a gás, a vazão de biogás dos conjuntos a gás
(se for escolhido este combustível), a vazão de gás natural dos conjuntos a gás (se for
escolhido este combustível).
A equação (33) é uma restrição que limita o emprego de apenas um combustível no
conjunto a gás, limitando o uso de combustíveis através de variáveis inteiras booleanas –
apenas biogás (diz2=1 e diz4=0) ou apenas gás natural (diz2=0 e diz4=1) ou nenhum
combustível é utilizado (diz2=0 e diz4=0), sendo que d representa a variável binária, i é a
planta de processamento, z é a superestrutura de processamento térmico, 2 identifica o biogás
sendo usado no conjunto a gás e 4 identifica gás natural sendo usado no conjunto a gás. Isto
foi assumido devido à limitação mecânica do conjunto a gás de utilizar um determinado
combustível, inclusive com a possibilidade de o equipamento sofrer alterações quando opera
com biogás, devido ao baixo poder calorífico (NIKPEY et. al., 2014).
O uso de dois combustíveis diferentes sendo injetados na câmara de combustão dos
conjuntos a gás esta sendo estudada em pequenas máquinas e apresenta resultados
satisfatórios, conforme estudos realizados por Nikpey et. al. (2014). A variável ηGer é a
eficiência do gerador, as variáveis diz2 e diz4 são variáveis binárias para a seleção do
combustível que será utilizado nos conjuntos a gás das plantas.
_incnliq_cg_Wliq_cg_W ii (29)
90
gerii ηdiz4diz2_liq_cgW_ele_cgW (30)
PCI_BG3600
HRdiz2in_liq_cgW_BG_2m i
i.
(31)
PCI_GN3600
HRdiz4in_liq_cgW_GN_2m i
i.
(32)
1diz4diz2 (33)
sendo Ẇi_liq_cg a potência líquida total dos conjuntos a gás da planta i, sendo este o produto
da Ẇ_liq_cg, que é a potência líquida de um conjunto a gás, por ni_inc, que é o número de
conjuntos a gás em paralelo com o incinerador, para valores de ni_inc acima de 1; o valor de
ni_inc=0 significa que não há conjuntos a gás na planta, somente o uso de incineradores em
ciclo a vapor convencional.
Os subíndices i_BG_2 e i_GN_2 são, respectivamente, os combustíveis biogás e gás
natural utilizados no ciclo combinado. A escolha do combustível se dará em função do seu
custo e da sua disponibilidade de uso. A variável n[i] é o número inteiro de conjuntos a gás
utilizados nas plantas i. O HR é o Heat Rate do conjunto a gás.
A inequação (33) é empregada sem maiores problemas no software LINGO 10, porém
para seu uso no software EES é exigida sua adaptação na forma de uma equação, conforme a
equação (34), na qual a variável VAiz2 é uma variável artificial, sendo seu uso para ajustar o
valor dessa equação caso ocorra ou não o emprego de ambos os combustíveis.
1VAiz2diz4diz2 (34)
sendo VAiz2 a variável artificial da planta i na superestrutura de processamento térmico z do
ciclo combinado.
As equações (35) a (36) permitem calcular as vazões de gás natural e biogás das
caldeiras convencionais utilizadas para geração de vapor superaquecido (devido a uma
flexibilidade das caldeiras, que pode variar para cada equipamento, é possível utilizar tanto
gás natural quanto biogás para a geração de vapor) e qual combustível será utilizado neste
processo através do uso das variáveis binárias diz1 e diz3, sendo que d representa a variável
binária, i é a planta de processamento, z é a superestrutura de processamento térmico e os
números 1 é o biogás usado na caldeira convencional e o 3 é o gás natural usado na caldeira
convencional.
91
diz6_VCVmΔhηdizel_combustívmtívelPCI_combus i.x
1aaCV
1;3
qqi
.
(35)
2diz3diz1 (36)
sendo ηCV a eficiência da caldeira convencional, o subíndice _VCV é o vapor produzido na
caldeira convencional, o combustível neste caso é qual será o combustível utilizado, o biogás,
ou o gás natural, ou ambos, ou nenhum combustível.
Identicamente, a inequação (37) é uma adaptação de uma inequação para uma equação,
na qual a variável VAiz1 representa uma variável artificial para tornar a inequação (28) em
uma equação de modo a ajustar o valor dessa equação.
2VAiz1diz3diz1 (37)
sendo VAiz1 a variável artificial da planta i da superestrutura de processamento térmico z da
caldeira convencional.
As equações (38) a (40) permitem calcular as vazões de vapor superaquecido nas
caldeiras de recuperação, a vazão mássica total de gás natural e biogás.
diz7_VCCmΔhηT-Tdiz4diz2n[i]cp_ge_gasesm i.x
1aaCRch_crge
(38)
2
1q
2
1pqpi
.i
.diz_BGm_BGDm (39)
4
3q
2
1pqpi
.i
.diz_GNm_GNDm (40)
sendo ṁ_gases a vazão mássica dos gases de exaustão de um conjunto a gás analisado, cp_ge
o calor específico dos gases de exaustão do conjunto a gás, n[i] o número inteiro de ciclos
combinados em paralelo ao ciclo a vapor do incinerador, diz2 e diz4 as variáveis booleanas,
Tge a temperatura de saída dos gases de exaustão do conjunto a gás, Tch_cr a temperatura da
saída da chaminé da caldeira de recuperação, ηCR a eficiência da caldeira de recuperação. O
subíndice _VCC representa o vapor produzido no ciclo combinado. A ṁi_BGD é a vazão
mássica total, soma da vazão do ciclo combinado e da caldeira convencional, disponível do
combustível biogás dos processos da superestrutura de tratamento biológico. A variável
92
ṁi_GND representa a vazão mássica total, soma da vazão do ciclo combinado e da caldeira
convencional, disponível do combustível gás natural.
Na análise das caldeiras são apresentadas as equações (41) e (42), que representam as
linhas de suprimento e retorno dos equipamentos, as vazões das caldeiras (incineração,
convencional e recuperação), que se unem nas linhas de fornecimento (representados pelos
números 1, 3 e 5) e se repartem nas linhas de retorno (representados pelos números 2, 4, 0) em
decorrência de propriedades termodinâmicas que cada ponto apresenta. A Figura 27 ilustra
um exemplo no qual são utilizados os três tipos de geradores de vapor associados à estrutura
TV 4 da Figura 26, que apresenta duas turbinas em sua configuração, uma de contrapressão e
outra de condensação, e dois níveis de reaquecimentos.
Figura 27 – Representação de uma configuração com três geradores de vapor em três níveis
de pressão de superaquecimento.
diz7_VCCmdiz6_VCVmdiz5_VCImitm ai.
ai
.
ai.
a
. (41)
a
.
a
.
a
.iPmitmiTm (42)
93
sendo ṁ_ita a soma das vazões mássicas das tecnologias de geração de vapor, incinerador,
caldeira convencional e ciclo combinado, que são disponíveis; ṁ_iTa é a vazão mássica de
entrada da turbina a vapor para a geração de energia mecânica/elétrica; ṁ_iPa é a vazão
mássica de entrada dos processos que demandam potência térmica.
Pela equação (43) é calculada a potência da turbina a vapor escolhida para operar na
instalação, na qual as variáveis diTV1 até diTV4 representam variáveis binárias para seleção
da turbina a vapor mais adequada à planta. A equação (44) é a restrição das somas das
variáveis binárias, na qual se expressa que apenas um dos modelos que concorrem no projeto
será implantado na planta candidata.
4
1bbb diTVi_TVWi_TVW (43)
1diTV4
1bb
(44)
Por meio da equação (45) é calculada a potência da turbina a vapor. As equações (46)
estabelecem a condição de conservação de massa nos elementos da turbina. O subíndice b
representa a turbina a vapor que será empregada, ou seja, para b=1, a turbina a vapor utilizada
é de condensação sem extração e sem reaquecimento; para b=2, a turbina a vapor utilizada é
de condensação com extração e com um nível de reaquecimento; para b=3, a turbina a vapor
utilizada é de condensação com extração e com dois reaquecimentos; para b=4, a turbina a
vapor utilizada são duas máquinas, uma turbina a vapor de contrapressão de alta pressão e sua
saída de vapor e reaquecida antes de ser direcionada para a segunda turbina a vapor, sendo
esta de condensação com extração e com reaquecimento. O subíndice “a” representa os
pontos de estado termodinâmico antes e depois dos equipamentos.
b
6
1aa
.
ab diTViTmhi_TVW
(45)
654321
654321
6321
61
mmmmmm61;2;3;4;5;a4bmmmmmm61;2;3;4;5;a3b
mmmm1;2;3;6a2bmm6 1;a1b
(46)
94
A inequação (47) é uma restrição das tecnologias de produção de vapor que podem
existir na planta candidata, valor limitado a 3 pois na superestrutura só há 3 tecnologias de
geração de vapor. As tecnologias consideradas são as caldeiras de incineração, a caldeira
convencional e a caldeirade recuperação. O modelo irá selecionar quais tecnologias serão
empregadas. Para o uso de inequação (47) foi introduzido a variável artificial VATT, para
torná-la a equação (48).
3 diz7diz6diz5 (47)
3VA diz7diz6diz5 TT (48)
sendo VATT a variável artificial da superestrutura de tratamento térmico, para assumir valores
[0,3], tornando a inequação (47) na equação (48).
As equações (49) a (52) representam as equações da energia elétrica utilizada pelas
bombas nas plantas, sendo a última equação a soma total das bombas.
00_1 hhdiz5Mi_vcii_bomba_1W (49)
00_2 hhdiz6Mi_vcvi_bomba_2W (50)
00_3 hhdiz7Mi_vcci_bomba_3W (51)
3
1HHi_bombaWtali_bomba_ToW (52)
sendo Ẇi_bomba a potência consumidas pelas bombas, onde o subíndice 1 representa a
bomba da caldeira do incinerador; 2 representa a bomba da caldeira convencional e 3 a bomba
da caldeira de recuperação; h0_ é a entalpia de entrada das caldeiras em determinada condição
de temperatura e pressão, sendo que o subíndice 1 identifica a caldeira do incinerador, 2 a
caldeira convencional e 3 a caldeira de recuperação; Ẇi_bomba_Total representa a potência
total consumida pelas bombas da superestrutura de tratamento térmico.
As equações (53) a (56) apresentam as equações da energia elétrica gerada pelas
tecnologias de geração de energia utilizadas nas plantas. A equação (55) corresponde à
geração total líquida da planta de energia elétrica.
gerηi_TVWi_Ele_TVW (53)
i_Ele_CGWi_Ele_TVWdoi_Ele_GeraW (54)
95
i_Ele_bioW-i_Ele_recW-tali_bomba_ToW-doi_Ele_GeraWli_Ele_TotaW (55)
2
1kki
.x
1aaa
..
i
._terQΔhiPmTotal_ter_Q (56)
sendo Ẇi_Ele_TV a potência elétrica da turbina a vapor escolhida pelo modelo de otimização.
O índice Ẇi_Ele_Gerado representa a potência elétrica gerada pela turbina a vapor e pelo
conjunto a gás do ciclo combinado. O índice Ẇi_Ele_Total representa a potência elétrica que
é possível ser comercializada, pois atendeu às necessidades de energia elétrica de outra
superestrutura que demanda por determinada quantidade de energia elétrica. O índice
total_ter_Qi representa a quantidade de potência térmica que as demais superestruturas
demandam para atender seus processos.
As equações (57) a (62) representam a receita e o custo da planta de processamento
térmico:
cinzasi.
EleiTT PV3600HA_cinzasVmPVHAli_Ele_TotaW_TotalReceita (57)
MO;TV1 CHAi_Ele_TVWCustoi (58)
CGMO;2 CHAi_Ele_CGWCustoi (59)
_BGDmPCIHACCustoi i.
BGBG3 (60)
_RS_TmPCIHACCustoi i.
RSRS4 (61)
4
1GGiTT Custoi_TotalCusto (62)
sendo o índice a ReceitaiTT_Total a receita total da superestrutura de tratamento térmico,
composta pelas energia elétrica total vendida por ano (HA) pelo preço de venda de energia
elétrica no índice PVEle e a quantidade de cinzas vendidas pelo ano, com o preço das cinzas
vendidas PVcinzas. O índice CustoiTT_Total representa o custo total da superestrutura de
tratamento térmico, composto por Custoi1, o custo referente a turbina a vapor pelo tempo de
uso anual (HA) e o custo de manutenção da turbina a vapor CMO;TV. O custo composto por
Custoi2 identifica o custo referente ao conjunto a gás pelo tempo de uso anual e o custo de
manutenção do conjunto a gás CMO;CG. O custo composto por Custoi3 representa o custo
referente a produção de biogás em processos de biodigestão ao longo do ano e o custo de
manutenção CBG dos equipamentos. O custo composto por Custoi4 representa o custo
96
referente ao transporte e tratamento dos resíduos sólidos ao longo do ano e o custo de
manutenção CRS dos equipamentos.
Na Tabela 8 são apresentados os parâmetros de rendimento, preço de venda e custos de
manutenção e operação utilizados na superestrutura de tratamentos térmicos.
Tabela 8 – Produção de resíduos sólidos e coleta de esgoto nas regiões metropolitanas.
Parâmetro Valor unidade
ηCI 75% - ηred_rs 25% - ηCinzasV 80% - ηger 95% - ηCV 80% - ηCR 75% - CMO;TV 0,0030 US$/kWh CMO;CG 0,0032 US$/kWh CBG 0,00 US$/kWh CGN 0,0024 US$/kWh PVEE
4 0,0850 US$/kWh PVCinzas
4 0,11 US$/kg Fonte: Lora (2004)
Na Figura 28 é apresentado o esquema de uma superestrutura de processos térmicos
com as tecnologias selecionadas para atender à demanda de geração de resíduos de uma
determinada localidade, sendo mostradas as tecnologias que serão utilizadas, ao passo que as
que não foram selecionadas são apresentadas de forma esmaecida. As tecnologias
selecionadas são a incineração e a queima de um combustível gasoso em uma caldeira
convencional, com geração de eletricidade em turbina a vapor e venda de excedente à
concessionária. A baixa produção de biogás, no caso, contribuiu para a escolha dessa
tecnologia de geração de vapor. A turbina a vapor utilizada (turbina 4) apresenta
características que favoreceram a sua escolha, como maior demanda de vapor a ser utilizada
em processos térmicos, que é outro item em destaque.
97
Figura 28 - Superestrutura de processos térmicos em situação exemplo
3.5 A megaestrutura para a região a ser analisada
A megaestrutura é uma reunião das três superestruturas apresentadas (Figuras 22, 24 e
26) e que contém tecnologias distintas que competem e interagem entre si para existirem na
mesma planta. As três superestruturas distintas de processamento de resíduos, mais a adição
de um aterro sanitário, irão competir entre si e integrar-se de forma a melhorar a receita total e
inserir tecnologias de processamento de resíduos e minimizar passivos ambientais, melhorias
econômicas e sociais.
Os insumos produzidos serão comercializados, como a energia elétrica, ou utilizados
por outro equipamento, como o biogás que pode ser utilizado para alimentar um conjunto a
98
gás, melhorando a eficiência de geração de energia elétrica, processamento e de produção de
matéria prima.
Em todos os processos existem limitações que devem ser levadas em consideração no
momento da escolha de determinado equipamento, porém as limitações de uma tecnologia
podem ser a oportunidade de outro processo, como o uso de energia térmica de termelétrica
em processos biológicos e processos de reciclagem.
Serão escolhidos locais candidatos para serem inseridas as megaestruturas de modo que,
se houver um excedente de determinado insumo que seja de uso de outra megaestrutura
próxima, ocorra o transporte do mesmo para a megaestrutura que o demande.
Na Figura 29 é apresentada a megaestrutura modelada na presente tese, com as
tecnologias que vão competir e interagir. Algumas tecnologias precisam de produtos de
outras, como as tecnologias dos processos de tratamento térmico, que precisam de
combustível, sendo este uma biomassa ou biogás. As tecnologias de processos biológicos
necessitam de energia térmica e de energia elétrica para efetuarem a biodigestão dos resíduos
orgânicos e do lodo de esgoto. As tecnologias de processos renováveis necessitam de energia
elétrica e térmica para processar a matéria prima reciclável.
Na megaestrutura, as tecnologias e os insumos a serem utilizados são selecionadas
como ilustrado na Figura 30, apresentada a título de ilustração de uma possível situação na
qual a megaestrutura não selecionou o uso de gás natural devido a um maior custo deste
combustível e o modelo de otimização optou pelo uso do biogás.
100
Figura 30 – Megaestrutura referente a situação exemplo
As equações (63) a (64) estabelecem as equações que irão pautar a escolha das
tecnologias através da maximização da receita esperada das diversas instalações que
concorrem e interagem entre si, com e sem o auxílio do transporte de resíduos.
i
1niBioiTTiRECTotal _TotalReceita_TotalReceita_TotalReceitaReceira (63)
i
1niBioiTTiRECTotal _TotalCusto_TotalCusto_TotalCustoCusto (64)
A variável ReceitaiREC_Total é o lucro total de cada planta para os processos da
superestrutura de tratamento renováveis, a variável ReceitaiTT_Total é o lucro total de cada
planta para os processos da superestrutura de tratamento térmico e ReceitaiBio_Total é o lucro
total de cada planta para os processos da superestrutura de tratamento biológicos. A variável
ReceitaTotal é a somatória dos lucros das três superestruturas de cada planta e a soma das 9
plantas candidatas.
101
A variável CustoiREC_Total é o custo total de cada planta para os processos da
superestrutura de tratamento renováveis, a variável CustoiTT_Total é o custo total de cada
planta para os processos da superestrutura de tratamento térmico e CustoiBio_Total é o custo
total de cada planta para os processos da superestrutura de tratamento biológicos. A variável
CustoTotal é a somatória dos custos das três superestruturas de cada planta e a soma das 9
plantas candidatas.
A equação (65) representa o lucro obtido pela implantação das tecnologias escolhidas na
megaestrutura, obtido pela soma das receitas totais e dos custos totais de todas as plantas e
processos, ou seja, é a receita total das plantas e suas superestruturas; a equação (66)
apresenta a função objetivo do problema, ou seja, maximizar a receita total das plantas.
TotalTotalTotal CustoReceitaLucro (65)
TotalLucroMax (66)
A modelagem da megaestrutura está apresentada no APÊNDICE D na forma do
algoritmo elaborado para ser implementado no software LINGO, ao passo que no APÊNDICE
E se apresenta o algoritmo elaborado para ser implementado no software EES (Engineering
Equation Solver), que apresenta um pacote de otimização com o algoritmo genético.
3.6 Parâmetros Utilizados
Neste subitem são apresentados os parâmetros e os valores adotados para efetuar a
análise deste estudo. Os parâmetros são estimados a partir de diversas fontes a respeito de
produções médias de resíduos, parâmetros operacionais adotados na indústria, dentre outros.
Na Tabela 9 são apresentados os valores de vazão mássica, respectivamente, de resíduos
sólidos incineráveis [ṁRSI], resíduos orgânicos [ṁRO], lodo de esgoto [ṁRL], plásticos
[ṁEplástica], papel [ṁEpapel], metal [ṁEmetal] e vidro [ṁEvidro] (CETESB, 2012(a); CETESB,
2012(b); TCHOBANOGLOUS, THEISEN e VIGIL, 1993).
Na Tabela 10 são apresentados os valores das distâncias aproximadas entre as plantas de
processamento. Os valores foram obtidos em websites de estimativa de distância (GOOGLE
MAPS, 2013 e MAPEIA, 2013). A distância da planta 1 para a planta 2 lê-se na linha da
102
planta 1 e na coluna dist. P2, da planta 3 para a planta 5 na linha da planta 3 e na coluna dist.
P5, e assim sucessivamente.
Na Tabela 11 são apresentados os valores monetários aproximados dos pedágios entre
as plantas de processamento. Os valores foram obtidos em websites de estimativa de custo de
pedágio (MAPEIA, 2013). Observa-se que a diagonal principal de ambas as tabelas apresenta
o valor nulo.
Tabela 9 - Distribuição da vazão mássica de resíduos nas plantas candidatas.
Vazões mássicas [kg/s] Reg. Metr. Cidade Planta ṁRSI ṁRO ṁRL ṁEplástica ṁEpapel ṁEmetal ṁEvidro
São
Paul
o
Mauá Planta1 8,91 11,39 1,95 0,95 0,78 0,64 0,35 Santana de Parnaíba Planta2 3,41 4,36 0,81 0,36 0,30 0,25 0,13 Caieiras Planta3 32,49 41,56 5,45 3,46 2,84 2,35 1,26 Itapevi Planta4 1,59 2,04 0,38 0,17 0,14 0,12 0,06 São Paulo Planta5 38,84 49,69 6,22 4,14 3,40 2,81 1,51
Cam
pina
s Paulínia Planta6 11,79 15,08 2,96 1,26 1,03 0,85 0,46 Indaiatuba Planta7 0,68 0,87 0,16 0,07 0,06 0,05 0,03
Par.
do
Sul e
L.
N
orte
Tremembé Planta8 5,38 6,88 1,35 0,57 0,47 0,39 0,21 Cachoeira Paulista Planta9 0,92 1,17 0,28 0,10 0,08 0,07 0,04
Tabela 10 - Distâncias típicas entre as plantas candidatas. Distância das plantas (km) Cidade Planta dist. P1 dist. P2 dist. P3 dist. P4 dist. P5 dist. P6 dist. P7 dist. P8 dist. P9 Mauá Planta1 0 71 67 71 30 149 136 158 215 Santana de Parnaíba Planta2 84 0 46 21 48 108 89 190 237 Caieiras Planta3 64 41 0 40 39 109 97 185 241 Itapevi Planta4 89 23 46 0 48 128 94 191 238 São Paulo Planta5 28 41 37 41 0 119 107 156 213 Paulínia Planta6 147 102 112 123 122 0 52 225 282 Indaiatuba Planta7 133 87 97 94 107 51 0 254 301 Tremembé Planta8 159 190 186 189 160 224 235 0 76 Cachoeira Paulista Planta9 214 245 241 245 215 278 290 71 0
Tabela 11 - Estimativa de pedágio entre as plantas candidatas. Pedágio Rodoviário entre plantas (R$)
Cidade Planta dis. P1 dis. P2 dis. P3 dis. P4 dis. P5 dis. P6 dis. P7 dis. P8 dis. P9 Mauá Planta1 0,00 3,30 1,50 3,30 0,00 14,50 25,00 9,80 19,90 Santana de Parnaíba Planta2 3,30 0,00 4,80 0,00 3,30 7,20 0,00 13,10 22,80 Caieiras Planta3 1,50 1,50 0,00 1,50 1,50 16,00 26,50 11,30 21,40 Itapevi Planta4 0,00 0,00 4,80 0,00 3,30 19,30 6,60 13,10 22,80 São Paulo Planta5 0,00 3,30 1,50 3,30 0,00 14,50 25,00 9,80 19,90 Paulínia Planta6 14,50 7,20 16,00 16,00 14,50 0,00 10,50 23,20 33,30 Indaiatuba Planta7 25,00 17,70 26,50 9,00 25,00 10,50 0,00 34,80 44,50 Tremembé Planta8 9,80 13,10 11,30 13,10 9,80 23,20 33,70 0,00 10,10 Cachoeira Paulista Planta9 19,90 23,20 21,40 23,20 19,90 33,30 43,80 10,10 0,00
103
Na Tabela 12 são apresentados os valores monetários do transporte de carga em função
da distância e do tipo de caminhão adotado. Seguindo o mesmo critério de distâncias da
Tabela 8, obtém-se o custo aproximado de transporte de resíduos por tonelada de resíduos.
O caminhão adotado para este estudo é um modelo com engate, dotado de 6 eixos. Tal
categoria de caminhões tem capacidade máxima de carga de 47 toneladas, sendo um veículo
comumente utilizado para o transporte de carga no estado de São Paulo, sendo os valores
obtidos de Guia do Transporte (2013).
Tabela 12 - Custo por carga entre as plantas candidatas.
Custo por carga [R$/tonelada] Cidade Planta dis. P1 dis. P2 dis. P3 dis. P4 dis. P5 dis. P6 dis. P7 dis. P8 dis. P9 Mauá Planta1 12,2 18,6 18,6 18,6 12,2 24,9 24,9 31,3 37,7 Santana de Parnaíba Planta2 18,6 12,2 12,2 12,2 12,2 24,9 18,6 31,3 37,7 Caieiras Planta3 18,6 12,2 12,2 12,2 12,2 24,9 18,6 31,3 37,7 Itapevi Planta4 18,6 12,2 12,2 12,2 12,2 24,9 18,6 31,3 37,7 São Paulo Planta5 12,2 12,2 12,2 12,2 12,2 24,9 24,9 31,3 37,7 Paulínia Planta6 24,9 24,9 24,9 24,9 24,9 12,2 18,6 37,7 44,0 Indaiatuba Planta7 24,9 18,6 18,6 18,6 24,9 18,6 12,2 44,0 44,0 Tremembé Planta8 31,3 31,3 31,3 31,3 31,3 37,7 37,7 12,2 18,6 Cachoeira Paulista Planta9 37,7 37,7 37,7 37,7 37,7 44,0 44,0 18,6 12,2
Na Tabela 13 são apresentados os valores de venda de resíduos recicláveis praticados no
Brasil. Tais valores apresentam variação dependendo da cooperativa e/ou empresa
responsável pela coleta e seleção desse material. A variação pode ocorrer devido ao preço do
transporte, impostos, dentre outros elementos que agregam valor ao produto.
Tabela 13 - Estimativa de preços de venda de material reciclável.
Material Valor de venda [R$/kg]
Papel 0,10
Papelão 0,10
Plástico fino 0,10
Plástico duro 0,10
Metal ferroso 0,03
Metal não ferroso 1,00
Vidro 0,03 Fonte: Ferreira (2013)
104
3.6.1 Parâmetros termodinâmicos de operação da superestrutura de tratamento térmico
Na Tabela 14 são apresentados os parâmetros operacionais das unidades de geração
termelétricas propostas nesta tese. De acordo com as premissas de projeto estabelecidas para
esta tese, as condições de pressão, temperatura, entalpia, entropia e qualidade de vapor foram
estabelecidas para os pontos principais da superestrutura de processos térmicos. Os pontos se
referem à Figura 26, de acordo com valores comerciais e atendendo a limitantes tecnológicos.
O conjunto de parâmetros do ponto 0_1* corresponde à condição de entrada da caldeira
de incineração, ao passo que o conjunto de parâmetros 0_2* e 0_3* são as entradas das
caldeiras de recuperação e convencional, respectivamente. O valor de pressão assumido para a
caldeira de incineração, inferior aos das demais caldeiras, se deve ao agravo ao material dos
tubos do superaquecedor por conta da corrosão, e são consistentes com Korobitsyn et al.
(1999).
Tabela 14 – Parâmetros termodinâmicos adotados neste estudo
Ponto Pressão [kPa] Temperatura [°C] Entalpia [kJ/kg] Entropia [kJ/kg.K] Título [-]
0_1* 4200 120,2 507,6 1,527 - 0_2* 12000 120,7 515,1 1,525 - 0_3* 12000 120,7 515,1 1,525 -
0 199 120,0 503,8 1,528 0,00 1 12000 540,0 3454,0 6,621 - 2 4400 385,5 3171,0 6,664 - 3 4200 440,0 3304,0 6,879 - 4 1400 293,7 3026,0 6,928 - 5 1200 430,0 3325,0 7,471 - 6 10 45,0 2463,0 7,787 0,95
Devido à baixa potência do conjunto a gás CG1, uma vez posto a operar o modelo de
otimização, constatou-se a necessidade do emprego de quatro unidades desse conjunto a gás
em paralelo com cada incinerador, como apresentado na Figura 31, enquanto que para o uso
de uma unidade do conjunto a gás CG2, que apresenta um consumo quatro vezes maior que o
conjunto a gás CG1, mas com um potencial de geração cinco vezes superior, constatou-se a
atratividade de um conjunto a gás com caldeira de recuperação associado a um incinerador
com caldeira acoplada, como pode ser visto na Figura 32. Os demais conjuntos a gás contam
com potências intermediárias e poderão ser empregados para a análise de outras situações
semelhantes, em novos estudos de casos, bem como a variação do número de conjuntos a gás
por incinerador se fará em relação à potência de cada conjunto a gás.
105
Figura 31 – Esquema da configuração de quatro ciclos combinados utilizando o conjunto a
gás CG1 em paralelo ao incinerador com caldeira acoplada.
Figura 32 – Esquema da configuração de um ciclo combinado utilizando o conjunto a gás
CG2 em paralelo ao incinerador com caldeira acoplada.
106
Na Tabela 15 são apresentados os conjuntos a gás propostos para serem utilizados neste
estudo. O parâmetro considerado para a seleção deste equipamento é a temperatura dos gases
de exaustão na saída da turbina a gás. Como a temperatura de vapor superaquecido na saída
da caldeira de recuperação é de 540º C, a temperatura dos gases de exaustão deve ser superior
a este valor, como é mostrado na coluna referente à temperatura de exaustão dos gases de
combustão, para evitar a necessidade de queima suplementar.
Tabela 15 – Conjuntos a gás com potencial para serem utilizados em ciclos híbridos.
CGi Empresa fabricante Modelo ẆLíquido [kW]
HR [kJ/kWh] η (%) RP ṁgás
[kg/s] Texaustão
[°C] Rotação [RPM]
Custo [106 US$]
CG1 Vericor VPS3 3152 13248 27,2 8,8 12,9 599 15400 2,10 - Vericor vps4 3522 12558 28,7 10,1 13,8 580 15400 2,23 - Rolls-Royce 501-KB5 3897 12391 29,0 10,3 15,4 560 14200 2,39 - Centrax Gas Turbine CX501 KB5 3947 14389 25,0 10,2 15,8 555 14571 2,39 - IHI Power Systems IM400 4100 13227 27,2 10,9 15,9 580 14580 2,45 - Centrax Gas Turbine CX501 KN5 4495 11659 30,9 10,7 16,4 549 14200 2,72 - Solar Turbines Taurus 65 6300 10943 32,9 15,1 21,1 549 14951 3,48
CG2 Hitachi H-15 16900 10495 34,3 14,7 52,7 564 9710 7,37 Fonte: (GTW, 2011)
3.7 Análise termodinâmica das plantas
Foi efetuado o cálculo da eficiência de Primeira Lei da Termodinâmica para cada planta
e para o conjunto total das plantas, para compará-las com plantas existentes ou em resultados
de eficiência de outros estudos similares. A equação (67) representa a eficiência de geração de
cada planta e a equação (68) representa a eficiência de geração de todas as plantas.
A equação (69) representa a razão entre a energia elétrica fornecida/vendida para a
concessionária de energia elétrica e o combustível utilizado para esse processo. A equação
(70) representa a eficiência global das plantas, utilizando esse mesmo critério. A equação (71)
representa a eficiência térmica com base nos resíduos sólidos incinerados e a equação (72)
representa eficiência térmica global com base nos resíduos sólidos incinerados.
2
i.
i.
i.
Geradotérmica_i_ 10_BGDmPCI_BG_RS_TmPCI_RS
o_ele_geradWη
(67)
2..
.
radotérmica_Ge 10l_BGD_GlobamPCI_BGl_RS_TGlobamPCI_RS
o_Total_ele_geradWη
(68)
107
2
i.
i.
i.
Fornecidotérmica_i_ 10_BGDmPCI_BG_RS_TmPCI_RS
cido_ele_ForneWη
(69)
2..
.
rnecidotérmica_Fo 10l_BGD_GlobamPCI_BGl_RS_TGlobamPCI_RS
cido_Total_ele_ForneWη
(70)
2
i
CCii.
RStérmica_i_ 10_RS_TmPCI_RS
η_BGDmPCI_BGo_ele_geradWη
(71)
2CC
.
térmica_RS 10l_RS_TGlobamPCI_RS
ηBGD_GlobalmPCI_BGo_Total_ele_geradWη
(72)
sendo o subíndice i_Gerado é a eficiência térmica da potência elétrica gerada por planta;
ηGerado representa a eficiência térmica da potência elétrica gerada no total; ηi_Fornecido representa
a eficiência térmica da potência elétrica fornecida/vendida por planta e ηFornecido representa a
eficiência térmica da potência elétrica fornecida/vendida no total; ηi_RS representa a eficiência
térmica da potência elétrica com base no resíduos sólidos incinerados por planta e ηRS
representa a eficiência térmica da potência elétrica com base no resíduos sólidos incinerados
total.
3.8 Análise ambiental
Serão apresentadas as equações para o cálculo da geração de biogás e sua composição
química para uma dada quantidade de resíduos processados em um aterro sanitário. Para
garantir a utilização do biogás, o aterro sanitário deve conter dutos instalados em diversos
pontos para permitir o escoamento dos gases produzidos no interior da camada de deposição
ao local de seu processamento.
A alternativa à queima do biogás com geração de energia elétrica e/ou térmica é a
queima em flare, para emissão de CO2 ao invés da emissão de metano, que é 23 vezes mais
prejudicial ao ambiente, de acordo com o IPCC (CARVALHO JÚNIOR; MCQUAY, 2007).
Os gases são gerados pela degradação ou decomposição da matéria orgânica presente no
lixo. Neste processo agem as bactérias responsáveis pela digestão de diversos elementos que
compõem os resíduos orgânicos. Se não houver um sistema de coleta adequado, tais gases
108
poderão formar bolsões e posteriormente explodir se for efetuada a ignição por algum
elemento exterior.
Logo ao sair do duto, os gases devem ser conduzidos para uma estação de tratamento
para serem limpos e preparados para serem utilizados em algum acionador primário
(comumente se empregam motores de combustão interna). Para Tchobanoglous et. al. (1993),
existem cinco fases características de geração de gases em um aterro sanitário; tais fases estão
representadas na Figura 33 e correspondem à vida de um aterro sanitário.
Figura 33 – Fases marcantes na produção de gases de um aterro sanitário.
Fonte: Tchobanoglous e Theisen, Vigil (1993)
Na Fase I ocorre a decomposição aeróbica e anaeróbica. Nesta fase, o resíduo é digerido
por bactérias, na presença ou não de ar, e dependendo do processo digestivo o oxigênio é
consumido, produzindo CO2 e liberando calor. Dependendo das condições do local do aterro
sanitário, este período pode durar de meses até anos.
A Fase II, denominada ácido-gênica, se caracteriza por uma atividade anaeróbica mais
estabelecida; em consequência de tais atividades são produzidos H2, CO2, H2O, ácidos
orgânicos e há uma taxa de transferência de calor mais baixa devido à formação de ácidos
orgânicos, podendo ter uma queda até inferior a cinco no PH do chorume.
109
Na Fase III, dita acetogênica, ocorre à oxidação de elementos ácidos e alcoóis,
formando produtos como o ácido acético, CO2 e H2.. Na Fase IV, metanogênica, os produtos
das Fases I, II e III são convertidos para CH4 e CO, ao passo que o H2 é consumido por
diversas bactérias. Na Fase V ocorre à maturação dos elementos devido à diminuição de
substratos encontrados nos resíduos, a produção de gás diminui gradativamente até se encerrar.
Os resultados mostram que à medida que o tempo passa, a produção de metano e dióxido de
carbono se estabiliza num patamar, como pode ser observado na Fase IV da Figura 30.
Na Tabela 16 estão apresentados os valores em porcentagem volumétrica da formação
de três gases gerados em uma célula11 de um aterro sanitário num período de quarenta e oito
meses.
Tabela 16 – Distribuição da porcentagem dos gases gerados por um aterro sanitário observada
durante os primeiros quarenta e oito meses após o encerramento de uma célula.
Intervalo de tempo desde a
conclusão da célula
(meses)
Média, por percentagem de volume
Nitrogênio Dióxido de carbono Metano
N2 CO2 CH4
00 - 03 5,2 88,0 5,0
03 - 06 3,8 76,0 21,0
06 - 12 0,4 65,0 29,0
12 - 18 1,1 52,0 40,0
18 - 24 0,4 53,0 47,0
24 - 30 0,2 52,0 48,0
30 - 36 1,3 46,0 51,0
36 - 42 0,9 50,0 47,0
42 - 48 0,4 51,0 48,0
Fonte: Merz e Stone12, 1970 apud Tchobanoglous, Theisen e Vigil (1993)
Segundo Tchobanoglous, Theisen e Vigil (1993), há uma relação empírica para estimar
a produção média de biogás, conforme se observa na equação (73), e sua composição a partir
de uma concentração média dos elementos do resíduo serve para calcular a vazão volumétrica
11 Célula: é o termo usado para descrever o volume de material colocado em um aterro sanitário durante um período de funcionamento, onde serão dispostos resíduos sólidos de forma ordenada, formando camadas, sendo selada e com mecanismos de captação de chorume e de biogás instalado. 12 Merz, R. C.; Stone, R. Special studies of a sanitary landfill. U.S. Department of Health, Education, and Welfare, Washington, DC, 1970 apud TCHOBANOGLOUS, G.; THEISEN, H.; VIGIL, S. Integrated solid waste management: Engineering principles and Management issues. New York: Mcgraw-hill, 1993.
110
aproximada de metano. Esta vazão apresenta um valor de aproximadamente 50% do volume
total dos gases contido no biogás gerado no aterro sanitário.
324
2dcba
dNHCO8
3d2cb4aCH8
3d2cb4a
OH4
3d2cb4aNOHC
(73)
O equacionamento empírico proposto por Finnveden et al. (1995) é mais completo para
um resíduo que apresente em sua composição o elemento enxofre, como apresentado na
equação (74). No entanto, essa condição é válida assumindo-se a degradação como sendo
anaeróbia, que o processo leve a uma completa mineralização e que nenhuma porção do
material degradado faça síntese celular.
SeHdNHCO28
2e3d2cb4aCH8
2e-3d2cb4a
OH4
2e-3d2cb4aSNOHC
234
2edcba
(74)
Segundo Balestieri (2005), para se estimar o decaimento de metano em um aterro
sanitário ao longo do tempo são empregados modelos cinéticos de primeira ordem, tendo
como ponto inicial desta modelagem o fechamento do aterro; comumente emprega-se a
relação proposta pela EPA, conhecida como o modelo Scholl-Canyon (WORLD
BANK/ESMA, 2004), na equação (75), na qual o mair é a quantidade de resíduos depositada
no aterro sanitário durante um ano, conforme equação (76).
tak
iri,CH emaLkQ4
(75)
H3,6mma resíduoir (76)
na qual os termos das equações representam:
QCH4,i : quantidade de metano produzido no ano i a partir da enésima seção dos resíduos;
k : constante de geração de metano, este parâmetro é padrão o uso do valor 0,05;
L* : potencial de geração de metano (parâmetro padrão = 170m3CH4/tresíduo);
mair : massa de resíduo disposto no ano i;
ta : número de anos após o fechamento do aterro.
111
Para Balestieri (2005), é uma prática usual a utilização de valores aproximados da
relação de produção de biogás como sendo 50% de metano e 50% de dióxido de carbono.
Deste modo, a quantidade de biogás produzido por um aterro sanitário será igual a duas vezes
o valor de produção de metano expressa na equação (137); os valores das constantes k (índice
pluviômetro da região do aterro) e Lo (índice de degradabilidade do resíduo do aterro) são
apresentados nas Tabelas 17 e 18.
Tabela 17 – Valores da constante k para diversas faixas de precipitação anual e os níveis de
degradabilidade encontrado no resíduo do aterro sanitário.
Faixa dos valores da constante k
Tipo de resíduo
Relativamente
inerte
Moderadamente
degradável
Altamente
degradável
Precipitação anual
< 250 mm 0,01 0,02 0,03
> 250 a < 500 mm 0,01 0,03 0,05
> 500 a < 1000 mm 0,02 0,05 0,08
> 1000 mm 0,02 0,06 0,09
Fonte: World Bank/Esma (2004)
Tabela 18 – Valores mínimo e máximo de Lo para diversos níveis de degradabilidade.
Categoria do resíduo Mínimo valor Máximo valor
Relativamente inerte 5 25
Moderadamente degradável 140 200
Altamente degradável 225 300
Fonte: World Bank/Esma (2004)
3.9 Análise de impactos ambientais e certificados de emissões regulares
Nesta análise da quantificação e da possibilidade de venda de certificados de emissões
regulares será analisada a produção de gases de efeito estufa em três diferentes situações: no
aterro sanitário, no ciclo a vapor de incineração e no ciclo combinado com incinerador
integrado.
No caso do incinerador, considerando um quilograma de resíduo (podendo ser o resíduo
sólido municipal, RSM, ou o combustível derivado de resíduo, CDR), pretende-se calcular
quantos quilogramas de dióxido de carbono a incineração deste elemento irá gerar através da
112
equação estequiométrica da combustão dos resíduos, a equação (77) é a razão entre a vazão de
dióxido de carbono produzido e a vazão de resíduo sólido incinerado.
Resíduo
Resíduo,CO
kg
kg mm
R 2
Resíduo
2CO
(77)
sendo R a razão entre a geração de dióxido de carbono equivalente dos resíduos (ṁCO2,Resíduo)
pela quantidade total de resíduos processados (ṁResíduos).
A razão entre a massa de dióxido de carbono equivalente gerado pelos resíduos sólidos
incinerados e a massa de resíduos sólidos foi estimada em 16,55 ResíduoResíduo,CO /kgkg2
. O gás
natural utilizado no conjunto a gás também gera dióxido de carbono, que deve ser
contabilizado neste estudo. Considerando-se um mol de gás natural, e atribuindo valores
percentuais a cada parcela de elementos contido no gás natural, é possível calcular sua massa.
Da mesma forma como é representada a relação de produção de dióxido de carbono por
resíduo incinerado, será efetuada análise similar para o gás natural. A equação (78) permite
calcular a vazão mássica de um mol por segundo de biogás, utilizando os valores da Tabela
19, na unidade [kg/s].
O2C04H4C06mBG (78)
sendo C, H e O as concentrações de carbono, hidrogênio e oxigênio, respectivamente.
Tabela 19 – Valores de massa atômica de elementos.
Nome do elemento Símbolo Massa atômica [gramas]
Carbono C 12,01
Hidrogênio H 01,00
Oxigênio O 16,00
Fonte: Carvalho Júnior e Mcquay (2007)
A equação (79) permite o cálculo da vazão mássica de dióxido de carbono gerado pela
combustão de biogás. Na equação (80) é apresentada a razão entre a vazão mássica de dióxido
de carbono e a vazão de biogás utilizado, sendo que o valor de 80,60 representa uma razão de
massa de dióxido de carbono por biogás queimado, calculada da equação estequiométrica da
combustão de biogás.
113
O2C80,60m BG,CO2 (79)
BG
BG,CO
kg
kg mm
R 2
GN
2CO
(80)
sendo R a razão entre a geração de dióxido de carbono equivalente do biogás (ṁCO2,BG) pela
quantidade total de biogás utilizado (ṁBG).
O valor dessa razão para o biogás é de aproximadamente 2,0 BGBG,CO /kgkg2
. Para o
cálculo do dióxido de carbono lançado na atmosfera, foi necessário dispor da vazão de cada
combustível e o tempo de operação da planta ao longo do ano (HA).
As equações (81) a (82) permitem calcular, respectivamente, a vazão mássica total de
dióxido de carbono na planta de processamento, a produção anual de dióxido de carbono da
planta de incineração e a vazão anual de dióxido de carbono equivalente.
BG,COGN,COResíduo,COTotal,CO 2222mmmm (81)
HA6,3mm Total,COano,CO 22 (82)
sendo ṁCO2, ano, a produção de dióxido de carbono equivalente anual produzido nas plantas de
processamento; ṁCO2, Total é a soma das vazões de dióxido de carbono equivalente dos resíduos
(ṁCO2, Resíduo ) mais o gerado pelo uso de gás natural (ṁCO2, GN) e pelo uso de bigás (ṁCO2, BG).
É necessário converter a unidade de quilograma para tonelada de carbono equivalente;
como só se considera o dióxido de carbono, o fator de impacto é um, ou seja, a massa do
dióxido de carbono produzida numa usina de incineração em ciclo combinado ou ciclo a
vapor será a sua própria massa a ser considerada como carbono equivalente.
Considerando igual produção anual de metano e dióxido de carbono num aterro
sanitário controlado, por apresentarem uma porcentagem de 50% de metano e 50% de dióxido
de carbono em média, conforme equação (83), a partir da equação (84) se calcula o dióxido de
carbono equivalente, sendo considerados os fatores de impacto das parcelas do gás produzido
no aterro sanitário, sendo que o valor numérico 23 representa o fator de impacto do metano
em comparação ao dióxido de carbono.
Total,COTotal,CH,iCH 244mmQ (83)
Total,CHTotal,COASano, e,Equivalent,CO 422m23mm (84)
sendo ṁCO2, Equivalente, ano,AS a produção de dióxido de carbono equivalente médio anual
produzido em um aterro sanitário, no qual este índice é calculado através da consideração da
114
geração de dióxido de carbono (ṁCO2, Total) e metano (ṁCH4, Total), sendo este elemento
multiplicado por um fator de equivalente de dióxido de carbono em um aterro sanitário, que é
igual ao QCH4, i.
Subtraindo o valor da massa total de carbono equivalente produzida pelo aterro sanitário
da massa total equivalente produzida pelo processo e tratamentos, obtém-se a quantidade de
carbono equivalente resgatado por uma ou outra forma de processamento de resíduos,
conforme a equação (85).
Ano,COASano, e,Equivalent,COProcessos e,Equivalent,CO 222mmm (85)
sendo ΔṁCO2,Equivalente,Processos a diferença de dióxido de carbono equivalente médio anual
produzido em um aterro sanitário (ṁCO2,Equivalente, ano,AS) e a produção de dióxido de carbono
equivalente anual dos processos de disposição final das plantas (ṁCO2, Ano).
3.10 Análise econômica
As equações relativas ao período de amortização são utilizadas para a geração de
gráficos para análise de período de retorno do investimento inicial sob a condição de uma
variação de taxas de juros. Outra análise realizada utilizando-se a Taxa Interna de Retorno
(TIR), com uma taxa mínima de atratividade em torno de 18% (MARCON et. al., 2004) e o
Valor Presente Líquido (VPL).
Considerando o investimento inicial da planta, que inclui equipamentos e construção
civil, obtêm-se as equações de custos das partes principais dos equipamentos nas equações
(86) a (88). Nelas, a variável f é o fator de amortização das equações, parâmetro em função do
tempo e da taxa de juros empregadas para empréstimos financeiros de bancos, tal como o
Banco Nacional do Desenvolvimento (BNDES), e a equação (86) que rege o custo de obras
civis da em função das tecnologias instaladas na planta, cuja variação se encontra na faixa
recomendada na equação (88) (MARCON et. al., 2004).
CCi taequip_Plan KIIpl (86)
1)(q1)(qq
fkj
kj
(87)
3,1K2,1 CC (88)
115
sendo Ipl o investimento inicial total da planta, que é calculado pelo investimento inicial dos
equipamentos da planta pelo fator de investimento em obras de obras civil, KCC; f é o fator de
amortização, kj é a taxa de juros, q é o período de operação da planta.
Considerando o investimento inicial do incinerador como uma função da quantidade de
lixo incinerada, da Figura 34 são obtidos os custos de investimento a serem utilizados na
presente análise, enquanto que na Figura 35 são apresentados os custos operacionais relativos
à mesma unidade de incineração de lixo.
Figura 34– Custo de investimento inicial de incinerador em função do resíduo sólido processado.
Fonte: World Bank (1999)
Figura 35– Custo de operação e manutenção de incinerador em função do resíduo sólido
Fonte: World Bank (1999)
116
Considerando-se o fato de a instalação sob análise ser uma central termelétrica de
geração de potência, a geração líquida total de energia elétrica está voltada para a
comercialização; deste modo, as equações (89) a (92) expressam, respectivamente, o ganho
anual da planta sem auxilio de créditos externos (taxa de processamento de resíduos e crédito
de carbono), o ganho anual da remoção de dióxido de carbono equivalente médio, o ganho da
cobrança de uma taxa de processamento de resíduos e a receita esperada das plantas. A
equação (92) representa os cenários de oportunidades diversas que as plantas podem oferecer,
desde o não uso de créditos externos, somente a taxa de processamento de resíduos, somente
com o crédito de carbono e com ambos os créditos.
fIplReceitaLucro TotalPlanta_i (89)
BCCcrédito,Processos e,Equivalent,COplanta equi, ,CO KVmLucro22
(90)
TTRResíduo
Trat.Res de Taxa KVHA6,3
mLucro
(91)
CCTRRLucroLucroLucroLucroCCLucroLucroLucroTRRLucroLucroLucro
LucroLucro
Trat.Res de Taxaplanta equi, ,COPlanta_i
planta equi, ,COPlanta_i
Trat.Res de TaxaPlanta_i
Planta_i
2
2
(92)
sendo o índice LucroPlanta_i o lucro obtido pela receita total menos o investimento Ipl
multiplicado pelo fator de amortização f; LucroCO2, equi,planta representa o lucro obtido pela
venda de crédito de carbono (CC), sendo obtido a partir da diferença da massa de
CO2,Equivalente dos processos, ΔṁCO2, Equivalente Processos; LucroTaxa de Trat.Res é o lucro pela taxa
de tratamento dos resíduos tratados (TTR), que corresponde à vazão dos resíduos (ṁResíduos)
multiplicada pelo tempo de trabalho ao ano (HA) e pela taxa de tratamento de resíduos
KVTTR.
A TIR é a taxa de juros que torna o valor presente das entradas de caixa igual ao valor
presente das saídas de caixa do investimento, podendo ser total ou parcial. Isso quer dizer que
a TIR é a taxa que tende a empatar os investimentos com as receitas geradas. Se utilizada, a
TIR fará com que o lucro do projeto seja nulo ou o Valor Presente Líquido ser nulo (TAXA
INTERNA DE RETORNO, 2010). Segundo Pereira e Almeida (2010), as formulações da
VPL e da TIR são expressas pelas equações (93) e (94), nas quais os elementos FCt, I0, kVPL,
td e n são respectivamente:
FCt – valor presente das entradas de caixa;
I0 – investimento inicial;
117
kVPL – taxa de desconto (igual ao custo de capital de empresa);
td – tempo de desconto de cada entrada de caixa;
n - tempo de desconto do último fluxo de caixa.
0
n
1td tdVPL
td lk1FCVPL
(93)
0
n
1td tdtd l
TIR1FC0
(94)
Para o cálculo de tais parâmetros será utilizada uma planilha eletrônica (ver APÊNDICE
A). Nela estão incluídas as equações para o cálculo da TIR e da VPL. Na planilha são
dispostos os valores de investimento inicial, custos de manutenção e operação da planta,
assim como as taxas de juros exercidas por bancos e pelo governo federal. A equação (95)
representa o cálculo do investimento inicial da planta. A constante Kplant representa a variação
em porcentagem do investimento inicial, pois, devido a um projeto desta natureza requerer um
investimento inicial elevado, pode ser necessário efetuar mais de um empréstimo de órgãos
responsáveis por este tipo de negociação.
plant0 KIpll (95)
A equação (96) representa o cálculo dos custos de manutenção e operação da planta de
incineração. A equação (97) representa o valor presente das entradas de caixa, ou seja, a
primeira parcela da equação representa o ganho com a venda de energia elétrica menos o
custo de operação e manutenção da planta. A segunda parcela da equação representa a
dedução do imposto sobre o produto industrializado da venda da energia elétrica, subtraindo-
se os custos de manutenção e operação da planta e somando-se o investimento inicial dividido
pelo tempo de depreciação da planta, que tem um tempo de vida de aproximadamente vinte e
um anos (YANG et al., 2009), ou mais que vinte anos (CONNETT, 1998).
CMciCMcrCMtvCMcgCopC O&M (96)
Vida
0O&Mdeeletricida Venda,Planta Total,Ele,
O&Mdeeletricida Venda,Planta Total,Ele,t
NI
C-CHAWIPI
C-CHAWFC
(97)
118
sendo CM&O o custo de operação e manutenção dos equipamentos; Cop é custo de operação,
CMcg é o custo de manutenção do conjunto a gás, CMtv é o custo de manutenção da turbina a
vapor, CMcr é o custo de manutenção da caldeira de recuperação, CMci é o custo de
manutenção da caldeira do incinerador. O subíndice Ele,Total, Planta está relacionado à
potência elétrica vendida na planta i durante as horas de operação HA mediante preço de
venda de energia elétrica CVenda, eletricidade e o custo de operação e manutenção, CM&O. IPI é o
Imposte sobre o Produto Industrializado. O índice I0 é o investimento inicial e o NVida é o
tempo de vida útil dos equipamentos da planta.
A variável Kplant pode variar de 70% do valor do investimento inicial até 130%. As
taxas de desconto consideradas na presente análise serão de 8, 9 e 10%, valores consistentes
com a atual estrutura econômica e monetária do Brasil; o imposto sobre o produto
industrializado (IPI) será de 34%, tal como é utilizado pelo governo federal sobre o produto
industrializado (HARADA, 2009); o tempo de depreciação vai desde o primeiro ano do
projeto até o vigésimo ano da planta, momento em que é reestruturado para a atualização e
melhoria (retrofit) dos equipamentos utilizados e/ou aquisição de novos equipamentos.
119
4 RESULTADOS E DISCUSSÕES
Neste capítulo são apresentados os resultados da síntese das plantas candidatas através
de otimização da receita esperada das plantas, utilizando o algoritmo genético, sendo
estipuladas algumas restrições para reduzir o esforço computacional. As equações foram
desenvolvidas e modeladas no software EES Academic Professional (que emprega a técnica
de algoritmos genéticos), tendo sido validadas no software LINGO 10, (que utiliza o método
do gradiente reduzido), sendo que, para haver compatibilidade entre ambos, as condições
termodinâmicas dos pontos relativos à superestrutura de processos térmicos foram
previamente definidas. Para maiores informações, os exemplos dos códigos usados estão
listados nos Apêndices D e E, contendo, respectivamente os códigos do EES e do LINGO.
Considerando-se o fato de que há limites tecnológicos para pressões e temperaturas em
função da corrosão nos incineradores e dos valores comerciais de caldeiras de recuperação e
convencionais com apenas um nível de pressão, tais como foram consideradas nesta tese, a
não habilitação do cálculo das propriedades termodinâmicas não resultou em maiores
problemas para a modelagem. Uma vez verificado que a análise comparativa entre os dois
softwares resultou em resultados plenamente compatíveis (à exceção de desvios mínimos
devidos aos processos de convergência e arredondamentos), deliberou-se por apresentar os
resultados apenas segundo o desenvolvimento realizado no EES Academic Professional.
4.1 Resultados tecnológicos selecionadas nas plantas isoladas
A Figura 36 apresenta os locais das possíveis plantas de processamento de resíduos,
destacadas com pontos vermelhos. No mapa há uma legenda de circunferências com cores
distintas. O tamanho da circunferência indica o grau da sua utilização e a cor determina a
tecnologia de processamento de resíduos utilizada, ou seja, quanto maior a circunferência,
mais utilizada será determinada tecnologia. Caso certa circunferência não exista, significa que
não houve recomendação para implantar tal tecnologia na planta de processamento. Na
mesma Figura 36 se apresentam também as tecnologias atualmente empregadas para o
processamento de resíduos. O aterro sanitário é a tecnologia de disposição final mais utilizada
no estado de São Paulo e no Brasil. Foi notado que mesmo sendo a tecnologia mais utilizada,
não é a única, devido a características dos resíduos produzidos, sendo apresentado no
Apêndice A – Figura 4.A – o mapa ampliado da região a ser analisada.
120
Figura 36– Mapa das plantas com as tecnologias atualmente empregadas.
Cada planta de processamento de resíduos apresenta uma triagem de materiais,
separando os produtos recicláveis, biológicos e de aproveitamento térmico. Os processos
térmicos são empregados no processamento de resíduos que geram um passivo considerável
no ambiente, como os resíduos hospitalares, que devem ser incinerados. Os processos
biológicos são empregados em sua maioria nos aterros sanitários controlados, com o uso de
dutos para a captação de biogás gerado no interior das camadas do aterro sanitário, evitando
possíveis explosões devido ao acúmulo do biogás e a emissão direta de metano na atmosfera,
sendo queimado em uma tocha ou utilizado para atender uma demanda elétrica ou térmica.
Este modelo será utilizado para representar as plantas separadas, e com interação.
Na Figura 37 são apresentados os métodos utilizados nas plantas selecionadas que
recebem a megaestrutura sem o uso de transporte de resíduos de uma planta para a outra,
como plantas de processamento de resíduos isoladas ou “ilhas de processamento”. Estes
resultados são de uma rodada antes de se efetuar a adição das equações de transporte dos
resíduos. As superestruturas dos processos biológicos e térmicos apresentam maior destaque
que a superestrutura de processos renováveis e o aterro sanitário, sendo apresentado no
Apêndice A – Figuras 5.A e 6.A – o mapa ampliado da região a ser analisada.
Para a construção da Figura 37 foram utilizadas as equações (3) até a equação (65), sem
o uso das equações (1) e (2); foi realizada a otimização da equação (66) referente à
maximização do lucro das plantas isoladas (plantas que não interagem com outras plantas),
obtendo os resultados das plantas isoladas com os conjuntos a gás CG1 e CG2.
121
Figura 37– Mapa das plantas isoladas com as tecnologias de processamento.
Na Figura 38 é apresentada a superestrutura dos processos térmicos com o ciclo híbrido
e caldeira convencional, configuração encontrada na megaestrutura de processamento para o
uso do conjunto a gás CG1 nas plantas 1, 2, 3, 5, 6 e 8, para o CG2 nas plantas 1, 3, 5, 6 e 8.
Na Figura 39 é apresentada a superestrutura dos processos térmicos com o ciclo a vapor do
processo de incineração e caldeira convencional, configuração encontrada na megaestrutura
de processamento nas plantas 4, 7 e 9, para o uso do conjunto a gás CG1, e nas plantas 2, 4, 7
e 9 para o conjunto a gás CG2. Nas Figuras 40, 41 e 42 são apresentadas a superestrutura dos
processos biológicos e renováveis, e a megaestrutura dos processos, respectivamente, para as
plantas isoladas.
Na Tabela 20 são apresentados os parâmetros operacionais obtidos da análise de cada
planta de processamento. Cada linha contém um parâmetro específico de cada planta e o
somatório total das plantas, sendo apresentadas nas últimas três linhas as receitas referentes
aos cenários econômicos estimados – otimista com valor de receita positiva de US$ 320
milhões, mais provável, com valor de receita positiva de US$ 121,2 milhões, e o pessimista
com receita negativa US$76,8 milhões. A Tabela 20, 22, 23 e 24 apresentam valores em
vermelho para os resíduos sólidos incinerados (ṁi_RS_T), o biogás produzido (ṁi_BGD) e as
cinzas produzidas nos incineradores (ṁi_cinzas) por planta, bem como na última coluna o total
de cada parâmetro, pois representam uma oportunidade de minimização de passivo ambiental
e geração de combustível não fóssil.
Na Tabela 20 os valores da vazão de resíduos incinerados totais, de 120,7 kg/s, em um
ano de processamento, o que gera uma quantidade de resíduos de 3,3 milhões de toneladas por
ano, sendo geradas 830 mil toneladas de cinzas com massa especifica elevada, ou seja, ocupa
122
um volume menor. Gera um combustível não fóssil a uma taxa de aproximadamente 30,2 kg/s
de biogás, equivalente a 814 mil toneladas ao ano de combustível gasoso. Produz
aproximadamente 32 kg/s de matéria prima reciclada, equivalentes a 865 mil toneladas ao ano
de matéria prima que não foi retirada da natureza.
Figura 38– Superestrutura dos processos térmicos das plantas isoladas, com ciclos híbridos.
Figura 39– Superestrutura do processo térmico das plantas isoladas, com ciclo a vapor.
123
Figura 40– Superestrutura dos processos biológicos para as plantas isoladas.
Figura 41– Superestrutura dos processos renováveis para as plantas isoladas.
124
Figura 42– Superestrutura dos processos renováveis para as plantas isoladas.
A potência instalada total das superestruturas de processamento térmico com o uso do
conjunto a gás CG1 é da ordem de 898 MW. Parte dessa potência instalada atende os
processos das superestruturas de tratamento biológico e renovável, que apresenta um consumo
de 357 MW para atender as demandas de equipamentos. As plantas que apresentam em sua
configuração ciclos híbridos apresentam maior potência instalada por combustível utilizado
que as plantas de ciclo a vapor convencional. As megaestruturas com ciclos híbridos
apresentam um lucro maior em comparação as megaestruturas de ciclo a vapor convencional,
porém todas as plantas geram excedente de energia elétrica com considerável potencial de
venda. Isto ajuda a manter a lucratividade das plantas em valores positivos para os cenários
mais provável e otimista; no cenário pessimista, a lucratividade apresenta patamares negativos
devido aos preços de venda de insumos.
Este último cenário representaria um prejuízo do ponto de vista econômico, mas devido
ao uso de tecnologias de processamento, resíduos com potencial de poluição não serão
depositados em local inapropriado, com retorno em diversas áreas, como a saúde pública e
saneamento básico, que não estão ligados diretamente, mas são afetados em longo prazo. Os
conjuntos a gás CG1 e CG2 foram utilizados na superestrutura de processos térmicos para a
análise do estudo de caso. O conjunto a gás CG1 foi utilizado na Tabela 20 considerando-se a
configuração da superestrutura de processos térmicos com quatro conjuntos a gás em paralelo
com o conjunto incinerador/caldeira do incinerador, devido à sua baixa potência. Utilizou-se
essa configuração devido ao consumo de combustível desta máquina ser baixo.
125
Tabela 20 – Parâmetros das plantas isoladas e utilizando o conjunto a gás CG1.
Conjunto a gás CG1 sem transporte RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal ṁi_Pmetal [kg/s] 0,64 0,25 2,35 0,12 2,81 0,85 0,05 0,39 0,07 7,53 ṁi_Ppapel [kg/s] 0,78 0,30 2,84 0,14 3,40 1,03 0,06 0,47 0,08 9,10 ṁi_Pplástico [kg/s] 0,95 0,36 3,46 0,17 4,14 1,26 0,07 0,57 0,10 11,08 ṁi_Pvidro [kg/s] 0,35 0,13 1,26 0,06 1,51 0,46 0,03 0,21 0,04 4,05 ṁi_Lodo [kg/s] 1,95 0,81 5,45 0,38 6,22 2,96 0,16 1,35 0,28 19,56 ṁi_ROs [kg/s] 5,70 2,18 20,78 1,02 24,85 7,54 0,44 3,44 0,59 66,54 ṁi_Rou [kg/s] 5,70 2,18 20,78 1,02 24,85 7,54 0,44 3,44 0,59 66,54 ṁi_RS [kg/s] 8,91 3,41 32,49 1,59 38,84 11,79 0,68 5,38 0,92 104,01 ṁi_RS_T [kg/s] 10,37 3,97 37,64 1,85 44,97 13,76 0,79 6,28 1,08 120,71
n_híbrido - 2,00 1,00 8,00 0,00 10,00 3,00 0,00 1,00 0,00 25,00 ṁi_cinzas [kg/s] 2,59 0,99 9,41 0,46 11,24 3,44 0,20 1,57 0,27 30,17 ṁi_BGD [kg/s] 4,83 1,89 16,41 0,89 19,41 6,67 0,38 3,04 0,56 54,08 ṁi_CG_Inc [kg/s] 2,00 1,00 8,00 0,00 10,00 3,00 0,00 1,00 0,00 25,00 ṁi_VCI [kg/s] 27,64 10,60 100,35 4,94 119,89 36,68 2,11 16,74 2,88 321,83 ṁi_VCV [kg/s] 6,65 0,23 9,30 5,27 5,07 6,52 2,25 7,04 3,30 45,63 ṁi_VCC [kg/s] 11,70 5,90 46,80 0,00 58,50 17,60 0,00 5,90 0,00 146,40 Ẇi_liq_CG [MW] 24,0 12,0 95,8 0,00 120,0 35,9 0,00 12,0 0,00 299,0 Ẇi_TV [MW] 53,9 19,4 182,0 12,3 213,0 71,2 5,25 35,0 7,46 599,0 Ẇi_Ele_Total [MW] 46,9 19,2 165,0 6,69 198,0 66,2 2,81 28,3 4,10 538,0 Ẇi_ele_Rec [MW] 29,7 11,3 108,0 5,33 129,0 39,3 2,33 17,9 3,20 346,0 Ẇi_ele_Bio [MW] 0,933 0,722 3,293 0,170 3,918 1,260 0,073 0,575 0,102 11,0 Lucro_i [otimista] [106 US$/ano] 30,0 10,0 100,0 4,0 100,0 40,0 1,0 20,0 1,0 320,0
Lucro_i [mais provável.] [106 US$/ano] 10,0 5,0 40,0 1,0 40,0 20,0 0,4 6,0 0,8 121,2
Lucro_i [pessimista] [106 US$/ano] -6,0 -1,0 -30,0 -1,0 -30,0 -6,0 -0,8 -4,0 -1,0 -76,8
126
Na Tabela 21 são apresentadas as variáveis binárias referentes ao transporte de resíduos
orgânicos de uma planta para outra planta. A variável “di_j” representa uma variável binária
que indica o emprego da tecnologia “i” com o resíduo oriundo da planta “j” quando o seu
valor é unitário. As tecnologias consideradas são: i=1 para biodigestor termofílico; i=2 para
biodigestor mesofílico; e i=3 para compostagem.
A somatória ∑dk_jT é uma restrição do modelo, cujo significado expressa que o resíduo
que é processado em uma planta não pode ser utilizado em outra planta. Neste caso para os
três processos não ocorre o uso do transporte, preenchendo a diagonal principal com o valor 1.
A última coluna é uma restrição de cada linha; se soma da linha for igual ou maior que um
significa que a planta receberá uma determinada tecnologia de processamento de material
orgânico e líquida, se a somatória da restrição da linha do modelo for zero significa que a
planta não receberá uma superestrutura de processos biológicos. A última coluna da Tabela 21
indicará a quantidade de plantas de processamento de resíduos orgânicos e líquidos que serão
instaladas – no caso das plantas isoladas, esse valor corresponde a nove superestruturas de
tratamento biológico, uma em cada planta.
Na Tabela 22 são apresentados os resultados dos parâmetros operacionais de plantas
isoladas utilizando o conjunto a gás CG2 na seguinte configuração: para cada conjunto
incinerador/caldeira do incinerador existirá um ciclo combinado com a máquina térmica CG2
e uma caldeira de recuperação em paralelo. Cada linha contém um parâmetro específico de
cada planta e somatório total das plantas na última coluna.
Na Tabela 22, a potência de geração do conjunto a gás (CG1) somado às turbinas a
vapor de todas as plantas das superestruturas de processamento térmico corresponde a 951
MW; porém, essa potência instalada atende os processos das superestruturas de tratamento
biológico e renovável, que apresenta um consumo de 357 MW de potência elétrica, que é
igual ao valor as plantas com o conjunto a gás CG2, pois se trata da quantidade total dos
resíduos processados. A atratividade financeira das plantas com o conjunto a gás CG2
apresentam as mesmas características que as plantas com o conjunto a gás CG1, sendo maior
a potência elétrica instalada devido ao uso de máquinas e equipamentos mais eficientes.
Nas últimas 3 linhas são apresentadas as receitas referentes aos cenários econômicos
estimados, contendo a receita anual do cenário otimista, com valor de US$ 358,0 milhões; do
cenário mais provável, com valor de US$ 153,2 milhões; e do cenário pessimista, com valor
de receita negativa US$ 49,8 milhões. O cenário otimista apresenta uma receita favorável em
comparação aos cenários mais prováveis e pessimistas, mas considerando que as tecnologias
empregadas minimizam um passivo ambiental, se torna interessante o investimento.
127
Tabela 21 – Valores das variáveis binárias para definir o local de destinação dos resíduos orgânicos, para as plantas isoladas.
Plantas isoladas RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Restrição Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal d1_1T - 1 0 0 0 0 0 0 0 0 1 d1_2T - 0 1 0 0 0 0 0 0 0 1 d1_3T - 0 0 1 0 0 0 0 0 0 1 d1_4T - 0 0 0 1 0 0 0 0 0 1 d1_5T - 0 0 0 0 1 0 0 0 0 1 d1_6T - 0 0 0 0 0 1 0 0 0 1 d1_7T - 0 0 0 0 0 0 1 0 0 1 d1_8T - 0 0 0 0 0 0 0 1 0 1 d1_9T - 0 0 0 0 0 0 0 0 1 1 ∑d1_jT - 1 1 1 1 1 1 1 1 1 9
d2_1T - 1 0 0 0 0 0 0 0 0 1 d2_2T - 0 1 0 0 0 0 0 0 0 1 d2_3T - 0 0 1 0 0 0 0 0 0 1 d2_4T - 0 0 0 1 0 0 0 0 0 1 d2_5T - 0 0 0 0 1 0 0 0 0 1 d2_6T - 0 0 0 0 0 1 0 0 0 1 d2_7T - 0 0 0 0 0 0 1 0 0 1 d2_8T - 0 0 0 0 0 0 0 1 0 1 d3_9T - 0 0 0 0 0 0 0 0 1 1 ∑d2_jT - 1 1 1 1 1 1 1 1 1 9
d3_1T - 1 0 0 0 0 0 0 0 0 1 d3_2T - 0 1 0 0 0 0 0 0 0 1 d3_3T - 0 0 1 0 0 0 0 0 0 1 d3_4T - 0 0 0 1 0 0 0 0 0 1 d3_5T - 0 0 0 0 1 0 0 0 0 1 d3_6T - 0 0 0 0 0 1 0 0 0 1 d3_7T - 0 0 0 0 0 0 1 0 0 1 d3_8T - 0 0 0 0 0 0 0 1 0 1 d2_9T - 0 0 0 0 0 0 0 0 1 1 ∑d3_jT - 1 1 1 1 1 1 1 1 1 9
128
Tabela 22 – Parâmetros das plantas isoladas e utilizando o conjunto a gás CG2.
Conjunto a gás CG2 sem transporte RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal ṁi_Pmetal [kg/s] 0,64 0,25 2,35 0,12 2,81 0,85 0,05 0,39 0,07 7,53 ṁi_Ppapel [kg/s] 0,78 0,30 2,84 0,14 3,40 1,03 0,06 0,47 0,08 9,10 ṁi_Pplástico [kg/s] 0,95 0,36 3,46 0,17 4,14 1,26 0,07 0,57 0,10 11,08 ṁi_Pvidro [kg/s] 0,35 0,13 1,26 0,06 1,51 0,46 0,03 0,21 0,04 4,05 ṁi_Lodo [kg/s] 1,95 0,81 5,45 0,38 6,22 2,96 0,16 1,35 0,28 19,56 ṁi_ROs [kg/s] 5,70 2,18 20,78 1,02 24,85 7,54 0,44 3,44 0,59 66,54 ṁi_Rou [kg/s] 5,70 2,18 20,78 1,02 24,85 7,54 0,44 3,44 0,59 66,54 ṁi_RS [kg/s] 8,91 3,41 32,49 1,59 38,84 11,79 0,68 5,38 0,92 104,01 ṁi_RS_T [kg/s] 10,37 3,97 37,64 1,85 44,97 13,76 0,79 6,28 1,08 120,71 n_híbrido - 2,00 0,00 8,00 0,00 9,00 3,00 0,00 1,00 0,00 23,00 ṁi_cinzas [kg/s] 2,59 0,99 9,41 0,46 11,24 3,44 0,20 1,57 0,27 30,17 ṁi_BGD [kg/s] 4,83 1,89 16,41 0,89 19,41 6,67 0,38 3,04 0,56 54,08 ṁi_CG_Inc [kg/s] 2,00 0,00 8,00 0,00 9,00 3,00 0,00 1,00 0,00 23,00 ṁi_VCI [kg/s] 27,64 10,60 100,35 4,94 119,89 36,68 2,11 16,74 2,88 321,83 ṁi_VCV [kg/s] 5,28 11,24 3,84 5,27 9,95 4,48 2,25 6,35 3,30 51,96 ṁi_VCC [kg/s] 11,10 0,00 44,20 0,00 49,80 16,60 0,00 5,50 0,00 127,20 Ẇi_liq_CG [MW] 32,1 0,0 128,0 0,0 144,0 48,2 0,0 16,1 0,0 369,0 Ẇi_TV [MW] 51,3 26,3 171,0 12,3 208,0 67,2 5,25 33,7 7,46 582,0 Ẇi_Ele_Total [MW] 52,4 14,0 187,0 6,69 218,0 74,4 2,81 31,0 4,10 591,0 Ẇi_ele_Rec [MW] 29,7 11,3 108,0 5,33 129,0 39,3 2,33 17,9 3,20 346,0 Ẇi_ele_Bio [MW] 0,933 0,722 3,293 0,169 3,918 1,260 0,073 0,575 0,102 11,0 Lucro_i [otimista] [106 US$/ano] 30,0 8,0 100,0 4,0 100,0 50,0 1,0 20,0 1,0 358,0 Lucro_i [mais prov.] [106 US$/ano] 10,0 1,0 50,0 1,0 60,0 20,0 0,4 8,0 0,8 153,2 Lucro_i [pessimista] [106 US$/ano] -3,0 -4,0 -20,0 -1,0 -20,0 -2,0 -0,8 -2,0 -1,0 -49,8
129
4.2 Resultados das tecnologias as plantas com a interação/transporte dos resíduos orgânicos
A Figura 42 apresenta as tecnologias utilizadas nas plantas candidatas a receber a
megaestrutura, sendo a restrição neste estudo o fato de haver interações entre
empreendimentos diferentes, considerando-as como um potencial fornecedor para outras
plantas. É apresentado no Apêndice A – Figura 7.A – o mapa ampliado da região.
Para a construção da Figura 42 foram utilizadas as equações (1) até as equações (65), foi
realizada a otimização da equação (66) referente à maximização do lucro das plantas com
interação, obtendo os resultados das plantas interagindo entre si, através do transporte de
resíduos orgânicos, com os conjuntos a gás CG1 e CG2.
Figura 43– Mapa das plantas com interação, com as tecnologias de processamento e o CG1.
Na Tabela 23 são apresentados os parâmetros operacionais das plantas que utilizam o
conjunto a gás CG1 com interação. Ali são apresentados os parâmetros de vazão mássicas de
entrada, de geração de insumos, de vapor de processo, de potência das tecnologias, de número
de plantas híbridas e da receita esperada considerando três cenários: otimista, mais provável e
pessimista. As tecnologias utilizadas pelas plantas com interação apresentam alterações se
comparado com as instalações de processamento de resíduos operando de forma isolada.
A potência instalada total das plantas é 900 MW, porém esse valor atende os processos
das superestruturas de tratamento biológico e renovável, que apresentam um consumo de
357 MW para atender às demandas de equipamentos das plantas. As plantas que apresentam
130
em sua configuração ciclos híbridos apresentam maior potência instalada que as plantas de
ciclo a vapor convencional.
As plantas com ciclos híbridos apresentam um lucro maior em comparação às plantas de
ciclo a vapor convencional, porém todas elas geram excedente de energia elétrica, com
considerável potencial de comercialização. A lucratividade das plantas em valores positivos
foi obtida para os cenários mais provável e otimista; para o cenário pessimista, a lucratividade
apresenta patamares negativos devido aos preços de venda de insumos.
A Tabela 23 apresenta valores de potência instalada total das plantas de 914 MW, valor
acima da potência instalada das plantas isoladas, porém tal capacidade atende os processos
das superestruturas de tratamento biológico e renovável, da ordem de 357 MW para atender as
demandas de equipamentos das plantas.
A atratividade financeira das plantas com ciclos híbridos é superior à das plantas de
ciclo a vapor convencional, pois geram excedente de energia elétrica; as plantas de ciclo a
vapor convencional apresentam uma deficiência de potência elétrica, tendo de recorrer à
compra de energia elétrica para o atendimento dos processos, em face da potência gerada.
Ciclos híbridos apresentam valores financeiros positivos para os cenários mais provável
e otimista, sendo que para o cenário pessimista a lucratividade apresenta patamares negativos
para plantas de processamento maiores. Para plantas de pequeno porte, como de Tremembé e
Mauá, observa-se um lucro positivo no cenário pessimista, indicando um ponto ótimo de
porte de plantas: plantas pequenas são pouco lucrativas, plantas grandes não conseguem um
valor atrativo no cenário pessimista, plantas intermediárias atendem às expectativas
econômicas. As plantas de ciclo convencional apresentam, em todos os cenários, valores
negativos de atratividade financeira.
Foi observado que o número de superestruturas de processamento biológico é menor em
comparação às plantas isoladas, proporcionando um investimento inicial menor e o uso de
tecnologias mais eficientes devido ao fator de escala. Considerando as unidades de menor
escala e sem possibilidades de implantação de conjuntos a gás para um ciclo híbrido, os
insumos orgânicos dessas plantas serão transportados para outra planta.
Na Figura 44 é apresentada a megaestrutura da planta i com o ciclo a vapor do processo
de incineração, sendo utilizadas as equações (1) e (2), dotadas da variável booleana dkiTj para
identificar as situações em que ocorre o transporte da planta i para a planta j. Tal configuração
é encontrada na megaestrutura de processamento nas plantas 2, 4, 7 e 9 sem o emprego do
conjunto a gás CG1 e CG2. Nas Figuras 45 e 46 são apresentadas as superestruturas de
131
tratamento térmico, com o uso de incineradores com caldeira acoplada e renovável,
respectivamente, das plantas com essas características.
Figura 44– Megaestrutura da planta i com interação.
Figura 45– Superestrutura dos tratamentos térmicos da megaestrutura da planta i.
132
Figura 46– Superestrutura dos tratamentos renováveis da megaestrutura da planta i.
Na Figura 47 é apresentada a megaestrutura da planta j, que é a que receberá os resíduos
da planta i. As tecnologias das plantas que recebem resíduos orgânicos de outras plantas
apresentam o ciclo hibrido associado à caldeira convencional. A configuração obtida nas
megaestruturas de processamento das plantas 1, 3, 5, 6 e 8 é a mesma tanto para o uso do
conjunto a gás CG1 quanto para o conjunto a gás CG2. Nas Figuras 48 a 50 são apresentadas
as superestruturas de tratamento térmico, biológico e renovável, respectivamente, das plantas
com essas características.
133
Figura 47– Megaestrutura das plantas j com interação.
Figura 48– Superestrutura dos tratamentos térmicos da megaestrutura da planta j.
134
Figura 49– Superestrutura dos tratamentos biológicos da megaestrutura da planta j.
Figura 50– Superestrutura dos tratamentos renováveis da megaestrutura da planta j.
135
Tabela 23 – Parâmetros das plantas com transporte e utilizando o conjunto a gás CG1.
Conjunto a gás CG1 com transporte RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal ṁi_Pmetal [kg/s] 0,64 0,25 2,35 0,12 2,81 0,85 0,05 0,39 0,07 7,53 ṁi_Ppapel [kg/s] 0,78 0,30 2,84 0,14 3,40 1,03 0,06 0,47 0,08 9,10 ṁi_Pplástico [kg/s] 0,95 0,36 3,46 0,17 4,14 1,26 0,07 0,57 0,10 11,08 ṁi_Pvidro [kg/s] 0,35 0,13 1,26 0,06 1,51 0,46 0,03 0,21 0,04 4,05 ṁi_Lodo [kg/s] 1,95 0,81 5,45 0,38 6,22 2,96 0,16 1,35 0,28 19,56 ṁi_ROs [kg/s] 5,70 2,18 20,78 1,02 24,85 7,54 0,44 3,44 0,59 66,54 ṁi_Rou [kg/s] 5,70 2,18 20,78 1,02 24,85 7,54 0,44 3,44 0,59 66,54 ṁi_RS [kg/s] 8,91 3,41 32,49 1,59 38,84 11,79 0,68 5,38 0,92 104,01 ṁi_RS_T [kg/s] 10,59 3,51 37,74 1,64 45,36 13,76 0,70 6,49 0,95 120,73 n_híbrido - 3,00 0,00 9,00 0,00 11,00 3,00 0,00 2,00 0,00 28,00 ṁi_cinzas [kg/s] 2,65 0,88 9,43 0,41 11,34 3,44 0,17 1,62 0,24 30,17 ṁi_BGD [kg/s] 5,72 0,00 16,79 0,00 20,72 6,67 0,00 4,18 0,00 54,08 ṁi_CG_Inc [kg/s] 3,00 0,00 9,00 0,00 11,00 3,00 0,00 2,00 0,00 28,00 ṁi_VCI [kg/s] 28,22 9,35 100,60 4,36 120,91 36,68 1,86 17,31 2,52 321,81 ṁi_VCV [kg/s] 0,90 0,00 0,54 0,00 1,82 6,52 0,00 2,81 0,00 12,59 ṁi_VCC [kg/s] 18,00 0,00 53,00 0,00 64,00 18,00 0,00 12,00 0,00 165,00 Ẇi_liq_CG [MW] 35,9 0,0 108,0 0,0 132,0 35,9 0,0 24,0 0,0 335,0 Ẇi_TV [MW] 54,7 10,0 178,0 4,7 217,0 71,2 2,0 37,8 2,71 579,0 Ẇi_Ele_Total [MW] 58,2 0,0 173,0 0,0 214,0 66,2 0,0 42,3 0,0 553,0 Ẇi_ele_Rec [MW] 29,7 11,3 108,0 5,33 129,0 39,3 2,33 17,9 3,20 346,0 Ẇi_ele_Bio [MW] 1,102 0,00 3,366 0,00 4,226 1,260 0,00 0,730 0,00 10,684 Lucro_i [otimista] [106 US$/ano] 40,0 -9,0 100,0 -4,0 100,0 40,0 -1,0 30,0 -1,0 335,0 Lucro_i [mais prov.] [106 US$/ano] 20,0 -1,0 40,0 -5,0 60,0 20,0 -2,0 20,0 -3,0 131,0 Lucro_i [pessimista] [106 US$/ano] 0,4 -2,0 -20,0 -7,0 -20,0 -6,0 -3,0 3,0 -4,0 -73,6
136
Devido ao transporte de resíduos orgânicos para determinados locais, observa-se uma
maior produção de biogás. Isso possibilitou a implantação de um maior número de conjuntos
a gás nas plantas que receberam tais resíduos, aumentando a potência elétrica gerada em
conjunto a gás e turbina a vapor.
Na Figura 51 é apresentada a escolha das tecnologias a serem instaladas nas plantas
candidatas. Neste mapa pode ser constatado que em algumas plantas não existe a
superestrutura de processos biológicos. O mapa da Figura 51 identifica os destinos dos
resíduos orgânicos das plantas cuja vazão mássica não é atrativa para instalação da
superestrutura de processamento biológico. Nessas plantas de pouca atratividade para a
superestrutura de processamento biológico são instaladas apenas as superestruturas de
processamento térmico e renovável. É apresentado no Apêndice A – Figura 8.A – o mapa
ampliado da região.
Os resíduos orgânicos são transportados para uma planta com atratividade no
processamento dos resíduos biológicos na superestrutura de processamento biológico. Pode-se
reparar que existem dois caminhos saindo de uma mesma planta para plantas diferentes, ao
mesmo tempo se observam dois caminhos chegando numa mesma planta para melhorar a
oferta de produção de biogás, cada caminho com seu custo de transporte e de pedágio.
Figura 51– Mapa das plantas com as tecnologias com interação, com o CG2.
Observa-se na Tabela 24 que o número de superestruturas de processamento biológico é
menor em comparação às plantas isoladas; a última coluna representa o resultado da restrição
da existência da superestrutura de processamento biológico. Existe a possibilidade da planta
137
que recebe os resíduos processa-los ou destina-los para outra planta; para isso é feita uma
análise linha a linha (na linha se encontra a planta que pode processar e a planta que distribui
para outra planta). Nesta matriz, a diagonal principal representa as plantas que recebem
resíduos; se na diagonal principal existe o número 1, uma superestrutura de processamento
biológico será a ela atribuída, caso contrário será representado pelo número 0.
Na Figura 52 é apresentado um esquema para interpretar as tabelas 24 e 26. Na diagonal
principal se apresentam as plantas que irão receber os resíduos (com o número 1) ou as
plantas que enviaram resíduos (com o número 0). Uma vez identificadas as plantas que irão
receber e fornecer os resíduos para as outras plantas, devem ser analisadas as linhas da matriz.
Tomando-se na diagonal principal uma planta que pode receber resíduos de outra planta,
identifica-se a planta selecionada para enviar resíduos a ela observando-se, na mesma linha, a
planta fora da diagonal principal que também registra o número 1.
No esquema da Figura 52, na seção 1 (referente à tecnologia anaeróbia termofílica), o
número 1 na diagonal principal da primeira linha indica que a planta 1 pode receber resíduos
de outra planta; observando-se tal linha, verifica-se que o modelo selecionou a planta 4 para
enviar seus resíduos para a planta 1. Na planta 2, a diagonal principal apresenta o número 0,
ou seja, esta planta irá fornecer resíduos para outras plantas (o somatório da coluna é 1, e ela
enviará resíduos para a planta 8, juntamente com a planta 9). Na planta 3, a diagonal principal
apresenta o número 1, sendo que a planta 7 a ela destinará seus resíduos.
Figura 52– Exemplo de leitura das Tabelas 24 e 26.
138
Na Tabela 24 são apresentadas as variáveis binárias referentes ao transporte de resíduos
orgânicos, com uma restrição adotada para melhorar a receita através do transporte de
insumos de uma planta para outra. Considerando as plantas de menor escala e sem
possibilidades de implantação de conjuntos a gás para um ciclo híbrido, os insumos orgânicos
dessas plantas serão transportadas para outra planta, sendo apresentado no Apêndice A –
Figura 8.A – o mapa ampliado da região a ser analisada.
Na Tabela 25 são apresentados os parâmetros operacionais das plantas que utilizam o
conjunto a gás CG2. Nesta tabela são apresentados os valores de potência instalada nas
plantas e o valor total das plantas, sendo este valor aproximadamente 975 MW, que
representam as somas das potências instaladas das turbinas a vapor e dos conjuntos a gás das
plantas. Este valor está acima das potências instaladas nas plantas isoladas, atendendo às
demandas de potência elétrica dos equipamentos dos processos das superestruturas de
tratamento biológico e renovável, com consumo aproximado de 357 MW.
As plantas com ciclos híbridos apresentam um lucro positivo em comparação com as
plantas de ciclo a vapor convencional, devido à geração de excedente de energia elétrica; nas
plantas de ciclo a vapor é necessária a compra de energia elétrica para serem atendidos os
processos, pois não conseguem atingir a demanda elétrica da planta, uma vez que não
apresentam geração de energia elétrica. A lucratividade das plantas com ciclos híbridos
apresentam valores positivos para os cenários mais provável e otimista; para o cenário
pessimista a lucratividade apresenta patamares negativos para plantas de processamento
maiores.
As plantas de Tremembé e Mauá apresentam valores positivos de lucratividade no
cenário pessimista. Essa característica se deve ao ponto de operação da planta que está num
patamar atrativo, no qual a vazão de resíduos processados, a geração de insumos vendidos e
utilizados nas plantas apresenta um ponto ótimo de operação, gerando uma lucratividade. As
plantas de ciclo convencional apresentam as mesmas características do conjunto a gás CG1,
não apresentando lucratividade positiva, apenas débito em todos os cenários devido à falta de
produção de energia elétrica. Observa-se na Tabela 26 que o número de superestruturas de
processamento biológico é menor em comparação às plantas isoladas devido ao mesmo
raciocínio empregado para a análise da Tabela 24.
Isso se deve ao fato da vazão de combustível utilizada nos conjuntos a gás ser da
mesma ordem de grandeza, sendo que os valores relativos ao conjunto a gás CG2 são
superiores. O investimento inicial necessário ao se selecionar o conjunto a gás CG2, de
aproximadamente 2,63 bilhões de dólares, é menor em comparação ao investimento inicial
139
das plantas que utilizam o conjunto a gás CG1, de aproximadamente 2,81 bilhões de dólares,
devido ao uso de tecnologias mais eficientes e com fator de escala de compra mais atrativo,
ou seja, máquinas maiores apresentam custo especifico inferior aos de máquinas menores
(BOYCE, 2001).
Para as plantas com o uso do conjunto a gás CG1 e do conjunto a gás CG2, o
investimento inicial sem transporte é de 2,67 e 2,54 bilhões de dólares, respectivamente,
valores menores que os das mesmas plantas com o uso do transporte; isso se deve ao aumento
da quantidade de equipamentos instalados em determinadas plantas, sendo observado um
menor aumento no uso do conjunto a gás CG2, de 90 milhões de dólares em comparação ao
aumento do conjunto a gás CG1, que foi de 140 milhões de dólares. Esse aumento acompanha
o aumento da receita dos conjuntos a gás CG1 e CG2, sendo, para o cenário mais provável, no
caso sem transporte, respectivamente, de 121,2 milhões de dólares anuais e 153, 2 milhões de
dólares anuais, ao passo que no mesmo cenário mais provável, com o uso do transporte se
alcança 131,0 milhões de dólares anuais e 167,00 milhões de dólares anuais, respectivamente.
140
Tabela 24 – Valores das variáveis binárias para definir o local de destinação dos resíduos orgânicos, para o conjunto a gás CG1e com transporte.
Conjunto a gás CG1 com transporte RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Restrição Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal d1_1T - 1 0 0 1 0 0 0 0 0 1 d1_2T - 0 0 0 0 0 0 0 0 0 0 d1_3T - 0 0 1 0 0 0 1 0 0 1 d1_4T - 0 0 0 0 0 0 0 0 0 0 d1_5T - 0 0 0 0 1 0 0 0 0 1 d1_6T - 0 0 0 0 0 1 0 0 0 1 d1_7T - 0 0 0 0 0 0 0 0 0 0 d1_8T - 0 1 0 0 0 0 0 1 1 1 d1_9T - 0 0 0 0 0 0 0 0 0 0 ∑d1_jT - 1 1 1 1 1 1 1 1 1 5
d2_1T - 1 0 0 1 0 0 0 0 0 1 d2_2T - 0 0 0 0 0 0 0 0 0 0 d2_3T - 0 0 1 0 0 0 1 0 0 1 d2_4T - 0 0 0 0 0 0 0 0 0 0 d2_5T - 0 1 0 0 1 0 0 0 0 1 d2_6T - 0 0 0 0 0 1 0 0 0 1 d2_7T - 0 0 0 0 0 0 0 0 0 0 d2_8T - 0 0 0 0 0 0 0 1 1 1 d3_9T - 0 0 0 0 0 0 0 0 0 0 ∑d2_jT - 1 1 1 1 1 1 1 1 1 5
d3_1T - 1 0 0 1 0 0 0 0 0 1 d3_2T - 0 0 0 0 0 0 0 0 0 0 d3_3T - 0 0 1 0 0 0 1 0 0 1 d3_4T - 0 0 0 0 0 0 0 0 0 0 d3_5T - 0 1 0 0 1 0 0 0 0 1 d3_6T - 0 0 0 0 0 1 0 0 0 1 d3_7T - 0 0 0 0 0 0 0 0 0 0 d3_8T - 0 0 0 0 0 0 0 1 1 1 d2_9T - 0 0 0 0 0 0 0 0 0 0 ∑d3_jT - 1 1 1 1 1 1 1 1 1 5
141
Tabela 25 – Valores dos parâmetros das plantas com transporte e utilizando o conjunto a gás CG2.
Conjunto a gás CG2 com transporte Região Metropolitana São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal ṁi_Pmetal [kg/s] 0,64 0,25 2,35 0,12 2,81 0,85 0,05 0,39 0,07 7,53 ṁi_Ppapel [kg/s] 0,78 0,30 2,84 0,14 3,40 1,03 0,06 0,47 0,08 9,10 ṁi_Pplástico [kg/s] 0,95 0,36 3,46 0,17 4,14 1,26 0,07 0,57 0,10 11,08 ṁi_Pvidro [kg/s] 0,35 0,13 1,26 0,06 1,51 0,46 0,03 0,21 0,04 4,05 ṁi_Lodo [kg/s] 1,95 0,81 5,45 0,38 6,22 2,96 0,16 1,35 0,28 19,56 ṁi_ROs [kg/s] 5,70 2,18 20,78 1,02 24,85 7,54 0,44 3,44 0,59 66,54 ṁi_Rou [kg/s] 5,70 2,18 20,78 1,02 24,85 7,54 0,44 3,44 0,59 66,54 ṁi_RS [kg/s] 8,91 3,41 32,49 1,59 38,84 11,79 0,68 5,38 0,92 104,01 ṁi_RS_T [kg/s] 10,62 3,51 37,74 1,64 45,36 13,76 0,70 6,46 0,95 120,74 n_híbrido - 3,00 0,00 8,00 0,00 10,00 3,00 0,00 2,00 0,00 26,00 ṁi_cinzas [kg/s] 2,65 0,88 9,43 0,41 11,34 3,44 0,17 1,62 0,24 30,17 ṁi_BGD [kg/s] 5,92 0,00 16,79 0,00 20,72 6,67 0,00 3,98 0,00 54,08 ṁi_CG_Inc [kg/s] 3,00 0,00 8,00 0,00 10,00 3,00 0,00 2,00 0,00 26,00 ṁi_VCI [kg/s] 28,30 9,35 100,60 4,36 120,91 36,68 1,86 17,23 2,52 321,81 ṁi_VCV [kg/s] 0,06 0,00 6,10 0,00 6,02 4,48 0,00 0,24 0,00 16,90 ṁi_VCC [kg/s] 17,00 0,00 44,00 0,00 55,00 17,00 0,00 11,00 0,00 144,00 Ẇi_liq_CG [MW] 48,2 0,0 128,0 0,0 161,0 48,2 0,0 32,1 0,0 417,0 Ẇi_TV [MW] 52,4 10,0 174,0 4,7 211,0 67,2 2,0 33,4 2,7 558,0 Ẇi_Ele_Total [MW] 68,1 0,0 190,0 0,0 236,0 74,4 0,0 46,2 0,0 615,0 Ẇi_ele_Rec [MW] 29,7 11,3 108,0 5,3 129,0 39,3 2,3 17,9 3,2 346,0 Ẇi_ele_Bio [MW] 1,121 0,00 3,366 0,00 4,226 1,260 0,00 711,50 0,00 10,685 Lucro_i [otimista] [106 US$/ano] 50,0 -9,0 100,0 -4,0 200,0 50,0 -1,0 30,0 -1,0 380,0 Lucro_i [mais prov.] [106 US$/ano] 30,0 -10,0 50,0 -5,0 70,0 20,0 -2,0 20,0 -3,0 167,0 Lucro_i [pessimista] [106 US$/ano] 50,0 -20,0 -10,0 -7,0 -8,0 -2,0 -3,0 5,0 -4,0 -43,0
142
Tabela 26 – Valores das variáveis binárias para definir o local de destinação dos resíduos orgânicos, para o conjunto a gás CG2 e com transporte. Conjunto a gás CG2 com transporte
RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Restrição Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal d1_1T - 1 0 0 1 0 0 0 0 1 1 d1_2T - 0 0 0 0 0 0 0 0 0 0 d1_3T - 0 0 1 0 0 0 1 0 0 1 d1_4T - 0 0 0 0 0 0 0 0 0 0 d1_5T - 0 0 0 0 1 0 0 0 0 1 d1_6T - 0 0 0 0 0 1 0 0 0 1 d1_7T - 0 0 0 0 0 0 0 0 0 0 d1_8T - 0 1 0 0 0 0 0 1 0 1 d1_9T - 0 0 0 0 0 0 0 0 0 0 ∑d1_jT - 1 1 1 1 1 1 1 1 1 5
d2_1T - 1 0 0 1 0 0 0 0 0 1 d2_2T - 0 0 0 0 0 0 0 0 0 0 d2_3T - 0 0 1 0 0 0 1 0 0 1 d2_4T - 0 0 0 0 0 0 0 0 0 0 d2_5T - 0 1 0 0 1 0 0 0 0 1 d2_6T - 0 0 0 0 0 1 0 0 0 1 d2_7T - 0 0 0 0 0 0 0 0 0 0 d2_8T - 0 0 0 0 0 0 0 1 1 1 d3_9T - 0 0 0 0 0 0 0 0 0 0 ∑d2_jT - 1 1 1 1 1 1 1 1 1 5
d3_1T - 1 0 0 1 0 0 0 0 0 1 d3_2T - 0 0 0 0 0 0 0 0 0 0 d3_3T - 0 0 1 0 0 0 1 0 0 1 d3_4T - 0 0 0 0 0 0 0 0 0 0 d3_5T - 0 1 0 0 1 0 0 0 0 1 d3_6T - 0 0 0 0 0 1 0 0 0 1 d3_7T - 0 0 0 0 0 0 0 0 0 0 d3_8T - 0 0 0 0 0 0 0 1 1 1 d2_9T - 0 0 0 0 0 0 0 0 0 0 ∑d3_jT - 1 1 1 1 1 1 1 1 1 5
143
4.3 Análise da eficiência das plantas analisadas.
Na Tabela 27 são apresentados os valores da potência elétrica gerada, potência elétrica
vendida, eficiência térmica da energia elétrica gerada e da energia elétrica vendida (equações
67 a 70). As potências elétricas geradas nas plantas isoladas são menores em comparação às
plantas com o auxílio de transporte de resíduos. A somatória da potência elétrica gerada nas
plantas isoladas é 898,7 MW (CG1) e 951,5 MW (CG2), valores que, em comparação às
plantas com o uso do transporte, de 914,1 MW (CG1) e 975,2 MW (CG2), representam
aumentos de 1,7 % (CG1) e 2,5% (CG2).
Tabela 27 – Potências elétricas geradas e fornecidas das plantas isoladas, integradas e a global com o conjunto a gás CG1 e CG2.
São Paulo Campinas V. Paraíba e L. Norte -
Parâmetro Unid. cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis.
Global Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9
Sem
tra
nspo
rte
Ẇi_ele_ger [MW] CG1 77,9 31,4 277,7 12,3 332,5 107,1 5,3 47,0 7,5 898,7 CG2 83,4 26,3 299,7 12,3 352,1 115,4 5,3 49,7 7,5 951,5
Ẇi_ele_for [MW] CG1 46,9 19,2 165,3 6,7 198,0 66,2 2,8 28,3 4,1 537,5 CG2 52,4 14,0 187,3 6,7 217,6 74,4 2,8 31,0 4,1 590,5
Com
Tr
ansp
orte
Ẇi_ele_ger [MW] CG1 90,6 10,0 286,1 4,7 349,0 107,1 2,0 61,7 2,7 914,1 CG2 100,5 10,0 302,9 4,7 371,4 115,4 2,0 65,5 2,7 975,2
Ẇi_ele_for [MW] CG1 58,2 0 173,3 0 213,5 66,2 0 42,3 0 553,5 CG2 68,1 0 190,1 0 235,9 74.444 0 46,2 0 614,7
Na Tabela 28 são apresentados os valores da eficiência térmica geradas apresentam
mesma ordem de grandeza, sendo que as plantas com tecnologia híbrida (em destaque com os
valores em negrito) apresentam valores em torno de 33% a 36% de eficiência para as plantas
isoladas. Para as plantas com o uso do transporte, apresentam valores de 33,7% a 38,4%, um
aumento de 1% a 2%.
As eficiências das plantas convencionais, sem o uso de ciclos combinados em paralelo,
apresentam eficiência em torno de 28 % das plantas sem transporte e de 26% das plantas com
transporte, valores próximos da eficiência térmica com base nos resíduos sólidos incinerados,
sendo que o valor considerado por outros estudos encontra-se em torno de 20% de eficiência
de térmica dos ciclos a vapor com incineração (ASSAMOI et. al., 2012; BALCAZAR et al.,
2013). A diferença entre as plantas com e sem interação se deve ao uso de caldeira
convencional para auxiliar a geração de vapor de processo, sendo a diferença de eficiência
devida ao ciclo analisado não apresentar uso de vapor de processo em outros equipamentos,
como o desaerador.
144
Tabela 28 – As eficiências térmicas geradas, fornecidas e com base nos resíduos sólidos das plantas isoladas, integradas e a global com o conjunto a gás CG1 e CG2.
São Paulo Campinas V. Paraíba e L. Norte -
Parâmetro Unid. cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis.
Global Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9
Sem
tran
spor
te
ηTérmico_Gerado [-] CG1 33,17% 34,52% 33,69% 28,81% 33,94% 33,68% 28,87% 32,39% 28,82% 33,53% CG2 35,51% 28,87% 36,36% 28,81% 35,93% 36,27% 28,87% 34,28% 28,82% 35,51%
ηTérmico_Fornecido [-] CG1 19,99% 21,14% 20,05% 15,71% 20,21% 20,80% 15,45% 19,49% 15,86% 20,06% CG2 22,33% 15,42% 22,73% 15,71% 22,21% 23,40% 15,45% 21,39% 15,86% 22,04%
ηTérmico_RS [-] CG1 25,71% 28,36% 27,22% 16,33% 27,77% 26,47% 16,46% 23,73% 15,37% 26,72% CG2 32,67% 18,78% 34,54% 18,55% 33,71% 34,15% 18,68% 29,97% 17,77% 32,77%
Com
Tra
nspo
rte
ηTérmico_Gerado [-] CG1 34,92% 26,03% 34,27% 26,02% 34,32% 33,68% 26,02% 35,08% 26,02% 34,11% CG2 37,96% 26,03% 36,28% 26,02% 36,52% 36,27% 26,02% 38,41% 26,02% 36,39%
ηTérmico_Fornecido [-] CG1 22,41% 0,00% 20,76% 0,00% 21,00% 20,80% 0,00% 24,06% 0,00% 20,65% CG2 25,70% 0,00% 22,78% 0,00% 23,19% 23,40% 0,00% 27,08% 0,00% 22,94%
ηTérmico_RS [-] CG1 28,41% 26,03% 28,25% 26,03% 28,20% 26,47% 26,02% 27,55% 26,02% 27,88% CG2 37,66% 26,03% 34,35% 26,03% 34,77% 34,15% 26,02% 38,71% 26,02% 34,54%
4.4 Análise de parâmetros específicos
4.4.1 Análises dos resultados da geração dos resíduos dispostos em aterro sanitário
Na Tabela 28 são apresentados os valores de produção dos resíduos totais, das cinzas
produzidas, das cinzas vendidas e das cinzas dispostas em aterro sanitário. Pode-se notar que
o valor total de cinzas produzidas, de 815 milhões de toneladas ao ano, é da mesma ordem de
grandeza dos resíduos depositados no aterro sanitário na planta 6, em Paulínia, de 867
milhões de toneladas ao ano, e inferior às maiores plantas, caso da planta 3, em Caieiras, com
capacidade de 2320 milhões de toneladas ao ano, e a planta 5, em São Paulo, com capacidade
de receber 2760 milhões de toneladas ao ano.
Tabela 29 – Valores da produção anual do que deveria ser enviado para aterro sanitário Vazões nos incineradores
RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal
ṁi_RS_T [106 t/ano] 648,0 249,0 2320,0 117,0 2760,0 867,0 50,0 396,0 69,1 7470,0
ṁi_cinzas [106 t/ano] 69,9 26,7 254,0 12,4 303,0 92,9 5,4 42,4 7,3 815,0
ṁi_cinzas_AS [106 t/ano] 14,0 5,4 50,8 2,5 60,7 18,6 1,1 8,5 1,5 163,0
ṁi_cinzas_V [106 t/ano] 55,9 21,4 203,0 9,9 243,0 74,3 4,3 33,9 5,8 652,0
145
4.4.2 Análise do carbono equivalente produzido
A Figura 53 apresenta a produção de dióxido de carbono equivalente produzido em
aterro sanitário com os resíduos gerados. O gráfico apresenta essa curva característica devido
à sobreposição dos resíduos depositados ao longo da vida útil do aterro, ocorrendo um
decaimento após o fechamento do aterro.
Figura 53– Produção de dióxido de carbono equivalente dos resíduos produzidos em um
aterro sanitário.
As Tabelas 30 a 33 apresentam os valores de emissão de dióxido de carbono com o uso
de equipamentos de estabilização, valores de emissão de CO2 equivalente para os resíduos
depositados em aterro sanitário, diferença de emissões, o investimento inicial das plantas,
energia elétrica anual gerada nos empreendimentos, a geração de energia elétrica específica
(kWh/tRS e kWh/tCO2) e o investimento específico das tecnologias, sem e com o uso do
transporte nos conjuntos a gás CG1 e CG2.
O ciclo térmico que emprega o conjunto a gás CG2 apresenta uma geração de energia
elétrica específica de todas as plantas de 124 e 127 kWh/tCO2, sem e com transporte,
respectivamente; em comparação com o ciclo térmico que emprega o conjunto a gás CG1, os
valores comparativos são de 117 e 119 kWh/tCO2, sem e com transporte, respectivamente.
Isso sinaliza uma melhor utilização dos combustíveis, no caso a biomassa, para a geração de
energia elétrica dos empreendimentos. Esse parâmetro aponta que o uso do CG2 é menos
impactante na geração de CO2 equivalente que o uso do CG1, pois a geração de energia elétrica é
menor, considerando a tonelada de CO2 equivalente gerada.
146
Tabela 30 – Valores de emissões, energia elétrica gerada e investimento bruto específico para o CG1 sem transporte.
Conjunto a gás 1 sem transporte RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal
ṁi_RM [103 t/ano] 280,0 110,0 100,0 500,0 120,0 370,0 210,0 170,0 290,0 3.259,2
ṁi_CO2 (processos de estabilização) [106 t/ano] 5,0 1,9 18,0 0,9 21,0 6,7 0,4 3,0 0,5 57,6
ṁi_CO2 (Aterro Sanitário) [106 t/ano] 6,8 2,6 24,0 1,2 29,0 9,1 0,5 4,2 0,7 78,7
Diferença de produção de CO2 [106 t/ano] 1,8 0,7 6,6 0,3 7,8 2,5 0,1 1,1 0,2 21,2
Investimento inicial [106 US$] 220,0 150,0 660,0 130,0 800,0 290,0 130,0 150,0 130,0 2.672,0 Energia elétrica anual gerada [GWh/ano] 580,0 240,0 2100,0 92,0 2500,0 800,0 39,0 350,0 56,0 6.740,0
Energia elétrica especifica de CO2 [kWh/tCO2] 117 123 117 103 117 120 102 117 105 117
Energia elétrica especifica de RM [kWh/tRM] 2087 2196 2050 1843 2054 2163 1846 2078 1918 2068
Investimento especifico [US$/MWh] 375 626 316 1461 321 366 3381 426 2388 396
Tabela 31 – Valores de emissões, energia elétrica gerada e investimento bruto específico para o CG1 com transporte. Conjunto a gás 1 com transporte
RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal
ṁi_RM [103 t/ano] 290,0 95,0 100,0 440,0 120,0 370,0 190,0 180,0 260,0 3.259,2
ṁi_CO2 (processos de estabilização) [106 t/ano] 5,0 1,9 18,0 0,9 21,0 6,7 0,4 3,0 0,5 57,6
ṁi_CO2 (Aterro Sanitário) [106 t/ano] 6,8 2,6 24,0 1,2 29,0 9,1 0,5 4,2 0,7 78,7
Diferença de produção de CO2 [106 t/ano] 1,8 0,7 6,6 0,3 7,8 2,5 0,1 1,1 0,2 21,2
Investimento inicial [106 US$] 270,0 130,0 710,0 130,0 850,0 270,0 130,0 200,0 130,0 2.807,0 Energia elétrica anual gerada [GWh/ano] 680,0 75,0 2100,0 35,0 2600,0 800,0 15,0 460,0 20,0 6.855,6
Energia elétrica especifica de CO2 [kWh/tCO2] 136 39 120 39 123 120 39 152 38 119
Energia elétrica especifica de RM [kWh/tRM] 2377 795 2106 795 2138 2163 795 2640 795 2103
Investimento especifico [US$/MWh] 393 1719 329 3657 325 340 8526 428 6305 409
147
Tabela 32 – Valores de emissões, energia elétrica gerada e investimento bruto específico para o CG2 sem transporte.
Conjunto a gás 2 sem transporte RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal
ṁi_RM [103 t/ano] 280,0 110,0 100,0 500,0 120,0 370,0 210,0 170,0 290,0 3.259,2
ṁi_CO2 (processos de estabilização) [106 t/ano] 5,0 1,9 18,0 0,9 21,0 6,7 0,4 3,0 0,5 57,6
ṁi_CO2 (Aterro Sanitário) [106 t/ano] 6,8 2,6 24,0 1,2 29,0 9,1 0,5 4,2 0,7 78,7
Diferença de produção de CO2 [106 t/ano] 1,8 0,7 6,6 0,3 7,8 2,5 0,1 1,1 0,2 21,2
Investimento inicial [106 US$] 220,0 130,0 640,0 130,0 720,0 290,0 130,0 150,0 130,0 2.541,8 Energia elétrica anual gerada [GWh/ano] 630,0 200,0 2200,0 92,0 2600,0 870,0 39,0 370,0 56,0 7.136,4
Energia elétrica especifica de CO2 [kWh/tCO2] 125 102 126 102 124 130 102 122 105 124
Energia elétrica especifica de RM [kWh/tRM] 2234 1837 2212 1843 2175 2329 1846 2200 1918 2190
Investimento especifico [US$/MWh] 345 683 286 1433 272 334 3315 398 2342 356
Tabela 33 – Valores de emissões, energia elétrica gerada e investimento bruto específico para o CG2 com transporte. Conjunto a gás 2 com transporte
RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória Planta Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 PlantaTotal
ṁi_RM [103 t/ano] 290,0 95,0 100,0 440,0 120,0 370,0 190,0 170,0 260,0 3.259,2
ṁi_CO2 (processos de estabilização) [106 t/ano] 5,0 1,9 18,0 0,9 21,0 6,7 0,4 3,0 0,5 57.572.302
ṁi_CO2 (Aterro Sanitário) [106 t/ano] 6,8 2,6 24,0 1,2 29,0 9,1 0,5 4,2 0,7 78.744.232
Diferença de produção de CO2 [106 t/ano] 1,8 0,7 6,6 0,3 7,8 2,5 0,1 1,1 0,2 21.171.930
Investimento inicial [106 US$] 260,0 130,0 630,0 130,0 770,0 270,0 130,0 200,0 130,0 2.627,0 Energia elétrica anual gerada [GWh/ano] 750,0 75,0 2300,0 35,0 2800,0 870,0 15,0 490,0 20,0 7.314,0
Energia elétrica especifica de CO2 [kWh/tCO2] 151 39 127 39 131 130 39 161 38 127
Energia elétrica especifica de RM [kWh/tRM] 2629 795 2230 795 2274 2329 795 2816 795 2244
Investimento especifico [US$/MWh] 349 1684 276 3583 276 311 8353 397 6177 359
148
148
O investimento específico revela que o uso do conjunto a gás CG2 é mais atrativo,
devido ao menor valor – 356 US$/tCO2 (para as plantas sem interação) e 359 US$/tCO2 (para
as plantas com interação), em comparação ao conjunto a gás CG1, que apresenta um valor de
396 US$/tCO2 (para as plantas sem interação) e 409 US$/tCO2 (para as plantas com
interação), um investimento específico maior que o do conjunto a gás CG2.
A energia elétrica específica das plantas de processamento com o conjunto a gás CG1
sem interação apresenta variação na geração nos patamares de 1800 kWh/tRS até
2300 kWh/tRS, enquanto as plantas de processamento com o conjunto a gás CG1 com
interação apresentam geração de energia elétrica específica em patamares próximos dos que
são alcançados pelos ciclos híbridos, de 2100 kWh/tRS a 2600 kWh/tR; no ciclo a vapor
convencional esse parâmetro é de 795 kWh/tRS e independe do conjunto a gás empregado.
Com o conjunto a gás CG2 a geração de energia elétrica específica apresenta uma
variação nos patamares de 1800 kWh/tRS até 2300 kWh/tRS sem interação; com interação entre
plantas, o conjunto a gás CG2 apresenta geração de energia elétrica específica nas plantas
híbridas nos patamares de 2200 kWh/tRS até 2800 kWh/tRS.
Para as plantas de ciclo convencional, a ordem de grandeza dos resultados está próxima
dos resultados de Korobitsyn et. al. (1999). Em seus estudos, o ciclo a vapor convencional
apresentou uma geração de energia elétrica específica de 695 kWh/tRS. Para as plantas
híbridas, os valores de geração de energia elétrica específica dos estudos de Korobitsyn et. al.
(1999) apresentam ordem de grandeza nas plantas híbridas de 2350 kWh/tRS a 2500 kWh/tRS,
condizentes com os valores obtidos na presente análise.
4.4.3 Análise do combustível utilizado no transporte de resíduos entre plantas.
Considerando o consumo dos motores de caminhão em valor médio de 2,5 km/l
(GARCIA et. al., 2010), o gasto com combustível no transporte dos resíduos é de
aproximadamente 3.037,39 m³/ano (3.037.390 l/ano) para o ciclo híbrido empregando o
conjunto a gás CG1 e de 3.064,72 m³/ano (3.064.720 l/ano) para o uso do conjunto a gás CG2.
O óleo diesel foi assumido como o combustível empregado, com massa especifica de
852 kg/m³ e poder calorífico superior de 38.351,1 kJ/l (PETROBRAS, 2014).
Utilizando esses parâmetros técnicos dos combustíveis e do seu uso ano, obtém-se uma
energia pelo uso do combustível de 32.357.615 kWh/ano para as plantas que apresentam em
sua configuração o conjunto a gás CG1 e 32.648.724 kWh/ano para as plantas que apresentam
em sua configuração o conjunto a gás CG2. Considerando o uso deste combustível líquido em
149
149
uma termelétrica de ciclo combinado, com eficiência entre 50% e 60% (KEHLHOFER, 2009)
a energia elétrica gerada seria de 16,1 GWh/ano para o conjunto a gás CG1 e 16,3 GWh/ano
para o conjunto a gás CG2. As diferenças da energia elétrica gerada anualmente pelas plantas
isoladas e as plantas com interação são 115 GWh/ano para o conjunto a gás CG1 (diferença
dos valores das Tabelas 30 e 31) e 178 GWh/ano para o conjunto a gás CG2 (diferença dos
valores das Tabelas 32 e 33).
Em comparação ao ganho de energia elétrica gerada ao ano, o combustível apresenta
uma relação de 13,99% para o conjunto a gás CG1 e 9,20% para o conjunto a gás CG2,
tornando o uso do transporte de resíduos para outra planta de processamento uma estratégia
que beneficia a geração de energia elétrica, porém compromete o ambiental devido a geração
de poluentes devido ao uso de motores de pequeno porte, com eficiência especifica baixa em
comparação a motores de maior potência. O aumento da energia elétrica gerada anualmente
pelas plantas com interação torna o uso deste método para a geração de um excedente de
energia elétrica atrativo, mesmo considerando o uso de caminhões para o transporte dos
resíduos orgânicos e líquidos. Essas diferenças seriam maiores se houvesse o uso de uma
malha ferroviária adequada, com o uso de trem movido a motores a diesel ou mais eficiente
com o uso de motores a energia elétrica.
4.5 Análise da atratividade econômica das plantas
A Tabela 34 apresenta estimativa dos valores de investimento inicial das plantas de
processamento com os dois conjuntos a gás e com e sem interação das plantas de
processamento. Pode-se notar que houve um aumento do investimento inicial nas plantas com
interação em relação ao cenário das plantas isoladas. Isso ocorreu devido ao aumento dos
ciclos híbridos instalados das plantas com interação devido à oferta de biogás dessas plantas,
como se pode observar nas Tabelas 20 e 23, e nas Tabelas 22 e 25, no caso dos conjuntos a
gás CG1 e CG2, respectivamente, aumentando o uso de incineradores e ciclos combinados.
Tabela 34 – Valores estimados de investimentos iniciais das plantas de processamento.
RM São Paulo Campinas V. Paraíba e L. Norte - cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória
CGi
Invest. Inicial Total
Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 Custos
Sem
CG1 106 US$ 219,0 147,0 658,0 134,0 801,0 294,0 133,0 150,0 134,0 2.670,0 CG2 106 US$ 216,0 135,0 644,0 132,0 717,0 289,0 131,0 148,0 131,0 2.540,0
Com
CG1 106 US$ 267,0 130,0 705,0 129,0 850,0 273,0 128,0 198,0 128,0 2.810,0 CG2 106 US$ 263,0 127,0 627,0 126,0 769,0 269,0 125,0 195,0 126,0 2.630,0
150
150
4.5.1 Resultados das análises do tempo de retorno do investimento – payback
As Figuras 54 e 55 ilustram os gráficos das curvas de payback das plantas com o uso de
conjunto a gás CG1 e com um cenário otimista. Os demais casos serão abordados de maneira
mais simplificada, apenas mostrando a informação da Figura 55, que é o período no qual
ocorre o cruzamento das curvas com a abscissa. No Apêndice B são apresentados os gráficos
ampliados de todas as análises do payback.
Figura 54– Payback do cenário otimista com o conjunto a gás CG1 sem transporte.
Figura 55– Payback do cenário otimista com o CG1 sem transporte (ampliado).
151
151
A Tabela 35 apresenta os dados de período de amortização dos conjuntos a gás CG1 e
CG2, utilizando ou não o transporte de resíduos nos cenários otimistas, mais provável e
pessimistas, considerando uma taxa de juros anual de 8% e 10%, com o uso de taxas (TRR,
taxa de recolhimento de resíduo) e créditos externos (CC, créditos de carbono) para elevar a
atratividade do empreendimento.
Tabela 35 – Valores do payback nos conjuntos a gás CG1 e CG2 sem e com transporte nos cenários Otimista, Mais Provável e Pessimista.
Período de amortização [ano]
Receita Receita +TRR Receita +CC Receita +TRR+CC
8% 10% 8% 10% 8% 10% 8% 10%
antes depois antes depois antes depois antes depois antes depois antes depois antes depois antes depois
Con
junt
o a
gás
CG
1
Sem
Otimista 14 15 18 19 4 5 4 5 7 8 8 9 3 4 3 4 Mais Provável 20 - 20 - 7 8 8 9 20 - 20 - 5 6 5 6 Pessimista 20 - 20 - 20 - 20 - 20 - 20 - 19 20 20 -
Com
Otimista 14 15 19 20 4 5 4 5 7 8 8 9 3 4 3 4 Mais Provável 20 - 20 - 7 8 8 9 20 - 20 - 5 6 6 7 Pessimista 20 - 20 - 20 - 20 - 20 - 20 - 20 - 20 -
Con
junt
o a
gás
CG
2
Sem
Otimista 11 12 12 13 3 4 3 4 6 7 6 7 2 3 3 4 Mais Provável 20 - 20 - 6 7 6 7 16 17 20 - 4 5 5 6 Pessimista 20 - 20 - 20 - 20 - 20 - 20 - 14 15 19 20
Com
Otimista 10 11 12 13 4 5 4 5 6 7 6 7 3 4 3 4 Mais Provável 20 - 20 - 8 9 9 10 16 17 20 - 6 7 6 7 Pessimista 20 - 20 - 20 - 20 - 20 - 20 - 20 - 20 -
Nas análises das curvas de payback dos conjuntos a gás CG1 e CG2 para as plantas
isoladas e com interação, através de transporte de resíduos orgânicos, os tempos de retorno do
investimento para os conjuntos a gás CG1 e CG2 para o cenário otimista apresenta um retorno
de dois a quatro anos, pois são considerando todos os créditos e receitas. Para o cenário
otimista sem nenhum subsídio, apresenta um período de retorno de dez a dezenove anos.
Houve uma melhora de um ano para o conjunto a gás CG2 nas plantas sem interação.
Essa melhora ocorreu devido ao uso de mais equipamentos em plantas de processamento com
interação em comparação as plantas isoladas. As plantas isoladas não geram dióxido de
carbono advinda do uso de caminhões para transportar de uma planta para outra planta,
porém, em termos de eficiência, as plantas com interação são mais atrativas.
O cenário mais provável apresentado demonstra que é necessário o uso de incentivos
fiscais e tributários para tornar o empreendimento atrativo financeiramente, sendo tecnológica
e ambientalmente atrativos, minimizando passivos ambientais e fornecendo produtos, desde a
energia elétrica, matéria prima reciclada, adubo orgânico, cinzas e biogás.
Com o uso de tecnologias Waste-To-Energy é possível diversificando a matriz
energética brasileira. Hoje o Brasil detém tecnologias de hidroelétricas que depende da
152
152
sazonalidade e do período de chuvas para manter os reservatórios com a capacidade mínima
para operação, com uma matriz energética mais diversificada e descentralizada é possível
melhorar a confiabilidade de fornecimento de energia elétrica.
4.5.2 Resultados das análises da VPL
A Figura 56 é o gráfico do valor presente líquido (VPL) com cenário otimista. No
Apêndice C são apresentados os gráficos ampliados de todas as análises da VPL. A Tabela 36
são apresentados os valores da análise do valor presente líquido dos conjuntos a gás CG1 e
CG2, utilizando ou não o transporte de resíduos nos cenários otimistas, mais provável e
pessimistas, com uma variação do investimento inicial de 70%, 100% e 130%.
A variação do investimento inicial são cenários que possam vir a acontecer durante o
processo de construção do empreendimento, devido ao elevado investimento desses
equipamentos é necessário recorrer a instituições financeiras para utilizar empréstimos de
natureza de desenvolvimento econômico. O investimento não leva em consideração o
investimento do planejamento, dos relatórios de impacto ambiental local dentre outros
documentos necessários para a construção de uma planta industrial desta natureza.
Figura 56– VPL do cenário otimista com o conjunto a gás CG1 sem transporte.
153
153
Tabela 36 – Valores do VPL nos conjuntos a gás CG1 e CG2 sem e com transporte nos cenários Otimista, Mais Provável e Pessimista.
Valor Presente Líquido (VPL) [ bilhões US$]
Receita Receita +CC Receita +TRR Receita +TRR+CC
70% 100% 130% 70% 100% 130% 70% 100% 130% 70% 100% 130%
Con
junt
o a
gás
CG
1 Sem
Otimista 1,52 0,72 -0,08 2,60 1,80 0,99 6,67 5,87 5,07 8,46 7,66 6,86 Mais Provável -0,76 -1,57 -2,37 0,40 -0,41 -1,21 2,66 1,86 1,06 3,82 3,02 2,22 Pessimista -2,48 -3,28 -4,09 -1,81 -2,61 -3,41 -0,37 -1,17 -1,97 0,30 -0,50 -1,30
Com
Otimista 1,58 0,74 -0,10 2,64 1,80 0,96 6,73 5,89 5,05 8,53 7,69 6,84 Mais Provável -0,77 -1,61 -2,45 0,39 -0,45 -1,29 2,66 1,82 0,98 3,82 2,98 2,13 Pessimista -2,55 -3,39 -4,24 -1,88 -2,72 -3,56 -0,44 -1,28 -2,12 0,23 -0,61 -1,45
Con
junt
o a
gás
CG
2 Sem
Otimista 2,01 1,25 0,49 3,04 2,27 1,51 7,16 6,40 5,64 8,96 8,20 7,43 Mais Provável -0,38 -1,14 -1,91 0,78 0,02 -0,75 3,05 2,28 1,52 4,21 3,45 2,68 Pessimista -2,18 -2,94 -3,70 -1,50 -2,26 -3,03 -0,06 -0,83 -1,59 0,61 -0,15 -0,91
Com
Otimista 2,19 1,40 0,61 3,18 2,39 1,60 5,82 5,03 4,24 7,61 6,82 6,04 Mais Provável -0,31 -1,10 -1,89 0,85 0,06 -0,73 2,10 1,31 0,53 3,26 2,47 1,69 Pessimista -2,18 -2,97 -3,76 -1,51 -2,29 -3,08 -0,69 -1,48 -2,27 -0,02 -0,81 -1,59
Considerando o financiamento de 100% do investimento inicial para a compra dos
equipamentos das plantas de processamento, o VPL apresenta uma ordem de grandeza similar
nos conjuntos a gás CG1 e CG2.
No cenário otimista, as plantas isoladas que utilizaram os conjuntos a gás CG1 e CG2
obtiveram valores positivos da VPL com o uso do lucro dos insumos vendidos e sem o uso de
créditos externos, apresentando os valores aproximados de US$1.500.000,00 para o CG1 e
US$2.000.000,00 para o CG2. Com a adição dos créditos, a VPL das plantas isoladas
apresentam valores de US$8.500.000,00 para o CG1 e valores de US$9.000.000,00 para o
CG2. A VPL das plantas com interação e sem o uso de créditos externos apresenta valores de
US$1.600.000,00 para o CG1 e US$2.100.000,00 para o CG2. Com a adição dos créditos, a
VPL das plantas com interação apresenta valores de US$8.600.000,00 para o CG1 e de
US$7.800.000,00 para o CG2. No Apêndice C são apresentados os gráficos de todas as
análises do VPL.
A mesma queda é apresentada nos cenários mais prováveis e pessimistas para o
conjunto a gás CG2 com as plantas com transporte de resíduos. No conjunto a gás CG1 não
apresenta redução do VPL das plantas isoladas das plantas com transporte de resíduos. O que
se pode notar é que o valor da VPL para o conjunto a gás CG2 sem transporte é maior que o
mesmo equipamento com o uso de transporte. Os valores dos investimentos especificos e
geração de energia elétrica especifica que demonstram uma atratividade para o uso do
transporte.
154
154
4.5.3 Resultados das análises da TIR
A Figura 57 apresenta o gráfico do Taxa Interna de Retorno (TIR) com cenário otimista.
Neste gráfico a atratividade está nos valores positivos e máximos de TIR. Quanto maior o
valor da TIR, melhor é a atratividade do investimento. No Apêndice D são apresentados os
gráficos ampliados de todas as análises da TIR.
Figura 57– TIR do cenário otimista com o CG1 sem transporte ampliado.
Na Tabela 37 são apresentados os valores da taxa interna de retorno dos conjuntos a gás
CG1 e CG2, utilizando ou não o transporte de resíduos nos cenários otimistas, mais provável
e pessimista, com uma variação do investimento inicial de 70%, 100% e 130%, cenários que
possam vir a acontecer devido à natureza de investimento dessas tecnologias.
Tabela 37 – Valores da TIR nos conjuntos a gás CG1 e CG2 sem e com transporte nos cenários Otimista, Mais Provável e Pessimista.
Taxa Interna de Retorno (TIR) [%]
Receita Receita +CC Receita +TTR Receita +TRR+CC
70% 100% 130% 70% 100% 130% 70% 100% 130% 70% 100% 130%
Con
junt
o a
gás
CG
1 Se
m Otimista 16,27% 10,29% 6,69% 25,91% 17,60% 12,83% 43,06% 30,01% 22,83% 52,14% 36,44% 27,88%
Mais Prov. 2,61% -0,91% -3,21% 11,86% 6,80% 3,67% 26,31% 17,90% 13,08% 33,25% 22,98% 17,21% Pessimista - - - -16,50% -18,00% -20,00% 7,85% 3,52% 0,78% 13,42% 8,04% 4,76%
Com
Otimista 16,20% 10,23% 6,64% 25,39% 17,22% 12,51% 41,75% 29,07% 22,08% 50,39% 35,20% 26,91% Mais Prov. 2,91% -0,65% -2,97% 11,69% 6,66% 3,55% 25,51% 17,31% 12,59% 32,12% 22,16% 16,55% Pessimista - - - -15,03% -17,02% -19,30% 7,42% 3,16% 0,47% 12,79% 7,54% 4,32%
Con
junt
o a
gás C
G2
Sem
Otimista 19,56% 12,82% 8,85% 29,48% 20,23% 14,99% 47,42% 33,10% 25,26% 56,96% 39,83% 30,52% Mais Prov. 5,85% 1,85% -0,71% 14,75% 9,09% 5,66% 29,55% 20,28% 15,03% 36,79% 25,53% 19,26% Pessimista - - - -7,56% -10,09% -12,12% 10,44% 5,65% 2,67% 16,00% 10,07% 6,51%
Com
Otimista 20,14% 13,27% 9,22% 29,72% 20,41% 15,13% 39,25% 27,29% 20,67% 48,50% 33,86% 25,86% Mais Prov. 6,51% 2,41% -0,21% 15,02% 9,31% 5,85% 23,12% 15,52% 11,11% 30,24% 20,79% 15,44% Pessimista - - - -7,02% -9,07% -11,14% 4,71% 0,89% -1,58% 10,85% 5,98% 2,96%
155
155
Considerando o financiamento de 100% do investimento inicial para a compra das
plantas de processamento a taxa interna de retorno (TIR) apresenta uma diferença mínima dos
conjuntos a gás CG1 e CG2, no cenário otimista, os valores de TIR das plantas isoladas
somente com a receita das plantas, os valores são de 10% e 12%, com os créditos e a receita
se obtém uma TIR de 36% e 40% respectivamente, uma diferença de 4%.
Nos cenários otimistas e com 70% de investimento inicial financiado, os valores da
TIR com o lucro da venda dos insumos e mais os créditos e taxas adicionais das plantas
isoladas com c CG1 e CG2 são, respectivamente, 52,5% e 57,5%. Para as plantas com
interação, a TIR para os conjuntos a gás CG1 e CG2 são, respectivamente, 50,0 % e 49,0%.
Houve uma queda em ambas as tecnologias e dos cenários das plantas isoladas para as plantas
com interação. Com os cenários mais prováveis e com 70% de investimento inicial
financiado, os valores da TIR com o lucro da venda dos insumos mais os creditos e taxas
adicionais das plantas isoladas com os conjuntos a gás CG1 e CG2 são, respectivamente, 34%
e 37%. Para as plantas com interação com os conjuntos a gás CG1 e CG2 são,
respectivamente, 32,5% e 30,0%, apresentando uma queda similar à que se verificou no
cenário otimista das plantas isoladas em relação àquelas com interação.
Para taxa mínima de atratividade de 15% e cenários só utilizando a receita, apenas os
cenários otimistas com 70% de investimento inicial tomado por empréstimos bancários são
atrativos. Com o lucro da venda de insumos das plantas mais a taxa de tratamento de resíduos
os cenários mais prováveis se tornam atrativos até 100% do investimento, considerando a taxa
mínima de atratividade de 15%. O cenário otimista das plantas isoladas e utilizando o
conjunto a gás CG2 apresenta a melhor TIR, com valor aproximado de 57,42% para 70% de
investimento inicial financiado. Com o lucro mais o crédito de carbono, apenas o conjunto a
gás CG2 apresenta atratividade no cenário mais provável com 70% de investimento inicial
sendo emprestado, e isso se deve ao baixo valor do preço de compra do crédito de carbono.
O uso de todos os recursos econômicos, receita gerada nas plantas mais taxa de
tratamento de resíduos e mais crédito de carbono tornam o investimento bem interessante para
os casos dos cenários otimistas e mais provável dos conjuntos a gás CG1 e CG2, no cenário
pessimista o único equipamento que atinge a um valor superior a taxa mínima de atratividade
foi o conjunto a gás CG2 sem o transporte com 70% de investimento inicial (com
aproximadamente 16%), tendo uma queda de aproximadamente para 5% quando é utilizado o
transporte (com aproximadamente 10,85%). Portanto, é necessário o uso de incentivos fiscais
para tornar o investimento mais atrativo, se considerarmos a análise através da taxa interna de
retorno (TIR).
156
156
5 CONCLUSÕES
As oportunidades de geração de energia elétrica e térmica com o uso de resíduos
municipais ou com o combustível derivado do resíduo são uma realidade. A incineração é um
processo tecnologicamente possível e utilizado em alguns países com sucesso. Os processos
de bioestabilização e reciclagem também são tecnologias utilizadas em diversos países.
A atratividade das tecnologias de disposição final deve ser considerada, bem como se
deve levar em conta a necessidade de equacionamento da questão ambiental relativa à
disposição do resíduo municipal, a geração de energia elétrica utilizando um combustível
alternativo, o reaproveitamento e geração de matéria prima para diversos setores industriais,
melhorando a atratividade econômica na região.
As plantas de processamento de resíduos isoladas obtiveram uma eficiência térmica
menor que as plantas com interação através do transporte de resíduos. Mesmo com as
tecnologias utilizadas e as mesmas quantidades de resíduos para serem processadas, as plantas
com interação obtiveram um aproveitamento melhor do potencial de geração de energia
elétrica dos resíduos.
O custo do transporte dos resíduos e da energia elétrica das plantas de origem até as
plantas de destino final é menor que o lucro obtido com a venda de energia elétrica excedente
das plantas. O investimento inicial das plantas de processamento com interação é maior que o
custo de investimento inicial das plantas sem interação, mas a receita calculada das plantas
com interação é maior que as plantas isoladas, nas quais os valores dessas últimas são,
respectivamente, para os conjuntos a gás CG1 e CG2, de 121,2 e de 153,2 milhões de dólares
(valores considerando o cenário mais provável); para as plantas com interação os valores são
de 131,0 e de 167,0 milhões de dólares, respectivamente, para os conjuntos a gás CG1 e CG2
(valores considerando o cenário mais provável).
Na análise financeira houve uma melhora significativa nas plantas com interação em
comparação com as plantas sem interação. A utilização de subsídios alterou os cenários
financeiros positivamente, de forma a proporcionar uma atratividade considerável. A
eficiência térmica da energia elétrica gerada global para plantas isoladas foi a 33,53% para o
conjunto a gás CG1 e de 35,51% para o conjunto a gás CG2; para as plantas integradas, foi de
34,11% para o conjunto a gás CG1 e de 36,39% para o conjunto a gás CG2. A eficiência
térmica da energia elétrica vendida global para plantas isoladas foi de 20,10% para o conjunto
a gás CG1 e de 22,00% para o conjunto a gás CG2; para as plantas integradas, foi de 20,70%
para o conjunto a gás CG1 e de 22,90% para o conjunto a gás CG2.
157
157
As cinzas geradas por todas as superestruturas térmicas das nove plantas apresentam
uma vazão mássica anual de aproximadamente, 815 milhões toneladas de cinzas, da mesma
ordem de grandeza que a vazão mássica de um aterro sanitário de grande porte da planta 6,
com aproximadamente, 867 milhões toneladas de resíduos dispostos e um aterro sanitário.
Isso demonstra como é atrativo, do ponto de vista ambiental, o uso de tecnologias de
incineração para diminuir a massa e principalmente o volume dos resíduos.
Pela análise dos gráficos, as plantas que utilizam o conjunto a gás com menor potência
instalada (correspondente a quatro conjuntos a gás CG1) apresenta menor atratividade
financeira que as plantas que utilizam o conjunto a gás CG2 (correspondente a um conjunto a
gás CG2), que apresentam características semelhantes.
Essa atratividade financeira é acentuada com a utilização de dois mecanismos, a
implantação de uma taxa de recolhimento e processamento de resíduos e o ganho ao fazer uso
das reduções certificadas de emissões. Considerando o cenário mais provável com plantas
isoladas, para a análise do payback utilizando os conjuntos a gás CG1 e CG2, não se alcançou
o retorno do investimento sem as taxas; com o emprego de taxas, o payback do conjunto a
gás CG1se situa de cinco a seis anos e do conjunto a gás CG2 se situa de quatro e meio a
cinco anos para obter o valor investido na construção das plantas de processamento.
Com a interação através do transporte de resíduos, considerando o cenário mais
provável, utilizando os conjuntos a gás CG1 e CG2, o período de amortização não foi
alcançado sem as taxas. Com as mesmas, o payback para o conjunto a gás CG1 se situa de
cinco até seis anos e para o conjunto a gás CG2 se situa de cinco e meio até seis anos e meio;
isso ocorre devido ao investimento inicial, que obteve um aumento devido ao número de
tecnologias empregadas nas plantas com interação, resultando na elevação o período de
retorno no payback.
O conjunto a gás CG2 com transporte de resíduos apresenta parâmetros tecnológicos
mais atrativos, como uma eficiência melhor, um investimento específico mais atrativo, e uma
geração de energia elétrica especifica considerável. Se o escopo do projeto é mais voltado
para os interesses financeiros, os conjuntos a gás CG1 e CG2 sem transporte apresentam uma
atratividade melhor que o uso do transporte dos resíduos orgânicos e líquidos. O objetivo
desta análise é encontrar uma alternativa tecnológica para a processos de estabilização de
resíduos, sendo o foco primário a minimização de um passivo ambiental, surgindo
oportunidades de geração de eletricidade, matéria bruta reciclada, biogás, adubo orgânico,
dentre outros insumos que tem potencial para uso e substituição de matéria prima na indústria.
158
158
Como sugestão para trabalhos futuros propõe-se que sejam consideradas:
1. Análises qualitativa e quantitativa dos resíduos de centros urbanos com elevada
densidade demográfica;
2. Análise de tecnologias incipientes (como a gaseificação, pirólise e conversão a baixa
temperatura) como novas tecnologias a serem possíveis de utilização em série e/ou
em substituição de outros equipamentos em centrais térmicas do tipo waste-to-
energy aqui analisadas;
3. Utilização de modelos de otimização empregando diversas tecnologias de waste-to-
energy e valorização dos produtos com analises exergéticas.
4. Analise da energia elétrica economizada dos processos de reciclagem e de outras
tecnologias.
159
159
REFERENCIAS
AHMAD, S.; TAHAR, R.M. Selection of renewable energy sources for sustainable
development of electricity generation system using analytic hierarchy process: A case of
Malaysia. Renewable Energy, v. 63, p. 458-466, 2014.
AHN, H. K.; SMITH, M. C.; KONDRAD, S. L.; WHITE, J. W. Evaluation of Biogas
Production Potential by Dry Anaerobic Digestion of Switchgrass: Animal Manure
Mixtures. Applied Biochemistry And Biotechnology, v. 160, p.965-975, 2010.
ANGELIDAKI, I.; ELLEGAARD, L. Codigestion of Manure and Organic Wastes in
Centralized Biogas Plants: Status and Future Trends. Applied Biochemistry And
Biotechnology, v. 109, p.95-105, 2003.
ARAGONÉS-BELTRÁN, P.; CHAPARRO-GONZÁLEZ, F.; PASTOR-FERRANDO, J. P.;
PLA-RUBIO, A. An AHP (Analytic Hierarchy Process)/ANP (Analytic Network Process)-
based multi-criteria decision approach for the selection of solar-thermal power plant
investment projects. Energy, v. 66, p.222-238, 2014.
ARAGONÉS-BELTRÁN, P.; PASTOR-FERRANDO, J. P.; GARCÍA-GARCÍA, F.;
PASCUAL-AGULLÓ, A. An Analytic Network Process approach for siting a municipal solid
waste plant in the Metropolitan Area of Valencia (Spain). Journal Of Environmental
Management, v. 91, p.1071-1086, 2010.
ASSAF NETO, A. A dinâmica das decisões financeiras. Cad. estud., São Paulo, n. 16,
1997. Available from <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S141392
511997000300001&lng=en&nrm=iso>. Acessado em 05 Sept. 2013.
ASSAMOI, B.; LAWTYSHYN, Y. The environmental comparison of land filling vs
incineration of MSW accounting for waste diversion. Waste Management, Canada, v. 32,
p.1019-1030, 2012.
ATMACA, E.; BASAR, H. B. Evaluation of power plants in Turkey using Analytic Network
Process (ANP). Energy, n. 44, p.555-563, 2012.
160
160
BABCOCK & WILCOX, The Babcock & Wilcox Company. Steam: Its generation and use.
41. ed. Barberton: The Babcock & Wilcox Company, 2005.
BALCAZAR, J. G. C.; DIAS, R. A.; BALESTIERI, J. A. P.. Analysis of hybrid waste-to-
energy for medium-sized cities. Energy, v. 55, p.728-741, 2013.
BALESTIERI, J. A. P. Otimização de centrais de cogeração com o emprego de
indicadores ambientais: Relatório final. Guaratinguetá: Bolsa de Produtividade (pq-2), 2005.
184 p. Processo 01503/2005-2.
BHUSHAN, N.; RAI, K. Strategic Decision Making: Applying the Analytic Hierarchy
Process. 2004. Disponível em:
<http://www.springer.com/cda/content/document/cda_downloaddocument/9781852337568-
c1.pdf?SGWID=0-0-45-110278-p7221558>. Acesso em: 14 abr. 2014.
BMFBOVESPA (São Paulo) (Org.). Cotações On-line. 2013. Disponível em:
<http://www.bmfbovespa.com.br/shared/iframe.aspx?altura=1000&idioma=pt-br&url=www
2.bmf.com.br/pages/portal/bmfbovespa/clearing1/Cambio/cotacoes/cotacoes.asp>. Acesso
em: 11 nov. 2013.
BOTTERO, M.; COMINO, E.; RIGGIO, V. Application of the Analytic Hierarchy Process
and the Analytic Network Process for the assessment of different wastewater treatment
systems. Environmental Modelling & Software, v. 26, p.1211-1224, 2011.
BOYCE, M. P. Gas turbine engineering handbook. 3. ed. Oxford: Gulf Professional
Publishing, 2001.
BRANCHINI, L. Advanced Waste-To-Energy Cycles.Tese (Doutorado em Engenharia).
2012. Universidade de Bolonha. Disponível em: <http://amsdottorato.cib.unibo.it/4696/1/
Tesi_Dottorato_Branchini.pdf>.
161
161
BRASIL(a). Ministério do Meio Ambiente. Casa Civil. LEI Nº 12.305, DE 2 DE AGOSTO
DE 2010.: Política Nacional de Resíduos Sólidos. Disponível em:
<http://www.mma.gov.br/port/conama/legiabre.cfm?codlegi=636>. Acesso em: 01 ago. 2012.
BRASIL(b). Instituto Brasileiro de Geografia e Estatística (ibge). Ibge. Tabela: População
residente, por sexo e situação do domicílio, população residente de 10 anos ou mais de idade,
total, alfabetizada e taxa de alfabetização, segundo os Municípios. Disponível em:
<http://www.ibge.gov.br/home/estatistica/populacao/censo2000/universo.php?tipo=31o/tabela
13_1.shtm&paginaatual=1&uf=35&letra=S>. Acesso em: 10 set. 2013.
BRASIL(c). Instituto Brasileiro de Geografia e Estatística (ibge). Ibge. Tabela: População
residente, por sexo e situação do domicílio, população residente de 10 anos ou mais de idade,
total, alfabetizada e taxa de alfabetização, segundo os Municípios. Disponível em:
<http://www.ibge.gov.br/home/estatistica/populacao/censo2000/universo.php?tipo=31o/tabela
13_1.shtm&paginaatual=1&uf=35&letra=C>. Acesso em: 10 set. 2013.
CARVALHO JUNIOR, J. A.; MCQUAY, M. Q. Princípios de combustão
aplicada. Florianópolis: UFSC, 2007. 176 p.
CARVALHO JUNIOR, J. A.; LACAVA, P. T. Emissões em processos
depublico.gov.br/download/texto/up000012.pdf>. Acesso em: 01 mar. 2010.
CETESB. Inventário Estadual de Resíduos Sólidos Urbanos: 2012(a). Disponível em:
<http://www.cetesb.sp.gov.br/userfiles/file/residuos-solidos/residuosSolidos2012.zip>.
Acesso em: 12 set. 2013.
CETESB. Qualidade das águas superficiais no estado de São Paulo: 2012(b). Disponível
em: <http:// http://www.cetesb.sp.gov.br/userfiles/file/agua/aguas-superficiais/relatorio-aguas-
superficiais-2012-substituido-em-060513.zip>. Acesso em: 12 set. 2013.
CIMPAN, C.; WENZEL, H. Energy implications of mechanical and mechanical–biological
treatment compared to direct waste-to-energy. Waste Management, v. 33, p.1648-1658,
2013.
162
162
COLÓN, J. et al. Environmental assessment of home composting. Resources, Conservation
And Recycling, v. 54, p.893-904, 2010.
CONNETT, P. Incineração do lixo municipal – Uma solução pobre para o século 21. In:
Conferência anual de administração internacional de lixo-para-energia. 4., 1998, Amsterdã.
INCINERAÇÃO-DO-LIXO-MUNICIPAL-5.Amsterdã: Cantão, 1998. p. 1 - 31. Disponível
em: <http://noalaincineracion.org/wp-content/uploads/INCINERA%C3% 87%C3%83O-DO-
LIXO-MUNICIPAL-5.pdf>. Acesso em: 22 set. 2010.
CONSONNI, S.; SILVA, P. Off-design performance of integrated waste-to-energy, combined
cycle plants. Applied Thermal Engineering, v. 27, n. 4, p.712-721, 2007.
CONSONNI, S.; GIUGLIANO, M.; GROSSO, M. Alternative strategies for energy recovery
from municipal solid waste Part A: Mass and energy balances. Waste Management, v. 25, n.
2, p.123-135, 2005.
COSTI, P.; MINCIARDI, R.; ROBBA, M.; ROVATTI, M.; SACILE, R. An environmentally
sustainable decision model for urban solid waste management. Waste Management, v. 24, p.
277-295, 2004.
DE FEO, G; DE GISI, S. Using an innovative criteria weighting tool for stakeholders
involvement to rank MSW facility sites with the AHP. Waste Management, v. 30, p. 1729-
1736, 2010.
DEGANUTTI, R.; PALHACI, M. C. J. P.; ROSSI, M.; TAVARES, R.; SANTOS, C.
BIODIGESTORES RURAIS: MODELO INDIANO, CHINÊS E BATELADA. Encontro De
Energia No Meio Rural, Campinas, v. 4,2002. Disponível em:
<http://www.proceedings.scielo.br/scielo.php?script=sci_arttext&pid=
MSC0000000022002000100031&lng=en&nrm=abn>. Acesso em: 26 ago. 2013.
EHRLICH, P. R. O mecanismo da natureza: o mundo vivo a nossa volta, e como funciona.
Rio de Janeiro, Campus, 1993. 328 p.
163
163
EKMEKÇIOĞLU, M.; KAIA, T.; KAHRAMAN, C. Fuzzy multicriteria disposal method and
site selection for municipal solid waste. Waste Management, v. 30, p. 1729-1736, 2010.
EL-HAGGAR. Chapter 8: Sustainability of Construction and Demolition Waste Management.
In: EL-HAGGAR, S. M. Sustainable Industrial Design and Waste Management: Cradle-
to-cradle for Sustainable Development. Cairo: Academic Press, 2007. Cap. 8, p. 261-292.
EMPLASA. Ges. Evolução da População Residente: 2000 - 2010. Disponível em:
<http://www.emplasa.sp.gov.br/fnem/arquivos/Evolucao%20Populacao%202000_2010
_MVout12.pdf>. Acesso em: 09 set. 2013.
FCHART . Overview. 2014. Disponível em: <http://www.fchart.com/ees/>. Acesso em: 07
fev. 2014.
FERREIRA, M. L. S. PROPOSTA DE UM SISTEMA ALTERNATIVO DE COLETA
SELETIVA DE RESÍDUOS SÓLIDOS DOMICILIARES EXECUTADA POR
CATADORES NA CIDADE DE CIANORTE-PR. Disponível em:
<http://www.sanepar.com.br/sanepar/sanare/v15/propostapag36.html>. Acesso em: 04 nov.
2013.
FIRJAN. Estudos para o desenvolvimento do estado do rio de janeiro: Quanto custa a
energia elétrica para a indústria no Brasil? . 2011. Disponível em:
<https://www.google.com.br/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact
=8&ved=0CDMQFjAA&url=http://www.firjan.org.br/lumis/portal/file/fileDownload.jsp?fileI
d=2C908CEC30E85C950131DD00CEF912FA&ei=SFmDU9vOKcmKqgaAsIKYDA&usg=
AFQjCNFsbd6xkKdQ9UW0CDz1_Zlsys0XHA>. Acesso em: 20 abr. 2014.
FIORUCCI, P.; MINCIARDI, R.; ROBBA, M.; SACILE, R. Solid waste management in
urban areas - development and application of a decision support system. Resources,
Conservation and Recycling, v. 37, p. 301-328, 2003.
FONTAINE, N; VÉDRINE, H. Directiva 2000/76/CE do parlamento Europeu e do
conselho de 4 de Dezembro de 2000 relativa à incineração de resíduos. Bruxelas. 2000.
164
164
pág. 21. Disponível em:<http://eurlex.europa.eu/LexUriServ/LexUriServ.
do?uri=OJ:L:2000:332:0091:0111:PT:PDF>. Acesso em: 17 mar 2010.
GANGA, G. M. D.; CARPINETTI, L. C. R.; POLITANO, P. R. Gestão do desempenho em
cadeias de suprimento usando lógica fuzzy. Gestão da Produção, v. 18, n.4, p.755-774, 2011.
GARCIA, J. C. C.; VON SPERLING, E. Emissão de gases de efeito estufa no ciclo de vida
do etanol: estimativa nas fases de agricultura e industrialização em Minas Gerais. Engenharia
Sanitária e Ambiental, Belo Horizonte, v. 15, n. 3, p.217-222, 2010.
GE ENERGY. GE do Brasil leva sistema de geração de energia para aterro sanitário em
Belo Horizonte (MG). 2011. Disponível em: <http://www.geimprensabrasil.com/wp-content
/uploads/2011/11/31-de-outubro-de-2011-GE-do-Brasil-leva-sistema-de-geração-de-energia-
para-aterro-sanitário-em-Belo-Horizonte-MG.pdf>. Acesso em: 29 abr. 2014.
GOOGLE MAPS. Google Mapa. 2013. Disponível em: <https://maps.google.com.br/>.
Acesso em: 07 nov. 2013.
GTW. Gas turbine world handbook. Fairfield: Pequot Publishing Inc, 2011.
GUIQIN, W.; LI, Q.;GUOXUE, L.; LIJUN, C. Landfill site selection using spatial
information technologies and AHP: A case study in Beijing, China. Journal of
Environmental Management, v. 90, p. 2414-2421, 2009.
GUIA DO TRANSPORTE. Tabelas de referência de frete. 2013. Disponível em:
<http://www.guiadotrc.com.br/truckinfo/lista_tabelas.asp>. Acesso em: 01 nov. 2013.
HARADA, K. ICMS: Incidente Sobre Consumo de Energia Elétrica. 2008. Disponível em:
<http://www.fiscosoft.com.br/main_online_frame.php?page=/index.php?PID
=205182&key=4172047>. Acesso em: 1 nov. 2013.
HERVA, M.; ROCA, E. Ranking municipal solid waste treatment alternatives based on
ecological footprint and multi-criteria analysis. Ecological Indicators, v. 25, p.77-84, 2013.
165
165
HOLANDA, M. R.; BALESTIERI, J. A. P.. Optimisation of environmental gas cleaning
routes for solid wastes cogeneration systems: Part I - Analysis of waste incineration steam
cycle. Energy Conversion And Management, v. 49, p.791-803, 2008.
JACOBI, P. R.; BESEN, G. R. Gestão de resíduos sólidos em São Paulo: desafios da
sustentabilidade. Estudos Avançados, v. 25, p.135-158, 2011.
Karagiannidis, A.; Kontogianni, ST.; Logothetis, D. Classification and categorization of
treatment methods for ash generated by municipal solid waste incineration: A case for the 2
greater metropolitan regions of greece. Waste Management, v. 33, p.363-372, 2013.
KEHLHOFER, R.; HANNEMANN, F.; STIRNIMANN, F.; RUKES, B. Combined-
Cycle: Gas&Steam; turbine Power Plants. 3. ed. Oklahoma: Pennwell Corporation, 2009.
KING, M. F.; GUTBERLET, J. Contribution of cooperative sector recycling to greenhouse
gas emissions reduction: A case study of Ribeirão Pires, Brazil. Waste Management, v. 33,
p.2771-2780, 2013.
KHAN, S.; FAISAL, M. N. An analytic network process model for municipal solid waste
disposal options. Waste Management, v. 28, p.1500-1508, 2008.
KÖNE, A. Ç.; BÜKE, T. An Analytical Network Process (ANP) evaluation of alternative
fuels for electricity generation in Turkey. Energy Policy, v. 35, p.5220-5228, 2007.
KOROBITSYN, M.; JELLEMA, P.; HIRS, G. Possibilities for gas turbine and waste
incinerator integration. Energy, v. 24, n. 9, p. 783–793, 1999.
LIANG, Xi.; SUN, X.; SHU, G.; SUN, K.; WANG, S.; WANG, X. Using the analytic
network process (ANP) to determine method of waste energy recovery from engine. Energy
Conversion And Management, Usa, v. 66, p.304-311, 2013.
LINDO. LINGO 14.0: Optimization Modeling Software for Linear, Nonlinear, and Integer
Programming. 2014. Disponível em: <http://www.lindo.com/index.php?option=com_conte
nt&view=article&id=2&Itemid=10>.
166
166
LI, Y.P.; HUANG, G.H.; NIE, S.L. A mathematical model for identifying an optimal waste
management policy under uncertainty. Applied Mathematical Modelling, v. 36, p. 2658-
2673, 2012.
LIUA, Z.; ZHAO, L.; ZHAO, X.; LI, H. The occurrence of pinch point and its effects on the
performance of high temperature heat pump. Applied Energy, v. 97, p.869-875, 2012.
LIU, Y. ZHAN, Z.; DU, F.; KONG, S.; LIU, Y. Indoor air concentrations of mercury species
in incineration plants for municipal solid waste (MSW) and hospital waste
(HW). Chemosphere, v. 75, n. 2, p.266-271, 2009.
LU, H. W.; HUANG, G.H.; XU, L.H. Inexact two-phase fuzzy programming and its
application to municipal solid waste management. Engineering Applications of Artificial
Intelligence, v. 25, p.1529-1536, 2012.
LORA, E. E. S.; NASCIMENTO, M. A. R. Geração termelétrica: planejamento, projeto e
operação. 1° edição. Rio de Janeiro: Editora Interciência, 2004. 2 volumes (1296p).
MAPEIA. Mapeia. 2013. Disponível em: <http://www.mapeia.com.br/>. Acesso em: 01 nov.
2013.
MARCON, R. O.; ZUKOWSKI JUNIOR, J. C.; CAVALCANTE, I. R. L. Avaliação de
planta térmica com biomassa (briquete de casca de arroz): caso real "Fazenda Experimental
do Centro Universitário Luterano de Palmas".. In: ENCONTRO DE ENERGIA NO MEIO
RURAL, 5., 2004, Campinas. Disponível em: <http://www.proceedings.scielo.br/scielo.php?s
cript=sci_arttext&pid=MSC0000000022004000100008&lng=en&nrm=abn>. Acess on: 14
Feb. 2014.
MARIA, F. D.; PAVESI, G. RDF to energy plant for a central Italian region SUW
management system: Energetic and economical analysis. Applied Thermal Engineering, v.
26, p.1291-1300, 2006.
167
167
MARRO, A. A.; SOUZA, A. M. C.; CAVALCANTE, E. R. S.; BEZERRA, G. S.; NUNES,
R. O. Lógica Fuzzy: Conceitos e aplicações. 2009. Disponível em:
<http://aquilesburlamaqui.wdfiles.com/local--files/logica-aplicada-acomputacao/texto_fuzzy
.pdf>. Acesso em: 03 fev. 2014.
MARTÍNEZ-HERRANZ, I. PR4 – lista de exercícios p38. 2014. Disponível em:
<http://webserver.dmt.upm.es/~isidoro/pr4/htm/c17/p381.html>. Acesso em: 28 maio 2014.
MENEZES, R. A. A.; GERLACH, J. L.; MENEZES, M. A. Estagio atual da incineração do
Brasil. Curitiba. 2000. 18p. Disponível em:
<http://www.kompac.com.br/produtos/000407%20Estado%20Atual%20da%20Incineracao%
20no%20Brasil.pdf>. Acesso em: 11 mar 2009.
MFRURAL (Org.). Anuncíos de Adubo. 2014. Disponível em:
<http://www.mfrural.com.br/busca.aspx?palavras=adubo>. Acesso em: 24 maio 2014.
MINCIARDI, R.; PAOLUCCI, M.; ROBBA, M.; SACILE, R. Multi-objective optimization
of solid waste flows: environmentally sustainable strategies for municipalities. Waste
Management, v. 28, p. 2202-2212, 2008.
MOURA, R.; BRANCO, M. L. G. C.; FIRKOWSKI, O. L. C. F.. MOVIMENTO
PENDULAR E PERSPECTIVAS DE PESQUISAS EM AGLOMERADOS URBANOS. São
Paulo em Perspectiva, v. 19, n. 4, p.121-133, 2005.
MPEP (Ministério Público do Estado do Paraná). Taxa de tratamento do lixo será de R$
7,50 por mês. 2009. Disponível em: <http://mp-pr.jusbrasil.com.br/noticias/372143/taxa-de-
tratamento-do-lixo-sera-de-r-7-50-por-mes>. Acesso em: 28 jan. 2014.
MUSEE, N.; LORENZEN, L.; ALDRICH, C. An aggregate fuzzy hazardous index for
composite wastes. Journal Of Hazardous Materials, v. 137, p.723-733, 2006.
QIN NG, W. P.; LAM, H. L.; VARBANOV, P. S.; KLEMEŠ, J. J. Waste-to-Energy (WTE)
network synthesis for Municipal Solid Waste (MSW). Energy Conversion And
Management, Article in press, 2014. DOI: 10.1016/j.enconman.2014.01.004.
168
168
NIKPEY, H.; ASSADI, M.; BREUHAUS, P.; MØRKVED, P. T. Experimental evaluation
and ANN modeling of a recuperative micro gas turbine burning mixtures of natural gas and
biogas. Applied Energy, v. 117, p. 30-41, 2014.
O' NEILL; M. M. Rede urbana: Redes geográficas. Brasil: IBGE, 2007. Cap. 6, p. 261-272.
Disponível em: <http://biblioteca.ibge.gov.br/visualizacao/livros/liv47603_
cap6_pt1.pdf>. Acesso em: 29 ago. 2013.
NIXON, J. D.; DEY, P. K.; GHOSH, S. K.; DAVIES, P. A. Evaluation of options for e nergy
recovery from municipal solid waste in India using the hierarchical analytical network
process. Energy, v. 59, p. 215-223, 2013.
PAVLAS, M.; TOUS, M; BÉBAR, L.; STEHLÍK, P. Waste to energy: An evaluation of the
environmental impact. Applied Thermal Engineering, v. 30, p.2326-2332, 2010.
PETROBRAS. Serviços: Densidade e Poderes Caloríficos Superiores. 2014. ,Brasil
Disponível em: <http://www.investidorpetrobras.com.br/pt/servicos/formulas-de-conversao
/detalhe-formulas-de-conversao/densidade-e-poderes-calorificos-superiores.htm>. Acesso em:
06 maio 2014
PIRES, A.; CHANG, N.; MARTINHO, G. An AHP-based fuzzy interval TOPSIS assessment
for sustainable expansion of the solid waste management system in Setúbal Peninsula,
Portugal. Resources, Conservation And Recycling, v. 56, p.7-21, 2011.
POMA, C.; VERDA, V.; CONSONNI, S. Design and performance evaluation of a waste-to-
energy plant integrated with a combined cycle. Energy, v. 35, n. 2, p. 786–793, 2010.
RENOVE (Org.). Camada3. Disponível em: <http://www.renove.org.br/ oldsite/images/
camada3.gif>. Acesso em: 20 abr. 2010.
REOLON, C. A.; SOUZA, E. B. C. Questões conceituais: das unidades regionais à Região
Metropolitana de Cascavel. Geosul, v. 21, n. 42, p.113-135, 2006.
169
169
ROSA, L. P.. Geração hidrelétrica, termelétrica e nuclear. Estudos Avançados, Rio de
Janeiro, v. 21, n. 59, p.39-58, 2007.
SAATY, T. L. How to make a decision: the Analytic Hierarchy Process. European Journal
of Operational Research, v. 48, p. 9-26, 1990.
SAATY, T. L. Fundamentals of the analytic network process. 1999. Disponível em:
<http://ergonomia.ioz.pwr.wroc.pl/download/AnpSaaty.pdf>. Acesso em: 10 abr. 2014.
SABESP. Governo do Estado de São Paulo (Org.). Esgoto. 2013. Disponível em:
<http://site.sabesp.com.br/site/saneamento/esgoto.aspx?secaoId=48>. Acesso em: 03 dez.
2013.
SALES, C. A. V. B.; ANDRADE, R. V.; LORA, E. E. S. Geração de eletricidade a partir da
gaseificação de biomassa.. In: ENCONTRO DE ENERGIA NO MEIO RURAL, 6., 2006,
Campinas. Proceedings online... Disponível em: <http://www.proceedings.scielo.br/
scielo.php?script=sci_arttext&pid=MSC0000000022006000100067&lng=en&nrm=abn>.
Acesso em on: 20 May. 2014.
SANTIBAÑEZ-AGUILAR, J.E.; JOSÉ MARÍA PONCE-ORTEGA, J.M.; GONZÁLEZ-
CAMPOS, J.B.; SERNA-GONZÁLEZ, M.; EL-HALWAGI, M.M. Optimal planning for the
sustainable utilization of municipal solid waste. Waste Management, v. 33, p. 2607-2622,
2013.
SÃO PAULO. Governo do Estado de São Paulo; Secretaria do Meio Ambiente , CETESB –
Companhia Ambiental do Estado de São Paulo. Panorama dos Resíduos Sólidos do Estado
de São Paulo: Versão Preliminar. 2014. Disponível em: <http://www.ambiente.sp.gov.br
/cpla/files/2014/01/PANORAMA_RS_web.pdf>. Acesso em: 29 abr. 2014.
SCARPEL, R. A.; MILIONI, A. Z.. Utilização conjunta de modelagem econométrica e
otimização em decisões de concessão de crédito. Pesquisa Operacional, São José Dos
Campos, v. 22, n. 1, p.61-72, 2002. Disponível em: <http://www.scielo.br/scielo.php
170
170
?script=sci_arttext&pid=S0101-74382002000100004&lng=en&nrm=iso>. Acesso em: 27
ago. 2013.
SENG, B.; HIRAYAMA, K.; KATAYAMA-HIRAYAMA, K.; OCHIAI, S.; KANEKO, H.
Scenario analysis of the benefit of municipal organic-waste composting over landfill,
Cambodia. Journal Of Environmental Management, v. 114, p.216-224, 2013.
SENSAGENT. Dicionário. 2014. Disponível em: <http://dicionario.sensagent.com/
Metropolização/pt-pt/>. Acesso em: 19 fev. 2014.
SOLE-MAURI, F.; ILLA, J.; MAGRÍ, A.; PRENAFETA-BOLDÚ, F. X.; FLOTATS, X. An
integrated biochemical and physical model for the composting process. Bioresource
Technology, v. 98, p.3278-3293, 2007.
SONG, H.; DOTZAUER, E.; THORIN, E.; GUZIANI, B.; HUOPANA, T.; YAN, J. A
dynamic model to optimize a regional energy system with waste and crops as energy
resources for greenhouse gases mitigation. Energy, v. 46, p.522-532, 2012.
STANLEY, M. P. ; YIN, D. Maneuvering the Mosaic: State of the Voluntary Carbon
Markets 2013. 2013. Disponível em: <http://www.forest-
trends.org/documents/files/doc_3898.pdf>. Acesso em: 28 jan. 2014.
STEHLÍK, P. Conventional versus specific types of heat exchangers in the case of polluted
flue gas as the process fluid – A review. Applied Thermal Engineering, v. 31, n. 1, p. 1–13,
2011.
TEIXEIRA, J. C.; GUILHERMINO, R. L. Análise da associação entre saneamento e saúde
nos estados brasileiros, empregando dados secundários do banco de dados indicadores e dados
básicos para a saúde 2003– IDB 2003. Engenharia Sanitária Ambiental, v. 11, n. 3, p.277-
282, 2006.
TCHOBANOGLOUS, G.; THEISEN, H.; VIGIL, S. Integrated solid waste
management: Engineering principles and Management issues. New York: Mcgraw-hill,
1993.
171
171
UDOMSRI, S.; MARTIN, A. R.; FRANSSON, T. H. Economic assessment and energy model
scenarios of municipal solid waste incineration and gas turbine hybrid dual-fueled cycles in
Thailand. Waste management, v. 30, n. 7, p. 1414–22, 2010.
UTS. Planta de biogás Szarvas. 2011. Disponível em: <http://www.uts-
biogas.com/es/plantas/referencias.html>. Acesso em: 21 fev. 2014.
VARGAS, R. V. Utilizando a programação multicritério (analytic hierarchy process -
ahp) para selecionar e priorizar projetos na gestão de portfólio. 2010. Disponível em:
<http://www.ricardo-vargas.com/wp-content/uploads/downloads/articles/ricardo_vargas_ahp_
project_selection_pt.pdf>. Acesso em: 01 fev. 2014.
XIAODONG, Z.; HUANG, G. Municipal solid waste management planning considering
greenhouse gas emission trading under fuzzy environment. Journal of Environment
Management, v. 135, p.11-18, 2014.
YANG, N.; ZHANG, H.; CHEN, M.; SHAO, L. M.; HE, P. J. Greenhouse gas emissions
from MSW incineration in China: Impacts of waste characteristics and energy
recovery. Waste Management, v. 32, n. 12, p.2552-2560, 2009.
YANG, W.; SHENG-NAN, Z.; TAO, X.; KAN-HONG, W. CO2 emission reduction and
energy recovery from straw cogeneration project: eo. In: INTERNATIONAL CONFERENCE
ON BIOINFORMATICS AND BIOMEDICAL ENGINEERING, 3., 2009,
Beijing. 05162519. Beijing: Icbbe, 2009. p. 1 - 3. Disponível em:
<http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5162519>. Acesso em: 22 set.
2010.
YUKON ENERGY. New Information on our Waste to Energy Research. 2011. Disponível
em: <http://www.yukonenergy.ca/blog/new_information_on_our_waste_to_energy_research/
>. Acesso em: 21 fev. 2014.
WANG, S.; HUANG, G.H.; YANG, B.T. An interval-valued fuzzy-stochastic programming
approach and its application to municipal solid waste management. Environmental
Modelling & Software, v. 29, p. 24-36, 2012.
172
172
WEILAND, P. Production and Energetic Use of Biogas from Energy Crops and Wastes in
Germany. Applied Biochemistry And Biotechnology, v. 109, p.263-274, 2003.
WEISS, A.; JÉRÔME, V.; FREITAG, R.;MAYER; H. K. Diversity of the resident microbiota
in a thermophilic municipal biogas plant. Applied Microbiology And Biotechnology, v. 81,
p.163-173, 2008.
WOOD, S.; FANNING, M.; VENN, M.; WHITING, K. Review of state-of-the-art waste-to-
energy technologies. Stage Two – case studies. London, 2013. Disponível em:
http://www.wtert.com.br/home2010/arquivo/noticias_eventos/WSP%20Waste%20to%20Ener
gy%20Technical%20Report%20Stage%20Two.pdf. Acesso em: 05/08/2013.
ZADEH, L. A. Fuzzy Set*. Information and Control. v. 8, p.338-353, 1965.
173
APÊNDICE A – MAPAS AMPLIADOS UTILIZADOS NA TESE
Figura A. 1 – Mapa das regiões metropolitanas analisadas, com os locais demarcados.
Adaptação de: Cetesb (2012)
Planta 8
Planta 9
Planta 6
Planta 7
Planta 1
Planta 2
Planta 3
Planta 5
Planta 4
174
Figura A. 2 – Mapa das regiões metropolitanas analisadas, com os locais demarcados.
Fonte: São Paulo (2014)
17
5
Figura A. 3 – Mapa das região metropolitana de São Paulo com as ETE .
Legenda:
Ponto A – Estação de Tratamento de Esgoto de Suzano
Ponto B – Estação de Tratamento de Esgoto de São Miguel
Ponto C – Estação de Tratamento de Esgoto de Parque Novo Mundo
Ponto D – Estação de Tratamento de Esgoto do ABC
Ponto E – Estação de Tratamento de Esgoto de Barueri Adaptação de: Google Maps (2013)
176
Figura A. 4 – Mapa das plantas com as tecnologias empregadas hoje.
Megaestrutura Sup. Est. Trat. Biológico Sup. Est. Trat. Renováveis Sup. Est. Trat. Térmico Disposição final Planta i Cidade Termofílico Mesofílico Compostagem Reciclagem de Papel Reciclagem de Plástico Reciclagem de Metal Reciclagem de Vidro Incinerador e caldeira Caldeira Convencional Ciclo combinado // incinerador Número de CG por Ciclo Combinado Aterro sanitário
Planta1 Mauá 0 0 0 0 0 0 0 0 0 0 0 1
Planta2 S. Parnaíba 0 0 0 0 0 0 0 0 0 0 0 1
Planta3 Caieiras 0 0 0 0 0 0 0 0 0 0 0 1
Planta4 Itapevi 0 0 0 0 0 0 0 0 0 0 0 1
Planta5 São Paulo 0 0 0 0 0 0 0 0 0 0 0 1
Planta6 Paulínia 0 0 0 0 0 0 0 0 0 0 0 1
Planta7 Indaiatuba 0 0 0 0 0 0 0 0 0 0 0 1
Planta8 Tremembé 0 0 0 0 0 0 0 0 0 0 0 1
Planta9 Cach. Paulis. 0 0 0 0 0 0 0 0 0 0 0 1 Adaptação de: Cetesb (2012)
6
7
2
4
3
5
1
8
9
177
Figura A. 5 – Mapa das plantas com as tecnologias sem interação, com o CG1.
Megaestrutura Sup. Est. Trat. Biológico Sup. Est. Trat. Renováveis Sup. Est. Trat. Térmico Disposição final Planta i Cidade Termofílico Mesofílico Compostagem Reciclagem de Papel Reciclagem de Plástico Reciclagem de Metal Reciclagem de Vidro Incinerador e caldeira Caldeira Convencional Ciclo combinado // incinerador Número de CG por Ciclo Combinado Aterro sanitário
Planta1 Mauá 1 1 1 1 1 1 1 2 1 2 4 1
Planta2 S. Parnaíba 1 1 1 1 1 1 1 1 1 1 4 1
Planta3 Caieiras 1 1 1 1 1 1 1 8 1 8 4 1
Planta4 Itapevi 1 1 1 1 1 1 1 1 1 0 0 1
Planta5 São Paulo 1 1 1 1 1 1 1 10 1 10 4 1
Planta6 Paulínia 1 1 1 1 1 1 1 3 1 3 4 1
Planta7 Indaiatuba 1 1 1 1 1 1 1 1 1 0 0 1
Planta8 Tremembé 1 1 1 1 1 1 1 1 1 1 4 1
Planta9 Cach. Paulis. 1 1 1 1 1 1 1 1 1 0 0 1 Adaptação de: Cetesb (2012)
6
7
2
4
3
5
1
8
9
178
Figura A. 6 – Mapa das plantas com as tecnologias com interação, com o CG1.
Megaestrutura Sup. Est. Trat. Biológico Sup. Est. Trat. Renováveis Sup. Est. Trat. Térmico Disposição final Planta i Cidade Termofílico Mesofílico Compostagem Reciclagem de Papel Reciclagem de Plástico Reciclagem de Metal Reciclagem de Vidro Incinerador e caldeira Caldeira Convencional Ciclo combinado // incinerador Número de CG por Ciclo Combinado Aterro sanitário
Planta1 Mauá 1 1 1 1 1 1 1 3 1 3 4 1
Planta2 S. Parnaíba 0 0 0 1 1 1 1 1 0 0 0 1
Planta3 Caieiras 1 1 1 1 1 1 1 9 1 9 4 1
Planta4 Itapevi 0 0 0 1 1 1 1 1 0 0 0 1
Planta5 São Paulo 1 1 1 1 1 1 1 11 1 11 4 1
Planta6 Paulínia 1 1 1 1 1 1 1 3 1 3 4 1
Planta7 Indaiatuba 0 0 0 1 1 1 1 1 0 0 0 1
Planta8 Tremembé 1 1 1 1 1 1 1 2 1 2 4 1
Planta9 Cach. Paulis. 0 0 0 1 1 1 1 1 0 0 0 1 Adaptação de: Cetesb (2012)
6
7
2
4
3
5
1
8
9
179
Figura A. 7 – Mapa das plantas com as tecnologias sem interação, com o CG2.
Megaestrutura Sup. Est. Trat. Biológico Sup. Est. Trat. Renováveis Sup. Est. Trat. Térmico Disposição final Planta i Cidade Termofílico Mesofílico Compostagem Reciclagem de Papel Reciclagem de Plástico Reciclagem de Metal Reciclagem de Vidro Incinerador e caldeira Caldeira Convencional Ciclo combinado // incinerador Número de CG por Ciclo Combinado Aterro sanitário
Planta1 Mauá 1 1 1 1 1 1 1 2 1 2 1 1
Planta2 S. Parnaíba 1 1 1 1 1 1 1 1 1 0 0 1
Planta3 Caieiras 1 1 1 1 1 1 1 8 1 8 1 1
Planta4 Itapevi 1 1 1 1 1 1 1 1 1 0 0 1
Planta5 São Paulo 1 1 1 1 1 1 1 9 1 9 1 1
Planta6 Paulínia 1 1 1 1 1 1 1 3 1 3 1 1
Planta7 Indaiatuba 1 1 1 1 1 1 1 1 1 0 0 1
Planta8 Tremembé 1 1 1 1 1 1 1 1 1 1 1 1
Planta9 Cach. Paulis. 1 1 1 1 1 1 1 1 1 0 0 1 Adaptação de: Cetesb (2012)
6
7
2
4
3
5
1
8
9
180
Figura A. 8 – Mapa das plantas com as tecnologias com interação, com o CG2.
Megaestrutura Sup. Est. Trat. Biológico Sup. Est. Trat. Renováveis Sup. Est. Trat. Térmico Disposição final Planta i Cidade Termofílico Mesofílico Compostagem Reciclagem de Papel Reciclagem de Plástico Reciclagem de Metal Reciclagem de Vidro Incinerador e caldeira Caldeira Convencional Ciclo combinado // incinerador Número de CG por Ciclo Combinado Aterro sanitário
Planta1 Mauá 1 1 1 1 1 1 1 3 1 3 1 1
Planta2 S. Parnaíba 0 0 0 1 1 1 1 0 0 0 0 1
Planta3 Caieiras 1 1 1 1 1 1 1 8 1 8 1 1
Planta4 Itapevi 0 0 0 1 1 1 1 0 0 0 0 1
Planta5 São Paulo 1 1 1 1 1 1 1 10 1 10 1 1
Planta6 Paulínia 1 1 1 1 1 1 1 3 1 3 1 1
Planta7 Indaiatuba 0 0 0 1 1 1 1 0 0 0 0 1
Planta8 Tremembé 1 1 1 1 1 1 1 2 1 2 1 1
Planta9 Cach. Paulis. 0 0 0 1 1 1 1 0 0 0 0 1 Adaptação de: Cetesb (2012)
6
7
2
4
3
5
1
8
9
181
APÊNDICE B – GRÁFIGOS DO PERÍODO DO PAY BACK.
Figura B. 1 – Payback do cenário otimista com o CG1 sem transporte.
Figura B. 2 – Payback do cenário otimista com o CG1 sem transporte ampliado.
182
Figura B. 3 – Payback do cenário mais provável com CG1 sem transporte.
Figura B. 4 – Payback do cenário mais provável com o CG1 sem transporte ampliado.
183
Figura B. 5 – Payback do cenário pessimista com CG1 sem transporte.
Figura B. 6 – Payback do cenário pessimista com o CG1 sem transporte ampliado.
184
Figura B. 7 – Payback do cenário otimista com o CG1 com transporte.
Figura B. 8 – Payback do cenário otimista com o CG1 com transporte ampliado.
-3.000.000.000
-2.500.000.000
-2.000.000.000
-1.500.000.000
-1.000.000.000
-500.000.000
0
500.000.000
1.000.000.000
0 3 6 9 12 15 18 21
Re
ceit
a [U
S$]
Período de amortização [ano]
r = 6%
r = 8%
r = 10%
r = 6% (+TRR)
r = 8%(+TRR)
r = 10%(+TRR)
r = 6%(+CC)
r = 8%(+CC)
r = 10%(+CC)
r = 6%(+TRR+CC)
r = 8%(+TRR+CC)
r = 10%(+TRR+CC)
185
Figura B. 9 – Payback do cenário mais provável com o CG1 com transporte.
Figura B. 10 – Payback do cenário mais provável com o CG1 com transporte ampliado.
186
Figura B. 11 – Payback do cenário pessimista com o CG1 com transporte.
Figura B. 12 – Payback do cenário pessimista com o CG1 com transporte ampliado.
187
Figura B. 13 – Payback do cenário otimista com o CG2 sem transporte.
Figura B. 14 – Payback do cenário otimista com o CG2 sem transporte ampliado.
188
Figura B. 15 – Payback do cenário mais provável com o CG2 sem transporte.
Figura B. 16 – Payback do cenário mais provável com o CG2 sem transporte ampliado.
189
Figura B. 17 – Payback do cenário pessimista com o CG2 sem transporte.
Figura B. 18 – Payback do cenário pessimista com o CG2 sem transporte ampliado.
190
Figura B. 19 – Payback do cenário otimista com o CG2 com transporte.
Figura B. 20 – Payback do cenário otimista com o CG2 com transporte ampliado.
191
Figura B. 21 – Payback do cenário mais provável com o CG2 com transporte.
Figura B. 22 – Payback do cenário mais provável com o CG2 com transporte ampliado.
192
Figura B. 23 – Payback do cenário pessimista com o CG2 com transporte.
Figura B. 24 – Payback do cenário pessimista com o CG2 com transporte ampliado.
193
APÊNDICE C – GRÁFIGOS DO VALOR PRESENTE LÍQUIDO (VPL).
Figura C. 1 – VPL do cenário otimista com o conjunto a gás CG1 sem transporte.
Figura C. 2 – VPL do cenário mais provável com o conjunto a gás CG1 sem transporte.
194
Figura C. 3 – VPL do cenário pessimista com o conjunto a gás CG1 sem transporte.
Figura C. 4 – VPL do cenário otimista com o conjunto a gás CG1 com transporte.
195
Figura C. 5 – VPL do cenário mais provável com o conjunto a gás CG1 com transporte.
Figura C. 6 – VPL do cenário pessimista com o conjunto a gás CG1 com transporte.
196
Figura C. 7 – VPL do cenário otimista com o conjunto a gás CG2 sem transporte.
Figura C. 8 – VPL do cenário mais provável com o conjunto a gás CG2 sem transporte.
197
Figura C. 9 – VPL do cenário pessimista com o conjunto a gás CG2 sem transporte.
Figura C. 10 – VPL do cenário otimista com o conjunto a gás CG2 com transporte.
198
Figura C. 11 – VPL do cenário mais provável com o conjunto a gás CG2 com transporte.
Figura C. 12 – VPL do cenário pessimista com o conjunto a gás CG2 com transporte.
199
APÊNDICE D – GRÁFIGOS DA TAXA INTERNA DE RETORNO (TIR)
Figura D. 1 – TIR do cenário otimista com o CG1 sem transporte ampliado.
Figura D. 2 – TIR do cenário mais provável com o CG1 sem transporte ampliado.
200
Figura D. 3 – TIR do cenário pessimista com o CG1 sem transporte ampliado.
Figura D. 4 – TIR do cenário otimista com o CG1 com transporte ampliado.
201
Figura D. 5 – TIR do cenário mais provável com o CG1 com transporte ampliado.
Figura D. 6 – TIR do cenário pessimista com o CG1 com transporte ampliado.
202
Figura D. 7 – TIR do cenário otimista com o CG2 sem transporte ampliado.
Figura D. 8 – TIR do cenário mais provável com o CG2 sem transporte ampliado.
203
Figura D. 9 – TIR do cenário pessimista com o CG2 sem transporte ampliado.
Figura D. 10 – TIR do cenário otimista com o CG2 com transporte ampliado.
204
Figura D. 11 – TIR do cenário mais provável com o CG2 com transporte ampliado.
Figura D. 12 – TIR do cenário pessimista com o CG2 com transporte ampliado.
205
APÊNDICE D – ALGORITMO ELABORADO PARA SER IMPLEMENTADO NO SOFTWARE LINGO.
Código da mega estrutura no software Lingo. Model:
DATA:
!Dados de entrada de cada planta, que serão escritos da seguinte maneira;
!#########################################################################;
!vazão mássica de lodo de esgoto de cada planta(kg/s);
M8_Lodo=1.95; M2_Lodo=0.81; M3_Lodo=5.45; M4_Lodo=0.38;
M5_Lodo=6.22; M6_Lodo=2.96; M7_Lodo=0.16; M1_Lodo=1.35;
M9_Lodo=0.28;
!vazão mássica de resíduos orgânicos úmidos (kg/s);
M8_ROu=5.7; M2_ROu=2.18; M3_ROu=20.78; M4_ROu=1.02;
M5_ROu=24.85; M6_ROu=7.54; M7_ROu=0.44; M1_ROu=3.44;
M9_ROu=0.59;
!vazão mássica de resíduos orgânicos secos (kg/s);
M8_ROs=5.7; M2_ROs=2.18; M3_ROs=20.78; M4_ROs=1.02;
M5_ROs=24.85; M6_ROs=7.54; M7_ROs=0.44; M1_ROs=3.44;
M9_ROs=0.59;
!x1,vazão mássica de metal (kg/s);
M8_EMetal=0.64; M2_EMetal=0.25; M3_EMetal=2.35; M4_EMetal=0.12;
M5_EMetal=2.81; M6_EMetal=0.85; M7_EMetal=0.05; M1_EMetal=0.39;
M9_EMetal=0.07;
!x2,vazão mássica de papel (kg/s);
M8_EPapel=0.78; M2_EPapel=0.30; M3_EPapel=2.84; M4_EPapel=0.14;
M5_EPapel=3.40; M6_EPapel=1.03; M7_EPapel=0.06; M1_EPapel=0.47;
M9_EPapel=0.08;
!x3,vazão mássica de plástico (kg/s);
M8_EPlastico=0.95;M2_EPlastico=0.36;M3_EPlastico=3.46;M4_EPlastico=0.17;M5_
EPlastico=4.14;M6_EPlastico=1.26;M7_EPlastico=0.07;M1_EPlastico=0.57;M9_EPl
astico=0.10;
!x4,vazão mássica de vidro (kg/s);
M8_EVidro=0.35; M2_EVidro=0.13; M3_EVidro=1.26; M4_EVidro=0.06;
M5_EVidro=1.51; M6_EVidro=0.46; M7_EVidro=0.03; M1_EVidro=0.21;
M9_EVidro=0.04;
!vazão mássica para o incinerador ks/s;
M8_RS=8.91; M2_RS=3.41; M3_RS=32.49; M4_RS=1.59;
M5_RS=38.84; M6_RS=11.79; M7_RS=0.68; M1_RS=5.38;
M9_RS=0.92;
!########################################################################;
!Parametros fixos para todas as plantas(não serão alterados);
!relação de elétrica termica gasto por resíduo processado;
KEE_Rmetal=6408; !Gasto de energia elétrica com reciclagem de
metal [kWs/kg];
KEE_Rpapel=5292; !Gasto de energia elétrica com reciclagem de
papel [kWs/kg];
KEE_Rplastico=2988; !Gasto de energia elétrica com reciclagem de
plástico [kWs/kg];
KEE_Rvidro=15084; !Gasto de energia elétrica com reciclagem de
vidro [kWs/kg];
KEE_Triagem=200; !Gasto de energia elétrica com a triagem dos
resíduos reciclavéis [kWs/kg];
KEE_BG1=0.0008; !Gasto de energia elétrica com dig. ana.
termofílica[kWs/kg];
KEE_BG2=0.0008; !Gasto de energia elétrica com dig. ana.
mesofílica [kWs/kg];
206
KEE_Comp=0.0008; !Gasto de energia elétrica com compostagem
[kWs/kg];
!relação de energia térmica gasto por resíduo processado;
KET_Rmetal=0; !Gasto de energia térmica com reciclagem de
metal [kWs/kg];
KET_Rpapel=0; !Gasto de energia térmica com reciclagem de
papel [kWs/kg];
KET_Rplastico=100; !Gasto de energia térmica com reciclagem de
plástico [kWs/kg];
KET_Rvidro=200; !Gasto de energia térmica com reciclagem de
vidro [kWs/kg];
KET_BG1=0.04; !Gasto de energia térmica com dig. ana.
termofílica [kWs/kg];
KET_BG2=0.04; !Gasto de energia térmica com dig. ana.
mesofílica [kWs/kg];
!Poder Calorífico dos combustíveis;
PCI_RS=11000; !Poder Calorifico Inferior do Resíduo Sólido;
PCI_GN=50000; !Poder Calorifico Inferior do Gás Natural;
PCI_BG=25000; !Poder Calorifico Inferior do Biogás;
!conjunto a gás para atender a temperatura de vapor vivo a alta pressão,
Balcazar (2011);
cp_ge=1.14; !cp dos gases de exaustão, Balcazar (2011);
W_liq_cg=70100; !Potência liquida do CG;
HR=10532.08; !HR do CG;
M_gases=205.66; !Vazão mássica dos gases do CG;
T_sge=508.66; !Temperatura de saída do CG;
T_ch=150; !Temperatura de Chaminé, adotado;
!Parâmetros de eficiencia de equipamentos;
ETA_RTF=0.7; !Rendimento de biodigestão Termofílico;
ETA_RMS=0.1; !Rendimento de biodigestão Mesofílico;
ETA_comp=1; !Rendimento de compostagem;
ETA_Rmetal=1.0; !Rendimento de Reciclagem de metal;
ETA_Rpapel=0.85; !Rendimento de Reciclagem de papel;
ETA_Rplastico=0.85; !Rendimento de Reciclagem de plástico;
ETA_Rvidro=1.0; !Rendimento de Reciclagem de vidro;
ETA_CI=0.85; !Rendimento da Caldeira do Incinerador;
ETA_CV=0.90; !Rendimento da Caldeira convencional de vapor;
ETA_CR=0.80; !Rendimento da Caldeira de recuperação;
ETA_red_rs=0.75; !Rendimento da redução da massa dos resíduos
no incinerador;
ETA_gerador=0.95; !Rendimento do gerador;
!Preços de venda;
PV_Rmetal=1.00; !Preço de venda de metal;
PV_Rpapel=0.10; !Preço de venda de papel;
PV_Rplastico=0.10; !Preço de venda de plástico;
PV_Rvidro=0.03; !Preço de venda de vidro;
PV_EE=0.13; !Preço de venda de energia eletrica;
PV_Cinzas=0.010; !Preço de venda de cinzas;
PV_BG=0.050; !Preço de venda de biogás;
PV_AO=0.010; !Preço de venda de adubo orgânico;
!Custo dos insumos;
CGN=0.056; !Custo do Gás Natural;
CBG=0.000; !Custo do Biogás;
!Custo de manutenção e operação dos equipamentos;
C_MO_TV=0.000012; !Custo M&O da Turbina a vapor e caldeiras;
C_MO_CG=0.000034; !Custo M&O do conjunto a gás;
C_MO_REC=0.000050; !Custo M&O do conjunto a gás;
C_MO_BIO1=0.000024; !Custo M&O do conjunto a gás;
C_MO_BIO2=0.000034; !Custo M&O do conjunto a gás;
C_MO_Comp=0.000014; !Custo M&O do conjunto a gás;
!Parâmetros de operação do lado térmico, entalpias;
207
m_rs_padrao=5; !vazão mássica de RS padrão por incinerador de
cada planta(kg/s);
h0=503.8; !Entalpia de saída da TR;
h0_1=508.2; !Entalpia de entrada na caldeira do
Incinerador;
h0_2=516.3; !Entalpia de entrada na caldeira de Vapor;
h0_3=516.3; !Entalpia de entrada na caldeira de ciclo
combinado;
h1=3454; !Entalpia de saída de Vapor de Alta Pressão;
h2=3171; !Entalpia de retorno do Vapor de Alta Pressão;
h3=3304; !Entalpia de saída de Vapor de Média Pressão;
h4=3026; !Entalpia de retorno do Vapor de Média
Pressão;
h5=3325; !Entalpia de saída de Vapor de Baixa Pressão;
h6=2463; !Entalpia de entrada no Condensador;
h_agua55=229.9; !Entalpia da agua a 55º C;
h_agua40=167.2; !Entalpia da agua a 40º C;
h_agua20=83.6; !Entalpia da agua a 20º C;
Enddata
!Sets:
!Mi_Lodo/1..9/;
!Endsets;
Max =Lucro_total-Custo_total-(+W1_ele_conce++Q1_conce)*2;
!#########################################################################;
!Lucros e custos totais;
!#########################################################################;
Lucro_total=Lucro_TT1+Lucro_R1+Lucro_B1;
Custo_total=Custo_TT1+Custo_R1+Custo_B1;
Lucro_TT1=W1_ele_total*PV_EE+M1_cinzas*PV_Cinzas;
Custo_TT1=Custo1_TV+Custo1_CG+Custo1_comb;
Lucro_R1=M1_PMetal*d1x1*PV_Rmetal+M1_PPapel*d1x2*PV_Rpapel+M1_PPlastico*d1x
3*PV_Rplastico+M1_PVidro*d1x4*PV_Rvidro;
Custo_R1=Custo1_RECt;
Lucro_B1=+Lucro1_Comp;
Custo_B1=+Custo1_BIO1+Custo1_BIO2+Custo1_Comp;
!#########################################################################;
!Planta 1 de processamento;
!#########################################################################;
!Processo de bioestabilização#############################################;
!vazão mássica de gás natural ks/s;
M_total_GND=M1_GND+M2_GND+M3_GND+M4_GND+M5_GND+M6_GND+M7_GND+M8_GND+M9_GND;
M1_GND<M1_RS+2; M2_GND<M2_RS+2; M3_GND<M3_RS+2; M4_GND<M4_RS+2;
M5_GND<M5_RS+2; M6_GND<M6_RS+2; M7_GND<M7_RS+2; M8_GND<M8_RS+2;
M9_GND<M9_RS+2;
208
W1_ele_conce<00000;
Q1_conce<000;
M1_BG1-M1_Lodo*d1y1*ETA_RTF=0;
M1_R11-M1_Lodo*d1y1*(1-ETA_RTF)=0;
M1_R11*0.10=M1_R1I;
M1_R11=M1_R1I+M1_R1;
EE11=M1_BG1*KEE_BG1;
ET11=M1_BG1*KET_BG1;
M1_BG2-(M1_R1+M1_ROu*d1y2)*ETA_RMS=0;
M1_R22-(M1_R1+M1_ROu*d1y2)*(1-ETA_RMS)=0;
M1_R22*0.10=M1_R2I;
M1_R22=M1_R2I+M1_R2;
EE12=M1_BG2*KEE_BG2;
ET12=M1_BG2*KET_BG2;
M1_Comp-(M1_R2+M1_ROs*d1y3)*ETA_comp=0;
M1_Comp*0.90=M1_R3;
M1_Comp=M1_R3I+M1_R3;
EE13=M1_Comp*KEE_Comp;
W1_ele_bio=EE11+EE12+EE13;
M1_BGD=M1_BG1+M1_BG2;
Lucro1_Comp=M1_R3*PV_AO;
Custo1_BIO1=M1_BG1*C_MO_BIO1;
Custo1_BIO2=M1_BG2*C_MO_BIO2;
Custo1_Comp=M1_R3*C_MO_Comp;
d1y1+d1y2+d1y3=3; !Forcei ao processo se desenvolver neste caso;
!Processo de reciclagem###################################################;
M1_Etotal=M1_EMetal+M1_EPlastico+M1_EPapel+M1_EVidro;
EE1Triagem=M1_Etotal*KEE_Triagem;
M1_PMetal-M1_EMetal*d1x1*ETA_Rmetal=0;
M1_PIMetal-M1_EMetal*d1x1*(1-ETA_Rmetal)=0;
EE1pmetal-M1_PMetal*KEE_Rmetal=0;
ET1pmetal-M1_PMetal*KET_Rmetal=0;
M1_PPapel-M1_EPapel*d1x2*ETA_Rpapel=0;
M1_PIPapel-M1_EPapel*d1x2*(1-ETA_Rpapel)=0;
EE1ppapel-M1_PPapel*KEE_Rpapel=0;
ET1ppapel-M1_PPapel*KET_Rpapel=0;
M1_PPlastico-M1_EPlastico*d1x3*ETA_Rplastico=0;
M1_PIPlastico-M1_EPlastico*d1x3*(1-ETA_Rplastico)=0;
EE1pplastico-M1_PPlastico*KEE_Rplastico=0;
ET1pplastico-M1_PPlastico*KET_Rplastico=0;
M1_PVidro-M1_EVidro*d1x4*ETA_Rvidro=0;
209
M1_PIVidro-M1_EVidro*d1x4*(1-ETA_Rvidro)=0;
EE1pvidro-M1_PVidro*KEE_Rvidro=0;
ET1pvidro-M1_PVidro*KET_Rvidro=0;
d1x1+d1x2+d1x3+d1x4=4;
W1_ele_rec=EE1pvidro+EE1pplastico+EE1ppapel+EE1pmetal+EE1Triagem;
Custo1_RECt=(M1_PVidro+M1_PPlastico+M1_PPapel+M1_PMetal)*C_MO_REC;
!Processos térmicos#######################################################;
M1_RS_T=M1_RS+M1_PIVidro+M1_PIPlastico+M1_PIPapel+M1_PIMetal+M1_R1I+M1_R2I+
M1_R3I;
PCI_RS*M1_RS_T*ETA_CI-(((h3-h0_1)+(h5-h4))*M1_vci*d1z5)=0;
!Caldeira com incinerador acolado;
M1_cinzas=M1_RS_T*ETA_red_rs;
n1_inc<M1_RS_T/m_rs_padrao;
!conjunto a gás, análise;
W1_liq_cg=W_liq_cg*n1_inc;
W1_ele_cg=W1_liq_cg*(d1z2+d1z4)*0.95;
(M1_BG_2)=(W1_liq_cg*d1z2*HR)/(3600*(PCI_BG));
(M1_GN_2)=(W1_liq_cg*d1z4*HR)/(3600*(PCI_GN));
d1z2+d1z4<1;
!Caldeiras, análise;
(PCI_BG*M1_BG_1*d1z1+PCI_GN*M1_GN_1*d1z3)*ETA_CV-(((h1-h0_2)+(h3-h2)+(h5-
h4))*M1_vcv*d1z6)=0; !Caldeira convencional com possibilidade
de 2 comb.;
d1z1+d1z3<2;
cp_ge*M_gases*n1_inc*(d1z2+d1z4)*(T_sge-T_ch)*ETA_CR=(((h1-h0_3)+(h3-
h2)+(h5-h4))*M1_vcc*d1z7); !Caldeira de recuperação do
conjunto a gás;
M1_BGD=M1_BG_1*d1z1+M1_BG_2*d1z2;
M1_GND=M1_GN_1*d1z3+M1_GN_2*d1z4;
M1t1=M1_vcv*d1z6+M1_vcc*d1z7;
M1t2=M1_vcv*d1z6+M1_vcc*d1z7;
M1t3=M1_vci*d1z5+M1_vcv*d1z6+M1_vcc*d1z7;
M1t4=M1_vci*d1z5+M1_vcv*d1z6+M1_vcc*d1z7;
M1t5=M1_vci*d1z5+M1_vcv*d1z6+M1_vcc*d1z7;
M1t6=M1_vci*d1z5+M1_vcv*d1z6+M1_vcc*d1z7;
W1_ele_gerado=W1_ele_TV+W1_ele_cg;
W1_ele_TV=W1_TV*ETA_gerador;
W1_TV=+W1_ele_TV1*d1TV1+W1_ele_TV2*d1TV2+W1_ele_TV3*d1TV3+W1_ele_TV4*d1TV4;
ET11+ET12+ET1pvidro+ET1pplastico+ET1ppapel+ET1pmetal=QT1;
!energia térmica total gastas nos
diversos processos;
210
QTD1=+M1BP2*d1TV2*(h2-h6)+M1DP3*d1TV3*(h4-h6)+M1DP4*d1TV4*(h4-h6);
W1_ele_TV1=((h1*M1A1-h6*M1F1))*d1TV1;
M1A1<M1t1;
M1F1<M1t6;
M1A1-M1F1=0;
W1_ele_TV2=((h1*M1A2-h2*M1B2)+(h3*M1C2-h6*M1F2))*d1TV2;
M1A2<M1t1;
M1B2-M1BP2<M1t2;
M1C2<M1t3;
M1F2+M1BP2<M1t6;
M1A2-M1B2-M1BP2=0;
M1C2-M1B2=0;
M1F2-M1C2-M1BP2=0;
W1_ele_TV3=((h1*M1A3-h2*M1B3)+(h3*M1C3-h4*M1D3)+(h5*M1E3-h6*M1F3))*d1TV3;
M1A3<M1t1;
M1B3<M1t2;
M1C3<M1t3;
M1D3-M1DP3<M1t4;
M1E3<M1t5;
M1F3+M1DP3<M1t6;
M1A3-M1B3=0;
M1C3-M1B3=0;
M1C3-M1D3-M1DP3=0;
M1E3-M1D3=0;
M1F3-M1E3-M1DP3=0;
W1_ele_TV4=((h1*M1A4-h2*M1B4)*1.10+(h3*M1C4-h4*M1D4)+(h5*M1E4-
h6*M1F4))*d1TV4;
M1A4<M1t1;
M1B4<M1t2;
M1C4<M1t3;
M1D4-M1DP4<M1t4;
M1E4<M1t5;
M1F4+M1DP4<M1t6;
M1A4-M1B4=0;
M1C4-M1D4-M1DP4=0;
M1E4-M1D4=0;
M1F4-M1E4-M1DP4=0;
d1TV1+d1TV2+d1TV3+d1TV4=1;
d1z5+d1z6+d1z7<3;
!calculo das bombas;
W1_bomba_inc=M1_vci*d1z5*(h0_1-h0);
W1_bomba_cv=M1_vcv*d1z6*(h0_2-h0);
W1_bomba_cc=M1_vcc*d1z7*(h0_3-h0);
W1_bomba_total=(W1_bomba_inc+W1_bomba_cv+W1_bomba_cc)*ETA_gerador;
211
QT1=+Q1_conce+QTD1;
W1_ele_total=W1_ele_gerado+W1_ele_conce-W1_bomba_total-W1_ele_rec-
W1_ele_bio; !Aqui eu amarrei a geração como o consumo da
megaestrutura;
Custo1_TV=W1_ele_TV*C_MO_TV;
Custo1_CG=W1_ele_cg*C_MO_CG;
Custo1_comb=CGN*M1_GND+CBG*M1_BGD;
!Números Binários#########################################################;
@bin(d1TV1);@bin(d2TV1);@bin(d3TV1);@bin(d4TV1);@bin(d5TV1);@bin(d6TV1);@bi
n(d7TV1);@bin(d7TV1);@bin(d8TV1);@bin(d9TV1);
@bin(d1TV2);@bin(d2TV2);@bin(d3TV2);@bin(d4TV2);@bin(d5TV2);@bin(d6TV2);@bi
n(d7TV2);@bin(d7TV2);@bin(d8TV2);@bin(d9TV2);
@bin(d1TV3);@bin(d2TV3);@bin(d3TV3);@bin(d4TV3);@bin(d5TV3);@bin(d6TV3);@bi
n(d7TV3);@bin(d7TV3);@bin(d8TV3);@bin(d9TV4);
@bin(d1TV4);@bin(d2TV4);@bin(d3TV4);@bin(d4TV4);@bin(d5TV4);@bin(d6TV4);@bi
n(d7TV4);@bin(d7TV4);@bin(d8TV4);@bin(d9TV4);
@bin(d1x1);@bin(d2x1);@bin(d3x1);@bin(d4x1);@bin(d5x1);@bin(d6x1);@bin(d7x1
);@bin(d8x1);@bin(d9x1);
@bin(d1x2);@bin(d2x2);@bin(d3x2);@bin(d4x2);@bin(d5x2);@bin(d6x2);@bin(d7x2
);@bin(d8x2);@bin(d9x2);
@bin(d1x3);@bin(d2x3);@bin(d3x3);@bin(d4x3);@bin(d5x3);@bin(d6x3);@bin(d7x3
);@bin(d8x3);@bin(d9x3);
@bin(d1x4);@bin(d2x4);@bin(d3x4);@bin(d4x4);@bin(d5x4);@bin(d6x4);@bin(d7x4
);@bin(d8x4);@bin(d9x4);
@bin(d1y1);@bin(d2y1);@bin(d3y1);@bin(d4y1);@bin(d5y1);@bin(d6y1);@bin(d7y1
);@bin(d8y1);@bin(d9y1);
@bin(d1y2);@bin(d2y2);@bin(d3y2);@bin(d4y2);@bin(d5y2);@bin(d6y2);@bin(d7y2
);@bin(d8y2);@bin(d9y2);
@bin(d1y3);@bin(d2y3);@bin(d3y3);@bin(d4y3);@bin(d5y3);@bin(d6y3);@bin(d7y3
);@bin(d8y3);@bin(d9y3);
@bin(d1z1);@bin(d2z1);@bin(d3z1);@bin(d4z1);@bin(d5z1);@bin(d6z1);@bin(d7z1
);@bin(d8z1);@bin(d9z1);
@bin(d1z2);@bin(d2z2);@bin(d3z2);@bin(d4z2);@bin(d5z2);@bin(d6z2);@bin(d7z2
);@bin(d8z2);@bin(d9z2);
@bin(d1z3);@bin(d2z3);@bin(d3z3);@bin(d4z3);@bin(d5z3);@bin(d6z3);@bin(d7z3
);@bin(d8z3);@bin(d9z3);
@bin(d1z4);@bin(d2z4);@bin(d3z4);@bin(d4z4);@bin(d5z4);@bin(d6z4);@bin(d7z4
);@bin(d8z4);@bin(d9z4);
@bin(d1z5);@bin(d2z5);@bin(d3z5);@bin(d4z5);@bin(d5z5);@bin(d6z5);@bin(d7z5
);@bin(d8z5);@bin(d9z5);
@bin(d1z6);@bin(d2z6);@bin(d3z6);@bin(d4z6);@bin(d5z6);@bin(d6z6);@bin(d7z6
);@bin(d8z6);@bin(d9z6);
@bin(d1z7);@bin(d2z7);@bin(d3z7);@bin(d4z7);@bin(d5z7);@bin(d6z7);@bin(d7z7
);@bin(d8z7);@bin(d9z7);
@gin(n1_inc);@gin(n2_inc);@gin(n3_inc);@gin(n4_inc);@gin(n5_inc);@gin(n6_in
c);@gin(n7_inc);@gin(n8_inc);@gin(n9_inc);
END
212
APÊNDICE E – ALGORITMO ELABORADO PARA SER IMPLEMENTADO NO SOFTWARE EES (ENGINEERING EQUATION SOLVER)
"vazão mássica de lodo de esgoto de cada planta(kg/s)" M_Lodo[1]=1,95: M_Lodo[2]=0,81: M_Lodo[3]=5,45: M_Lodo[4]=0,38: M_Lodo[5]=6,22: M_Lodo[6]=2,96: M_Lodo[7]=0,16: M_Lodo[8]=1,35: M_Lodo[9]=0,28: "vazão mássica de resíduos orgânicos úmidos (kg/s);" M_ROu[1]=5,7: M_ROu[2]=2,18: M_ROu[3]=20,78: M_ROu[4]=1,02: M_ROu[5]=24,85: M_ROu[6]=7,54: M_ROu[7]=0,44: M_ROu[8]=3,44: M_ROu[9]=0,59: "vazão mássica de resíduos orgânicos secos (kg/s)" M_ROs[1]=5,7: M_ROs[2]=2,18: M_ROs[3]=20,78: M_ROs[4]=1,02: M_ROs[5]=24,85: M_ROs[6]=7,54: M_ROs[7]=0,44: M_ROs[8]=3,44: M_ROs[9]=0,59: "vazão mássica de resíduos orgânicos secos (kg/s)" M_EMetal[1]=0,64: M_EMetal[2]=0,25: M_EMetal[3]=2,35: M_EMetal[4]=0,12: M_EMetal[5]=2,81: M_EMetal[6]=0,85: M_EMetal[7]=0,05: M_EMetal[8]=0,39: M_EMetal[9]=0,07: "vazão mássica de resíduos orgânicos secos (kg/s)" M_EPapel[1]=0,78: M_EPapel[2]=0,30: M_EPapel[3]=2,84: M_EPapel[4]=0,14: M_EPapel[5]=3,40: M_EPapel[6]=1,03: M_EPapel[7]=0,06: M_EPapel[8]=0,47: M_EPapel[9]=0,08: "vazão mássica de resíduos orgânicos secos (kg/s)" M_EPlastico[1]=0,95: M_EPlastico[2]=0,36: M_EPlastico[3]=3,46: M_EPlastico[4]=0,17: M_EPlastico[5]=4,14: M_EPlastico[6]=1,26: M_EPlastico[7]=0,07: M_EPlastico[8]=0,57: M_EPlastico[9]=0,10: "vazão mássica de resíduos orgânicos secos (kg/s)" M_EVidro[1]=0,35: M_EVidro[2]=0,13: M_EVidro[3]=1,26: M_EVidro[4]=0,06: M_EVidro[5]=1,51: M_EVidro[6]=0,46: M_EVidro[7]=0,03: M_EVidro[8]=0,21: M_EVidro[9]=0,04: "vazão mássica de resíduos orgânicos secos (kg/s)" M_RS[1]=8,91: M_RS[2]=3,41: M_RS[3]=32,49: M_RS[4]=1,59: M_RS[5]=38,84: M_RS[6]=11,79: M_RS[7]=0,68: M_RS[8]=5,38: M_RS[9]=0,92: M_GND1=0: "relação de elétrica termica gasto por resíduo processado" KEE_Rmetal=6408: "!Gasto de energia elétrica com reciclagem de metal [kWs/kg]" KEE_Rpapel=5292: "!Gasto de energia elétrica com reciclagem de papel [kWs/kg]" KEE_Rplastico=2988: "!Gasto de energia elétrica com reciclagem de plástico [kWs/kg]"
213
KEE_Rvidro=15084: "!Gasto de energia elétrica com reciclagem de vidro [kWs/kg]" KEE_Triagem=5292 KEE_BG1=0,0008: "!Gasto de energia elétrica com dig. ana. termofílica[kWs/kg]" KEE_BG2=0,0008: "!Gasto de energia elétrica com dig. ana. mesofílica [kWs/kg]" KEE_Comp=0,0008: "!Gasto de energia elétrica com compostagem [kWs/kg]" "relação de energia térmica gasto por resíduo processado" KET_Rmetal=0: "!Gasto de energia térmica com reciclagem de metal [kWs/kg]" KET_Rpapel=0: "!Gasto de energia térmica com reciclagem de papel [kWs/kg]" KET_Rplastico=100: "!Gasto de energia térmica com reciclagem de plástico [kWs/kg]" KET_Rvidro=200: "!Gasto de energia térmica com reciclagem de vidro [kWs/kg]" KET_BG1=0,04: "!Gasto de energia térmica com dig. ana. termofílica [kWs/kg]" KET_BG2=0,04: "!Gasto de energia térmica com dig. ana. mesofílica [kWs/kg]" "Poder Calorífico dos combustíveis" PCI_RS=11000: "!Poder Calorifico Inferior do Resíduo Sólido" PCI_GN=50000: "!Poder Calorifico Inferior do Gás Natural" PCI_BG=25000: "!Poder Calorifico Inferior do Biogás" "conjunto a gás para atender a temperatura de vapor vivo a alta pressão, Balcazar (2011)" cp_ge=1,14: "!cp dos gases de exaustão, Balcazar (2011)" W_liq_cg=7520: "!Potência liquida do CG" HR=10653,38: "!HR do CG" M_gases=41,59: "!Vazão mássica dos gases do CG" T_sge=485,0: "!Temperatura de saída do CG" T_ch=150: "!Temperatura de Chaminé, adotado" "Parâmetros de eficiencia de equipamentos"
214
ETA_RTF=0,7: "!Rendimento de biodigestão Termofílico" ETA_RMS=0,1: "!Rendimento de biodigestão Mesofílico" ETA_comp=1,0: "!Rendimento de compostagem" ETA_Rmetal=1,0: "!Rendimento de Reciclagem de metal" ETA_Rpapel=0,85: "!Rendimento de Reciclagem de papel" ETA_Rplastico=0,85: "!Rendimento de Reciclagem de plástico" ETA_Rvidro=1,0: "!Rendimento de Reciclagem de vidro" ETA_CI=0,85: "!Rendimento da Caldeira do Incinerador" ETA_CV=0,90: "!Rendimento da Caldeira convencional de vapor" ETA_CR=0,80: "!Rendimento da Caldeira de recuperação" ETA_red_rs=0,75: "!Rendimento da redução da massa dos resíduos no incinerador" ETA_gerador=0,95: "!Rendimento do gerador" "Preços de venda" PV_Rmetal=1,00: "!Preço de venda de metal" PV_Rpapel=0,10: "!Preço de venda de papel" PV_Rplastico=0,10: "!Preço de venda de plástico" PV_Rvidro=0,03: "!Preço de venda de vidro" PV_EE=0,13: "!Preço de venda de energia eletrica" PV_Cinzas=0,010: "!Preço de venda de cinzas" PV_BG=0,050: "!Preço de venda de biogás" PV_AO=0,010: "!Preço de venda de adubo orgânico" "Custo dos insumos" CGN=0,056: "!Custo do Gás Natural" CBG=0,000: "!Custo do Biogás" CRS=0,080: "Custo de manutenção e operação dos equipamentos" C_MO_TV=0,000012: "!Custo M&O da Turbina a vapor e caldeiras" C_MO_CG=0,000034: "!Custo M&O do conjunto a gás" C_MO_REC=0,000050: "!Custo M&O do conjunto a gás" C_MO_BIO1=0,000024: "!Custo M&O do conjunto a gás" C_MO_BIO2=0,000034: "!Custo M&O do conjunto a gás" C_MO_Comp=0,000014: "!Custo M&O do conjunto a gás" "Parâmetros de operação do lado térmico, entalpias"
215
m_rs_padrao=5: "!vazão mássica de RS padrão por incinerador de cada planta(kg/s)" h0=503,8: "!Entalpia de saída da TR" h0_1=508,2: "!Entalpia de entrada na caldeira do Incinerador" h0_2=516,3: "!Entalpia de entrada na caldeira de Vapor" h0_3=516,3: "!Entalpia de entrada na caldeira de ciclo combinado" h1=3454: "!Entalpia de saída de Vapor de Alta Pressão" h2=3171: "!Entalpia de retorno do Vapor de Alta Pressão" h3=3304: "!Entalpia de saída de Vapor de Média Pressão" h4=3026: "!Entalpia de retorno do Vapor de Média Pressão" h5=3325: "!Entalpia de saída de Vapor de Baixa Pressão" h6=2463: "!Entalpia de entrada no Condensador" h_agua55=229,9: "!Entalpia da agua a 55º C" h_agua40=167,2: "!Entalpia da agua a 40º C" h_agua20=83,6: "!Entalpia da agua a 20º C" "Processo de bioestabilização" M_LodoD1=M_Lodo[1]: M_ROuD1=M_ROu[1]: M_ROsD1=M_ROs[1]: M1_BG1=M_LodoD1*ETA_RTF: M1_R1=M_LodoD1*(1-ETA_RTF): M1_R1*0,10=M1_R1I: M1_R1=M1_R1I+M1_R_o1: EE11=M1_BG1*KEE_BG1: ET11=M1_BG1*KET_BG1: M1_BG2=(M1_R_o1+M_ROuD1)*ETA_RMS: M1_R2=(M1_R_o1+M_ROuD1)*(1-ETA_RMS): M1_R2*0,10=M1_R2I: M1_R2=M1_R2I+M1_R_o2:
216
EE21=M1_BG2*KEE_BG2: ET21=M1_BG2*KET_BG2: M1_Comp=(M1_R_o2+M_ROsD1)*ETA_comp: M1_Comp*0,90=M1_R3: M1_Comp=M1_R3I+M1_R3: EE31=M1_Comp*KEE_Comp: W_ele_bio[1]=EE11+EE21+EE31: M_BGD[1]=M1_BG1+M1_BG2: Lucro_Comp1=M1_R3*PV_AO: Custo_BIO11=M1_BG1*C_MO_BIO1: Custo_BIO21=M1_BG2*C_MO_BIO2: Custo_Comp1=M1_R3*C_MO_Comp: "Processo de reciclagem" M_EMetalD1=M_EMetal[1]: M_EPlasticoD1=M_EPlastico[1]: M_EPapelD1=M_EPapel[1]: M_EVidroD1=M_EVidro[1]: M_Etotal1=M_EMetalD1+M_EPlasticoD1+M_EPapelD1+M_EVidroD1: EETriagem1=M_Etotal1*KEE_Triagem: M_PMetal1=M_EMetalD1*ETA_Rmetal: M_PIMetal1=M_EMetalD1*(1-ETA_Rmetal): EEpmetal1=M_PMetal1*KEE_Rmetal: ETpmetal1=M_PMetal1*KET_Rmetal: M_PPapel1=M_EPapelD1*ETA_Rpapel: M_PIPapel1=M_EPapelD1*(1-ETA_Rpapel): EEppapel1=M_PPapel1*KEE_Rpapel: ETppapel1=M_PPapel1*KET_Rpapel: M_PPlastico1=M_EPlasticoD1*ETA_Rplastico:
217
M_PIPlastico1=M_EPlasticoD1*(1-ETA_Rplastico): EEpplastico1=M_PPlastico1*KEE_Rplastico: ETpplastico1=M_PPlastico1*KET_Rplastico; M_PVidro1=M_EVidroD1*ETA_Rvidro: M_PIVidro1=M_EVidroD1*(1-ETA_Rvidro): EEpvidro1=M_PVidro1*KEE_Rvidro: ETpvidro1=M_PVidro1*KET_Rvidro: W_ele_rec[1]=EEpvidro1+EEpplastico1+EEppapel1+EEpmetal1+EETriagem1; Custo_RECt1=(M_PVidro1+M_PIPlastico1+M_PIPapel1+M_PMetal1)*C_MO_REC: "Processo de tratamento térmico" M_RST1=M_RS[1]+M_PIVidro1+M_PIPlastico1+M_PIPapel1+M_PIMetal1+M1_R1I+M1_R2I+M1_R3I: M_RST1=M_RSTD[1]: PCI_RS*M_RSTD[1]*ETA_CI=(((h3-h0_1)+(h5-h4))*M_vci[1]): M_cinzas[1]=M_RSTD[1]*ETA_red_rs; n_inc1=M_RSTD[1]/m_rs_padrao: round(n_inc1)=n_inc[1]: W_liq_cg1=W_liq_cg*n_inc[1]; W_ele_cg[1]=W_liq_cg1*0,95; ABS(M_BG_21)=(W_liq_cg1*dz2[1]*HR)/(3600*(PCI_BG)); ABS(M_GN_21)=(W_liq_cg1*dz4[1]*HR)/(3600*(PCI_GN)); M_BGD[1]=(ABS(M_BG_11)+ABS(M_BG_21)): M_GND1=(ABS(M_GN_11)+ABS(M_GN_21)): dz2[1]+dz4[1]=1
218
round(d1z2)=dz2[1] round(d1z4)=dz4[1] (PCI_BG*ABS(M_BG_11)+PCI_GN*ABS(M_GN_11))*ETA_CV=(((h1-h0_2)+(h3-h2)+(h5-h4))*M_vcv[1]): cp_ge*M_gases*n_inc[1]*(dz2[1]+dz4[1])*(T_sge-T_ch)*ETA_CR=(((h1-h0_3)+(h3-h2)+(h5-h4))*M_vcc[1]): Mt11=M_vcv[1]+M_vcc[1]; Mt31=M_vci[1]+M_vcv[1]+M_vcc[1] ET11+ET21+ETpvidro1+ETpplastico1+ETppapel1+ETpmetal1=QT1 round(d1TV1)=dTV11 round(d1TV2)=dTV21 round(d1TV3)=dTV31 round(d1TV4)=dTV41 dTV11+dTV21+dTV31+dTV41=1 W_ele_TV11=((h1-h6)*Mt11)*dTV11 W_ele_TV21=((h1-h2)*Mt11+(h3-h6)*(Mt11-MBP21))*dTV21; W_ele_TV31=((h1-h2)*Mt11+(h3-h4)*Mt11+(h5-h6)*(Mt11-MDP31))*dTV31 W_ele_TV41=((h1-h2)*Mt11*0,90+(h3-h4)*Mt31+(h5-h6)*(Mt31-MDP41))*dTV41 W_TV1=W_ele_TV11+W_ele_TV21+W_ele_TV31+W_ele_TV41 W_ele_TV[1]=W_TV1*ETA_gerador W_ele_gerado[1]=W_ele_TV[1]+W_ele_cg[1] QT1*dTV21=MBP21*(h2-h6) QT1*dTV31=MDP31*(h4-h6) QT1*dTV41=MDP41*(h4-h6)
219
Custo1_TV=W_ele_TV[1]*C_MO_TV Custo1_CG=W_ele_cg[1]*C_MO_CG Custo1_comb=CGN*M_GND1+CBG*M_BGD[1] Custo1_RSTD=CRS*M_RSTD[1] W_bomba_inc1=M_vci[1]*(h0_1-h0) W_bomba_cv1=M_vcv[1]*(h0_2-h0) W_bomba_cc1=M_vcc[1]*(h0_3-h0) W_bomba_total1=(W_bomba_inc1+W_bomba_cv1+W_bomba_cc1)*ETA_gerador; W_ele_total[1]=W_ele_gerado[1]-W_bomba_total1-W_ele_rec[1]-W_ele_bio[1] Receita[1]=Lucro_total1-Custo_total1; Lucro_total1=Lucro_TT1+Lucro_R1+Lucro_B1; Custo_total1=Custo_TT1+Custo_R1+Custo_B1; Lucro_TT1=W_ele_total[1]*PV_EE+M_cinzas[1]*PV_Cinzas; Custo_TT1=Custo1_TV+Custo1_CG+Custo1_comb+Custo1_RSTD; Lucro_R1=M_PMetal1*PV_Rmetal+M_PPapel1*PV_Rpapel+M_PPlastico1*PV_Rplastico+M_PVidro1*PV_Rvidro; Custo_R1=Custo_RECt1; Lucro_B1=+Lucro_Comp1; Custo_B1=+Custo_BIO11+Custo_BIO21+Custo_Comp1; Receita_total=Receita[1]
220
APÊNDICE F – AS PLANILHAS UTILIZADAS PARA O CÁLCULO DO PAYBACK, TIR E VPL.
Tabela F. 1 – Estimativa de investimento das plantas de processamento de resíduos, com CG1 e sem interação. Conjunto a gás 1 sem transporte (custo total das 9 plantas)
RM São Paulo Campinas V. Paraíba e L. Norte -
cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória
Equipamento Unidade Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 Custos
Turbina a Vapor US$ 5393807,00 2795361,12 26195124,96 1767310,56 30638124 10254260,16 756207,36 5041208,16 1073931,84 83915335,16
Conjunto a gás US$ 16390400,00 8195200 65561600 0 81952000 24585600 0 8195200 0 204880000
Incinerador US$ 80000000,00 40000000 320000000 40000000 400000000 120000000 40000000 40000000 40000000 1120000000
Caldeira convencional US$ 3500000,00 3500000 3500000 3500000 3500000 3500000 3500000 3500000 3500000 31500000
Caldeira de rec. US$ 1229280,00 614640 4917120 0 6146400 1843920 0 614640 0 15366000
Caldeira do Inc. US$ 8000000,00 4000000 32000000 4000000 40000000 12000000 4000000 4000000 4000000 112000000
Bombas US$ 1000000,00 1000000 1000000 1000000 1000000 1000000 1000000 1000000 1000000 9000000
Biodigestor Ter. US$ 7000000,00 7000000 7000000 7000000 7000000 7000000 7000000 7000000 7000000 63000000
Biodigestor Mês. US$ 5000000,00 5000000 5000000 5000000 5000000 5000000 5000000 5000000 5000000 45000000
Proc. Compostagem US$ 800000,00 800000 800000 800000 800000 800000 800000 800000 800000 7200000
Trat. dos recicláveis US$ 385000,00 385000 385000 385000 385000 385000 385000 385000 385000 3465000
Aterro sanitário US$ 40000000,00 40000000 40000000 40000000 40000000 40000000 40000000 40000000 40000000 360000000
Infraestrutura US$ 50609546,10 33987060,34 151907653,5 31035693,17 184926457,2 67910634,05 30732362,21 34660814,45 30827679,55 616597900,5
Invest. Inicial Total US$ 219308033,10 147277261,5 658266498,4 134488003,7 801347981,2 294279414,2 133173569,6 150196862,6 133586611,4 2671924236
221
Tabela F. 2 – Estimativa de investimento das plantas de processamento de resíduos, com CG1 e com interação.
Conjunto a gás 1 com transporte (custo total das 9 plantas)
RM São Paulo Campinas V. Paraíba e L. Norte -
cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória
Equipamento unidade Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 Custos
Turbina a Vapor US$ 5468700 1446912 25678368 674784 31290192 10254240 288288 5436576 390240 80928300
Conjunto a gás US$ 24585600 0 73756800 0 90147200 24585600 0 16390400 0 229465600
Incinerador US$ 120000000 40000000 360000000 40000000 440000000 120000000 40000000 80000000 40000000 1,28E+09
Caldeira convencional US$ 0 0 0 0 0 0 0 0 0 0
Caldeira de rec. US$ 1843920 0 5531760 0 6761040 1843920 0 1229280 0 17209920
Caldeira do Inc. US$ 12000000 4000000 36000000 4000000 44000000 12000000 4000000 8000000 4000000 128000000
Bombas US$ 1000000 1000000 1000000 1000000 1000000 1000000 1000000 1000000 1000000 9000000
Biodigestor Ter. US$ 0 7000000 0 7000000 0 0 7000000 0 7000000 28000000
Biodigestor Mês. US$ 0 5000000 0 5000000 0 0 5000000 0 5000000 20000000
Proc. Compostagem US$ 0 800000 0 800000 0 0 800000 0 800000 3200000
Trat. dos recicláveis US$ 385000 385000 385000 385000 385000 385000 385000 385000 385000 3465000
Aterro sanitário US$ 40000000 40000000 40000000 40000000 40000000 40000000 40000000 40000000 40000000 360000000
Infraestrutura US$ 61584966 29889574 162705578 29657935 196075030 63020628 29541986 45732377 29572572 647780646
Invest. Inicial Total US$ 266868186 129521486 705057506 128517719 849658462 273089388 128015274 198173633 128147812 2,807E+09
222
Tabela F. 3 – Estimativa de investimento das plantas de processamento de resíduos, com CG2 e sem interação.
Conjunto a gás 2 sem transporte (custo total das 9 plantas)
RM São Paulo Campinas V. Paraíba e L. Norte -
cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória
Equipamento Unidade Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 Custos
Turbina a Vapor US$ 5127294 3780054,72 24660010,08 1767310,56 29895815,52 9678592,8 756207,36 4849318,08 1073931,84 81588534,96
Conjunto a gás US$ 14746000 0 58984000 0 66357000 22119000 0 7373000 0 169579000
Incinerador US$ 80000000 40000000 320000000 40000000 360000000 120000000 40000000 40000000 40000000 1080000000
Caldeira convencional US$ 3500000 3500000 3500000 3500000 3500000 3500000 3500000 3500000 3500000 31500000
Caldeira de rec. US$ 4423800 0 17695200 0 19907100 6635700 0 2211900 0 50873700
Caldeira do Inc. US$ 4000000 2000000 16000000 2000000 18000000 6000000 2000000 2000000 2000000 54000000
Bombas US$ 1000000 1000000 1000000 1000000 1000000 1000000 1000000 1000000 1000000 9000000
Biodigestor Ter. US$ 7000000 7000000 7000000 7000000 7000000 7000000 7000000 7000000 7000000 63000000
Biodigestor Mes. US$ 5000000 5000000 5000000 5000000 5000000 5000000 5000000 5000000 5000000 45000000
Proc. Compostagem US$ 800000 800000 800000 800000 800000 800000 800000 800000 800000 7200000
Trat. dos recicláveis US$ 385000 385000 385000 385000 385000 385000 385000 385000 385000 3465000
Aterro sanitário US$ 40000000 40000000 40000000 40000000 40000000 40000000 40000000 40000000 40000000 360000000
Infraestrutura US$ 49794628,2 31039516,42 148507263 30435693,17 165553474,7 66635487,84 30132362,21 34235765,42 30227679,55 586561870,5
Invest. Inicial Total US$ 215776722,2 134504571,1 643531473,1 131888003,7 717398390,2 288753780,6 130573569,6 148354983,5 130986611,4 2541768105
223
Tabela F. 4 – Estimativa de investimento das plantas de processamento de resíduos, com CG2 e com interação.
Conjunto a gás 2 com transporte (custo total das 9 plantas)
RM São Paulo Campinas V. Paraíba e L. Norte -
cidade Mauá S. Parnaíba Caieiras Itapevi São Paulo Paulínia Indaiatuba Tremembé Cach. Paulis. Somatória
Equipamento unidade Planta1 Planta2 Planta3 Planta4 Planta5 Planta6 Planta7 Planta8 Planta9 Custos
Turbina a Vapor US$ 5236100 1446912 25127856 674784 30356064 9678528 288288 4812048 390240 78010820
Conjunto a gás US$ 22119000 0 58984000 0 73730000 22119000 0 14746000 0 191698000
Incinerador US$ 120000000 40000000 320000000 40000000 400000000 120000000 40000000 80000000 40000000 1200000000
Caldeira convencional US$ 0 0 0 0 0 0 0 0 0 0
Caldeira de rec. US$ 7741650 0 20644400 0 25805500 7741650 0 5161100 0 67094300
Caldeira do Inc. US$ 6000000 2000000 16000000 2000000 20000000 6000000 2000000 4000000 2000000 60000000
Bombas US$ 1000000 1000000 1000000 1000000 1000000 1000000 1000000 1000000 1000000 9000000
Biodigestor Ter. US$ 0 7000000 0 7000000 0 0 7000000 0 7000000 28000000
Biodigestor Mes. US$ 0 5000000 0 5000000 0 0 5000000 0 5000000 20000000
Proc. Compostagem US$ 0 800000 0 800000 0 0 800000 0 800000 3200000
Trat. dos recicláveis US$ 385000 385000 385000 385000 385000 385000 385000 385000 385000 3465000
Aterro sanitário US$ 40000000 40000000 40000000 40000000 40000000 40000000 40000000 40000000 40000000 360000000
Infraestrutura US$ 60744525 29289573,6 144642376,8 29057935,2 177382969,2 62077253,4 28941986,4 45031244,4 28972572 606140436
Invest. Inicial Total US$ 263226275 126921485,6 626783632,8 125917719,2 768659533,2 269001431,4 125415274,4 195135392,4 125547812 2626608556
224
ANEXO G – INFORMAÇÕES DAS REGIÕES METROPOLITANAS
Tabela G. 1 – Quantidades de resíduos recolhidos diariamente nas regiões metropolitanas.
Reg
ião
Met
r.
UG
RH
I Inventário
2011 2012
Município Agência Ambiental Lixo (t/dia) IQR IQR Enquadramento e Observação TAC LI LO
Para
íba
do S
ul e
Lito
ral N
orte
1
Campos do Jordão Taubaté 19,21 10,0 10,0 A D - Tremembé - A.P. Não Sim Sim
Santo Antônio do Pinhal Taubaté 1,55 10,0 10,0 A D - Tremembé - A.P. Sim Não Não
São Bento do Sapucaí Taubaté 2,02 10,0 10,0 A D - Tremembé - A.P. Sim Sim Sim
2
Aparecida Aparecida 13,81 8,4 9,4 A D - Cachoeira Paulista - A.P. Não Sim Sim
Arapeí Aparecida 0,74 4,8 8,0 A Sim Não Não
Areias Aparecida 1,00 9,1 8,9 A Sim Sim Sim
Bananal Aparecida 3,29 3,5 D - Barra Mansa - RJ Não
Caçapava Taubaté 29,45 10,0 10,0 A D - Tremembé - A.P. Não Sim Sim
Cachoeira Paulista Aparecida 9,97 8,4 9,4 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Canas Aparecida 1,67 8,4 9,4 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Cruzeiro Aparecida 30,24 8,4 9,4 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Cunha Aparecida 4,83 8,4 9,4 A D - Cachoeira Paulista - A.P. Não Sim Sim
Guararema Mogi das Cruzes 9,10 7,9 7,5 A Não Sim Sim
Guaratinguetá Aparecida 53,95 8,4 9,4 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Igaratá S. J. Campos 2,83 8,6 7,1 A Não Não Não
Jacareí S. J. Campos 126,76 7,8 10,0 A Não Sim Sim
Jambeiro S. J. Campos 1,06 5,3 10,0 A D - Jambeiro -A.P. Não Sim Sim
Lagoinha Taubaté 1,25 8,3 9,0 A Não Sim Sim
Lavrinhas Aparecida 2,45 8,4 7,1 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Lorena Aparecida 32,34 8,4 10,0 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Monteiro Lobato S. J. Campos 0,72 10,0 10,0 A D - Tremembé - A.P. Não Sim Sim
Natividade da Serra Taubaté 1,11 8,6 9,0 A Não Sim Sim
Paraibuna S. J. Campos 2,10 9,5 9,4 A Não Sim Sim
Pindamonhangaba Taubaté 72,38 9,0 10,0 A Não Sim Sim
Piquete Aparecida 5,22 5,6 7,9 A Sim Sim Sim
Potim Aparecida 6,15 8,4 9,5 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Queluz Aparecida 3,82 8,4 8,9 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Redenção da Serra Taubaté 0,88 8,2 9,0 A Não Sim Sim
Roseira Aparecida 3,71 8,4 9,4 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Santa Branca S. J. Campos 4,90 9,0 9,4 A Não Sim Sim
Santa Isabel Mogi das Cruzes 16,15 7,8 7,2 A D - São Paulo -A.P. Não Sim Sim
São José do Barreiro Aparecida 1,15 8,4 9,4 A D - Cachoeira Paulista - A.P. Não Sim Sim
São José dos Campos S. J. Campos 441,36 9,7 10,0 A Não Sim Sim
225
Tabela G.1 – Quantidades de resíduos recolhidos diariamente nas regiões metropolitanas
(continuação...).
São Luís do Paraitinga Taubaté 2,47 7,9 9,2 A Não Sim Sim
Silveiras Aparecida 1,16 8,4 9,4 A D - Cachoeira Paulista - A.P. Sim Sim Sim
Taubaté Taubaté 166,66 10,0 10,0 A D - Tremembé - A.P. Não Sim Sim
Tremembé Taubaté 15,11 10,0 10,0 A D - Tremembé - A.P. Não Sim Sim
3
Caraguatatuba Ubatuba 39,94 7,8 10,0 A D - Tremembé - A.P. Sim Sim Sim
Ilhabela São Sebastião 11,64 10,0 10,0 A D - Tremembé - A.P. Sim Sim Sim
São Sebastião São Sebastião 30,19 10,0 10,0 A D - Jambeiro -A.P. Sim Sim Sim
Ubautuba Ubatuba 31,47 10,0 10,0 A D - Tremembé - A.P. Sim Sim Sim
Cam
pina
s
5
Águas de São Pedro Piracicaba 1,13 8,3 7,5 A D - São Pedro - A.P. Não Sim Sim
Americana Americana 128,32 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Amparo Paulínia 20,98 8,0 9,8 A D - Paulínia - A.P. Não Sim Sim
Analândia Piracicaba 1,40 10,0 10,0 A D - Guatapará - A.P. Não Sim Sim
Artur Nogueira Limeira 16,60 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Atibaia Atibaia 58,67 9,6 8,3 A D - São Paulo - A.P. Não Sim Sim
Bom Jesus dos Perdões Atibaia 7,29 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Bragança Paulista Atibaia 72,72 9,8 9,6 A Sim Sim Não
Campinas Campinas 755,82 9,8 9,8 A Sim Sim Sim
Campo Limpo Paulista Jundiaí 30,25 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Capivari Campinas 18,77 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Charqueada Piracicaba 5,59 7,7 7,7 A Não Sim Sim
Cordeirópolis Limeira 7,76 9,5 8,2 A Não Sim Sim
Corumbataí Campinas 0,84 7,2 7,2 A Não Sim Sim
Cosmópolis Limeira 22,67 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Elias Fausto Campinas 5,11 9,8 9,8 A D - Indaiatuba - A.P. Não Sim Sim
Holambra Paulínia 3,45 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Hortolándia Americana 99,38 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Indaiatuba Jundiaí 124,65 9,8 9,8 A D - Indaiatuba - A.P. Não Sim Sim
Ipeúna Piracicaba 2,16 8,3 7,5 A D - São Pedro - A.P. Não Sim Sim
Iracemápolis Limeira 8,11 8,5 8,7 A Não Sim Sim
Itatiba Campinas 35,30 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Itupeva Jundiaí 16,56 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Jaguariúna Paulínia 18,08 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Jarinu Jundiaí 7,69 10,0 8,8 A Sim Sim Sim
Joanópolis Atibaia 4,79 8,3 9,6 A Não Sim Sim
Jundiaí Jundiaí 216,57 9,1 8,2 A D - Santana de Parnaíba - A.P. Não Sim Sim
Limeira Limeira 163,04 8,8 8,3 A Não Sim Sim
Louveira Campinas 15,05 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Mombuca Campinas 1,08 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
226
Tabela G.1 – Quantidades de resíduos recolhidos diariamente nas regiões metropolitanas
(continuação...).
Monte Alegre do Sul Paulínia 1,67 8,0 9,8 A D - Paulínia - A.P. Não Sim Sim
Monte Mor Campinas 19,05 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Morungaba Paulínia 4,12 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Nazaré Paulista Atibaia 5,67 7,8 8,3 A D - São Paulo - A.P. Não Sim Sim
Nova Odessa Americana 20,71 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Paulínia Paulínia 34,69 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Pedra Bela Atibaia 0,58 9,1 7,2 A Não Sim Sim
Pedreira Paulínia 16,86 8,2 8,1 A Não Sim Sim
Pinhalzinho Atibaia 2,65 8,0 9,8 A D - Paulínia - A.P. Não Sim Sim
Piracaia Atibaia 10,15 9,6 8,3 A D - São Paulo - A.P. Não Sim Sim
Piracicaba Piracicaba 217,19 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Rafard Campinas 3,05 6,8 7,6 A Não Sim Sim
Rio Claro Piracicaba 92,19 6,1 7,7 A Não Sim Sim
Rio das Pedras Piracicaba 11,78 5,9 7,5 A Não Sim Sim
Saltinho Piracicaba 2,42 5,9 7,5 A D - Rio das Pedras Não Sim Sim
Salto Jundiaí 53,31 9,6 9,6 A Não Sim Sim
Santa Bárbara D'Oeste Americana 90,04 7,1 7,4 A Não Sim Sim
Santa Gertrudes Piracicaba 8,90 6,1 7,5 A D - São Pedro - A.P. Não Sim Sim
Santa Maria da Serra Piracicaba 1,95 7,2 7,2 A Não Sim Sim
Santo Antônio de Posse Paulínia 7,67 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
São Pedro Piracicaba 10,83 8,3 7,5 A D - São Pedro - A.P. Não Sim Sim
Sumaré Americana 146,01 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Tuiuti Atibaia 1,22 8,0 9,8 A D - Paulínia - A.P. Não Sim Sim
Valinhos Campinas 52,52 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
Vargem Atibaia 1,82 6,9 9,1 A Não Sim Sim
Várzea Paulista Jundiaí 54,62 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Vinhedo Campinas 25,60 9,8 9,8 A D - Paulínia - A.P. Não Sim Sim
São
Paul
o
6
Arujá Guarulhos 29,68 7,8 8,3 A D - São Paulo - A.P. Não Sim Sim
Barueri Osasco 147,39 9,1 8,2 A D - Santana de Parnaíba - A.P. Sim Sim Sim
Biritiba Mirim Mogi das Cruzes 10,10 7,8 10,0 A D - Tremembé - A.P. Não Sim Sim
Caieiras Osasco 34,66 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Cajamar Osasco 25,92 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Carapicuiba Osasco 224,01 9,1 8,2 A D - Santana de Parnaíba - A.P. Não Sim Sim
Cotia Embu 125,42 9,6 8,7 A D - Itapevi - A.P. Não Sim Sim
Diadema ABC II 234,59 5,9 8,4 A D - Mauá - A.P. Não Sim Sim
Embu das Artes Embu 147,09 4,3 7,5 A Não Não Não
Embu - Guaçu Embu 24,78 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Ferraz de Vasconcelos Mogi das Cruzes 82,25 9,6 8,3 A D - São Paulo - A.P. Não Sim Sim
227
Tabela G.1 – Quantidades de resíduos recolhidos diariamente nas regiões metropolitanas
(Continuação...).
Reg
ião
Met
r.
UG
RH
I Inventário
2011 2012
Município Agência Ambiental Lixo
(t/dia)13 IQR IQR14 Enquadramento e Observação TAC15 LI16 LO17
Francisco Morato Osasco 78,64 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Franco da Rocha Osasco 62,26 9,4 8,3 A D - Caieiras - A.P. Sim Sim Sim
Guarulhos Guarulhos 871,16 9,8 9,8 A Não Sim Sim
Itapecerica da Serra Embu 77,39 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Itapevi Osasco 123,93 9,6 8,7 A D - Itapevi - A.P. Não Sim Sim
Itaquaquecetuba Mogi das Cruzes 197,49 7,8 8,3 A D - São Paulo - A.P. Não Sim Sim
Jandira Osasco 55,42 9,6 8,7 A D - Itapevi - A.P. Sim Sim Sim
Mairiporá Guarulhos 29,40 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Maua ABC I 255,10 5,6 8,4 A D - Mauá - A.P. Não Sim Sim
Mogi das Cruzes Mogi das Cruzes 219,19 7,8 8,3 A D - Caieiras - A.P. Não Sim Sim
Osasco Osasco 468,21 4,6 7,8 A Não Sim Sim
Pirapora do Bom Jesus Osasco 6,50 9,1 8,2 A D -Santana de Parnaíba - A.P. Não Sim Sim
Poa Mogi das Cruzes 52,93 7,8 8,3 A D - Mauá - A.P. Não Sim Sim
Ribeirão Pires ABC I 57,18 5,6 8,4 A D - Mauá - A.P. Não Sim Sim
Rio Grande da Serra ABC I 18,01 5,6 8,4 A D - Mauá - A.P. Não Sim Sim
Salesopolis Mogi das Cruzes 4,03 7,8 10,0 A D - Tremembé - A.P. Não Sim Sim
Santana de Parnaíba Osasco 56,97 9,1 8,2 A D - Santana de Parnaíba - A.P. Não Sim Sim
Santo André ABC I 33,20 8,0 8,0 A Não Sim Sim
ABC I 443,10 5,6 8,4 A D - Mauá - A.P. Não Sim Sim
São Bernardo do Campo ABC II 533,35 5,6 8,4 A D - Mauá - A.P. Não Sim Sim
São Caetano do Sul ABC I 75,32 5,6 8,4 A D - Mauá - A.P. Não Sim Sim
São Paulo Tatuapé 6000,00 9,6 9,6 A D - São Paulo - A.P. Não Sim Sim
Osasco 4800,00 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Suzano Mogi das Cruzes 154,90 9,6 8,3 A D - São Paulo - A.P. Não Sim Sim
Taboão da Serra Embu 150,96 9,4 8,3 A D - Caieiras - A.P. Não Sim Sim
Fonte :Cetesb (2012(a))
13 Tonelada por dia médio de resíduos sólidos municipais 14 IQR – Índice de Qualidade dos Resíduos 15 TAC – Termo de Compromisso e Ajustamento de Conduta 16 LI – Licenças Ambientais de Instalação 17 LO – Licenças Ambientais de Operação
228
Tabela G. 2 - Quantidades de resíduos orgânicos tratados e não tratado produzido diariamente nas regiões metropolitanas.
Concessão
População IBGE 2012 Atendimento (%) Eficiência Carga Poluidora (kg DBO/dia)
ICTE
M
Remanesc. População
Total População
Urbana
Coleta Tratamento (%) Potencial Remanesc.
Município
Campos do Jordão SABESP 48324 48023 45 0 - 2593 2593 0,68 Rio Capivari, Rio Sapucaí - Guaçu e afluentes
Santo Antônio do Pinhal SABESP 6510 3864 46 100 86,2 209 126 5,27 Rio da Prata e Rio Preto e afluentes
São Bento do Sapucaí SABESP 10486 5044 92 12 85 1864 1864 2,67 Rio Sapucaí Mirim e afluentes
Aparecida PM 35023 34514 79 0 - 101 54 1,19 Rio Paraíba
Arapeí SABESP 2475 1861 58 100 80 101 54 5,39 Rio Barreiro de Baixo
Areias PM 3711 2487 90 0 - 134 134 1,35 Ribeirão Vermelho
Bananal SABESP 10301 8222 97 100 90 444 56 9,46 Rio Bananal
Caçapava SABESP 86054 73655 95 99 90,4 3977 596 9,91 R. Paraíba e Cór. Boçoroca
Cachoeira Paulista SABESP 30527 24930 100 5 98 1346 1280 2,09 R. Paraíba, Rib. Das Pitas, Minhocas; Aguada; Cor. Rio Branco
Canas SABESP 4502 4179 90 100 97 226 29 9,55 Ribeirão Canas
Cruzeiro SAAE 77575 75599 98 0 - 4082 4082 1,47 R. Paraíba , Rib. Lopes e Cór. Pontilhão
Cunha PM 21682 12064 90 16 39 651 615 1,96 Cór. Do Rodeio
Guararema SABESP 26439 22748 70 49 93 1228 837 4,36 Rio Paraíba
Guaratinguetá CAB GUARATINGUETÁ 113258 107894 90 18 88,6 5826 4990 2,75 R. Paraíba, Rib. Guaratinguetá, S. Gonçalo e Motas
Igaratá SABESP 8913 7061 57 100 87 381 192 5,78 Rib. Palmeiras afluente do Res. do Jaguari
Jacareí SAAE 214223 211264 89,4 17,7 92 11408 9747 3,05 R. Paraíba do sul e Rib Turi
Jambeiro SABESP 5554 2659 99 100 91 144 14 9,99 Rib. Capivari
Lagoinha SABESP 4824 3127 100 100 90 169 17 10 Rib. Botucatu
Lavrinhas SABESP 6678 6129 59 0 - 331 331 0,89 R. Paraíba do sul; Rio Jacu
Lorena SABESP 83224 80834 96 99 68 4265 1544 7,33 R. Paraíba do sul e Rib. Taboão
Monteiro Lobato SABESP 4197 1822 69 88 74 98 54 5,78 Rio Buquira
229
Tabela G.2 - Quantidades de resíduos orgânicos tratados e não tratado produzido diariamente nas regiões metropolitanas (Continuação...).
Natividade da Serra PM 6637 2770 96 50 80 150 92 5,19 Represa Paraibuna
Paraibuna PM 17446 5259 98 0 - 284 284 1,47 R. Paraibuna
Pindamonhangaba SABESP 150162 144752 96 99 90,4 7817 1101 9,93 R. Paraíba, Rib. Curuputuba e Uma.
Piquete CAB PIQUETE 13942 13057 76 0 - 705 705 1,14 Rios Piquete, Benfica e Sertão
Potim PM 20272 15361 100 10 70 829 771 2,11 Rio Paraíba
Queluz SABESP 11641 9541 69 0 - 515 515 1,04 Rios Verde e Paraíba
Redenção da Serra SABESP 3847 2196 62 100 98 119 47 6,88 Res. Paraibuna
Roseira SABESP 9754 9264 89 100 76,7 500 159 7,47 R. Pirapitingui
Santa Branca PM 13877 12239 99 4 48 661 648 1,67 Rib. Barrtos e R. Paraíba
Santa Isabel PM 51467 40383 78 0 - 2181 2181 1,17 R. Araraquara e Res. Jaguari
São José do Barreiro PM 4068 2852 50 100 63 154 105 4,3 Rib. do Barreiro e Cór. da Estância
São José dos Campos SABESP 643603 631364 91 90 51,3 34094 19776 5,64 R.Paraíba do Sul, Cambuí, Peixe, Alambari e Pararangaba
São Luís do Paraitinga SABESP 10393 6178 84 100 95 334 67 8,45 Rios Paraitinga e Chapéu
Silveiras SABESP 5855 2910 96 100 80 157 36 8,13 Rib. Silveiras
Taubaté SABESP 283899 277775 92 100 85,5 15000 3201 7,99 Có. Judeu, Piracangaguá e J. Raimundo
Tremembé SABESP 41915 37767 84 100 90 2039 498 7,67 R. Paraíba do Sul
Caraguatatuba SABESP 104150 100589 64 100 95 5432 2129 6,91 Rios Diversos/ Mar
Ilhabela SABESP 29308 29106 16 11 90,5 1572 1547 1,01 Rios Diversos/ Mar
São Sebastião SABESP 76344 75483 46 71 72,8 4076 3106 3,8 Rios Diversos/ Mar
Ubautuba SABESP 80604 78650 36 100 91,4 4247 2850 4,68 Rios Diversos/ Mar
Águas de São Pedro SABESP 2832 2832 100 0 - 153 153 1,5 Rib. Araquá
Americana DAE 214873 213870 95 87 63,6 11549 5478 6,65 Rio Piracicaba
Amparo SAAE 66649 52458 89 0 - 2833 2833 1,34 R. Camanducaia
Analândia PM 4401 3490 94 94 80 188 55 7,91 R. Corumbataí
230
Tabela G.2 - Quantidades de resíduos orgânicos tratados e não tratado produzido diariamente nas regiões metropolitanas (Continuação...).
Artur Nogueira SAEAN 45847 41452 97 0 - 2238 2238 1,46 Rib. Cotrins (80%) e Rib. Três Barras (20%)
Atibaia SAAE 128914 117360 62,71 66,09 94 6337 3868 4,96 Rio Atibaia
Bom Jesus dos Perdões PM 20674 18243 85 0 - 985 985 1,58 Rio Atibainha
Bragança Paulista SABESP 150023 145431 86 0 - 7853 7853 1,29 Rib. Lavapés
Campinas SANASA 1098630 1079782 90 80 93,5 58308 19049 7,13 Rib. Samambaia / Anhumas (45%), Quilombo (15%) e Capivari (40%)
Campo Limpo Paulista SABESP 75637 75637 55 0 - 4084 4084 0,83 Rio Jundiaí
Capivari SAAE 49650 46919 93 25 80 2534 2062 3,18 Rio Capivari
Charqueada SABESP 15395 13969 82 96 80 754 279 6,96 Rios Tijuco Preto, Charqueada, Fregadoli e Água Parada
Cordeirópolis SAAE 21607 19405 100 0 - 1048 1048 1,5 Rib. Tatu
Corumbataí PM 3887 2100 100 100 80 113 23 9,8 R. Corumbataí
Cosmópolis DAE 61013 56665 100 0 - 3060 3060 1,5 Cor. Três Barras
Elias Fausto SABESP 16060 12787 92 100 82,6 691 166 8,02 Cór. Carneiro
Holambra PM 11917 8635 91 0 - 466 466 1,37 Rib. Cachoeira e Cór. da Borda da Mata
Hortolándia SABESP 198758 198758 58 100 89,3 10733 5176 6,24 Ribeirão Jacuba
Indaiatuba SAAE 209859 207766 79,4 84,2 76,3 11219 5499 5,97 Rio Jundiaí
Ipeúna PM 6270 5397 96 96 58 291 136 6,35 Cór. das Lavadeiras
Iracemápolis PM 20705 20276 100 100 80 1095 219 10 Rib. Cachoeirinha
Itatiba SABESP 104533 88243 93 98 93 4765 726 9,87 Rib. Jacarezinho e R. Atibaia
Itupeva SABESP 47682 41423 84 83 80 2237 989 6,13 Rio Jundiaí
Jaguariúna PM 46533 45185 95 35 98,3 2440 1642 4,57 Rios Jaguarí e Camanducaia
Jarinu SABESP 24875 19230 20 100 93 1038 845 3,01 Rib. Campo Largo
Joanópolis SABESP 11974 11974 59 96 78 647 361 5,7 Rio Jacareí
Jundiaí CSJ 377183 360934 100 98 95 19490 1345 9,47 R. Jundiaí
Limeira ÁGUAS DE LIMEIRA 280096 271739 100 100 52,3 14674 7005 6,6 Rib. Tatu (72%), Rib. da Graminha (10%) e Rib. Águas de Serra (18%)
231
Tabela G.2 - Quantidades de resíduos orgânicos tratados e não tratado produzido diariamente nas regiões metropolitanas (Continuação...).
Louveira SAEMA 39122 37637 94 0 - 2032 2032 1,41 Cór. Sto. Antonio e R. Capivari
Mombuca SABESP 3291 2706 90 100 83,8 146 36 7,75 Cór. Mombuca
Monte Alegre do Sul PM 7278 4161 92 0 - 225 255 1,38 R. Camanducaia e Rib. Monte Alegre
Monte Mor SABESP 50702 47622 8 40 85 2572 2502 1,1 Rio Capivari
Morungaba SABESP 12050 10292 96 100 93 556 60 9,94 Rib. dos Mansos
Nazaré Paulista SABESP 16717 14168 46 60 84 765 588 3,6 Rio Atibainha
Nova Odessa CODEN 52627 51767 95 7 87 2795 2634 2,41 Ribeirão Quilombo
Paulínia SABESP 86800 86720 90 96 96 4683 799 9,79 Rio Atibaia
Pedra Bela SABESP 5806 1446 94 0 - 78 78 1,41 Cór. Pedra Bela
Pedreira PM 42516 42156 98 100 80 2276 492 8,07 Rio Jaguari
Pinhalzinho SABESP 13425 6613 80 85 86 357 148 6,78 Rib. do Pinhal
Piracaia SABESP 25384 25384 44 30 96 1371 1197 2,43 Rio Cachoeira
Piracicaba SEMAE 369919 360048 98 71 88 19443 7535 7,02 R. Piracicaba, Rib. Piracicamirim e R. Corumbataí
Rafard DAE 8651 7627 90 10 80 412 382 1,97 Cór. S. Francisco e R. Capivari
Rio Claro SANEAMENTO DE RIO CLARO 188977 184379 99 55 96,3 9956 4737 6,22 R. Corumbataí e Rib. Claro
Rio das Pedras SAAE 30409 29441 99 0 - 1590 1590 1,49 Rib. Tijuco Petro
Saltinho DAE 7250 6050 99 100 90 327 36 9,49 Rib. Piracicamirim
Salto SANESALTO 107382 106627 94,5 85,7 84 5758 1841 7,62 Rios Jundiaí e Tietê
Santa Bárbara D'Oeste DAE 181509 180078 97 54 73,7 9724 5968 5,28 Ribeirão dos Toledos
Santa Gertrudes FOZ DE SANTA GERTRUDES 22499 22260 100 100 80 1202 240 9,5 Cór. Barreiro e Rib. Claro
Santa Maria da Serra SABESP 5525 4871 100 100 80 263 53 9,8 Rib. Bonito
Santo Antônio de Posse SAAEP 21032 19175 95 70 80 1035 485 6,13 R. Camanducaia - Mirim e Rib. Pirapitingui
São Pedro SAE 32231 27091 95 0 - 1463 1463 1,43 Rib. Samambaia
Sumaré DAE 246247 246652 88 13 94,4 13141 11722 2,72 Ribeirão Quilombo
232
Tabela G.2 - Quantidades de resíduos orgânicos tratados e não tratado produzido diariamente nas regiões metropolitanas (Continuação...).
Tuiuti PM 6078 3045 70 0 - 164 164 1,35 Rib. do Pântano
Valinhos DAEV 110390 105077 85 100 94 5674 1141 8,17 Rib. Pinheiros
Vargem SABESP 9077 4560 68 12 95 246 227 2,2 Rib. da Limeira
Várzea Paulista SABESP 109247 109247 80 1 80 5899 5862 1,26 Rio Jundiaí
Vinhedo SANEBAVI 66087 64015 95 98 99 3457 271 9,6 R. Capivari e Rib. Pinheiros
Arujá SABESP 77279 74191 51 97 95 4006 2123 5,77 Rio Baquirivu Guaçu
Barueri SABESP 245652 245652 75 30 55 13265 11624 2,88 Rio Tietê
Biritiba Mirim SABESP 29168 25041 97 61 74 1352 760 5,42 Rio Tietê
Caieiras SABESP 88841 86639 75 0 - 4679 4679 1,13 Rio Juqueri
Cajamar ÁGUAS DE CAJAMAR 66131 64799 81 0 - 3499 3499 1,22 Rio dos Cristais
Carapicuiba SABESP 373358 373358 69 42 55 20161 16948 3,2 Rio Tietê
Cotia SABESP 209027 209027 45 43 86 11287 9409 2,6 Rio Cotia
Diadema SANED 390980 290980 96 13 98 21113 18531 2,43 Res. Billings
Embu das Artes SABESP 245148 245148 66 55 55 13238 10595 3,11 Rio Tietê
Embu - Guaçu SABESP 63653 61966 31 100 50 3346 2827 3,27 R. Embu - Guaçu
Ferraz de Vasconcelos SABESP 172222 164507 79 56 94 8883 5189 4,93 Rio Tietê
Francisco Morato SABESP 157603 157283 37 0 - 8493 8493 0,56 Rio Juqueri
Franco da Rocha SABESP 135150 124501 59 0 - 6723 6723 0,89 Rio Juqueri
Guarulhos SAEE 1244518 1244518 80 35 95 67204 49328 3,95 Rio Tietê
Itapecerica da Serra SABESP 156077 154794 18 57 55 8359 7887 1,49 R. Embu Mirim
Itapevi SABESP 206558 206558 55 30 55 11154 10142 2,36 R.S.J do Barueri
Itaquaquecetuba SABESP 329144 329144 62 7 94 17774 17049 1,5 Rios Tietê (UGRHI 06) e Paratel (UGRHI 02)
Jandira SABESP 110842 110842 65 10 55 5985 5771 1,86 R.S.J do Barueri
Mairiporá SABESP 84104 73439 57 62 85 3966 2774 3,94 Rio Juqueri
233
Tabela G.2 - Quantidades de resíduos orgânicos tratados e não tratado produzido diariamente nas regiões metropolitanas (Continuação...).
Maua EMPRESAS CONS. SANEAMENTO DE MAUÁ 425169 425169 86 5 95 22959 22021 1,63 Parte Guaió
Mogi das Cruzes SEMAE 396468 365807 89 43 80,9 19754 13637 4,19 Rio Tietê
Osasco SABESP 668877 668877 75 41 55 36119 30011 3,34 Rio Tietê
Pirapora do Bom Jesus SABESP 16238 16238 41 54 96 877 690 2,81 Rio Tietê
Poa SABESP 107556 105854 97 93 94 5716 869 9.55 Rio Tietê
Ribeirão Pires SABESP 114361 114361 73 70 95 6175 3178 5,5 R. Rib. Pires
Rio Grande da Serra SABESP 45014 45014 49 85 89,5 2431 1524 4,43 Res. Billings
Salesopolis SABESP 15828 10076 100 90 79,4 544 155 7,69 R. Paraitinga (ETE Sede) Infilt. no Solo (D. de Remédios)
Santana de Parnaíba SABESP 113945 113945 31 0 - 6153 6153 1,04 Rio Tietê
Santo André SEMASA 680496 680496 96 40 95 36747 23342 4,41 R. Tamanduatei e Res. Billings
São Bernardo do Campo SABESP 774886 761935 89 26 93,3 41144 32264 3,33 Rib. Dos Meninos e Res. Billings
São Caetano do Sul SAEE 150638 150638 100 100 95 8134 407 10 R. Tamanduatei
São Paulo SABESP 11376685 11256157 97 75 70,2 607832 297586 6,4 Rio Tietê, Rio Pinheiros e Rio Tamanduateí
Suzano SABESP 267583 258167 84 70 94 13587 11376 2,87 Rio Tietê
Taboão da Serra SABESP 251608 251608 87 34 55 13587 11376 2,87 Rio Tietê
Fonte :Cetesb (2012(b))