FenixEdu™

Dissertação

Automatic classification of LCA data EVALUATED

Detalhes: A Avaliação do Ciclo de Vida (ACV) é uma ferramenta útil para avaliação de impacto ambiental e tomada de decisão em sistemas de energia, mas também é complicado, pois requer informações detalhadas, tempo e recursos de computação. Muitos estudos foram realizados para tornar a ACV mais simples nas categorias de avaliação de impacto, como Demanda Cumulativa de Energia Fóssil, Pegadas de Carbono e Índice de Representatividade. O Inventário do Ciclo de Vida (ICV), como parte importante de um estudo de ACV, compila todas as informações necessárias. Este estudo tem como objetivo usar algoritmos de machine learning para explorar as estruturas de dados e padrões ocultos no banco de dados ICV ECOINVENT e EXIOBASE, e estimar o ICV de turbinas eólicas com informações limitadas para ACV. Os resultados de cluster de diferentes algoritmos de machine learning mostram que todos os conjuntos de dados de ECOINVENT ou EXIOBASE parecem ser um cluster com alguns outliers aleatórios usando inventários como recursos; a localização é um bom recurso para alterar a estrutura de dados, mas outras informações são necessárias para um melhor cluster. É possível prever o ICV de uma turbina eólica a partir de informações parciais por meio de machine learning e métodos matemáticos, também é viável prever a produção total de eletricidade de turbinas eólicas para melhor avaliação do impacto ambiental. Embora as estimativas de matérias primas e quantidade prevista de eletricidade possam diferir dos valores reais, elas ainda são boas referências para avaliação de impacto e também de tomada de decisão.
Keywords: Avaliação do Ciclo de Vida, Inventário do Ciclo de Vida, Machine learning, Turbina eólica

Discussão: junho 26, 2020, 9:0