Universidade do Estado do Rio de Janeiro
Instituto de Química
Prof André Luís Alberton

Índice

Importando propriedades do NIST WebBook

As propriedades podem ser importadas diretamente do NIST Webbok. Uma das formas consiste no no uso do pacote pandas. Vejamos um exemplo.

Propriedades informadas para espécies puras

No site do NIST podemos fazer a pesquisa por espécie. Para tanto:

• abra a página do NIST
• selecione como pesquisar o compostos Fórmula, ou o Nome, ou o Identificador IUPAC, ou o Número de registo CAS
• na página subsquente, insira o campo escolhido (se Nome, por exemplo ethanol)
• selecione a propriedade desejada.

A página de pesquisa para o etanol por exemplo gera este resultado. Podemos pesquisar dados de interesse, sobretudo:

• Gas phase thermochemistry data (propriedades da fase gás)
• Condensed phase thermochemistry data (propriedades da fase líquida)
• Phase change data (propriedades de mudanças de fase)
• Reaction thermochemistry data (dados de reações termoquímicas, diversas)

Vejamos um exemplo de como buscar dados de capacidade calorífica do etanol gasoso na página do NIST a seguir.

---

Exemplo - Importando propriedades da capacidade calorífica do etanol gasoso

Uma busca rápida no site do NIST permite obter as propriedades do etanol gasoso neste link. A segunda e terceira tabela do site apresenta a tabela da capacidade calorífica do etanol gasoso em função da temperatura. Extraia a tabela de Cp & T e plote os dados.

Solução O código a seguir 'puxa' os dados da tabela da internet. Na sequência, vamos preferir usar uma função própria extraposicao(A,posl,posc) para extração dos dados de uma 'matriz' informadas suas posições de linhas e colunas.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# importação de dados, tomando a segunda tabela [1]
Dd = pd.read_html('https://webbook.nist.gov/cgi/cbook.cgi?ID=C64175&Units=SI&Mask=1#Thermo-Gas')[1]

# imprime a primeira parte da tabela
Dd.head()

	Cp,gas (J/mol*K)	Temperature (K)	Reference	Comment
0	37.12	50.00	Thermodynamics Research Center, 1997	p=1 bar. Recommended entropies and heat capaci...
1	41.70	100.00	Thermodynamics Research Center, 1997	p=1 bar. Recommended entropies and heat capaci...
2	46.94	150.00	Thermodynamics Research Center, 1997	p=1 bar. Recommended entropies and heat capaci...
3	52.02	200.00	Thermodynamics Research Center, 1997	p=1 bar. Recommended entropies and heat capaci...
4	61.46	273.15	Thermodynamics Research Center, 1997	p=1 bar. Recommended entropies and heat capaci...

# remove ± com uma lista de um índice só, ex x = ['1 ± 0.1','2 ± 0.3',...]. Retorna os valores e as incertezas
def remove_maismenos(x):
    n = len(x)
    y = []
    err_y = []
    for i in range(n):
        aux = x[i].split('±')
        y.append(aux[0])
        if len(aux)>1:
            err_y.append(aux[1])
        else:
            err_y.append(None)
    return(y,err_y)

# Extrai dados de temperatura e Cp
T = Dd['Temperature (K)'].values
Cp = Dd['Cp,gas (J/mol*K)'].values

# remove +- com a função remove_maismenos()
Cp,err_Cp = remove_maismenos(Cp)

# plota
plt.plot(T,Cp,'bo')
plt.xlabel('$ T (K) $',fontweight = 'heavy',fontsize=20)
plt.ylabel('$ C_p (J / mol / K) $',fontweight = 'heavy',fontsize=20)

Text(0, 0.5, '$ C_p (J / mol / K) $')

Varreduras de várias propriedades

No site do NIST, também podem ser feitas varreduras de diversas proopriedades de espécies individuais, sobretudo em função de pressão e temperatura. Dentre estas, o site menciona:

• Densidade
• Cp
• Entalpia
• Energia interna
• Viscosidade
• Coeficiente de Joule-Thomson
• Volume específico
• Cv
• Entropia
• Velocidade do som
• Condutividade térmica
• Tensão superficial (apenas a curva de saturação)

Podem ser feitas pesquisas sobre propriedades de substâncias:

• Propriedades isotérmicas
• Propriedades isobáricas
• Propriedades isocóricas
• Propriedades de saturação – incrementos de temperatura
• Propriedades de saturação – incrementos de pressão

Exemplo - importando as propriedades isotérmicas da água

Obtenha as propriedades listadas no site NIST para a água a 298 K entre 0.1- 10 MPa.

Solução

Vamos abrir o site NIST. A seguir, vamos selecionar o composto e água e as propriedades isotérmicas, conforme ilustrado

Vamos Podemos escolher a temperatura e a faixa de pressão.

Ao solicitar a pesquisa, temos as propriedades tabeladas em função da variação de pressão. O site correspondente pode ser aberto aqui. Podemos extrair a tabela usando o pandas conforme ilustrado a seguir

Vale ressaltar que o comando pd.readextrai as tabelas de dado documento como uma lista. Pode-se seguir [numero_da_tabela] para obter uma tabela específica. No exemplo, como se trata da primeira tabela, o número dela na lista é [0].

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# importando a primeira tabela
endereco = 'https://webbook.nist.gov/cgi/fluid.cgi?T=298&PLow=0.1&PHigh=10&PInc=1&Digits=5&ID=C7732185&Action=Load&Type=IsoTherm&TUnit=K&PUnit=MPa&DUnit=mol%2Fl&HUnit=kJ%2Fmol&WUnit=m%2Fs&VisUnit=uPa*s&STUnit=N%2Fm&RefState=DEF'
Dd = pd.read_html(endereco)[0]

# imprime a tabela
Dd

	Temperature (K)	Pressure (MPa)	Density (mol/l)	Volume (l/mol)	Internal Energy (kJ/mol)	Enthalpy (kJ/mol)	Entropy (J/mol*K)	Cv (J/mol*K)	Cp (J/mol*K)	Sound Spd. (m/s)	Joule-Thomson (K/MPa)	Viscosity (uPa*s)	Therm. Cond. (W/m*K)	Phase
0	298.0	0.1	55.347	0.018068	1.8770	1.8788	6.5773	74.550	75.329	1496.3	-0.22157	893.07	0.60627	liquid
1	298.0	1.1	55.372	0.018060	1.8757	1.8955	6.5727	74.489	75.277	1498.0	-0.22154	892.93	0.60684	liquid
2	298.0	2.1	55.397	0.018052	1.8743	1.9122	6.5680	74.429	75.225	1499.6	-0.22151	892.79	0.60740	liquid
3	298.0	3.1	55.422	0.018044	1.8729	1.9289	6.5633	74.369	75.173	1501.3	-0.22149	892.66	0.60797	liquid
4	298.0	4.1	55.446	0.018035	1.8716	1.9455	6.5587	74.310	75.122	1503.0	-0.22146	892.53	0.60853	liquid
5	298.0	5.1	55.471	0.018027	1.8702	1.9621	6.5540	74.250	75.072	1504.7	-0.22143	892.40	0.60909	liquid
6	298.0	6.1	55.496	0.018019	1.8688	1.9787	6.5492	74.191	75.022	1506.3	-0.22140	892.27	0.60965	liquid
7	298.0	7.1	55.521	0.018011	1.8675	1.9953	6.5445	74.133	74.972	1508.0	-0.22137	892.15	0.61020	liquid
8	298.0	8.1	55.545	0.018003	1.8661	2.0119	6.5397	74.074	74.922	1509.7	-0.22134	892.03	0.61076	liquid
9	298.0	9.1	55.570	0.017995	1.8648	2.0285	6.5350	74.016	74.873	1511.4	-0.22131	891.92	0.61131	liquid
10	298.0	10.1	55.595	0.017987	1.8634	2.0451	6.5302	73.959	74.824	1513.0	-0.22127	891.81	0.61186	liquid

Pressão de vapor

O NIST também apresenta dados das equações de Antoine para as espécies. A equação apresentada pelo site encontra-se escrita na forma:

$$ \log_{10}(P) = A − \frac{B}{T + C}, \ \ \rm{ P \ em \ bar, \ T \ em \ K} $$

Vamos ilustrar para o etanol. Trata-se da primeira tabela da página.

endereco = 'https://webbook.nist.gov/cgi/cbook.cgi?ID=C64175&Mask=4&Type=ANTOINE&Plot=on'
DdPvap = pd.read_html(endereco)[0]
# Imprime o dataframe
DdPvap

	Temperature (K)	A	B	C	Reference	Comment
0	364.8 - 513.91	4.92531	1432.526	-61.819	Ambrose, Sprake, et al., 1975	Coefficents calculated by NIST from author's d...
1	292.77 - 366.63	5.24677	1598.673	-46.424	Ambrose and Sprake, 1970	Coefficents calculated by NIST from author's d...
2	273. - 351.70	5.37229	1670.409	-40.191	Kretschmer and Wiebe, 1949	Coefficents calculated by NIST from author's d...

Da tabela acima, podemos combinar as equaçõespara obter em uma ampla faixa de temperatura.

def extrai_Antoine(DdPvap):
    n = len(DdPvap)
    eq = []
    for pos in range(n):
        Tfaixa = str(DdPvap.iloc[pos][0])
        Tfaixa = ''.join(Tfaixa.split())
        Tfaixa = Tfaixa.split('-')
        Tfaixa = [float(Tfaixa[0]),float(Tfaixa[1])]
        coef = DdPvap.iloc[pos][1:4]
        eq.append([coef,Tfaixa])
    return eq

def fc_Pvap(T,eq):
    n = len(eq)
    for i in range(n):
        coef = eq[i][0]
        Tfaixa = eq[i][1]
        if T>=Tfaixa[0] and T<=Tfaixa[1]:
            Pvap = 10**(coef[0]-(coef[1]/(T+coef[2])))
            break
    else:
        print('Temperatura fora da faixa')
        Pvap = None
    return(Pvap)

eqnum = 0
T = 100
eq = extrai_Antoine(DdPvap)
Pvap = fc_Pvap(T,eq)
print(Pvap)

T_lista = np.linspace(273,513,100)
Pvap_lista = []
for T in T_lista:
    Pvap_lista.append(fc_Pvap(T,eq))
    
plt.plot(T_lista,Pvap_lista,'b-')
plt.xlabel('$ T (K) $',fontweight = 'heavy',fontsize=20)
plt.ylabel('$ P (bar) $',fontweight = 'heavy',fontsize=20)

Temperatura fora da faixa
None

Text(0, 0.5, '$ P (bar) $')

Comentários

Fica claro que a potencialidade de uso do site NIST é muito rica, com possíbilidade de explorar diversas propriedades dos compostos.

Referências

• P.J. Linstrom and W.G. Mallard, Eds., NIST Chemistry WebBook, NIST Standard Reference Database Number 69, National Institute of Standards and Technology, Gaithersburg MD, 20899, https://doi.org/10.18434/T4D303, (recuperadas 20 fevereiro 2024).
  • Poling, B.E., Prausnitz, J.M., O’Connell, J.P., 2001. The properties of gases and liquids, 5th ed. ed. McGraw-Hill, New York.
  • Smith, J.M., Van Ness, H.C., Abbott, M.M., 2018. Introduction to chemical engineering thermodynamics, 8th ed. ed, McGraw-Hill chemical engineering series. McGraw-Hill, Boston.