Department für Biotechnologie Institut für Angewandte ... Other/Oth_21...Analysen unregelmäßig und Ergebnisse oft erst einen Tag später verfügbar. Angst der Betreiber vor der

02.05.2007 1

Universität für Bodenkultur Wien

Institut für Angewandte Mikrobiologie I ao.Univ.Prof. DI Dr. Peter Holubar

Neue Entwicklungen bei der Prozesssteuerung

Department für Biotechnologie Institut für Angewandte Mikrobiologie

ao.Univ.Prof. DI Dr. Peter Holubar

Biogas06 – Fachkongress 22.-23.Februar 2006 Linz

02.05.2007 2



Inhalt

� Vorteile von Messen, Regeln und Automatisierung.

� Zieldefinition, verfügbare Kontrollparameter.

� Was kann man messen, regeln.

� Neuronale Netze und Fuzzy Logic.

� Fallstudien.

� Zusammenfassung.

02.05.2007 3



Vorteile von Messen, Regeln und Automatisierung

� Messen, Regeln und Automatisierung eines Prozesses können die Verwandlung eines anfänglich

kleinen operativen Problems in eine große Katastrophe verhindern. Stichwort: Versäuerung.

� Geringere Sicherheitsreserve notwendig, daher höhere Raumbelastungen möglich. Geringere

Reaktorgrößen - Verringerung Invest- und Betriebskosten.

� Fernwartung möglich.

� Steuern des Biogas-Prozesses kann die Gasausbeute erhöhen und damit die Energiebilanz der Gesamtanlage deutlich verbessern.

� Die höheren Investitionskosten für ein instrumentelles Prozessmonitoring und die Steuerung sind

gering, verglichen mit den Vorteilen einer höheren Belastbarkeit der Anlage.

02.05.2007 4



Aspekt Sicherheit:4 Tote in Rhadereistedt (BRD)1 Schwerverletzter, 10 Feuerwehrleute in Spitalsbehandlung8. November 2005

Bei Einsatz eines simplen pH-Meters in der Vorgrube wäre dieser Unfall vermutlich zu verhindern gewesen!

Einsatzanalyse der Feuerwehr Rhadereistedt (Marcel Will, 2005)

02.05.2007 5



Umfrage bei Betreibern von ARAs:Was bringt Ihrer Meinung nach bessere Automatisierung?(nach Ingildsen et al., ICA 2001)

6%Bringt keine Vorteile.

28%Kann Vorteile bringen.

55%Bringt Vorteile.

11%Bringt viele Vorteile.

Warum gibt es trotzdem nur einen so geringen Automatisierungsgrad?

02.05.2007 6



7th IAWQ workshop on Instrumentation, Control and Automation (Olsson and Newell, 1998):

(zitiert in: P. Ingildsen, Dissertation 2001, Lund University)

"It is apparent that advanced algorithms for control are often suggested and tested by simulation but seldom implemented in plant operation. Here is a challenge for the academic community to really make the effort to bring advanced control all the way to implementation and to prove that it is worthwhile".

Sinngemäß übersetzt:Es zeigt sich, dass Algorithmen zur Prozesskontrolle zwar oft vorgeschlagen und durch reine Simulation getestet werden, aber nur selten in vollem technischen Maßstab.Es handelt sich also um eine Herausforderung an die Wissenschaft alle Anstrengungen zu unternehmen um fortschrittliche Prozesskontrollmethoden bis zur echten Anwendung voranzutreiben und zu zeigen, dass es sein Geld wert ist.

2006:Schätzungsweise 80% der wissenschaftlichen Publikationen befassen sich mit reinem Modellieren, 15% mit der Testung im Pilotmaßstab, nur 5% mit der Realisation im technischen Maßstab.

Und die Wissenschaft?

02.05.2007 7



„Willst du mir wohl sagen, wenn ich bitten darf, welchen Weg ich hier nehmen muss?!

"Das hängt zum guten Teil davon ab, wohin du gehen willst," sagte die Katze.

"Es kommt mir nicht darauf an, wohin ..." sagte Alice.

"Dann kommt es auch nicht darauf an, welchen Weg du nimmst," sagte die Katze.

Lewis Carroll. Alice im Wunderland

Zielfindung und -definition

Der Biogasprozess ist ein multidimensionaler Prozess – Das Ziel ist immer ein Kompromiss aus einander widersprechenden Zielen!

Redoxpotential im Reaktor; tierische Abfälle sollen genutzt werden

Geringer Schwefelgehalt im Biogas

Düngewirkung, Kohlenstoff-RückführungOptimale Substratnutzung

Hohe Gasproduktion; Energiepflanzen als Ökostromquelle

Hoher Methangehalt im Biogas

Möglichst kleine Haupt- und Nachfermentorenhoher Ausgärungsgrad

02.05.2007 8



Theoretische Biogas-Ausbeuten

In der Praxis werden lediglich 0,2 bis 0.6 m³ Biogas.kg-1 Substrat erreicht.

Verbesserung der Ausbeute ist notwendig.

Substrat Gasausbeute(m³ Biogas.kg-1 Substrat)

vol%CO2

vol%CH4

Heizwert(MJ.m-³)

Spez. Heizwert(MJ.kg-1 Substrat)

Kohlenhydrate 0.747 50 50 20.0 14.94Fett, Pflanzliche

Öle1.250 32 68 21.5 26.88

Eiweiß 0.700 29 71 22.0 15.40

02.05.2007 9



Der Biogasprozess ist komplex

SäurebildendeBakterien

Glucose

Sulfat-reduzierende

Bakterien

Homo-AcetogeneBakterien

AcetoclastischeBakterien

Wasserstoff-verwertende

Bakterien

AcetogeneBakterien

CO

SO42-

Acetat

Zwischenprodukte:Ethanol, Propionat, Butyrat

CH4 + CO2

70% 30%

H2S

H2 + CO2

Essigsäure hemmt

H2 hemmt

02.05.2007 10



Messbare Parameter des Biogasprozesses

•Fettsäuren

•Gaszusammensetzung

•Gasmenge, Gasproduktion

•pH

•Alkalinität

•Redox-Potential

•Leitfähigkeit

•Chemischer Sauerstoffbedarf CSB

•oTS, TS

•Biomassemenge, Trockensubstanz

02.05.2007 11



Steuerung durch Neuronale Netze

IAM, 2005

5 (+1) Eingabeparameter

02.05.2007 12



R²=0,98 (R²train =0,97)

0

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

1 4 7 10 13 16 19 22 25 28 31 34 37 40time [d]

vola

tile

fatty

aci

ds [m

g.l

-1]

VFA-measures

VFA-model

R²=0.52 (R²tr ain =0.95)

0

0.5

1

1.5

2

2.5

3

3.5

4

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49time [d]

gas

prod

uctio

n [m

³.m

- ³.d

-1]

GP-measuresGP-model

R²=0,64 (R²train =0,86)

20

30

40

50

60

70

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49time [d]

met

hane

con

tent

[CH

4 %

]

MC-measures

MC-model

Ergebnisse der Steuerung durch Neuronale Netze

Sehr gute Übereinstimmung von Modell und Wirklichkeit.

02.05.2007 13



Steuerung durch Fuzzy Logic

IAM, 2005

3 Eingabeparameter

02.05.2007 14



Ergebnisse der Steuerung durch Fuzzy Logic

Die Fuzzy Logic steuert den Prozess gut.

0

2

4

6

8

10

12

14

16

18

20

1 6 11 16 21 26 31 36 41 46 51

Time [d]

Org

anic

Loa

ding

Rat

e [k

gC

ODm

-3d

-1]

0

500

1000

1500

2000

2500

3000

3500

4000

4500

Vol

atile

Fat

ty A

cids

[mg.

l-1

]

OLR VFA

manual shock pulses

0

2

4

6

8

10

12

14

16

18

20

1 6 11 16 21 26 31 36 41 46 51

Time [d]

Gas

Pro

duct

ion

[m3 B

ioga

sm

-3d

-1]

0

10

20

30

40

50

60

70

80

Met

hane

Con

tent

[Vol

% C

H4]

Gas Production

Methane Content

02.05.2007 15



Anlagenkontrolle mittels Internet

Ein-/Ausgabemaske für den jeweiligen Anlagenbetreiber. Die eigentliche Steuersoftware liegt auf einem zentralen Server.Vorteil: immer am aktuellsten Stand. Kontrolle durch Experten.

IAM, 2005

02.05.2007 16



Fallstudie 1 (Dänemark)

•2 Rührkesselreaktoren, jeweils 440 m³, parallel arbeitend

•2 Lagertanks, 1 Nachfermenter

•Rindergülle, Schlachthofabwässer, Lebensmittel- und Fischabfälle

•Thermophile Betriebsweise (50°C)

•Aufenthaltszeit im Hauptfermenter 14 Tage

•800.000 m³ Biogas pro Jahr mit rd. 65% Methan

IAM, 2005

Parameter FrequencyOLROV ContinuouspHDIGESTER 1 DailypHDIGESTER 2 DailyGPOV ContinuousMCOV ContinuousCODFEED 1/week resp. daily*

CODEFFLUENT 1/week resp. daily*

Total VFAEFFLUENT 1/week resp. daily*

DM 1/week resp. daily*

VSS 1/week resp. daily*

NH4 FEED 1/week resp. daily*

NH4 EFFLUENT 1/week resp. daily*

Dissolved FeFEED 1/week resp. daily*

Total NFEED 1/week resp. daily*

SO42-

FEED 1/week resp. daily*

NH3 1/week resp. daily*

H2S half-hourly*over a test period of 2 - 3 months

02.05.2007 17



Ergebnisse der Fallstudie 1

Neuronale Netze

IAM, 2005

R = 0 .0 2 9 1

01 02 03 0

4 05 06 0

7 08 09 0

1 0 0

1 3 5 7 9 1 1 1 3 1 5

T im e [d ]

Met

hane

Con

tent

[m³m

- ³d-1

]

m e a s u re d d a ta

p re d ic te d d a ta

R = 0 .7 3 5

0

0 .2

0 .4

0 .6

0 .8

1

1 3 5 7 9 1 1 1 3 1 5

T im e [d ]

Gas

Pro

duct

ion

[m³m

- ³d-1]

m e a s u r e d d a ta

p re d ic te d d a ta

0

5

10

15

20

25

30

35

40

45

0 5 10 15 20 25

Time [d]

∆ OLR

[%

]

Digester 1

Digester 2

Fuzzy Logic

Analytik zu selten und zu unregelmäßig.

Anlagendesign prinzipiell nicht für Automatisation geeignet. Leitungsführung; Reaktoren überdimensioniert.

Furcht der Betreiber auf die Steuerungssoftware „zu hören“.

02.05.2007 18



Fallstudie 2 (Spanien)

Zweistufige Anlage

2 Rührkesselreaktoren im Pilotmaßstab (je 9,2 m³)

1 Hygienisierungskessel, 1 Hydrolysetank, 2 Nachfermentoren

Schlachthausabfälle (180 t pro Jahr)

Parameter FrequencyVFeed ContinuousDM 1 - 3/weekGP ContinuousTotal VFA 1 - 3/weekPH 1 - 3/weekNH4 EFFlUENT 1 - 3/weekH2S 1 - 3/weekCH4 1 - 3/weekCO2 1 - 3/weekCODEFFLUENT 1 - 3/weekCODFEED 1 - 3/weekTOCFEED 1/monthSO4

2-FEED 1 - 3/week

02.05.2007 19



Ergebnisse Fallstudie 2

Ausgezeichnete Modellierbarkeit.

Sehr geringe Varianz der Daten – schlecht für das Training der NN.

Überdimensionierter Reaktor.

Analysen unregelmäßig und Ergebnisse oft erst einen Tag später verfügbar.

Angst der Betreiber vor der Software.

00.20.40.60.8

11.21.41.61.8

0 20 40 60 80 100 120

Time [d]

Gas

pro

duct

ion

[m³m

- ³d-1

]

measured

predicted

0102030405060708090

0 20 40 60 80 100 120

Time [d]

Met

hane

Con

tent

[Vol

%]

measured

predicted

Neuronale Netze

02.05.2007 20



Fallstudie 3 (BRD)

1 Rührkesselreaktor 4.000 m³ .

2 Nachfermentoren (24.000 und 36.000 m³), 2 Hygienisierungstanks (30 m³, 70° C, 1h).

60% Rindergülle, Rest andere Abfälle (60.000 t pro Jahr).

Mesophil, 20-22 Tage Aufenthaltszeit im Hauptfermenter.

Parameter FrequencyOLRFeed daily*DM DailyVSS DailyGP ContinuousTotal VFAFEED & EFFLUENT 2/week+AcetatFEED & EFFLUENT 2/week+PropionatFEED & EFFLUENT 2/week+pH 2/week+H2S daily (working days)CH4 daily (working days)Siloxane 1/month*calculated, not measured+over test period of 3 month

02.05.2007 21



Ergebnisse Fallstudie 3

Sehr gute Modellierbarkeit.

Sehr geringe Varianz der Daten – schlecht für das Training der NN.

Stark überdimensionierter Reaktor.

Analysen unregelmäßig und später gar nicht mehr (lästig, teuer).

Angst der Betreiber vor der Software.

Neuronale Netze

R=0.708

50

55

60

65

70

75

80

0 100 200 300Time [d]

Met

hane

Con

tent

[Vol

% C

H4]

measured data predicted data

R=0.888

0

0.5

1

1.5

2

2.5

3

3.5

4

0 50 100 150 200 250 300 350Time [d]

Gas

Pro

duct

ion

[m³m

- ³d-1]

measured data predicted data

02.05.2007 22



Zusammenfassung

•Mit Hilfe Neuronaler Netze oder Fuzzy Logic ist es möglich den Biogasprozess zu steuern.

•Die Ausstattung mit Messtechnik muss bereits in der Planungsphase berücksichtigt werden.

•Kosten für die Messtechnik und Analytik sind einzuplanen (Sicherheitsaspekt!).

•Die Vorteile der Technik müssen überzeugender dargestellt werden – Demonstrationsprojekte.

•Die Implementierung ist ein Top-Down Prozess (Chefsache).

•Es muss ein Trainings- und Supportprogramm für die Anlagenbetreiber geben.

Danksagung: Das Projekt AMONCO wurde von der EU unter der Nummer ENK6-CT-2001-00518 finanziert.

02.05.2007 23



Danke für Ihre Aufmerksamkeit!

Kontakt: [email protected]

Documents

Department für Biotechnologie Institut für Angewandte ... Other/Oth_21...Analysen unregelmäßig und Ergebnisse oft erst einen Tag später verfügbar. Angst der Betreiber vor der