Thema

Mit Hilfe der speicherbaren Biomasse besteht die Möglichkeit, den biologischen Prozess der Biogasherstellung flexibel und regelbar über das Fütterungsmanagement zu betreiben. Was bisher vielfach fehlt, ist eine ausreichende Datenbasis und methodische Untersuchung des Beitrags eines flexiblen Füttermanagements auf die Produktbildung unter Einbeziehung innovativer Prozessüberwachung und Probennahmestrategien zur Absicherung des Betriebes. Im Projekt FlexFeed soll daher untersucht werden, inwiefern ein flexibles Füttermanagement die Nachhaltigkeit von Biogasanlagen und eine bedarfsgerechte Gaserzeugung unterstützen kann, und ob die Mechanismenerkennung als Methodik zu einem stabilen und risikoärmeren Betrieb unter Wechsellastbedingungen beitragen kann. Dazu wird in einem Modell eine Parameteranpassung bei verschiedenen Betriebszuständen durchgeführt. Die Mechanismenerkennung identifiziert dann im Betrieb den Parametersatz, der den aktuellen Zustand am besten beschreiben kann. Dadurch wird der Prozesszustand bewertet und kann mit einer entsprechenden Regelung verknüpft werden. 

Der große Vorteil liegt darin, dass vereinfachte Relationen zwischen Messparametern für die Überwachung herangezogen und zustandsabhängig gewichtet werden können. Bisher werden die Signale einzeln betrachtet, was zu einem Informationsverlust führt. Im Projekt werden Lanzen-basierte Probennahmesysteme aus einem Vorgängerprojekt sowie neue Sensorik an Prozess-kritischen Orten in der Flüssigphase eingesetzt und deren Bedeutung auf die vorgestellte Methodik quantitativ evaluiert.

Ziele

Im Projekt FlexFeed wird die Evaluierung und Optimierung einer Strategie zum Fütterungsmanagement an Biogasanlagen angestrebt, welches innovative Sensorik in der Flüssigphase, Modell-basierte Überwachung und auf neuronalen Netzen beruhende Prognosen als methodische Ansätze vereint. Ziel ist es, durch die Mechanismenerkennung den aktuellen Prozesszustand zu identifizieren und so Störungen frühzeitig zu erkennen. Dies ist insbesondere bei Änderungen der Substratzusammensetzung und bei Beladungswechseln relevant. Lanzen-basierte Probennahmesysteme sowie Sensorik an Prozess-kritischen Orten in der Flüssigphase unterstützen die Früherkennung von Störungen. Der Einsatz eines Prognoseverfahrens bei Last- und Substratwechseln mit neuronalen Netzwerken soll zu einem ganzheitlichen Ansatz aus Prognose, online-Sensorik und Modell-basierter Überwachung führen. Im Projekt sollen Praxisdaten im Großmaßstab bei unterschiedlichen, sehr flexiblen und hochbelasteten Betriebszuständen generiert werden, die zur Optimierung und Evaluierung der entwickelten Modelle beitragen.

Maßnahmen

In Zusammenarbeit zwischen den Partnern Universität Hohenheim, TU Berlin und SOTAsolutions werden Lastwechsel an der Forschungsbiogasanlage „Unterer Lindenhof“ durchgeführt und die Auswirkungen untersucht.

TU Berlin

Die Langzeitversuche an der Versuchsanlage werden durch den verstärkten Einsatz von Sensorik begleitet. Dazu wird an verschiedenen Stellen und verschiedenen Tiefen in der Flüssigphase gemessen. Im zweiten Projektteil werden Modell-basierte Vorschläge zur Fahrweise erarbeitet. Dazu werden Parameter für unterschiedliche Störfallszenarien angepasst und daraus der aktuelle Zustand mit der Methodik der Mechanismenerkennung erfasst. Zudem werden aufgrund des dann gültigen Modells und der entsprechenden Teilsensitivitäten Probennahmeintervalle festgelegt, um das Prozessrisiko zu minimieren.

LAB

Im Projektteil der Universität Hohenheim werden in einem ersten Schritt die räumliche Verteilung der Intermediate des Biogasprozesses im Fermenter in Abhängigkeit der Substratzusammensetzung, Substratqualität, Fütterungshäufigkeit, Substrataufbereitung, Substratabbaus sowie des Rührwerkseinsatzes untersucht. Hierzu soll ein Lanzen-basiertes Probennahmesystem eingesetzt werden und mit Hilfe von biologischen Tracern kritische Bereiche identifiziert werden. Des Weiteren werden Strömungsgeschwindigkeiten in räumlicher Auflösung sowie die Viskosität des Substrates über Rohrviskosimeter erfasst und mit einem Mischgütemodell verglichen. 

Im zweiten Arbeitsschritt werden die Inhaltsstoffe der Inputsubstrate für den Biogasprozess mit Hilfe der Nahinfrarotspektroskopie online bestimmt. In Laborversuchen wird die Leistungsfähigkeit eines Messsensors basierend auf dem Prinzip der akustischen Wellenleitung zur Bestimmung der biologischen Prozessparameter untersucht. 

Im dritten Arbeitsschritt wird an der Forschungsbiogasanlage durch gezielte Fütterungsoptimierung eine bedarfsgerechte Gasproduktion dargestellt und darüber hinaus kritische Betriebszustände generiert. Diese kritischen Zustände sollen mit Hilfe der entwickelten Sensorik erfasst und daraus eine resultierende Regelungsstrategie abgeleitet werden. Die entwickelten Modelle zur bedarfsgerechten Gasproduktion sollen in diesem Schritt auf ihre Güte und Anwendbarkeit geprüft werden.

Sota Solutions

Im Projektteil der Firma SOTA SOLUTIONS GmbH werden die durch die Partner aufgenommenen Daten zur Erstellung selbstlernender Prognoseverfahren eingesetzt. Auf Basis dieser Vorhersagen wird die Anlagenführung angepasst, um optimale Fütterungsintervalle zu bestimmen. In das Fütterungsmanagement werden sowohl Betrachtungen der Prozessstabilität als auch der wirtschaftlichen Betriebsführung mit einbezogen. Die Simulation des Gasentstehungsprozesses wird realisiert durch die Verwendung multipler Black- und Whitebox-Verfahren.

Schwerpunkte

TU Berlin

• Installation Sensorik
• Bewertung der Datenqualität
• Multiparametersensorik
• Parameterreduktion
• Mechanismenerkennung

LAB

•     Identifikation der kritischen Zonen im Biogasfermenter
•     Installation und Validierung des akustischen Wellenleiters
•     Optimierung der entwickelten Modelle im Großmaßstab

Sota Solutions

• Datenauswertung, Datenvalidierung und Preprocessing
• Entwicklung von Predictive Analytics-Verfahren
• Erarbeitung von Zielfunktionen zu Wirtschaftlichkeit und Prozessstabilität
• Optimierungsverfahren zur Fütterungsoptimierung