مدل ریاضی هاضم بی‌هوازی برای پیش بینی نرخ تولید متان از فضولات گاو

Subject Areas : Camel

م. کمالی نسب ¹ , ع. وکیلی ² , م. دانش مسگران ³ , ر. ولی زاده ⁴ , س.ر. نبوی ⁵

1 - Department of Animal Science, Excellence Center for Animal Science, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran
2 - Department of Animal Science, Excellence Center for Animal Science, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran
3 - Department of Animal Science, Excellence Center for Animal Science, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran
4 - Department of Animal Science, Excellence Center for Animal Science, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran
5 - Department of Animal Science, Excellence Center for Animal Science, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran

Received: 2015-12-07 Accepted : 2016-03-15 Published : 2016-09-01

Keywords: مدل ریاضی, هاضم بی‌هوازی, بایوگاز, فضولات دامی,

Abstract :

هاضم بی­هوازی ضایعات زیستی یکی از رایج­ترین راه­ها برای تولید بایوگاز غنی از متان می­باشد، که پتانسیل قابل­توجهی برای جایگزین شدن با سوخت­های فسیلی دارد که در کاربردهای متعددی از قبیل حمل و نقل، موتورهای احتراق داخلی، سیستم­های تولید همزمان برق و حرارت و بسیاری از سیستم­های دیگر، استفاده می­شوند. شرکت­های بسیاری در طراحی و ساخت سیستم­های بی­هوازی به فعالیت پرداخته­اند. روش­های تجربی برای بهبود امکانات هاضم بی­هوازی استفاده شده است، اما این امر نیازمند مطالعات زمانبر و ساخت سیستم­های نمونه گران قیمت می­باشد. از طرف دیگر، طراحی و بهینه­سازی فرآیندهای هضم بی­هوازی برای تولید بایوگاز می­تواند از طریق مدل­های ریاضی اعتبار سنجی شده توسعه یابد. در این مقاله یک مدل ریاضی پویا برای یک راکتور بی­هوازی که با کود گاو شیری تغذیه می­شود توسعه داده شده است. مدل بر مبنای توازن مواد بوده، و شامل چهار متغیر حالت به نام­های جامدات فرار زیست تخریب پذیر، میکروب­های تولید­کننده اسید، میکروب­های تولیدکننده متان و اسیدهای چرب فرار می­باشند. مدل مقدار گاز متان تولید شده در راکتور را پیش­بینی می­کند. در پایان این مطالعه یک تحلیل حساسیت انجام شده است تا نشان دهد که چگونه مقدار گاز تولید شده، حداکثر سرعت واکنش میکروب­های تولید­کننده اسید، حداکثر سرعت واکنش میکروب­های تولید­کننده متان، سرعت واکنش میکروب­های تولید­کننده اسید و سرعت واکنش میکروب­های تولید­کننده متان و همچنین زمان ماند مواد جامد، در اثر تغییر برخی از پارامترهای کلیدی مانند دما و حجم راکتور تغییر خواهند کرد.

References:

Andrews J.F. (1968). A mathematical model for the continuous culture of microorganisms utilizing inhibitory substrates. Bio technol. Bioengin. 10, 707-723.

AngelidakiI., Ellegaard L. and Ahring B.K. (1999). A comprehensive model of anaerobic bioconversion of complex substrates to biogas. Biotechnol. Bioengin. 63, 363-372.

Appels L., Baeyens J., Degrève J. and Dewil R. (2008). Principles and potential of the anaerobic digestion of waste-activated sludge. Prog. Energy Combust. Sci. 34, 755-781.

Batstone D.J., Keller J., Angelidaki I., Kalyuzhnyi S.V. and Pavlostathis S.G. (2002). The IWA Anaerobic Digestion Model No 1 (ADM1). Water Sci. Technol. 45, 65-73.

Cakir F.Y. and Stenstrom M.K. (2005). Greenhouse gas production: a comparison between aerobic and anaerobic wastewater treatment technology. Water Res. 39, 4197-4203.

Chunlan M., Yongzhong F., Xiaojiao W. and Guangxin R. (2015). Review on research achievements of biogas from anaerobic digestion. Renew. Sustain. Energy Rev. 45, 540-555.

Cisneros G.L., López R.A. and Femat R. (2015). On the dynamic optimization of methane production in anaerobic digestion via extremum-seeking control approach Comp. Chem. Engin. 75, 49-59.

Deublein D. and Steinhauser A. (2010). Biogas from Waste and Renewable Resources. WILEY-VCH Verlag GmbH and Co. KGaA, Weinheim, Germany.

Electrigaz Technologies Inc. (2007). Feasibility Study – Biogas upgrading and grid injection in the FraserValley, , BC Innovation Council, British Columbia.

Elsgaard L., Olsen A.B. and Petersen S.O. (2016). Temperature response of methane production in liquid manures and co-digestates. Sci. Total Environ. 539, 78-84.

Environmental Protection AgencyU.S. (2010). Anaerobic Digester Status Report. Pulished by United States Environmental Protection Agency, USA.

Graef S.P. and Andrews J.F. (1974). Mathematical modeling and control of anaerobic digestion. AIChE. Symp. Ser. 136, 101-131.

Haugen F., Bakke R. and Bernt L. (2013a). Adapting dynamic mathematical models to a pilot anaerobic Digestion Reactor. Modeling, Identification and Control. 34(2), 35-54.

Haugen F., Bakke R., Vasdal K. and Bergland W. (2013b). Foss biolab. Available at: http://fossbiolab.no.

Husain A. (1998). Mathematical models of the kinetics of anaerobic digestion: a selected review. Biom. Bioenerg. 14(5), 561-571.

Jeyaseelan S. (1997). A simple mathematical model for anaerobic digestion process. Water Sci. Technol. 35, 185-191.

Jiang X., Sommer S.G. and Christensen K.V. (2011). A review of the biogas industry in China. Energy Policy. 39, 6073-6081.

Krzystek L., Ledakowicz S., Kahle H.J. and Kaczorek K. (2001). Degradation of household bio waste in reactors. Biotechnol.J. 92, 103-112.

Magnusson M. and Alvfors P. (2012). Biogas from mechanical pulping industry: Potential improvement for increased biomass vehicle fuels. Pp. 56-67 in Proc.Int. Conf. Efficiency. Cost. Optimiz. Simul. Energy Convers. Syst. Proc. Perugia, Italy.

Novak J.T., Sadler M.E. and Murthy S.N. (2003). Mechanisms of flock destruction during anaerobic and aerobic digestion and the effect on conditioning and dewatering of bio solids. Water Res. 37, 3136-3144.

Rehl T. and Müller J. (2011). Life cycle assessment of biogas digestate processing technologies. Resour. Conserv. Recycl. 56, 92-104.

Sanchez J.B., Quiroga Alonso J.M. and Coello Oviedo M.D. (2006). Use of microbial activity parameters for determination of a bio solid stability index. Bioresour. Technol. 97, 562-568.

Sawatdeenarunat C., Surendra K.C., Takara D., Oechsner H. and Khanal S.K. (2015). Anaerobic digestion of lignocellulosic biomass: challenges and opportunities, Bioresour. Technol. 178, 178-186.

Stamatelatou K., Syrou L., Kravaris C. and Lyberatos G. (2009). An invariant manifold approach for CSTR model reduction in the presence of multi-step biochemical reaction schemes. Application to anaerobic digestion. Chem. Engin. J. 150, 462-475.

Tambone F., Scaglia B., D’Imporzano G., Schievano A., Orzi V. and Salati S. (2010). Assessing amendment and fertilizing properties of digestates from anaerobic digestion through a comparative estudy with digested sludge and compost. Chemosphere.81, 577-583.

Tauseef S.M., Premalatha M., Tasneem Abbasi S.A. and Abbasi S.A. (2013). Methane capture from livestock manure. J. Environ. Manag. 117, 187-207.

Tchobanoglous G., Burton F.G. and Stensel H.D. (2003). Wastewater Engineering: Treatment and Reuse. McGraw Hill. Boston, NY.

Tomei M.C., Braguglia C.M., Cento G. and Mininni G. (2009). Modeling of anaerobic digestion of sludge. Crit. Rev. Environ. Sci. Technol. 39, 1003-1051.

Vavilin V.A., Lokshina L.Y., Flotats X. and Angelidaki I. (2007). Anaerobic digestion of solid material: multidimensional modeling of continuous-flow reactor with non uniform influent concentration distributions. Biotechnol. Bioengin. 97, 354-366.