مدل‌سازی انتقال جرم فرایند حذف دی‌اکسید کربن از محیط زیست با هدف تولید متان سبز و بهینه‌سازی رشد متانوژن‌ها

محورهای موضوعی : آلودگی هوا

سید علی جعفری ¹ (دانشجوی دکتری گروه مهندسی شیمی، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس، بوشهر، ایران)
شهریار عصفوری ² (دانشیار گروه مهندسی شیمی، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس، بوشهر، ایران. *(مسوول مکاتبات)فارس، بوشهر، ایران)
رضا آذین ³ (دانشیار گروه مهندسی شیمی، دانشکده مهندسی نفت، گاز و پتروشیمی، دانشگاه خلیج فارس، بوشهر، ایران.)

تاریخ دریافت : 1397/12/15 تاریخ پذیرش : 1398/08/22 تاریخ انتشار : 1399/12/01

کلید واژه: انتقال جرم, حذف دی‌اکسیدکربن, مدل‌سازی ریاضی, هیدروژن, بیومتان,

چکیده مقاله :

زمینه و هدف: غلظت دی‌اکسیدکربن به عنوان مهم‌ترین گاز گلخانه‌ای در اتمسفر در حال افزایش می‌باشد که به عنوان یکی از نگرانی‌های مهم بشر، روش‌های زیادی برای مقابله آن بررسی شده‌ است. اما استفاده از آن در تولید بیومتان اقتصادی‌تر به‌نظر می‌رسد. هدف اصلی در این تحقیق بررسی مدل‌سازی فرایند تولید انرژی پاک بیومتان و حذف همزمان دی‌اکسید کربن از محیط زیست است. روش بررسی: در این مقاله برای فرایند تولید بیومتان در بیوراکتور ناپیوسته، با هدف افزایش حجم بیومس فعال، مدل‌سازی انتقال جرم انجام شد. دقت نتایج مدل‌سازی با مقایسه با داده‌های آزمایشگاهی و سینتیکی در قالب مسئله صفر بعدی و بدون تابعیت مکانی بررسی گردید. سپس مطالعه یک بعدی بیوراکتور به‌منظور بررسی پروفایل غلظت هیدروژن و بیومس در طول بیوراکتور و محاسبه حجم فعال انجام شد. از روش پاسخ سطح نیز به منظور بررسی تاثیر سه فاکتور دما، فشار و بر حجم فعال بیوراکتور و یافتن شرایط بهینه استفاده شد. این تحقیق در تابستان 1397 انجام شد. یافته‌ها: نتایج بررسی صفر بعدی تایید کننده دقت مدل‌سازی بود. بررسی یک بعدی نشان داد که پراکندگی رشد بیومس در فاز مایع تابع پروفایل هیدروژن است به‌ شرطی‌که ضرائب نفوذ هیدروژن و بیومس در مایع را برابر درنظر گرفت و در شرایط استاندارد مرتبه بزرگی آن 9-10 بود. نتایج آماری حاصل از روش پاسخ سطح نشان داد که هر سه عامل دما، فشار و تأثیر معنی داری بر میزان حجم فعال بیوراکتور دارند، ضمن این‌که بیشترین اثر و فشار و دما در اولویت بعدی تأثیرگذاری بودند. بحث و نتیجه گیری: راکتور ناپیوسته با ابعاد در دما و فشار بالا بهینه‌ترین شرایط را برای تولید بیومتان دارد، ولی اقتصاد فرایند تعیین کننده محدوده عملیاتی است.

چکیده انگلیسی:

Background and Objective: CO2 concentration, as the main greenhouse gas, is growing in atmosphere and many alternatives have been investigated to deal with it. However, harnessing with the aim of biomethanation seems to be more economic. Method: In this study a mass transfer modeling was conducted for a biomethanation process under a batch strategy aiming at maximizing liquid active volume. The accuracy of modeling results was assessed via comparing with experimental data and kinetic results under zero-dimension study. Then one-dimensional study was conducted in order to investigate biomass and hydrogen concentration profiles within liquid phase of the bioreactor and active volume calculation. Response surface method (RSM) was also served to investigate effect of temperature, pressure and as three main factors on active volume followed by response optimization. Findings: Model accuracy was confirmed by zero-dimension study. One-dimensional study was also revealed that biomass growth dispersion within liquid phase depends on hydrogen profile concentration on condition that both hydrogen and biomass diffusion coefficients were assumed to be equal. Their degree of magnification was 10-9  in standard conditions. RSM showed that the three studied factors significantly affected on bioreactor active volume. Meanwhile, pressure and temperature influenced the most, respectively. Discussion and Conclusion: A batch bioreactor with  and high pressure and temperature met optimal conditions for biomethanation; however, process economy defines operational limitations.  

منابع و مأخذ:

1.  Leu JY, Lin YH, Chang FL. Conversion of CO2 into CH4 by methane-producing bacterium FJ10 under a pressurized condition. Chemical Engineering Research and Design. 2011;89(9):1879–90.


2. US EPA E. Inventory of US greenhouse gas emissions and sinks: 1990–2016. Washington, DC, USA, EPA. 2018.


3. Oberthür S, Groen L. Explaining goal achievement in international negotiations: the EU and the Paris Agreement on climate change. Journal of European Public Policy. 2018;25(5):708-27.


4. Squalli J. Renewable energy, coal as a baseload power source, and greenhouse gas emissions: Evidence from U.S. state-level data. Energy. 2017;127:479-88.


5. Zabranska J, Pokorna D. Bioconversion of carbon dioxide to methane using hydrogen and hydrogenotrophic methanogens. Biotechnol Adv. 2018;36(3):707-20.


6. Brooks KP, Hu J, Zhu H, Kee RJ. Methanation of carbon dioxide by hydrogen reduction using the Sabatier process in microchannel reactors. Chemical Engineering Science. 2007;62(4):1161-70.


7. Inkeri E, Tynjälä T, Laari A, Hyppänen T. Dynamic one-dimensional model for biological methanation in a stirred tank reactor. Applied Energy. 2018;209:95–107.


8. Luo G, Johansson S, Boe K, Xie L, Zhou Q, Angelidaki I. Simultaneous hydrogen utilization and in situ biogas upgrading in an anaerobic reactor. Biotechnol Bioeng. 2012;109(4):1088-94.


9. Seifert A, Rittmann S, Herwig C. Analysis of process related factors to increase volumetric productivity and quality of biomethane with Methanothermobacter marburgensis. Applied Energy. 2014;132:155-162.


10. Savvas S, Donnelly J, Patterson T, Chong ZS, Esteves SR. Biological methanation of CO2 in a novel biofilm plug-flow reactor: A high rate and low parasitic energy process. Applied Energy. 2017;202:238–47.


11. Daglioglu ST, Karabey B, Ozdemir G, Azbar N. CO2 utilization via a novel anaerobic bioprocess configuration with simulated gas mixture and real stack gas samples. Environ Technol. 2017:1-7.


12. Diaz I, Perez C, Alfaro N, Fdz-Polanco F. A feasibility study on the bioconversion of CO2 and H2 to biomethane by gas sparging through polymeric membranes. Bioresour Technol. 2015;185:246-53.


13. Hayduk W, Laudie H. Prediction of diffusion coefficients for nonelectrolytes in dilute aqueous solutions. AIChE Journal. 1974;20(3):611-5.


14. Schmelzer JW, Zanotto ED, Fokin VM. Pressure dependence of viscosity. The Journal of chemical physics. 2005;122(7):074511.


15. Fernández-Prini R, Alvarez JL, Harvey AH. Henry’s constants and vapor–liquid distribution constants for gaseous solutes in H 2 O and D 2 O at high temperatures. Journal of Physical and Chemical Reference Data. 2003;32(2):903-16.


16. Leonzio G. Process analysis of biological Sabatier reaction for bio-methane production. Chemical Engineering Journal. 2016;290:490-8.