Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Modellering för ökad digitalisering av anaerobrötning

Diarienummer
Koordinator Linköpings universitet - Linköpings universitet Institutionen för tema
Bidrag från Vinnova 476 905 kronor
Projektets löptid mars 2022 - december 2022
Status Avslutat
Utlysning Strategiska innovationsprogrammet för processindustriell IT och automation - PiiA
Ansökningsomgång PiiA: Dataanalys i processindustriella värdekedjor, hösten 2021

Syfte och mål

Projektets huvudsyfte var att utvärdera kopplingar mellan biogasprocessens funktion/prestanda, egenskaper hos reaktorvätskan och den energi som krävs för omrörning i reaktorn. Målen var att 1) fånga upp variationer i dessa tre parametrar under olika förhållanden och 2) utveckla modeller för att beskriva dessa variationer. Båda målen har uppfyllts men ytterligare arbete behövs för att förbättra modellernas prediktiva förmåga för olika operationella scenarier. Möjligheten att inkludera ytterligare parametrar för att förbättra modellerna bör utvärderas.

Resultat och förväntade effekter

Vi visar i projektet att flödesegenskaperna hos reaktorvätskan i en biogasprocess ändras med processens prestanda/stabilitet. Dessa förändringar kan troligtvis mätas direkt via motorerna som driver omrörningen i reaktorerna men mer data behövs. Med hjälp av Vector autoregression analys kunde vi också vissa på möjliga korrelationer mellan signalerna från omröringsmotorerna och parametrar som konventionellt används för processövervakning. Fortsatt arbete inom området bör fokuseras på att identifiera hur flödesegenskaper kan övervakas online i industriell skala.

Upplägg och genomförande

Specifik gasproduktion, halter av organiska syror, torrhalt och pH i reaktorvätskan samt belastningen på omrörningsmotorerna samlades in från två labskalereaktorer (R1 & R2). R1 var stabil genom hela försöket medan processen i R2 stördes avsiktligt, genom tillsats av urea, under en period för att fånga upp förändringar relaterat till processinstabilitet. En enkel regressionsanalys gjordes på de två dataseten för att hitta korrelationer mellan processparametrarna, detta följdes sedan av en mer avancerad vector autoregression analys.

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 21 december 2022

Diarienummer 2021-04930

Statistik för sidan