Modeling biotechnological processes under uncertainty anaerobic digestion as case study

Abstract

En la pràctica de l’enginyeria, quan un model explícit d’un procés està disponible, es poden realitzar experiments numèrics per tal de predir el comportament futur del sistema, explicar o descriure el seu estat ocult, guiar la recopilació de dades,... Generalment, les dinàmiques del sistema són complexes i difícils d’observar amb precisió. Qualsevol aproximació de la realitat observada per mitjà d’un modelatge implica necessàriament incertesa. Per fomentar la confiança en els resultats del model, aquesta incertesa ha de ser caracteritzada i quantificada de forma explícita. En aquest projecte de tesi, particular atenció es proporciona a la incertesa associada als paràmetres del model i les seves implicacions per a l’optimització de bio-processos. Com a cas d’estudi, es considera per a la modelització la digestió anaeròbia. La producció controlada de biogàs per digestió anaeròbica s'ha trobat una activitat rendible, a més de ser una font d'energia renovable. No obstant això, els marges de millora per a aquesta tecnologia són amplis. La co-digestió anaeròbia amb dos o més materials d’entrada és una manera de fer que la biomassa de baixa producció de biogàs sigui aplicable a escala industrial. Entre els possibles co-substrats, els residus orgànics rics en lípids resulten atractius pel seu alt potencial energètic. El principal factor limitant per a aquesta estratègia és la inhibició de la digestió anaeròbica pels àcids grassos de cadena llarga. La modelització matemàtica ofereix una aproximació útil de la complexa i delicada activitat microbiologia d’aquest sistema de digestió anaeròbica. L’objectiu subjacent del projecte de tesi és millorar el procés de tractament d'aigües residuals amb l’ajuda de la modelització i l’anàlisi d’incertesa. D’acord amb aquest objectiu, es desenvolupa un entorn de simulació anomenat “planta virtual” (VP) amb la fi de aplicar-lo al modelatge de la co-digestió anaeròbia i fangs activats. A l’entorn de la VP, es proposa i testeja noves dinàmiques fonamentals del procés d’inhibició pels àcids grassos de cadena llarga i es compara diferents procediments d’inferència per l’estimació del la incertesa dels paràmetres. D’altra banda, es proposa una anàlisi de criteris múltiples en condicions d’incertesa. El mètode s’aplica a una planta industrial de co-digestió anaeròbica. Com a conclusió, l’eina de la "planta virtual" es va trobar fiable i fàcil d’usar en el modelat dels processos de tractament biològics com fangs activats i digestió anaeròbia. El model d’inhibició per àcids grassos a cadena llarga ha estat capaç de reproduir i interpretar les dades experimentals obtingudes en prèvies investigacions. No obstant això, l’estimació de la incertesa dels paràmetres i la falsificació del model d’inhibició són tasques d’investigació futura. El procediment d’inferència Bayesiana s’ha demostrat útil per enfrontar-se amb èxit al problema de l’estimació de la incertesa dels paràmetres relatius a models de la digestió anaeròbia i dels fangs activats. La anàlisi de criteris múltiples sota incertesa ha permès una considerable millora en l’eficiència i de la fiabilitat d’operació d’una planta industrial de biogàs. No obstant això, com a treball futur es fa necessari millorar el procediment d’obtenció de les entrades a l’anàlisi de criteris múltiples i disminuir la càrrega computacional requerida per aquesta anàlisi.

In engineering practice, when an explicit model of a system is available, numerical experiments can be performed in order to predict the future behavior of the system, explain or describe its hidden state, guide data collection, etc. Typically, the dynamics of the system are complex and difficult to observe with precision. Any approximation of the observed reality within an explicit model necessary implies uncertainty, which should be characterized and quantified to build confidence over model results. Uncertainty associated with model-parameter and its implications for bio-process optimization are of main concern in this PhD work. As a bio-process case study, the anaerobic digestion is considered for modeling. The production of biogas by controlled anaerobic digestion could be a profitable activity, apart of being a renewable energy source. However, the margins to improve this technology are wide. Anaerobic co-digestion with two or more input materials is a way to make low biogas yield biomass applicable at industrial scale. Among the possible co-substrates, lipids-rich wastes are attractive for their high energetic potential. The main limiting factor for this strategy is the inhibition of anaerobic digestion by long chain fatty acids. Modeling provides a useful approximation of the complex and delicate microbiology activity of this anaerobic digestion system. The underlying goal of the PhD project is to improve biotechnological processes with the aid of modeling and uncertainty analysis. With this goal in mind, a general purpose, user-friendly, simulation environment called “virtual plant” (VP) was build and applied to anaerobic co-digestion and activated sludge modeling. Within the VP tool, new core dynamics of the long chain fatty acids (LCFA) inhibition process were proposed and tested and different inferential procedures for the estimation of parameter-uncertainty were compared. Finally, a proposed multi-criteria analysis under uncertainty and multiplicity was applied to an industrial anaerobic co-digestion biogas plant. In conclusion, the developed VP toolkit was found reliable and user-friendly when modeling activated sludge and anaerobic digestion systems. The proposed LCFA-inhibition model was able to reproduce correctly the experimental data at hand and enabled its interpretation. However, uncertainty estimation of parameters and falsification of the proposed model of LCFA-inhibition are still missing. The Bayesian procedure was proved useful when addressing the estimation of parameter uncertainty of anaerobic digestion and activated sludge models. A considerable improvement in the operation efficiency and reliability of an industrial biogas plant was possible within the proposed multi-criteria analysis. However, future work is needed to improve the procedure of elicitation of the inputs for this multi-criteria analysis and decrease its computational burden.

En la práctica de la ingeniería, cuando un modelo explícito de un proceso está disponible, se pueden realizar experimentos numéricos para predecir el comportamiento futuro del sistema, explicar o describir su estado oculto, guiar la recopilación de datos,. . . Generalmente, las dinámicas del sistema son complejas y difíciles de observar con precisión. Cualquier aproximación de la realidad observada a través de un modelado implica necesariamente incertidumbre. Para fomentar la confianza en los resultados del modelo, esta incertidumbre debe ser caracterizada y cuantificada de forma explícita. En este proyecto de tesis, particular atención se proporciona a la incertidumbre asociada a los parámetros del modelo y sus implicaciones para la optimización de bio-procesos. Como caso de estudio, se considera para la modelización la digestión anaerobia. La producción controlada de biogás por digestión anaeróbica se ha encontrado una actividad rentable, además de ser una fuente de energía renovable. Sin embargo, los márgenes de mejora para esta tecnología son amplios. La co-digestión anaerobia con dos o más materiales de entrada es una manera de hacer que la biomasa de baja producción de biogás sea aplicable a escala industrial. Entre los posibles co-sustratos, los residuos orgánicos ricos en lípidos resultan atractivos por su alto potencial energético. El principal factor limitante para esta estrategia es la inhibición de la digestión anaeróbica por los ácidos grasos de cadena larga. La modelización matemática ofrece una aproximación útil de la compleja y delicada actividad microbiológica de este sistema de digestión anaeróbica. El objetivo subyacente del proyecto de tesis es mejorar los procesos biotecnológicos con la ayuda de la modelización y el análisis de incertidumbre. De acuerdo con este objetivo, se desarrolla un entorno de simulación llamado “planta virtual” (VP) con el fin de aplicarlo al modelado de la co-digestión anaerobia y fangos activados. En el entorno de la VP, se propone y testea nuevas dinámicas fundamentales del proceso de inhibición por ácidos grasos de cadena larga y se compara diferentes procedimientos de inferencia para la estimación del la incertidumbre de los parámetros. Por otra parte, se propone un análisis de criterios múltiples en condiciones de incertidumbre y multiplicidad de equilibrios. El método se aplica a una planta industrial de co-digestión anaeróbica. Como conclusión, la herramienta de la “planta virtual” se encontró fiable y fácil de usar en el modelado de los procesos de tratamiento biológicos como lodos activados y digestión anaerobia. El modelo de inhibición por ácidos grasos a cadena larga ha sido capaz de reproducir y ha permitido de interpretar los datos experimentales obtenidos en previas investigaciones. Sin embargo, la estimación de la incertidumbre de los parámetros y la falsificación del modelo de inhibición son tareas de investigación futura. El procedimiento de inferencia Bayesiana se ha demostrado útil para enfrentarse con éxito al problema de la estimación de la incertidumbre de los parámetros relativos a modelos de la digestión anaerobia y de los lodos activados. La propuesta análisis de criterios múltiples ha permitido una considerable mejora en la eficiencia y de la fiabilidad de operación de una planta industrial de biogás. Sin embargo, como trabajo futuro se rende necesario mejorar el procedimiento de obtención de las entradas al análisis de criterios múltiples y disminuir la carga computacional requerida por tal análisis.