TY  - THES
T1  - Entwicklung von datengetriebenen Auswerteverfahren zur Analyse und Schätzungder Reaktorleistung von Biogasanlagen
A1  - Beltramo,Tanja
Y1  - 2020/07/17
N2  - Die Biogasherstellung ist ein sehr komplexer Prozess, der durch das Zusammenspiel unterschiedlicher Mikroorganismen und einem mehrstufigen Prozessablauf gekennzeichnet ist. Variationen in der Mikroflora können durch das verwendete Substrat, die Beschickung sowie die Temperatur gegeben sein, wobei ein Großteil der beteiligten Mikroorganismen sogar unbekannt sein kann. Die Überwachung und Analyse solcher Prozesse sind zumeist sehr zeit- und kostenintensiv. 
Die VDI-Richtlinie 4630 beschreibt analytische Methoden zur Untersuchung der Vergärung organischer Stoffe, Substratcharak¬terisierung, Probenahme, Stoffdatenerhebung und Gärversuche, die zur Optimierung von Biogasanalgen dienen. Die in der Richtlinie beschriebenen Methoden erfordern jedoch eine entsprechende Laborausstattung, dafür ausgebildetes Personal und sind sehr aufwändig. Deshalb ist eine moderne Alternative zur Prozessanalyse und -optimierung dringend erforderlich, um gezielt wesentliche Prozessgrößen schnell, effizient und kostengünstig zu identifizieren.
Das Ziel der vorliegenden Dissertation ist es eine Methode zu entwickeln, welche eine schnelle und effiziente Analyse der Biogasproduktionsprozesse ermöglicht. In dieser Arbeit soll mithilfe von computerbasierten Verfahren untersucht werden, ob wesentliche Prozessgrößen identifiziert werden können, deren Messung für die Führung der Biogasanlagen ausschlaggebende Informationen zur Verfügung stellt. Neben mathematischen Modellen werden auch Optimierungsalgorithmen für die Identifikation der wesentlichen Einflussgrößen verwendet. 
Die für die Modellierung verwendeten Datensätze wurden experimentell im Rahmen des Projektes ‚,Biogas Biocoenosis‘‘ (FNR 22010711, Dr. Michael Klocke, Leibniz-Institut für Agrartechnik und Bioökonomie e. V., Potsdam) und „Biogas-Enzyme“ (FKZ 22027707, Dr. Monika Heiermann, Leibniz-Institut für Agrartechnik und Bioökonomie e. V., Potsdam) erhoben. Zusätzlich wurden Prozessdaten mithilfe des Anaerobic Digestion Modell No.1(ADM1) simuliert. 
Die chemischen Prozessgrößen stellen die unabhängigen Prozessvariablen dar. Die Biogasausbeute wird als die abhängige Zielprozessgröße verwendet. Die Vorhersage der Biogasausbeute wird mithilfe linearer und nicht linearer mathematischer Modelle durchgeführt. Dafür werden die Partial-Least-Squares-Regression (PLSR), die Locally-Weighted-Regression (LWR) und künstliche neuronale Netzte (ANN, Artificial Neural Networks) implementiert. Um die wesentlichen unabhängigen Prozessvariablen zu identifizieren, werden folgende Optimierungsalgorithmen verwendet: ein Ameisen-Kolonie-Optimierungsalgorithmus (ACO) und der genetische Algorithmus (GA). 
Die Qualität der Vorhersage wird anhand des Vorhersagefehlers (Root Mean Square Error, RMSE) und des Bestimmtheitsmaßes (R2) bewertet. 
Anhand der entwickelten Methode konnte die gewünschte Zielgröße, Biogasausbeute, vorhergesagt werden. Die durchgeführte Variablenselektion mittels metaheuristischer Optimierungsverfahren verbesserte die Vorhersagekraft der Modelle und reduzierte gleichzeitig die Anzahl der unabhängigen Prozessvariablen. Als wesentliche Prozessvariablen wurden folgende identifiziert: hydraulische Verweilzeit, Trockensubstanz, Gehalt an Neutral-Detergentien-Faser, Säure-Detergentien-Lignin-Gehalt und n-Buttersäure. Die besten Vorhersageergebnisse wurden mit Hilfe der künstlichen neuronalen Netze erzielt. Die Modelle hatten den kleinsten Fehler der Vorhersage und das höchste Bestimmtheitsmaß. 
Die erfolgreiche Umsetzung der mathematischen Verfahren zeigt, dass moderne mathematische Methoden eine gute Alternative für die Analyse und Optimierung komplexer biologischer Prozesse darstellen. Für eine abschließende Bewertung sind jedoch auch weitere experimentelle Untersuchungen notwendig, in denen die Prozessführung basierend auf den identifizierten Prozessvariablen durchgeführt wird. 

KW  - Biogas
KW  - Optimierung
KW  - Genetischer Algorithmus
CY  - Hohenheim
PB  - Kommunikations-, Informations- und Medienzentrum der Universität Hohenheim
AD  - Garbenstr. 15, 70593 Stuttgart
UR  - http://opus.uni-hohenheim.de/volltexte/2020/1762
ER  -