۱٫ معرفی
در سال های اخیر، مزایای منحصر به فرد بیوگاز زیست توده، مانند کاهش آب و هوا، راندمان بالا، و سهولت حمل و نقل و استفاده، به تدریج شناخته شده است. [
۱]. بیوگاز زیست توده قبلاً در اتحادیه اروپا صنعتی شده است. به عنوان ابزار مهم اقتصاد دایره ای، توسعه شدید صنعت بیوگاز می تواند بیوگاز را به یک جایگزین اصلی برای نفت تبدیل کند. [
۲]. با این حال، برای ارتقای توسعه فناوری بیوگاز در سطح جهان، به ویژه در اقتصادهای نوظهور در جنوب صحرای آفریقا و نیجریه، هنوز باید برخی از مشکلات برطرف شوند.
یکی از دلایل اصلی محدود کردن توسعه پروژه‌های بیوگاز در مقیاس بزرگ در آفریقا این است که نیروگاه‌های بزرگ بیوگاز اغلب با کمبود مواد، منابع مواد ناپایدار و مشکلات در حفظ عملیات عادی پروژه‌هایی که صرفاً بر یک تامین مواد تخمیری تکیه دارند، مواجه هستند. [
۳]. بنابراین، انتخاب مواد تخمیری بالقوه، افزایش منابع مواد، و اطمینان از عرضه کافی و موثر مواد تخمیر، اقدامات مهمی برای ارتقای توسعه صنعت بیوگاز در نیجریه است. انتخاب مواد نه تنها هزینه به دست آوردن مواد را در نظر می گیرد، بلکه بر ویژگی های تخمیر متان خود مواد نیز تمرکز دارد، که پارامترهای مهمی در فرآیند انتخاب مواد هستند و به طور مستقیم بر کارایی عملیاتی پروژه ها تأثیر می گذارند. [
۴,
۵]. در سال های اخیر، تحقیقات در مورد انتخاب مواد تخمیر بیوگاز بر اساس ویژگی های مواد خام عمدتاً بر تجزیه و تحلیل نسبت C/N مواد و نسبت مخلوط مواد متعدد متمرکز شده است. [
۶,
۷,
۸].
مطالعه حاضر به بررسی پیامدهای ترکیب سینتیک تخریب فردی و ویژگی‌های بالقوه تولید متان مواد در فرآیند انتخاب می‌پردازد، نه اینکه منحصراً بر آزمایش‌های پتانسیل بیوشیمیایی متان (BMP) تکیه کند. [
۹]. تست‌های BMP پارامترهای سینتیکی تخریب مواد ضروری را ارائه می‌کنند که برای هدایت انتخاب مواد و محاسبه ارزش اقتصادی مواد خام و طراحی فرآیند بسیار مهم هستند. [
۱۰,
۱۱]. با این حال، هنوز استانداردهای یکپارچه و درک بین المللی در مورد آزمایش های BMP وجود ندارد و سیستم ارزیابی پتانسیل تولید متان ناقص است. دقت روش های سنتی برای ارزیابی پتانسیل تولید متان از مواد نیز نسبتا ضعیف است. علاوه بر این، بسیاری از پروژه‌های بیوگاز بزرگ و متوسط در اقتصاد در حال توسعه مانند نیجریه به اندازه کافی بر فرآیند انتخاب مواد تأکید نمی‌کنند و فاقد روش‌های ارزیابی استاندارد، علمی و عملی هستند. در اصل، این مطالعه سینتیک تخریب منحصربه‌فرد و پتانسیل تولید متان چندین ماده منبع زیستی را برای درک رفتار آنها در فرآیندهای هضم بی‌هوازی بررسی می‌کند. این رویکرد روشی عملی تر و آگاهانه تر برای انتخاب مواد ارائه می دهد که فراتر از محدودیت های آزمایش های BMP و در نظر گرفتن ویژگی های خاص مواد موثر بر عملکرد آنها در سیستم های هضم بی هوازی است. [
۱۲].
این مطالعه از سیستم آزمایش پتانسیل متان خودکار (AMPTS II) استفاده می کند و از یک رویکرد از پیش تعریف شده پیروی می کند. [
۱۳] برای تجزیه و تحلیل BMP مواد از پیش انتخاب شده که به راحتی از نیروگاه های بیوگاز در مقیاس بزرگ داخلی در دسترس هستند. بنابراین، هدف اصلی این مطالعه ایجاد یک رویکرد استاندارد برای ارزیابی بسترها در نیروگاه‌های بیوگاز و تأسیسات هضم بی‌هوازی مرتبط با هدف افزایش کارایی، دقت و اعتبار علمی فرآیند ارزیابی فعلی در غیاب یک آزمایش استاندارد بود. روش ارزیابی بستر شامل تجزیه و تحلیل داده‌های مربوط به تولید گاز انباشته و دینامیک تخریب بستر با استفاده از مدل‌های ریاضی است. به طور خاص، مدل مرتبه اول، مدل مرتبه اول اصلاح شده و مدل گومپرتز برای برازش منحنی پتانسیل متان بیوشیمیایی (BMP) نه بستر، امکان تخمین ثابت‌های جنبشی و حداکثر BMPs این بسترها را فراهم می‌کند.
۳٫ نتایج
۳٫۱٫ برازش مدل منحنی پتانسیل متان و منحنی پتانسیل متان تجمعی برای مواد مختلف
نتایج آزمایش BMP برای مواد انتخابی نشان می دهد که تولید متان تجمعی از کاه برنج خشک، برگ ذرت، کاه برنج تازه، کاه سویا، ساقه ذرت، هیدرولیز کود مرغ، پر مرغ، ضایعات آشپزخانه و احشاء به ترتیب ۲۴۱٫۲۳، ۲۵۷٫۵۸ است. ، ۲۷۱٫۴۸، ۳۳۸٫۱۱، ۳۳۹٫۲۷، ۵۳۲٫۴۷، ۵۵۳٫۱۸، ۶۴۶٫۸۰، و ۶۹۱٫۲۳ میلی لیتر بر گرم (جدول ۳). در میان آنها، پتانسیل متان هیدرولیز کود مرغ در مقایسه با سایر مواد تخمیر بیوگاز مورد تحقیق مشاهده شد. [
۲۷,
۲۸].
مواد غنی از روغن و پروتئین پتانسیل متان بالاتری نسبت به هیدرولیز کود مرغ دارند، از جمله کله پاچه ها و پرها و ضایعات آشپزخانه، که کله پاچه دارای بالاترین BMP در بین تمام مواد انتخاب شده است. پتانسیل متان مواد سلولزی کمتر از هیدرولیز کود مرغی و مواد حاوی روغن و پروتئین بالا است. در این میان کاه برنج خشک کمترین پتانسیل متان را دارد. مواد غنی از روغن و پروتئین، که نمونه آن ترکیبات غنی از لیپید و پروتئین های پیچیده است، به عنوان بسترهای بسیار مطلوب برای تخریب میکروبی در طول هضم بی هوازی عمل می کنند. پیچیدگی شیمیایی ذاتی این ترکیبات و محتوای انرژی بالا آنها را برای تولید موثر متان مساعد می کند. در مقابل، سلولز و کربوهیدرات‌های ساده‌تر، مانند گلوکز، به دلیل ساختار مولکولی پیچیده‌تر و چگالی انرژی کمتر، پتانسیل نظری متان پایین‌تری از خود نشان می‌دهند. [
۹].
در عملیات عملی خود، آزمایش BMP به تولید متان تجمعی بی نهایت نزدیک می شود (BMP∞) که معمولاً برای تعیین پتانسیل متان مواد به زمان ماند طولانی نیاز دارد. با این حال، در کاربردهای عملی، پتانسیل نهایی متان را می‌توان از طریق مدل‌های ریاضی تخمین زد که پارامترهای جنبشی تولید متان مانند ثابت‌های جنبشی، نرخ تولید گاز و دوره تاخیر تخمیر را ارائه می‌دهد. معادله مرتبه اول یک معادله پایه برازش منحنی تولید متان است که از یک معادله دیفرانسیل سرعت واکنش مرتبه اول به دست آمده است. این می تواند منحنی های تولید متان معمولی (منحنی های بدون دوره تاخیر طولانی، نوسانات مرحله ای، یا کاهش) را مطابقت دهد. نتایج برازش پارامتر شامل BMP است∞ و ثابت جنبشی مرتبه اول ک. مزیت این مدل سادگی و سهولت محاسبه آن است، اما از معایب آن می توان به عملکرد ضعیف در برازش منحنی های پیچیده و دقت پایین نتایج برازش اشاره کرد.
معادله مرتبه اول اصلاح شده کاستی های معادله مرتبه اول را تصحیح می کند و همچنان می تواند منحنی ها را با نوسانات جزئی، کاهش ها و دوره های تاخیر کوتاه مطابقت دهد. نتایج برازش پارامتر BMP است
∞ و ثابت دینامیکی مرتبه اول
ک. معادله گومپرتز پیچیده‌تر از دو معادله قبلی است و می‌تواند منحنی‌هایی را با نوسانات جزئی، کاهش‌ها و دوره‌های تاخیر متناسب کند. نتایج برازش پارامتر شامل نرخ تولید گاز است
آرمتر، زمان گذاشتن
ل، و BMP
∞. به شرح زیر
شکل ۲a-i منحنی‌های عملیات تجربی نه ماده تخمیر را نشان می‌دهد، از جمله منحنی‌های برازش مدل مرتبه اول کلاسیک، مدل مرتبه اول اصلاح‌شده، و مدل گومپرتز که به طور گسترده استفاده می‌شود برای منحنی‌های تولید متان تجمعی هر ماده تخمیر.
جدول ۲ نتایج برازش ارائه شده توسط سه مدل را فهرست می کند. نتایج برازش نشان می‌دهد که دقت معادله مرتبه اول در برازش منحنی‌های تولید گاز نه ماده در بین سه مدل کمترین میزان است. با انحراف قابل توجهی از مقادیر آزمایشی (به ترتیب ۳۷۵۰۰۰ و ۱۳۲۴) با منحنی های تولید گاز کله پاچه و پر مرغ مطابقت ندارد و همچنین انحرافات زیادی را در برازش منحنی های تولید گاز ضایعات غذایی و کود مرغ نشان می دهد. هیدرولیز (به ترتیب ۴۰/۶۸۷ و ۴۰/۵۴۲). بنابراین، معادله مرتبه اول ممکن است برای برازش منحنی های تولید گاز هیدرولیز کود مرغی و مواد غنی از روغن و پروتئین مانند کله پاچه، پرها و ضایعات آشپزخانه مناسب نباشد.
معادله مرتبه اول اصلاح شده R-squared (آر۲) مقدار قابل توجه تر از ۰٫۹۷ و بالاتر از دو مدل دیگر است (کمی کمتر از مدل Gompertz فقط در زباله های آشپزخانه). ریشه میانگین مربعات خطا (RMSE) نیز ضعیف ترین در بین سه معادله برازش است که نشان می دهد معادله مرتبه اول اصلاح شده بیشترین دقت را در برازش منحنی های تولید گاز در بین سه معادله دارد. با این حال، مدل مرتبه اول اصلاح شده دارای نتایج برازش BMP کمتری برای پر و احشاء مرغ نسبت به مدل گومپرتز به دلیل تاخیر طولانی در منحنی‌های تولید گاز پرها است که بر دقت اتصال منحنی تأثیر می‌گذارد و در نتیجه برازش نادرست نتایج حاصل می‌شود. بنابراین، اصلاحات بیشتر مدل باید هنگام استفاده از معادله مرتبه اول اصلاح شده برای برازش انجام شود.
به طور کلی، مدل گومپرتز مقادیر نسبتاً نزدیک به مقادیر آزمایشی برای BMP نهایی هر ماده را ارائه می دهد و دقت برازش منحنی آن در محدوده معقولی است که آن را برای شبیه سازی فرآیند تولید متان مواد مختلف مناسب می کند.
۳٫۲٫ تعیین مقادیر BMP برای مواد انتخابی – BMP1%
هدف آزمایش BMP تعیین حداکثر بازده متان ماده آلی با استفاده از روش های بیولوژیکی است. به دلیل فقدان استانداردهای آزمایشی یکپارچه، آزمایشگاه‌ها و تیم‌های مختلف روش‌های عملیاتی متفاوتی برای تعیین بالاترین تولید متان و زمان توقف آزمایش دارند. به طور کلی، حداکثر BMP (BMP∞) به عنوان مقداری تعریف می شود که تولید متان تثبیت می شود و دیگر تغییر نمی کند. طبق این استاندارد، آزمایشات BMP زمان زیادی طول می کشد که معمولاً بیش از ۷۰ روز است. از آنجایی که هیچ استاندارد کمی برای نقطه پایان آزمایش وجود ندارد، به طور کلی بر قضاوت ذهنی اپراتور متکی است. این ممکن است از احتمال افزایش بیشتر در تولید گاز پس از یک دوره پایدار جلوگیری نکند و منجر به تغییرات در BMP نهایی شود.∞ برای یک ماده به دلیل زمان‌های تخمیر متفاوت شناسایی شد که بر صحت و قابلیت اطمینان داده‌های تجربی تأثیر می‌گذارد. در عین حال، مدت زمان آزمایش نیز بسیار طولانی است.
به دلایل فوق، این مقاله استفاده از BMP را پیشنهاد می کند
۱% از استاندارد ۲۰۱۶ انجمن مهندسی آلمان VDI 4630 [
20] به عنوان پتانسیل متان برای اندازه گیری مواد، که به عنوان مقدار BMP تعریف می شود که تولید متان در روز کمتر از ۱٪ از تولید تجمعی باشد.
جدول ۳ BMP را لیست می کند
۱% مقادیر برای مواد مختلف، BMP در پایان آزمایش، و درصد کاهش زمان در هنگام استفاده از BMP
1% به عنوان معیار پایان آزمایش BMP. در میان نه ماده، BMP
1% مقادیر برای کاه برنج خشک، برگ ذرت، برنج تازه، کاه سویا، ساقه ذرت، هیدرولیز کود مرغ، پر مرغ، ضایعات آشپزخانه و کله پاچه مرغ عبارتند از ۲۳۴٫۱۴، ۲۴۱٫۰۱، ۲۵۳٫۳۴، ۳۳۱٫۴۰، ۳۰۵٫۸۰، ۳۰۵٫۸۰، .۳۱۰، ۵۰ ۲ میلی لیتر بر گرم به ترتیب. BMP
1% برای مواد غنی از روغن و پروتئین و هیدرولیز کود مرغ بیش از ۵۰۰ میلی لیتر در گرم، با بالاترین BMP
1% برای ضایعات مواد غذایی BMP
1% برای مواد سلولزی بین ۲۰۰ تا ۳۵۰ میلی لیتر در گرم است، کاه سویا دارای بالاترین BMP است.
۱% و کاه برنج خشک کمترین. ساقه های ذرت ۲۱٫۲ درصد BMP بالاتری دارند
۱% نسبت به برگ ذرت، و کاه برنج تازه ۷٫۶ درصد BMP بالاتری دارد
۱% از کاه برنج خشک
۴٫ بحث
در زمینه فناوری سبز، تمرکز زیادی بر ارزیابی کارایی عملیاتی راکتورها، به ویژه با پتانسیل بیوشیمیایی متان در ۹۰٪ (BMP) وجود دارد.
۹۰%). این معیار تولید متان را قبل از رسیدن به ۹۰ درصد از کل BMP نشان می دهد و در تحقیقات منابع زیستی از اهمیت قابل توجهی برخوردار است. [
۲۹,
۳۰]. در محدوده این آزمایش، BMP
1% مقادیر همه مواد نشان می دهد که آنها بیش از ۸۵٪ از ارزش کل BMP را در انتها تشکیل می دهند و به طور موثر BMP را محصور می کنند.
۹۰%. این مشاهدات نشان می دهد که BMP
1% یک معیار موثر و قابل اعتماد برای پتانسیل متان برای نه ماده مورد بررسی است. این یافته پیامدهای عمیقی برای درک و بهینه سازی فرآیندهای تولید متان در چارچوب عملیات راکتور دارد. این بر کاربرد عملی BMP تاکید می کند
۱% به عنوان یک شاخص ارزشمند پتانسیل متان.
در همان زمان، در مقایسه با زمان پایان ذهنی آزمایش، رسیدن به BMP1% باعث صرفه جویی در زمان با ۲۶٫۹۸% به ۷۲٫۰۶% می شود. اگر بر اساس BMP تخمین زده شود، زمان صرفه جویی می شود∞ چرخه زمانی در نتیجه، با استفاده از ارزش تولید متان در BMP1% به عنوان یک استاندارد مقایسه پتانسیل متان بین مواد در فرآیند انتخاب مواد امکان پذیر است. هنگام استفاده از BMP1% به جای حداکثر BMP سنتی، چندین مزیت دارد:
-
زمان آزمایش را نسبتاً کوتاه می کند.
-
این استاندارد یک استاندارد قابل اندازه‌گیری برای تعیین BMP ارائه می‌کند، بدون تکیه بر قضاوت ذهنی اپراتور، و آن را عینی‌تر می‌کند.
-
BMP1% مقادیر BMP را در همان سطح تخمیر مقایسه می کند و نتایج آزمایش مقایسه را با زمان های مختلف تخمیر تسهیل می کند.
مقادیر پتانسیل متان به طور گسترده ای در بین مواد غربال شده در این مطالعه متفاوت است. در کاربردهای مهندسی عملی، جدا از انتخاب مواد با پتانسیل متان بالا، تجزیه و تحلیل بیشتری برای تعیین اینکه آیا یک ماده خاص می‌تواند به عنوان بستر تخمیر در نیروگاه‌های بیوگاز مورد استفاده قرار گیرد، با در نظر گرفتن عواملی مانند جمع‌آوری مواد، حمل و نقل و هزینه‌های پیش‌فرآوری مورد نیاز است.
ارزیابی پارامترهای جنبشی برای مواد غربال شده در سینتیک شیمیایی بسیار مهم است، که منعکس کننده سرعت واکنش ها در یک سیستم است.
شکل ۳ ثابت های جنبشی واکنش را نشان می دهد
ک مشتق شده از منحنی های تولید گاز BMP برازش شده توسط مدل مرتبه اول، مدل مرتبه اول اصلاح شده و مدل گومپرتز و همچنین نرخ تولید متان
آرمتر برازش شده توسط مدل گومپرتز، که به طور مستقیم با سرعت واکنش متناسب است. روند ثابت های جنبشی برازش شده
ک برای نه ماده توسط سه معادله به طور کلی مشابه هستند (
شکل ۳). با این حال، تفاوت های قابل توجهی بین مقادیر برازش سه مدل برای کاه برنج خشک و تازه و پر مرغ وجود دارد. مقایسه این سه مدل نشان داد که مدل گومپرتز دقیق تر است. از این رو، در بحث های بعدی،
ک اشاره به
کگومپرتز برگرفته از اتصالات مدل گومپرتز.
در دسته مواد غنی از روغن و پروتئین، ضایعات آشپزخانه/غذا (BMP
1% از ۰٫۱۷۸ d
-1) بالاترین ثابت جنبشی k را در بین نه ماده فهرست شده نشان می دهد (
جدول ۲) و بالاترین BMP را دارد
۱% ارزش. با این حال، BMP
1% کله پاچه و پرهای مرغ نیز در این دسته زیاد است. در نتیجه، محتوای پروتئین و روغن آنها مقدار زیادی اسیدهای چرب با زنجیره بلند و آمونیاک تولید می کند که از تکثیر میکروارگانیسم های بی هوازی جلوگیری می کند. [
۲۴]. این بازداری منجر به کوچکترین ثابت جنبشی در بین نه ماده، در ۰٫۰۶۵ و ۰٫۰۵۸ d می شود.
-۱ برای پر و احشاء مرغ به ترتیب به طور قابل توجهی بالاتر از مقادیر مناسب مدل های مرتبه اول و اصلاح شده مرتبه اول (
جدول ۲). این اختلاف تفاوت های اساسی در نتایج برازش مدل های مختلف را برجسته می کند.
علاوه بر این، زمان طولانی مورد نیاز برای رسیدن پر و احشاء مرغ به BMP
1% (به ترتیب ۳۵ و ۴۶ روز)، همراه با افزایش آهسته تولید متان حتی پس از ۶۸ روز واکنش، نشان می دهد که این مواد به کندی تجزیه می شوند. نرخ پایین تجزیه هیدرولیز کود مرغی (۰٫۰۷۸ روز
-۱) همچنین ممکن است ناشی از اثر بازدارندگی غلظت نیتروژن با آمونیاک بالا یا عدم سازگاری سویه های میکروبی با سطوح نیتروژن با آمونیاک بالا باشد. در میان مواد مبتنی بر سلولز، کاه و برگ ذرت خشک و تازه، نرخ تخریب نسبتاً سریعی را در بین ۹ ماده غربال‌شده، با ثابت‌های جنبشی ۰٫۱۳۸، ۰٫۱۳۰، و ۰٫۱۶۵ d نشان می‌دهند.
-۱، به ترتیب (
شکل ۳). به موازات آن، ثابت جنبشی کاه سویا در ۰٫۰۸ روز نسبتا کم است.
-۱. در مقابل، ساقه های ذرت کمترین سرعت تخریب را دارند (۰٫۰۶۵ d
-1در بین مواد سلولزی، عمدتاً به دلیل محتوای لیگنوسلولزی کمتر آنها نسبت به برگ ذرت و رطوبت بیشتر نسبت به ساقه ذرت است.
پس از درک پتانسیل تولید متان مواد، کاربرد آنها در تنظیمات مهندسی موجود به عنوان مواد تخمیر مکمل یا مستقل به سینتیک تخریب آنها بستگی دارد. ثابت‌های جنبشی تخریب بالاتر، نرخ‌های واکنش سریع‌تر و زمان‌های ماندگاری کوتاه‌تر در مخزن تخمیر را نشان می‌دهند که منجر به راندمان عملیاتی بالاتر می‌شود. برعکس، ثابت‌های جنبشی تخریب پایین‌تر، سرعت واکنش آهسته‌تری را نشان می‌دهند، به طور بالقوه چرخه تخمیر را طولانی‌تر می‌کنند و بازده عملیات نیروگاه بیوگاز را کاهش می‌دهند و خطرات ناشی از تخمیر هم‌زمان را افزایش می‌دهند. در میان نتایج، کاه خشک و تازه برنج و برگ ذرت از منابع سلولزی نرخ تخریب نسبتاً بالایی و پتانسیل تولید متان را نشان می‌دهند که آنها را به مواد تخمیر بالقوه برای مهندسی بیوگاز و توسعه فناوری سبز تبدیل می‌کند.
اگرچه ساقه‌های ذرت و کاه سویا پتانسیل تولید متان بالاتری را در میان مواد سلولزی نشان می‌دهند، اما نرخ هیدرولیز آنها نسبتاً پایین است. کله پاچه ها و پرهای مرغ در مواد پرچرب و غنی از پروتئین دارای نرخ تخریب طولانی مدت هستند، با این حال پتانسیل تولید متان آنها بالا است و در نتیجه نرخ تولید متان نسبتاً بالایی دارد. بنابراین، برای تعیین مناسب بودن مواد به عنوان بسترهای تخمیر برای مهندسی بیوگاز، هم پتانسیل تولید متان و هم نرخ تولید متان باید در نظر گرفته شود.
در همین حال، پیش پردازش برای موادی با نرخ تخریب پایین، مانند مواد غنی از چربی یا مواد لیگنوسلولزی، بسیار ضروری است. پیش پردازش مناسب می تواند نرخ تخریب، نرخ تولید گاز و پتانسیل تولید متان را افزایش دهد و نقش مهمی در بهبود استفاده از آنها ایفا کند. [
۳۱]. در مهندسی، خرد کردن فیزیکی ساده می تواند راندمان تخریب مواد سلولزی مانند ذرت و کاه سویا را افزایش دهد. [
۳۲]. احشاء و پرهای مرغ پتانسیل متان بالایی برای مرغداری ها دارند و مواد مناسبی به شمار می روند. احشاء و پرهای مرغ از پیش فرآوری شده، اگر بتوانند پتانسیل بالای متان خود را به سرعت آزاد کنند، می توانند تا حدودی تولید گاز در پروژه های بیوگاز مزرعه مرغ را در مقیاس بزرگ افزایش دهند. علاوه بر این، تصفیه بی هوازی احشاء و پرهای مرغ یک روش بازیابی منابع را برای درمان بی ضرر ضایعات مزرعه فراهم می کند و به شیوه های اقتصاد دایره ای همانطور که در تحقیقات مطرح شده است کمک می کند. [
۱۳,
۱۷,
۲۲].
