In-situ biological biogas upgrading : model validation and parametric identification

The demand for a greater implementation of the renewable energy in the context of power grid network underlines its limits: its production is often unreliable and discontinuous. To overcome the challenge of disconnect between the demand of electric energy and supply provided by the renewable energy sources, various solutions were developed. One of these solutions is power-to-gas (P2G). The excess electric energy is used to hydrolyze water to create oxygen and hydrogen. Since the hydrogen gas is characterized by high instability and low transportability it can be used in-loco to create a more stable and energy dense methane. The anaerobic digestion of an organic substrate such as municipal wastewater sludge harnesses biogas, a mixture of methane, carbon dioxide and other trace compounds. By developing a synergy between P2G and anaerobic digestion, a procedure can be obtained that raises the methane concentration in the biogas while removing CO2. Such procedure is called biogas bio-upgrading and is mediated by methanogenic hydrogenotrophic microbial communities that synthetize methane from hydrogen and carbon dioxide. The upgrading is performed by injecting hydrogen gas either in an existing biological reactor (in -situ procedure) or in ad-hoc vessel where no sludge is provided (Ex-situ) The mathematical description of the anaerobic digestion process is performed by various models. The most relevant ones are the ADM1, developed by international water association and AMOCO, written by a research team for a European union project. The modelling of the bio-upgrading process for the in-situ implementation was first performed by (Rosito, 2019) by combining AMOCO model with some of ADM1’s equations. The aim of this work is the validation of such model. The validation was performed by testing the response to various input signals, by implementing different types of reactor control, parametric sensitivity testing and mass balance checks. The model’s potential as a predictive tool was then tested by comparing it against the existing data of a bio-upgrading 4 experiment. At last, a parametric identification algorithm was developed on basis of the linear fractional transformation framework

La domanda per una maggiore implementazione delle fonti rinnovabili ne sottolinea anche un loro limite: la loro produzione è sovente discontinua. Per far fronte allo squilibrio fra la domanda dell’energia elettrica e l’offerta fornita dalle fonti sono state sviluppate molteplici soluzioni basate sullo stoccaggio e sulla conversione dell’energia. Uno di questi metodi è il power-to-gas (P2G) ove si usa il surplus elettrico per operare idrolizzatori che, a partire dall’acqua, creano idrogeno. L’idrogeno, essendo un gas dalle scarse proprietà di stabilità e trasportabilità può essere usato per creare gas più stabili e più energeticamente densi come metano. La digestione anaerobica di un substrato organico come fanghi provenienti dal trattamento delle acque municipali, produce un fango stabilizzato e biogas, una miscela gassosa di metano, anidride carbonica ed altri gas di traccia. Sviluppando un connubio fra il P2G e il processo della digestione anaerobica si può ottenere una procedura, chiamata bio-upgrading che può aumentare il tenore di metano nel biogas usando l’idrogeno e l’anidride carbonica presente nel biogas. Tale procedura viene mediata dal consorzio batterico degli idrogenotrofi metanigeni che a partire dall’idrogeno e anidride carbonica producono metano. L’upgrading può essere effettuato in un reattore di digestione anaerobica preesistente oppure in un reattore speciale. Nel primo caso l’upgrading è detto in-situ, nel secondo ex-situ La descrizione del processo di digestione anaerobica è effettuata da svariati modelli matematici di cui i più rilevanti sono ADM1 e AMOCO. La modellizzazione del processo di bio-upgrading in-situ mediato da metanigeni idrogenotrofi fu effettuata da (Rosito, 2019) mediante un modello AMOCO, modificato con equazioni dell’ADM1. Lo scopo di questo lavoro è di validare il modello ottenuto. Ciò è stato effettuato migliorando le equazioni del modello, valutando la risposta a diversi segnali ed effettuando 2 test di sensitività parametrica. La validità del modello come strumento di previsione è stata testata poi con dati reali provenienti da un esperimento di upgrading in-situ. Infine, è stato scritto un algoritmo di identificazione parametrica basato sulla trasformazione lineare fratta.