Promising future for biodiesel : superstructure optimization from feed to fuel

Biodiesel plays an important role in the strategy to replace fossil fuels in heady duty applications for agriculture, construction, industrial, and transportation sectors at least until 2030. Biodiesel has lower net greenhouse gas (GHG) emission than fossil fuels because of its short carbon cycle. The carbon dioxide CO2 released from the biodiesel engines is absorbed by plants which will become the feedstocks for biofuel production, thus, making this a circular process. However, the biodiesel price is higher than fossil fuels because of the high costs of feedstock and production. The solutions for reducing biodiesel price are 1) selection of economic feedstocks, 2) increase the efficiency of production process in term of capital and operating costs and 3) improving the value of by-products. Currently, there many are many researches relating to new feedstocks and improved process to produce biodiesel. However, a systematic evaluation of feedstock selection and innovative production process is still lacking in the literature. The aim of this work is to fill the knowledge gap by using the superstructure optimization method. Superstructure optimization is a systematic method for evaluating and comparing alternatives from a large space of structural activities. The superstructure model is capable of selecting the most profitable process out of a set of alternatives considering capital and operating costs. In addition, a separated section to enhance the quality of the co-product is considered. Furthermore, the model is designed in a generalized way, in order to be easily expanded for future works. The superstructure is developed and implemented in Python as a mixed integer linear program (MILP) using the Pyomo modelling package and Gurobi as optimization solver. The problem is characterized by a total of 8968 constraints and 4120 variables. Firstly, the result is validated through a comparison with two previous works. Secondly, a sensitivity analysis is performed to better understand which are the most influencing parameters, showing that the model is most sensitive with respect to biodesel price, capacity and feedstock cost, while the influences of glycerol price and methanol cost are very low. Finally, the superstructure model is applied to different scenarios, showing an improvement of more than 20% in the final profit compared to traditional methods. The results prove that waste cooking oil (WCO) and tallow oil are the most valid feedstocks between the ones considered. Another important insight is the potential of reactive distillation combined with acid heterogeneous catalyzed transesterification, although at the moment it is not widely spread, it can open interesting prospective in the biodiesel production process.

Il biodiesel svolge un ruolo fondamentale nella strategia per sostituire i combustibili fossili in applicazioni pesanti per l'agricoltura, l'edilizia, l'industria e i trasporti almeno fino al 2030. Il biodiesel ha emissioni nette di gas serra (GHG) inferiori rispetto ai combustibili fossili a causa del breve ciclo del carbonio. L'anidride carbonica CO2 rilasciata dai motori a biodiesel viene assorbita dalle piante che diventeranno le materie prime per la produzione di biocarburanti, rendendo così questo processo circolare. Tuttavia, il prezzo del biodiesel è superiore a quello dei combustibili fossili a causa degli alti costi delle materie prime e della produzione. Le soluzioni per ridurre il prezzo del biodiesel sono 1) selezione di materie prime economiche, 2) aumento dell'efficienza del processo produttivo in termini di capitale e costi operativi e 3) miglioramento del valore dei co-prodotti. Attualmente, ci sono molte ricerche su nuove materie prime e processi innovativi per produrre biodiesel. Tuttavia, in letteratura manca ancora una valutazione sistematica della selezione delle materie prime e del processo di produzione. Lo scopo di questo lavoro è quello di colmare questo divario utilizzando il metodo di ottimizzazione della sovrastruttura. L'ottimizzazione della sovrastruttura è un metodo sistematico per valutare e confrontare diversi processi all'interno di un ampio set di alternative. Il modello della sovrastruttura è in grado di selezionare il processo più redditizio da una serie di alternative considerando i costi capitali e operativi. Inoltre, viene considerata una sezione separata per migliorare la qualità del co-prodotto. Oltretutto, il modello è concepito in maniera generalizzata, in modo da essere facilmente estendibile per lavori futuri. La sovrastruttura è sviluppata e implementata in Python come programma lineare misto intero (MILP) utilizzando il pacchetto di modellazione Pyomo e Gurobi come risolutore di ottimizzazione. Il problema è caratterizzato da un totale di 8968 vincoli e 4120 variabili. In primo luogo, il risultato viene convalidato attraverso un confronto con due lavori precedenti. In secondo luogo, viene eseguita un'analisi di sensibilità per comprendere meglio quali sono i parametri più influenti, mostrando che il modello è più sensibile rispetto al prezzo del biodesel, alla capacità e al costo delle materie prime, mentre l'influenza del prezzo del glicerolo e del costo del metanolo è molto bassa. Infine, il modello della sovrastruttura viene applicato a diversi scenari, mostrando un miglioramento di oltre il 20% del profitto finale rispetto ai metodi tradizionali. I risultati dimostrano che l'olio da cucina esausto (WCO) e l'olio di sego sono le materie prime più valide tra quelle considerate. Un altro aspetto importante è il potenziale della distillazione reattiva combinata con la transesterificazione catalizzata acida eterogenea, sebbene al momento non sia molto diffusa, può aprire interessanti prospettive nel processo di produzione del biodiesel.