Development of a mathematical model for process design and operation of Spirulina cultivation in raceway ponds under greenhouses

This study focuses on the calibration and validation of a thermal and biological model to simulate the cultivation of microalgae (Spirulina) in raceway ponds under a double-covered greenhouse system using data collected in an industrial site located in Slovenia and analyzed using MATLAB software. The goal was to refine temperature and biomass productivity predictions so that the calibrated model could be used to optimize microalgae growth conditions and analyse the cost-benefit of temperature correction. Since the biological model for algae growth is already employed, this research focused on sensitivity analysis and calibration of the thermal model, with the goal of relying solely on physical models and avoiding empirical relationships. Data were collected with the windows closed, with no heat supply from outside. These data collection conditions did not allow for continuous collection because the collecting condition were not in line with the plant's operational conditions. Poor data availability affected the accuracy of the thermal model calibration. Sensitivity analysis identified air infiltration rate as the most influential parameter on tank temperature. The thermal model did not predict the expected results, with non-negligible prediction errors. However, the calibrated thermal model combined with the preexisting biological model showed comparable results, due to the partial loss of information within the biological model itself. Tank productivity was estimated at 2.55 gDM m-2 d-1, with a modelling error of 5.94%. A possible improvement to the model should include the ability to open and close the side windows of the greenhouse. This would allow the collection of more data and the model could be calibrated both on summer and winter days. Other relevant results related to the plant management strategies are: the tanks operate at too low biomass concentration, producing less spirulina than the model-based assessed value, thus working at sub-optimal overall productivity. In this thesis it is argued that a three-fold increase in algal biomass concentration before and after harvest could increase overall productivity by up to +140%. This should be done with sufficient mixing within the pond so that radiation can evenly reach each Spirulina cell to prevent solar radiation from becoming insufficient for growth. Despite the room for improvement in the thermal model prediction capacity, a mathematical model of biomass productivity is of strategic importance in all the related fields of algae production and wastewater treatment, thus more research is necessary for a more precise prediction.

Questo studio si concentra sulla calibrazione e sulla validazione di un modello termico e biologico per simulare la coltivazione di microalghe (Spirulina) in vasche a corsia sotto un sistema di serra a doppia copertura, utilizzando dati raccolti in un sito industriale situato in Slovenia e analizzati con il software MATLAB. L'obiettivo era quello di affinare le previsioni di temperatura e produttività della biomassa, in modo che il modello calibrato potesse essere utilizzato per ottimizzare le condizioni di crescita delle microalghe e analizzare il rapporto costi-benefici della correzione della temperatura. Poiché il modello biologico per la crescita delle alghe è già utilizzato, questa ricerca si è concentrata sull'analisi di sensibilità e sulla calibrazione del modello termico, con l'obiettivo di affidarsi esclusivamente a modelli fisici ed evitare relazioni empiriche. I dati sono stati raccolti con le finestre chiuse e senza apporto di calore dall'esterno. Queste condizioni di raccolta dei dati non hanno consentito una raccolta continua perché le condizioni di raccolta non erano in linea con le condizioni operative dell'impianto. La scarsa disponibilità di dati ha influito sull'accuratezza della calibrazione del modello termico. L'analisi di sensibilità ha identificato il tasso di infiltrazione dell'aria come il parametro più influente sulla temperatura del serbatoio. Il modello termico non ha previsto i risultati attesi, con errori di previsione non trascurabili. Tuttavia, il modello termico calibrato combinato con il modello biologico preesistente ha mostrato risultati comparabili, a causa della parziale perdita di informazioni all'interno del modello biologico stesso. La produttività della vasca è stata stimata a 2.55 gSS m-2 d-1, con un errore di modellizzazione del 5.94%. Un possibile miglioramento del modello dovrebbe includere la possibilità di aprire e chiudere le finestre laterali della serra. Ciò consentirebbe di raccogliere un maggior numero di dati e di calibrare il modello sia nei giorni estivi che in quelli invernali. Altri risultati rilevanti relativi alle strategie di gestione delle piante sono: le vasche operano a una concentrazione di biomassa troppo bassa, producendo meno spirulina rispetto al valore stimato dal modello, lavorando quindi a una produttività complessiva non ottimale. In questa tesi si sostiene che un aumento di tre volte della concentrazione di biomassa algale prima e dopo il raccolto potrebbe aumentare la produttività complessiva fino a +140%. Questo dovrebbe essere fatto con una sufficiente miscelazione all'interno della vasca, in modo che la radiazione possa raggiungere uniformemente ogni cellula di Spirulina per evitare che la radiazione solare diventi insufficiente per la crescita. Nonostante il margine di miglioramento nella capacità di previsione del modello termico, un modello matematico della produttività della biomassa è di importanza strategica in tutti i campi correlati alla produzione di alghe e al trattamento delle acque reflue, pertanto sono necessarie ulteriori ricerche per una previsione più precisa.