ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИИ IOT ДЛЯ УПРАВЛЕНИЯ ПРОЦЕССОМ АНАЭРОБНОГО БРОЖЕНИЯ В БИОРЕАКТОРЕ
DOI:
https://doi.org/10.52167/1609-1817-2024-133-4-459-467Ключевые слова:
aнаэробное сбраживание, анаэробный биореактор, биогаз, Интернет вещей (IoT), MATLAB, система мониторинга биореакторовАннотация
В связи с растущим беспокойством по поводу глобального изменения климата и истощения ограниченных ресурсов ископаемого топлива вопросы поиска возобновляемых источников энергии приобретают все большее значение. Процесс анаэробной ферментации путем расщепления отходов с использованием таких микроорганизмов, как вирусы, грибы, гельминты, бактерии и простейшие, производится биогаз, который считается возобновляемым источником энергии. В последние годы модели машинного обучения используются для повышения эффективности и стабильности процесса анаэробного брожения, а также позволяют прогнозировать неизвестные параметры, выявлять изменения или сбои в процессе и отслеживать их в режиме реального времени. В статье изучено использование искусственных нейронных сетей метода машинного обучения при обработке данных в процессе анаэробного брожения. С помощью технологии IoT была создана общая архитектура системы управления путем получения биогаза на основе процесса анаэробной ферментации в биореакторе. Биореактор, разработанный в среде SCADA, предлагал автоматизированную систему для обеспечения дистанционного управления процессом анаэробного брожения и мониторинга. Мы обнаружили, что управление процессом анаэробной ферментации в биореакторе и производство энергии, газа в форме биогаза было эффективным решением.
Библиографические ссылки
[1] Abdelfattah A., Ali S.S., Ramadan H., El-Aswar E.I., Eltawab R., Ho S.H., Elsamahy T., Li S., El-Sheekh M.M., Schagerl M., Kornaros M., Sun J. (2023). Microalgae-based wastewater treatment: mechanisms, challenges, recent advances, and future prospects. Environ Sci Ecotechnol 13:100205. https://doi.org/10.1016/j.ese.2022.100205
[2] Jean H. El Achkar, Rohayem C., Salameh D., Louka N., Maroun R. G., Hobaika Z., (2018) Olive pomace, a source of green energy using anaerobic digestion. In: 2018 4th International Conference on Renewable Energies for Developing Countries (REDEC). IEEE, pp. 1–6.
[3] Dessie W., Luo X., Wang M., Feng L., Liao Y., Wang Z., Yong Z., Qin Z. (2020). Current advances on waste biomass transformation into value-added products. Appl. Microbiol. Biotechnol. 104, 4757–4770. Phys A Stat Mech Its; 541: 123360. https://doi.org/10.1016/J.PHYSA.2019.123360.
[4] Dalwinder S., Birmohan S.(2020)Investigating the impact of data normalization on classification performance. Applied Soft Computing, Volume 97, Part B,105524,ISSN 1568-4946,https://doi.org/10.1016/j.asoc.2019.105524.
[5] Mandal, A.; Cho, H.; Chauhan, B.S. ANN Prediction of Performance and Emissions of CI Engine Using Biogas Flow Variation. Energies 2021, 14, 2910. https:// doi.org/10.3390/en14102910
[6] Najafi B., Ardabili S.F. (2018). Application of ANFIS, ANN, and logistic methods in estimating biogas production from spent mushroom compost (SMC). Resour Conserv Recycl; 133:169–78. https://doi.org/10.1016/J. RESCONREC.2018.02.025.
[7] Armaghani D.J., Asteris P.G. (2021). A comparative study of ANN and ANFIS models for the prediction of cement-based mortar materials compressive strength. Neural Comput Appl; 33:4501–32. https://doi.org/10.1007/S00521-020-05244-4/TABLES/ 8.
[8] Uddin M., Wright M., (2023). Anaerobic digestion fundamentals, challenges, and technological advances. Physical Sciences Reviews, 8(9), 2819-2837. https://doi.org/10.1515/psr-2021-0068
[9] Nigel G. H. Guilford, Hyun Woo Peter Lee, Kärt Kanger, Torsten Meyer, and Elizabeth A. (2019). Solid-State Anaerobic Digestion of Mixed Organic Waste: The Synergistic Effect of Food Waste Addition on the Destruction of Paper and Cardboard. Environmental Science & Technology 53 (21), 12677-12687. DOI: 10.1021/acs.est.9b04644
[10] Daniel Jia Sheng Chong, Yi Jing Chan, Senthil Kumar Arumugasamy, Sara Kazemi Yazdi, Jun Wei Lim (2023).Optimisation and performance evaluation of response surface methodology (RSM), artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) in the prediction of biogas production from palm oil mill effluent (POME). Energy, Volume 266, 126449, ISSN 0360-5442, https://doi.org/10.1016/j.energy.2022.126449.
[11] Zou Y., Yu L., Tso G.K., He K. (2020). Risk forecasting in the crude oil market: a multiscale Convolutional Neural Network approach
[12] Mohamed Anis Aguida, Samir Ouchani, Mourad Benmalek (2021). An IoT-based Framework for an Optimal Monitoring and Control of Cyber-Physical Systems: Application on Biogas Production System. 10.1145/3494322.3494341
[13] Rushikesh Ravindra Pansari, Dr. S.R. Patil, Dr. M.S. Khan (2020). Development of IoT based Monitoring of Biogas Plant. International Journal of Scientific & Engineering Research Volume 11, Issue 8, ISSN 2229-5518
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Баглан Иманбек, Акжайық Сагимбекова, Зухра Абдиахметова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
