project - EIP-AGRI Operational Group
BITUPROP - Increasing the productivity of biogas reactor with process optimization
BITUPROP - Biokaasulaitoksen tuottavuuden nosto prosessin optimoinnin avulla
Contexte
After a successiful project, the predicitive optimization of the biogas production processes may allow biogas reactor investsments also for smaller farms, since the payback period of the loan for the investment is shortened.
Objectives
The most important objective is creating mathematical models of biogas production process for a conventional farm scale reactor and for pilot scale methanation process of biogas in Viskaali farm, Muhos, Finland to predict and optimize the biogas production processes (e.g. the consuption of energy and raw materials as well as quality and amount of biogas). The second objective is to develop faster and partly automated chemical analyses to detect the state of the biogas production process for the opimization models. The third objective is to estimate the effect of the optimization models for the economy of the biogas production processess using the balance sheet calculations.
Objectives
Tärkeimpänä tavoitteena on rakentaa biokaasun tuotantoprosessia (mm. raaka-aineen ja energian kulutusta sekä biokaasun tuotantoa ja laatua) ennustava matemaattinen optimointimalli maatilakokoluokan perinteiselle biokaasulaitokselle sekä biokaasun pilotti-mittakaavan metanointiprosessille Viskaalin tilalla Muhoksella. Toisena tavoitteena on kehittää nopeampia ja osin automatisoituja kemiallisia mittauksia, joita optimointimallit käyttävät biokaasun tuotantoprosessin tilan seuraamisessa ja ennustavassa optimoinnissa. Kolmantena tavoitteena on arvioida optimoitujen tuotantoprosessien taloudellista kannattavuutta ja sen lisääntymistä taselaskennan avulla.
Activities
The project includes nine work packages: WP1 Management and coordination WP2 Planning and preparation of process optimization. WP3 Gathering the measurement data and process analysis results. WP4 Preparation of the pilot scale metahanation process station for ready-to-use. WP5 Modelling of the biogas production processes. WP6 The development of chemical analysis methods. WP7 Optimization of the biogas production processes. WP8 Balance sheet calucations and comparisons before and after biogas production process optimization. WP9 Information provision/advisory.
Activities
Projekti koostuu yhdeksästä työpaketista: TP1 Hankkeen hallinnointi ja koordinointi. TP2 Prosessien optimoinnin suunnittelu ja valmistelu. TP3 Mittaus- ja analyysidatan keräys. TP4 Tutkimuskontin asennus ja käyttökuntoon laitto. TP5 Biokaasun tuotantoprosessien mallinnus. TP6 Kemiallisten analyysimenetelmien kehitys. TP7 Biokaasun tuotantoprosessien optimointi. TP8 Biokaasun tuotantoprosessien taselaskennat ennen ja jälkeen optimoinnin. TP9 Tiedotus.
Project details
- Main funding source
- Rural development 2014-2020 for Operational Groups
- Rural Development Programme
- 2014FI06RDRP001 Manner-Suomen maaseudun kehittämisohjelma 2014-2020
Emplacement
- Main geographical location
- Pohjois-Pohjanmaa
- Other geographical location
- Kainuu
EUR 319 880.00
Total budget
Total contributions from EAFRD, national co-financing, additional national financing and other financing.
Project keyword
Ressources
Audiovisual materials
2 Practice Abstracts
As a result of the project, a general-purpose predictive optimization model was built for a biogas plant that can be adapted to any biogas plant. The model was tailored to the biogas plant constructed at the Viskaali farm in Muhos, Finland, during the project, and it is based on data collected from the farm's processes. The model was used to predict biogas production with various feedstock input ratios through simulations. The results indicated that gas production could increase by as much as 20%. The cost price is projected to decrease by 7.7% according to the simulation, while an increase in gas production typically leads to a significant rise in raw material costs. In the simulation, residual methane emissions into the atmosphere dropped by up to 80%, and emissions from raw material logistics and the plant decreased by 5%. More measurement data from the process is still needed for model validation, which will be conducted in a follow-up project. In summary, with the help of predictive optimization of the biogas production process, positive economic and environmental impacts can be combined, which is still very rare in any production process. The most significant recommended follow-up measure is the validation of the predictive optimization model developed at various biogas plants using process data and other information collected over a long period of time. This means examining how closely the results simulated with the developed biogas predictive optimization model correspond to reality and how easily the model can be transferred to different biogas plants.
A further development proposal is also to study the real-time determination of the quality and quantity of feeds with image recognition using a camera and artificial intelligence.
Hankkeen tuloksena rakennettiin yleiskäyttöinen ennustava optimointimalli biokaasulaitokselle, joka voidaan sovittaa mille tahansa biokaasulaitokselle. Malli sovitettiin Muhokselle Viskaalin tilalle hankkeen aikana rakennettuun biokaasulaitokseen ja malli perustuu tilan prosessista kerättyyn tietoon. Mallilla ennustetiin simulaatioiden avulla biokaasun tuottoa erilaisilla raaka-aineen syöttösuhteilla. Simulointien tuloksena saatiin, että kaasun tuotanto voi kasvaa jopa 20 %. Omakustannushinta laskee simuloinnin mukaan 7,7 %, kun kaasuntuotannon lisäys normaalisti lisää merkittävästi raaka-ainekustannuksia. Jäännösmetaanin päästöt ilmakehän putosivat simulaatiossa jopa 80 % ja raaka-ainelogistiikan ja laitoksen päästöt 5 %. Mallin validointia varten tarvitaan vielä lisää mittausdataa prosessista ja tämä tullaan tekemään jatkohankkeessa. Yhteenvetona biokaasuntuotantoprosessin ennustavan optimoinnin avulla positiiviset taloudelliset ja ympäristövaikutukset ovat yhdistettävissä, joka on vielä erittäin harvinaista missä tahansa tuotantoprosessissa. Merkittävin suositeltava jatkotoimenpide on kehitetyn ennustavan optimointimallin validointi erilaisilla biokaasulaitoksilla pitkältä ajalta kerättyä prosessidataa ja muuta informaatiota hyödyntäen. Tämä tarkoittaa, että tarkastellaan, kuinka tarkasti kehitetyllä biokaasun ennustavalla optimointimallilla simuloidut tulokset vastaavat todellisuutta ja kuinka helposti mallin siirrettävyys eri biokaasulaitoksiin onnistuu.
Jatkokehitysehdotuksena on myös tutkia syötteiden laadun ja määrän reaaliaikaista määritystä kuvantunnistuksella hyödyntäen kameraa ja tekoälyä.
The outcome of successiful project will be the digital model of biogas production process, which predicts the future state of the process and then optimizes the process. The opimization of the biogas production process is expected to decrease e.g. the consumption of energy, raw materials and to increase production of biogas and biogas quality. Thus the profitability of biogas reactor is expected to increase and payback period of the investment be shorter. The method developed in this project can be utilized in any biogas production unit and predictive optimization model can be installed also afterwards. The benefit achieved with predictive optimization model depends on each biogas production unit. The optimization potential of biogas production units with large variaton of different raw materials is expected to be higher.
Mikäli tutkimushanke onnistuu, hankkeen tuloksena saadaan biokaasun tuotantoprosessin digitaalinen malli, joka ennustaa tuotantoprosessin käyttäytymistä ja sen perusteella optimoi prosessia. Biokaasuntuotantoprosessin optimoinnin odotetaan vähentävän mm. energian, raaka-aineiden ja apuaineiden kulutusta sekä lisäävän biokaasun tuotantoa ja sen laatua. Tämän taas odotetaan johtavan laitoksen kannattavuuden paranemiseen ja biokaasulaitosinvestoinnin takaisinmaksuajan lyhenemiseen. Hankkessa kehitettyä menetelmää hyödyntäen mille tahansa biokaasulaitokselle voidaan myös jälkikäteen rakentaa ennustava optimointimalli. Prosessioptimoinnin tuottama hyöty on laitoskohtainen. On odotettavissa, että esim. biokaasureaktoreissa joiden raaka-ainejakauma on suuri, optimointipotentiaali on myös suurempi.
Contacts
Project coordinator
-
Dr. Petri Österberg / University of Oulu
Project coordinator
Project partners
-
Digikierto Oy
Project partner