Use of artificial neural networks in the management of anaerobic digestion process

Dissertação de mestrado integrado em Engenharia Biológica (área de especialização em Tecnologia Ambiental)A crescente escassez de combustíveis fósseis, a principal fonte de energia dos países desenvolvidos, e as preocupações ambientais, levam à busca de fontes de energia alternativas, tais como o biogás. Este gás, produzido durante o processo de digestão anaeróbia de lamas, é considerado um biocombustível pouco poluente e de baixo custo, podendo a sua potencialidade chegar até 60% do poder calorifico do gás natural. A Estação de Tratamento de Águas Residuais (ETAR) do Ave, possui elevada tecnologia para tratamento de águas residuais, destacando-se a unidade de tratamento terciário e a central de cogeração. A otimização de biogás torna-se essencial para a sua rentabilidade. A presente dissertação apresenta um estudo de aplicação de Redes Neuronais Artificiais (RNA) para previsão do biogás produzido na digestão anaeróbia da ETAR do Ave, visando a compreensão da complexidade do processo e avaliação do impacto das variáveis do processo na produção de biogás, de forma a otimizá-lo. As RNA, são modelos matemáticos computacionais capazes de entender relações complexas num determinado conjunto de dados. Funcionam de forma análoga ao cérebro humano, sendo capazes de prever valores quando novos casos lhes são apresentados. Para o desenvolvimento deste trabalho, recorreu-se ao programa NeuralToolsTM da PalisadeTM, utilizando-se informação das variáveis do tratamento de lamas da ETAR do Ave: a temperatura, os sólidos voláteis (SV), a alcalinidade, os ácidos gordos voláteis (AGV), o pH, o caudal de entrada (Q entrada) e as gorduras. Foram treinadas e testadas várias redes de forma a escolher aquela que tem melhor desempenho na previsão. A quantidade e disponibilidade de alguns dados foram as grande limitações para o desenvolvimento do trabalho, no entanto, os modelos de RNA utilizados provaram a sua capacidade de generalização, no sentido em que previram valores que acompanham o comportamento real do processo de digestão anaeróbia. Verificou-se, ainda, que as variáveis que mais influenciam as RNA escolhidas, e por consequência, a produção de biogás no processo, são o Q entrada no digestor, a Temperatura e a quantidade de SV. A adição de gorduras em pequenas quantidades ao digestor revelou-se benéfica na produção do biogás. Como resultado deste estudo, é possível concluir que os modelos RNA podem ser ferramentas poderosas para administrar o processo de digestão anaeróbica, permitindo a otimização da produção de biogás e portanto, essenciais para melhorar a rentabilidade das ETAR, nomeadamente a do Ave.The increasing scarcity of fossil fuels, the main source of energy in developed countries, associated with the increasing environmental concerns, is now leading to the search for new alternative and green sources of energy such as biogas. This gas, produced as a result of sludge anaerobic digestion process, is considered a low-polluting and cost-saving biofuel that can reach up to 60% of natural gas calorific value. Ave’s Wastewater Treatment Plant, owns high technology for sewage treatment, with special highlight for the tertiary treatment facility and the cogeneration plant. The optimization of the biogas production process becomes essential for its profitability. The present dissertation disclose a study of applying Artificial Neural Networks (ANN) for the prevision of biogas production by anaerobic digestion in Ave’s WWTP, aiming at the understanding the process complexity and at the evaluation of the process variables impact on biogas production intending its optimization. ANN, are computational mathematical models able to understand complex connections between data in a particular dataset. They function in a similar way to the human brain, being able to predict values when new cases are presented to them. NeuralToolsTM software from PalisadeTM was used for the development of this work, using information of the variables of Ave’s WWTP sewage sludge treatment, namely: temperature (T), volatile solids (VS), alkalinity, volatile fatty acids (VFA), pH, sludge flow on the entrance (Qent) and fats. Several networks were trained and tested, in order to select the one that showed the best overall performance for the predictions. The reduced amount and the availability of certain data, were the major limitation for the development of this project; however, the ANN models utilized proved their capability of generalization, once they could predict values accompanying the real behavior of anaerobic digestion. It was also verified that the variables that had a major impact on the selected ANN and, on the biogas production in the process, were the feed flow at the digester entrance, the temperature ant the amount of volatile solids. Moreover, the addition of small quantities of fat to the process of anaerobic digestion, revealed as benefit to the biogas production. As a result of this study, it is possible to conclude that the ANN models can be powerful tools to manage the process of anaerobic digestion, enabling the optimization of biogas production and, hence, an essential tool to enhance the profitability of WWTP, including Ave’s WWTP