Biogas Plant Control and Optimization Using Computational Intelligence Methods (Biogasanlagenregelung und -optimierung mit Computational Intelligence Methoden)

The optimization of agricultural and industrial biogas plantswith respect to external influences and various process disturbances is essential for efficient plant operation. The fact that most biogas plants are manually operated because of a lack of online-measurements and limited knowledge about the anaerobic digestion process makes it necessary to develop new optimization and control strategies. However, the optimization and control of such plants is a challenging problem due to the underlying highly nonlinear and complex digestion processes. One approach to address this challenge is to exploit the flexibility and power of computational intelligence (CI) methods such as Genetic Algorithms (GAs) and Particle Swarm Optimization (PSO). The use of CI methods in conjunction with a validated plant simulation model, based on the Anaerobic Digestion Model No. 1, allows optimization of the substrate feed mix, a key factor in stable and efficient biogas production. Results show that an improvement of up to 20% in biogas production and substrate reduction can be achievedwhen compared to conventional manual operation. Zusammenfassung Die Optimierung landwirtschaftlicher und industrieller Biogasanlagen kompensiert den Einfluss von internen und externen Prozessstörungen und ermöglicht einen effizienten Anlagenbetrieb. Die meisten Biogasanlagen werden heute noch aufgrund von fehlender Online-Messtechnik und wegen begrenztem Fachwissen über den anaeroben Faulungsprozess von Hand gefahren. Der Einsatz neuer Optimierungsund Regelungsstrategien eröffnet dem Betreiber wertvolle und ertragssteigernde Perspektiven. Allerdings ist die Optimierung und Regelung solcher Anlagen wegen der hochgradig nichtlinearen und komplexen Faulungsprozesse eine besondere Herausforderung. Die Flexibilität und Intelligenz von Computational Intelligence (CI) Methoden, wie z. B. Genetischen Algorithmen (GA) und der Particle Swarm Optimization (PSO) qualifizieren diese Verfahren zu geeigneten Lösungswerkzeugen. Dies, in Verbindung mit einem validierten Anlagensimulationsmodell, basierend auf dem Anaerobic Digestion Model No. 1, erlaubt die Optimierung der Mischungsverhältnisse bei der Substratzufuhr, welche einer der wichtigsten Schlüssel für eine stabile und effiziente Biogasproduktion ist. Die Ergebnisse zeigen, dass im Vergleich zur konventionellen manuellen Fahrweise eine Verbesserung von bis zu 20% in Bezug auf Biogasproduktion und Substrateinsparung erreicht werden kann.