Abstract

Das Anaerobic Digestion Model 1 (ADM1) ist das umfassendste Modell zur Biogasproduktion. Es enthält 32 dynamische Zustandsgrößen aus reinen Differentialgleichungen (DE) und 26 Zustandsgrößen, sowie 8 algebraischen Variablen, die mittels differential-algebraischen Gleichungen (DAE) beschrieben werden. Es ist daher äußerst flexibel einsetzbar. Das Modell selbst baisert auf Kinetiken erster Ordnung bzw. Monod-Kinetiken. Die Komplexität der Gleichungen führt in Simulationen und Optimierungen häufig zu numerischen Problemen. Um die Biogasproduktion prädiktiv zu steuern, wurden vielfach Modellreduktionen oder -abwandlungen vorgenommen. Darunter leidet die Genauigkeit der Vorhersagen und die Flexibilität. Im folgenden Beitrag wird statt einer Reduktion der Modellstruktur des ADM1 das Modell im vollen Umfang genutzt, um randomisierte Datensätze zu erzeugen. Mithilfe dieser Daten werden maschinelle Lernverfahren trainiert und im Anschluss ein tiefes neuronales Netz (DNN) aufgebaut. Es zeigt eine über 99%-ige Übereinstimmung zum ADM1 Modell, wenn lediglich Gleichgewichtszustände vorhergesagt werden, und eine 96.7%-ige Übereinstimmung bei Vorhersage zeitlicher Verläufe des Methanstroms (mCH4). Zudem wird gezeigt, dass das so erhaltene DNN zur Prozesssteuerung verwendet werden kann. Es ist damit in der Lage ein Auswaschen des Reaktors rechtzeitig zu verhindern sowie einen zuvor eingestellten Bedarfsverlauf von mCH4 exakt nachzubilden. Damit bietet sich die Möglichkeit zum Einsatz an flexibilisierten Anlagen, die ihre Biogasproduktion am Preis der Strombörse ausrichten.