Aufgrund der zunehmenden Besorgnis über den globalen Klimawandel und die endgültigen fossilen Brennstoffressourcen haben die Regierungen eine Politik entwickelt, um den Verbrauch von fossilen Energieträgern zu senken und die Entwicklung neuer, nachhaltiger Transportbrennstoffe zu fördern. Die United States Environmental Protection Agency hat den Erneuerbaren Brennstoffstandard (RFS) entwickelt, der verlangt, dass 36 der jährlichen 140 Milliarden Gallonen US-Transport-Kraftstoff-Mix aus erneuerbaren Brennstoffen bis 2022 kommen. Innovative und Transformationstechnologien werden notwendig sein, um diese und Künftige erneuerbare Energien Standards 1 .
Die Verwendung von Biokraftstoffen auf Mikroalgenbasis hat das Potenzial, die nationalen RFS bei gleichzeitiger Reduzierung der Treibhausgasemissionen zu unterstützen 2 . Mikroalgen-basierte Biokraftstoffe haben im Vergleich zu Biokraftstoffen der ersten Generation, die auf terrestrischen Nahrungsmittelkulturen wie Mais und Sojabohnen basieren, mehrere Vorteile. Im Gegensatz zu Biokraftstoffen der ersten Generation, Algen-bAsed Biokraftstoffe verbrauchen weniger Land-, Wasser- und lebensmittelbedingte Ressourcen, da Algen ganzjährig und auf kargen Land mit Salzwasser oder Abwasser gezüchtet werden können. Mikroalgen haben hohe Wachstumsraten im Vergleich zu terrestrischen Kulturen und können hohe Lipide ansammeln, die leicht in Biodiesel umgewandelt werden können 3 . Derzeit gibt es aufgrund der hohen Kosten der energieintensiven Produktionsprozesse, die aus Algenkultivierung, Lipidabscheidung und Lipidverarbeitung in Biodiesel bestehen, keine industriellen Algen-Biokraftstoffanlagen. Es bedarf weiterer Forschung, um diese Prozesse effizienter und nachhaltiger zu gestalten.
PBRs, die optisch klare, umschlossene Anlagen zur Herstellung von phototrophen Mikroorganismen in einer künstlichen Umgebung sind, gelten als eine der vielversprechendsten Kultivierungsmethoden 3 . Allerdings fehlt es den derzeitigen Entwürfen noch an der volumetrischen Produktivität, die notwendig ist, um die Produktion von Algen-zu-Biokraftstoffen herzustellenEss effizienter und wirtschaftlich attraktiver 4 . Leistungsstarke mathematische Modelle, die Lichtbestrahlung und Dämpfung berücksichtigen, den Transport von Nährstoffen und CO 2 und das Wachstum der Mikroalgen können die Optimierung der PBR-Konstruktion und des Betriebs erheblich erleichtern. Für diese Optimierungsmodelle sind gezielte Wachstumsparameter erforderlich, um speziespezifische Wachstumsparameter zu bestimmen.
Kinetische Tests erfordern die sorgfältige Überwachung und Kontrolle von Versuchsaufbauten, um unbeabsichtigte Wachstumsinhibitoren zu verhindern. Angesichts der photosynthetischen Natur von Algen ( dh ihres CO 2 -Aufhaltes und der Absorption von Licht) ist die Aufrechterhaltung kontrollierter Zustände bei herkömmlichen PBRs besonders schwierig. Wie in Gleichung 1 dargestellt, wird die Menge an gelöstem CO 2 in dem Wachstumsmedium, die gewöhnlich als & ldquor;
( Gleichung 2 ), wird mindestens einFunktion von: 1) der CO 2 -Partialdruck und Henrys Gleichgewichtskonstante, die die Gasmenge diktiert, die sich in Lösung lösen wird ( Gleichung 3 ); 2) die anfängliche chemische Zusammensetzung des Wachstumsmediums, die die Speziation und Aktivität der Carbonat-Ionen und den pH-Wert beeinflusst ( Gleichungen 4 und 5 ); Und 3) die Temperatur, die die Gleichungen 3-5 5 beeinflusst .





Die verschiedenen Phasen und die chemische Speziation von Kohlenstoff schaffen eine Herausforderung für die Messung und Aufrechterhaltung einer konsistenten Konzentration des gelösten Kohlenstoffs innerhalb eines PBR whiWenn man andere Bedingungen konstant hält ( z. B. nimmt der pH-Wert zu, wenn die Algen CO 2 verbrauchen und die Erhöhung des gelösten CO 2 -Substrats möglicherweise zu einer sauren Umgebung führen kann, die das Wachstum hemmt) 6 .
Eine zusätzliche Schicht von Komplexität zur Kontrolle von Zuständen während Algen-kinetischen Tests beinhaltet die Lichtintensität innerhalb der PBR. Die mittlere Lichtintensität innerhalb eines PBR ist nicht nur die einfallende Lichtintensität, sondern auch die Gestaltung ( zB Material, Form, Tiefe und Mischen), die Extinktion von Algen-Biomasse-Komponenten (insbesondere Chlorophyll) Streuungseigenschaften der Algenzellen. Wenn die Algen wachsen, wird die durchschnittliche Lichtintensität abnehmen. Diese Veränderung der Lichtintensität, sei es durch eine Zunahme der Gesamtzellen und der Biomasse, eine Erhöhung des Chlorophyllgehalts pro Zelle oder beides, kann schließlich eine metabolische Reaktion hervorrufen, wie z. B. eine Erhöhung des ChlorophyllproduktsCtion pro Zelle oder die Verwendung von Kohlenhydrat- und Lipidspeicherprodukten für Energie 7 . Die kontinuierliche Überwachung der Lichtintensität aus dem Reaktor liefert wertvolle Informationen. Diese Daten können dazu beitragen, dass die Bedingungen innerhalb eines bestimmten Bereichs bleiben und dazu verwendet werden können, Algenwachstum und Absorptionsparameter zu schätzen, wenn sie mit anderen Messungen kombiniert werden ( dh Biomasse, Chlorophyllkonzentration, Reaktortiefe, einfallendes Licht usw. ).
Das Verständnis, wie Algen unter einem bestimmten Satz von Bedingungen wachsen, erfordert, dass der pH-Wert, das gelöste CO 2 , die Lichtintensität und die Temperatur in kinetischen Experimenten im Maßstab überwacht werden. Viele Algenwachstums-Setups sind nicht ausgestattet, um die Bedingungen zu überwachen, wie dies für die Kalibrierung von kinetischen Modellen erforderlich ist, wodurch der Modellierungsprozess extrem anspruchsvoll ist 8 . Obwohl viele Unternehmen bieten Bank-PBRs mit Automatisierung und Kontrolle, diese Bank-ScalE Setups können extrem teuer sein (~ $ 20.000) und möglicherweise nicht alle experimentellen Überlegungen einer gegebenen Forschungsfrage unterbringen.
Der erste Schritt bei der Einrichtung eines Control-Feedback-Systems für ein Batch-Experiment ist die Live-Datenerfassung. In diesem Beitrag soll gezeigt werden, wie ein konstruierter und aufbauender PBR mit Dauerlicht, pH-Wert und Temperaturüberwachung konstruiert und aufgebaut werden kann. Diese Echtzeit-Monitoring-Setup kann dazu beitragen, dass die experimentellen Bedingungen in den gewünschten Bereichen bleiben, nach dem Ermessen des Forschers. Während dieses Protokoll nicht spezifische Kontrollmechanismen detailliert darstellt, stellen diese Schritt-für-Schritt-Anleitungen eine grundlegende Grundlage für das Datenerfassungs-Framework dar, das erforderlich ist, bevor anspruchsvollere Steuerungs-Feedbacks implementiert werden können.