Optymalizacja ustawień spalin w celu promowania wzrostu mikroalg w fotobioreaktorach za pomocą symulacji komputerowych

Podsumowanie

Spaliny z elektrowni są tanim źródłem CO₂ dla wzrostu glonów. Zbudowaliśmy prototypowe systemy "od gazów spalinowych do hodowli glonów" i opisaliśmy, jak zwiększyć skalę procesu hodowli glonów. Wykazaliśmy zastosowanie modelu bioreakcji z przeniesieniem masy do symulacji i zaprojektowania optymalnej pracy gazów spalinowych do wzrostu Chlorella sp. w fotobioreaktorach glonów.

Streszczenie

Spaliny z elektrowni mogą sprzyjać hodowli glonów i zmniejszać emisję gazów cieplarnianych¹. Mikroalgi nie tylko wychwytują energię słoneczną bardziej efektywnie niż rośliny³, ale także syntetyzują zaawansowane biopaliwa^2-4. Ogólnie rzecz biorąc, atmosferyczny CO₂ nie jest wystarczającym źródłem do wspierania maksymalnego wzrostu glonów⁵. Z drugiej strony wysokie stężenia CO₂ w spalinach przemysłowych mają niekorzystny wpływ na fizjologię glonów. W związku z tym zarówno warunki uprawy (takie jak składniki odżywcze i światło), jak i kontrola przepływu spalin do fotobioreaktorów są ważne dla opracowania wydajnego systemu "spaliny do alg". Naukowcy zaproponowali różne konfiguracje fotobioreaktorów^4,6 i strategie uprawy^7,8 z wykorzystaniem gazów spalinowych. W tym miejscu przedstawiamy protokół, który pokazuje, jak używać modeli do przewidywania wzrostu mikroglonów w odpowiedzi na ustawienia spalin. Wykonujemy zarówno ilustracje eksperymentalne, jak i symulacje modelowe w celu określenia korzystnych warunków do wzrostu glonów za pomocą gazów spalinowych. Opracowujemy model oparty na Monodach w połączeniu z równaniami transferu masy i natężenia światła, aby symulować wzrost mikroglonów w jednorodnym fotobioreaktorze. Symulacja modelu porównuje wzrost glonów i zużycie spalin przy różnych ustawieniach spalin. Model ilustruje: 1) w jaki sposób na wzrost glonów wpływają różne współczynniki objętościowego przenoszenia masy CO₂ ; 2) w jaki sposób możemy znaleźć optymalne stężenie CO₂ dla wzrostu glonów za pomocą podejścia do optymalizacji dynamicznej (DOA); 3) W jaki sposób możemy zaprojektować prostokątny impuls spalin typu on-off, aby promować wzrost biomasy glonów i zmniejszyć zużycie spalin. Od strony eksperymentalnej przedstawiamy protokół uprawy chlorelli w atmosferze gazów spalinowych (powstających w wyniku spalania gazu ziemnego). Wyniki eksperymentów jakościowo potwierdzają przewidywania modelu, że impulsy spalin o wysokiej częstotliwości mogą znacznie poprawić hodowlę glonów.

Protokół

1. Hodowla i skalowanie produkcji alg

1. Przygotować pożywkę z wody dejonizowanej zawierającej 0,55 g/L^-1 mocznika, 0,1185 g/L^-1 KH₂PO₄, 0,102 g/L^-1 MgSO₄·7H₂O, 0,015 g/L^-1 FeSO₄·7H₂O oraz 22,5 µl mikroelementów (18,5 g/L^-1 H₃BO₃, 21,0 g/L^-1 CuSO₄·5H₂O, 73,2 g/L^-1 MnCl₂·4H₂O, 13,7 g/L^-1 CoSO₄·7H₂O, 59,5 g/L^-1 ZnSO₄·5H₂O, 3,8 g/L^-1 (NH₄)₆Mo₇O₂₄·4H₂O, 0,31 g/L^-1 NH₄VO₃). Dostosować pH pożywki do poziomu 7-8. Pożywkę wysterylizować za pomocą filtra strzykawkowego 0,22 µm.
2. Za pomocą sterylnej pętli szczepić Chlorella sp. z pojedynczej kolonii na świeżej płytce agarowej do kolby wytrząsanej zawierającej 50 mL pożywki. Hodować algi przy 150 rpm i 30 °C przez sześć dni (warunki ciągłego oświetlenia, strumień fotonów = 40-50 µmol m^-2 sec^-1). Monitorować gęstość komórek za pomocą spektrofotometru (OD₇₃₀).
3. Przenieść 50 mL kultury alg (środkowa faza wzrostu logarytmicznego, OD₇₃₀ >1) do 2-litrowej kolby szklanej (z ~1 L wysterylizowanej pożywki). Podczas inkubacji (przez 5 dni) tłoczyć do kultury przefiltrowane powietrze (lub CO₂).
4. Przenieść 1 L kultury alg do 20-litrowego szklanego gąsiora zawierającego 15 L niewysterylizowanej pożywki (na tym etapie ryzyko kontaminacji mikrobiologicznej jest niewielkie), a następnie hodować algi w tych samych warunkach, które określono w kroku 1.3.
5. Przenieść 15 L świeżej kultury alg (OD₇₃₀ = 2) oraz 85 L niewysterylizowanej pożywki do płaskiego fotobioreaktora płytowego (wyposażonego w diody emitujące światło, sterownik komputerowy, mieszankę gazową, analizatory gęstości optycznej komórek, pH, tlenu rozpuszczonego, temperatury i rozpuszczonego CO₂). Do bioreaktora tłoczyć mieszankę gazów spalinowych/powietrza.
6. Po zbiorze biomasy (OD₇₃₀ >20) dokładnie oczyścić fotobioreaktor na sucho, używając 70% etanolu.

2. Laboratoryjna demonstracja oczyszczania gazów spalinowych przy użyciu małych fotobioreaktorów

1. Zaszczepić kultury glonów w szklanych butelkach (200 ml/min pożywki/butelka, początkowe OD₇₃₀ ~0,3).
2. Spalać gaz ziemny i pompować spaliny (~250 cm³ min^-1) przez lejek, rurkę kondensacyjną i butelkę myjącą o pojemności 0,5 L (zawierającą zawiesinę wody i wapienia).
3. Regulatory przepływu masowego sterują przepływem spalin do kultury glonów (Rycina 1). Impulsy spalin obejmują dwa tryby: dopływ spalin oraz brak dopływu spalin (zastąpiony pompowaniem powietrza).

3. Opracowanie modelu kinetycznego

Model kinetyczny zakłada, że: (1) kultury stanowią układy jednorodne. (2) stężenie CO₂ oraz natężenie światła w kulturach są czynnikami ograniczającymi wzrost alg. (3) ciśnienie parcjalne CO₂ oraz jego równowaga w fazie ciekłej z H₂CO₃, HCO₃^- i CO₃^2- zostały uproszczone zgodnie z prawem Henry'ego). Równania modelu to:

X to biomasa (kg·m^-3). S to rozpuszczony CO₂ (mol·m^-3). P to ciśnienie parcjalne CO₂ w fazie gazowej (Pa). p_i to ciśnienie parcjalne i-tego związku toksycznego w gazie (takiego jak NO_x i SO_x). P_max.i to ciśnienie parcjalne gazu toksycznego powodujące całkowite zahamowanie wzrostu biomasy. η_i to współczynnik empiryczny. K_s to stała Michaelisa-Menten dla CO₂ (mol·m^-3). K_I to stała inhibicji dla CO₂ (mol·m^-3). K to stała Michaelisa-Menten dla natężenia światła (µmol·m^-2·sec^-1). H to stała Henry'ego dla CO₂ (Pa·m³·mol^-1). K_La to szybkość przenoszenia masy CO₂ (hr^-1). I to średnie natężenie światła, µmol·m^-2·sec^-1, które można obliczyć w następujący sposób (Równ. (3)) ⁹.

Definicje parametrów modelu znajdują się w Tabeli 1. Warunki początkowe zakładają, że stężenia biomasy i rozpuszczonego CO₂ wynoszą odpowiednio 100 mg/L oraz 13 µmol/L. Współczynnik masowego przeniesienia objętościowego można oszacować za pomocą korelacji empirycznej z parametrami bioreaktora¹⁰:

P_g/V to zużycie energii systemu napowietrzanego w bioreaktorze (W/m³₎). u_gs to prędkość powierzchowna przepływu gazu przez bioreaktor (m/sec). α, β oraz γ to stałe związane z warunkami mieszania.

1. Utwórz plik Simulink do symulacji modelu (zrzuty ekranu znajdują się w Materiałach Wspierających I).
   1. W interfejsie MATLAB wybierz Plik/Nowy/Model, aby stworzyć model Simulink, a następnie otwórz „Library Browser” (zrzut ekranu 1).
   2. W przeglądarce biblioteki wybierz blok „Subsystem”, aby stworzyć podsystemy dla równań 1 i 2. Przeciągnij jeden blok podsystemu do pliku modelu Simulink, zmień jego nazwę na „Equation 1”, a następnie powtórz te same kroki dla równania 2.
   3. Utwórz odpowiednie bloki i parametry w każdym podsystemie (zrzut ekranu 3). Kliknij dwukrotnie blok „Equation 1”, wybierz odpowiednie bloki z przeglądarki biblioteki i połącz je strzałkami określającymi sekwencję obliczeń, kliknij dwukrotnie bloki, aby ustawić parametry, a następnie powtórz te kroki dla drugiego podsystemu.
      Uwaga: 1) Sekwencja powinna zaczynać się od bloków wejściowych i kończyć blokami wyjściowymi; 2) Bloki operatorów do dodawania, odejmowania, mnożenia, dzielenia i całkowania można znaleźć w przeglądarce biblioteki; zaleca się, aby użytkownicy zapoznali się z plikami pomocy Simulink w celu zrozumienia sposobu ich użycia; 3) Solver optymalizacyjny można ustawić poprzez ścieżkę Simulation/Configuration parameters na pasku narzędzi.
   4. Połącz dwa podsystemy, aby przedstawić równania modelu (1 i 2). Jeśli jest to konieczne, połącz wyjście jednego podsystemu z wejściem drugiego za pomocą strzałki. Na przykład stężenie rozpuszczonego CO₂ jest wyjściem w podsystemie Equation 2, a jednocześnie wejściem w podsystemie Equation 1.
   5. Użyj bloku „Pulse Generator” jako wejść dla „Equation 2”, aby zasymulować impulsy CO₂ typu on-off; użyj bloku „Constant” jako wejściowej wartości światła powierzchniowego. Kliknij dwukrotnie bloki, aby zmienić parametry, takie jak okres i amplituda.
   6. W przeglądarce biblioteki wybierz blok „Mux”. Połącz wszystkie wyjścia z blokiem „Mux”, a następnie połącz go z blokiem „To Workspace”, który przechowuje wyniki symulacji.
   7. Zdefiniuj „Simulation stop time” na górnym pasku narzędzi, kliknij przycisk „”, aby rozpocząć symulację; wyniki zostaną wyświetlone w obszarze roboczym MATLAB (zrzut ekranu 4).
2. Zastosuj metodę optymalizacji dynamicznej w celu wyznaczenia optymalnych warunków CO₂.

W celu znalezienia zmian profilu dopływu CO₂ na wlocie (P_opt), które maksymalizują produkcję biomasy¹¹, wykorzystano funkcję „fmincon” programu MATLAB oraz metodę CVP (parametryzacja wektora sterującego)¹². Rysunek 2 przedstawia algorytm optymalizacji (kody programistyczne MATLAB znajdują się w Materiałach Wspierających II).

Wyniki

Nasza poprzednia analiza eksperymentalna wskazuje, że ciągła ekspozycja na spaliny niekorzystnie wpływa na wzrost Chlorella, podczas gdy skrócenie czasu ekspozycji na CO₂ pozwala złagodzić to hamowanie¹³. Aby lepiej zrozumieć zależność między dopływem spalin a wzrostem alg, opracowaliśmy model empiryczny służący do symulacji wzrostu biomasy w obecności spalin. Zakładamy, że spaliny zawierają 15% CO₂ (uwaga: typowe stężenie CO₂ z procesu spalania węgla wynosi 10-15%, na...

Dyskusja

W tym badaniu demonstrujemy eksperymentalny protokół zwiększania skali hodowli glonów w fotobioreaktorach. Badamy również kilka metod wprowadzania spalin w celu pobudzenia wzrostu glonów. Korzystając z modelu transferu masy i bioreakcji, wykazaliśmy, że współczynnik przenoszenia masy CO₂ K_La (określony przez warunki mieszania w bioreaktorze i prędkość powierzchniową CO₂ ) silnie wpływa na wzrost glonów. Symulacja modelu wskazuje, że ciągłe impulsy spalin typu on-off o krótkiej szerokości i...

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Spektrofotometr	Thermal Scientific, Teksas USA Analizator
gazów CO2	LI-COR, Biosciences, Nebraska USA
Kontrolery przepływu masowego	OMEGA Engineering INC, Connecticut, Stany Zjednoczone	FMA5416
Karta akwizycji danych	Measurement Computing Corporation, Massachusetts, Stany Zjednoczone	USB-1208FS
Filtry	Aerocolloid LLC, Minnesota, Stany Zjednoczone
MATLAB/Simulink	Mathworks, Massachusetts, Stany Zjednoczone,	R2010a Butelki
szklane,	Fisher, Stany Zjednoczone