Summary
발전소에서 연소 가스는 조류의 성장을위한 저렴한 CO 2 소스입니다. 우리는 시스템 "재배 조류하는 배기 가스"프로토 타입을 구축하고 조류 재배 과정을 확장하는 방법을 설명했다. 우리는 클로렐라 (SP)의 성장을위한 연도 가스의 최적의 동작을 시뮬레이션하고 설계하는 대량 전송 바이오 반응 모델의 사용을 증명하고있다. 조류 사진 - 생물 반응기.
Abstract
발전소에서 연소 가스는 조류 재배를 촉진하고 온실 가스 배출 1을 줄일 수 있습니다. 미세 조류는보다 효율적으로 식물 3보다 태양 에너지를 캡처뿐만 아니라 고급 바이오 연료 2-4를 합성뿐만 아니라. 일반적으로, 대기 CO 2는 최대 조류 성장 5를 지원하기위한 충분한 소스가 아닙니다. 한편, 산업용 배기 가스 중의 CO (2)의 높은 농도는 조류 생리학에 악영향이있다. 결과적으로, (예 영양소 및 빛 등) 둘 재배 조건으로 광 생물 반응기에 연도 가스 흐름의 제어 시스템 "조류하는 배연"효율적인 개발하는 것이 중요하다. 연구진은 다른 광 생물 반응기 구성 4,6 재배 전략 배기 가스와 7,8를 제안했다. 여기서는 가스 설정 연도에 응답하여 미세 조류 성장을 예측하는 모델을 사용하는 방법을 보여주는 프로토콜을 제시한다. 우리는 PERFORM은 모두 실험 그림 및 모델 시뮬레이션 배기 가스와 조류의 성장을위한 유리한 조건을 결정합니다. 우리는 균일 한 광 생물 반응기에서 미세 조류의 성장을 시뮬레이션하는 물질 전달과 빛의 강도 방정식과 함께 모 노드 기반 모델을 개발한다. 모델 시뮬레이션은 다른 배기 가스 설정에서 조류의 성장과 배기 가스 소비량을 비교합니다. 모델을 보여줍니다 : 1) 방법 조류의 성장이 CO 2의 다른 부피 물질 전달 계수에 의해 영향을 받는다 2) 우리는 어떻게 동적 최적화 방법 (DOA)를 통해 조류의 성장을위한 최적의 CO 2 농도를 찾을 수 있으며, 3) 우리는 어떻게 디자인 할 수 있습니다 조류 바이오 매스의 성장을 촉진하고, 배기 가스의 사용량을 줄이기 위해 온 - 오프 배연 펄스 직사각형. 실험적인 측면에서, 우리는 (천연 가스 연소에 의해 생성 된) 연도 가스에서 클로렐라 성장을위한 프로토콜을 제시한다. 실험 결과는 정 성적으로 예측 모델을 검증하는 고주파 배연 PULSES 크게 조류 재배를 향상시킬 수 있습니다.
Protocol
1. 해조류 재배 및 규모 확대
- 7H 2 O, 0.015 g / L -1 FeSO 4 · 7H · 0.55 g / L -1 요소, 0.1185 g / L -1 KH 2 PO 4, 0.102 g / L -1 망초를 포함하는 탈 이온수를 사용하여 배지를 준비 2 O 22.5 μL의 미량 원소 (18.5 g / L -1 H 3 BO 3, 21.0 g / L -1 CuSO 4 · 5H 2 O, 73.2 g / L -1 MnCl 2 · 4H 2 O, 13.7 g / L -1 COSO 4 · 7H 2 O, 59.5 g / L -1 ZnSO 4 · 5H 2 O, 3.8 g / L -1 (NH 4) 6 모 7 O 24 · 4H 2 O, 0.31 g / L -1 NH 4 VO 3 ). 7-8 중간 산도를 조정합니다. 0.22 μm의 주사기 필터를 통해 배지를 소독.
- 클로렐라 SP 접종. 흔들림 FLA에 신선한 한천 플레이트에 하나의 식민지에서SK 무균 접종 루프 50 ㎖ 배지를 함유. 6 일 동안 150 rpm으로 30 ° C에서 배양 조류 (연속 빛 조건, 광자 플럭스 = 40 ~ 50 μmol의 m -2 초 -1). 분광 광도계 (OD 730)에 의해 세포의 밀도를 모니터링합니다.
- 전송 50 ML의 조류 (1 ~ L 멸균 배지에) 2-L의 유리 플라스크에 넣고 문화 (> 1 중간 로그 성장 단계, OD 730). 펌프 (5 일) 배양시 공기 (또는 CO 2) 문화로 여과.
- 단계 1.3에 명시된 동일한 조건에서 다음 (이 단계에서, 미생물 오염의 위험이 작은) 비 멸균 배양 배지, 배양 조류를 15 L를 포함하는 20-L 유리 상자 속에 든 대형 유리 병에 전송 1 L의 조류 문화.
- 발광 다이오드, 컴퓨터 제어, 혼합 가스, 세포 광학 밀도 분석기가 장착 된 평판 광 생물 반응기 (에 15 L 신선한 조류 배양 (OD 730 = 2) 85 L 비 멸균 매체를 놓고, 산도, 산소를 용해겐, 온도 및 용존 CO 2). 생물 반응기로 연도 가스 / 공기 혼합물을 펌프.
- (OD 730> 20) 바이오 매스 수확 후 70 % 에탄올을 사용하여 완전히 건조 청소 광 생물 반응기.
2. 작은 광 바이오 반응기를 사용하여 연소 가스 처리 실험실 데모
- 유리 병에 조류 배양 (200 ㎖ / 분 중 / 병, 초기 OD 730 ~ 0.3)에 접종.
- 천연 가스를 연소시켜 깔때기, 냉각 관, 및 (물 / 석회석 슬러리 함유) 0.5 L 세척 병을 통해 연도 가스 (~ 250cm 3 분 -1)를 펌프.
- 질량 흐름 제어기는 조류 배양에 연도 가스 흐름 (도 1)를 제어한다. 배기 가스에와 연도 가스 - 오프 (대신 공기를 펌프) : 연소 가스 펄스는 두 가지 모드가 있습니다.
3. 운동 모델 개발
운동 모델은 가정 (1) 문화가 균일 한 시스템입니다의. (2) 문화의 CO 2 농도와 빛의 강도가 조류 성장의 제한 요소입니다. 및 CO 3 2 - -) 헨리의 법칙으로 간략화 H 2 CO 3, HCO 3가 (3) CO 2 분압과 액상 평형. 모델 방정식은 다음과 같습니다 :
X는 바이오 매스 (kg · m의 -3)입니다. S는 용해 된 CO 2 (몰 · m의 -3)입니다. P는 기체 상 (PA)에서 CO 분압이있다. P는 내가 (예 : NO x와 SO X 등) 가스의 독성 화합물을 토륨의 부분 압력이다. P의 max.i 바이오 매스의 성장에 전체 억제를 가지고 독성 가스의 분압이다. η 나는 경험적 계수이다. K s는 미카엘 - 멘텐 상수CO 2의 (몰 · m -3). K 나는 CO 2의 억제 상수 (몰 · m의 -3)입니다. K는 빛의 강도의 미카엘 - 멘텐 상수 (μmol · m -2 · 초 -1)입니다. H는 (m 3 · 몰 -1 · PA) CO 2의 헨리 상수이다. K 라는 CO 2 (HR-1)의 질량 전달 속도이다. 나는 · 다음과 같은 9 ((3)은 식)를 산출 할 수있다 m -2 · 초 -1, 평균 빛의 강도, μmol입니다.
모델 파라미터의 정의는 표 1에있다. 초기 조건은 바이오 매스 용해 CO 2 농도는 각각 100 ㎎ / L, 13 μmol / L,한다고 가정합니다. 체적 물질 전달 계수는 경험적 상관 식에 의해 추정 될 수있다생물 반응기에 기 10 매개 변수 :
P의 G / V는 생물 반응기에서 폭기 시스템의 소비 전력 (W / m 3)이다. U는 바이오 리액터 (m / 초)를 통해 가스 흐름의 외관 속도이며 gs와. α, β, γ 및 조건을 혼합 관련 상수이다.
- 모델 시뮬레이션 (스크린 샷은 보조 자료 I에 제시되어있다)를위한 시뮬링크 파일을 생성합니다.
- 시뮬링크 모델을 생성하기 위해 MATLAB 인터페이스에서 파일 / 새 / 모델을 선택하고 열기 "라이브러리 브라우저"(스크린 샷 1).
- 수학 식 1과 2에 대한 서브 시스템을 만들기 위해 라이브러리 브라우저에서 '서브'블록을 선택합니다. , 시뮬링크 모델 파일을 하나의 서브 블록을 드래그 '식 (1)'로 이름을 변경 한 다음 식 2에 대해 같은 단계를 반복합니다.
- 모델 방정식 (1, 2)를 대표하는 두 개의 서브 시스템을 연결합니다. 필요한 경우 화살표로 다른 서브 시스템의 입력 한 서브 시스템의 출력을 연결합니다. 예를 들어, 용해 된 CO 2 농도는 O이며utput 식 2 서브 시스템, 또한 수학 식 1 서브 시스템에 입력.
- 온 - 오프 CO 2 펄스를 시뮬레이션하는 '식 2'에 대한 입력으로 블록 '발전기 펄스'를 사용, 표면 광 입력 값으로 '상수'블록을 사용합니다. 두 번 같은 기간의 시간 및 진폭과 같은 매개 변수를 변경하기 위해 블록을 클릭합니다.
- 라이브러리 브라우저 '멀티플렉서'블록을 선택합니다. '멀티플렉서'에 모든 출력을 연결 한 다음 시뮬레이션 결과를 저장하는 블록 '작업 공간'에 연결합니다.
- 상단 툴바의 '시뮬레이션 정지 시간을'정의 '버튼을 클릭
"시뮬레이션을 시작하고, 그 결과 (스크린 샷 4) MATLAB 작업 공간에 표시됩니다.
"시뮬레이션을 시작하고, 그 결과 (스크린 샷 4) MATLAB 작업 공간에 표시됩니다. 바이오 매스 생산 11, MATLAB 'fmincon'기능과 CVP (제어 벡터 파라미터) (12)가 사용을 극대화 입구 유입 CO 2 프로파일 (P 옵트 인)의 변화를 찾을 수 있습니다. 2는 최적화 알고리즘을 보여줍니다 그림 (지원에 MATLAB 프로그래밍 코드를 참조 자료 II).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
우리의 이전 실험 분석이 억제 (13)을 완화 할 수 CO 2 노출 시간을 감소시키면서 연속되는 연소 가스에 노출 악영향, 클로렐라 성장에 영향을 미치는 것을 나타낸다. 나은 연도 가스 유입 및 조류 성장 관계를 이해하기 위해, 우리는 연도 가스의 존재하에 미생물 성장을 시뮬레이션하는 경험적 모델을 개발한다. 우리는 배기 가스가 15 % CO 2 (: 산소 연소 발전소에서 연소 가스는 CO 2> 15 %를 가지고있는 동안 석탄 연소에서 일반적인 CO 2 농도가 10 ~ 15 %로 주를) 포함되어 있다고 가정합니다. 물질 전달 및 조류 성장 파라미터는 표 1에 기초한다. 모델 모의 배기 가스에 의해 성장 억제를 방지하기 위하여 세 가지 방법을 테스트 1. 질량 전달 조건을 줄이기 위해 문화로 낮은 유속을 유지한다. 2. 문화에 배기 가스의 온 - 오프 펄스. 3. 최적의 상태로 유입되는 CO 2 조성물을 제어합니다.
라 = 0.17-0.18 열연 -1)에 연소 가스 억제를 감소시킬 수 있다는 것을 나타낸다 조류 성장에 물질 전달 속도의 영향 (도 3a)에, 테스트 조류 성장. K 라가 최적 값보다 낮거나 높은 경우에, 조류의 성장을 저감한다. 수학 식 4는 배양을 통해 폭기 및 가스 유량의 감소를 시사하는 물질 전달 계수를 감소시킬 수있다. 표 2는 유량 (즉, 외관 속도는) 조류 성장에 미치는 영향을 보여준다. 일반적으로, 낮은 유량은 K 라를 줄이고 그림 3과 같은 추세로 조류의 성장에 CO 2 억제를 방지 할 수 있습니다. 또한 생물 반응기를 통해 유량을 감소시키는 것은 너무 작은 물질 전달 계수가 조류 성장에 충분한 CO 2 (도 3b)을 제공하게된다.
둘째, 우리는 온 - 오프 연도 가역 소개연소 가스 물질 전달 K 라가 광 생물 반응기 (즉, K 라 = 17 시간 -1)에서 높은 경우 성장 억제를 극복하기 위해의 펄스 모드. 시뮬레이션에서, 우리는 조류의 문화가 (배기 가스에와 배기 가스 오프에 대한 대기 CO 2와 0.04 %에 대한 15 %) 두 개의 서로 다른 CO 2 농도 펄스한다고 가정합니다. 배기 가스 펄스 모드, 다양한 온 - 오프 주파수가 테스트됩니다 (그림 4)를 최적화 할 수 있습니다. 시뮬레이션은 고주파 연도 가스 펄스 (연도 가스의 온 - 오프 제어) 조류 성장을 촉진 할 수 있다는 것을 보여준다. 표 2는 또한 온 - 오프 제어 모드가 바이오 리액터로 연도 가스의 연속적인 공급에 비해 적은 배기 가스를 사용하는 것을 나타낸다.
셋째, 우리는 최대한의 조류 성장을위한 CO 2 농도 프로파일을 계산합니다. 표 1에 모델 파라미터를 사용하여, 동적 인 최적화 방법은 기체 상에 최적의 CO 2 농도를 나타낸다 지속적으로 조류의 성장 동안 증가한다. 모델 시뮬레이션은 모두 온 - 오프 CO 2 펄스 (방법 2) 최적의 CO 2 입력의 제어 (방법 3) 배기 가스와 조류의 성장을 촉진하는 동등하게 좋은 것을 보여줍니다 (그림 5).
그림 1. 실험실 규모의 가스 온 - 오프 제어 시스템의 다이어그램. 자연 연소에 의해 생성 된 배기 가스의 유량이 전에 조류 시스템에 도입 된 질량 유량 제어 시스템에 의해 제어된다. 더 큰 이미지를 보려면 여기를 클릭하십시오 .
d/50718/50718fig2.jpg "고도 ="그림 2 "폭 =" "FO : 콘텐츠 너비 ="는 500px 5 인치 "FO : SRC ="/ files/ftp_upload/50718/50718fig2highres.jpg "/>
그림 2. 동적 최적화 절차의 흐름도. 더 큰 이미지를 보려면 여기를 클릭하십시오 .
그림 3. 연속 배기 가스 처리에서 K 라의 함수로 하루 12에서 최종 미생물 농도 (CO 2, 15 % V / V) (A), 다른 K 라와 바이오 매스 성장의 비교 : 0.017 시간 -1 (블루 라인) 연속 배기 가스 처리 (CO 2, 15 % V / V) (아래 0.17 시간 -1 (노란 선), 17 시간 -1 (검은 선)
그림 4. 십이일 바이오 매스 생산에 gas-on/gas-off 주파수의 효과.이 모델은 미세 조류가 CO 2 가지 시험 주파수 (15 % V / V) 펄스에 노출되어 있다고 가정합니다. 더 큰 이미지를 보려면 여기를 클릭하십시오 .
그림 5. 바이오 매스 성장 U의 비교개 nder 최적의 CO 2 프로파일 (노란 선), 10 초 가스에 / 5 분 가스 오프 (빨간색 선)의 온 - 오프 주파수, 10 초에 주파수에서 온 - 오프 제어 가스에 / 7 분의 가스 오프 (녹색 선), 온 - 오프 1 분 gas-on/29 분 가스 오프 (검은 선)의 주파수 제어, 15 %를 포함하는 배기 가스 (V / V) CO 2 조건 (파란색 연속 처리 선). 더 큰 이미지를 보려면 여기를 클릭하십시오 .
그림 6. 우리의 이전 논문 (13)로부터 실험 결과 클로렐라 성장에 배기 가스 펄스의 효과를 표시합니다. . 가스에 대한 (배기 가스 처리), 가스 - 오프 (공기 처리) A : 10 초 가스에 / 7 분 가스 오프, B : 30 분 gas-on/30 분가스 오프, C : 5 시간 가스에 / 7 시간 가스 오프, D : 진탕 플라스크에 재배. 문화의 준비는 프로토콜 부분에서 자세히 설명하고, 실험은 실내 온도에서 수행 하였다. 더 큰 이미지를 보려면 여기를 클릭하십시오 .
| 매개 변수 | 설명 | 값 | 단위 | 참고 /주의 사항 |
| μ 최대 | 최대 비 성장 속도 | 0.070 | 시간 -1 | 14 |
| K D | 사망률 | 0.028 | 시간 -1 | 15 |
| K의 | CO 2의 미카엘 - 멘텐 상수 | 0.00021 | 몰 · m -3 | 14 |
| K I | CO 2의 억제 상수 | 10 | 몰 · m -3 | 16 |
| 케이 | 빛의 강도의 미카엘 - 멘텐 상수 | 14 B | μ 몰 · m -2 · 초 -1 | 9 |
| K 라 | CO 2 질량 전송률 | 17 | 시간 -1 | 17 |
| H | CO 2의 헨리 상수 | 3202 C | 아빠 · m 3 · 몰 -1 | 18 |
| Y S / X | 수율 계수 | 100 D | (2 몰 CO) / (kg 매스) | 19 |
| 상수 | 14.7 | m 3 · kg-1 | 9 | |
| I 0 | 표면의 빛의 강도 | 45 전자 | μ 몰 광자 · m -2 · 초 -1 | 측정 |
| 대기 CO 2 | 대기 중 CO 2 농도 | 0.04 % | 체적 분율 | |
| 연도 가스에서 CO 2 | 배기 가스의 CO 2 농도 | 15 % | 체적 분율 | 가정 한 |
| X (0) | 초기 미생물 농도 | 0.1 | kg · m - 3 | 가정 한 |
| S (0) | 초기 용해 된 CO 2 농도 | 0.013 | 몰 · M - 3 | 가정 한 |
표 1.에 사용되는 매개 변수모델.
K I 10 밀리미터 =,이 연구에서 시험 범위 · m -3 0.5 ~ 10 몰이다
~ 14 μmol이 · m -2 · 초 -1 20 B K = 1011 룩스;
C의 H = 31.6 기압 · M -1;
CO 2는 바이오 매스 1 ㎏ (건조 중량)의 생산에 필요한 D 4.4 kg;
전자 측정 된 빛의 강도는 40 ~ 50가 · m -2 · 초 -1 몰 μ이다;
| 외관 속도 / m / 초 | 초기 바이오 매스 / ㎎ / L | γ = 0.2 | γ = 0.5 | γ = 0.8 | 12 일 동안 사용되는 총 배기 가스 (m 3 / m 2) | |||
| K 라 / M / S | 최종 바이오 매스 / ㎎ / L | K 라 / M / S | 최종 바이오 매스 / ㎎ / L | K 라 / M /의 | 최종 바이오 매스 / ㎎ / L | |||
| 0.001 * | (100) | 4.3 | 128 | 0.54 | 149 | 0.068 | 115 | 1.0 × 10 3 |
| 0.01 * | (100) | 6.8 | 127 | 1.7 | 132 | 0.43 | (160) | 1.0 × 10 4 |
| 0.1 * | (100) | 11 | 126 | 5.4 | 127 | 2.7 | 129 | 1.0 × 10 5 |
| 1 * | (100) | 17 | 126 | 17 | 126 | 17 | 126 | 1.0 × 10 6 |
| 10 * | (100) | 27 | 126 | 54 | 126 | 107 | 125 | 1.0 × 10 7 |
| 10s/5min 주파수 | (100) | 17 | (313) | 17 | (313) | 17 | (313) | 3.3 × 10 4 |
다른 표면 가스 흐름 속도에 따라 하루 12에서 15 % (V / V) 배기 가스 표 2. 바이오 매스 성장. 이 모델에서, 우리는 가정 K 라 = 17 (U GS) γ 그
* : CO 2 연속 일정한 유속으로 생물 반응기로 펌핑된다고 가정.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
이 연구에서, 우리는 광 바이오 반응기에서 조류 cultivations을 확장하기위한 실험 프로토콜을 보여줍니다. 우리는 또한 조류의 성장을 촉진하는 연소 가스의 입력을위한 여러 가지 방법을 검토합니다. 물질 전달 및 바이오 반응 모델을 사용하여, 우리는 CO 2 질량 전달 계수 (생물 반응기의 혼합 조건 및 CO 2 외관 속도에 의해 결정) K 라 강하게 조류 성장에 영향을 미치는 것을 보여준다. 모델 시뮬레이션이 짧은 펄스 폭과 높은 온 - 오프 주파수 연속 온 - 오프 배기 가스 펄스를 표시하는 배기 가스의 펄스가 거의뿐만 아니라 최적의 CO 등 2 조건, 그림을 바이오 매스의 성장을 지원할 수있는 온 - 오프 클로렐라 성장 (즉, 높은 주파수를 향상시킬 수 있습니다 5.). 한편, 온 - 오프 모드는 크게 조류 경운기 대한 배기 가스의 양을 운반하는 에너지를 절약 생물 반응기 (표 2)를 통해 펌핑되어야하는 배가스의 총량을 감소시킬 수있다ATION. 온 - 오프 가스가 펄스 모드는 일정한 배기 가스 펄스 모드가 유입이 CO 농도의 동적 제어보다 조작하기 훨씬 쉽다는 것을 고려하여, 광 생물 반응기 또는 조류 연못에서 사용될 수있다. 반면에, 우리의 연도 가스를 사용하여 조류 배양 실험을 수행 하였다. 배연 명확 배가스의 억제 효과를 최소화하고 대기 CO 2 (도 6) (13)를 사용하여 배양에 비교하는 바이오 매스 생산을 향상 / 오프 주파수에 특정의 광 바이오 반응기로 펄싱된다. 실험 결과는 질적 우리 모델을 확인하고 연도 가스의 온 - 오프 제어가 클로렐라 성장을 증가시키는 효과가 있음을 확인 하였다.
마지막으로,이 모델의 연구는 몇 가지 제한 사항이 적용됩니다. 첫째, 모델은 직접적 연도 가스 중 SO X 및 NO X와 같은 독성 화합물의 효과를 고려하지 않는다. 둘째, 일배지에서 전자 화학 반응과 equilibriums이 (OH, CO 2, H +을 포함 - 등 NH 3) 단순화된다. 셋째,이 모델은 CO에게 계정에 실제 기체 물질 전달이 배지에서 순간 또는 균일하지 않습니다 2 유체 역학을 고려하지 않습니다. 그러나, 단순화 된 모델의 접근 방식은 여전히 조류 성장을 최적화하기위한 지침을 제공하기위한 실용적인 응용 프로그램이 있습니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
이 저자가 공개하는 게 없다.
Acknowledgments
이 연구는 세인트 루이스의 워싱턴 대학의 NSF 프로그램 (학부생에 대한 경험을 연구)에 의해 지원된다.
Materials
| Name | Company | Catalog Number | Comments |
| Spectrophotometer | Thermal Scientific, Texas USA | ||
| CO2 gas analyzer | LI-COR, Biosciences, Nebraska USA | ||
| Mass flow controllers | OMEGA Engineering INC, Connecticut USA | FMA5416 | |
| Data acquisition card | Measurement Computing Corporation, Massachusetts USA | USB-1208FS | |
| Filters | Aerocolloid LLC, Minnesota USA | ||
| MATLAB/Simulink | Mathworks, Massachusetts USA | R2010a | |
| Glass bottles | Fisher USA |
References
- Granite, E. J., O'Brien, T. Review of novel methods for carbon dioxide separation from flue and fuel gases. Fuel Process. Technol. 86, 1423-1434 (2005).
- Chisti, Y. Biodiesel from microalgae. Biotechnol. Adv. 25, 294-306 (2007).
- Li, Y., Horsman, M., Wu, N., Lan, C. Q., Dubois-Calero, N. Biofuels from microalgae. Biotechnol. Prog. 24, 815-820 (2008).
- Schenk, P., et al. Second generation biofuels: high-efficiency microalgae for biodiesel production. BioEnergy Research. 1, 20-43 (2008).
- Kumar, A., et al. Enhanced CO2 fixation and biofuel production via microalgae: recent developments and future directions. Trends Biotechnol. 28, 371-380 (2010).
- Kumar, K., Dasgupta, C. N., Nayak, B., Lindblad, P., Das, D. Development of suitable photobioreactors for CO2 sequestration addressing global warming using green algae and cyanobacteria. Bioresour. Technol. 102, 4945-4953 (2011).
- Lee, J. -N., Lee, J. -S., Shin, C. -S., Park, S. -C., Kim, S. -W. Methods to enhance tolerances of Chlorella KR-1 to toxic compounds in flue gas. Appl. Biochem. Biotechnol. 84-86, 329-342 (2000).
- Zeiler, K. G., Heacox, D. A., Toon, S. T., Kadam, K. L., Brown, L. M. The use of microalgae for assimilation and utilization of carbon dioxide from fossil fuel-fired power plant flue gas. Energy Conversion and Management. 36 (95), 707-712 (1995).
- Martínez, M. E., Camacho, F., Jiménez, J. M., Espínola, J. B. Influence of light intensity on the kinetic and yield parameters of Chlorella pyrenoidosa mixotrophic growth. Process Biochem. 32 (96), 93-98 (1997).
- Van't Riet, K. Review of measuring methods and results in nonviscous gas-liquid mass transfer in stirred vessels. Ind. Eng. Chem. Process. 18, 357-364 (1979).
- Methekar, R., Ramadesigan, V., Braatz, R. D., Subramanian, V. R. Optimum charging profile for lithium-ion batteries to maximize energy storage and utilization. ECS Trans. 25, 139-146 (2010).
- Kameswaran, S., Biegler, L. T. Simultaneous dynamic optimization strategies: Recent advances and challenges. Comput. Chem. Eng. 30, 1560-1575 Forthcoming.
- He, L., Subramanian, V. R., Tang, Y. J. Experimental analysis and model-based optimization of microalgae growth in photo-bioreactors using flue gas. Biomass Bioenergy. 41, 131-138 (2012).
- Novak, J. T., Brune, D. E. Inorganic carbon limited growth kinetics of some freshwater algae. Water Res. 19 (85), 215-225 (1985).
- Landry, M. R., Haas, L. W., Fagerness, V. L. Dynamics of microbial plankton communities experiments in Kaneohe Bay, Hawaii. Mar. Ecol. 16, 127-133 (1984).
- Silva, H. J., Pirt, S. J. Carbon dioxide inhibition of photosynthetic growth of Chlorella. J. Gen. Microbiol. 130, 2833-2838 (1984).
- Powell, E. E., Mapiour, M. L., Evitts, R. W., Hill, G. A. Growth kinetics of Chlorella vulgaris and its use as a cathodic half cell. Bioresour. Technol. 100, 269-274 (2009).
- Sawyer, C. N., McCarty, P. L., Parkin, G. F. Chemistry for environmental engineering and science. , 5th, McGraw-Hil. 144 (2003).
- Doucha, J., Straka, F., Lívanský, K. Utilization of flue gas for cultivation of microalgae Chlorella sp. in an outdoor open thin-layer photobioreactor. J. Appl. Phycol. 17, 403-412 (2005).
- Thimijan, R. W., Heins, R. D. Photometric, radiometric, and quantum light units of measure: a review of procedures for interconversion. Hortscience. 18, 818-822 (1983).
