一种微藻培养废水循环利用全过程优化方法技术

本发明专利技术提供了一种微藻培养废水循环全过程优化方法，包括全过程模拟仿真与最优化工况参数决策的模型，本发明专利技术建立了一种矩阵形式可扩展的微藻生长模型，可用于对微藻培养过程各项参数进行实时模拟；嵌入循环培养进行迭代计算，可针对性对微藻循环培养模式进行仿真；选取合适的评价体系利用遗传算法寻优，确定最佳工况条件。可对微藻培养体系，尤其是循环培养体系进行实时监控，并指导培养系统的设计与工况优化。况优化。况优化。

【技术实现步骤摘要】
一种微藻培养废水循环利用全过程优化方法


[0001]本专利技术属于清洁生产、资源回收利用以及污水处理优化模拟仿真算法
，具体涉及一种微藻培养废水循环利用的全过程模拟仿真与最优化工况参数决策的模型方法。

技术介绍

[0002]近年来，石油化石燃料燃烧带来的环境污染问题愈发严重，石油资源枯竭速度与日俱增，全球的石油价格整体呈现上升趋势，因此，可再生环境友好的新型能源的研究与开发越发重要。生物质能源作为环境友好的可再生新型能源逐渐发展起来。以微藻为原料的第三代生物燃料既不存在与食物的竞争，也不需要大面积的土地进行生长，并且微藻具有生长速度快，易于培养，油脂产量高等诸多优势。因此以微藻为原料生产生物柴油是应对石油危机的良好解决方案。此外，微藻细胞中含有脂类、蛋白质、多糖、色素、多种无机元素(如Cu、Fe、Se、Mn、Zn等)等，是高价值的药用原料和化工原料，具有很高的商业价值与巨大的发展潜力。
[0003]微藻的资源化利用具有很高的经济价值和科研价值。然而微藻的规模化培养是一个高耗水过程，最大的水足迹在培养系统产生。例如通过光生物反应器(PBR)培养微藻时，每公斤微藻湿生物量生长需要200
‑
500kg水维持微藻生长。微藻分离浓缩后培养废水中含有大量未被利用的营养物质，如果废水没有进行回用，则会浪费大量的水资源和营养物质，也会加大污水处理的压力。微藻浓缩后的培养废水回用是降低资源消耗和减轻污水处理压力的必需环节，有利于大规模微藻培养的长期可持续发展。
[0004]而微藻培养系统是一个复杂系统，由多个工艺过程互相耦合，涉及大量运行参数。实际操作过程中，营养物质投加量、培养时间、生物量等重要参数，经验模型通常难以满足系统的精确控制，尤其是微藻废水循环培养工艺中培养水因多次循环利用使得系统成分更加复杂。因此，可以定量描述微藻培养多个过程的数学模型尤为重要，利用该模型可以对微藻培养或废水循环培养全过程进行仿真，从而进行系统设计或优化工况参数。

技术实现思路

[0005]本专利技术针对上述缺陷，提供一种矩阵形式可扩展的微藻生长模型，可用于对微藻培养过程各项参数进行实时模拟并嵌入循环培养进行迭代计算，可针对性对微藻循环培养模式进行仿真的微藻培养废水循环利用全过程优化方法。
[0006]本专利技术提供如下技术方案：一种微藻培养废水循环利用全过程优化方法，包括以下步骤：
[0007]S1：确定微藻培养体系中主要涉及的过程、参数，建立对应模型的反应系数与速率矩阵，所述模型氮、磷等营养物质在细胞内部摄入消耗、细胞膜表面吸附与脱附、水体中不可利用的有机物水解成可利用营养物质过程，共涉及8个反应过程、8个待求变量以及20个参数，以此为基础绘制对应矩阵，构建仿真体系，氮用N代表，磷用P代表：
[0008]1)所述生物量模型为：
[0009][0010]2)所述内部N模型为：
[0011][0012]3)所述膜N模型为：
[0013][0014]4)所述水体N模型为：
[0015][0016]5)所述代谢物模型为：
[0017][0018]6)所述内部P模型为：
[0019][0020]7)所述膜P模型为：
[0021][0022]8)所述水体P模型为：
[0023][0024]其中，所述y1为生物量组分浓度，所述y2为内部N组分浓度，所述y3为膜N组分浓度，所述y4为水体N组分浓度，所述y5为代谢物组分浓度，所述y6为内部P组分浓度，所述y7为膜P组分浓度，所述y8为水体P组分浓度；所述η
autoN
为N自养消耗系数，所述μ
auto
为自养最大比生长速率；所述V
takeN
为N摄入速率，所述k
takeN
为N摄入半限制浓度；所述k
absorbN
为N吸附速率常数，所述B
N
为N膜饱和浓度，所述k
releaseN
为N脱附速率常数，所述η
hydroN
为N水解比例，所述k
hydroN
为N水解速率常数；所述η
release
为微生物代谢产物速率常数；所述b为自养衰亡系数，所述k
hydroN
为N水解速率常数；所述η
autoP
为P自养消耗系数，所述k
N
为N半限制浓度，所述k
P
为P半限制浓度，所述k
takeP
为P摄入半限制浓度；所述V
takeP
为P摄入速率，所述k
takeP
为P摄入半限制浓度；所述k
absorbP
为P吸附速率常数，所述k
releaseP
为P脱附速率常数，所述η
hydroP
为P水解比例，所述k
hydroP
为P水解速率常数；
[0025]S2：通过实验法结合遗传算法确定所述微藻培养体系中所述生物量组分浓度y1、所述内部N组分浓度y2、所述膜N组分浓度y3、所述水体N组分浓度y4、所述代谢物组分浓度y5、所述内部P组分浓度y6、所述膜P组分浓度y7、所述水体P组分浓度y8的值；
[0026]S3：设定循环基础参数，所述循环基础参数包括营养物质浓度，培养时间等，并根
据实际应用制定的不同的微藻培养情况指标体系，利用模型进行最优化运行参数选择，并提出最佳决策方案；
[0027]S4：代入循环培养的条件，将前一批结束时的数据作为后一批的初始值，迭代进行微藻循环培养体系各组分随时间变化的模拟，并进行可视化输出。
[0028]进一步地，所述S1步骤的建立所述反应系数矩阵与所述反应速率矩阵为基于多层营养盐理论与死亡再生理论，描述体系中各营养物质变化情况以及微藻生长情况，并可根据不同情况对矩阵进行扩展。
[0029]进一步地，所述的S2步骤通过文献调研法、实验计算或遗传算法寻优的最优化算法确定所述微藻培养体系反应速率常数，其中遗传算法以实验值与模拟值的平均相对误差为适应度函数。
[0030]进一步地，所述S3步骤根据微藻培养情况评价指标体系确定适应度函数，设置种群大小、交叉概率、变异概率、各待定参数搜索范围与停止规则并利用遗传算法寻优，确定最优工况参数。
[0031]进一步地，所述S4步骤设定循环培养的周期与具体工况要求，对所述S1步骤中的各个所述模型迭代进行微分方程组求解，模拟系统中各组分随时间变化情况，并进行可视化输出。其中微分方程组可由n行1列的速率矩阵ρ与n行m列的反应系数矩阵K得出：
[0032][0033]其中，所述dydt为微分方程；
[0034]所述n为体系中反应过程总数；
[0035]所述m为体系中参与反应物质总数；
[0036]所述i为第i个反应过程；
[0037]所述j为第j个反应物质；
[0038]所述ρ为反应速率矩阵；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种微藻培养废水循环利用全过程优化方法，其特征在于，包括以下步骤：S1：确定微藻培养体系中主要涉及的过程、参数，建立对应模型的反应系数与速率矩阵，所述模型氮、磷等营养物质在细胞内部摄入消耗、细胞膜表面吸附与脱附、水体中不可利用的有机物水解成可利用营养物质过程，共涉及8个反应过程、8个待求变量以及20个参数，以此为基础绘制对应矩阵，构建仿真体系，氮用N代表，磷用P代表：1)所述生物量模型为：2)所述内部N模型为：3)所述膜N模型为：4)所述水体N模型为：5)所述代谢物模型为：6)所述内部P模型为：7)所述膜P模型为：8)所述水体P模型为：其中，所述y1为生物量组分浓度，所述y2为内部N组分浓度，所述y3为膜N组分浓度，所述y4为水体N组分浓度，所述y5为代谢物组分浓度，所述y6为内部P组分浓度，所述y7为膜P组分浓度，所述y8为水体P组分浓度；所述η
autoN
为N自养消耗系数，所述μ
auto
为自养最大比生长速率；所述V
takeN
为N摄入速率，所述k
takeN
为N摄入半限制浓度；所述k
absorbN
为N吸附速率常数，所述B
N
为N膜饱和浓度，所述k
refeaseN
为N脱附速率常数，所述η
hydroN
为N水解比例，所述k
hydroN
为N水解速率常数；所述η
release
为微生物代谢产物速率常数；所述b为自养衰亡系数，所述k
hydroN
为N水解速率常数；所述η
autoP
为P自养消耗系数，所述k
N
为N半限制浓度，所述k
P
为P半限制浓度，所述k
takeP
为P摄入半限制浓度；所述V
takeP
为P摄入速率，所述k
takeP
为P摄入半限制浓度；所述k
absorbP
为P吸附速率常数，所述k
rel...

【专利技术属性】
技术研发人员：褚华强，张亚雷，周雪飞，孙晶晶，肖绍赜，
申请(专利权)人：同济大学，
类型：发明
国别省市：