CN103810391A - 运动发酵单胞菌生产乙醇中振荡过程的调控方法 - Google Patents

Abstract

运动发酵单胞菌生产乙醇中振荡过程的调控方法，采用实际生产数据建立运动发酵单胞菌连续发酵生产乙醇的动态模型，通过动态模型模拟计算获得运动发酵单胞菌乙醇连续发酵中的振荡过程与操作变量之间的定量关系，利用振荡过程与操作变量之间的关系来调控实际生产过程中的振荡现象来趋利避害，分析比较调控后的实际生产的数据与数值模拟是否相符，如果数值相符，继续采用该振荡过程与操作变量之间的关系调控；如果实际生产的数值与模拟数值不符，修改动态模型的参数，重复操作，直到最终调控后的实际生产数据与模拟预测的数据相符为止，本发明为提高发酵过程的稳定性，提高产物转化率，降低生产成本提供依据。

Description

运动发酵单胞菌生产乙醇中振荡过程的调控方法

技术领域

本发明属于生物乙醇的生产技术领域，特别涉及运动发酵单胞菌生产乙醇中振荡过程的调控方法。

背景技术

随着后化石经济时代的到来，用可再生的生物质资源替代化石能源已成必然。我国是石油资源相对贫乏的国家，据测算我国石油稳定供给不超过20年，很可能在我国实现“全面小康”的2020年，迎来石油供应丧失平衡的“拐点年”。为缓解能源压力，我国政府在不断推进可再生能源产业的相关研究，国家发改委于2007年制定的中长期可再生能源开发计划中制定目标，到2020年采用生物燃料替代1000万吨石油产品，占到全部交通燃料消费量的15%左右。生物乙醇需求量巨大，但是生产成本高制约了生物乙醇的大规模生产。目前生物乙醇的生产成本构成中，能耗成本约占30%，仅次于原料成本（约占60%），因此降低能耗是降低生物乙醇生产成本的主要方向。提高发酵产物中乙醇的含量，减少分离过程的能耗，是生物乙醇生产领域迫切需要解决的技术问题之一。

目前工业连续发酵生产生物乙醇中使用的菌种主要是酿酒酵母和运动发酵单胞菌。运动发酵单胞菌的乙醇产率高达97％，酿酒酵母只有90％，产物浓度高有利于降低能耗，除此之外，相比酿酒酵母，运动发酵单胞菌还具有生长和发酵能耗低、耐酒精度高、能在较高糖浓度中生长发酵、不需要控制氧浓度等优点，这些优点可以进一步降低能耗。因此，使用运动发酵单胞菌连续发酵生产生物乙醇过程具有更大的成本优势。

但是运动发酵单胞菌生产过程中存在复杂的振荡现象，在实验中观测到生物质和产物浓度持续大幅度的振荡行为。与稳态操作相比，振荡行为更难以预测和控制，从而影响生产过程的平稳，因此需要研究引发振荡现象的特定条件，开发相应的调控方法来减弱振荡过程带来的不良影响。为了充分发挥运动发酵单胞菌的优势，提高产物的转化率，必须解决稳定性的问题，因此，需要深入研究运动发酵单胞菌乙醇连续发酵过程的特性并提出振荡过程的定量调控方法。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供运动发酵单胞菌生产乙醇中振荡过程的调控方法，为提高发酵过程的稳定性，提高产物转化率，降低生产成本提供依据。

为了实现上述目的，本发明采用的技术方案是：

运动发酵单胞菌生产乙醇中振荡过程的调控方法，包括以下步骤：

第一步，采用实际生产数据建立运动发酵单胞菌连续发酵生产乙醇的动态模型

其中x是该发酵过程模型的状态变量，α是该发酵过程模型的操作变量；所述的状态变量包括产物浓度、底物浓度和生物质浓度；所述的操作变量包括稀释速率和初始底物浓度；

第二步，通过动态模型模拟计算获得运动发酵单胞菌乙醇连续发酵中的振荡过程与操作变量之间的定量关系，具体为：

步骤2.1，通过改变操作变量，求取该发酵过程动态模型中对应的Hopf奇异点；

步骤2.2，通过模拟Hopf奇异点在这些操作点上的振荡过程，获取该过程的振荡过程数据，所述的振荡过程数据包括振幅和周期；

步骤2.3，通过分析振荡过程数据与操作变量的数值，建立振荡过程与操作变量之间的定量关系；

第三步，利用振荡过程与操作变量之间的关系来调控实际生产过程中的振荡现象来趋利避害；调控振荡现象包括调控振荡的振幅的大小和周期的长短；

第四步，比较调控后的实际生产的数据与数值模拟结果是否相符，如果数值相符，继续采用该振荡过程与操作变量之间的关系来调控振荡过程；如果实际生产的数值与模拟数值结果不符，修改动态模型的参数，重复第一步至第三步，直到最终调控后的实际生产数据与模拟预测的数据相符为止。

与现有技术相比，本发明的有益效果是：

对于发酵过程这样的慢过程，本发明相比传统的实验方法，能够克服实验过程由于周期较长、实验不充分而只有有限的实验数据；有些动态特性有可能被忽略掉的不足。使用本发明的方法可以得到完整的动态特性的数据，建立精确的调控模型，进而对连续发酵中的振荡过程进行有效调控。

附图说明

图1是本发明通过改变操作变量来调控运动发酵单胞菌连续生产乙醇中振荡过程的流程图。

图2是运动发酵单胞菌连续生产乙醇的流程示意图。

图3是进料稀释速率为0.1h^-1时系统振荡过程。

图4是进料稀释速率为0.2h^-1时系统振荡过程。

图5是预测振荡过程振幅为10kg/m³时系统的振荡过程。

图6是预测振荡过程振幅为20kg/m³时系统的振荡过程。

图7是进料稀释速率为0.052h^-1时系统振荡逐渐衰减过程。

图8是进料稀释速率为0.050h^-1时系统振荡迅速衰减过程。

具体实施方式

下面结合附图和实施例详细说明本发明。

如图1所示，运动发酵单胞菌生产乙醇中振荡过程的调控方法，包括以下步骤：

第一步，如图2所示，采用实际生产数据建立运动发酵单胞菌连续发酵生产乙醇的动态模型

其中x是该发酵过程模型的状态变量，α是该发酵过程模型的操作变量，动态模型具体形式如下，其中状态变量C_x是生物质浓度，C_s是底物浓度，C_e是关键组分浓度，C_p是产物浓度，C_pM是膜侧的产物浓度；操作变量为进料稀释速率D_in、初始底物浓度C_s0；D_out是采出的稀释速率，D_Mout是膜侧采出的稀释速率；

$\frac{{\mathrm{dC}}_x}{\mathrm{dt}}=\mathrm{\μ}{C}_x+D_{\mathrm{in}}{C}_{x0}-D_{\mathrm{out}}{C}_x$

$\frac{{\mathrm{dC}}_s}{\mathrm{dt}}=-(\frac{\mathrm{\μ}}{Y_{\mathrm{sx}}}+m_s)C_x+D_{\mathrm{in}}{C}_{s0}-D_{\mathrm{out}}{C}_s$

$\frac{{\mathrm{dC}}_e}{\mathrm{dt}}=\frac{k_1-k_2{C}_p+k_3{C}_p^2}{K_s+C_s}{C}_s{C}_e+D_{\mathrm{in}}{C}_{e0}-D_{\mathrm{out}}{C}_e$

$\frac{{\mathrm{dC}}_p}{\mathrm{dt}}=(\frac{\mathrm{\μ}}{Y_{\mathrm{px}}}+m_p)C_x+D_{\mathrm{in}}{C}_{p0}-D_{\mathrm{out}}{C}_p-\frac{A_{M}P}{V_f}(C_p-C_{\mathrm{pM}})$

$\frac{{\mathrm{dC}}_{\mathrm{pM}}}{\mathrm{dt}}=\frac{A_{M}P}{V_f}(C_p-C_{\mathrm{pM}})+D_{\mathrm{Min}}{C}_{\mathrm{pM}0}-D_{\mathrm{Mout}}{C}_{\mathrm{pM}}$

$D_{\mathrm{out}}=D_{\mathrm{in}}-\frac{A_{M}P}{V_f\mathrm{\ρ}}(C_p-C_{\mathrm{pM}})$

$D_{\mathrm{Mout}}=D_{\mathrm{Min}}+\frac{A_{M}P}{V_M\mathrm{\ρ}}(C_p-C_{\mathrm{pM}})$

发酵过程模型其中的数值如下：

表1动态模型中的参数值

其中，A_M是渗透汽化膜的有效面积，C_e0是进料中的关键组分浓度，C_p0是进料中的产物浓度，C_pM0是渗透汽化膜侧进料中的产物浓度，C_s0是初始底物浓度，C_x0是进料中的生物质浓度，D_Min是膜侧稀释速率，D_in是进料稀释速率，Ks是发酵反应的米氏常数，V_f是发酵有效体积，V_M是渗透汽化膜侧的有效体积，P是渗透汽化速率，Y_px是产物的生物质收率因子，Y_sx是底物的生物质收率因子，k₁,k₂,k₃是反应常数，m_p是产物保留常数，m_s是底物保留常数，ρ是反应混合液的密度；

第二步，通过动态模型模拟计算获得运动发酵单胞菌乙醇连续发酵中的振荡过程与操作变量之间的定量关系，具体为：

步骤2.1，通过改变操作变量，例如，进料稀释速率、初始底物浓度等，求取该发酵过程动态模型中对应的Hopf奇异点；

发酵过程的Hopf奇异点数值如下表所示，在该点操作条件下，发酵过程的振荡现象随操作变量进料稀释速率的变化而改变，

表2发酵过程的Hopf奇异点的数值

步骤2.2，通过模拟Hopf奇异点在这些操作点上的振荡过程，获取该过程的振荡过程数据；所述的振荡过程数据包括振幅和周期；

改变稀释速率D_in，模拟振荡现象，获取振荡过程的周期T和振幅A_mp。D_in=0.1h^-1,D_in=0.2h^-1时，模拟计算的结果如图3、图4所示。

从计算结果可以得到D_in=0.1h^-1和D_in=0.2h^-1时，振荡过程中产物浓度的振幅与周期，同样的方法，可以得到D_in=0.3h^-1至D_in=0.9h^-1时对应的振幅和周期，如下表所示。

表3不同稀释速率下振荡过程的振幅与周期

步骤2.3，通过分析振荡过程数据与操作变量的数值，建立振荡过程与操作变量之间的定量关系，例如，振幅、周期与操作变量之间的关系。

D_in=0.000037A_mp ³-0.00012A_mp ²-0.00028A_mp+0.054

T=3.0252D_in ^-0.702，或者D_in=4.8421T^-1.424

第三步，利用振荡过程与操作变量之间的关系来调控实际生产过程中的振荡现象来趋利避害，调控振荡现象包括调控振荡的振幅的大小和周期的长短；

比如，减小振荡的振幅，增大振荡的周期等；

预测当振幅A_mp=10.00kg/m³时，D_in=0.076h^-1，T=18.42hr

模拟值A_mp=9.30kg/m³,T=17.8hr，如图5所示。预测结果与模拟结果相符。

预测当振幅A_mp=20.00kg/m³时，D_in=0.297h^-1，T=7.10hr

模拟值A_mp=20.06kg/m³,T=7.1hr，如图6所示。预测结果与模拟结果相一致。

从预测公式可以得，当D_in=0.54h^-1时，A_mp接近零，实际上在D_in=0.50h^-1到D_in=0.54h^-1之间，振荡过程的振幅数值接近于零，而且在有的数值下，振荡过程逐渐衰减，最终保持平稳过程。当D_in=0.52h^-1时，如图7所示。从中可以看到，经过一段时间的发展，振荡过程逐渐衰减并消失。当D_in=0.50h^-1时，振荡过程迅速衰减，如图8所示。

第四步，比较调控后的实际生产的数据与数值模拟结果是否相符，如果数值相符，继续采用该振荡过程与操作变量之间的关系来调控振荡过程；如果实际生产的数值与模拟数值结果不符，修改动态模型的参数，重复第一步至第三步，直到最终调控后的实际生产数据与模拟预测的数据相符为止。

Claims (1)

1.运动发酵单胞菌生产乙醇中振荡过程的调控方法，其特征在于，包括以下步骤：

第一步，采用实际生产数据建立运动发酵单胞菌连续发酵生产乙醇的动态模型

其中x是该发酵过程模型的状态变量，α是该发酵过程模型的操作变量；所述的状态变量包括产物浓度、底物浓度和生物质浓度；所述的操作变量包括稀释速率和初始底物浓度；

第二步，通过动态模型模拟计算获得运动发酵单胞菌乙醇连续发酵中的振荡过程与操作变量之间的定量关系，具体为：

步骤2.1，通过改变操作变量，求取该发酵过程动态模型中对应的Hopf奇异点；

步骤2.2，通过模拟Hopf奇异点在这些操作点上的振荡过程，获取该过程的振荡过程数据，所述的振荡过程数据包括振幅和周期；

步骤2.3，通过分析振荡过程数据与操作变量的数值，建立振荡过程与操作变量之间的定量关系；

第三步，利用振荡过程与操作变量之间的关系来调控实际生产过程中的振荡现象来趋利避害；调控振荡现象包括调控振荡的振幅的大小和周期的长短；

第四步，比较调控后的实际生产的数据与数值模拟结果是否相符，如果数值相符，继续采用该振荡过程与操作变量之间的关系来调控振荡过程；如果实际生产的数值与模拟数值结果不符，修改动态模型的参数，重复第一步至第三步，直到最终调控后的实际生产数据与模拟预测的数据相符为止。

Images