CN112863612B - 多元物料干式厌氧消化混合配比的优化方法 - Google Patents
多元物料干式厌氧消化混合配比的优化方法 Download PDFInfo
- Publication number
- CN112863612B CN112863612B CN202110071946.7A CN202110071946A CN112863612B CN 112863612 B CN112863612 B CN 112863612B CN 202110071946 A CN202110071946 A CN 202110071946A CN 112863612 B CN112863612 B CN 112863612B
- Authority
- CN
- China
- Prior art keywords
- anaerobic digestion
- optimization method
- material mixing
- methane
- digestive juice
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 97
- 238000002156 mixing Methods 0.000 title claims abstract description 65
- 230000029087 digestion Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 114
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims abstract description 32
- 230000001079 digestive effect Effects 0.000 claims abstract description 22
- 238000002474 experimental method Methods 0.000 claims abstract description 22
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims abstract description 22
- 238000004519 manufacturing process Methods 0.000 claims abstract description 21
- 230000001186 cumulative effect Effects 0.000 claims description 14
- 239000002054 inoculum Substances 0.000 claims description 13
- 239000010802 sludge Substances 0.000 claims description 8
- 239000002910 solid waste Substances 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 6
- 239000010813 municipal solid waste Substances 0.000 claims description 5
- 239000010871 livestock manure Substances 0.000 claims description 4
- 210000003608 fece Anatomy 0.000 claims description 3
- 244000144972 livestock Species 0.000 claims description 3
- 244000144977 poultry Species 0.000 claims description 3
- 239000010902 straw Substances 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 abstract description 5
- 230000020477 pH reduction Effects 0.000 abstract description 4
- 230000033228 biological regulation Effects 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 3
- 235000013527 bean curd Nutrition 0.000 description 3
- 235000008429 bread Nutrition 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 238000013401 experimental design Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000008367 deionised water Substances 0.000 description 2
- 229910021641 deionized water Inorganic materials 0.000 description 2
- 238000011081 inoculation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 239000006228 supernatant Substances 0.000 description 2
- 238000013494 PH determination Methods 0.000 description 1
- 239000002154 agricultural waste Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013400 design of experiment Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010791 domestic waste Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010806 kitchen waste Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006722 reduction reaction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12P—FERMENTATION OR ENZYME-USING PROCESSES TO SYNTHESISE A DESIRED CHEMICAL COMPOUND OR COMPOSITION OR TO SEPARATE OPTICAL ISOMERS FROM A RACEMIC MIXTURE
- C12P5/00—Preparation of hydrocarbons or halogenated hydrocarbons
- C12P5/02—Preparation of hydrocarbons or halogenated hydrocarbons acyclic
- C12P5/023—Methane
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E50/00—Technologies for the production of fuel of non-fossil origin
- Y02E50/30—Fuel from waste, e.g. synthetic alcohol or diesel
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Microbiology (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Biotechnology (AREA)
- General Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Treatment Of Sludge (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
一种多元物料干式厌氧消化混合配比的优化方法，该优化方法包括：选取不同的初始多元物料混合配比，建立多个多元物料混合实验组；将各个多元物料混合实验组进行厌氧实验；根据各个厌氧实验结果，获取各个多元物料混合实验组的消化液指标和甲烷生成量指标；根据所述消化液指标和所述甲烷生成量指标建立回归方程，优化多元物料混合配比区间。该优化方法避免了干式厌氧消化酸化抑制、氨氮抑制以及产甲烷周期长等问题，为干式厌氧消化实现高效稳定产甲烷提供技术支撑。此外，该优化方法以厌氧消化过程中与过程抑制性有直接关系的指标为判断依据，所述指标易于监测，未来能直接应用于实际工程中干式厌氧消化高效稳定运行的预警调控。
Description
技术领域
本发明属于有机固体废弃物干式厌氧消化实现资源化的领域，尤其涉及一种多元物料干式厌氧消化混合配比的优化方法。
背景技术
厌氧消化是实现有机固体废弃物减量化、稳定化和资源化的关键技术之一，其主要产物生物天然气已被列入国家能源发展战略，具有广阔的市场前景。随着我国生活垃圾的源头分类实施，大量的有机生活垃圾得以分离，同时，村镇产生的大量农业废弃物、畜禽粪便以及市政污泥，干式厌氧消化是实现这些有机固体废物资源化、能源化的重要技术。
区别于传统厌氧消化，干式厌氧消化(Total Solids，TS＞15％)具有沼液产量少、容积产气率高等优点。目前，尽管干式厌氧消化已在国外得到大量的应用，但国内该技术的推广应用仍属起步阶段。
干式厌氧消化高有机负荷和底物有机组成失衡所带来的严重抑制影响，主要表现为酸化抑制、氨氮抑制以及产甲烷周期长，严重限制该技术的推广应用。将多种不同类型的物料混合作为底物进行厌氧消化可以有效避免上述抑制。因此，为了实现干式厌氧消化的高效稳定运行，需要开发出优化多元物料干式厌氧消化混合配比的方法，指导实际工程中干式厌氧消化的稳定运行。
发明内容
有鉴于此，本发明的主要目的在于提供多元物料干式厌氧消化混合配比的优化方法，以期至少部分地解决上述技术问题中的至少之一。
为实现上述目的，本发明提供了一种多元物料干式厌氧消化混合配比的优化方法，包括：
(1)选取不同的初始多元物料混合配比，建立多个多元物料混合实验组；
(2)将各个多元物料混合实验组进行厌氧实验；
(3)根据各个厌氧实验结果，获取各个多元物料混合实验组的消化液指标和甲烷生成量指标；
(4)根据所述消化液指标和所述甲烷生成量指标建立回归方程，优化多元物料混合配比区间。
基于上述技术方案可以看出，本发明基于混料的多元物料干式厌氧消化混合配比的优化方法相对于现有技术至少具有以下优势之一：
1、本发明采用标准的厌氧消化批次实验，为不同多元物料混合配比实验提供统一的操作范式，提高收集数据的可信度；
2、本发明分别建立多元物料混合配比与最低pH值、最高氨氮浓度、最大累计甲烷产量以及达到最大累计甲烷产量的预设百分比时所需要的时间t的回归方程，其中预设百分比为75％至85％，并且分别以最低pH值≥6.3至6.7、最高氨氮浓度≤2800至200mg/L和t≤28至32d(天)为优化目标，得到优化的多元物料混合配比区间，利用此区间进一步预测相应的甲烷产量，从而解决了现有技术中忽略不同类型有机物本身的甲烷产量差异的问题，从根本上避免了干式厌氧消化酸化抑制、氨氮抑制以及产甲烷周期长等问题，为干式厌氧消化实现高效稳定产甲烷提供技术支撑；
3、本发明采用的优化方法以厌氧消化过程中与过程抑制性有直接关系的指标为判断依据，所述指标易于监测，未来能直接应用于实际工程中干式厌氧消化高效稳定运行的预警调控。
附图说明
图1是本发明实施例中的多元物料干式厌氧消化混合配比的优化方法流程图；
图2是本发明实施中不同多元物料混合配比实验组厌氧消化累计产甲烷曲线示意图；
图3A是本发明实施中不同多元物料混合配比实验组厌氧消化过程中pH值的变化示意图；
图3B是本发明实施中不同多元物料混合配比实验组厌氧消化过程中氨氮浓度的变化示意图；
图4是本发明实施中根据不同多元物料混合配比的最低pH值、最高氨氮浓度和达到最大累计甲烷产量80％所需的厌氧消化时间(t80)的二维等值线图，优化所得的混合配比区间及其对应的预测甲烷产量示意图。
具体实施方式
本发明首先基于混料试验设计原则确定混料实验方案；其次对方案中涉及的物料混合配比开展标准的厌氧消化批次实验；在厌氧消化批次实验期间，监测消化液指标以及累计甲烷产量，获取模型所需实验数据；最后建立回归方程，判断出合理的多元物料混合配比区间并预测不同物料混合组成下的甲烷产量。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
本发明公开了一种多元物料干式厌氧消化混合配比的优化方法，包括：
(1)选取不同的初始多元物料混合配比，建立多个多元物料混合实验组；
(2)将各个多元物料混合实验组进行厌氧实验；
(3)根据各个厌氧实验结果，获取各个多元物料混合实验组的消化液指标和甲烷生成量指标；
(4)根据所述消化液指标和所述甲烷生成量指标建立回归方程，优化多元物料混合配比区间。
在本发明的一些实施例中，所述多元物料的种类至少包括三种；
所述多元物料包括有机固体废弃物；
所述有机固体废弃物包括市政污泥、畜禽粪便、有机生活垃圾、农业秸秆中的任一种或多种组合。
在本发明的一些实施例中，步骤(1)中，所述多元物料混合配比为多元物料中每一种物料的有机质的质量比。
在本发明的一些实施例中，步骤(2)中，所述多元物料混合实验组的组分包括多元物料和接种物；
在本发明的一些实施例中，所述多元物料与接种物的比例为多元物料的有机质质量总量与所述接种物的有机质的质量比；
在本发明的一些实施例中，所述多元物料总量与所述接种物的质量比例为1：(0.8至2)；
例如，所述多元物料总量与所述接种物的质量比例为1∶0.8、1∶0.9、1∶1、1∶1.1、1∶1.2、1∶1.5、1∶1.6、1∶1.7、1∶1.8、1∶1.9或1∶2；
优选的，所述多元物料总量与所述接种物的质量比例为1∶1。
在本发明的一些实施例中，步骤(3)中，所述消化液指标包括pH值和氨氮浓度；
在本发明的一些实施例中，获取各实验组中最低pH值；
在本发明的一些实施例中，获取各实验组中最大氨氮浓度。
在本发明的一些实施例中，步骤(3)中，所述甲烷生成量指标包括最大累计甲烷产量和达到所述最大累计甲烷产量的预设百分比时所需要的时间t；
在本发明的一些实施例中，所述预设百分比为75％至85％。
在本发明的一些实施例中，步骤(4)中，所述回归方程的阶数等于或者高于二阶。
在本发明的一些实施例中，所述回归方程采用的响应变量包括消化液的pH值、氨氮浓度或达到所述最大累计甲烷产量的预设百分比时所需要的时间t中的任一种或多种组合。
在本发明的一些实施例中，所述回归方程采用的优化目标包括：
消化液的最低pH值≥6.3至6.7；
例如，消化液的最低pH值≥6.3、6.35、6.4、6.45、6.5、6.55、6.6、6.65或6.7；
优选的，消化液的最低pH值≥6.5；
消化液的最高氨氮浓度≤2800至3200mg/L；
例如，消化液的最高氨氮浓度≤2800mg/L、2850mg/L、2900mg/L、2950mg/L、3000mg/L、3050mg/L、3100mg/L、3150mg/L或3200mg/L；
优选的，消化液的最高氨氮浓度≤3000mg/L；
达到所述最大累计甲烷产量的预设百分比时所需要的时间t≤28至32天；
例如，达到所述最大累计甲烷产量的预设百分比时所需要的时间t≤28天、28.5天、29天、29.5天、30天、30.5天、31天、31.5天或32天；
优选的，达到所述最大累计甲烷产量的预设百分比时所需要的时间t≤30天。
在本发明的一些实施例中，所述优化方法还包括根据优化的多元物料混合配比区间，预测在所述优化的多元物料配比区间的甲烷产量。
本发明的一个实施例提供一种多元物料干式厌氧消化混合配比的优化方法，主要原理是基于不同物料按照混料试验设计并开展实验，确立不同物料混合组成下的降解动力学特征，特别是反映酸化抑制、氨氮抑制和厌氧消化时间的pH值、氨氮浓度和t80(达到最大累计甲烷产量80％所需的厌氧消化时间)，基于这些参数和甲烷产量与物料混合比例的响应关系，建立回归方程，并依据阈值判断多元物料的优化配比区间和预测甲烷产量。具体步骤如下：
(1)确定实验设计：根据回归方程阶数的需要，确定一系列待测试的物料混合配比；
(2)开展厌氧消化批次实验：对步骤(1)中确定的所有物料混合配比开展标准的厌氧消化批次实验；
(3)获取模型数据：在厌氧消化批次实验期间，监测消化液的pH值、氨氮浓度等指标以及实时累计甲烷产量；
(4)优化物料配比：以pH值、氨氮浓度和t80为响应变量，建立回归方程，依据响应变量的阈值来判断出合理的多元物料混合配比区间并预测其甲烷产量。
本发明所述的多元物料至少包含三种有机固体废弃物，包括市政污泥、畜禽粪便、有机生活垃圾、农业秸秆。
步骤(1)中，借助于Minitab等软件确定待测试的物料混合配比实验设计方案，保证最终可获得的回归方程最高次数至少为二次。
步骤(2)中，标准的厌氧消化批次实验中，各实验组中多元物料需使用匀浆机处理制成均匀的浆料，多元物料的混合配比基于有机质含量(VS)，各配比下的物料总量与接种物的比例为1(以VS计算)。
步骤(3)中，检测的消化液指标包括pH值和氨氮浓度，取各实验组最低pH值和最高氨氮浓度；分析累计甲烷产量，取最大累计甲烷产量，并计算各实验组从厌氧消化批次实验开始到累计甲烷产量达到其最大值80％所花费的时间(t80)。
步骤(4)中，采用Minitab等软件，分别建立多元物料混合配比与最低pH值、最高氨氮浓度、t80以及最大累计甲烷产量的回归方程；并且分别以最低pH值≥6.5、最高氨氮浓度≤3000mg/L和t80≤30d为优化目标，合并得到优化的多元物料混合配比区间，利用此区间进一步通过多元物料混合配比与最大累计甲烷产量的回归方程预测相应的甲烷产量。
以下通过具体实施例结合附图对本发明的技术方案做进一步阐述说明。需要注意的是，下述的具体实施例仅是作为举例说明，本发明的保护范围并不限于此。
下述实施例中使用的化学药品和原料均为市售所得或通过公知的制备方法自制得到。
本实施例中，提供了一种多元物料干式厌氧消化混合配比的优化方法，一、原料和装置说明
取北京某污水处理厂中温厌氧消化出泥，经过5000g离心10min后，弃去上清液，剩余固体常温密封保存作为接种污泥，其基本特征如表一所示。选择馒头、豆腐以及粮油作为待优化混合配比的物料，这些物料均购自当地一家超市，在使用前采用匀浆机进行粉碎匀浆处理。
表一 接种污泥及底物基本特征
厌氧消化采用瑞典Bioprocess Control公司的AMPTSII系统(Automatic MethanePotential Test System II)进行，消化装置为600mL厚壁玻璃瓶。产生的沼气通过3mol/L氢氧化钠溶液脱除CO2，剩余气体经过检测器自动计量并作为甲烷体积。甲烷产量为标准状况下(273.15K、101kPa)的气体体积。
二、基于混料设计的干式厌氧消化多元物料混合配比优化研究
本实例采用的三种物料均代表餐厨垃圾，属于有机生活垃圾。优化流程如图1所示。
(1)确定实验方案：待优化混合配比的物料共计三种，采用Minitab软件确定的物料混合配比实验组如表二所示，表二中数字代表某一物料在实验组中占据物料之和的百分比(以VS计算)，本研究可以拟合最高为二次的回归方程。
表二 实验设计
(2)开展厌氧消化批次实验：接种污泥和物料按照接种比(ISR)为1(以VS计算)进行配制，最后加入去离子水直至总重量达到300g，并控制厌氧消化TS为15％，每个实验组设置2个平行。空白组只添加接种物和去离子水，测得接种泥的甲烷产量，并在其它实验组中扣除接种泥的甲烷产量。安装完成后，通入氮气1min，并密封，然后将反应瓶放入恒温水浴锅，保持温度为37℃。每个反应瓶配有搅拌装置，搅拌速度为112rpm。
(3)获取模型数据：厌氧消化批次实验期间，如图2所示，记录累计产甲烷曲线；在第0，3，12，29，43天取出5mL消化液，经4400g离心15分钟，取上清液通过膜过滤(孔径0.45um；Savillex)后，用于pH值、氨氮浓度的测定。其中pH值的变化如图3A所示，氨氮浓度的变化如图3B所示。各实验组最低pH值、最高氨氮浓度、t80以及最大累计甲烷产量汇总如表三所示。
表三 模型数据汇总
(5)优化物料配比：采用Minitab软件，输入表三汇总的数据，分别建立多元物料混合配比与最低pH值、最高氨氮浓度、t80以及最大累计甲烷产量的回归方程，回归方程如表四所示；如图4所示，分别以最低pH值≥6.5、最高氨氮浓度≤3000mg/L和t80≤30d为优化目标，目的是避免酸化抑制、氨氮抑制以及产甲烷周期过长。最终合并得到优化的多元物料混合配比区间为馒头13.1％-54.0％，豆腐8.1％-18.4％，粮油37.8％-75.2％，利用此区间进一步通过多元物料混合配比与最大累计甲烷产量的回归方程预测相应的甲烷产量为417.07mLCH4·gvs-1-876.29mLCH4·gvs-1。
表四 回归方程
X1、X2、X3分别代表馒头、豆腐以及粮油的占多元物料的质量百分比(％，)，以每一种物料中的有机质质量为计量单位。
Y1为最低pH值、Y2为最高氨氮浓度、Y3为达到最大累计甲烷产量80％所需的厌氧消化时间t80、Y4为最大累计甲烷产量。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种多元物料干式厌氧消化混合配比的优化方法，其特征在于，包括：
(1)选取不同的初始多元物料混合配比，建立多个多元物料混合实验组；
(2)将各个多元物料混合实验组进行厌氧实验；
(3)根据各个厌氧实验结果，获取各个多元物料混合实验组的消化液指标和甲烷生成量指标；其中，所述消化液指标包括pH值和氨氮浓度，所述甲烷生成量指标包括最大累计甲烷产量和达到所述最大累计甲烷产量的预设百分比时所需要的时间t；其中，所述预设百分比为75％至85％；
(4)根据所述消化液指标和所述甲烷生成量指标建立回归方程，根据所述回归方程采用的响应变量的阈值来优化多元物料混合配比区间，所述响应变量包括消化液的pH值、氨氮浓度或达到所述最大累计甲烷产量的预设百分比时所需要的时间t中的任一种或多种组合；
其中，所述回归方程采用的优化目标包括：
消化液的最低pH值≥6.3至6.7；
消化液的最高氨氮浓度≤2800至3200mg/L；
达到所述最大累计甲烷产量的预设百分比时所需要的时间t≤28至32天。
2.根据权利要求1所述的优化方法，其特征在于，
所述多元物料的种类至少包括三种；
所述多元物料包括有机固体废弃物；
所述有机固体废弃物包括市政污泥、畜禽粪便、有机生活垃圾、农业秸秆中的任一种或多种组合。
3.根据权利要求1所述的优化方法，其特征在于，
步骤(1)中，所述多元物料混合配比为多元物料中每一种物料的有机质的质量比。
4.根据权利要求1所述的优化方法，其特征在于，
步骤(2)中，所述多元物料混合实验组的组分包括多元物料和接种物；
其中，所述多元物料与接种物的比例为多元物料的有机质质量总量与所述接种物的有机质的质量比；
其中，所述多元物料总量与所述接种物的质量比例为1：(0.8至2)。
5.根据权利要求1所述的优化方法，其特征在于，
步骤(3)中，获取各实验组中最低pH值；
获取各实验组中最大氨氮浓度。
6.根据权利要求1所述的优化方法，其特征在于，
步骤(4)中，所述回归方程的阶数等于或者高于二阶。
7.根据权利要求1所述的优化方法，其特征在于，
所述优化方法还包括根据优化的多元物料混合配比区间，预测在所述优化的多元物料配比区间的甲烷产量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110071946.7A CN112863612B (zh) | 2021-01-19 | 2021-01-19 | 多元物料干式厌氧消化混合配比的优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110071946.7A CN112863612B (zh) | 2021-01-19 | 2021-01-19 | 多元物料干式厌氧消化混合配比的优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112863612A CN112863612A (zh) | 2021-05-28 |
| CN112863612B true CN112863612B (zh) | 2024-01-30 |
Family
ID=76007438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110071946.7A Active CN112863612B (zh) | 2021-01-19 | 2021-01-19 | 多元物料干式厌氧消化混合配比的优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112863612B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113634581B (zh) * | 2021-08-16 | 2022-06-24 | 江苏泓润生物质能科技有限公司 | 一种多源废弃物复合处理系统及处理方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104178526A (zh) * | 2014-09-11 | 2014-12-03 | 北京科技大学 | 一种两相干式混合厌氧发酵产沼气的方法 |
| KR20160057242A (ko) * | 2014-11-13 | 2016-05-23 | 지에스건설 주식회사 | 건식 혐기 소화장치 및 건식 혐기 소화 방법 |
| CN106591378A (zh) * | 2016-12-26 | 2017-04-26 | 北京大学深圳研究生院 | 利用富集重金属离子生物质废弃材料进行厌氧消化的方法 |
| CN110257437A (zh) * | 2019-07-01 | 2019-09-20 | 北京工商大学 | 一种餐厨垃圾干式厌氧发酵快速启动及稳定运行方法 |
| CN110628828A (zh) * | 2019-10-10 | 2019-12-31 | 华东师范大学 | 一种优化物料组分促进易腐有机固废厌氧消化产沼气的方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2003291428A1 (en) * | 2003-11-10 | 2004-06-06 | N. Philip Baldwin Jr. | Double replacement cation neutralization of high alkalinity waste materials |
| US10059966B2 (en) * | 2015-11-25 | 2018-08-28 | Flint Hills Resources, Lp | Processes for recovering products from a corn fermentation mash |
| CN107145725A (zh) * | 2017-04-26 | 2017-09-08 | 江南大学 | 一种分析餐厨垃圾厌氧消化产甲烷能力的方法 |
| CN107884487B (zh) * | 2017-10-23 | 2020-11-10 | 北京科技大学 | 测定餐厨垃圾乙醇预发酵-厌氧发酵过程中碳流分布方法 |
| CN109507143B (zh) * | 2018-10-29 | 2019-12-31 | 黑龙江八一农垦大学 | 沼液理化指标近红外光谱同步快速检测方法 |
| CN110357676A (zh) * | 2019-05-30 | 2019-10-22 | 中山大学 | 基于响应曲面法确定鸟粪石回收氮磷工艺参数的方法 |
| CN112062179A (zh) * | 2020-08-24 | 2020-12-11 | 华南理工大学 | 用于造纸污水处理ghg减排的溶解氧分层优化控制方法 |
-
2021
- 2021-01-19 CN CN202110071946.7A patent/CN112863612B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104178526A (zh) * | 2014-09-11 | 2014-12-03 | 北京科技大学 | 一种两相干式混合厌氧发酵产沼气的方法 |
| KR20160057242A (ko) * | 2014-11-13 | 2016-05-23 | 지에스건설 주식회사 | 건식 혐기 소화장치 및 건식 혐기 소화 방법 |
| CN106591378A (zh) * | 2016-12-26 | 2017-04-26 | 北京大学深圳研究生院 | 利用富集重金属离子生物质废弃材料进行厌氧消化的方法 |
| CN110257437A (zh) * | 2019-07-01 | 2019-09-20 | 北京工商大学 | 一种餐厨垃圾干式厌氧发酵快速启动及稳定运行方法 |
| CN110628828A (zh) * | 2019-10-10 | 2019-12-31 | 华东师范大学 | 一种优化物料组分促进易腐有机固废厌氧消化产沼气的方法 |
Non-Patent Citations (4)
| Title |
|---|
| Techno-economic evaluation of biogas production from food waste via anaerobic digestion;Al-Wahaibi A等;《Scientific reports》;第10卷(第1期);1-16 * |
| 有机成分比例对餐厨废弃物厌氧发酵特性的影响;刘丹等;《农业机械学报》;第45卷(第5期);摘要、第1、2节 * |
| 有机成分比例对高固体浓度厌氧发酵产甲烷的影响;赵云飞等;《中国环境科学》;第32卷(第6期);1110-1117 * |
| 餐厨垃圾干式厌氧消化工艺中甲烷转化率及其限制性因素;宋云鹏等;《环境工程学报》(第5期);1-11 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112863612A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Kinetic studies on organic degradation and its impacts on improving methane production during anaerobic digestion of food waste | |
| Rao et al. | Bioenergy conversion studies of organic fraction of MSW: kinetic studies and gas yield–organic loading relationships for process optimisation | |
| Zheng et al. | Effect of dairy manure to switchgrass co-digestion ratio on methane production and the bacterial community in batch anaerobic digestion | |
| Rao et al. | Bioenergy conversion studies of the organic fraction of MSW: assessment of ultimate bioenergy production potential of municipal garbage | |
| Lü et al. | Dewaterability of anaerobic digestate from food waste: relationship with extracellular polymeric substances | |
| Siddiqui et al. | Optimisation of C: N ratio for co-digested processed industrial food waste and sewage sludge using the BMP test | |
| Jiang et al. | Effect of organic loading rate and temperature on the anaerobic digestion of municipal solid waste: process performance and energy recovery | |
| CN105861306B (zh) | 固液两阶段厌氧发酵装置及方法 | |
| Carotenuto et al. | Temperature and pH effect on methane production from buffalo manure anaerobic digestion | |
| CN103693737B (zh) | 一种餐厨垃圾废水制备沼气的方法 | |
| CN101913747A (zh) | 一种利用造纸污泥和餐厨垃圾联合发酵产甲烷的方法 | |
| Nkemka et al. | Start-up of a sequential dry anaerobic digestion of paunch under psychrophilic and mesophilic temperatures | |
| CN101337838A (zh) | 有机固体废弃物联合厌氧发酵方法 | |
| CN103695474B (zh) | 一种餐厨垃圾废水厌氧发酵的方法 | |
| Adebayo et al. | Effects of organic loading rate on biogas yield in a continuously stirred tank reactor experiment at mesophilic temperature | |
| Lahboubi et al. | Methane production from mesophilic fed-batch anaerobic digestion of empty fruit bunch of palm tree | |
| Cárdenas-Cleves et al. | Anaerobic codigestion of sugarcane press mud with food waste: effects on hydrolysis stage, methane yield, and synergistic effects | |
| Owamah et al. | Development of simple-to-apply biogas kinetic models for the co-digestion of food waste and maize husk | |
| Gómez-Quiroga et al. | Successful and stable operation of anaerobic thermophilic co-digestion of sun-dried sugar beet pulp and cow manure under short hydraulic retention time | |
| Deepanraj et al. | Experimental and kinetic study on anaerobic co-digestion of poultry manure and food waste | |
| CN112863612B (zh) | 多元物料干式厌氧消化混合配比的优化方法 | |
| CN101538109A (zh) | 一种工业余热辅助下的化粪池积淀物厌氧发酵工艺方法 | |
| Pan et al. | A novel hydraulic biogas digester controlling the scum formation in batch and semi-continuous tests using banana stems | |
| Khuntia et al. | Review on solid-state anaerobic digestion of lignocellulosic biomass and organic solid waste | |
| Luo et al. | Performance of a novel downward plug-flow anaerobic digester for methane production from chopped straw |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |