WO2024079773A1 - 嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法 - Google Patents

嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法 Download PDF

Info

Publication number
WO2024079773A1
WO2024079773A1 PCT/JP2022/037772 JP2022037772W WO2024079773A1 WO 2024079773 A1 WO2024079773 A1 WO 2024079773A1 JP 2022037772 W JP2022037772 W JP 2022037772W WO 2024079773 A1 WO2024079773 A1 WO 2024079773A1
Authority
WO
WIPO (PCT)
Prior art keywords
amount
data
fermentation liquid
biogas
organic waste
Prior art date
Application number
PCT/JP2022/037772
Other languages
English (en)
French (fr)
Inventor
恭平 明田川
典亮 勝又
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to PCT/JP2022/037772 priority Critical patent/WO2024079773A1/ja
Priority to JP2023511819A priority patent/JP7455278B1/ja
Publication of WO2024079773A1 publication Critical patent/WO2024079773A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
    • B09B—DISPOSAL OF SOLID WASTE NOT OTHERWISE PROVIDED FOR
    • B09B3/00—Destroying solid waste or transforming solid waste into something useful or harmless
    • B09B3/60—Biochemical treatment, e.g. by using enzymes
    • B09B3/65—Anaerobic treatment
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F11/00—Treatment of sludge; Devices therefor
    • C02F11/02—Biological treatment
    • C02F11/04—Anaerobic treatment; Production of methane by such processes
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/28—Anaerobic digestion processes
    • 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

Definitions

  • This application relates to an anaerobic digestion process monitoring system and an anaerobic digestion process monitoring method.
  • the organic waste In order to recycle organic waste such as sludge, food waste, and industrial wastewater as resources, the organic waste is put into a digester that has been cultivated with anaerobic microorganisms, and biogas is extracted through methane fermentation. This process is called the anaerobic digestion process, and by using the biogas extracted from the organic waste to convert it into thermal energy in a boiler or electrical energy in a generator, it is possible to turn the organic waste into a resource, or contribute to reducing greenhouse gas emissions by reducing fuel or electricity consumption.
  • Biogas power generation which uses biogas obtained through the anaerobic digestion process, not only extracts electricity from organic waste that is generated semi-permanently by human activity, but also, unlike solar or wind power, the amount of power that can be generated is not dependent on the natural environment, so it has the potential to become a distributed power source that utilizes powerful renewable energy sources in realizing the 3Dization of the energy industry.
  • the first is digitalization.
  • the amount of biogas generated varies depending on (1) the amount and properties of organic matter fed into the digester, (2) the mixing ratio of each organic matter fed, and (3) the activity of anaerobic microorganisms in the digester. Therefore, due to the diversity of organic waste fed into the digester, the process of converting organic waste into biogas is very complicated, and practical modeling (digitization) of the anaerobic digestion process has not been realized.
  • the second is the increase in the burden of operation and management.
  • biogas power generation facilities are installed in various locations in a decentralized manner, the number of pieces of equipment increases significantly, which significantly increases the burden of operation and management.
  • the biogas generation rate is calculated in advance for each type of organic waste input, and the amount of biogas generated is predicted according to the actual input amount of each organic waste.
  • the activity of anaerobic microorganisms is promoted or inhibited depending on the combination or input amount of organic waste, the activity of anaerobic microorganisms in the digester may fluctuate, and there was a problem that the accuracy of predicting the amount of biogas generated decreased when the biogas generation rate fluctuated due to fluctuations in the activity of anaerobic microorganisms in the digester.
  • the present application has been made to solve the above-mentioned problems, and aims to provide an anaerobic digestion process monitoring system and an anaerobic digestion process monitoring method that can predict the amount of biogas generated with high accuracy even when the activity of anaerobic microorganisms in the digester tank fluctuates.
  • the anaerobic digestion process monitoring system disclosed in the present application is an anaerobic digestion process monitoring system that monitors the state of the anaerobic digestion process by predicting the amount of biogas generated from the fermentation liquid in which anaerobic microorganisms inside the digestion tank have been acclimatized by feeding organic waste into the digestion tank, and is equipped with a first sensor that measures the amount of organic waste fed into the digestion tank and outputs the measurement results as load data, a second sensor that measures the properties of the fermentation liquid inside the digestion tank and outputs the measurement results as fermentation liquid property data, a process observation unit that accumulates the load data and the fermentation liquid property data, a pre-processing unit that uses a first estimation model to obtain estimated activity index data that indicates the activity of the anaerobic microorganisms from the load data and the fermentation liquid property data, and a gas generation amount prediction unit that uses a second estimation model to obtain a predicted value for the amount of biogas generated from the load data, the fermentation liquid property data, and the estimated activity index data.
  • the anaerobic digestion process monitoring system disclosed in the present application includes a first sensor that measures the amount of organic waste input into the digester and outputs the measurement results as load data, a second sensor that measures the properties of the fermentation liquid inside the digester and outputs the measurement results as fermentation liquid property data, a process observation unit that accumulates the load data and fermentation liquid property data, a pre-processing unit that uses a first estimation model to obtain estimated activity index data indicating the activity of anaerobic microorganisms from the load data and fermentation liquid property data, and a gas generation amount prediction unit that uses a second estimation model to obtain a predicted value for the amount of biogas generation from the load data, fermentation liquid property data, and estimated activity index data, so that the amount of biogas generation can be predicted with high accuracy even when the activity of anaerobic microorganisms in the digester fluctuates.
  • FIG. 1 is a diagram showing a configuration of an anaerobic digestion process monitoring system according to a first embodiment.
  • 4 is a flowchart showing details of processing in the anaerobic digestion process monitoring system according to the first embodiment.
  • FIG. 11 is a diagram showing the configuration of an anaerobic digestion process monitoring system according to a second embodiment.
  • FIG. 11 is a diagram showing the configuration of an anaerobic digestion process monitoring system according to a third embodiment.
  • FIG. 1 is a diagram showing the configuration of an anaerobic digestion process monitoring system according to a first embodiment.
  • solid arrows represent piping, and dotted arrows represent information exchange, for example, signal lines.
  • the anaerobic digestion process monitoring system includes a monitoring device 10, a first sensor 4, a second sensor 5, and a third sensor 7.
  • the monitoring device 10 includes a process observation unit 11, a pretreatment unit 12, a gas generation amount prediction unit 13, and a process monitoring unit 14.
  • Organic waste such as sludge, food residue, and industrial wastewater is crushed by a disposer or the like as necessary and sent to a buffer tank 1.
  • the buffer tank 1 stores organic waste to be fed into the digestion tank 2, and the buffer tank 1 and the digestion tank 2 are connected via an input pipe 31, and the organic waste inside the buffer tank 1 is input into the digestion tank 2 by an input means 3.
  • the input means 3 is, for example, a pump.
  • the organic waste input into the digestion tank 2 is assimilated by anaerobic microorganisms acclimated inside the digestion tank 2, generating biogas.
  • a first sensor 4 that measures the amount of organic waste input into the digester 2 is provided in the input piping 31, and the first sensor 4 outputs information on the amount of organic waste input, which is the measurement result, as load data to a process observation unit 11 of the monitoring device 10.
  • the process observation unit 11 accumulates the acquired load data.
  • the biogas generated in the digester 2 is sent to, for example, a biogas generator through a gas pipe 32.
  • a third sensor 7 that measures the amount of biogas generated in the digester 2 is provided in the gas pipe 32, and the third sensor 7 outputs information on the actual amount of biogas generated, which is the measurement result, to the process monitoring unit 14 of the monitoring device 10.
  • the second sensor 5 installed in the digestion tank 2 measures the properties of the fermentation liquid, which is a suspension of organic waste and anaerobic microorganisms inside the digestion tank 2, and outputs the measurement results, fermentation liquid property information, to the process observation unit 11 of the monitoring device 10 as fermentation liquid property data.
  • the process observation unit 11 accumulates the acquired fermentation liquid property data.
  • the properties of the fermentation liquid measured by the second sensor 5 are correlated with the estimated activity index data, which is a physical property value that is an index of the activity of anaerobic microorganisms.
  • the properties of the fermentation liquid measured by the second sensor 5 must be physical property values that can be automatically measured, for example, intermediate products (organic acids, hydrogen, carbon dioxide, etc.) in the process in which organic waste is converted into biogas by anaerobic microorganisms, and for example, any of pH, TDS (Total Dissolved Solids), and carbon dioxide ion concentration can be used.
  • the property of the fermentation liquid measured by the second sensor 5 must be, for example, a physical property value that can be automatically measured and is indicated by a substance (such as ammonia nitrogen, organic acid, or nutrient salt) that is involved in inhibiting the activity of anaerobic microorganisms, and any one of pH, TDS, and electrical conductivity can be used.
  • the property of the fermentation liquid measured by the second sensor 5 includes, for example, at least one of pH, TDS, carbon dioxide ion concentration, and electrical conductivity.
  • the discharge means 6 discharges unnecessary anaerobic microorganisms and organic waste residue that has not been converted into biogas as fermentation residue out of the digester tank 2 through the discharge pipe 33.
  • the discharge means 6 is, for example, a pump.
  • the transfer of information from the first sensor 4 to the process observation unit 11, the transfer of information from the second sensor 5 to the process observation unit 11, and the transfer of information from the third sensor 7 to the process monitoring unit 14 may be performed by wired or wireless communication, or may be performed via a network such as the Internet.
  • the process observation unit 11 acquires load data from the first sensor 4 and fermentation liquid property data from the second sensor 5, accumulates the acquired load data and fermentation liquid property data, and outputs the load data and fermentation liquid property data to the pre-processing unit 12 and the gas generation amount prediction unit 13.
  • the pre-processing unit 12 acquires the load data and fermentation liquid property data from the process observation unit 11, calculates estimated activity index data indicating the activity of anaerobic microorganisms from the load data and fermentation liquid property data using the first estimation model, accumulates the calculated estimated activity index data, and outputs it to the gas generation amount prediction unit 13.
  • the gas generation amount prediction unit 13 acquires the load data and fermentation liquid property data from the process observation unit 11, acquires the estimated activity index data from the pre-processing unit 12, and uses a second estimation model to determine a predicted value for the biogas generation amount from the load data, fermentation liquid property data, and estimated activity index data.
  • the determined predicted value for the biogas generation amount is output to the process monitoring unit 14 and also to the outside of the monitoring device 10. For example, if the gas piping 32 is connected to a biogas power generation facility, the predicted value for the biogas generation amount output from the gas generation amount prediction unit 13 is used to predict the amount of biogas power generated in the biogas power generation facility.
  • the process monitoring unit 14 acquires the actual biogas generation amount from the third sensor 7, acquires the predicted biogas generation amount from the gas generation amount prediction unit 13, calculates an error rate from the actual biogas generation amount and the predicted biogas generation amount, and monitors whether the error rate is a value included in a predetermined range.
  • the process monitoring unit 14 may also output the error rate to the outside of the monitoring device 10, or may output the result of determining whether the error rate is a value included in a predetermined range to the outside of the monitoring device 10.
  • the error rate can be calculated, for example, by (predicted biogas generation amount - actual biogas generation amount) / actual biogas generation amount * 100.
  • the first estimation model is, for example, an arithmetic expression for obtaining estimated activity index data indicating the activity of anaerobic microorganisms from load data and fermentation liquid property data, and is a regression equation in which estimated activity index data such as the concentration of intermediate products (organic acids, hydrogen, carbon dioxide, etc.) or the concentration of substances involved in the inhibition of the activity of anaerobic microorganisms (ammonia nitrogen, organic acids, nutrients, etc.) is set as the objective variable, and the load data and fermentation liquid property data are set as multiple explanatory variables for each estimated activity index data.
  • estimated activity index data such as the concentration of intermediate products (organic acids, hydrogen, carbon dioxide, etc.) or the concentration of substances involved in the inhibition of the activity of anaerobic microorganisms (ammonia nitrogen, organic acids, nutrients, etc.) is set as the objective variable, and the load data and fermentation liquid property data are set as multiple explanatory variables for each estimated activity index data.
  • the second estimation model is, for example, an arithmetic expression for obtaining a predicted value of the amount of biogas generated from load data, fermentation liquid property data, and estimated activity index data, and is a regression equation in which the amount of biogas generated is set as the objective variable, and the load data, fermentation liquid property data, and estimated activity index data are set as multiple explanatory variables.
  • a learning period is set after the system is introduced, and multivariate analysis is performed in the pre-processing unit 12 to extract necessary explanatory variables from the measured load data and fermentation liquid property data for each estimated activity index data, and obtain coefficients related to the necessary explanatory variables to construct the regression equation of the first estimation model.
  • the gas generation amount prediction unit 13 After constructing the first estimation model, the gas generation amount prediction unit 13 performs multivariate analysis to extract necessary explanatory variables from the measured load data, fermentation liquid property data, and estimated activity index data obtained by the first estimation model for the actual biogas generation amount, and constructs a regression equation for the second estimation model by obtaining coefficients related to the necessary explanatory variables. Note that it is also possible to determine the calculation equation for the first estimation model and the calculation equation for the second estimation model by preliminary testing before introducing the system, and the method for doing so is shown below.
  • the amount of organic waste put into the digester is measured as load data, and TVS (Total Volatile Solids), which is an index of the amount of organic matter in the organic waste put in, is measured. If there are multiple types of organic waste, the amount of organic waste put in and TVS are measured for each type of organic waste.
  • the digester for laboratory testing into which the organic waste has been put is kept at a constant temperature, and the amount of biogas generated is measured after, for example, 20 days. This makes it possible to obtain data on the amount of biogas generated per TVS put in according to the load data, which is the amount of organic waste put in.
  • the conditions for the amount of organic waste put into the digester are varied, and values such as the pH, TDS, carbon dioxide ion concentration, and electrical conductivity of the fermentation liquid inside the digester are measured as fermentation liquid property data.
  • concentrations of ammonia nitrogen, organic acids (acetic acid, valeric acid, butyric acid, propionic acid, etc.), and nutrients (nickel, iron, cobalt, etc.) are measured as estimated activity index data, which are physical property values that serve as indicators of the activity of anaerobic microorganisms.
  • the second sensor 5 to measure the pH, TDS or carbon dioxide ion concentration of the fermentation liquid as the properties of the fermentation liquid in the digester 2 and taking the values of pH, TDS or carbon dioxide ion concentration as fermentation liquid property data, it is possible to estimate the organic acid concentration or nutrient concentration, which is estimated activity indicator data that serves as an indicator of anaerobic microorganism activity, from the values of the fermentation liquid property data such as pH, TDS or carbon dioxide ion concentration.
  • a first estimation model can be obtained that determines the organic acid concentration or nutrient salt concentration, which is the estimated activity index data indicating the activity of anaerobic microorganisms, from the load data and the fermentation liquid property data, such as pH, TDS or carbon dioxide ion concentration.
  • the ammoniacal nitrogen concentration increases and the activity of anaerobic microorganisms decreases. Therefore, by measuring the electrical conductivity of the fermentation liquid as a property of the fermentation liquid in the digester 2 using the second sensor 5 and using the electrical conductivity value as fermentation liquid property data, the ammoniacal nitrogen concentration, which is estimated activity index data that is an index of the activity of anaerobic microorganisms, can be estimated from the electrical conductivity value, which is the fermentation liquid property data.
  • a first estimation model can be obtained for determining the ammoniacal nitrogen concentration, which is estimated activity index data showing the activity of anaerobic microorganisms, from the load data and the electrical conductivity, which is fermentation liquid property data.
  • the load amount which is the amount of organic waste input, the pH, TDS or carbon dioxide ion concentration of the fermentation liquid, and the organic acid concentration or nutrient salt concentration calculated from the pH, TDS or carbon dioxide ion concentration
  • the load amount which is the amount of organic waste input, the pH, TDS or carbon dioxide ion concentration of the fermentation liquid, and the organic acid concentration or nutrient salt concentration calculated from the pH, TDS or carbon dioxide ion concentration
  • a second estimation model for calculating the predicted value of the amount of biogas generated can be obtained from the load amount and the pH, TDS or carbon dioxide ion concentration of the fermentation liquid.
  • the load amount which is the amount of organic waste input, the electrical conductivity of the fermentation liquid, and the ammonia nitrogen concentration calculated from the electrical conductivity
  • the load amount which is the amount of organic waste input
  • the electrical conductivity of the fermentation liquid and the ammonia nitrogen concentration calculated from the electrical conductivity
  • the load amount which is the amount of organic waste input, the pH, TDS or carbon dioxide ion concentration of the fermentation liquid, the organic acid concentration calculated from the pH, TDS or carbon dioxide ion concentration, the electrical conductivity of the fermentation liquid, and the ammonia nitrogen concentration calculated from the electrical conductivity
  • the load amount which is the amount of organic waste input, the pH, TDS or carbon dioxide ion concentration of the fermentation liquid, the organic acid concentration calculated from the pH, TDS or carbon dioxide ion concentration, the electrical conductivity of the fermentation liquid, and the ammonia nitrogen concentration calculated from the electrical conductivity
  • a second estimation model for calculating the predicted amount of biogas generated from the load amount, the pH, TDS or carbon dioxide ion concentration of the fermentation liquid, and the electrical conductivity of the fermentation liquid can be obtained.
  • the first estimation model can calculate estimated activity index data, which is an index of the activity of anaerobic microorganisms in the fermentation liquid, from the load amount, which is the amount of organic waste input, and the fermentation liquid property data, which is information on the properties of the fermentation liquid in the digester, based on correlation information acquired during a learning period after the introduction of the system or in laboratory tests before the introduction of the system.
  • the fermentation liquid property data is the pH, TDS, or carbon dioxide ion concentration of the fermentation liquid
  • the estimated activity index data is the organic acid concentration or nutrient salt concentration of the fermentation liquid
  • the estimated activity index data is the ammonia nitrogen concentration of the fermentation liquid.
  • the second estimation model can calculate a predicted value of the amount of biogas generated per input TVS, based on correlation information acquired during a learning period after the introduction of the system or in laboratory tests before the introduction of the system, from the load amount, which is the amount of organic waste input, the fermentation liquid property data, which is information on the properties of the fermentation liquid in the digester, and the estimated activity index data calculated by the first estimation model.
  • the physical property values that are indicative of the activity of anaerobic microorganisms, which cannot be automatically measured by sensors etc. but are necessary for accurately predicting the amount of biogas generated, are estimated as estimated activity index data in the first estimation model, and the estimated activity index data, load data and fermentation liquid property data are input into the calculation formula of the second estimation model to obtain a predicted value of the amount of biogas generated, so that the amount of biogas generated can be predicted with high accuracy while suppressing an increase in the operating load.
  • the fermentation liquid property data is not limited to pH, TDS, carbon dioxide ion concentration or electrical conductivity, but may be acetate ion concentration, COD (Chemical Oxygen Demand) concentration, etc., and it is sufficient that the correlation with physical property values that are the activity of anaerobic microorganisms, such as the organic acid concentration, nutrient salt concentration or ammonia nitrogen concentration of the fermentation liquid, can be confirmed in a test in which organic waste is put into a digester for laboratory testing.
  • the more types of fermentation liquid property data are used the higher the estimation accuracy of the estimated activity index data can be.
  • increasing the number of types of fermentation liquid property data requires a larger number of sensors, which increases the initial cost and the burden of operational management, so the number of types of fermentation liquid property data can be determined according to the required estimation accuracy.
  • the process monitoring unit 14 acquires the predicted biogas generation amount from the gas generation amount prediction unit 13 and the actual biogas generation amount from the third sensor 7, and when the value of the error rate between the actual biogas generation amount and the predicted biogas generation amount is outside a predetermined normal error rate range and the actual biogas generation amount is within a predetermined normal gas generation amount range, it determines that at least one of the first sensor 4 and the second sensor 5 has failed and the estimated activity index data obtained by the first estimation model may have deviated from the normal value range, and may output a signal to prompt maintenance of the first sensor 4 and the second sensor 5.
  • the above process allows smooth maintenance of the first sensor 4 and the second sensor 5.
  • the gas generation amount prediction unit 13 may also output the estimated activity index data together with the predicted biogas generation amount to the process monitoring unit 14. At this time, if the value of the error rate between the actual biogas generation amount value acquired from the third sensor 7 and the predicted biogas generation amount value acquired from the gas generation amount prediction unit 13 is outside a predetermined normal error rate range, and the actual biogas generation amount value is outside a predetermined normal gas generation amount range, and the estimated activity index data acquired from the gas generation amount prediction unit 13 is included in the predetermined normal activity index range, the process monitoring unit 14 may determine that the third sensor 7 may be broken and output a signal to prompt maintenance of the third sensor 7. The above process allows smooth maintenance of the third sensor 7.
  • the process monitoring unit 14 may determine that the activity of the anaerobic microorganisms has decreased due to the influence of the organic waste, and may output a signal to prompt the stopping of the biogas generation system and the confirmation of the properties of the organic waste to be put into the digestion tank 2 inside the buffer tank 1.
  • the process monitoring unit 14 may also acquire the estimated activity index data from the pre-processing unit 12.
  • the normal range of the error rate may be set appropriately according to the allowable fluctuation rate of the power adjustment capacity required by an operator such as an aggregator according to the amount of power generated by the biogas generated and the total amount of power of the microgrid including the biogas power generation when biogas power generation using the biogas obtained by the anaerobic digestion process is utilized as a distributed power source, but it is preferable that it is within 10%, and more preferable that it is within 5%. If there is seasonal variation in the properties of the organic waste, it is necessary to vary the rated value taking into account the seasonal variation.
  • the organic acid concentration is preferably 2000 mg/L or less, and more preferably 100 mg/L or less.
  • the ammonia nitrogen concentration is preferably 5000 mg/L or less, and more preferably 1000 mg/L or less.
  • the first sensor 4 measures the amount of organic waste input in real time at a predetermined measurement time interval and outputs it to the process observation unit 11 as load data, and the process observation unit 11 accumulates the load data as time series data at the measurement time interval.
  • the second sensor 5 measures the properties of the fermentation liquid inside the digester 2 in real time at the same measurement time interval as the first sensor 4 and outputs it to the process observation unit 11 as fermentation liquid property data, and the process observation unit 11 accumulates the fermentation liquid property data as time series data at the same measurement time interval as the first sensor 4.
  • the third sensor 7 measures the amount of biogas generated in the digester 2 in real time at the same measurement time interval as the first sensor 4 and outputs it to the process monitoring unit 14 as a predicted value of the amount of biogas generated.
  • the measurement time intervals for the measurements by the first sensor 4, the second sensor 5, and the third sensor 7 are not particularly limited, but if the measurement time intervals are long, there is a risk that the accuracy of predicting the amount of biogas generated will decrease, and if the measurement time intervals are short, the amount of data accumulated in the process observation unit 11 or the process monitoring unit 14 will be large, so the measurement time intervals are preferably 1 minute or more and 60 minutes or less, and more preferably 5 minutes or more and 10 minutes or less.
  • the respective measurement times (measurement timings) of the time-series load data at which the first sensor 4 measures the amount of organic waste input, the respective measurement times (measurement timings) of the time-series fermentation liquid property data at which the second sensor 5 measures the properties of the fermentation liquid inside the digester 2, and the respective measurement times (measurement timings) of the time-series actual biogas generation amount at which the third sensor 7 measures the actual value of the amount of biogas generated are the same; that is, it is desirable that the second sensor 5 measures the properties of the fermentation liquid at the time that the first sensor 4 measures the amount of organic waste input, and it is desirable that the third sensor 7 measures the actual value of the amount of biogas generated at the time that the first sensor 4 measures the amount of organic waste input.
  • the pre-processing unit 12 obtains estimated activity index data at the specific time from the load data measured at the specific time and the fermentation liquid property data measured at the specific time using the first estimation model, and accumulates the estimated activity index data at each time as time-series data for the measurement time interval.
  • the gas generation amount prediction unit 13 uses the load data, fermentation liquid property data, and estimated activity index data as inputs to calculate the predicted biogas generation amount using the second estimation model, it is desirable to calculate the predicted biogas generation amount from the load data measured at a specific time, the fermentation liquid property data measured at a specific time, and the estimated activity index data at the same specific time.
  • FIG. 2 is a flowchart showing the details of the processing of the anaerobic digestion process monitoring system according to the first embodiment.
  • step S01 is a load measurement step
  • step S02 is a fermentation liquid measurement step
  • step S03 is a gas volume measurement step
  • step S04 is a process observation step
  • step S05 is a pretreatment step
  • step S06 is a gas generation volume prediction step
  • step S07 is a process monitoring step
  • step S08 is a fault determination step.
  • step S01 of FIG. 2 organic waste such as sludge, food waste, and industrial wastewater is crushed by a disposer or the like as necessary and sent to the buffer tank 1.
  • step S01 of FIG. 2 the organic waste inside the buffer tank 1 is fed into the digestion tank 2 by the feeding means 3, and the first sensor 4 measures the amount of organic waste fed into the digestion tank 2, outputs the measurement result, load data, to the process observation unit 11, and proceeds to step S02.
  • step S02 the second sensor 5 measures the properties of the fermentation liquid, which is a suspension of organic waste and anaerobic microorganisms inside the digestion tank 2, outputs the measurement result, fermentation liquid property data, to the process observation unit 11, and proceeds to step S03.
  • step S03 the third sensor 7 measures the amount of biogas generated by the anaerobic microorganisms acclimatized inside the digestion tank 2, outputs the measurement result, the actual value of the amount of biogas generated, to the process monitoring unit 14, and proceeds to step S04.
  • the process is shown to be performed in the order of steps S01, S02, and S03, but it is preferable that the respective values in steps S01, S02, and S03 are measured at the same measurement time at predetermined measurement time intervals.
  • step S04 the process observation unit 11 accumulates the load data acquired from the first sensor 4 as time-series data, accumulates the fermentation liquid property data acquired from the second sensor 5 as time-series data, outputs the load data and the fermentation liquid property data to the pre-processing unit 12 and the gas generation amount prediction unit 13, and proceeds to step S05.
  • step S05 the pre-processing unit 12 acquires the load data and the fermentation liquid property data from the process observation unit 11, determines and accumulates estimated activity index data indicating the activity of anaerobic microorganisms from the load data and fermentation liquid property data acquired using the first estimation model, and outputs the estimated activity index data to the gas generation amount prediction unit 13, and proceeds to step S06.
  • step S06 the gas generation amount prediction unit 13 obtains the load data and fermentation liquid property data from the process observation unit 11, obtains the estimated activity index data from the pre-processing unit 12, obtains the predicted value of the biogas generation amount from the load data, the fermentation liquid property data, and the estimated activity index data using the second estimation model, outputs the predicted value of the biogas generation amount to the process monitoring unit 14 and to the outside of the monitoring device 10, outputs the estimated activity index data to the process monitoring unit 14, and proceeds to step S07.
  • step S07 the process monitoring unit 14 obtains the actual value of the biogas generation amount from the third sensor 7, obtains the predicted value of the biogas generation amount from the gas generation amount prediction unit 13, calculates the error rate from the actual value of the biogas generation amount and the predicted value of the biogas generation amount, outputs the error rate to the outside of the monitoring device 10, and proceeds to step S08.
  • step S08 the process monitoring unit 14 acquires estimated activity index data from the gas generation amount prediction unit 13. Furthermore, when the value of the error rate between the actual biogas generation amount and the predicted biogas generation amount is outside the predetermined normal error rate range, and the actual biogas generation amount is within the predetermined normal gas generation amount range, the process monitoring unit 14 outputs a signal to prompt maintenance of the first sensor 4 and the second sensor 5. Furthermore, when the value of the error rate between the actual biogas generation amount and the predicted biogas generation amount is outside the predetermined normal error rate range, and the actual biogas generation amount is outside the predetermined normal gas generation amount range, and the estimated activity index data is within the predetermined normal activity index range, the process monitoring unit 14 outputs a signal to prompt maintenance of the third sensor 7.
  • the process monitoring unit 14 outputs a signal to prompt the user to stop the biogas generation system and to check the properties of the organic waste inside the buffer tank 1 that is to be fed into the digester tank 2, and ends the processing of the anaerobic digestion process monitoring system.
  • the anaerobic digestion process monitoring system is an anaerobic digestion process monitoring system that monitors the state of the anaerobic digestion process by predicting the amount of biogas generated from the fermentation liquid in which anaerobic microorganisms inside the digestion tank 2 have been acclimatized by feeding organic waste into the digestion tank 2, and includes a first sensor 4 that measures the amount of organic waste fed into the digestion tank 2 and outputs the measurement results as load data, a second sensor 5 that measures the properties of the fermentation liquid inside the digestion tank 2 and outputs the measurement results as fermentation liquid property data, a pre-processing unit 12 that uses a first estimation model to obtain estimated activity index data indicating the activity of the anaerobic microorganisms from the load data and the fermentation liquid property data, and a gas generation amount prediction unit 13 that uses a second estimation model to obtain a predicted value for the amount of biogas generated from the load data, the fermentation liquid property data, and the estimated activity index data. Therefore, the amount of biogas generated can be
  • This method improves the accuracy of the prediction of the amount of biogas generated, but requires a large amount of labor to measure the number of anaerobic microorganisms inside the digester 2, which leads to an increase in the burden of operation and management.
  • the anaerobic digestion process monitoring system according to embodiment 1 makes it possible to achieve both suppression of the increase in the burden of operation and management and highly accurate prediction of biogas.
  • Embodiment 2. 3 is a diagram showing the configuration of an anaerobic digestion process monitoring system according to a second embodiment. Comparing the anaerobic digestion process monitoring system according to the second embodiment shown in FIG. 3 with the anaerobic digestion process monitoring system according to the first embodiment shown in FIG. 1, the monitoring device 10 is replaced by a monitoring device 10a, the gas generation amount prediction unit 13 is replaced by a gas generation amount prediction unit 13a, and the process monitoring unit 14 is replaced by a process monitoring unit 14a.
  • the gas generation amount prediction unit 13a has the same function as the gas generation amount prediction unit 13, and further has the function described below.
  • the process monitoring unit 14a has the same function as the process monitoring unit 14, and further has the function described below.
  • the other configurations of the anaerobic digestion process monitoring system according to the second embodiment are the same as those of the anaerobic digestion process monitoring system according to the first embodiment.
  • the process monitoring unit 14a acquires the load data, fermentation liquid property data, estimated activity index data, and predicted biogas generation amount from the gas generation amount prediction unit 13a, acquires the actual biogas generation amount from the third sensor 7, and, if the value of the error rate between the actual biogas generation amount and the predicted biogas generation amount falls within a predetermined normal error rate range, the actual biogas generation amount falls within a predetermined normal gas generation amount range, and the estimated activity index data falls within a predetermined normal activity index range, it calculates updated correlation data which is correlation data between the load data, fermentation liquid property data, and estimated activity index data, and the actual biogas generation amount, and outputs the calculated updated correlation data to the gas generation amount prediction unit 13a.
  • the gas generation amount prediction unit 13a updates the arithmetic equation of the second estimation model using the updated correlation data acquired from the process monitoring unit 14a. That is, the second estimation model can be updated by adding updated correlation data, which is correlation data between the load data, fermentation liquid property data, and estimated activity index data obtained during actual operation from the process monitoring unit 14a, and the actual measured value of the amount of biogas generated, to the load amount, which is the amount of organic waste input, the fermentation liquid property data, which is information on the properties of the fermentation liquid in the digester, and the correlation data between the estimated activity index data and the amount of biogas generated, which are obtained during the initial learning period after the system is introduced or during a test in which organic waste is input into a digester for laboratory testing.
  • updated correlation data which is correlation data between the load data, fermentation liquid property data, and estimated activity index data obtained during actual operation from the process monitoring unit 14a, and the actual measured value of the amount of biogas generated
  • the update is performed, for example, by modifying the coefficients for each of the multiple explanatory variables (load data, fermentation liquid property data, and estimated activity index data) extracted in the regression equation of the second estimation model.
  • load amount which is the amount of organic waste input obtained in a laboratory test in which organic waste is input into a digester
  • the fermentation liquid property data which is information on the properties of the fermentation liquid in the digester
  • the estimated activity index data and the amount of biogas generated fluctuates in actual operation due to the influence of a synergistic effect in which the biogas generation rate or decomposition rate improves (fluctuations) depending on the combination of organic waste input
  • updating the second estimation model using updated correlation data obtained in actual operation, it is possible to predict the amount of biogas generated in response to changes in correlation without increasing the operational management burden.
  • the second estimation model is updated using only the updated correlation data when it is confirmed that the error rate value between the actual biogas generation amount and the predicted biogas generation amount is within a predetermined normal error rate range, the actual biogas generation amount is within a predetermined normal gas generation amount range, and the estimated activity index data is within a predetermined normal activity index range. Therefore, the second estimation model can be updated using data when the first sensor 4, the second sensor 5, and the third sensor 7 are all outputting normal values, and the second estimation model is not updated when any of the first sensor 4, the second sensor 5, and the third sensor 7 is outputting an abnormal value due to a malfunction.
  • process monitoring unit 14a may also acquire the load data and fermentation liquid property data from the process observation unit 11, and the estimated activity index data from the pre-processing unit 12.
  • the process monitoring unit 14a obtains updated correlation data, which is correlation data between the load data, the fermentation liquid property data, and the estimated activity index data and the actual measurement value of the biogas generation amount, and outputs the updated correlation data to the gas generation amount prediction unit 13a, and the gas generation amount prediction unit 13a updates the calculation formula of the second estimation model using the updated correlation data.
  • FIG. 4 is a diagram showing the configuration of an anaerobic digestion process monitoring system according to a third embodiment. Comparing the anaerobic digestion process monitoring system according to the third embodiment shown in FIG. 4 with the anaerobic digestion process monitoring system according to the first embodiment shown in FIG. 1, an input amount calculation unit 15, a fourth sensor 21, a gas tank 22, and a fifth sensor 23 are added, the pre-processing unit 12 is a pre-processing unit 12b, the gas generation amount prediction unit 13 is a gas generation amount prediction unit 13b, and the monitoring device 10b includes a process observation unit 11, a pre-processing unit 12b, a gas generation amount prediction unit 13b, a process monitoring unit 14, and an input amount calculation unit 15.
  • the pre-processing unit 12b has the same function as the pre-processing unit 12, and further has the function described below.
  • the gas generation amount prediction unit 13b has the same function as the gas generation amount prediction unit 13, and further has the function described below.
  • the other configurations of the anaerobic digestion process monitoring system according to the third embodiment are the same as those of the anaerobic digestion process monitoring system according to the first embodiment.
  • the fourth sensor 21 measures the amount of organic waste stored inside the buffer tank 1, and outputs the measurement result to the pre-processing unit 12b as the amount of stored waste.
  • the gas tank 22 stores the biogas generated in the digester tank 2.
  • the fifth sensor 23 measures the amount of stored biogas inside the gas tank 22, and outputs the measurement result to the input amount calculation unit 15 as the amount of stored gas. Note that information can be passed from the fifth sensor 23 to the input amount calculation unit 15 by wired or wireless communication, or via a network such as the Internet.
  • the pre-processing unit 12b acquires the load data and the fermentation liquid property data from the process observation unit 11, and acquires the waste storage volume from the fourth sensor 21. Next, the pre-processing unit 12b uses the first estimation model to obtain estimated activity index data indicating the activity of anaerobic microorganisms from the load data and the fermentation liquid property data, and accumulates the obtained estimated activity index data and outputs it to the gas generation volume prediction unit 13b.
  • the pre-processing unit 12b uses the first estimation model to obtain the allowable input amount, which is the maximum input amount of organic waste to the digester 2 at which the estimated activity index data is a value included in a predetermined activity index reference range, from the waste storage volume and the fermentation liquid property data, and outputs information on the allowable input amount to the gas generation volume prediction unit 13b.
  • the activity index reference range may be the same range as the activity index normal range shown in the first and second embodiments.
  • the gas generation amount prediction unit 13b acquires the load data and fermentation liquid property data from the process observation unit 11, acquires the estimated activity index data from the pre-processing unit 12b, and uses the second estimation model to determine and output a predicted value of the biogas generation amount from the load data, fermentation liquid property data, and estimated activity index data.
  • the gas generation amount prediction unit 13b uses the second estimation model to determine a predicted value of change in gas generation amount, which is a predicted value of the amount of biogas generated for each input amount when the input amount of organic waste to the digester 2 is changed in the range from zero to the input allowable amount, from the fermentation liquid property data and the estimated activity index data, and generates gas generation amount characteristic information showing the relationship between the input amount and the predicted value of change in gas generation amount when the input amount of organic waste is changed in the range from zero to the input allowable amount, and outputs this information to the input amount calculation unit 15.
  • a predicted value of change in gas generation amount which is a predicted value of the amount of biogas generated for each input amount when the input amount of organic waste to the digester 2 is changed in the range from zero to the input allowable amount
  • the input amount calculation unit 15 acquires the gas generation amount characteristic information from the gas generation amount prediction unit 13b, acquires the gas storage amount from the fifth sensor 23, acquires the biogas demand amount, which is a request command for the amount of biogas generated, from the outside, and uses the gas generation amount characteristic information and the gas storage amount to determine an input amount designation value, which is the amount of organic waste to be input into the digester tank 2 required to send the requested amount of biogas from the gas tank 22, and transmits an input amount control signal to the input means 3 to input the input amount indicated by the input amount designation value into the digester tank 2.
  • the input means 3 acquires the input amount control signal from the input amount calculation unit 15, and inputs the input amount of organic waste indicated by the input amount designation value into the digester tank 2.
  • the input means 3 is, for example, a pump that can transfer organic waste from the buffer tank 1 to the digester tank 2, and can change the amount of liquid transferred by an input amount control signal from the input amount calculation unit 15.
  • the fourth sensor 21 measures the amount of organic waste stored inside the buffer tank 1, for example a water level sensor that measures the water level in the buffer tank 1, and for example a weight sensor that measures the weight of the buffer tank 1 including the organic waste.
  • the fifth sensor 23 measures the amount of biogas stored inside the gas tank 22, and for example a gas pressure gauge that measures the pressure inside the gas tank 22.
  • the anaerobic digestion process monitoring system includes the buffer tank 1 for storing organic waste to be fed into the digestion tank 2, the fourth sensor 21 for measuring the amount of organic waste stored inside the buffer tank 1 and outputting the measurement result as the amount of stored waste, the gas tank 22 for storing biogas generated in the digestion tank 2, the fifth sensor 23 for measuring the amount of biogas stored inside the gas tank 22 and outputting the measurement result as the amount of stored gas, and an input amount control signal for inputting the input amount of organic waste indicated by the input amount designation value into the digestion tank 2.
  • the system is equipped with an input amount calculation unit 15 that receives an input amount control signal and outputs a input amount designated value, and input means 3 that receives an input amount control signal and inputs an input amount of organic waste designated by the input amount designated value into the digestion tank 2.
  • the pretreatment unit 12b uses a first estimation model to determine, from the waste storage amount and the fermentation liquid property data, a permissible input amount, which is the maximum amount of organic waste input into the digestion tank 2 at which the estimated activity index data falls within a predetermined activity index reference range, and outputs the determined amount.
  • the gas generation amount prediction unit 13b uses a second estimation model to determine, from the fermentation liquid property data and the estimated activity index data, a permissible input amount, which is the maximum amount of organic waste input into the digestion tank 2 at which the estimated activity index data falls within a predetermined activity index reference range.
  • the input amount calculation unit 15 obtains a biogas generation amount change prediction value, which is a prediction value of the amount of biogas generated for each input amount when the input amount of organic waste is changed in the range from zero to the input allowable amount, generates and outputs gas generation amount characteristic information showing the relationship between the input amount and the gas generation amount change prediction value when the input amount of organic waste is changed in the range from zero to the input allowable amount, and obtains a biogas generation amount request command, and uses the gas generation amount characteristic information and the gas storage amount to obtain an input amount designation value, which is the input amount of organic waste to the digester 2 for sending the biogas requested amount of biogas from the gas tank 22, and generates an input amount control signal for inputting the input amount of organic waste indicated by the input amount designation value.
  • a biogas generation amount change prediction value which is a prediction value of the amount of biogas generated for each input amount when the input amount of organic waste is changed in the range from zero to the input allowable amount
  • gas generation amount characteristic information showing the relationship between the input amount and the gas generation
  • the biogas obtained by the anaerobic digestion process is used for power generation in a generator (not shown) installed downstream of the gas tank 22 and utilized as a distributed power source, it is possible to suppress an increase in the management load of the biogas generation amount required for the generator, that is, to suppress an increase in the management load of the biogas generation amount required for the operation of the anaerobic digestion process.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Organic Chemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Hydrology & Water Resources (AREA)
  • Water Supply & Treatment (AREA)
  • Microbiology (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biochemistry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Treatment Of Sludge (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

消化槽内の嫌気性微生物の活性が変動したときにも高い精度でバイオガス発生量を予測する嫌気性消化プロセス監視システム。　消化槽（２）への有機性廃棄物の投入量を測定し測定結果である負荷データを出力する第１センサ（４）と、消化槽（２）の内部の発酵液の性状を測定し測定結果である発酵液性状データを出力する第２センサ（５）と、第１推定モデルを用いて負荷データおよび発酵液性状データから嫌気性微生物の活性度を示す推定活性指標データを求める前処理部（１２）と、第２推定モデルを用いて負荷データ、発酵液性状データおよび推定活性指標データからバイオガス発生量予測値を求めるガス発生量予測部（１３）とを備える。

Description

嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法
　本願は、嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法に関するものである。
　汚泥、食品残渣、工場廃水などの有機性廃棄物を資源としてリサイクルするために、嫌気性微生物を馴養した消化槽に有機性廃棄物を投入し、メタン発酵させてバイオガスを取り出すことが行われている。この工程は嫌気性消化プロセスと呼ばれ、有機性廃棄物から取り出したバイオガスを用いてボイラーによる熱エネルギーあるいは発電機による電気エネルギーに変換することによって、有機性廃棄物の資源化、あるいは、燃料使用量もしくは電気使用量の削減による温室効果ガス削減に貢献することができる。
　エネルギー業界では、温室効果ガス削減あるいは大規模災害時の停電対策（レジリエンス強化）などを目的として、既存の大規模発電所において電気を一極集中的に発生させて供給するエネルギー形態から、再生可能エネルギーを活用した地域分散型の電力供給網を構築するエネルギー形態への変革が重要視され、エネルギー業界の３Ｄ化（脱炭素化、分散化、デジタル化）と呼ばれている。再生可能エネルギー（脱炭素化）を活用した分散型電源（分散化）を用いてマイクログリッドを構築することにより、温室効果ガス削減あるいは大規模災害時の停電対策（レジリエンス強化）が可能となる。一方で、マイクログリッドの構築においては、電力の需要と供給とのバランス調整、インバランス低減および再生可能エネルギー発電の出力抑制回避の実現が重要となるため、アグリゲーター等の事業者が分散型電源による電力調整力を把握できるように、発電可能量をモデリング化（デジタル化）し、予測できるようにする必要がある。
　嫌気性消化プロセスによって得られるバイオガスを用いたバイオガス発電は、人の活動によって半永久的に生じる有機性廃棄物から電力を取り出せるだけでなく、太陽光あるいは風力とは異なり発電可能量が自然環境に左右されないことから、エネルギー業界の３Ｄ化を実現する上で有力な再生可能エネルギーを活用した分散型電源となるポテンシャルがある。
　一方で、バイオガス発電の課題は２つある。１つ目は、デジタル化である。バイオガス発生量は、（１）消化槽に投入される有機物の量および性状、（２）投入する各有機物の混合比率、および、（３）消化槽内の嫌気性微生物の活性に依存して変化するため、消化槽に投入される有機性廃棄物が多様化していることもあり、有機性廃棄物がバイオガスに変換される工程は非常に複雑で、実用的な嫌気性消化プロセスのモデリング化（デジタル化）は実現できていない。２つ目は、運転管理負荷の増加である。各地に分散的にバイオガス発電設備が設置されると機器点数が非常に増えることになるため、運転管理の負荷が大幅に増加することになる。しかしながら、人口減少あるいは技術力のあるベテラン作業員不足は深刻になりつつあり、運転管理負荷の増加は、分散型電源としてバイオガス発電を社会実装する上で大きな障害となり得る。したがって、嫌気性消化プロセスで得られるバイオガスを用いたバイオガス発電を分散型電源として活用するためには、嫌気性消化プロセスの実用的なモデルを構築し、バイオガス発電量、ひいてはバイオガス発生量を精度よく予測するとともに、運転管理負荷を低減することを可能にする嫌気性消化プロセスの自動運転監視システムおよび自動運転監視方法が必要となっている。
　嫌気性消化プロセス監視システムとして、消化槽から発生するバイオガス発生速度の実測値とバイオガス発生速度の予測値とを比較するシステムが提案されており、バイオガス発生量を予測する方法として、投入される有機性廃棄物の種類ごとにバイオガス発生速度あるいは分解速度をあらかじめ算出しておき、実際の有機性廃棄物の投入量あるいは混合比率に応じてバイオガス発生量を予測するシステムが提案されている（例えば、特許文献１参照）。
特開２００５－１１１３３８号公報
　特許文献１に示された嫌気性消化プロセス監視システムにおいては、投入される有機性廃棄物の種類ごとにバイオガス発生速度をあらかじめ算出し、実際のそれぞれの有機性廃棄物の投入量に応じてバイオガス発生量を予測しているが、有機性廃棄物の組み合わせあるいは投入量に応じて、嫌気性微生物の活性の促進あるいは阻害が生じるため、消化槽内の嫌気性微生物の活性は変動する可能性があり、消化槽内の嫌気性微生物の活性の変動によってバイオガス発生速度が変動したときにバイオガス発生量の予測精度が低下するという課題があった。
　本願は、上述の課題を解決するためになされたものであり、消化槽内の嫌気性微生物の活性が変動したときにも高い精度でバイオガス発生量を予測する嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法を提供することを目的とする。
　本願に開示される嫌気性消化プロセス監視システムは、有機性廃棄物を消化槽に投入することで消化槽の内部の嫌気性微生物が馴養された発酵液から発生するバイオガス発生量を予測して嫌気性消化プロセスの状態を監視する嫌気性消化プロセス監視システムであって、消化槽への有機性廃棄物の投入量を測定し、測定結果を負荷データとして出力する第１センサと、消化槽の内部の発酵液の性状を測定し、測定結果を発酵液性状データとして出力する第２センサと、負荷データおよび発酵液性状データを蓄積するプロセス観測部と、第１推定モデルを用いて、負荷データおよび発酵液性状データから嫌気性微生物の活性度を示す推定活性指標データを求める前処理部と、第２推定モデルを用いて、負荷データ、発酵液性状データおよび推定活性指標データからバイオガス発生量予測値を求めるガス発生量予測部とを備える。
　本願に開示される嫌気性消化プロセス監視システムは、消化槽への有機性廃棄物の投入量を測定し、測定結果を負荷データとして出力する第１センサと、消化槽の内部の発酵液の性状を測定し、測定結果を発酵液性状データとして出力する第２センサと、負荷データおよび発酵液性状データを蓄積するプロセス観測部と、第１推定モデルを用いて、負荷データおよび発酵液性状データから嫌気性微生物の活性度を示す推定活性指標データを求める前処理部と、第２推定モデルを用いて、負荷データ、発酵液性状データおよび推定活性指標データからバイオガス発生量予測値を求めるガス発生量予測部とを備えるので、消化槽内の嫌気性微生物の活性が変動したときにも高い精度でバイオガス発生量を予測することができる。
実施の形態１による嫌気性消化プロセス監視システムの構成を示す図である。 実施の形態１による嫌気性消化プロセス監視システムにおける処理の詳細を示すフローチャートである。 実施の形態２による嫌気性消化プロセス監視システムの構成を示す図である。 実施の形態３による嫌気性消化プロセス監視システムの構成を示す図である。
　以下、本願を実施するための実施の形態に係る嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法について、図面を参照して詳細に説明する。なお、各図において同一符号は同一もしくは相当部分を示している。
実施の形態１．
　図１は、実施の形態１による嫌気性消化プロセス監視システムの構成を示す図である。図１において、実線の矢印は配管を表しており、点線の矢印は情報のやり取りを表すものであり例えば信号線を表している。嫌気性消化プロセス監視システムは、監視装置１０、第１センサ４、第２センサ５および第３センサ７を備えている。監視装置１０は、プロセス観測部１１、前処理部１２、ガス発生量予測部１３およびプロセス監視部１４を備えている。汚泥、食品残渣、工場廃水などの有機性廃棄物は、必要に応じてディスポーザーなどで破砕され、バッファ槽１に送液される。バッファ槽１は消化槽２に投入される有機性廃棄物を蓄えておくものであって、バッファ槽１と消化槽２とは投入配管３１を介して接続されており、バッファ槽１の内部の有機性廃棄物は投入手段３によって消化槽２に投入される。投入手段３は、例えば、ポンプである。消化槽２に投入された有機性廃棄物は、消化槽２の内部で馴養されている嫌気性微生物によって資化され、バイオガスが発生する。投入配管３１には消化槽２への有機性廃棄物の投入量を測定する第１センサ４が設けられており、第１センサ４は測定結果である有機性廃棄物の投入量の情報を負荷データとして監視装置１０のプロセス観測部１１に出力する。プロセス観測部１１は、取得した負荷データを蓄積する。
　消化槽２において発生したバイオガスは、ガス配管３２を通して例えばバイオガス発電機に送られる。ガス配管３２には消化槽２において発生したバイオガスの発生量を測定する第３センサ７が設けられており、第３センサ７は測定結果であるバイオガス発生量実測値の情報を監視装置１０のプロセス監視部１４に出力する。
　消化槽２に設けられた第２センサ５は、消化槽２の内部の有機性廃棄物と嫌気性微生物との懸濁液である発酵液の性状を測定して、測定結果である発酵液の性状の情報を発酵液性状データとして監視装置１０のプロセス観測部１１に出力する。プロセス観測部１１は、取得した発酵液性状データを蓄積する。第２センサ５において測定される発酵液の性状は、嫌気性微生物の活性の指標となる物性値である推定活性指標データと相関を持ったものである。すなわち、第２センサ５において測定される発酵液の性状は、例えば、嫌気性微生物によって有機性廃棄物がバイオガスに変換されるプロセスにおける中間生成物（有機酸、水素、二酸化炭素など）が示す自動測定が可能な物性値であることが条件であり、例えば、ｐＨ、ＴＤＳ（Ｔｏｔａｌ　Ｄｉｓｓｏｌｖｅｄ　Ｓｏｌｉｄｓ）および炭酸ガスイオン濃度のいずれかが使用できる。あるいは、第２センサ５において測定される発酵液の性状は、例えば、嫌気性微生物の活性の阻害に関与する物質（アンモニア性窒素、有機酸、栄養塩など）が示す自動測定が可能な物性値であることが条件であり、例えば、ｐＨ、ＴＤＳおよび電気伝導率のいずれかが使用できる。すなわち、第２センサ５において測定される発酵液の性状は、例えば、ｐＨ、ＴＤＳ、炭酸ガスイオン濃度および電気伝導率の少なくとも一つを含むものである。
　有機性廃棄物が消化槽２へ投入されるのに合わせて、排出手段６は、不要となった嫌気性微生物およびバイオガスに変換されなかった有機性廃棄物の残渣を発酵残渣として排出配管３３を通して消化槽２の外へ排出する。排出手段６は、例えば、ポンプである。
　なお、第１センサ４からプロセス観測部１１への情報の受け渡し、第２センサ５からプロセス観測部１１への情報の受け渡し、および、第３センサ７からプロセス監視部１４への情報の受け渡しは、有線あるいは無線による通信によって行われてもよく、インターネットなどのネットワークを介して行われてもよい。
　次に、監視装置１０の動作について説明する。プロセス観測部１１は、第１センサ４から負荷データを取得し、第２センサ５から発酵液性状データを取得し、取得した負荷データおよび発酵液性状データを蓄積するとともに、負荷データおよび発酵液性状データを前処理部１２およびガス発生量予測部１３に出力する。前処理部１２は、プロセス観測部１１から負荷データおよび発酵液性状データを取得し、第１推定モデルを用いて負荷データと発酵液性状データとから嫌気性微生物の活性度を示す推定活性指標データを求めて、求めた推定活性指標データを蓄積するとともにガス発生量予測部１３に出力する。
　ガス発生量予測部１３は、プロセス観測部１１から負荷データおよび発酵液性状データを取得し、前処理部１２から推定活性指標データを取得し、第２推定モデルを用いて負荷データと発酵液性状データと推定活性指標データとからバイオガス発生量予測値を求める。求めたバイオガス発生量予測値は、プロセス監視部１４に出力されるとともに、監視装置１０の外部にも出力される。例えば、ガス配管３２がバイオガス発電設備に接続されている場合は、ガス発生量予測部１３から出力されるバイオガス発生量予測値は、バイオガス発電設備におけるバイオガス発電量の予測に使用される。
　プロセス監視部１４は、第３センサ７からバイオガス発生量実測値を取得し、ガス発生量予測部１３からバイオガス発生量予測値を取得し、バイオガス発生量実測値とバイオガス発生量予測値とから誤差率を算出し、誤差率があらかじめ定められた範囲に含まれる値であるかどうかを監視する。また、プロセス監視部１４は、誤差率を監視装置１０の外部に出力してもよく、誤差率があらかじめ定められた範囲に含まれる値であるかどうかを判定した結果を監視装置１０の外部に出力してもよい。誤差率は、例えば、（バイオガス発生量予測値－バイオガス発生量実測値）／バイオガス発生量実測値＊１００によって求めることができる。
　ここで、第１推定モデルおよび第２推定モデルについて説明する。第１推定モデルは、例えば、負荷データと発酵液性状データとから嫌気性微生物の活性度を示す推定活性指標データを求める演算式であり、目的変数として中間生成物（有機酸、水素、二酸化炭素など）の濃度あるいは嫌気性微生物の活性の阻害に関与する物質（アンモニア性窒素、有機酸、栄養塩など）の濃度といった推定活性指標データが設定され、それぞれの推定活性指標データに対し、複数の説明変数として負荷データと発酵液性状データとが設定された回帰式である。第２推定モデルは、例えば、負荷データと発酵液性状データと推定活性指標データとからバイオガス発生量予測値を求める演算式であり、目的変数としてバイオガス発生量が設定され、複数の説明変数として負荷データと発酵液性状データと推定活性指標データとが設定された回帰式である。システム導入後に学習期間を設け、前処理部１２において多変量解析を行うことで、それぞれの推定活性指標データに対し、測定した負荷データと発酵液性状データの中から必要な説明変数を抽出し、必要な説明変数にかかる係数を取得することで第１推定モデルの回帰式を構築する。第１推定モデルの構築後、ガス発生量予測部１３において多変量解析を行うことでバイオガス発生量実測値に対し、測定した負荷データと発酵液性状データと第１推定モデルで得られた推定活性指標データの中から必要な説明変数を抽出し、必要な説明変数にかかる係数を取得することで第２推定モデルの回帰式を構築する。なお、システム導入前に第１推定モデルの演算式と第２推定モデルの演算式とを事前の試験によって求めることも可能であり、その方法を、以下に示す。
　ラボ試験用の消化槽に有機性廃棄物を投入する試験において、消化槽に投入される有機性廃棄物の投入量を負荷データとして測定するとともに、投入される有機性廃棄物の有機物量の指標であるＴＶＳ（Ｔｏｔａｌ　Ｖｏｌａｔｉｌｅ　Ｓｏｌｉｄｓ）を測定する。複数の種類の有機性廃棄物がある場合は、有機性廃棄物の種類ごとに有機性廃棄物の投入量とＴＶＳとを測定する。有機性廃棄物を投入されたラボ試験用の消化槽を一定の温度に保温し、例えば、２０日経過後にバイオガス発生量を測定する。これにより、投入される有機性廃棄物の投入量である負荷データに応じた投入ＴＶＳ当たりのバイオガス発生量のデータを取得することができる。また、このときに、消化槽への有機性廃棄物の投入量（負荷データ）の条件を振って、消化槽の内部の発酵液のｐＨ、ＴＤＳ、炭酸ガスイオン濃度および電気伝導率などの値を発酵液性状データとして測定しておく。さらに、アンモニア性窒素、有機酸（酢酸、吉草酸、酪酸、プロピオン酸など）および栄養塩（ニッケル、鉄、コバルトなど）などの濃度を、嫌気性微生物の活性の指標となる物性値である推定活性指標データとして測定しておく。
　消化槽への有機性廃棄物の投入量（負荷データ）を変動させると、有機酸（酢酸、吉草酸、酪酸、プロピオン酸など）の濃度が上昇する、あるいは、栄養塩の量が不足することにより、消化槽内の発酵液のｐＨが低下し、嫌気性微生物の活性が低下する。したがって、第２センサ５によって消化槽２の発酵液の性状として発酵液のｐＨ、ＴＤＳまたは炭酸ガスイオン濃度などを測定してｐＨ、ＴＤＳまたは炭酸ガスイオン濃度などの値を発酵液性状データすることにより、発酵液性状データであるｐＨ、ＴＤＳまたは炭酸ガスイオン濃度などの値から嫌気性微生物の活性の指標となる推定活性指標データである有機酸濃度あるいは栄養塩濃度を推定することができる。例えば、ラボ試験用の消化槽への有機性廃棄物の投入量を徐々に増加させて、負荷量を測定しながら発酵液の発酵液性状データであるｐＨ、ＴＤＳまたは炭酸ガスイオン濃度と有機酸濃度とを測定することにより、発酵液の発酵液性状データであるｐＨ、ＴＤＳまたは炭酸ガスイオン濃度と有機酸濃度との相関関係の情報を得ることができ、これをもとに負荷データと発酵液性状データであるｐＨ、ＴＤＳまたは炭酸ガスイオン濃度とから嫌気性微生物の活性度を示す推定活性指標データである有機酸濃度あるいは栄養塩濃度を求める第１推定モデルを得ることができる。
　また、消化槽への有機性廃棄物の投入量（負荷データ）を変動させると、アンモニア性窒素濃度が増加し、嫌気性微生物の活性が低下する。したがって、第２センサ５によって消化槽２の発酵液の性状として発酵液の電気伝導率を測定して電気伝導率の値を発酵液性状データとすることにより、発酵液性状データである電気伝導率の値から嫌気性微生物の活性の指標となる推定活性指標データであるアンモニア性窒素濃度を推定することができる。例えば、ラボ試験用の消化槽への有機性廃棄物の投入量を徐々に増加させて、負荷量を測定しながら発酵液の電気伝導率およびアンモニア性窒素濃度を測定することにより、発酵液の電気伝導率とアンモニア性窒素濃度の相関関係の情報を得ることができ、これをもとに負荷データと発酵液性状データである電気伝導率とから嫌気性微生物の活性度を示す推定活性指標データであるアンモニア性窒素濃度を求める第１推定モデルを得ることができる。
　さらに、投入ＴＶＳ当たりのバイオガス発生量と、有機性廃棄物の投入量である負荷量と、発酵液のｐＨ、ＴＤＳまたは炭酸ガスイオン濃度と、ｐＨ、ＴＤＳまたは炭酸ガスイオン濃度から求めた有機酸濃度あるいは栄養塩濃度とを多変量解析することによって、負荷データ、ｐＨ、ＴＤＳまたは炭酸ガスイオン濃度、および、有機酸濃度あるいは栄養塩濃度と、バイオガス発生量予測値との、相関関係の情報を得ることができ、負荷量と、発酵液のｐＨ、ＴＤＳまたは炭酸ガスイオン濃度とから、バイオガス発生量予測値を求める第２推定モデルを得ることができる。あるいは、投入ＴＶＳ当たりのバイオガス発生量と、有機性廃棄物の投入量である負荷量と、発酵液の電気伝導率と、電気伝導率から求めたアンモニア性窒素濃度とを多変量解析することによって、負荷データ、電気伝導率およびアンモニア性窒素濃度と、バイオガス発生量予測値との、相関関係の情報を得ることができ、負荷量と発酵液の電気伝導率とからバイオガス発生量予測値を求める第２推定モデルを得てもよい。さらに、投入ＴＶＳ当たりのバイオガス発生量と、有機性廃棄物の投入量である負荷量と、発酵液のｐＨ、ＴＤＳまたは炭酸ガスイオン濃度と、ｐＨ、ＴＤＳまたは炭酸ガスイオン濃度から求めた有機酸濃度と、発酵液の電気伝導率と、電気伝導率から求めたアンモニア性窒素濃度とを多変量解析することによって、負荷データ、ｐＨ、ＴＤＳまたは炭酸ガスイオン濃度、電気伝導率、有機酸濃度およびアンモニア性窒素濃度と、バイオガス発生量予測値との、相関関係の情報を得ることができ、負荷量と発酵液のｐＨ、ＴＤＳまたは炭酸ガスイオン濃度と発酵液の電気伝導率とからバイオガス発生量予測値を求める第２推定モデルを得てもよい。
　以上により、第１推定モデルでは、有機性廃棄物の投入量である負荷量と消化槽の発酵液の性状の情報である発酵液性状データとから、あらかじめ設けたシステム導入後の学習期間あるいはシステム導入前のラボ試験において取得した相関関係の情報に基づき、発酵液の嫌気性微生物の活性の指標となる推定活性指標データを演算できる。発酵液性状データが発酵液のｐＨ、ＴＤＳまたは炭酸ガスイオン濃度の場合には推定活性指標データは発酵液の有機酸濃度あるいは栄養塩濃度であり、発酵液性状データが発酵液の電気伝導率の場合には推定活性指標データは発酵液のアンモニア性窒素濃度である。また、第２推定モデルでは、有機性廃棄物の投入量である負荷量と消化槽の発酵液の性状の情報である発酵液性状データと第１推定モデルで演算した推定活性指標データとから、あらかじめ設けたシステム導入後の学習期間あるいはシステム導入前のラボ試験において取得した相関関係の情報に基づき、投入ＴＶＳ当たりのバイオガス発生量予測値を演算できる。
　センサ等では自動測定できないがバイオガス発生量を精度良く予測するときに必要となる嫌気性微生物の活性の指標となる物性値を推定活性指標データとして第１推定モデルで推定し、推定活性指標データと負荷データと発酵液性状データとを第２推定モデルの演算式に入力してバイオガス発生量予測値を得ることができるため、運転負荷の増加を抑制しつつ、バイオガスの発生量を高い精度で予測することができる。なお、発酵液性状データは、ｐＨ、ＴＤＳ、炭酸ガスイオン濃度または電気伝導率に限定されるものではなく、酢酸イオン濃度、ＣＯＤ（Ｃｈｅｍｉｃａｌ　Ｏｘｙｇｅｎ　Ｄｅｍａｎｄ）濃度などでもよく、発酵液の有機酸濃度、栄養塩濃度あるいはアンモニア性窒素濃度などの嫌気性微生物の活性となる物性値との相関がラボ試験用の消化槽に有機性廃棄物を投入する試験において確認できるものであればよい。発酵液性状データの種類を多くすれば多くするほど推定活性指標データの推定精度を高くすることができるが、発酵液性状データの種類を多くすると必要となるセンサ数が多くなり、イニシャルコストおよび運転管理の負荷が高くなるので、必要な推定精度に応じて発酵液性状データの種類の数を決定すればよい。
　プロセス監視部１４は、ガス発生量予測部１３からバイオガス発生量予測値を取得し、第３センサ７からバイオガス発生量実測値を取得し、バイオガス発生量実測値とバイオガス発生量予測値との誤差率の値があらかじめ定められた誤差率正常範囲の外側にあり、かつ、バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲に含まれる場合に、第１センサ４および第２センサ５の少なくとも一方が故障したことで第１推定モデルによって求めた推定活性指標データが正常値の範囲から逸脱した可能性があると判断し、第１センサ４および第２センサ５のメンテナンスを促す信号を出力してもよい。以上の処理により、第１センサ４および第２センサ５のメンテナンス対応をスムーズに行うことができる。
　また、ガス発生量予測部１３は、バイオガス発生量予測値と共に推定活性指標データをプロセス監視部１４に出力してもよい。このとき、プロセス監視部１４は、第３センサ７から取得したバイオガス発生量実測値とガス発生量予測部１３から取得したバイオガス発生量予測値との誤差率の値があらかじめ定められた誤差率正常範囲の外側にあり、かつ、バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲の外側にあり、かつ、ガス発生量予測部１３から取得した推定活性指標データがあらかじめ定められた活性指標正常範囲に含まれる場合に、第３センサ７が故障している可能性があると判断し、第３センサ７のメンテナンスを促す信号を出力してもよい。以上の処理により、第３センサ７のメンテナンス対応を、スムーズに行うことができる。さらに、プロセス監視部１４は、第３センサ７から取得したバイオガス発生量実測値とガス発生量予測部１３から取得したバイオガス発生量予測値との誤差率の値があらかじめ定められた誤差率正常範囲に含まれ、かつ、バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲の外側にあり、かつ、推定活性指標データがあらかじめ定められた活性指標正常範囲の外側にある場合に、嫌気性微生物の活性が有機性廃棄物の影響で低下したと判断し、バイオガス発生システムの停止を促しバッファ槽１の内部にある消化槽２に投入される有機性廃棄物の性状確認を促す信号を出力してもよい。以上の処理により、バイオガス発生システムの停止およびバッファ槽１の内部の有機性廃棄物の性状確認を、スムーズに行うことができる。なお、プロセス監視部１４は、推定活性指標データを前処理部１２から取得してもよい。
　誤差率正常範囲は、嫌気性消化プロセスによって得られるバイオガスを用いたバイオガス発電を分散型電源として活用するときに、アグリゲーター等の事業者が、バイオガス発電の電力量と当該バイオガス発電を含むマイクログリッドの総電力量に応じて要求する電力調整力の変動許容率に応じて、適宜、設定すればよいが、１０％以内が望ましく、５％以内がより望ましい。なお、有機性廃棄物の性状に季節性の変動がある場合には、季節変動を加味して定格値を変動させる必要がある。したがって、有機性廃棄物の性状に季節変動がある場合には、有機性廃棄物の投入量をパラメータとしてラボ試験用の消化槽に有機性廃棄物を投入する試験を、春夏秋冬のそれぞれの季節で実施することが望ましい。活性指標正常範囲は、有機性廃棄物の投入量をパラメータとしてラボ試験用の消化槽に有機性廃棄物を投入する試験において取得されるデータに基づいて適宜設定すればよい。例えば、有機酸濃度は、２０００ｍｇ／Ｌ以下が望ましく、１００ｍｇ／Ｌ以下がより望ましい。また、例えば、アンモニア性窒素濃度は、５０００ｍｇ／Ｌ以下が望ましく、１０００ｍｇ／Ｌ以下がより望ましい。
　バイオガス発生量の予測精度向上の観点から、第１センサ４は、有機性廃棄物の投入量をあらかじめ定められた測定時間間隔でリアルタイムに測定して負荷データとしてプロセス観測部１１に出力し、プロセス観測部１１は負荷データを測定時間間隔の時系列データとして蓄積することが望ましい。また、第２センサ５は、消化槽２の内部の発酵液の性状を第１センサ４と同じ測定時間間隔でリアルタイムに測定して発酵液性状データとしてプロセス観測部１１に出力し、プロセス観測部１１は発酵液性状データを第１センサ４と同じ測定時間間隔の時系列データとして蓄積することが望ましい。さらに、第３センサ７は、消化槽２において発生したバイオガスの発生量を第１センサ４と同じ測定時間間隔でリアルタイムに測定してバイオガス発生量予測値としてプロセス監視部１４に出力することが望ましい。第１センサ４、第２センサ５および第３センサ７による測定の測定時間間隔は、特に限定されないが、測定時間間隔が大きいとバイオガスの発生量の予測精度が低下するおそれがあり、また、測定時間間隔が小さいとプロセス観測部１１あるいはプロセス監視部１４に蓄積されるデータ量が大きくなることから、測定時間間隔は１分以上で６０分以内が望ましく、５分以上で１０分以下がより望ましい。
　第１センサ４が有機性廃棄物の投入量を測定する時系列の負荷データのそれぞれの測定時刻（測定タイミング）、第２センサ５が消化槽２の内部の発酵液の性状を測定する時系列の発酵液性状データのそれぞれの測定時刻（測定タイミング）、および、第３センサ７がバイオガスの発生量の実測値を測定する時系列のバイオガス発生量実測値のそれぞれの測定時刻（測定タイミング）は、同一とすることが望ましく、すなわち、第２センサ５は第１センサ４が有機性廃棄物の投入量を測定する時刻に発酵液の性状を測定するのが望ましく、第３センサ７は第１センサ４が有機性廃棄物の投入量を測定する時刻にバイオガスの発生量の実測値を測定するのが望ましい。さらに、第１センサ４が有機性廃棄物の投入量を測定した時刻の１つを特定時刻としたときに、前処理部１２では、特定時刻に測定された負荷データと特定時刻に測定された発酵液性状データとから第１推定モデルを用いて特定時刻の推定活性指標データを求めて、それぞれの時刻の推定活性指標データを測定時間間隔の時系列データとして蓄積することが望ましい。同様に、ガス発生量予測部１３が負荷データと発酵液性状データと推定活性指標データとを入力として、第２推定モデルを用いて、バイオガス発生量予測値を求めるときにも、特定時刻に測定された負荷データおよび特定時刻に測定された発酵液性状データと、同じ特定時刻の推定活性指標データとから、バイオガス発生量予測値を求めることが望ましい。以上の処理により、時々刻々と変化する可能性のある嫌気性微生物の活性変化に対応したバイオガス発生量の高精度予測を、運転負荷の増加を抑制して行うことができる。
　図２は、実施の形態１による嫌気性消化プロセス監視システムの処理の詳細を示すフローチャートである。図２において、ステップＳ０１は負荷測定ステップであり、ステップＳ０２は発酵液測定ステップであり、ステップＳ０３はガス量測定ステップであり、ステップＳ０４はプロセス観測ステップであり、ステップＳ０５は前処理ステップであり、ステップＳ０６はガス発生量予測ステップであり、ステップＳ０７はプロセス監視ステップであり、ステップＳ０８は故障判定ステップである。
　まず、汚泥、食品残渣、工場廃水などの有機性廃棄物は、必要に応じてディスポーザーなどで破砕され、バッファ槽１に送液される。図２のステップＳ０１では、バッファ槽１の内部の有機性廃棄物が投入手段３によって消化槽２に投入され、第１センサ４は、消化槽２への有機性廃棄物の投入量を測定し、測定結果である負荷データをプロセス観測部１１に出力し、ステップＳ０２に進む。ステップＳ０２では、第２センサ５は、消化槽２の内部の有機性廃棄物と嫌気性微生物との懸濁液である発酵液の性状を測定し、測定結果である発酵液性状データをプロセス観測部１１に出力し、ステップＳ０３に進む。ステップＳ０３では、第３センサ７は、消化槽２の内部において馴養されている嫌気性微生物によって発生するバイオガスの発生量を測定し、測定結果であるバイオガス発生量実測値をプロセス監視部１４に出力し、ステップＳ０４に進む。なお、図２においては、ステップＳ０１、ステップＳ０２、ステップＳ０３の順番に処理をするように示したが、ステップＳ０１とステップＳ０２とステップＳ０３とにおいては、あらかじめ定められた測定時間間隔でそれぞれ同じ測定時刻においてそれぞれの値が測定されることが望ましい。
　ステップＳ０４では、プロセス観測部１１は、第１センサ４から取得した負荷データを時系列データとして蓄積し、第２センサ５から取得した発酵液性状データを時系列データとして蓄積するとともに、負荷データおよび発酵液性状データを前処理部１２およびガス発生量予測部１３に出力し、ステップＳ０５に進む。ステップＳ０５では、前処理部１２は、プロセス観測部１１から負荷データおよび発酵液性状データを取得し、第１推定モデルを用いて取得した負荷データと発酵液性状データとから嫌気性微生物の活性度を示す推定活性指標データを求めて蓄積するとともに、推定活性指標データをガス発生量予測部１３に出力し、ステップＳ０６に進む。ステップＳ０６では、ガス発生量予測部１３は、プロセス観測部１１から負荷データおよび発酵液性状データを取得し、前処理部１２から推定活性指標データを取得し、第２推定モデルを用いて負荷データと発酵液性状データと推定活性指標データとからバイオガス発生量予測値を求めて、バイオガス発生量予測値をプロセス監視部１４および監視装置１０の外部に出力し、推定活性指標データをプロセス監視部１４に出力し、ステップＳ０７に進む。ステップＳ０７では、プロセス監視部１４は、第３センサ７からバイオガス発生量実測値を取得し、ガス発生量予測部１３からバイオガス発生量予測値を取得し、バイオガス発生量実測値とバイオガス発生量予測値とから誤差率を算出し、誤差率を監視装置１０の外部に出力し、ステップＳ０８に進む。
　ステップＳ０８では、プロセス監視部１４は、ガス発生量予測部１３から推定活性指標データを取得する。さらに、プロセス監視部１４は、バイオガス発生量実測値とバイオガス発生量予測値との誤差率の値があらかじめ定められた誤差率正常範囲の外側にあり、かつ、バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲に含まれる場合に、第１センサ４および第２センサ５のメンテナンスを促す信号を出力する。さらに、プロセス監視部１４は、バイオガス発生量実測値とバイオガス発生量予測値との誤差率の値があらかじめ定められた誤差率正常範囲の外側にあり、かつ、バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲の外側にあり、かつ、推定活性指標データがあらかじめ定められた活性指標正常範囲に含まれる場合に、第３センサ７のメンテナンスを促す信号を出力する。さらに、プロセス監視部１４は、バイオガス発生量実測値とバイオガス発生量予測値との誤差率の値があらかじめ定められた誤差率正常範囲に含まれ、かつ、推定活性指標データがあらかじめ定められた活性指標正常範囲の外側にある場合に、バイオガス発生システムの停止を促し消化槽２に投入されるバッファ槽１の内部の有機性廃棄物の性状確認を促す信号を出力し、嫌気性消化プロセス監視システムの処理を終了する。
　以上のように、実施の形態１による嫌気性消化プロセス監視システムは、有機性廃棄物を消化槽２に投入することで消化槽２の内部の嫌気性微生物が馴養された発酵液から発生するバイオガス発生量を予測して嫌気性消化プロセスの状態を監視する嫌気性消化プロセス監視システムであって、消化槽２への有機性廃棄物の投入量を測定し、測定結果を負荷データとして出力する第１センサ４と、消化槽２の内部の発酵液の性状を測定し、測定結果を発酵液性状データとして出力する第２センサ５と、第１推定モデルを用いて、負荷データおよび発酵液性状データから嫌気性微生物の活性度を示す推定活性指標データを求める前処理部１２と、第２推定モデルを用いて、負荷データ、発酵液性状データおよび推定活性指標データからバイオガス発生量予測値を求めるガス発生量予測部１３とを備えるので、消化槽２の内部の嫌気性微生物の活性が変動したときにも高い精度でバイオガス発生量を予測することができる。
　また、投入する有機性廃棄物の組み合わせによってバイオガス発生速度あるいは分解速度が向上（変動）する相乗効果が得られることが明らかになっており、近年の投入有機性廃棄物の多様化の傾向を受けて、消化槽内の嫌気性微生物の活性を把握できないと、さらにバイオガス発生量の予測は難しいものとなっている。有機性廃棄物の投入量あるいは混合比率に関する情報に加え消化槽内の嫌気性微生物の菌数を測定してバイオガス発生量の予測演算を行う方法が提案されているが、この方法では、バイオガス発生量の予測精度は向上するが、消化槽２の内部の嫌気性微生物の菌数の測定に多大な労働力が必要となるため、運転管理の負荷増加につながる。実施の形態１による嫌気性消化プロセス監視システムは、運転管理負荷の増加抑制とバイオガスの高精度予測との両立を可能とする。
実施の形態２．
　図３は、実施の形態２による嫌気性消化プロセス監視システムの構成を示す図である。図３に示す実施の形態２による嫌気性消化プロセス監視システムを図１に示す実施の形態に１よる嫌気性消化プロセス監視システムと比較すると、監視装置１０が監視装置１０ａになっており、ガス発生量予測部１３がガス発生量予測部１３ａになっており、プロセス監視部１４がプロセス監視部１４ａになっている。ガス発生量予測部１３ａは、ガス発生量予測部１３と同じ機能を有しており、さらに、以下において説明する機能を有している。同様に、プロセス監視部１４ａは、プロセス監視部１４と同じ機能を有しており、さらに、以下において説明する機能を有している。実施の形態２による嫌気性消化プロセス監視システムの他の構成は、実施の形態１による嫌気性消化プロセス監視システムの構成と同じである。
　プロセス監視部１４ａは、ガス発生量予測部１３ａから負荷データと発酵液性状データと推定活性指標データとバイオガス発生量予測値とを取得し、第３センサ７からバイオガス発生量実測値を取得し、バイオガス発生量実測値とバイオガス発生量予測値との誤差率の値があらかじめ定められた誤差率正常範囲に含まれ、かつ、バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲に含まれ、かつ、推定活性指標データがあらかじめ定められた活性指標正常範囲に含まれる場合に、負荷データ、発酵液性状データおよび推定活性指標データとバイオガス発生量実測値との相関データである更新相関データを求めて、求めた更新相関データをガス発生量予測部１３ａに出力する。ガス発生量予測部１３ａは、プロセス監視部１４ａから取得した更新相関データを用いて第２推定モデルの演算式を更新する。すなわち、システム導入後に最初に設けた学習期間あるいはラボ試験用の消化槽に有機性廃棄物を投入する試験において取得した、有機性廃棄物の投入量である負荷量、消化槽の発酵液の性状の情報である発酵液性状データおよび推定活性指標データとバイオガス発生量との相関データに、プロセス監視部１４ａから取得した実際の運用において得られた負荷データ、発酵液性状データおよび推定活性指標データとバイオガス発生量実測値との相関データである更新相関データを追加していくことにより、第２推定モデルを更新することができる。更新は、例えば、第２推定モデルの回帰式において抽出された複数の説明変数（負荷データ、発酵液性状データおよび推定活性指標データ）ごとにかかる係数を修正することで行う。第２推定モデルを更新することにより、ラボ試験用の消化槽に有機性廃棄物を投入する試験において得られた有機性廃棄物の投入量である負荷量、消化槽の発酵液の性状の情報である発酵液性状データおよび推定活性指標データとバイオガス発生量との相関関係が、投入する有機性廃棄物の組み合わせによってバイオガス発生速度あるいは分解速度が向上（変動）する相乗効果の影響などにより、実際の運用において変動していった場合においても、実際の運用において取得した更新相関データを用いて第２推定モデルを更新することにより、運転管理負荷を増加させることなく、相関関係の変化に対応したバイオガス発生量の予測が可能となる。
　また、バイオガス発生量実測値とバイオガス発生量予測値との誤差率の値があらかじめ定められた誤差率正常範囲に含まれ、かつ、バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲に含まれ、かつ、推定活性指標データがあらかじめ定められた活性指標正常範囲に含まれることが確認されたときの更新相関データのみを用いて第２推定モデルを更新するので、第１センサ４と第２センサ５と第３センサ７とのすべてが正常な値を出力しているときのデータを用いて第２推定モデルを更新することができ、第１センサ４と第２センサ５と第３センサ７とのいずれかが故障によって異常な値を出力しているときには第２推定モデルは更新されない。
　なお、プロセス監視部１４ａは、ガス発生量予測部１３ａから負荷データと発酵液性状データと推定活性指標データとを取得するとしたが、プロセス観測部１１から負荷データと発酵液性状データとを取得し、前処理部１２から推定活性指標データを取得してもよい。
　以上のように、実施の形態２による嫌気性消化プロセス監視システムは、プロセス監視部１４ａは、誤差率の値があらかじめ定められた誤差率正常範囲に含まれ、かつ、バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲に含まれ、かつ、推定活性指標データがあらかじめ定められた活性指標正常範囲に含まれる場合に、負荷データ、発酵液性状データおよび推定活性指標データとバイオガス発生量実測値との相関データである更新相関データを求めて、更新相関データをガス発生量予測部１３ａに出力し、ガス発生量予測部１３ａは、更新相関データを用いて第２推定モデルの演算式を更新するので、ラボ試験用の消化槽に有機性廃棄物を投入する試験において得られた負荷量、発酵液性状データおよび推定活性指標データとバイオガス発生量との相関関係が、実際の運用において変動していった場合においても、実際の運用において取得した更新相関データを用いて第２推定モデルを更新することにより、運転管理負荷を増加させることなく、相関関係の変化に対応したバイオガス発生量の予測が可能となる。
実施の形態３．
　図４は、実施の形態３による嫌気性消化プロセス監視システムの構成を示す図である。図４に示す実施の形態３による嫌気性消化プロセス監視システムを図１に示す実施の形態に１よる嫌気性消化プロセス監視システムと比較すると、投入量演算部１５、第４センサ２１、ガスタンク２２および第５センサ２３が追加されており、前処理部１２が前処理部１２ｂになっており、ガス発生量予測部１３がガス発生量予測部１３ｂになっており、監視装置１０ｂがプロセス観測部１１と前処理部１２ｂとガス発生量予測部１３ｂとプロセス監視部１４と投入量演算部１５とを備えている。前処理部１２ｂは、前処理部１２と同じ機能を有しており、さらに、以下において説明する機能を有している。同様に、ガス発生量予測部１３ｂは、ガス発生量予測部１３と同じ機能を有しており、さらに、以下において説明する機能を有している。実施の形態３による嫌気性消化プロセス監視システムの他の構成は、実施の形態１による嫌気性消化プロセス監視システムの構成と同じである。
　第４センサ２１は、バッファ槽１の内部の有機性廃棄物の貯留量を測定し、測定結果を廃棄物貯留量として前処理部１２ｂに出力する。ガスタンク２２は、消化槽２において発生したバイオガスを貯留する。第５センサ２３は、ガスタンク２２の内部のバイオガスの貯留量を測定し、測定結果をガス貯留量として投入量演算部１５に出力する。なお、第５センサ２３から投入量演算部１５への情報の受け渡しは、有線あるいは無線による通信によって行われてもよく、インターネットなどのネットワークを介して行われてもよい。
　次に、監視装置１０ｂの動作について説明する。前処理部１２ｂは、プロセス観測部１１から負荷データおよび発酵液性状データを取得し、第４センサ２１から廃棄物貯留量を取得する。次に、前処理部１２ｂは、第１推定モデルを用いて負荷データと発酵液性状データとから嫌気性微生物の活性度を示す推定活性指標データを求めて、求めた推定活性指標データを蓄積するとともにガス発生量予測部１３ｂに出力する。さらに、前処理部１２ｂは、第１推定モデルを用いて廃棄物貯留量と発酵液性状データとから、推定活性指標データがあらかじめ定められた活性指標基準範囲に含まれる値となる消化槽２への有機性廃棄物の投入量の最大値である投入許容量を求め、投入許容量の情報をガス発生量予測部１３ｂに出力する。なお、活性指標基準範囲は、実施の形態１および実施の形態２に示した活性指標正常範囲と同じ範囲でもよい。
　ガス発生量予測部１３ｂは、プロセス観測部１１から負荷データおよび発酵液性状データを取得し、前処理部１２ｂから推定活性指標データを取得し、第２推定モデルを用いて負荷データと発酵液性状データと推定活性指標データとからバイオガス発生量予測値を求めて出力する。さらに、ガス発生量予測部１３ｂは、第２推定モデルを用いて、発酵液性状データと推定活性指標データとから、消化槽２への有機性廃棄物の投入量をゼロから投入許容量までの範囲で変化させたときのそれぞれの投入量におけるバイオガスの発生量の予測値であるガス発生量変化予測値を求め、有機性廃棄物の投入量をゼロから投入許容量までの範囲で変化させたときの投入量とガス発生量変化予測値との関係を示すガス発生量特性情報を生成し、投入量演算部１５に出力する。
　投入量演算部１５は、ガス発生量予測部１３ｂからガス発生量特性情報を取得し、第５センサ２３からガス貯留量を取得し、外部からバイオガスの発生量の要求指令であるバイオガス要求量を取得し、ガス発生量特性情報とガス貯留量とを用いて、バイオガス要求量のバイオガスをガスタンク２２から送り出すために必要となる消化槽２への有機性廃棄物の投入量である投入量指定値を求め、投入量指定値に示された投入量の有機性廃棄物を消化槽２へ投入するための投入量制御信号を投入手段３に送信する。投入手段３は、投入量演算部１５からの投入量制御信号を取得し、投入量指定値に示された投入量の有機性廃棄物を消化槽２に投入する。
　投入手段３は、例えばポンプであり、バッファ槽１から消化槽２へ有機性廃棄物を送液できるもので、かつ、投入量演算部１５からの投入量制御信号によって送液量を変更できるものである。第４センサ２１は、バッファ槽１の内部の有機性廃棄物の貯留量を測定するものであり、例えばバッファ槽１の水位を測定する水位センサであり、例えば有機性廃棄物を含めたバッファ槽１の重量を測定する重量センサである。第５センサ２３は、ガスタンク２２の内部のバイオガスの貯留量を測定するものであり、例えばガスタンク２２の内部の圧力を測定するガス圧力計である。
　以上のように、実施の形態３による嫌気性消化プロセス監視システムは、消化槽２に投入される有機性廃棄物を蓄えるバッファ槽１と、バッファ槽１の内部の有機性廃棄物の貯留量を測定し、測定結果を廃棄物貯留量として出力する第４センサ２１と、消化槽２において発生したバイオガスを貯留するガスタンク２２と、ガスタンク２２の内部のバイオガスの貯留量を測定し、測定結果をガス貯留量として出力する第５センサ２３と、投入量指定値に示された投入量の有機性廃棄物を消化槽２へ投入するための投入量制御信号を出力する投入量演算部１５と、投入量制御信号を取得して、投入量指定値に示された投入量の有機性廃棄物を消化槽２に投入する投入手段３とを備え、前処理部１２ｂは、第１推定モデルを用いて廃棄物貯留量と発酵液性状データとから、推定活性指標データがあらかじめ定められた活性指標基準範囲に含まれる値となる消化槽２への有機性廃棄物の投入量の最大値である投入許容量を求めて出力し、ガス発生量予測部１３ｂは、第２推定モデルを用いて、発酵液性状データと推定活性指標データとから、消化槽２への有機性廃棄物の投入量をゼロから投入許容量までの範囲で変化させたときのそれぞれの投入量におけるバイオガスの発生量の予測値であるガス発生量変化予測値を求め、有機性廃棄物の投入量をゼロから投入許容量までの範囲で変化させたときの投入量とガス発生量変化予測値との関係を示すガス発生量特性情報を生成して出力し、投入量演算部１５は、バイオガスの発生量の要求指令であるバイオガス要求量を取得し、ガス発生量特性情報とガス貯留量とを用いてバイオガス要求量のバイオガスをガスタンク２２から送り出すための消化槽２への有機性廃棄物の投入量である投入量指定値を求め、投入量指定値に示された投入量の有機性廃棄物を投入するための投入量制御信号を生成するので、嫌気性消化プロセスによって得られるバイオガスをガスタンク２２の後段に設置される発電機（図示せず）において発電に利用し分散型電源として活用する場合において、発電機に要求されるバイオガス発電量の管理負荷の増加を抑制すること、すなわち、嫌気性消化プロセスの運転に要求されるバイオガス発生量の管理負荷の増加を抑制することが可能となる。
　本願は、様々な例示的な実施の形態が記載されているが、１つまたは複数の実施の形態に記載された様々な特徴、態様、および機能は特定の実施の形態の適用に限られるのではなく、単独で、または様々な組み合わせで実施の形態に適用可能である。
　したがって、例示されていない無数の変形例が、本願に開示される技術の範囲内において想定される。例えば、少なくとも１つの構成要素を変形する場合、追加する場合または省略する場合、さらには、少なくとも１つの構成要素を抽出し、他の実施の形態の構成要素と組み合わせる場合が含まれるものとする。
　１　バッファ槽、２　消化槽、３　投入手段、４　第１センサ、５　第２センサ、６　排出手段、７　第３センサ、１０、１０ａ、１０ｂ　監視装置、１１　プロセス観測部、１２、１２ｂ　前処理部、１３、１３ａ、１３ｂ　ガス発生量予測部、１４、１４ａ　プロセス監視部、１５　投入量演算部、２１　第４センサ、２２　ガスタンク、２３　第５センサ、３１　投入配管、３２　ガス配管、３３　排出配管。

Claims (11)

  1. 　有機性廃棄物を消化槽に投入することで前記消化槽の内部の嫌気性微生物が馴養された発酵液から発生するバイオガス発生量を予測して嫌気性消化プロセスの状態を監視する嫌気性消化プロセス監視システムであって、
    　前記消化槽への前記有機性廃棄物の投入量を測定し、測定結果を負荷データとして出力する第１センサと、
    　前記消化槽の内部の発酵液の性状を測定し、測定結果を発酵液性状データとして出力する第２センサと、
    　前記負荷データおよび前記発酵液性状データを蓄積するプロセス観測部と、
    　第１推定モデルを用いて、前記負荷データおよび前記発酵液性状データから嫌気性微生物の活性度を示す推定活性指標データを求める前処理部と、
    　第２推定モデルを用いて、前記負荷データ、前記発酵液性状データおよび前記推定活性指標データからバイオガス発生量予測値を求めるガス発生量予測部とを備える嫌気性消化プロセス監視システム。
  2. 　前記第２センサにおいて測定される前記発酵液の性状は、ｐＨ、ＴＤＳ、炭酸ガスイオン濃度および電気伝導率の少なくとも一つを含むことを特徴とする請求項１に記載の嫌気性消化プロセス監視システム。
  3. 　前記消化槽において発生したバイオガスの発生量を測定し、測定結果をバイオガス発生量実測値として出力する第３センサと、
    　前記バイオガス発生量実測値および前記バイオガス発生量予測値とから誤差率を算出するプロセス監視部とを備えることを特徴とする請求項１または２に記載の嫌気性消化プロセス監視システム。
  4. 　前記第１センサは、前記有機性廃棄物の投入量をあらかじめ定められた測定時間間隔で測定して前記負荷データとして出力し、
    　前記第２センサは、前記発酵液の性状を前記第１センサが前記有機性廃棄物の投入量を測定する時刻に前記測定時間間隔で測定して前記発酵液性状データとして出力し、
    　前記第３センサは、前記消化槽において発生したバイオガスの発生量を前記第１センサが前記有機性廃棄物の投入量を測定する時刻に前記測定時間間隔で測定して前記バイオガス発生量実測値として出力し、
    　前記プロセス観測部は、前記負荷データおよび前記発酵液性状データを前記測定時間間隔の時系列データとして蓄積し、
    　前記第１センサが有機性廃棄物の投入量を測定した時刻の１つを特定時刻としたときに、
    　前記前処理部は、前記特定時刻に測定された前記負荷データと前記特定時刻に測定された前記発酵液性状データとから前記特定時刻の前記推定活性指標データを求め、それぞれの時刻の前記推定活性指標データを測定時間間隔の時系列データとして蓄積し、
    　前記ガス発生量予測部は、前記特定時刻に測定された前記負荷データと前記特定時刻に測定された前記発酵液性状データと前記特定時刻の前記推定活性指標データとから、前記特定時刻の前記バイオガス発生量予測値を求めることを特徴とする請求項３に記載の嫌気性消化プロセス監視システム。
  5. 　前記プロセス監視部は、前記誤差率の値があらかじめ定められた誤差率正常範囲に含まれ、かつ、前記バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲に含まれ、かつ、前記推定活性指標データがあらかじめ定められた活性指標正常範囲に含まれる場合に、前記負荷データ、前記発酵液性状データおよび前記推定活性指標データと前記バイオガス発生量実測値との相関データである更新相関データを求めて、前記更新相関データを前記ガス発生量予測部に出力し、
    　前記ガス発生量予測部は、前記更新相関データを用いて前記第２推定モデルの演算式を更新することを特徴とする請求項３または４に記載の嫌気性消化プロセス監視システム。
  6. 　前記ガス発生量予測部は、前記推定活性指標データを前記プロセス監視部に出力し、
    　前記プロセス監視部は、前記誤差率の値があらかじめ定められた誤差率正常範囲の外側にあり、かつ、前記バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲の外側にあり、かつ、前記推定活性指標データがあらかじめ定められた活性指標正常範囲に含まれる場合に、前記第３センサのメンテナンスを促す信号を出力することを特徴とする請求項３または４に記載の嫌気性消化プロセス監視システム。
  7. 　前記プロセス監視部は、前記誤差率の値があらかじめ定められた誤差率正常範囲の外側にあり、かつ、前記バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲に含まれる場合に、前記第１センサおよび前記第２センサのメンテナンスを促す信号を出力することを特徴とする請求項３または４に記載の嫌気性消化プロセス監視システム。
  8. 　前記ガス発生量予測部は、前記推定活性指標データを前記プロセス監視部に出力し、
    　前記プロセス監視部は、前記誤差率の値があらかじめ定められた誤差率正常範囲に含まれ、かつ、前記バイオガス発生量実測値があらかじめ定められたガス発生量正常範囲の外側にあり、かつ、前記推定活性指標データがあらかじめ定められた活性指標正常範囲の外側にある場合に、バイオガス発生システムの停止を促し前記消化槽に投入される有機性廃棄物の性状確認を促す信号を出力することを特徴とする請求項３または４に記載の嫌気性消化プロセス監視システム。
  9. 　前記消化槽に投入される有機性廃棄物を蓄えるバッファ槽と、
    　前記バッファ槽の内部の有機性廃棄物の貯留量を測定し、測定結果を廃棄物貯留量として出力する第４センサと、
    　前記消化槽において発生したバイオガスを貯留するガスタンクと、
    　前記ガスタンクの内部のバイオガスの貯留量を測定し、測定結果をガス貯留量として出力する第５センサと、
    　投入量指定値に示された投入量の有機性廃棄物を前記消化槽へ投入するための投入量制御信号を出力する投入量演算部と、
    　前記投入量制御信号を取得して、前記投入量指定値に示された投入量の有機性廃棄物を前記消化槽に投入する投入手段とを備え、
    　前記前処理部は、前記第１推定モデルを用いて前記廃棄物貯留量と前記発酵液性状データとから、前記推定活性指標データがあらかじめ定められた活性指標基準範囲に含まれる値となる前記消化槽への有機性廃棄物の投入量の最大値である投入許容量を求めて出力し、
    　前記ガス発生量予測部は、前記第２推定モデルを用いて、前記発酵液性状データと前記推定活性指標データとから、前記消化槽への有機性廃棄物の投入量をゼロから前記投入許容量までの範囲で変化させたときのそれぞれの投入量におけるバイオガスの発生量の予測値であるガス発生量変化予測値を求め、有機性廃棄物の投入量をゼロから前記投入許容量までの範囲で変化させたときの投入量と前記ガス発生量変化予測値との関係を示すガス発生量特性情報を生成して出力し、
    　前記投入量演算部は、バイオガスの発生量の要求指令であるバイオガス要求量を取得し、前記ガス発生量特性情報と前記ガス貯留量とを用いて前記バイオガス要求量のバイオガスを前記ガスタンクから送り出すための前記消化槽への有機性廃棄物の投入量である前記投入量指定値を求め、前記投入量指定値に示された投入量の有機性廃棄物を投入するための前記投入量制御信号を生成することを特徴とする請求項１から８のいずれか１項に記載の嫌気性消化プロセス監視システム。
  10. 　有機性廃棄物を消化槽に投入することで前記消化槽の内部の嫌気性微生物が馴養された発酵液から発生するバイオガス発生量を予測して嫌気性消化プロセスの状態を監視する嫌気性消化プロセス監視方法であって、
    　前記消化槽への前記有機性廃棄物の投入量を測定し、測定結果を負荷データとして出力する負荷測定ステップと、
    　前記消化槽の内部の発酵液の性状を測定し、測定結果を発酵液性状データとして出力する発酵液測定ステップと、
    　前記負荷データおよび前記発酵液性状データを蓄積するプロセス観測ステップと、
    　第１推定モデルを用いて、前記負荷データおよび前記発酵液性状データから嫌気性微生物の活性度を示す推定活性指標データを求める前処理ステップと、
    　第２推定モデルを用いて、前記負荷データ、前記発酵液性状データおよび前記推定活性指標データからバイオガス発生量予測値を求めるガス発生量予測ステップとを含む嫌気性消化プロセス監視方法。
  11. 　前記消化槽において発生したバイオガスの発生量を測定し、測定結果をバイオガス発生量実測値として出力するガス量測定ステップと、
    　前記バイオガス発生量実測値および前記バイオガス発生量予測値とから誤差率を算出するプロセス監視ステップとを含むことを特徴とする請求項１０に記載の嫌気性消化プロセス監視方法。
PCT/JP2022/037772 2022-10-11 2022-10-11 嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法 WO2024079773A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2022/037772 WO2024079773A1 (ja) 2022-10-11 2022-10-11 嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法
JP2023511819A JP7455278B1 (ja) 2022-10-11 2022-10-11 嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/037772 WO2024079773A1 (ja) 2022-10-11 2022-10-11 嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法

Publications (1)

Publication Number Publication Date
WO2024079773A1 true WO2024079773A1 (ja) 2024-04-18

Family

ID=90367112

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/037772 WO2024079773A1 (ja) 2022-10-11 2022-10-11 嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法

Country Status (2)

Country Link
JP (1) JP7455278B1 (ja)
WO (1) WO2024079773A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58216799A (ja) * 1982-06-11 1983-12-16 Toshiba Corp 汚泥消化装置
JP2005152851A (ja) * 2003-11-28 2005-06-16 Fuji Electric Holdings Co Ltd バイオガスを用いた発電方法及びバイオガス発電システム
JP2008178827A (ja) * 2007-01-25 2008-08-07 Kurita Water Ind Ltd メタン発酵処理方法
JP2009160497A (ja) * 2007-12-28 2009-07-23 Sho Hashimoto バイオガス発生量の予測ソフトウエア及び記憶媒体
JP2013204031A (ja) * 2012-03-29 2013-10-07 Taiyo Nippon Sanso Corp バイオ燃料の製造方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6954853B2 (ja) 2018-02-20 2021-10-27 水ｉｎｇ株式会社 嫌気性消化槽の立ち上げ方法及び嫌気性消化の立ち上げシステム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58216799A (ja) * 1982-06-11 1983-12-16 Toshiba Corp 汚泥消化装置
JP2005152851A (ja) * 2003-11-28 2005-06-16 Fuji Electric Holdings Co Ltd バイオガスを用いた発電方法及びバイオガス発電システム
JP2008178827A (ja) * 2007-01-25 2008-08-07 Kurita Water Ind Ltd メタン発酵処理方法
JP2009160497A (ja) * 2007-12-28 2009-07-23 Sho Hashimoto バイオガス発生量の予測ソフトウエア及び記憶媒体
JP2013204031A (ja) * 2012-03-29 2013-10-07 Taiyo Nippon Sanso Corp バイオ燃料の製造方法

Also Published As

Publication number Publication date
JP7455278B1 (ja) 2024-03-25

Similar Documents

Publication Publication Date Title
Hassam et al. A generic and systematic procedure to derive a simplified model from the anaerobic digestion model No. 1 (ADM1)
McCabe et al. A case study for biogas generation from covered anaerobic ponds treating abattoir wastewater: Investigation of pond performance and potential biogas production
Valverde-Isorna et al. Modelling the performance of wind–hydrogen energy systems: Case study the Hydrogen Office in Scotland/UK
Wu et al. State indicators of anaerobic digestion: A critical review on process monitoring and diagnosis
Drobnič et al. Hydrogen energy system with renewables for isolated households: The optimal system design, numerical analysis and experimental evaluation
Li et al. Safety assessment of hydro-generating units using experiments and grey-entropy correlation analysis
US20150291927A1 (en) System setup for monitoring and/or controlling fermentation processes
Nordlander et al. Investigating the possibility of applying an ADM1 based model to a full-scale co-digestion plant
Donoso-Bravo et al. Exploitation of the ADM1 in a XXI century wastewater resource recovery facility (WRRF): The case of codigestion and thermal hydrolysis
CN104848885A (zh) 一种对设备未来故障时间点进行预测的方法
JP2010130762A (ja) 自然エネルギー発電装置を含む電力供給システムおよび需給調整方法
Tan et al. Adaptive neural-fuzzy inference system vs. anaerobic digestion model No. 1 for performance prediction of thermophilic anaerobic digestion of palm oil mill effluent
CN112964843A (zh) 污水处理设施水质监测的物联网传感器系统及监测方法
Rieke et al. Modeling and optimization of a biogas plant for a demand-driven energy supply
Otuzalti et al. Modeling of real scale waste activated sludge anaerobic digestion process by Anaerobic Digestion Model 1 (ADM1)
Liu et al. A multi-level biogas model to optimise the energy balance of full-scale sewage sludge conventional and THP anaerobic digestion
Ahmed et al. A model predictive optimal control system for the practical automatic start-up of anaerobic digesters
WO2024079773A1 (ja) 嫌気性消化プロセス監視システムおよび嫌気性消化プロセス監視方法
US20220228174A1 (en) Automatic start-up of anaerobic digestion reactors using model predictive control and practically feasible sets of measurements
KR101018886B1 (ko) 혐기성 소화조 예측제어시스템 및 혐기성 소화조 예측제어시스템으로 유기성 폐기물을 처리하는 방법
Brunetkin et al. DESIGNING AN AUTOMATED CONTROL SYSTEM FOR CHANGING NPU ENERGY RELEASE COMPENSATING FOR ARISING INTERNAL DISTURBING FACTORS BASED ON THEIR APPROXIMATION MODEL.
CN102830662B (zh) 一种流程工业管网系统的监控系统和方法
CN117593854A (zh) 一种智能供水系统
Liu et al. A Scheme for Anaerobic Digestion Modelling and ADM1 Model Calibration
Tan et al. Fuzzy logic modelling for thermophilic anaerobic digestion of palm oil mill effluent (POME) treatment

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22961994

Country of ref document: EP

Kind code of ref document: A1