Biologische Komponenten¶

Komponenten für biologische Umwandlungsprozesse in Biogasanlagen.

Digester¶

Der Hauptfermenter, der das ADM1-Modell für anaerobe Vergärung implementiert.

Parameter¶

from pyadm1.configurator.plant_configurator import PlantConfigurator

configurator.add_digester(
    digester_id="main_digester",      # Eindeutige Kennung
    V_liq=2000.0,                     # Flüssigvolumen [m³]
    V_gas=300.0,                      # Gasraum [m³]
    T_ad=308.15,                      # Betriebstemperatur [K]
    name="Hauptfermenter",            # Lesbarer Name
    load_initial_state=True,          # Lade Steady-State-Initialisierung
    initial_state_file=None,          # Benutzerdefinierter Anfangszustand CSV (optional)
    Q_substrates=[15, 10, 0, ...]    # Substrat-Fütterungsraten [m³/d]
)

Dimensionierungsrichtlinien¶

Anlagengröße	V_liq [m³]	V_gas [m³]	Fütterungsrate [m³/d]	HRT [Tage]
Klein	300-800	50-120	10-25	20-40
Mittel	1000-3000	150-450	25-75	25-45
Groß	3000-8000	450-1200	75-200	30-50

Temperaturoptionen¶

# Psychrophil (selten in der Praxis)
T_psychro = 298.15  # 25°C

# Mesophil (am häufigsten)
T_meso = 308.15     # 35°C

# Thermophil (faserreiche Substrate)
T_thermo = 328.15   # 55°C

Ausgaben¶

outputs = digester.step(t, dt, inputs)
# Rückgabe:
{
    'Q_out': 25.0,              # Auslaufdurchfluss [m³/d]
    'state_out': [...],         # ADM1-Zustand für nächsten Fermenter
    'Q_gas': 1250.5,           # Biogasproduktion [m³/d]
    'Q_ch4': 750.3,            # Methanproduktion [m³/d]
    'Q_co2': 475.2,            # CO2-Produktion [m³/d]
    'pH': 7.32,                # pH-Wert
    'VFA': 2.45,               # Flüchtige Fettsäuren [g/L]
    'TAC': 8.50,               # Gesamtalkalinität [g CaCO3/L]
    'gas_storage': {           # Angeschlossene Gasspeicherinfo
        'stored_volume_m3': 150.0,
        'pressure_bar': 1.02,
        'vented_volume_m3': 0.0
    }
}

Erweiterte Verwendung¶

Mehrere Fermenter in Reihe:

# Hydrolyse + Methanogenese
configurator.add_digester("hydro", V_liq=500, T_ad=318.15,
                         Q_substrates=[15, 10, 0, 0, 0, 0, 0, 0, 0, 0])
configurator.add_digester("main", V_liq=2000, T_ad=308.15,
                         Q_substrates=[0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
configurator.connect("hydro", "main", "liquid")

Benutzerdefinierter Anfangszustand:

import pandas as pd

# Erstelle benutzerdefinierten Zustand
initial = pd.DataFrame({
    'S_su': [0.01], 'S_aa': [0.001], # ... alle 37 Zustandsvariablen
})
initial.to_csv('custom_state.csv', index=False)

# Verwende im Fermenter
configurator.add_digester(
    "dig1", V_liq=2000,
    initial_state_file='custom_state.csv'
)

Kalibrierungsparameter¶

Der Fermenter unterstützt die Anwendung von Kalibrierungsparametern zur Modellanpassung:

from pyadm1.components.biological import Digester

digester = Digester("dig1", feedstock, V_liq=2000)

# Kalibrierungsparameter anwenden
digester.apply_calibration_parameters({
    'k_dis': 0.55,      # Desintegrationsrate
    'Y_su': 0.105,      # Ertragskoeffizient für Zucker
    'k_hyd_ch': 11.0    # Hydrolyserate für Kohlenhydrate
})

# Aktuelle Parameter abrufen
params = digester.get_calibration_parameters()
print(params)

# Parameter löschen (zurück zu Standardwerten)
digester.clear_calibration_parameters()

Hydrolysis¶

Vorbehandlungstank für hydrolysedominierte Prozesse (Stub für zukünftige Implementierung).

from pyadm1.components.biological import Hydrolysis

hydrolysis = Hydrolysis(
    component_id="hydro1",
    feedstock=feedstock,
    V_liq=500.0,
    T_ad=318.15  # Höhere Temperatur für schnellere Hydrolyse
)

Anwendung: Nützlich für Substrate mit hohem lignozellulosem Gehalt, kann bei anderen Temperaturen und Verweilzeiten als der Hauptfermenter betrieben werden.

Separator¶

Fest-Flüssig-Trennung für Gärrestverarbeitung (Stub für zukünftige Implementierung).

from pyadm1.components.biological import Separator

separator = Separator(
    component_id="sep1",
    separation_efficiency=0.95  # 95% Feststoffabtrennung
)

Anwendung: Modelliert mechanische (Schneckenpresse, Zentrifuge) oder Schwerkrafttrennung mit konfigurierbarer Trenneffizienz.

Beispiel: Zweistufiges Vergärungssystem¶

from pyadm1.configurator import BiogasPlant, PlantConfigurator
from pyadm1.substrates import Feedstock

# Setup
feedstock = Feedstock(feeding_freq=48)
plant = BiogasPlant("Zweistufige Anlage")
config = PlantConfigurator(plant, feedstock)

# Stufe 1: Thermophile Hydrolyse
hydro, hydro_storage = config.add_digester(
    "hydrolysis",
    V_liq=500,
    V_gas=75,
    T_ad=328.15,  # 55°C
    Q_substrates=[15, 10, 0, 0, 0, 0, 0, 0, 0, 0]
)

# Stufe 2: Mesophile Methanogenese
main, main_storage = config.add_digester(
    "methanogenesis",
    V_liq=2000,
    V_gas=300,
    T_ad=308.15,  # 35°C
    Q_substrates=[0, 0, 0, 0, 0, 0, 0, 0, 0, 0]  # Nur Input aus Stufe 1
)

# Verbinde Fermenter
config.connect("hydrolysis", "methanogenesis", "liquid")

# Energiesystem
config.add_chp("chp1", P_el_nom=500)
config.add_heating("heat_hydro", target_temperature=328.15, heat_loss_coefficient=0.3)
config.add_heating("heat_main", target_temperature=308.15, heat_loss_coefficient=0.5)

# Auto-Verbindungen
config.auto_connect_digester_to_chp("hydrolysis", "chp1")
config.auto_connect_digester_to_chp("methanogenesis", "chp1")
config.auto_connect_chp_to_heating("chp1", "heat_hydro")
config.auto_connect_chp_to_heating("chp1", "heat_main")

# Simulieren
plant.initialize()
results = plant.simulate(duration=100, dt=1/24, save_interval=1.0)

# Ergebnisse analysieren
final = results[-1]
print(f"Hydrolyse-Biogas: {final['components']['hydrolysis']['Q_gas']:.1f} m³/d")
print(f"Haupt-Biogas: {final['components']['methanogenesis']['Q_gas']:.1f} m³/d")
print(f"Gesamt-Methan: {final['components']['hydrolysis']['Q_ch4'] + final['components']['methanogenesis']['Q_ch4']:.1f} m³/d")
print(f"pH Hydrolyse: {final['components']['hydrolysis']['pH']:.2f}")
print(f"pH Haupt: {final['components']['methanogenesis']['pH']:.2f}")

Prozessüberwachung¶

Wichtige Prozessindikatoren¶

def monitor_digester_health(results):
    """Überwache Fermentergesundheit anhand von Prozessindikatoren"""

    for result in results:
        digester_data = result['components']['main_digester']

        # pH-Wert prüfen
        pH = digester_data['pH']
        if pH < 6.8:
            print(f"Warnung: Niedriger pH ({pH:.2f}) - Übersäuerungsrisiko")
        elif pH > 8.0:
            print(f"Warnung: Hoher pH ({pH:.2f}) - Mögliche Ammoniakinhibition")

        # VFA/TAC-Verhältnis
        VFA = digester_data['VFA']  # g HAc-eq/L
        TAC = digester_data['TAC']  # g CaCO3-eq/L

        # Umrechnung für VFA/TAC-Verhältnis
        VFA_TAC = VFA / TAC if TAC > 0 else 0

        if VFA_TAC > 0.4:
            print(f"Warnung: Hohes VFA/TAC-Verhältnis ({VFA_TAC:.2f}) - Prozessinstabilität")

        # Gasproduktion
        Q_gas = digester_data['Q_gas']
        if Q_gas < 500:  # Beispielschwelle
            print(f"Warnung: Niedrige Gasproduktion ({Q_gas:.1f} m³/d)")

monitor_digester_health(results)

Optimale Betriebsbereiche¶

Parameter	Optimal	Akzeptabel	Kritisch
pH	7.0-7.5	6.8-8.0	<6.8 oder >8.0
VFA [g/L]	0.5-2.0	2.0-4.0	>4.0
VFA/TAC	0.2-0.3	0.3-0.4	>0.4
TAC [g CaCO3/L]	5.0-10.0	4.0-12.0	<4.0
Temp. mesophil [°C]	35-38	32-40	<30 oder >42
Temp. thermophil [°C]	52-55	48-58	<45 oder >60

Fehlerbehebung¶

Niedriger pH-Wert¶

Ursachen: - Zu hohe organische Raumbelastung (OLR) - Unzureichende Pufferkapazität - Plötzliche Substratänderung

Lösungen:

# Reduziere organische Belastung
Q = [10, 8, 0, 0, 0, 0, 0, 0, 0, 0]  # Reduziert von [15, 10, ...]

# Oder füge Kalkpuffer hinzu
Q = [15, 10, 0, 0, 0, 0, 0, 1, 0, 0]  # 1 m³/d Kalk

Schaumbildung¶

Ursachen: - Zu hoher Proteingehalt im Substrat - Plötzliche pH-Änderungen - Hohe VFA-Konzentrationen

Lösungen: - Reduziere proteinreiche Substrate - Stabilisiere pH-Wert durch Pufferung - Implementiere Anti-Schaum-Maßnahmen

Geringe Gasproduktion¶

Ursachen: - Niedrige organische Belastung - Substrat niedriger Qualität - Inhibition (NH3, H2S, Schwermetalle) - Zu kurze Verweilzeit

Diagnose:

def diagnose_low_gas_production(digester_outputs):
    """Diagnostiziere Ursachen für niedrige Gasproduktion"""

    Q_gas = digester_outputs['Q_gas']
    Q_in = sum(Q_substrates)  # Gesamter Input

    # Spezifische Gasproduktion
    specific_gas = Q_gas / Q_in if Q_in > 0 else 0

    if specific_gas < 0.5:  # m³ Biogas / m³ Input
        print("Niedrige spezifische Gasausbeute - mögliche Ursachen:")
        print("- Substrat niedriger Qualität")
        print("- Inhibition")
        print("- Prozessinstabilität")

    # Prüfe Methangehalt
    CH4_content = digester_outputs['Q_ch4'] / Q_gas if Q_gas > 0 else 0

    if CH4_content < 0.55:
        print(f"Niedriger Methangehalt ({CH4_content:.1%}) - mögliche Lufteinträge oder CO2-Stripping")

diagnose_low_gas_production(digester.outputs_data)

Best Practices¶

Starten Sie mit realistischen Betriebsparametern
Nutze typische HRT-Werte (30-40 Tage)
Beginne mit moderater OLR (2-4 kg VS/m³/d)
Überwache kritische Parameter
pH-Wert sollte stabil sein (±0.2)
VFA/TAC-Verhältnis < 0.4
Methangehalt > 55%
Implementiere Puffersysteme
Füge Kalk oder andere Puffer bei niedrigem pH hinzu
Halte TAC > 4 g CaCO3/L
Nutze zweistufige Systeme für schwierige Substrate
Thermophile Hydrolyse für faserreiche Substrate
Mesophile Methanogenese für stabile Gasproduktion
Kalibriere das Modell mit realen Daten
Nutze Kalibrierungsparameter für genauere Vorhersagen
Validiere mit Betriebsdaten

Nächste Schritte¶

Energiekomponenten: BHKW und Wärmesysteme
Mechanische Komponenten: Pumpen und Rührwerke
Fütterungskomponenten: Lagerung und Dosierung
API-Referenz: Detaillierte Klassendokumentation