Aktuell ist eine kritische ökonomische Gesamtanalyse der Vergärungsverfahren dringend notwendig. Es fehlen insbesondere Untersuchungen zur ökonomischen Bewertung des Gesamtverlaufs der mikrobiologischen Stoffumwandlung und hierbei der Analyse der spezifischen Kosten der einzelnen Prozessschritte sowie ihres Einflusses auf das wirtschaftliche Ergebnis Gasertrag. Für derartig komplexe Probleme können empirische Lösungen über das Instrument Künstliches Neuronales Netz (KNN) gefunden werden. Dabei sollten Eingangsparameter so variiert werden, dass eine Gewinnberechnung möglich wird und dabei die Bedingungen für die Erzielung des höchsten Gewinns herausgefiltert werden können.
Wichtig beim Aufbau eines KNN ist die richtige Topologie. Möglichst alle potenziell relevanten Parameter müssen gemessen und als Inputneuronen berücksichtigt werden. Jedes Neuron hat eigene Funktionen und ein bestimmtes Gewicht. Die Datenbasis der Simulation bildeten drei mesophil arbeitende Biogasanlagen im Land Brandenburg, die täglich ausgewählte Prozessdaten zur Verfügung stellten. Hierbei wurden vor allem die Mengen der Futtersubstrate und des gebildeten Methans als In- bzw. Outputneuronen festgelegt.
Zwischen der Inputschicht mit 17 Neuronen und der Outputschicht mit 4 Neuronen befindet sich eine versteckte Hiddenschicht mit 12 Neuronen. Nach dem Training des Netzes wurden 7.805 verschiedene Input-Parameter-Konstellationen simuliert und anschließend mit den Marktpreisen für Futtersubstrate und dem Methanertrag verrechnet, so dass eine stark vereinfachte Gewinnberechnung möglich war.
Im Projekt wurde erstmalig der Einsatz eines Neuronalen Netzes zur Simulation der Gaserzeugung in Biogas-Fermentern getestet. Es zeigte sich, dass der Einsatz eines Neuronalen Netzes für die Berechnung der Methanausbeute während der Biogaserzeugung prinzipiell möglich ist. Dabei ist es gelungen, eine Netzstruktur mit Input-, Hidden- und Out-put-Neuronen als Basis einer modellierten Gewinnberechnung aufzubauen.
Die Zielschärfe eines KNN kann erhöht werden, wenn mindestens 500 Neuronen statt der bisherigen 33 einbezogen werden.
Projektträger Jülich (PTJ), Forschungszentrum Jülich GmbH
Brandenburgische Technische Universität Cottbus (BTU) - Fakultät Umweltwissenschaften und Verfahrenstechnik
Dr. Felicitas Bechstein, Dr. Hans-Ullrich Balzer
.png)
.png){kind=icon}
