Esta página fue traducida automáticamente.
Complete una encuesta de 1 minuto sobre la calidad de esta traducción.
Simulación de plantas de digestión anaeróbica con SimBiology en DBFZ
Los modelos de SimBiology ofrecen flexibilidad para abordar los retos emergentes en la investigación
"La comprobación de coherencia integrada en SimBiology es una funcionalidad de valor incalculable en el desarrollo de modelos. Garantiza que las unidades se alineen correctamente, lo que ayuda a identificar y resolver posibles inconsistencias y reduce el riesgo de errores de conversión incorrecta de unidades desde el principio”.
Resultados principales
- Modelos de SimBiology más flexibles e iterativos para estimar parámetros y utilizar distintos conjuntos de datos, más adaptables a las necesidades de investigación en evolución
- El cambio a SimBiology ha permitido un flujo de trabajo de modelado más ágil para ayudar a resolver problemas anteriores con la gestión de eventos, que a menudo requería depuración y parcheo de modelos para cada nuevo conjunto de datos
Resultados de simulación de ADM1-R3, el pH (mitad superior) y la tasa de producción de biogás (mitad inferior) resueltos con ode15s en MATLAB y SimBiology.
Con su capacidad de convertir sustratos orgánicos en biogás, las plantas de digestión anaeróbica (DA) tienen el potencial de mejorar la sostenibilidad y contribuir a la mitigación del cambio climático. Un grupo de investigación junior de Deutsches Biomasseforschungszentrum (DBFZ), el Instituto Alemán de Investigación en Biomasa, está trabajando en la optimización de modelos y algoritmos de monitorización para plantas de digestión anaerobia a fin de mejorar su comprensión del proceso. El objetivo del equipo de investigación es lograr una operación más eficiente y flexible de la planta, que no solo reduzca la huella ambiental de las plantas de AD, sino que también mejore la capacidad de compensar las fluctuaciones en el suministro de electricidad de otras fuentes renovables.
Desarrollados inicialmente en MATLAB® y Simulink®, recientemente se han reimplementado modelos simplificados del proceso de AD en SimBiology®. Este cambio se debió a varios factores: aumento del rendimiento mediante solvers SUNDIALS, funciones integradas para gestionar eventos basados en el tiempo en SimBiology y capacidad de estimar parámetros para funciones objetivo utilizando datos con frecuencias de muestreo variables. El último factor en particular permite realizar iteraciones rápidas para explorar diversos escenarios.
MathWorks ayudó a los investigadores del DBFZ a familiarizarse con los parámetros, especies, ecuaciones y reglas algebraicas que conforman la sintaxis de SimBiology. Como resultado, los modelos de SimBiology se pueden refinar de manera más eficaz y resultan más precisos, robustos y adaptables a las necesidades de investigación en evolución. La ejecución del modelo es más rápida en comparación con los procedimientos estándar implementados en MATLAB, lo que mejora la estimación de parámetros, la cuantificación de la incertidumbre y los escenarios que requieren evaluaciones frecuentes del modelo. Además, se ha resuelto el problema de manejo de eventos, que a menudo requería depurar y aplicar parches a modelos para cada nuevo conjunto de datos.
También se utilizan Statistics and Machine Learning Toolbox™ o Symbolic Math Toolbox™ para el desarrollo de modelos y la simulación de procesos dentro del grupo de investigación junior en DBFZ.
Recursos relacionados
