Otimização da produção de biogás com recurso a redes neuronais artificiais

Numa Estação de Tratamento de Águas Residuais (ETAR), são elevados os custos não só de tratamento das águas residuais como também de manutenção dos equipamentos lá existentes, nesse sentido procura-se utilizar processos capazes de transformar os resíduos em produtos úteis. A Digestão Anaeróbia (DA) é um processo atualmente disponível capaz de contribuir para a redução da poluição ambiental e ao mesmo tempo de valorizar os subprodutos gerados. Durante o processo de DA é produzido um gás, o biogás, que pode ser utilizado como fonte de energia, reduzindo assim a dependência energética da ETAR e a emissão de gases com efeito de estufa para a atmosfera. A otimização do processo de DA das lamas é essencial para o aumento da produção de biogás, mas a complexidade do processo constitui um obstáculo à sua otimização. Neste trabalho, aplicaram-se Redes Neuronais Artificiais (RNA) ao processo de DA de lamas de ETAR. RNA são modelos simplificados inspirados no funcionamento das células neuronais humanas e que adquirem conhecimento através da experiência. Quando a RNA é criada e treinada, produz valores de output aproximadamente corretos para os inputs fornecidos. Foi esse o motivo para recorrer a RNA na otimização da produção de biogás no digestor I da ETAR Norte da SIMRIA, usando o programa NeuralToolsTM da PalisadeTM para desenvolvimento das RNA. Para tal, efetuou-se uma análise e tratamento de dados referentes aos últimos quatro anos de funcionamento do digestor. Os resultados obtidos permitiram concluir que as RNA modeladas apresentam boa capacidade de generalização do processo de DA. Considera-se que este caso de estudo é promissor, fornecendo uma boa base para o desenvolvimento de modelos eventualmente mais gerais de RNA que, aplicado conjuntamente com as características de funcionamento de um digestor e o processo de DA, permitirá otimizar a produção de biogás em ETAR.

In a Wastewater Treatment Station (WWTP), Anaerobic Digestion (AD) is process for sludge stabilization and volume reduction. The digestate, under certain conditions, that is if they meet the specific parameters, can be used in agriculture. During the AD, a gas is produced, biogas, process which can be used as an energy source, thereby reducing the energy dependency of the treatment plant and reducing the emissions of greenhouse gases into the atmosphere. The optimization process of AD sludge is essential for increasing biogas production, but the complexity of the process is an obstacle to its optimization. In this work assignment, Artificial Neural Networks (ANN) were applied to the AD of WWTP sludge. ANN are simplified models inspired by the functioning of human neuronal cells that acquire knowledge through experience. This method uses numerical inputs to make calculations and generate one or more numeric values based on these inputs. When ANN is created and trained for a specific application, it produces approximately correct outputs for the provided inputs. This was the reason for resorting to RNA in the optimization of biogas production in the WWTP Digester I North SIMRIA using the NeuralToolsTM PalisadeTM program for development of the ANN. In this sense, an analysis and data processing were performed regarding the last four operational years of the digester. The results showed that the ANN modeled presented good generalization ability of the AD process. This case study is considered promising, providing a good basis for the development of more general models of ANN that, when applied in conjunction with the operating characteristics of a digester and the AD process, will allow the optimization of biogas production in WWTP.