Anaerobic Packed Bed Reactor

Mathematical models

One-dimensional model

Tingkat perpindahan massa dianggap sebanding dengan perbedaan konsentrasi antarmuka dan
cairan curah. Dalam kondisi kondisi steady state, tidak ada akumulasi komponen pada
antarmuka. Massa yang diangkut dari cairan curah ke antarmuka film bergerak dari antarmuka
ke permukaan padat. Model biofilm konseptual dari pekerjaan ini yang menunjukkan profil
konsentrasi substrat pada segmen reaktor biofilm serupa dengan yang digunakan untuk
pengolahan air limbah pada reaktor unggun tetap oleh Kiranmai et al., 2005

Persamaan diferensial yang mengatur fasa fluida diberikan oleh

(1)

Dengan boundary condition:

(2)
Dalam model ini, konsentrasi substrat dalam cairan curah bervariasi hanya pada arah aksial.
Persamaan diferensial yang mengatur fasa padat diberikan oleh

(3)

Dengan boundary conditions:

(4)

Dalam Persamaan (3), nilai a didefinisikan sebagai 1, 2, atau 3 untuk geometri planar, silinder,
atau bola masing-masing, dan Df adalah koefisien difusi substrat dalam biofilm.
Two-dimensional model

Model ini mempertimbangkan variasi konsentrasi substrat dalam cairan curah baik pada arah
aksial dan radial. Model ini memperhitungkan resistensi antar fase terhadap proses
perpindahan massa dan intra-biofilm. Proses yang terjadi dalam biofilm ditandai dengan
difusi dan reaksi fisik dan dijelaskan oleh persamaan diferensial orde kedua. Kehilangan
tekanan sepanjang reaktor diabaikan.

Persamaan diferensial yang mengatur fase cairan bulk diberikan oleh

(5)

Dimana D adalah koefisien difusi substrat dalam cairan curah. Persamaan ini harus dipecahkan
sesuai dengan kondisi batas yang diberikan dalam Persamaan (2). Model biofilm fasa padat
sama seperti pada Persamaan (3) dengan kondisi batasnya dalam Persamaan (4)

Mass transfer coefficient

Pengangkutan massa substrat antara fluida bulk dan permukaan biofilm bergantung pada sifat
dinamis fluida yang mengalir melalui reaktor dan aktivitas partikel biokatalis. Transport massa
substrat yang terjadi dari cairan bulk ke permukaan biofilm melintasi lapisan difusi
didefinisikan oleh

(6)

Faktor jD dihitung dengan menggunakan korelasi berikut (Dwivedi et al., 1977):

(7)

Koefisien perpindahan massa kg, yang diperoleh dari Persamaan (6), digunakan dalam
persamaan fasa cairan curah [Persamaan. (1) dan (5)].
Kinetic models

Berbagai model kinetik dapat digunakan untuk merepresentasikan kinetika bioproses.

Monod model

Model ini adalah ekspresi tingkat kinetik yang paling populer, yang menurutnya tingkat
konsumsi substrat, rs dalam biofilm diberikan oleh persamaan berikut

(8)

Umumnya, kinetika Monod berlaku saat pertumbuhan dan kepadatan populasi rendah.

Teisser model

Model ini mempertimbangkan tingkat konsumsi substrat yang secara eksponensial terkait
dengan konsentrasi (Shuler dan Kargi, 2001), yang menurutnya tingkat konsumsi substrat, rs
dalam biofilm diberikan oleh persamaan berikut

(9)

Moser model

Model ini merupakan perpanjangan dari persamaan Monod, yang menurutnya tingkat
konsumsi substrat, rs dalam biofilm diberikan oleh persamaan berikut:

(10)

Model berikut mewakili kinetika bioproses dengan penghambatan substrat.

Haldane model

Tingkat ini umumnya berlaku bila konsentrasi substratnya tinggi. Menurut model ini, tingkat
konsumsi substrat, rs dalam biofilm diberikan oleh persamaan berikut:
 (11)

Edward model

Model ini mempertimbangkan penghambatan substrat (Edwards, 1970). Menurut model ini,
tingkat konsumsi substrat, rs dalam biofilm diberikan oleh persamaan berikut:

(12)

Film thickness

Ketebalan biofilm (Lf) merupakan parameter penting yang berpengaruh signifikan terhadap
konversi substrat. Ketebalan biofilm terutama bergantung pada konsentrasi substrat dalam
cairan curah dan hidrolika cair. Akibatnya, dihipotesiskan bahwa biofilm terdiri dari bagian
statis dan bagian variabel dimana yang terakhir diasumsikan meningkat dengan OLR dan
menurun dengan laju pemuatan hidrolik. Dengan demikian, ungkapan yang dipertimbangkan
untuk ketebalan biofilm dari pekerjaan ini adalah yang digunakan oleh Kiranmai et al., (2005)
seperti yang diberikan oleh

(13)

where a, b, and c are constants to be determined.

Ant colony optimization

ACO yang diperkenalkan oleh (Dorigo et al., 1996) adalah salah satu teknik terbaru yang
digunakan untuk mengatasi masalah optimasi. ACO meniru cara semut nyata menemukan rute
terpendek antara sumber makanan dan sarangnya. Semut berkomunikasi satu sama lain melalui
jalur feromon dan bertukar informasi tentang jalan mana yang harus diikuti. Perilaku
autokatalitik dan kolektif semut ini menghasilkan pembentukan rute terpendek dari sarang ke
sumber makanan dan kembali. Perilaku penjelmaan semut semut yang dimediasi oleh
pheromone dieksploitasi dengan menggunakan algoritma ACO untuk memecahkan sejumlah
masalah optimasi (Dorigo dan DiCaro, 1999).

Dalam hal ini, algoritma ACO dengan fitur pencarian globalnya dieksplorasi untuk evaluasi
numerik parameter ketebalan kinetik dan film dari reaktor biofilm fixed bed yang terlibat dalam
pengolahan limbah industri farmasi. Estimasi parameter oleh IM membutuhkan fungsi objektif
yang diformulasikan berdasarkan pengukuran proses aktual dan prediksi model proses seperti
yang diberikan oleh
 (14)

Dimana J adalah fungsi biaya, adalah vektor parameter, l adalah jumlah pengamatan, yi
adalah nilai terukur dari variabel ke-i, dan merupakan nilai prediksi yang sesuai. Konvergensi
Iteratif dari persamaan ini menyebabkan minimisasi nilai J, sehingga memberikan nilai
parameter optimum.

Masalah ACO-IM dapat dinyatakan sebagai

Dimana adalah vektor parameter p-dimensional, R adalah bilangan real, dan D adalah ruang
pencarian . Tujuannya adalah untuk menemukan vektor parameter yang meminimalkan f
(). D dianggap sebagai hiper parallelepiped

Dimana dan menunjukkan tingkat bawah dan atas masing-masing parameter i. Ruang
pencarian D pertama kali dibagi dalam interval setiap parameter i menjadi sejumlah strata,
mi. Jika setiap strata diwakili oleh nilai di tengah strata, maka akan ada permutasi atau jalur
yang mungkin melalui ruang pencarian parameter input. Misalkan menjadi stratum j parameter
i di ruang pencarian D. Parameter awalnya dapat ditentukan sedemikian rupa sehingga
seragamnya mencakup keseluruhan ruang parameter. Penggunaan strata lebih banyak dapat
mempercepat konvergensi dari masalah optimasi, namun peningkatan strata akan
meningkatkan beban komputasi.

Biarlah semut M mewakili M strata. Kemungkinan jumlah jalur, N yang semut dapat
melakukan perjalanan melalui ruang parameter p diberikan oleh N = Mp. Jika M = 3 dan p =
6, maka akan ada 729 jalur. Setiap semut bisa mengikuti salah satu jalur N jalur. Semut
melakukan tugas seperti pemilihan jalur yang mereka lewati, mengingat parameter strata di
sepanjang jalur, melewati nilai parameter ini ke model proses, mengevaluasi nilai fungsi
objektif untuk setiap jalur jalan, dan memperbarui feromon berdasarkan Nilai fungsi objektif.
Perhitungan yang terlibat dalam implementasi ACO adalah sebagai berikut. Inti jejak, juga
disebut deposit feromon, u pada setiap jalur, u (u = 1, ..., N) dihitung berdasarkan nilai fungsi
biaya J. Fungsi biaya J dari setiap jalur digambarkan sebagai Ju, dan Minimal fungsi biaya,
Jmin ditemukan. Mean, J dan standar deviasi, J fungsi objektif dievaluasi. Rasio standar
deviasi berarti mewakili variabilitas dalam nilai fungsi dan biaya kritis, C yang dievaluasi
sebagai

(15)

where Cc is a constant.
Biaya kritis, C digunakan untuk mengevaluasi intensitas jalan setapak, u pada setiap jalur
sesuai dengan rumus

(16)
Menurut persamaan ini, jalur dengan fungsi biaya lebih besar dari C tidak mendapatkan
intensitas jalan, sedangkan yang di bawah C menerima nilai intensitas jejak yang lebih besar.
Dapat diamati bahwa setiap strata tunggal di D mungkin merupakan persimpangan banyak jalur
semut. Pangsa jejak dihitung dengan Persamaan (16) dari setiap lapisan ij dari masing-masing
jalur dapat dijumlahkan untuk menghasilkan sebagai

Di sini, jalur persimpangan adalah jalur yang melintasi strata ij. Mean, ij dan standar deviasi,
ij dari fungsi biaya digunakan untuk menghitung skor, Sij sesuai rumus:

(17)

where

(18)
Dimana A dan Cs adalah konstanta. Persamaan (16) dan (17) dalam struktur ACO mewakili
intensitas jejak dan probabilitas transisi (Dorigo et al., 2000). Skor, Sij digunakan untuk
menghilangkan strata dengan skor terendah sambil mempertahankan nilai tertinggi. Interval
hasil skor tertahan tertinggi menyempit rentang parameter. Strategi ini kemudian diinisialisasi
ulang dengan rentang parameter yang diperbarui, dan prosedur diulang sampai konvergensi
dalam tujuan yang didefinisikan oleh Persamaan (14) tercapai. Konstanta Cc dalam Persamaan
(15) menandakan variabilitas jejak yang diterima oleh masing-masing lapisan.
Nomenclature
COD=chemical oxygen demand (kg/m3)
HLR=hydraulic loading rate (m/day)
HRT=hydraulic retention time (days)
OLR=organic loading rate (kg/m3/day)
c=substrate concentration in the bulk fluid (kg/m3)
cs=substrate concentration in the bio-film (kg/m3)
css=substrate concentration on the bio-film surface (kg/m3)
kg=mass transfer coefficient (m/s)
D=substrate diffusion coefficient in the bulk fluid (m2/day)
Df=substrate diffusion coefficient in the bio-film (m2/day)
dp=equivalent particle diameter (m)
av=specific surface area of particle (m1)
KI=substrate inhibition constant (m3/kg)
Ks=half velocity constant (kg/m3)
Lf=thickness of the bio-film (m)
r=radial coordinate (m)
Re=Reynolds number (Du/)
Sc=Schmidt number (/D)
rs=reaction rate (kg/m3/day)
u=superficial velocity (m/s)
y=measured substrate conversion
=predicted substrate conversion
Y=yield coefficient
z=axial coordinate (m)
Ce,m=measured substrate concentration at the outlet of the reactor (kg/m3)
Ce=model predicted substrate concentration at the outlet of the reactor (kg/m3)
Xe,m=measured fractional conversion of the substrate at the outlet of the reactor
Xe=model predicted fractional conversion of the substrate at the outlet of the reactor
=porosity of bed
=vector of parameters
=viscosity (kg/m/day)
max=maximum specific growth rate (day1)
=space coordinate in the bio-film (m)
=density of fluid (kg/m3)
s=density of biomass (kg/m3)