Modeling and control of pH in tubular photobioreactors on microalgae plant

Abstract

Microalgae are microscopic organisms, they are unicellular and typically habit marine systems or freshwater. Differently from other plants, microalgae don't possess roots, stems or leaves. Nevertheless, they have the ability to perform photosynthesis. Photosynthesis is a biological process that converts light energy into chemical energy, where oxygen is produced as a byproduct. Additionally, these organisms' biodiversity is very extensive, being only a small part studied. These organisms have been used for centuries by humans as a food source. Nonetheless, through the years they have been associated with other activities, such as, cosmetics, pharmaceuticals and biofuels. Furthermore, in order to produce higher quantities of microalgae, these organisms are typically produced in appropriate infrastructures, named photobioreactors. Photobioreactors encompass multiple structures, classified according to their production characteristics. Microalgae essentially require three major components in their production process including sunlight, water, and nutrients. Additionally, culture conditions in a photobioreactor, on a microalgae plant production, are essential for production rates, and the pH value is one of the critical variables for an harmonizing process. However, the biological nature of microalgae growth represents a complex reaction that is arduous to model and control.The work presented in this dissertation proposes an approach for the application of adaptive identification and predictive control to regulate the pH in a photobioreactor in a microalgae production system. The proposed approach is composed of two main stages: identification and control. The identification is performed by a Takagi-Sugeno (T-S) fuzzy model, which will be learned with an offline strategy, by the fuzzy c-means method for the antecedent part, and by the Least Squares Method for the consequent part. Then, the model is updated with an online method, the Recursive Least Squares with Adaptive Directional Forgetting factor algorithm. The control scheme is based on a Generalized Predictive Control approach, which is a Model Predictive Controller, with the adaptive T-S fuzzy model designed in the identification stage. In this way, the model parameters from Generalized Predictive Control are online adapted by Recursive Least Squares with Adaptive Directional Forgetting. To validate the control structure, the proposed approach was tested by using a model estimated from real data of a microalgae production process.

As microalgas são organismos microscópicos unicelulares, que tipicamente habitam sistemas marinhos ou águas doces. Estes seres, ao contrário das plantas comuns, têm a particularidade de não possuírem raízes, caules ou folhas. No entanto, são seres fotossintéticos. A fotossíntese é um processo biológico, que permite a conversão de energia solar em energia química, do qual resulta a produção de oxigénio. Como tal, este processo é essencial para a vida na Terra. É estimado que as algas contribuam para grande parte da produção do oxigénio terrestre, e que existe um extensivo número de espécies, grande parte ainda por identificar e estudar. Estes organismos têm sido usados pelos seres humanos como fonte de alimento ao longo dos últimos séculos. Contudo, nos últimos anos têm sido associados a outras atividades, como a cosmética, a industria farmacêutica e aos biocombustíveis. Consequentemente, de forma a produzir maiores quantidades destes micro-organismos, estes são normalmente produzidos em infraestruturas adequadas, denominadas de fotobiorreatores. O termo fotobiorreator abrange múltiplas estruturas, classificadas de acordo com as suas características de produção. Quanto ao processo de produção de microalgas, são considerados três requisitos essenciais, nomeadamente, luz solar, água e nutrientes. Além disso, as condições da cultura dentro dos fotobiorreatores, na produção de microalgas, são essenciais para as taxas de produção, sendo o valor do pH uma das variáveis críticas para um processo harmonioso. No entanto, as reações biológicas associadas ao crescimento das microalgas, representam uma reação complexa, difícil de modelar e controlar. Como tal, este trabalho propõe uma abordagem baseada na aplicação de identificação adaptativa e em controlo preditivo, para regular o pH num fotobiorreator, para um sistema de produção de microalgas. A abordagem proposta é composta por duas etapas principais: identificação e controlo. A identificação é realizada por um modelo difuso, Takagi-Sugeno, que será aprendido através de uma estratégia ``offline''. Primeiramente é usado o algoritmo ``fuzzy c-means'', para a parte antecedente do modelo, e implementando o ``Least Squares Method'', para obter a parte consequente do modelo. Em seguida, o modelo é atualizado com um método online, com recurso ao algoritmo ``Recursive Least Squares with Adaptive Directional Forgetting''. Por sua vez, a estrutura do controlador é baseada numa abordagem de Controlo Preditivo, com o modelo difuso adaptativo T-S, projetado na etapa de identificação. Desta forma, os parâmetros do modelo de Controlo Preditivo são adaptados de forma iterativa pelo método ``Recursive Least Squares with Adaptive Directional Forgetting''. Para validar a estrutura do controlador, a abordagem proposta foi testada utilizando um modelo estimado a partir de dados reais de um processo de produção de microalgas.