Simulation des systèmes physiques de digestion anaérobie à l’aide de SimBiology au DBFZ
Les modèles SimBiology offrent une adaptabilité permettant de répondre à l’évolution des besoins en recherche
"La vérification de cohérence intégrée dans SimBiology est une fonctionnalité précieuse lors du développement de modèles. Elle garantit que les unités s'alignent correctement, ce qui permet d'identifier et de résoudre les incohérences potentielles et également de réduire le risque d'erreurs résultant de conversions d'unités incorrectes dès le début."
Principaux résultats
- Les modèles développés dans SimBiology étaient plus flexibles et itératifs pour l’estimation des paramètres et l’utilisation de différents jeux de données, les rendant ainsi plus adaptables à l’évolution des besoins de recherche.
- Le passage à SimBiology a permis un workflow de modélisation plus rationalisé, ce qui a aidé l’équipe du DBFZ à résoudre les problèmes précédents liés à la gestion des événements, qui nécessitaient souvent le débuggage et la correction des modèles pour chaque nouveau jeu de données.
Résultats de simulation d'ADM1-R3, résolus avec ode15s dans MATLAB et SimBiology, incluant le pH (partie supérieure) et le taux de production de biogaz (partie inférieure).
Grâce à leur capacité de transformer des substrats organiques en biogaz, les systèmes physiques de digestion anaérobie (DA) ont un potentiel considérable pour renforcer la durabilité et contribuer à l’atténuation du changement climatique. Un groupe de recherche junior au Deutsches Biomasseforschungszentrum (DBFZ), l’Institut allemand de recherche sur la biomasse, travaille à l’amélioration des modèles et des algorithmes de surveillance pour les systèmes physiques AD afin d'approfondir les connaissances et la compréhension des processus. L'objectif de l'équipe de recherche est une d'obtenir une exploitation du système physique plus efficace et flexible, ce qui non seulement réduit l'empreinte environnementale des systèmes physiques AD, mais améliore également la capacité à compenser les fluctuations de l'approvisionnement en électricité provenant d'autres sources renouvelables.
Initialement développés dans MATLAB® et Simulink®, des modèles simplifiés du processus AD ont récemment été réimplémentés dans SimBiology®. Ce changement a été motivé par plusieurs facteurs : des performances accrues grâce aux solveurs SUNDIALS, des fonctions intégrées pour gérer les événements temporels dans SimBiology, et la capacité d’estimer les paramètres pour les fonctions objectif à partir de données à fréquences d’échantillonnage variables. Cette dernière focntionnalité, en particulier, permet des itérations rapides pour explorer divers scénarios.
MathWorks a aidé les chercheurs du DBFZ à se familiariser avec les paramètres, les espèces, les équations et les règles algébriques qui constituent la syntaxe de SimBiology. Ainsi, leurs modèles SimBiology peuvent désormais être affinés plus efficacement, tout en étant plus précis, robustes et adaptables à l’évolution des besoins de recherche. L’exécution des modèles est plus rapide qu'avec les procédures standard implémentées dans MATLAB, ce qui améliore l’estimation des paramètres, la quantification de l’incertitude et les scénarios nécessitant des évaluations fréquentes des modèles. De plus, les difficultés précédents liés à la gestion des événements, qui nécessitaient souvent du débuggage et des correctifs de modèles pour chaque nouveau jeu de données, ont été résolus.
En outre, des toolboxes supplémentaires, telles que Statistics and Machine Learning Toolbox™ ou Symbolic Math Toolbox™, sont également fréquemment utilisées pour le développement de modèles et la simulation de processus au sein du groupe de recherche junior du DBFZ.
Ressources associées
