Title: Chemometric methods and near-infrared spectroscopy applied to bioenergy production
Language: English
Authors: Liebmann, Bettina 
Qualification level: Doctoral
Keywords: Bioethanol; NIR Spektroskopie; Chemometrie; dezentrale Bioenergie-Produktion; PLS Regression; Prozesssimulation; R
bioethanol; NIR spectroscopy; chemometrics; de-centralised bioenergy production; PLS regression; process simulation; R
Advisor: Friedl, Anton 
Assisting Advisor: Filzmoser, Peter
Issue Date: 2010
Number of Pages: 140
Qualification level: Doctoral
Abstract: 
In der vorliegenden Arbeit werden (1) verschiedene Aspekte von Technologie, Nachhaltigkeit und Ökonomie in Bioenergie-Prozessen beleuchtet, (2) Spektroskopie zur analytischen Begleitung von Bioenergie-Prozessen untersucht, (3) neue chemometrische Methoden zur verbesserten Auswertung spektroskopischer Daten eingeführt.
Im ersten Teil dieser Arbeit stehen die Wechselwirkungen von technologischen, ökologischen und ökonomischen Aspekten in Bioethanol-Kleinanlagen mit regenerativer Energieversorgung im Mittelpunkt. Ziel ist es, die herkömmlich eingesetzten fossilen Energieträger innerhalb der Bioethanol-Produktion zu ersetzen. Die Energieversorgung wird in verschiedenen Szenarien mit Biogasanlagen oder Strohverbrennungsanlagen simuliert und basiert auf der Integration von Reststoffen aus der Rohstoff- und Ethanolproduktion. Die Rohstoffproduktion erfolgt in ökologischen Fruchtwechselsystemen. Die Nachhaltigkeit der vorgestellten Bioenergie-Systeme wird durch den Sustainable Process Index (SPI), eine ökologische Fußabdruck-Methode, quantifiziert und mit konventionellen Treibstoffen verglichen. Die Haupterkenntnisse: (i) 100 % Energieversorgung mit erneuerbarer Energie ist in Bioethanol-Kleinanlagen möglich; (ii) derart erzeugtes Bioethanol reduziert den SPI um bis zu 92 %; (iii) gegenläufige Tendenzen von Nachhaltigkeit und Wirtschaftlichkeit erfordern Kompromisse. Im zweiten Teil wird die Nahinfrarot (NIR) Spektroskopie als schnelle Analysemethode zur Prozessüberwachung im Bioethanol-Prozess sowie zur Biomasse-Charakterisierung präsentiert. Zur raschen Bestimmung des Heizwertes von Biomasse werden neue analytische Methoden vorgestellt, die auf IR und NIR Spektroskopie basieren. Es zeigt sich, dass NIR Spektroskopie mit chemometrischer Datenanalyse erfolgreich ist für (i) die Quantifizierung von Wasser-, Protein- und Stärkegehalt in Bioethanol-Rohstoffen, die Konzentrationsbestimmung von Glukose, Ethanol, Glyzerin, Milchsäure und Essigsäure in Bioethanol-Maischen und -Schlempen; (ii) die Bestimmung des Heizwertes von Biomasse.
Im dritten Teil werden neue chemometrische Methoden zur verbesserten mathematischen Analyse multivariater Daten, wie z.B. Spektren-Daten, eingeführt. Die neu entwickelte Validierungsmethode für Regressionsmodelle, 'repeated double cross validation' (rdCV), separiert die Optimierung eines Regressionsmodelles vom Test der Modell-Performance. Außerdem ermöglicht rdCV die Abschätzung der Variabilität der Vorhersagequalität basierend auf einer Vielzahl von Vorhersagefehlern aus Testdaten. Die rdCV Methode wird sowohl auf die klassische PLS Regression als auch auf die robuste 'partial robust M' Regression angewendet. Letztere hat enorme Vorteile bei Ausreißern im Datensatz. Die ungewöhnliche und eher unbekannte Methode 'random projection' (RP) wird zur Dimensionsreduktion hochdimensionaler Daten aus Chemometrie und Chemoinformatik getestet. Die Haupterkenntnisse sind: (i) rdCV ermöglicht eine realistische Einschätzung der Vorhersagequalität von Regressionsmodellen; (ii) die robuste Regressionsmethode ist wegen ihrer ausgezeichneten Qualitäten im Umgang mit ausreißerbehafteten Daten sehr empfehlenswert; (iii) die 'random projection' Methode erweist sich nützlich für Spezialanwendungen, wo hochdimensionale Daten unter Einschränkung von Speicherplatz oder Rechenkapazität ausgewertet werden sollen. Die drei genannten Methoden sind in der Softwareumgebung R programmiert und im Paket 'chemometrics' frei verfügbar.

The present work examines bioenergy production from different viewpoints. The three main objectives are: (1) to reveal the relation of technology, sustainability and economy in bioenergy processes; (2) to investigate spectroscopic methods as a tool for analytical monitoring of bioenergy processes; and (3) to develop new chemometric methods for advanced analysis of spectroscopic data. At the first stage, this thesis investigates the technological, ecological, and economic features of renewable-resource-based and de-centralized bioenergy production systems. In different scenarios, small-scale bioethanol production is combined with other technologies that provide renewable energy from residuals of the bioethanol process.
The general aim is to substitute fossil energy conventionally used within the bioethanol process. The investigated technologies are biogas production and straw incineration. Agricultural aspects are introduced by sustainable crop rotation concepts that reconcile food, feed, and biofuel production. The sustainability of small-scale bioethanol production in the different scenarios is quantified by an ecological footprint method, the sustainable process index, SPI, and compared to conventional fuels. The main findings are: (i) small-scaled bioethanol production can be operated with 100 % renewable energy supply, (ii) the SPI of bioethanol can be reduced up to 92 % compared to conventional fuels, (iii) a complex trade-off between ecology-of-scale and economy-of-scale is necessary.
At the second stage, this thesis approaches bioenergy production processes from an analytical perspective, and presents near-infrared spectroscopy (NIR) as promising method for fast process monitoring of bioethanol production and biomass characterization. In addition, new analytical methods are presented for a fast determination of the heating value of solid biomass fuel, based on IR and NIR spectroscopy. The main findings are that NIR spectroscopy and appropriate chemometric data analysis (i) successfully determine the concentrations of moisture, protein, and starch in the feedstock material as well as glucose, ethanol, glycerol, lactic acid, acetic acid in the processed bioethanol broths; (ii) and allow quantifying a complex biofuel's property such as the heating value. At the third stage, this thesis focuses on new chemometric methods that improve mathematical analysis of multivariate data such as NIR spectra.
The newly developed method 'repeated double cross validation' (rdCV) separates optimization of regression models from tests of model performance; furthermore, rdCV estimates the variability of the model performance based on a large number of prediction errors from test samples. The rdCV procedure has been applied to both the classical PLS regression and the robust 'partial robust M' regression method, which can handle erroneous data. The peculiar and relatively unknown 'random projection' method is tested for its potential of dimensionality reduction of data from chemometrics and chemoinformatics. The main findings are: (i) rdCV fosters a realistic assessment of model performance, (ii) robust regression has outstanding performance for data containing outliers and thus is strongly recommendable, and (iii) random projection is a useful niche application for high-dimensional data combined with possible restrictions in data storage and computing time.
The three chemometric methods described are available as functions for the free software R.
URI: https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-43988
http://hdl.handle.net/20.500.12708/11521
Library ID: AC07808551
Organisation: E166 - Institut für Verfahrenstechnik, Umwelttechnik und Technische Biowissenschaften 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Files in this item:

Show full item record

Page view(s)

19
checked on Feb 24, 2021

Download(s)

76
checked on Feb 24, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.