บทสรุปผู้บริหาร

โครงการพัฒนาระบบติดตามการทำงานและโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพอัจฉริยะแบบ Real Time เพื่อเพิ่มประสิทธิภาพและเสถียรภาพของระบบก๊าซชีวภาพ เป็นการศึกษาเพื่อพัฒนาชุดติดตามการทำงานของระบบก๊าซชีวภาพ และใช้ข้อมูลการติดตามการทำงานของระบบก๊าซชีวภาพตามเวลาจริง (Real Time Monitoring) มาใช้ในการทำนายพฤติกรรมของระบบก๊าซชีวภาพ พร้อมทั้งมีระบบการแจ้งเตือนล่วงหน้าในส่วนของระบบก๊าซชีวภาพที่คาดว่าจะมีปัญหาเกิดขึ้น โดยเป็นการแจ้งเตือนผ่านทางแอพพลิเคชั่น (Application) ให้กับผู้ดูแลระบบ ซึ่งทำให้สามารถแก้ไขปัญหานั้นได้ทันท่วงที ส่งผลให้การผลิตก๊าซชีวภาพมีความเสถียร ปัจจุบันโครงการมีความก้าวหน้า ร้อยละ 100 โดยมีความก้าวหน้าดังนี้

1. ได้ทำการสืบค้นข้อมูลจากวารสาร วิทยานิพนธ์ อินเตอร์เน็ต หรือวิธีอื่น ๆ เพื่อให้ได้มาซึ่งข้อมูลงานวิจัยที่เกี่ยวข้อง
2. ได้ทำการจัดซื้ออุปกรณ์และเซนเซอร์สำหรับการติดตามการทำงานของระบบก๊าซชีวภาพแบบ Real time ในระดับห้องปฏิบัติการ
3. จัดทำชุดถังหมักขนาด 10 ลิตร พร้อมการติดตั้งอุปกรณ์สำหรับการติดตามการทำงานของระบบก๊าซชีวภาพแบบ Real time
4. เดินระบบผลิตก๊าซชีวภาพที่อัตราภาระบรรทุกสารอินทรีย์ เท่ากับ 1.08–2.96
   kgCOD/m³-d โดยมีผลการศึกษา ดังนี้ ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.96 kgCOD/m³-d มีค่าอัตราการผลิตก๊าซมีเทนต่ำที่สุดอย่างมีนัยสำคัญทั้งถังปฏิกรณ์ที่มีการติดตั้งชุดติดตามการทำงาน และถังผลิตก๊าซชีวภาพแบบดั้งเดิม เนื่องจากเกิดการสะสมของกรดไขมันระเหย จึงส่งผลให้ระบบเกิดการล้มเหลว  สำหรับที่อัตราภาระบรรทุกสารอินทรีย์ที่ 1.08, 1.34, 1.65 และ 2.58 kgCOD/m³-d พบว่า มีค่าอัตราการผลิตก๊าซมีเทนมีค่าไม่แตกต่างกันอย่างมีนัยสำคัญ โดยถังปฏิกรณ์แบบดั้งเดิมมีอัตราการผลิตก๊าซมีเทนโดยเฉลี่ยเท่ากับ 0.51±0.06, 0.49±0.05, 0.59±0.07 และ 0.51±0.03 NLCH₄/gVS _added ตามลำดับ และถังปฏิกรณ์ที่มีการติดตั้งชุดติดตามการทำงาน มีอัตราการผลิตก๊าซมีเทนโดยเฉลี่ยเท่ากับ 0.52±0.08, 0.49±0.04, 0.55±0.06 และ 0.49±0.04 NLCH₄/gVS_added ตามลำดับ ดังนั้นที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.58 kgCOD/m³-d จึงมีความเหมาะสมสำหรับการผลิตก๊าซชีวภาพของน้ำเสียจากโรงงานแป้งมันสำปะหลัง
5. ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.58 kgCOD/m³-d ซึ่งเป็นสภาวะที่เหมาะสมในการเดินระบบ มีประสิทธิภาพการกำจัดค่าซีโอดี ทั้งหมด ซีโอดีกรอง และของแข็งระเหย มีค่าเฉลี่ยเท่ากับ 80.13–81.58%, 96.37–97.09% และ 78.41–80.24% ตามลำดับ
6. การติดตั้งชุดติดตามการทำงานของระบบก๊าซชีวภาพจะสามารถช่วยลดความผันผวนของปริมาณก๊าซชีวภาพได้ โดยพบว่า ถ้าทำการเดินระบบที่สภาวะที่ไม่เหมาะสม (ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.96 kgCOD/m³-d) ส่งผลให้ปริมาณก๊าซชีวภาพที่ผลิตได้มีค่าลดลง 17–22% เมื่อเทียบปริมาณก๊าซชีวภาพที่ผลิตได้ที่สภาวะที่เหมาะสมต่อการผลิตก๊าซชีวภาพของน้ำเสียจากโรงงานแป้งมันสำปะหลัง (ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.58 kgCOD/m³–d)
7. ได้ทำการออกแบบโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพแบบ Real time พร้อมทั้งการแจ้งเตือนปัญหาของระบบก๊าซชีวภาพล่วงหน้าด้วยโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพแบบ Real Time ในระดับห้องปฏิบัติการ
8. สมการการคาดการณ์โดยค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักแบบเอกซ์โปเนนเชียล มีความเหมาะสมและมีความแม่นยำที่สุดในการนำมาใช้ในการพยากรณ์ข้อมูลของระบบ โดยมีค่าความผิดพลาดในช่วง 1.60–2.65%
9. ผลการวิเคราะห์ความคุ้มค่าทางการเงินของการเปรียบเทียบความคุ้มค่าทางการเงินกรณีมีการพัฒนาระบบติดตามการทำงาน และโปรแกรมการทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบ Real time ในการเพิ่มประสิทธิภาพและเสถียรภาพของระบบก๊าซชีวภาพ พบว่า ผลตอบแทนของระบบติดตามการทำงาน และโปรแกรมการทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบ Real time ขึ้นอยู่กับความสามารถในการลดความผันผวนของปริมาณก๊าซชีวภาพในการทำงานของระบบ โดยมีค่าอยู่ระหว่าง 42.55% ถึง 224.27% ตามระดับความผันผวนของระบบที่ 1%-5% ตามลำดับ ซึ่งผลตอบแทนทางการเงินดังกล่าวมีค่าสูงกว่าอัตราคิดลด (discount rate) ที่กำหนดไว้ที่ระดับ 5.856%  ผลการวิเคราะห์ทางการเงินดังกล่าวบ่งชี้ถึงโครงการดังกล่าวมีความคุ้มค่าทางการเงินเนื่องจากมูลค่าปัจจุบันสุทธิมีค่าเป็นบวก อัตราส่วนของผลประโยชน์ต่อต้นทุนมีค่ามากกว่า 1 และอัตราผลตอบแทนทางการเงินของโครงการมีค่ามากกว่าต้นทุนของเงินทุน
10. ผลการวิเคราะห์ความคุ้มค่าทางเศรษฐศาสตร์ของการเปรียบเทียบความคุ้มค่าโครงการกรณีมีการพัฒนาระบบติดตามการทำงาน และโปรแกรมการทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบ Real time ในการเพิ่มประสิทธิภาพและเสถียรภาพของระบบก๊าซชีวภาพ พบว่า ผลตอบแทนของระบบติดตามการทำงาน และโปรแกรมการทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบ Real time ขึ้นอยู่กับความสามารถในการลดความผันผวนของปริมาณก๊าซชีวภาพในการทำงานของระบบ โดย มีค่าอยู่ระหว่าง 43.22% ถึง 233.28% ตามระดับความผันผวนของระบบที่ 1%-5% ตามลำดับ ซึ่งผลตอบแทนทางเศรษฐศาสตร์ดังกล่าวมีค่าสูงกว่าอัตราคิดลดทางสังคม (social discount rate) ที่กำหนดไว้ที่ระดับ 12.00% ผลการวิเคราะห์ทางเศรษฐศาสตร์นี้บ่งชี้ถึงโครงการดังกล่าวมีความคุ้มค่าทางเศรษฐศาสตร์เนื่องจากมูลค่าปัจจุบันสุทธิมีค่าเป็นบวก อัตราส่วนของผลประโยชน์ต่อต้นทุนมีค่ามากกว่า 1 และอัตราผลตอบแทนทางเศรษฐศาสตร์ของโครงการมีค่ามากกว่าอัตราคิดลดทางสังคม
11. ได้มีการนำเสนอผลงานในประชุมวิชาการ พร้อมทั้งทำการประชาสัมพันธ์และเผยแพร่ผลงานวิจัยในเวปไซต์ (Website) ของสถาบันวิจัยและพัฒนาพลังงานนครพิงค์ มหาวิทยาลัยเชียงใหม่ ในที่อยู่ https://erdi.cmu.ac.th/?p=1397

ที่มาของโครงการ

จากสถานการณ์การใช้พลังงานของประเทศไทย ในช่วงเดือนมกราคม–พฤศจิกายน พ.ศ. 2562 พบว่า มีการใช้น้ำมันสำเร็จรูปเป็นแหล่งพลังงานมากเป็นอันดับหนึ่ง เมื่อเปรียบเทียบกับแหล่งพลังงานชนิดอื่น ซึ่งคิดเป็นร้อยละ 48.4 รองลงมาได้แก่ ไฟฟ้า (ร้อยละ 20.1) พลังงานหมุนเวียน (ร้อยละ 10.1) ถ่านหิน/ลิกไนต์ (ร้อยละ 8.3) ก๊าซธรรมชาติ (ร้อยละ 6.4) และพลังงานหมุนเวียนดั้งเดิม (ร้อยละ 6.7) ซึ่งสวนทางกับพลังงานที่ผลิตจากเชื้อเพลิงฟอสซิลและน้ำมันดิบ ซึ่งแต่เดิมเป็นเชื้อเพลิงหลักในการผลิตพลังงานของประเทศ เพื่อลดปัญหาความขาดแคลนพลังงานและเพิ่มเสถียรภาพทางพลังงานของประเทศ กระทรวงพลังงานจึงได้จัดทำแผนพัฒนาพลังงานทดแทนและพลังงานทางเลือก (AEDP 2015) โดยให้ความสำคัญในการส่งเสริมศักยภาพการผลิตพลังงานทดแทนจากวัตถุดิบภายในประเทศ โดยมีเป้าหมายให้มีสัดส่วนการใช้พลังงานทดแทนร้อยละ 30 ของการใช้พลังงานขั้นสุดท้ายในปี พ.ศ. 2579

ปัจจุบันระบบก๊าซชีวภาพได้รับความนิยมในการนำมาใช้ในการบำบัดน้ำเสียร่วมกับการผลิตพลังงานทดแทนทั้งในรูปแบบไฟฟ้า ความร้อน และก๊าซไบโอมีเทนอัดเพิ่มขึ้นอย่างต่อเนื่อง ซึ่งในกระบวนการผลิตก๊าซชีวภาพประกอบด้วยกันถึง 4 ขั้นตอน โดยการอาศัยกลุ่มจุลินทรีย์ชนิดต่างๆ ในการทำปฏิกิริยาทางชีวเคมีที่ซับซ้อน ดังนั้นจึงจำเป็นต้องมีพารามิเตอร์ที่สามารถสื่อสภาวะการทำงานของจุลินทรีย์ในถังปฏิกรณ์สำหรับการควบคุมกระบวนการผลิตก๊าซชีวภาพเพื่อให้การผลิตก๊าซชีวภาพมีประสิทธิภาพที่ดี ปัจจัยพารามิเตอร์ที่นิยมใช้กันอย่างแพร่หลายสำหรับการควบคุมระบบก๊าซชีวภาพ ประกอบด้วย อุณหภูมิ พีเอช อัตราภาระบรรทุกสารอินทรีย์ (Organic Loading Rate, OLR) ระยะเวลาเก็บกักน้ำเสีย (Hydraulic Retention Time, HRT) กรดไขมันระเหย (Volatile Fatty Acid, VFA) ค่าความเป็นด่าง (Alkalinity, Alk) องค์ประกอบก๊าซชีวภาพ ศักยภาพการผลิตก๊าซชีวภาพ และค่าโออาร์พี (Oxidation Reduction Potential, ORP) โดยในปัจจัยทั้งหมดนี้ ค่าพีเอช เป็นปัจจัยพื้นฐานที่นิยมมากที่สุดและมีการนำมาใช้ในการควบคุมระบบอย่างแพร่หลาย (Vongvichiankul et al., 2017 และ Madsen et al., 2011) เนื่องจากสามารถวัดค่าได้ง่ายและรวดเร็ว แต่อย่างไรก็ตามระบบก๊าซชีวภาพในฟาร์มปศุสัตว์ของประเทศไทยโดยส่วนใหญ่จะไม่มีการติดตั้งอุปกรณ์เพื่อควบคุมระบบก๊าซชีวภาพ ในขณะที่ระบบก๊าซชีวภาพของน้ำเสียจากโรงงานแป้งมันสำปะหลัง จะทำการติดตามระบบด้วยพารามิเตอร์ พีเอช กรดไขมันระเหยและค่าความเป็นด่าง ซึ่งโดยส่วนใหญ่จะใช้วิธีการเก็บตัวอย่างมาทำการวัดและวิเคราะห์ทดสอบในห้องปฏิบัติการ ทำให้ผลการทดสอบและการแปรผลข้อมูลมีความล่าช้า ไม่สามารถสื่อถึงประสิทธิภาพการทำงานของระบบก๊าซชีวภาพ ณ ขณะนั้น เป็นสาเหตุให้ระบบก๊าซชีวภาพเกิดความล้มเหลวได้ อีกทั้งในบางสถานประกอบการทำการควบคุมระบบก๊าซชีวภาพโดยตรวจวัดเฉพาะค่าพีเอช เพียงอย่างเดียว จึงทำให้ไม่ทราบถึงการเปลี่ยนแปลงหรือการสะสมของกรดไขมันระเหย ซึ่งเป็นสาเหตุสำคัญในการเกิดการล้มเหลวของระบบก๊าซชีวภาพ

ดังนั้นเพื่อให้ระบบผลิตก๊าซชีวภาพมีประสิทธิภาพและมีความเสถียร เพื่อรักษาเสถียรภาพของการผลิตไฟฟ้าให้สามารถนำมาใช้ในสถานประกอบการ หรือการซื้อขายไฟฟ้าในรูปแบบ Firm/Semi Firm หรือการนำก๊าซชีวภาพมาใช้ในรูปแบบก๊าซไบโอมีเทนอัดได้อย่างมีประสิทธิภาพ สถาบันวิจัยและพัฒนาพลังงานนครพิงค์ มหาวิทยาลัยเชียงใหม่ จึงได้นำเสนอ “โครงการพัฒนาระบบติดตามการทำงานและโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพอัจฉริยะแบบ Real Time เพื่อเพิ่มประสิทธิภาพและเสถียรภาพของระบบก๊าซชีวภาพ” นี้ขึ้น โดยมุ่งเน้นการใช้เทคโนโลยีสมัยใหม่ในการติดตามการทำงานของระบบก๊าซชีวภาพให้มีความสะดวก รวดเร็ว เหมาะสมและเพิ่มเสถียรภาพของระบบก๊าซชีวภาพ โดยการติดตั้งอุปกรณ์ติดตามและตรวจสอบระบบก๊าซชีวภาพ ได้แก่ พีเอช ความดัน อุณหภูมิของก๊าซชีวภาพ และ ORP โดยอุปกรณ์ ORP นั้นจะใช้แทนการติดตามค่าของกรดไขมันระเหยโดยอ้อม จากนั้นนำข้อมูลจากการติดตามการทำงานของระบบก๊าซชีวภาพในรูปแบบ Real Time Monitoring มาใช้ในการทำนายพฤติกรรมของระบบก๊าซชีวภาพ เพื่อจะได้ทราบถึงประสิทธิภาพและความเสถียรของระบบก๊าซชีวภาพ พร้อมทั้งมีการแจ้งเตือนปัญหาของระบบก๊าซชีวภาพที่คาดว่าจะเกิดขึ้นล่วงหน้า โดยเป็นการแจ้งเตือนผ่านทางแอพพลิเคชั่น (Application) แบบออนไลน์ (Online) ให้กับผู้ดูแลระบบ เพื่อให้สามารถประเมิน ตรวจสอบ และแก้ไขปัญหาต่างๆ ของระบบก๊าซชีวภาพได้ทันท่วงที ส่งผลให้ปริมาณก๊าซชีวภาพที่ผลิตได้มีความเสถียร (หรือสามารถลดความผันผวนของปริมาณก๊าซชีวภาพได้เมื่อเทียบกับระบบก๊าซชีวภาพแบบดั้งเดิม (ไม่มีการติดตั้งชุดติดตามการทำงานของระบบก๊าซชีวภาพ) อีกทั้งยังสามารถต่อยอดโครงการฯ โดยสามารถต่อเชื่อมเข้ากับระบบโครงข่ายการใช้พลังงานไฟฟ้าอัจฉริยะ (Smart Grid) ในการวมข้อมูลการผลิต และใช้พลังงานไฟฟ้า เพื่อการบริหารจัดการโครงข่ายไฟฟ้าสำหรับเมืองอัจฉริยะ (Smart City) ในการจัดการด้านพลังงานให้เกิดประสิทธิภาพสูงสุด ที่มีความสามารถในการตรวจวัดและจัดการการซื้อขายพลังงานไฟฟ้าในพื้นที่ส่งเสริมรูปแบบการผลิตไฟฟ้าจากผู้บริโภค (Consumer) และสามารถบริหารจัดการเพื่อตอบสนองความต้องการไฟฟ้า (Demand Respond) โดยระบบยังสามารถใช้งานร่วมกับเทคโนโลยีเก็บสะสมพลังงาน (Energy Storage) ส่งผลให้การผลิตไฟฟ้าจากก๊าซชีวภาพในโครงข่ายไฟฟ้าอัจฉริยะมีความมั่นคงและมีความเสถียร สามารถนำไปประยุกต์ใช้เป็นเทคโนโลยีสำหรับรองรับการขายไฟฟ้าจากก๊าซชีวภาพในรูปแบบ Hybrid Firm/Semi Firm ได้ จึงเป็นการสร้างความมั่งคงด้านพลังงานของประเทศ ซึ่งสอดคล้องกับยุทธศาสตร์ของชาติ ที่มีเป้าหมายให้เกิดความมั่งคง มั่งคั่ง และยั่งยืน นอกจากนี้สามารถนำข้อมูลเทคนิคที่ได้จากการศึกษาไปพัฒนาต่อยอดเป็นเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: AI) สำหรับการทำนายการผลิตไฟฟ้าในโครงข่ายอัจฉริยะจากพลังงานทดแทนด้วยเทคโนโลยีก๊าซชีวภาพของประเทศไทยตามเวลาจริงได้

วัตถุประสงค์

1. เพื่อพัฒนาชุดตรวจติดตามการทำงานของระบบก๊าซชีวภาพอัจฉริยะ แบบ Real time

2. เพื่อพัฒนาโปรแกรมการตรวจติดตามและการทำนายพฤติกรรมการทำงานของระบบก๊าซชีวภาพอัจฉริยะ แบบ Real Time

3. เพื่อสามารถทำการแจ้งเตือนปัญหาของระบบก๊าซชีวภาพแบบทันท่วงทีในรูปแบบของ
แอพพลิเคชัน (Application) ด้วยโปรแกรมการทำนายพฤติกรรมการทำงานของระบบก๊าซชีวภาพอัจฉริยะ แบบ Real Time

4. เพื่อเพิ่มประสิทธิภาพหรือเสถียรภาพในการทำงานของระบบก๊าซชีวภาพ

5. เพื่อลดความผันผวนของปริมาณก๊าซชีวภาพในการทำงานของระบบก๊าซชีวภาพอัจฉริยะแบบ Real Time อย่างน้อย ร้อยละ 5 เมื่อเทียบกับระบบก๊าซชีวภาพแบบดั้งเดิม (ไม่ได้ติดตั้งชุดติดตามการทำงานของระบบก๊าซชีวภาพ

ขอบเขตการศึกษา

1. ดำเนินการศึกษาระบบติดตามการทำงานของระบบก๊าซชีวภาพ และโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพอัจฉริยะแบบ Real Time กับระบบก๊าซชีวภาพของน้ำเสียจากโรงงานแป้งมันสำปะหลัง

2. ดำเนินการออกแบบและทดลองการพัฒนาเทคโนโลยีการติดตามการทำงานของระบบก๊าซชีวภาพของน้ำเสียจากโรงงานแป้งมันสำปะหลัง ด้วยถังปฏิกรณ์กวนสมบูรณ์ ในระดับห้องปฏิบัติการ ที่สถาบันวิจัยและพัฒนาพลังงานนครพิงค์ มหาวิทยาลัยเชียงใหม่

3. ดำเนินการออกแบบโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพแบบ Real Time พร้อมทั้งการแจ้งเตือนปัญหาของระบบก๊าซชีวภาพล่วงหน้าด้วยโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพแบบ Real Time ในระดับห้องปฏิบัติการ

4. ประเมินความคุ้มค่าทางเศรษฐศาสตร์ในแง่ของเงินการลงทุนและการดำเนินการติดตั้งของระบบติดตามการทำงานของระบบก๊าซชีวภาพแบบ Real Time

ระยะเวลาดำเนินการ

ระยะเวลาดำเนินการทั้งสิ้น 22 เดือน นับจากวันที่ 6 สิงหาคม 2561 – 5 มิถุนายน 2563

งบประมาณโครงการ

          งบประมาณที่ขอรับการสนับสนุนจาก กองทุนเพื่อส่งเสริมการอนุรักษ์พลังงาน สำนักงานนโยบายและแผนพลังงาน กระทรวงพลังงาน เป็นจำนวนเงินทั้งสิ้น 2,500,000 บาท

ขั้นตอนการศึกษา

ผลการศึกษา

1. ที่อัตราภาระบรรทุกสารอินทรีย์ เท่ากับ 2.96 กิโลกรัม ซีโอดี/ลูกบาศก์เมตร-วัน มีค่าอัตราการผลิตก๊าซมีเทนต่ำสุดอย่างมีนัยสำคัญทั้งถังปฏิกรณ์ R1 (ถังปฏิกรณ์แบบดั้งเดิม) และ R2 (ถังปฏิกรณ์ที่มีการติดตั้งชุดติดตามการทำงานของระบบ) ซึ่งเนื่องจากมีการป้อนเสียเข้าสู่ถังปฏิกรณ์ CSTR มากเกินไป อีกทั้งยังเกิดการหลุดออกของเชื้อตะกอนจุลินทรีย์ จึงส่งผลให้เกิดการสะสมกรดไขมันระเหย ส่งผลให้เกิดสภาวะล้มเหลวดังที่ได้กล่าวในหัวข้อ 4.3.1-4.3.6 สำหรับที่อัตราภาระบรรทุกสารอินทรีย์ที่ 1.08, 1.34, 1.65 และ 2.58 กิโลกรัมซีโอดี/ลูกบาศก์เมตร-วัน พบว่า มีค่าอัตราการผลิตก๊าซมีเทนมีค่าไม่แตกต่างกันอย่างมีนัยสำคัญ โดยถังปฏิกรณ์แบบ CSTR ของการทดลอง R1 ที่ OLR เท่ากับ 1.08, 1.34, 1.65, 2.58 และ 2.96 กิโลกรัมซีโอดี/ลูกบาศก์เมตร-วัน มีอัตราการผลิตก๊าซมีเทนโดยเฉลี่ยเท่ากับ 0.51±0.06, 0.49±0.05, 0.59±0.07, 0.51±0.03 และ 0.23±0.14 NLCH₄/gVS_added ตามลำดับ และถังปฏิกรณ์แบบ CSTR ของการทดลอง R2 มีอัตราการผลิตก๊าซมีเทนโดยเฉลี่ยเท่ากับ 0.52±0.08, 0.49±0.04, 0.55±0.06, 0.49±0.04 และ 0.37±0.07 NLCH₄/gVS_added ตามลำดับ ซึ่งมีค่าสอดคล้องและใกล้เคียงกับงานวิจัยอื่น ซึ่งมีค่าอัตราการผลิตก๊าซมีเทนเท่ากับ 0.44-0.62 NLCH₄/gVS_added (ดังตารางที่ 1) ดังนั้นที่ OLR เท่ากับ 2.58 กิโลกรัม ซีโอดี/ลูกบาศก์เมตร-วัน ของการศึกษาในงานวิจัยนี้จึงมีความเหมาะสมที่สุดสำหรับการนำไปใช้ในการออกแบบและผลิตก๊าซชีวภาพหรือก๊าซมีเทนสำหรับน้ำเสียอุตสาหกรรมแป้งมันสำปะหลัง

ตารางที่ 1 การเปรียบเทียบอัตราการผลิตของก๊าซมีเทนกับงานวิจัยอื่น

2.ผลการ Re-operate

อัตราภาระบรรทุกสารอินทรีย์ที่เหมาะสมต่อการผลิตก๊าซชีวภาพจากน้ำแป้ง คือ ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.58 kgCOD/m³.d ดังนั้นหลังจากที่ระบบเกิดการล้มเหลว (ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.96 kgCOD/m³.d) จึงได้ทำการ Re-start up ถังปฏิกรณ์อีกครั้ง และเดินระบบที่อัตราภาระบรรทุกสารอินทรีย์ที่ 2.58 kgCOD/m³.d พบว่า ค่าโออาร์พีมีค่าอยู่ในช่วง -351 ถึง -429 mV ซึ่งมีค่าอยู่ในช่วงของสภาวะที่เหมาะสมต่อการผลิตก๊าซชีวภาพ และเมื่อทำการปรับอัตราภาระบรรทุกสารอินทรีย์เพิ่มขึ้นเป็น 2.94 kgCOD/m³.d พบว่า ค่าโออาร์พีมีค่าลดลลงโดยมีค่าอยู่ในช่วง -701 ถึง -792 mV ดังแสดงในรูปที่ 4

3. ความสัมพันธ์เชิงคณิตศาสตร์
   ค่าความสัมพันธ์ (Correlation) กับ ค่าพีเอช กรดไขมันระเหย สภาพความเป็นด่าง และปริมาณก๊าซชีวภาพ แสดงดังรูปที่ 5 จะเห็นได้ว่า ค่าโออาร์พีมีความสัมพันธ์กับค่าพีเอชค่อนข้างต่ำ (r=0.266) และมีความสัมพันธ์ปานกลางกับค่ากรดไขมันระเหยโดยมีความสัมพันธ์แบบผกผัน (r=0.548) และมีความสัมพันธ์กับค่าสภาพความเป็นด่างและปริมาณก๊าซชีวภาพค่อนข้างสูง โดยมีความสัมพันธ์โดยตรงกับค่าความเป็นด่าง (r=0.766) และมีความสัมพันธ์แบบผกผันกับปริมาณก๊าซชีวภาพ (r=-0.778)

แบบจำลองทางคณิตศาสตร์ที่แสดงถึงความสัมพันธ์ของค่าโออาร์พีกับค่าพีเอช กรดไขมันระเหย สภาพความเป็นด่าง และปริมาณก๊าซชีวภาพ โดยใช้วิธีการวิเคราะห์แบบถดถอย (Regression analysis) และวิเคราะห์ความแปรปรวนโดยใช้ ANOVA จะได้รูปแบบของสมการต่างๆ และเลือกแบบจำลองคณิตศาสตร์ที่เหมาะสมที่สุดในแต่ละปัจจัย โดยพิจารณาจากแบบจำลองคณิตศาสตร์ที่มีค่าสัมประสิทธิ์สหสัมพันธ์ (R-square) ที่มีค่าใกล้เคียง 1 มากที่สุด ซึ่งสรุปได้ดังตารางที่ 1 ซึ่งจะเห็นได้ว่าแบบจำลองคณิตศาสตร์ที่แสดงถึงความสัมพันธ์ของค่าโออาร์พีกับค่ากรดไขมันระเหย ค่าความเป็นด่าง และปริมาณก๊าซชีวภาพ มีความเหมาะสม (ค่า R² มากกว่า 0.6) แต่สำหรับความสัมพันธ์ระหว่างค่าโออาร์พีกับค่าพีเอชมีค่าค่อนข้างต่ำ จึงส่งผลให้แบบจำลองคณิตศาสตร์ที่ได้ไม่เหมาะสมต่อการนำมาใช้ในการทำนาย (ค่า R² เท่ากับ 0.161)

ตารางที่ 1 แบบจำลองคณิตศาสตร์ ของค่าโออาร์พี กับ ค่าพีเอช กรดไขมันระเหย สภาพความเป็นด่าง และปริมาณก๊าซชีวภาพ

4.การพยากรณ์ค่าโออาร์พี ค่าพีเอช และอุณหภูมิ โดยใช้สมการแบบ Time serial forecasting ในการการพยากรณ์เพื่อให้ทราบถึงขอมูลที่กำลังจะเกิดขึ้นในอนาคตนั้น พบว่าสมการการคาดการณ์โดยค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักแบบเอกซ์โปเนนเชียล มีความแม่นยำสูงที่สุด โดยมีค่าความผิดพลาดในช่วงร้อยละ 1.60-2.65

5.รูปแบบการแสดงผลและทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบเรียลไทม์ (Real-Time) ในเว็บไซด์และสมาร์ทโฟน พร้อมทั้งระบบการแจ้งเตือนผ่านแอพพลิเคชั่น ดังรูปที่ 6

สรุปผลการศึกษา

1. ได้ทำการสืบค้นข้อมูลจากวารสาร วิทยานิพนธ์ อินเตอร์เน็ต หรือวิธีอื่นๆ เพื่อให้ได้มาซึ่งข้อมูลงานวิจัยที่เกี่ยวข้อง
2. ได้ทำการจัดซื้ออุปกรณ์และเซนเซอร์สำหรับการติดตามการทำงานของระบบก๊าซชีวภาพแบบ Real time ในระดับห้องปฏิบัติการ
3. จัดทำชุดถังหมักขนาด 10 ลิตร พร้อมการติดตั้งอุปกรณ์สำหรับการติดตามการทำงานของระบบก๊าซชีวภาพแบบ Real time
4. เดินระบบผลิตก๊าซชีวภาพที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 1.08-2.96 kgCOD/m³.d โดยมีผลการศึกษา ดังนี้ ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.96 kgCOD/m³.d  มีค่าอัตราการผลิตก๊าซมีเทนต่ำที่สุดอย่างมีนัยสำคัญทั้งถังปฏิกรณ์ที่มีการติดตั้งชุดติดตามการทำงาน และถังผลิตก๊าซชีวภาพแบบดั้งเดิม เนื่องจากเกิดการสะสมของกรดไขมันระเหย จึงส่งผลให้ระบบเกิดการล้มเหลว  สำหรับที่อัตราภาระบรรทุกสารอินทรีย์ที่ 1.08, 1.34, 1.65 และ 2.58 kgCOD/m³.d พบว่า มีค่าอัตราการผลิตก๊าซมีเทนมีค่าไม่แตกต่างกันอย่างมีนัยสำคัญ โดยถังปฏิกรณ์แบบดั้งเดิมมีอัตราการผลิตก๊าซมีเทนโดยเฉลี่ยเท่ากับ 0.51±0.06, 0.49±0.05, 0.59±0.07 และ 0.51±0.03 NLCH₄/gVS_added ตามลำดับ และถังปฏิกรณ์ที่มีการติดตั้งชุดติดตามการทำงาน มีอัตราการผลิตก๊าซมีเทนโดยเฉลี่ยเท่ากับ 0.52±0.08, 0.49±0.04, 0.55±0.06 และ 0.49±0.04 NLCH₄/gVS_added ตามลำดับ ดังนั้นที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.58 kgCOD/m³.d จึงมีความเหมาะสมสำหรับการผลิตก๊าซชีวภาพของน้ำเสียจากโรงงานแป้งมันสำปะหลัง
5. ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.58 kgCOD/m³.d ซึ่งเป็นสภาวะในการเดินระบบที่เหมาะสมที่สุด มีประสิทธิภาพการกำจัดซีโอดีทั้งหมด ซีโอดีกรอง และของแข็งระเหย มีค่าเฉลี่ยเท่ากับ 80.13-81.58%, 96.37-97.09% และ 78.41-80.24% ตามลำดับ
6. การติดตั้งชุดติดตามการทำงานของระบบก๊าซชีวภาพจะสามารถช่วยลดความผันผวนของปริมาณก๊าซชีวภาพได้ โดยพบว่า ถ้าทำการเดินระบบที่สภาวะที่ไม่เหมาะสม (ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.96 kgCOD/m³.d) ส่งผลให้ปริมาณก๊าซชีวภาพที่ผลิตได้มีค่าลดลง 17-22% เมื่อเทียบปริมาณก๊าซชีวภาพที่ผลิตได้ที่สภาวะที่เหมาะสมต่อการผลิตก๊าซชีวภาพของน้ำเสียจากโรงงานแป้งมันสำปะหลัง (ที่อัตราภาระบรรทุกสารอินทรีย์เท่ากับ 2.58 kgCOD/m³.d)
7. ได้ทำการออกแบบโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพแบบ Real time พร้อมทั้งการแจ้งเตือนปัญหาของระบบก๊าซชีวภาพล่วงหน้าด้วยโปรแกรมการทำนายพฤติกรรมของระบบก๊าซชีวภาพแบบ Real time ในระดับห้องปฏิบัติการ
8. สมการการคาดการณ์โดยค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักแบบเอกซ์โปเนนเชียล มีความเหมาะสมและมีความแม่นยำที่สุดในการนำมาใช้ในการพยากรณ์ข้อมูลของระบบ โดยมีค่าความผิดพลาดในช่วงร้อยละ 1.60-2.65
9. ผลการวิเคราะห์ความคุ้มค่าทางการเงินของการเปรียบเทียบความคุ้มค่าทางการเงินกรณีมีการพัฒนาระบบติดตามการทำงาน และโปรแกรมการทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบ Real time ในการเพิ่มประสิทธิภาพและเสถียรภาพของระบบก๊าซชีวภาพ พบว่า ผลตอบแทนของระบบติดตามการทำงาน และโปรแกรมการทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบ Real time ขึ้นอยู่กับความสามารถในการลดความผันผวนของปริมาณก๊าซชีวภาพในการทำงานของระบบ โดยมีค่าอยู่ระหว่าง 42.55% ถึง 224.27% ตามระดับความผันผวนของระบบที่ 1%-5% ตามลำดับ ซึ่งผลตอบแทนทางการเงินดังกล่าวมีค่าสูงกว่าอัตราคิดลด (discount rate) ที่กำหนดไว้ที่ระดับ 5.856%  ผลการวิเคราะห์ทางการเงินดังกล่าวบ่งชี้ถึงโครงการดังกล่าวมีความคุ้มค่าทางการเงินเนื่องจากมูลค่าปัจจุบันสุทธิมีค่าเป็นบวก อัตราส่วนของผลประโยชน์ต่อต้นทุนมีค่ามากกว่า 1 และอัตราผลตอบแทนทางการเงินของโครงการมีค่ามากกว่าต้นทุนของเงินทุน
10. ผลการวิเคราะห์ความคุ้มค่าทางเศรษฐศาสตร์ของการเปรียบเทียบความคุ้มค่าโครงการกรณีมีการพัฒนาระบบติดตามการทำงาน และโปรแกรมการทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบ Real time ในการประสิทธิภาพและเสถียรภาพของระบบก๊าซชีวภาพ พบว่า ผลตอบแทนของระบบติดตามการทำงาน และโปรแกรมการทำนายพฤติกรรมของระบบผลิตก๊าซชีวภาพอัจฉริยะแบบ Real time ขึ้นอยู่กับความสามารถในการลดความผันผวนของปริมาณก๊าซชีวภาพในการทำงานของระบบ โดย มีค่าอยู่ระหว่าง 43.22% ถึง 233.28% ตามระดับความผันผวนของระบบที่ 1%-5% ตามลำดับ ซึ่งผลตอบแทนทางเศรษฐศาสตร์ดังกล่าวมีค่าสูงกว่าอัตราคิดลดทางสังคม (social discount rate) ที่กำหนดไว้ที่ระดับ 12.00%  ผลการวิเคราะห์ทางเศรษฐศาสตร์นี้บ่งชี้ถึงโครงการดังกล่าวมีความคุ้มค่าทางเศรษฐศาสตร์เนื่องจากมูลค่าปัจจุบันสุทธิมีค่าเป็นบวก อัตราส่วนของผลประโยชน์ต่อต้นทุนมีค่ามากกว่า 1 และอัตราผลตอบแทนทางเศรษฐศาสตร์ของโครงการมีค่ามากกว่าอัตราคิดลดทางสังคม

เอกสารอ้างอิง

Achi, C., Hassanein, A., & Lansing, S. 2020. Enhanced biogas production of cassava wastewater using zeolite and biochar additives and manure co-digestion. Energies. 13(2), 491. https://doi.org/10.3390/en13020491.

Cremonez, P.A., Sampaio, S.C., Telekan, J.G., Meier, T.W., Frigo, E.P., Rossi, E., Silva, E., Rosa, D.M. 2020. Effect of substrate concentrations on methane and hydrogen biogas production by anaerobic digestion of a cassava starch-based polymer. Industrial Crops & Products. 151, 1-13.

Srivichai, P. and Chavalparit, O. 2020. Optimization of biogas production from co-digestion of waste activated sludge and modified tapioca starch sludge. International Journal of GEOMATE. 18 (67), 148-155.

Vongvichiankul, C., Deebao, J. and Khongnakorn, W. 2017. Relationship between pH, oxidation reduction potential (ORP) and biogas production in mesophilic screw anaerobic digester. Energy Procedia. 138, 877-882.

เกื้อกูล บุญยี่. 2552. การผลิตก๊าชชีวภาพจากกระบวนการหมักแบบไร้ออกซิเจนโดยใช้น้ำเสียจากโรงงานผลิตแป้งมันสำปะหลังแปรรูป. วิทยานิพนธ์. วิศวกรรมศาสตรมหาบัณฑิต มหาวิทยาลัยเกษตรศาสตร์.