Bio-ethanol scenario’s

Als onderdeel van het masterprogrammaaguada ‘Energy Science’ heb ik een optimalisatie gedaan van een ethanolsector in Puerto Rico, Caribisch gebied. Hoewel het eiland in het verleden een belangrijke rol speelde in de mondiale suikerproductie, was deze suikerrietsector nagenoeg verdwenen in de laatste 20 jaar van de 20e eeuw. Een hernieuwde interesse in suikerriet voor duurzame biobrandstoffen was de reden om deze opdracht uit te voeren in samenwerking met de Universiteit van Mayaguez, Dept. of Agricultural & Biosystems Engineering.

 

well to tank
Voor een totaal nieuwe ethanolsector is een brede ketenanalyse de beste optie, met agrarische productie van energiegewassen, technologische conversie naar ethanol, en de transportsector (ook wel bekend als een levenscyclusanalyse, ofwel ‘well-to-tank’ (WTT), figuur hiernaast).

 

Het onderzoek koppelde een ‘top down’ en een ‘bottom up’ analyse. De top down benadering ontwikkeld verschillende scenario’s voor ethanolproductie tussen 2015-2030, inclusief een landgebruik analyse. De bottom up analyse richtte zich op dataverzameling van technische parameters van de hele keten landbouw -> transport -> conversie -> transport. Gekozen werd voor drie productieve energiegewassen: suikerriet, ‘energy cane’ en miscanthus. Als technologie zijn 3 conversieroutes onderzocht: de gangbare 1e generatie fermentatie; en twee 2e generatie fermentaties (SSF oftewel ‘simultaneous saccharification then fermentation’; en SSCF oftewel ‘simultaneous saccharification combined with fermentation). In de analyses speelde duurzaamheid een grote rol: zou landbouwgrond en voedselproductie niet in het nauw komen? Werd er rekening gehouden met andere types landgebruik (urbanisatie, natuur)? Hiervoor werden een progressief en een ‘business as usual’ scenario uitgewerkt.

 

Methode

Het unieke aan dit onderzoek betreft de koppeling van een ketenoptimalisatie met een tijd/ruimtelijke ontwikkeling, uitgewerkt in scenario’s. Hiervoor zijn de volgende modellen gebruikt (onderstaand figuur):

 

schema pluk momilp

 

 

Model 1: een PC-Raster Land Use Change model (PLUC model; Copernicus Instituut voor duurzame ontwikkeling, Utrecht). Met dit ArcGIS-based programma werden potentiekaarten gemaakt van landgebruik, water, bodemvruchtbaarheid en natuurgebieden. Aan de hand van de 2 scenario’s werd de vraag naar voedsel- en niet-voedselproducten (agri, veeteelt, bouwgrond, natuurgebied) bepaald tot 2030. Het PLUC-model zou deze vraag naar producten op gridniveau (15-15 meter) laten bepalen, door te identificeren waar de aannemelijkheidskans het grootst is om van landgebruik te veranderen (van/naar landbouw, urbanisatie of natuur). Als alle vraag naar deze producten tot aan 2030 is voldaan, dan pas wordt er land gealloceerd aan energiegewassen. Op deze manier werd aandacht geschonken aan een belangrijk aspect op Puerto Rico: dure grondprijzen en urbanisatiedruk. Het uiteindelijk beschikbare landbouwgrond, na voldaan te hebben aan alle andere types landgebruik tot aan 2030, werd geaggregeerd in 52 gridcellen en gebruikt in model 3 (onderstaand figuur).

 

grid formation

 

Model 2: betrof een techno-economische analyse van de ethanol productie-installaties (onderstaand figuur). In excel sheets werd een gedetailleerde opstelling gebouwd van de installatie. Hier werden de 3 technologieën in combinatie met 3 verschillende energiegewassen gedetailleerd uitgewerkt. Hieruit zouden de benodigde parameters komen voor model 3.

 

schema ethanol conversion

 

Model 3: een Multi-Objective Mixed Integer Linear Optimization model (MOMILP model; University of Pádova, Italië). In een complete keten bestaan er verschillende indices, oftewel verschillende opties voor biomassa, transport, technologieën, schaal, locaties. In de MOMILP werd een extra laag toegevoegd voor het tijdsaspect (intervallen tot aan 2030). Door voor die tijdsintervallen een ethanolvraag te bepalen (tot 26% van de totale gasoline consumptie van het eiland in 2030) optimaliseert het MOMILP model de meest geschikte biomassatype, technologie, locaties voor cultivatie en voor industrie, en transportvorm.

 

Resultaten

Onderstaand figuur laat de resultaten van die optimalisatie zien. Het laat een industrie zien die volledig draait op energy cane, en miscanthus in de periodes dat er geen energy cane wordt geoogst. De 1e generatie (gangbare) fermentatie is het meest optimaal om te starten, gevolgd door een 2e generatie SSCF technologie. Dit is een opvallende keuze gezien de lage efficiëntie van energy cane naar ethanol (1e generatie fermentatie = 12%). Maar door de hoge bijverdiensten van elektriciteitsproductie van de bagasse (hoge elektriciteitsprijs in Puerto Rico) wordt dit gecompenseerd. Verder worden er op niet meer dan vier locaties een installatie gebouwd, waarna deze verder in de toekomst wordt uitgebreid in capaciteit.

 

MOMILP allocatie

 

Samyama heeft door de jaren ervaring opgedaan met complexe analyses zoals deze, waarbij een multidisciplinaire benadering en gedegen analysemethodes steeds weer hun nut bewijzen in het onderbouwen van ‘the best way forward’ in de transitie naar duurzame maatschappijen.