Optimización integrada de la calidad de los efluentes, el uso de energía y la dosificación química en el tratamiento...

Área de la Ciencia:

• Ingeniería Ambiental Ingeniería Ambiental.
• El proceso de control de control de procesos.
• Algoritmos de optimización Algoritmos de optimización

Sus antecedentes:

• Las plantas de tratamiento de aguas residuales luchan con una afluencia dinámica, lo que lleva a una calidad inestable de los efluentes, un alto consumo de energía y un uso excesivo de productos químicos.
• Las estrategias de control convencionales a menudo reaccionan a las perturbaciones, causando ineficiencias como la aireación excesiva y la sobredosis de cloruro de polialuminio (PAC).

Objetivo del estudio:

• Introducir un nuevo marco de control proactivo, la Optimización Bayesiana Multiobjetivo Dirigida por Residuos Cíclicos (CRS-MOBO), para las WWTP.
• Para mejorar la calidad de los efluentes, reducir la dosificación química y reducir el consumo de energía en condiciones de influencia dinámica.

Principales métodos:

• Desarrolló el marco CRS-MOBO, integrando modelos de ciclo residual de patrones de influencia de 24 horas.
• Dirección de preferencia guiada por residuos acoplada con un optimizador multiobjetivo bayesiano para ajustes proactivos del punto de ajuste del oxígeno disuelto y de la dosificación de PAC.
• CRS-MOBO comparado con el control PID y NSGA-II utilizando el simulador SUMO basado en ASM con datos WWTP reales.

Principales resultados:

• CRS-MOBO redujo el consumo de energía de aireación en un 3,1% (contra PID) y un 1,9% (contra NSGA-II).
• Los costos de los productos químicos PAC se redujeron en un 20,2% (frente al PID) y un 22,9% (frente al NSGA-II).
• Todos los indicadores de calidad de los efluentes se mantuvieron dentro de los límites reglamentarios, demostrando un rendimiento sólido incluso con perturbaciones no periódicas.

Conclusiones:

• El marco CRS-MOBO ofrece una solución proactiva y efectiva para optimizar las operaciones de WWTP.
• Este enfoque mejora significativamente la eficiencia y la rentabilidad en comparación con los métodos convencionales y basados en el conocimiento.
• CRS-MOBO demuestra un rendimiento estable y confiable en la gestión de condiciones y perturbaciones dinámicas influyentes.