機械学習に基づく下水泥からの純エネルギー回収を最大化するための熱水解のダイナミック制御

科学分野:

• 環境工学
• バイオテクノロジー
• 機械学習アプリケーション

背景:

• 熱水解前処理 (THP) は,無酸素消化 (AD) を通して,泥からエネルギー回収を向上させる.
• THPでの高熱エネルギー投入は,全体的なシステムの効率を低下させる可能性があります.
• THPのパラメータを最適化することは,エネルギー利益の最大化に不可欠です.

研究 の 目的:

• 熱水分解前処理 (THP) と無酸素消化 (AD) を最適化するための機械学習駆動の枠組みを開発する.
• 污水処理によるメタン排出量と純エネルギー排出量を改善する.
• 要求に応じて適応可能な THP 戦略を導入し,排水処理の効率を向上させる.

主な方法:

• 機械学習の最適化フレームワークの開発
• メタンの生産量と純エネルギーの予測モデル化のための極端なグラデーションの増強を使用します.
• THP-ADシステム行動の主要なドライバーを特定するためのモデル解釈性分析.
• 廃棄水処理施設の運用データを用いてフィールドスケールでの検証

主要な成果:

• エクストリーム・グラデント・ブースティング・モデルは,メタンの生産量と純エネルギーを予測するためにR2>0.90を達成した.
• 泥の物理化学的性質とTHPのパラメータは,システムの性能の主な要因として特定されました.
• 適応的なTHP温度戦略は,固定温度操作と比較して最大39%の純エネルギー出力を増加させました.

結論:

• 機械学習は,THP-ADプロセスを最適化するための強力なツールを提供します.
• 適応性,組成特有のTHP制御は,固定温度アプローチよりも優れています.
• このアプローチにより,よりインテリジェントでエネルギーに耐性のある排水処理システムへの道が開けます.