城市无氧消化器的实时运行,使用集成数据挖掘框架
Farzad Piadeh1, Ikechukwu Offie2, Kourosh Behzadian3
1School of Computing and Engineering, University of West London, London W5 5RF, United Kingdom; School of Physics, Engineering and Computer Science, University of Hertfordshire, Hatfield AL10 9AB, United Kingdom.
Bioresource technology
|November 15, 2023
概括
本研究介绍了一种先进的决策框架,用于优化无氧消化. 这种新的方法显著提高了生物气生产,并通过预测产量和优化养模式来降低运营成本.
科学领域:
- 环境工程 环境工程
- 生物技术是生物技术.
- 数据科学数据科学数据科学
背景情况:
- 无氧消化是废物管理和可再生能源生产的关键过程.
- 优化无氧消化过程的实时运行对于最大限度地提高生物气产量和最大限度地降低成本至关重要.
- 目前的方法往往缺乏有效管理所需的预测准确性和操作灵活性.
研究的目的:
- 开发和验证一个新的整体决策框架,用于实时无氧消化操作.
- 使用简单,实用的功能预测生物气产量并优化每周运行模式.
- 提高生物气生产效率,降低运营成本.
主要方法:
- 利用一个整体决策框架,包括弱学习者数据挖掘模型.
- 嵌入功能,如废物组成,添加的水,和预测养量.
- 通过英国的现实世界案例研究验证了框架.
主要成果:
- 实现了91%的预测准确度,比基准模型 (50-80%) 显著改善.
- 优化的每周运行模式导致生物气发电量增加了78%.
- 养日减少了71%和养前日减少了30%.
结论:
- 拟议的整体框架为实时无氧消化优化提供了一个高度准确和有效的方法.
- 开发的操作模式大大提高了沼气生产和运营效率.
- 这一数据驱动的策略为最大限度地利用无氧消化系统的好处提供了一个实际的解决方案.
