开发和应用智能除诊断和优化框架WWTPs:低碳和稳定的运行
Zhichi Chen1, Hong Cheng1, Xinge Wang1
1Key Laboratory of Eco-environments in Three Gorges Reservoir Region, Ministry of Education, College of Environment and Ecology, Chongqing University, Chongqing 400044, China.
Water research
|August 31, 2024
概括
在废水处理厂 (WWTP) 中优化去除具有挑战性. 使用机器学习和遗传算法的新混合框架提高了去除效率,同时平衡成本和排放.
科学领域:
- 环境工程 环境工程
- 水处理技术水处理技术
- 计算环境科学 计算环境科学
背景情况:
- 废水处理厂 (WWTP) 的除工作至关重要,但由于影响的变化和操作限制而复杂.
- 现有的方法往往与节能和减少碳排放的目标相冲突.
研究的目的:
- 开发一个混合框架来诊断除问题,并优化WWTP操作.
- 为了预测废水总,识别超出限量的风险,并优化控制策略.
主要方法:
- 开发了一个过程时延模拟增强机器学习 (PTLS-ML) 模型.
- 集成机器学习与多目标遗传算法 (MOO).
- 通过全面的WWTP案例研究验证了框架.
主要成果:
- 该PTLS-ML模型实现了高精度 (R2=0.94训练,R2=0.79测试).
- 该框架成功确定了过限风险的原因,并提供了优化建议.
- 多目标优化表明,4-6 mg/L的废气平衡了水质,成本和排放.
结论:
- 拟议的混合框架提供了一种可行的方法,用于稳定的运行,节能和减少在WWTP中去除的排放.
- 可实现对废水质量,运营成本和温室气体排放的协调优化.
- 该框架为可持续的WWTP管理提供了有价值的参考.
