摘要：在中国经济社会发展的绿色化、低碳化转型背景下,污水处理作为污染防治和温室气体减排的关键领域,面临着提升处理效率和降低碳排放的双重挑战,文章旨在采用统计学、流体力学理论、机器学习等多种技术建立基于生产数据驱动的智慧化数字工艺员系统。 以某污水处理厂为研究对象,采用XGBOOST 机器学习算法建立综合考虑上游泵站、区域温度、天气等因素的污水厂水量预测模型;基于污水厂工艺运行原理及历史运行数据,采用机器学习、流体力学理论等多种技术,建立了基于“机理”+“数理”融合的污水处理厂各工艺段参数预测模型,并开发了包含生产现场层、控制层和决策层3 层架构的污水处理厂数字工艺员系统,在该污水处理厂进行了应用。 研究结果表明:该数字工艺员系统实现了污水处理厂智能排产、工艺参数预测等智慧决策功能,与上一年同期未使用该系统相比,在TN、氨氮和TP 去除率增加的基础上,平均电单耗和药单耗分别下降了4.98%和4.11%,达到减污降碳、协同增效的目的,提升了污水处理厂数字化、绿色化和智慧化水平。

关键词：数字工艺员，机器学习，智能排产，工艺参数预测，减污降碳

基金资助：上海市工业互联网创新发展专项(2019-GYHLW-02001)

下载

查看