Regelung von Kl?ranlagen
Entwicklung einer Reinforcement Learning Struktur für die Regelung von Kl?ranlagen
Hansewassser:
Hansewasser kümmert sich um die Abwasserentsorgung der Stadt Bremen und betreibt mit der Kl?ranlage Seehausen eine der gr??ten Kl?ranlagen in Norddeutschland. T?glich werden in der Kl?ranlage Seehausen 130.000 Kubikmeter Abwasser gereinigt. Durch die Reinigung werden 95% des Phosphors, 84% der Stickstoffverbindungen und 99% der Kohlenstoffverbindungen aus dem Abwasser entfernt. Ein stabiler und automatisierter Kontrollprozess stellt die Einhaltung der strengsten Wasserverschmutzungsvorschriften sicher.
Das Belüftungssystem für das Belebtschlammverfahren:
Das typische Belebtschlammverfahren besteht aus Belebungsbecken, Absetzbecken und dem Schlammrücklaufsystem, mit dem Ziel, organische Abwasserbestandteile sowie die N?hrstoffe Stickstoff und Phosphor zu entfernen.
Das Belüftungssystem im Belebtschlammverfahren verbraucht mindestens 50 % der gesamten Energie in einer Kl?ranlage. Eine pr?zise Steuerung der Belüftung ist ein entscheidender Punkt, um die Betriebseffizienz zu verbessern und die Energieverschwendung zu verringern. Am Boden des Belebungsbeckens wird Druckluft in Form von feinen Blasen durch Luftdiffusionsvorrichtungen in das Abwasser gepumpt. Das Belüftungssystem h?lt eine bestimmte Konzentration an gel?stem Sauerstoff im Abwasser aufrecht. Au?erdem wird die Flüssigkeit aufgewirbelt, so dass sich die Partikel in einem Schwebezustand befinden, was die Qualit?t der Zirkulation verbessert.
Ziel des Projekts:
Das Belebtschlammverfahren wird mit dem Ziel optimiert, den Energieverbrauch zu senken und die betriebliche Effizienz zu verbessern.
Da die Kl?ranlage komplex und nichtlinear ist, wird an einer Strategie des verst?rkten Lernens geforscht, um das aerobe Volumen zu steuern.
Zun?chst wird ein dynamisches Modell simuliert, um das Verhalten des Abwasserbehandlungsprozesses vorherzusagen und Daten zu Wasserqualit?tsparametern (z. B. gel?ster Sauerstoff, Phosphat, Nitrat, Ammonium) zu sammeln.
Dann wird ein Fuzzy-System entwickelt, um das Vorwissen in eine Reihe von Beschr?nkungen (Netztopologie) umzuwandeln und so den Suchraum für die Optimierung zu verkleinern.
Schlie?lich wird die Strategie des verst?rkten Lernens eingesetzt, um die Beziehungen zwischen den Prozessbedingungen, den Lachgasemissionen und dem Energieverbrauch zu erlernen und auf der Grundlage der vorhergesagten zukünftigen Zust?nde und Sensordaten optimale Steuerungseinstellungen für die Kl?ranlage vorzuschlagen.