JP7495567B2 - Method and system for optimizing energy utilization in a wastewater treatment plant - Google Patents
Method and system for optimizing energy utilization in a wastewater treatment plant Download PDFInfo
- Publication number
- JP7495567B2 JP7495567B2 JP2023124539A JP2023124539A JP7495567B2 JP 7495567 B2 JP7495567 B2 JP 7495567B2 JP 2023124539 A JP2023124539 A JP 2023124539A JP 2023124539 A JP2023124539 A JP 2023124539A JP 7495567 B2 JP7495567 B2 JP 7495567B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- profile
- wastewater treatment
- treatment plant
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004065 wastewater treatment Methods 0.000 title claims description 61
- 238000000034 method Methods 0.000 title claims description 54
- 230000006870 function Effects 0.000 claims description 82
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 77
- 239000002351 wastewater Substances 0.000 claims description 42
- 230000015654 memory Effects 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 29
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 10
- 229910052760 oxygen Inorganic materials 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- 239000000356 contaminant Substances 0.000 claims description 9
- 239000010802 sludge Substances 0.000 claims description 7
- 238000003908 quality control method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 17
- 239000003344 environmental pollutant Substances 0.000 description 7
- 231100000719 pollutant Toxicity 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005276 aerator Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 239000005431 greenhouse gas Substances 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 4
- 238000005273 aeration Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910019142 PO4 Inorganic materials 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000010842 industrial wastewater Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 3
- 239000010452 phosphate Substances 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 230000031018 biological processes and functions Effects 0.000 description 2
- 239000010840 domestic wastewater Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 229920000426 Microplastic Polymers 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 239000002154 agricultural waste Substances 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 239000010828 animal waste Substances 0.000 description 1
- -1 but not limited to Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 239000010794 food waste Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000010800 human waste Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- VUZPPFZMUPKLLV-UHFFFAOYSA-N methane;hydrate Chemical compound C.O VUZPPFZMUPKLLV-UHFFFAOYSA-N 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 150000002823 nitrates Chemical class 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 125000001477 organic nitrogen group Chemical group 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本開示は、一般に、廃水処理プラントにおける再生可能エネルギーの使用に関し、より詳細には、廃水処理プラントにおけるエネルギー利用を最適化するための方法およびシステムに関するものである。 The present disclosure relates generally to the use of renewable energy in wastewater treatment plants, and more particularly to methods and systems for optimizing energy utilization in wastewater treatment plants.
廃水処理プラント(WWTP)は、物理的、化学的、生物学的プロセス、またはそれらの組み合わせを使用して、廃水を再利用に望ましい品質まで処理するために使用される。一般に、廃水を処理するために物理的プロセスを採用するWWTPは、廃水から汚染物質を除去するために大量のエネルギーを消費し、そのほとんどはグリッドから購入される。そのため、エネルギーは運転費用(すなわち、OPEX)の主要な構成要素となっており、例えば、稼働中のWWTPではほぼ20%から50%を占めている。さらに、グリッドエネルギーの供給源は通常、化石燃料の焼却であり、温室効果ガス(GHG)の排出を招き、地球温暖化の原因となる。したがって、環境問題に対処し、長期的な運用の持続可能性を確保するためには、系統エネルギーへの依存度を下げることが必要である。 Wastewater treatment plants (WWTPs) are used to treat wastewater to a desired quality for reuse using physical, chemical, or biological processes, or a combination thereof. Generally, WWTPs that employ physical processes to treat wastewater consume large amounts of energy to remove pollutants from the wastewater, most of which is purchased from the grid. Energy is therefore a major component of operating costs (i.e., OPEX), accounting for, for example, nearly 20% to 50% in operational WWTPs. Furthermore, the source of grid energy is typically the incineration of fossil fuels, which results in greenhouse gas (GHG) emissions and contributes to global warming. Therefore, reducing dependency on grid energy is necessary to address environmental issues and ensure long-term operational sustainability.
従来の運用戦略では、グリッドから消費されるエネルギーを削減するために、グリッドエネルギーとともに再生可能エネルギーの利用を統合している。具体的には、WWTPを運転するために、グリッドエネルギーとともに太陽エネルギーが使用される。このような場合、グリッドエネルギーへの依存度が低下しても、WWTPの運転に消費される総エネルギーは変わりない。一般に、このような技術は、運転コストを削減するためにピーク電力価格の回避を考慮しながら、WWTPを運転するための最適なスケジューリング戦略を提供する。このようなスケジューリング戦略により、WWTPの運転スケジュールのピークシフトが行われ、WWTPを運転するための運転コストが削減されている。しかし、WWTPの運転に必要な総エネルギーは依然として高く、環境負荷も大きい。さらに、スケジューリング戦略では、オフピーク時にWWTPを稼働させることもあり、その場合、WWTPの稼働中に使用するために太陽エネルギーを蓄える必要がある。そのため、太陽エネルギーを貯蔵するための電池のサイズが大きくなり、電池の調達やメンテナンスのための設備投資(CAPEX)が増加する。 Traditional operation strategies integrate the use of renewable energy along with grid energy to reduce the energy consumed from the grid. Specifically, solar energy is used along with grid energy to operate the WWTP. In such cases, the total energy consumed for the operation of the WWTP remains the same even though the dependency on grid energy is reduced. In general, such techniques provide an optimal scheduling strategy for operating the WWTP while considering the avoidance of peak electricity prices to reduce the operation costs. Such a scheduling strategy shifts the peak of the WWTP operation schedule, reducing the operation costs for operating the WWTP. However, the total energy required for the operation of the WWTP is still high and the environmental burden is large. In addition, the scheduling strategy may operate the WWTP during off-peak hours, in which case solar energy needs to be stored for use during the operation of the WWTP. This leads to a large size of batteries for storing solar energy, which increases the capital expenditures (CAPEX) for battery procurement and maintenance.
上記の議論を考慮すると、WWTPの全体的なエネルギー消費を削減する一方で、エネルギー中立を達成する必要があり、GHG排出を削減することによってWWTPのカーボンフットプリントを減少させる必要がある。 Considering the above discussion, there is a need to achieve energy neutrality while reducing the overall energy consumption of WWTPs and reduce the carbon footprint of WWTPs by reducing GHG emissions.
実施形態では、廃水処理プラント(WWTP)を動作させるための方法が開示される。本方法は、プロセッサによって、廃水処理プラント関連データ、水需要データ、および太陽光データを受信することを含む。本方法は、プロセッサによって、太陽プロファイル予測モデル、エネルギープロファイル予測モデル、排水プロファイル予測モデル、および水需要予測モデルのうちの少なくとも1つを含む1つまたは複数のデータ予測モデルを得ることを含む。本方法は、プロセッサによって、1つまたは複数のデータ予測モデルに少なくとも部分的に基づいて導出された1つまたは複数の目的関数を使用して、WWTPの最適化された使用法を決定することを含む。本方法は、プロセッサによって、WWTPの最適化された使用量に少なくとも部分的に基づいて、WWTPを動作させるための1つまたは複数の制御パラメータを決定することを含む。 In an embodiment, a method for operating a wastewater treatment plant (WWTP) is disclosed. The method includes receiving, by a processor, wastewater treatment plant related data, water demand data, and solar data. The method includes obtaining, by the processor, one or more data forecast models including at least one of a solar profile forecast model, an energy profile forecast model, a wastewater profile forecast model, and a water demand forecast model. The method includes determining, by the processor, an optimized usage of the WWTP using one or more objective functions derived at least in part based on the one or more data forecast models. The method includes determining, by the processor, one or more control parameters for operating the WWTP based at least in part on the optimized usage of the WWTP.
別の実施形態では、廃水処理プラント(WWTP)を動作させるためのシステムが開示される。このシステムは、命令を記憶するように構成されたメモリと、メモリに記憶された命令を実行し、それによってシステムに廃水処理プラント関連データ、水需要データおよび太陽光データを受信させるように構成されたプロセッサと、を含む。システムは、太陽プロファイル予測モデル、エネルギープロファイル予測モデル、排水プロファイル予測モデル、および水需要予測モデルのうちの少なくとも1つを含む1つまたは複数のデータ予測モデルを取得するようにされる。システムは、1つまたは複数のデータ予測モデルに少なくとも部分的に基づいて導出された1つまたは複数の目的関数を使用して、WWTPの最適化された使用法を決定するようになされる。システムは、WWTPの最適化された使用量に少なくとも部分的に基づいて、WWTPを動作させるための1つまたは複数の制御パラメータを決定するようにされる。 In another embodiment, a system for operating a wastewater treatment plant (WWTP) is disclosed. The system includes a memory configured to store instructions and a processor configured to execute the instructions stored in the memory, thereby causing the system to receive wastewater treatment plant related data, water demand data, and solar data. The system is adapted to obtain one or more data forecast models including at least one of a solar profile forecast model, an energy profile forecast model, a wastewater profile forecast model, and a water demand forecast model. The system is adapted to determine an optimized usage of the WWTP using one or more objective functions derived at least in part based on the one or more data forecast models. The system is adapted to determine one or more control parameters for operating the WWTP based at least in part on the optimized usage of the WWTP.
前述の概要は、例示的なものであり、いかなる方法においても限定的であることを意図するものでない。上述の例示的な側面、実施形態、および特徴に加えて、さらなる側面、実施形態、および特徴は、図面および以下の詳細な説明を参照することによって明らかになるであろう。 The foregoing summary is illustrative and is not intended to be in any way limiting. In addition to the illustrative aspects, embodiments, and features described above, further aspects, embodiments, and features will become apparent by reference to the drawings and the following detailed description.
本発明によれば、WWTPの全体的なエネルギー消費を削減することができる。また、GHG排出を削減することによってWWTPのカーボンフットプリントを減少させることができる。 The present invention can reduce the overall energy consumption of the WWTP. It can also reduce the carbon footprint of the WWTP by reducing GHG emissions.
本開示に組み込まれ、本開示の一部を構成する添付の図面は、例示的な実施形態を示し、説明とともに、開示された原理を説明するのに役立つ。同様の特徴および構成要素を参照するために、図全体を通して同じ数字が使用される。本主題の実施形態に従ったデバイスおよび/または方法のいくつかの実施形態が、例としてのみ、添付の図を参照しながら、説明される。 The accompanying drawings, which are incorporated in and constitute a part of this disclosure, illustrate exemplary embodiments and, together with the description, serve to explain the disclosed principles. The same numerals are used throughout the drawings to refer to like features and components. Several embodiments of devices and/or methods in accordance with embodiments of the present subject matter are described, by way of example only, with reference to the accompanying drawings.
本明細書における任意のブロック図は、本主題の原理を具現化する例示的なシステムの概念図を表すことが、当業者には理解されるはずである。同様に、任意のフローチャート、フロー図、状態遷移図、擬似コードなどは、そのようなコンピュータまたはプロセッサが明示的に示されているかどうかにかかわらず、コンピュータ可読媒体で実質的に表され、コンピュータまたはプロセッサによって実行され得る種々の処理を表すことが理解されよう。 It should be understood by those skilled in the art that any block diagrams herein represent conceptual diagrams of exemplary systems embodying the principles of the present subject matter. Similarly, any flow charts, flow diagrams, state transition diagrams, pseudocode, and the like will be understood to represent various processes that may be substantially represented on a computer-readable medium and executed by a computer or processor, whether or not such a computer or processor is explicitly shown.
本明細書において、「例示的」という語は、「例、インスタンス、またはイラストレーションとして機能する」という意味で使用される。本明細書において「例示的」として説明される本主題の任意の実施形態または実装は、必ずしも他の実施形態よりも好ましいまたは有利であると解釈されるべきものではない。 The word "exemplary" is used herein to mean "serving as an example, instance, or illustration." Any embodiment or implementation of the subject matter described herein as "exemplary" is not necessarily to be construed as preferred or advantageous over other embodiments.
本開示は、様々な変更および代替形態に影響を受けやすいが、その特定の実施形態は、図面において例として示されており、以下に詳細に説明されるであろう。しかしながら、開示された特定の形態に本開示を限定することは意図されておらず、逆に、本開示は、本開示の精神及び範囲内にある全ての修正、同等物、及び代替物をカバーするものであることを理解されたい。 While the present disclosure is susceptible to various modifications and alternative forms, specific embodiments thereof have been shown by way of example in the drawings and will be described in detail below. It is to be understood, however, that it is not intended to limit the disclosure to the particular forms disclosed, but on the contrary, the disclosure is intended to cover all modifications, equivalents, and alternatives falling within the spirit and scope of the disclosure.
用語「有する」またはその他の変形は、コンポーネントまたはステップのリストから構成されるセットアップ、デバイス、または方法が、それらのコンポーネントまたはステップのみを含むのではなく、明示的にリストされていない他のコンポーネントまたはステップを含み得る、またはかかるセットアップまたはデバイスまたは方法に固有の、非排他的包括を覆うことを意図する。言い換えれば、デバイスまたはシステムまたは装置における1つまたは複数の要素は、より多くの制約なしに、デバイスまたはシステムまたは装置における他の要素または追加の要素の存在を排除するものではない。 The term "having" or other variations are intended to cover the non-exclusive inclusion that a setup, device, or method consisting of a list of components or steps does not include only those components or steps, but may include other components or steps not expressly listed, or is inherent in such setup or device or method. In other words, one or more elements in a device or system or apparatus does not, without more constraints, exclude the presence of other or additional elements in the device or system or apparatus.
本開示の実施形態の以下の詳細な説明では、本書の一部を構成する添付の図面を参照し、その中に、本開示が実施され得る特定の実施形態が図示の方法で示されていることを説明する。これらの実施形態は、当業者が本開示を実施できるように十分に詳細に説明されており、本開示の範囲から逸脱することなく、他の実施形態が利用され得、変更がなされ得ることが理解されるものとする。したがって、以下の説明は、限定的な意味で取られるものではない。 In the following detailed description of the embodiments of the present disclosure, reference is made to the accompanying drawings, which form a part hereof, and in which there is shown by way of illustration specific embodiments in which the present disclosure may be practiced. These embodiments are described in sufficient detail to enable those skilled in the art to practice the disclosure, with it being understood that other embodiments may be utilized and changes may be made without departing from the scope of the present disclosure. Accordingly, the following description is not to be taken in a limiting sense.
本明細書で使用される「廃水」という用語は、汚染された水または汚れた水を指す。より具体的には、特定レベルの不純物で汚染され、特定の用途に適さない水は、廃水である。廃水には、雨水、生活排水、産業排水、農業廃棄物などが含まれるが、これらに限定されない。一般に、WWTPで収集され処理される、あらゆる家庭内、工業プロセス、またはその他の形態の集落から発生する汚水は、廃水である。さらに、「エネルギー利用の最適化」という用語は、WWTPが廃水を処理するために消費する総エネルギーを効率的に削減することを指す。より具体的には、総エネルギーとは、WWTPの運転に必要な太陽エネルギーとグリッドエネルギーの集合体であり、これが大幅に削減される。WWTPを運転するためのエネルギー利用におけるこのような最適化は、図1-5を参照して詳細に説明されるように、WWTPにおける太陽エネルギーの使用を効率的に統合し、WWTPの排水中の汚染物質を最小限に抑えてグリッドへの依存度を低減することによって達成され得る。 The term "wastewater" as used herein refers to polluted or dirty water. More specifically, water that is contaminated with a certain level of impurities and is unsuitable for a particular use is wastewater. Wastewater includes, but is not limited to, storm water, domestic wastewater, industrial wastewater, agricultural waste, and the like. In general, wastewater generated from any domestic, industrial process, or other form of settlement that is collected and treated in a WWTP is wastewater. Furthermore, the term "energy utilization optimization" refers to efficiently reducing the total energy consumed by the WWTP to treat the wastewater. More specifically, the total energy is the aggregate of solar energy and grid energy required to operate the WWTP, which is significantly reduced. Such optimization in energy utilization to operate the WWTP can be achieved by efficiently integrating the use of solar energy in the WWTP and minimizing pollutants in the WWTP's effluent to reduce dependency on the grid, as will be described in detail with reference to Figures 1-5.
図1は、本開示の少なくともいくつかの例示的な実施形態が実装され得る、環境100の簡略化された表現を示している。環境100は、住宅102、産業104、雨水106、および農地108からの廃水が廃水処理プラント(WWTP)110に流れ込むことを例示的に描写している。家屋102は、生ゴミ、化学物質、屎尿、およびシンク、トイレ、洗濯機、シャワーなどからの使用済み水を含む家庭用汚水の源となり得る。製造及び/又は化学プロセスから得られる産業廃棄物は、産業下水として産業104からWWTP110などのWWTPに放出される。雨水106は、通常、屋根、舗装、側溝、道路、パイプ、開水路、廃棄物地、埋立地を流れる際に汚染物質を収集する流出水である。農地108からの表面流出水は、シルト、動物の***物、農薬、および肥料を近くの水域に運び、これも汚染された水の源となる。住宅102、産業104、雨水106および農地108からの排水は、砂、溶解固形物、浮遊物、沈殿物、過剰栄養塩、病原性微生物、油、マイクロプラスチック、自動車からの燃料残留物、有機および無機の化学化合物などの汚染物質を含むが、これらに限定されない。環境100は例示的な目的で示されており、そのため、本発明に不可欠な要素のみが開示され、他の要素は開示されていないことに留意されたい。しかしながら、当業者であれば、様々な他の要素がWWTP110に含まれ得ることを理解するであろう。
FIG. 1 illustrates a simplified representation of an
WWTP110は、物理的、化学的、及び生物学的プロセスの組み合わせを通じて廃水を処理又は浄化して、廃水から汚染物質を除去し、確実に処理された水(すなわち、流出水)を、農業灌漑、工業プロセス、非飲料都市用途(トイレ洗浄、及び火災防止など)、地下水再充填などの目的116に再利用することができる。より具体的には、WWTP110は、環境100で再利用する前に、汚染物質を可能な限り除去するために廃水を処理する。WWTP110における廃水の処理は、廃水中の有機物を好気的に生分解させるために、廃水の曝気を伴う。一般に、WWTP110における曝気によって提供される酸素は、廃水中のバクテリアによって利用され、炭素からなる有機物を分解して、再利用され得る二酸化炭素と水を形成する。
The
一般に、WWTP110は、曝気のためにポンプおよびブロワを採用し、廃水を処理するためのこのような物理的プロセスは、廃水から汚染物質を除去するために大量のエネルギーを消費する。しかしながら、本発明は、物理的プロセスのみを使用するWWTP110に限定されず、グリッド112からエネルギーを消費するWWTP110に適用することができる。WWTP110を運転するためのエネルギーは、ほとんどがグリッド112から購入される。さらに、太陽光発電パネル114によって蓄積された太陽エネルギーのような再生可能エネルギーが、WWTP110を運用するために使用され得るが、これに限定されない。エネルギーは、WWTPを運用する際の運用費用(すなわち、OPEX)の主要な構成要素を形成するので、廃水を処理するためにWWTP110によるエネルギーの効率的な利用が確保されなければならない。再生可能エネルギー源、例えば、太陽エネルギーは、WWTP110の総エネルギー消費を低減するために、グリッドエネルギーと共に効果的に利用される必要がある。
Generally, the
本開示の様々な実施形態は、WWTP110におけるエネルギー利用を最適化するための方法を採用するシステム150を開示する。より具体的には、システム150は、WWTP110を動作させるための総エネルギーが減少するように、WWTP110の最適制御パラメータを生成する。より具体的には、WWTP110のエネルギーピークがオフピーク時間にシフトされ、これは、プロセスの最適化に加えて、WWTP110によって使用される全体的なエネルギーの減少につながる。さらに、システム150は、WWTP110を動作させるために太陽エネルギーの使用をグリッドエネルギーと効率的に統合するように構成され、これにより、WWTPのグリッド112への依存を低減し、太陽エネルギーを貯蔵する電池のサイズを大幅に低減しながら太陽電力の使用量を増加する。WWTPにおけるエネルギー利用を最適化するためのシステム150は、図2を参照して次に詳細に説明される。
Various embodiments of the present disclosure disclose a
図2は、本開示の実施形態による、廃水処理プラントにおけるエネルギー利用を最適化するためのシステム150を示す図である。一実施形態では、システム150は、WWTP110の動作を制御することができる制御システム内に具現化されたスタンドアロンプロセッサである。別の実施形態では、システム150は、WWTP110の動作に関連するパラメータを受信し、WWTP110を動作させるための最適化された制御パラメータを生成することができるリモートサーバであってよい。
FIG. 2 illustrates a
システム150は、プロセッサ202、メモリ204、入出力モジュール206、および通信インタフェース208を含むように描写される。いくつかの実施形態では、システム150は、本明細書で描写されたものよりも多いまたは少ない構成要素を含み得ることに留意されたい。システム150の様々な構成要素は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの任意の組合せを用いて実装され得る。さらに、システム150の様々な構成要素は、互いに動作可能に結合されてもよい。より具体的には、システム150の様々な構成要素は、通信チャネル媒体(バス、相互接続など)を使用して互いに通信することが可能であってもよい。また、システム150の1つまたは複数の構成要素は、互いに遠隔に配置された単一のサーバまたは複数のサーバに実装されてもよいことに留意されたい。
The
一実施形態では、プロセッサ202は、マルチコアプロセッサ、シングルコアプロセッサ、または1つ以上のマルチコアプロセッサと1つ以上のシングルコアプロセッサの組み合わせとして具現化されてもよい。例えば、プロセッサ202は、コプロセッサ、マイクロプロセッサ、コントローラ、デジタル信号プロセッサ(DSP)、付随するDSPを有する又は有さない処理回路、又は、マイクロコントローラユニット(MCU)、ハードウェアアクセラレータ、特殊用途コンピュータチップ等を含む様々な処理装置のうちの1又は複数として具体化されてもよい。プロセッサ202は、後に詳細に説明するモデル管理モジュール210、予測モジュール212およびプロセス最適化モジュール214を含む。
In one embodiment, the
一実施形態では、メモリ204は、本明細書で命令205と呼ばれる機械実行可能命令を記憶することができる。一実施形態では、プロセッサ202は、ソフトウェア命令の実行者として具現化される。そのため、プロセッサ202は、メモリ204に格納された命令205を実行して、本明細書に記載された1つ以上の動作を実行することが可能である。メモリ204は、図2から図5を参照して詳細に説明するように、それぞれの機能性を実行するためにプロセッサ202にアクセス可能な任意のタイプのストレージであり得る。例えば、メモリ204は、1つ以上の揮発性メモリもしくは不揮発性メモリ、またはそれらの組合せを含むことができる。例えば、メモリ204は、フラッシュメモリ、マスクROM、PROM(プログラマブルROM)、EPROM(消去可能PROM)、RAM(ランダムアクセスメモリ)等、半導体メモリとして具現化されてもよい。
In one embodiment, the
実施形態では、プロセッサ202は、以下のための命令205を実行するように構成される。
(1) 1つまたは複数のデータ予測モデルを生成すること、
(2) 1日の太陽エネルギープロファイルを予測すること、
(3) 1日のエネルギー需要プロファイルを予測すること、
(4) 1日の水需要プロファイルを予測すること、
(5) 第1の制約条件に基づき第1の目的関数に対するパラメータの第1のセットを決定すること、
(6) 第2の制約条件に基づき第2の目的関数に対するパラメータの第2のセットを決定すること、
(7) 第1の目的関数および第2の目的関数のような1つまたは複数の目的関数を最適化すること、
(8) 1つまたは複数の目的関数に基づいてWWTPの最適化された(エネルギー)使用量を決定すること、
(9) 最適化された使用量に基づいてWWTPを操作するための1つまたは複数の制御パラメータを決定すること。
In an embodiment, the
(1) generating one or more predictive models based on the data;
(2) predicting the daily solar energy profile;
(3) predicting a daily energy demand profile;
(4) forecasting daily water demand profiles;
(5) determining a first set of parameters for the first objective function based on the first constraint;
(6) determining a second set of parameters for a second objective function based on a second constraint;
(7) optimizing one or more objective functions, such as a first objective function and a second objective function;
(8) determining optimized (energy) usage of the WWTP based on one or more objective functions;
(9) Determining one or more control parameters for operating the WWTP based on the optimized usage rate.
実施形態では、I/Oモジュール206は、WWTP関連データを追跡する装置、および/またはシステム150のオペレータなどの周辺装置から入力を受け取り、出力を提供するように構成された機構を含み得る。本明細書で使用される「システム150のオペレータ」という用語は、直接的または間接的にかかわらず、WWTP110の管理に関連する1人または複数の個人を指す場合がある。システム150に入力の受信を可能にし、出力を提供するために、I/Oモジュール206は、少なくとも1つの入力インタフェースおよび/または少なくとも1つの出力インタフェースを含み得る。入力インタフェースの例は、キーボード、マウス、ジョイスティック、キーパッド、タッチスクリーン、ソフトキー、マイクロフォンなどを含むことができるが、これらに限定されるものではない。出力インタフェースの例としては、発光ダイオードディスプレイ、薄膜トランジスタ(TFT)ディスプレイ、液晶ディスプレイ、アクティブマトリクス有機発光ダイオード(AMOLED)ディスプレイなどのディスプレイ、マイク、スピーカー、リンガーなどが挙げられるが、これらに限定されるものではない。
In an embodiment, the I/
実施形態では、通信インタフェース208は、環境100内の他のエンティティ(要素)と通信するように構成された機構を含み得る。言い換えれば、通信インタフェース208は、プロセッサ202による処理のためにデータを照合するように構成される。例えば、通信インタフェース208は、水および太陽光データを受信するように構成される。廃水処理プラント関連データは、流入データ、流出データ、およびWWTPコンポーネントデータを含むが、これらに限定されない。流入データは、生成された廃水の量、流量、および廃水品質パラメータ(化学的酸素要求量(COD)、全ケルダール窒素(TKN)すなわち有機窒素およびアンモニアの尺度、全浮遊物質(TSS)、生物的酸素要求量(BOD)、アンモニウム(NH4)、硝酸塩(NO3)、全リン(TP)、リン酸(PO4)など)の濃度に関する情報を含む。流入データは、貯水容量、下水道システムの種類、人口相当数、産業排水の種類、特定地域の土壌の種類、降雨パターン、温度など、多くの要因に依存するが、これらに限定されない。排水データは、流量と、溶存酸素、炭素質生物化学的酸素要求量、TKN、TSS、NH4、NO3、PO4、全リンなどの排水中の排水品質パラメータの濃度とに関連する情報を含む。WWTPコンポーネントデータは、ポンプの数、エアレータの数、ブロワの数、ポンプの最大動作速度、エアレータの最大動作速度、ブロワの最大動作速度、ポンプの効率、エアレータの効率、ブロワの効率などのWWTP110内のコンポーネントに関連する情報を含む。
In an embodiment, the
水需要データは、例えば、特定の日(すなわち、平日/週末)の水需要、特定の月(すなわち、モンスーン/夏)の水需要、または1日の特定の時間(すなわち、午前、午後、夜)の水需要など、異なる期間における再生水需要の履歴値に関連する情報を含む。太陽光データは、日射量の履歴値、太陽電池の数、太陽電池の容量、および過去の気象データに関する情報を含む。日射量の履歴値は、例えば、年、月、日または特定の時間などの期間にわたって測定された日射量の値を含み得る。1つの例示的な例では、特定の時間、例えば、過去1ヶ月間の午前9時から午後2時までにわたって測定された太陽放射照度は、太陽放射照度の履歴値を構成してもよい。別の例示的な例では、過去1年間の同月に1日中測定された日射量は、日射量の履歴値を構成する。実施形態において、廃水処理プラント関連データおよび太陽光データは、WWTP110におけるエネルギー利用を最適化するために本明細書に記載される1つ以上の操作を実行するプロセッサ202に転送される。
The water demand data includes information related to historical values of reclaimed water demand over different time periods, such as, for example, water demand for a particular day (i.e., weekday/weekend), water demand for a particular month (i.e., monsoon/summer), or water demand for a particular time of day (i.e., morning, afternoon, night). The solar data includes information regarding historical values of solar radiation, the number of solar cells, the capacity of the solar cells, and historical weather data. The historical values of solar radiation may include values of solar radiation measured over a period of time, such as, for example, a year, a month, a day, or a particular time. In one illustrative example, solar irradiance measured over a particular time, for example, from 9:00 am to 2:00 pm for the past month, may constitute a historical value of solar irradiance. In another illustrative example, solar radiation measured throughout the day during the same month for the past year constitutes a historical value of solar radiation. In an embodiment, the wastewater treatment plant-related data and the solar data are transferred to a
システム150は、データベース220と動作可能に通信する。一実施形態では、データベース220は、データ予測モデルプール222に1つまたは複数のデータ予測モデルを格納するように構成される。より具体的には、データ予測モデルは、太陽プロファイル予測モデル、エネルギープロファイル予測モデル、排水プロファイル予測モデル、及び水需要予測モデルのうちの少なくとも1つを含む。例示的な例では、エネルギープロファイル予測モデルは、夏季のエネルギープロファイル予測に使用されるモデルに対応し得る。別の例示的な例では、太陽プロファイル予測モデルは、特定の月、例えば、12月の月について生成されたモデルに対応してもよい。したがって、データベース220は、異なる仕様に基づく様々な予測モデルを記憶するように構成される。さらに、データベース220は、異なる期間、例えば、1日、1ヶ月、1年などについて決定されたプロファイルを予測した太陽エネルギープロファイル、エネルギー需要プロファイル、および水需要プロファイルに関連する履歴情報を含む履歴プロファイルプール224を含むこともできる。実施形態では、履歴プロファイルプール224は、データ予測モデルを更新するため、または、WWTP110の作業プロファイルの分析のために使用され得る、太陽照射の履歴値、履歴気象データ、履歴水需要データ、履歴流入データ、履歴流出データ、履歴WWTP構成データ、を含む。
The
データベース220は、安価なディスクの冗長アレイ(RAID)構成におけるハードディスクおよび/またはソリッドステートディスクなどの複数のストレージユニットを含むことができる。いくつかの実施形態では、データベース220は、ストレージエリアネットワーク(SAN)および/またはネットワークアタッチドストレージ(NAS)システムを含んでもよい。一実施形態では、データベース220は、分散型ストレージシステムに対応してもよく、個々のデータベースは、スケジューリング方針、WWTP構成要素のリスト、WWTP構成要素の仕様などのカスタム情報を記憶するように構成される。
いくつかの実施形態では、データベース220は、システム150内に統合される。例えば、システム150は、データベース220として1つまたは複数のハードディスクドライブを含むことができる。他の実施形態では、データベース220は、システム150の外部にあり、ストレージインタフェース(図2には示されていない)を使用してシステム150によってアクセスされ得る。ストレージインタフェースは、プロセッサ202にデータベース220へのアクセスを提供することができる任意のコンポーネントである。ストレージインタフェースは、例えば、Advanced Technology Attachment(ATA)アダプタ、Serial ATA(SATA)アダプタ、Small Computer System Interface(SCSI)アダプタ、RAIDコントローラ、SANアダプタ、ネットワークアダプタ、および/またはプロセッサ202にデータベース220へのアクセスを提供する任意のコンポーネントを含み得る。
In some embodiments,
既に説明したように、通信インタフェース208は、廃水処理プラント関連データおよび太陽光データを受信するように構成される。通信インタフェース208は、廃水処理プラント関連データ及び太陽光データをプロセッサ202に転送する。プロセッサ202のモジュールは、メモリ204内の命令と連携して、WWTP110を効率的に動作させるための制御パラメータを決定するために、廃水処理プラント関連データ及び太陽光データを処理するように構成される。プロセッサ202は、廃水処理プラント関連データおよび太陽光データをモデル管理モジュール210に転送するように構成されている。
As previously described, the
実施形態では、モデル管理モジュール210は、メモリ204内の命令205と連携して、廃水処理プラント関連データおよび太陽光データに基づいて1つまたは複数のデータ予測モデルを生成するように構成されている。1つ以上のデータ予測モデルは、深層学習、機械学習、統計モデリング、および当該技術分野で既知の他の技術を使用して生成され得る。データ予測モデルのいくつかの例には、太陽プロファイル予測モデル、エネルギープロファイル予測モデル、排水プロファイル予測モデル、および水需要予測モデルが含まれるが、これらに限定されない。これらのデータ予測モデルは、後に詳細に説明されるように、予測に使用され得る。
In an embodiment, the
実施形態において、太陽プロファイル予測モデルは、太陽光データに基づいて生成される。より具体的には、定義された時間間隔からの太陽放射照度、光起電力セルの数、光起電力セルの容量、および過去の気象データの履歴値が、太陽プロファイル予測モデルの生成に使用されてもよい。実施形態では、エネルギープロファイル予測モデルは、少なくともWWTP構成要素データ(排水処理プラント構成要素データ)に基づいて生成されてもよい。一例では、エネルギープロファイル予測モデルは、過去1ヶ月/シーズンにわたって照合されたWWTP成分データに基づいて生成されてもよく、別のエネルギープロファイル予測モデルは、前日から照合されたWWTP成分データに基づいて生成されてもよい。実施形態において、流出プロファイル予測モデルは、流入液データ及び流出液データに基づいて生成される。例えば、降雨量、流入液及び流出液の濃度の違いにより、モンスーンシーズンには第1の流出液プロファイル予測モデルが生成され、サマーシーズンには第2の流出液プロファイル予測モデルが生成される。 In an embodiment, the solar profile forecast model is generated based on the solar data. More specifically, historical values of solar irradiance, number of photovoltaic cells, capacity of photovoltaic cells, and past weather data from a defined time interval may be used to generate the solar profile forecast model. In an embodiment, the energy profile forecast model may be generated based on at least WWTP component data (wastewater treatment plant component data). In one example, an energy profile forecast model may be generated based on WWTP component data collated over the past month/season, and another energy profile forecast model may be generated based on WWTP component data collated from the previous day. In an embodiment, the effluent profile forecast model is generated based on the influent data and the effluent data. For example, due to differences in rainfall, influent and effluent concentrations, a first effluent profile forecast model is generated for the monsoon season and a second effluent profile forecast model is generated for the summer season.
実施形態では、水需要予測モデルは、WWTPの貯蔵容量、生成された廃水の量、流入物の流量、流出物の流量、および水需要データに基づいて生成される。上述の2つの異なるデータ予測モデルを組み合わせて、1つのデータ予測モデルを生成してもよいことに留意されたい。1つの例示的な例では、排水プロファイル予測モデルおよび水需要予測モデルは、水需要データに基づいて排水プロファイルを予測するデータ予測モデルを生成するために結合されてもよい。さらに、上述のデータ予測モデルは例示的な目的のためのものであり、1つまたは複数のデータ予測モデルは、本明細書に記載されたものよりも多くのデータ予測モデルを含んでもよい。例えば、気象予測に基づいてWWTP110を最適に動作させるために、気象条件のみに基づいてデータ予測モデルが生成されてもよい。プロセッサ202は、データ予測モデルをデータベース220のデータ予測モデルプール222に格納するように構成される。
In an embodiment, the water demand forecast model is generated based on the storage capacity of the WWTP, the amount of wastewater generated, the influent flow rate, the effluent flow rate, and the water demand data. It should be noted that the two different data forecast models described above may be combined to generate one data forecast model. In one illustrative example, the wastewater profile forecast model and the water demand forecast model may be combined to generate a data forecast model that predicts the wastewater profile based on the water demand data. Furthermore, the data forecast models described above are for illustrative purposes, and the one or more data forecast models may include more data forecast models than those described herein. For example, a data forecast model may be generated based only on weather conditions to optimally operate the
実施形態では、モデル管理モジュール210は、1つ以上のデータ予測モデルの各データ予測モデルの性能を、予め定義された時間に監視するように構成される。本明細書で使用される「性能」という用語は、データ予測モデルの効率を示す指標を指す。データ予測モデルについて決定されるパフォーマンス指標のいくつかの例は、精度(例えば、二乗平均平方根誤差、平均誤差、中央値誤差、平均絶対誤差、係数決定、平均絶対誤差、平均パーセント誤差および相対平方根誤差)、およびこれらに限定はしないが、精度、想起、特異性、受信者動作特性(ROC)曲線、を含む。
In an embodiment, the
このように、各データ予測モデルの性能は、性能の偏差を決定するために閾値と比較される。一例では、水需要プロファイル予測モデルの性能は、平均誤差として予測された水需要値と実際の水需要値との間の数値差として決定されてもよい。実際の水需要値は、WWTP110から消費または再利用された処理水の量に基づいて決定されてもよい。性能が閾値から逸脱していることを示すこの平均誤差が、例えば、予め定義されていてもよい平均閾値を超えると、性能の逸脱が観察される。実施形態において、データ予測モデルの性能は、予め定義された時刻に決定されてもよい。より具体的には、データ予測モデルは、異なる時間間隔、例えば、毎時間、毎日、またはシステム150の効率的な作業のためにシステム150のオペレータによって予め定義され得る任意のそのような時間間隔において性能を決定するために評価され得る。
In this manner, the performance of each data forecast model is compared to a threshold value to determine a deviation in performance. In one example, the performance of the water demand profile forecast model may be determined as a numerical difference between the predicted water demand value as an average error and the actual water demand value. The actual water demand value may be determined based on the amount of treated water consumed or reused from the
実施形態では、性能の偏差を有するデータ予測モデルは、閾値を満たすように更新される。一般に、データ予測モデルは、性能要件を満たすために、それぞれ対応するデータ、例えば、太陽光データ、流入データ、流出データ、WWTPコンポーネントデータ、で更新され得る。1つの例示的な例では、太陽プロファイル予測モデルは、前月にわたって照合された太陽光データに基づいて生成されてもよく、性能の逸脱を示してもよい。このような場合、太陽プロファイル予測モデルは、太陽予測モデルの性能が閾値を満たすように更新されることを保証するために、前日まで照合された太陽光データで更新される。 In an embodiment, the data forecast model having performance deviations is updated to meet the threshold. In general, the data forecast model may be updated with corresponding data, e.g., solar data, inflow data, outflow data, WWTP component data, to meet performance requirements. In one illustrative example, the solar profile forecast model may be generated based on solar data collated over the previous month and may show performance deviations. In such a case, the solar profile forecast model is updated with solar data collated up to the day before to ensure that the performance of the solar forecast model is updated to meet the threshold.
実施形態では、予測モジュール212は、データベース220から1つまたは複数のデータ予測モデルを取得するように構成される。メモリ204に格納された命令およびプール222に格納されたデータ予測モデルと連携する予測モジュール212は、1日のデータプロファイルを予測するように構成される。例えば、太陽プロファイル予測モデルは、太陽光データに基づいて、1日の太陽プロファイルを予測する。また、エネルギー需要プロファイル予測モデルは、WWTP成分データに基づいて、1日のエネルギー需要プロファイルを予測する。また、水需要予測モデルは、WWTP内の貯蔵容量、および排水量と水需要データに基づいて、1日の水需要プロファイルを予測する。また、排水プロファイル予測モデルは、流入データおよび排水量データに基づいて、1日の排水量プロファイルを予測する。データ予測モデルは、システム150のオペレータから受信した入力に基づいてデータプロファイルを予測するために選択され得ることに留意されたい。例えば、WWTP110が曇りの日に運転される場合、曇りの日のために生成された太陽プロファイル予測モデルは、I/Oモジュール206を介してオペレータによって提供された入力に基づいてデータベース220から取得されてもよい。予測されたプロファイル(すなわち、太陽プロファイル、エネルギー需要プロファイル、水需要プロファイルおよび排水プロファイル)は、プロセス最適化モジュール214に転送される。
In an embodiment, the
メモリ204に記憶された命令と連携するプロセス最適化モジュール214は、WWTP110の最適化された使用法を決定するように構成される。本明細書で使用される「WWTPの最適化された使用法」という用語は、太陽エネルギーの最大限の使用、流出物中の汚染物質の最小化、及びWWTPが使用する全体的なエネルギーの最小化によって、WWTP110を効率的に使用することを示す。言い換えれば、WWTPは、以下説明するように、太陽エネルギーをより多く利用し、WWTPを動作させている間に消費される総エネルギーを低減するように効率的に動作させることである。
The
一実施形態では、WWTPの最適化された使用法は、1つ以上の目的関数を用いて決定される。定式化された1つ以上の目的関数の目的は、WWTP110におけるエネルギー使用量を最適化し、排水許可を満たす一方で生成された太陽エネルギーの使用量を最大化し、したがって、ネットゼロを達成するためにグリッド消費を削減することである。このように、1つ以上の目的関数は、WWTP110におけるエネルギー使用を最適化するための最小化問題または最大-最小問題として定式化することができる。実施形態では、1つ以上の目的関数は、1つ以上のデータ予測モデルに基づいて導出される。非限定的な実施形態では、WWTP110の最適化されたエネルギー使用量は、2つの目的関数、例えば、第1の目的関数310(図3Aに示す)および第2の目的関数340(図3Bに示す)を用いて、最小-最大問題として決定されてよい。より具体的には、第1の目的関数は、太陽エネルギーの使用を最大化するための、少なくとも、太陽エネルギープロファイル、エネルギー需要プロファイル、および水需要プロファイルに関連するパラメータの第1のセットと関連付けられる。太陽エネルギーの使用を最大化するための第1の目的関数f_1(x)の一例は、以下の数1によって示される。
In one embodiment, the optimized usage of the WWTP is determined using one or more objective functions. The objective of the formulated one or more objective functions is to optimize the energy usage in the
ここで、S_tは、太陽熱プロファイル、
NpはWWTPのポンプ台数
第1の目的関数310のパラメータは、太陽プロファイル、ポンプの数、ポンプの効率、利用可能なストレージ、遷移状態、生成された廃水の量、及び再生水の需要である。実施形態において、第1のパラメータのセット(例えば、数1のパラメータ)は、第1の制約のセットに基づいて決定される。第1のセットの制約は、少なくとも水貯蔵制約及び水需要制約に関連しており、システム150のオペレータ(すなわち、WWTP110のオペレータ)によって指定され得る。実施形態において、第1のパラメータのセットの各パラメータは、第1の制約のセットに基づいてパラメータに可能な値の範囲として示され得る。第1の目的関数310のパラメータを決定するための第1の制約条件は、以下の数2及び数3で示される通りである。
where S_t is the solar heating profile,
Np is the number of pumps in the WWTP. The parameters of the first
数2は貯蔵制約、数3は水需要制約を規定するものである。 Equation 2 specifies the storage constraint, and equation 3 specifies the water demand constraint.
一例では、ポンプの数および効率は、その日の貯蔵制約および水需要制約に基づいて決定されることがある。例えば、水需要制約が処理水の低需要を示す場合、WWTP110を動作させるためにポンプの選択セット(例えば、利用可能な50台のポンプのうち10台のポンプ)のみが使用されてもよい。実施形態において、第2の目的関数340は、少なくとも、流入流量、返送汚泥流量、流出液のpH、平均温度、平均空気流量、および流出液中の汚染物質を最小化しWWTPが使用する全体エネルギーを最小化するための流出液プロファイルに関連するパラメータの第2のセットと関連している(参照、図3B)。使用されるエネルギーの量を最小化し、排水中の汚染物質の量を最小化するための第2の目的関数f_2(x)の一例は、以下の数4で示される。
In one example, the number and efficiency of pumps may be determined based on the storage constraint and the water demand constraint for the day. For example, if the water demand constraint indicates a low demand for treated water, only a select set of pumps (e.g., 10 pumps out of 50 available pumps) may be used to operate the
より具体的には、第2の目的関数340は、曝気に使用されるエネルギーの量を最小化し(すなわち、溶存酸素レベルを最小化し)、流出物中の汚染物質の量を最小化するパラメータを含む。実施形態において、パラメータの第2のセットは、溶存酸素の量及び流出液の濃度に関連する制約の第2のセットに基づいて決定される。一般に、WWTP110の流出物中の主要な汚染物質は、規範、WWTPのタイプ及び処理水の最終使用に基づいて決定される。したがって、溶存酸素の限界値または第2のパラメータのセットに対して可能な値の範囲は、第2の制約条件を指定するための数学的および経験的方法を用いて決定される。このように、WWTPの最適化された使用を保証するグローバルミニマムからの最適パラメータが、1つまたは複数の目的関数を使用して決定される。実施形態において、1つ以上の目的関数は、WWTP110の最適化されたエネルギー使用量を決定するための機械学習モデル、ニューラルネットワークモデルまたは統計モデルを用いて解かれ得る。数1及び数2によって表される第1の目的関数310及び第2の目的関数340は例示的な目的のためであり、第1の目的関数310及び第2の目的関数340は、対応する数式に描かれたものよりも少ない又は多いパラメータを含み得ることに留意しなければならない。例えば、第2目的関数は、数4によって示されるように、重み値を含まなくてもよい。
More specifically, the second
排水処理プラントにおけるエネルギー利用を最適化するために、単一の目的関数が利用され得ることに留意されたい。一実施形態では、第3の目的関数360は、第1の目的関数310および第2の目的関数340の組み合わせである(参照、図3C)。したがって、第3の目的関数360は、少なくとも、太陽エネルギープロファイル、エネルギー需要プロファイル、水需要プロファイル、流入流量、返送汚泥流量、流出液のpH、平均温度、平均空気流量、及び流出液プロファイルに関するパラメータの第3のセットに関連する最小-最大問題である。さらに、第3の目的関数360のための第3のパラメータのセットは、本質的に第1の制約のセットと第2の制約のセットとの組み合わせである第3の制約のセットに基づいて決定される。さらに、最適化問題を解くための単一の目的関数(すなわち、第3の目的関数)または2つの目的関数(すなわち、第1の目的関数および第2の目的関数)の使用は例示的な目的であり、WWTP110の最適化された使用を決定するための異なるデータプロファイルまたはデータプロファイルの種々の組み合わせに基づいて2以上の目的関数が策定されてよいことに注意されたい。
It should be noted that a single objective function may be utilized to optimize energy utilization in the wastewater treatment plant. In one embodiment, the third objective function 360 is a combination of the first
実施形態において、プロセス最適化モジュール214は、WWTP110の最適化された使用量に基づいて、WWTP110を動作させるための1つまたは複数の制御パラメータを決定するように構成される。より具体的には、制御パラメータは、WWTP110の最適化された使用法のための最適パラメータに基づいて、WWTP110の様々な構成要素を動作させるための値を指定する。実施形態において、WWTP110を動作させるための1つ以上の制御パラメータは、WWTP110の構成要素を動作させるスケジュール、WWTP110の構成要素の数、WWTP110の構成要素を動作させる速度、及び水質管理点のうちの少なくとも1つを含む。水質管理点は、例えば、最大/最小濁度など、流出液中の汚染物質に対する臨界制限を示す。1つの例示的な例では、制御パラメータは、特定の期間オンにする必要があるポンプ/ブロワ/エアレータの数(例えば、ポンプA、B、C及びブロワC、D及びE)及びポンプ/ブロワ/エアレータを動作させる必要がある速度(例えば、ポンプAを「x」rpmの一定速度で、ポンプBを2時間「x」rpm、残りの時間を「y」rpm、ブロワCを5時間「y」rpm、等)を示し得る。WWTP110におけるエネルギー利用を最適化するためのグリッドエネルギーと共に太陽エネルギーの統合を描いたプロットが、図4を参照して次に説明される。
In an embodiment, the
図4は、本開示の実施形態に従って、太陽エネルギーがWWTPを動作させるためのグリッドエネルギーと効率的に統合される場合に、WWTP110によって消費される総エネルギーの削減を描写するグラフプロット400を例示する。プロット402は、グリッドから引き出される電力を表し、プロット404は、WWTPによって使用される太陽エネルギーを表す。従来技術におけるWWTPによって引き出される総エネルギーは、例示的に406によって描かれている。プロット400は、太陽エネルギーとグリッドエネルギーとの効率的な統合によって達成されるエネルギー削減、及び目的関数の最適化によって達成されるプロセス最適化を表すために例示的に示されていることに留意されたい。
FIG. 4 illustrates a
図2を参照して既に説明したように、1つまたは複数の目的関数が最適化されて、WWTPの最適化された使用法が決定される。言い換えれば、WWTPの最適な使用法は、太陽エネルギーの使用量を最大化し、廃液を最小化し、WWTPを操作するために消費されるエネルギーの全体量を最小化することを保証する。WWTPの最適な使用方法は、プロセスの最適化によって太陽エネルギーとグリッドエネルギーを効果的に統合することによって達成することができる。プロセス最適化は、WWTPを運転するためのピークシフトが、運転のための最適なスケジュールを提供することによって確実に実施される。図3に示すように、WWTPの運転スケジュールは、太陽エネルギーのピーク(プロット402で示す)がグリッドエネルギーのピーク(プロット404で示す)と一致するように決定される。より具体的には、WWTPの最適化された運転スケジュールは、グリッドから電力を引き出すためのピーク時間が、太陽エネルギー使用のピークと一致するように「t」時間期間だけシフトされることを保証し、したがって、グリッドから引き出すエネルギーを削減しながら太陽エネルギーの使用を最大化する(参照、図4の408で示すグリッドエネルギーの削減)。さらに、プロット400から明らかなように、システム150(すなわち、プロセス最適化モジュール214)によって実行されるプロセス最適化は、WWTPを動作させるために使用される総エネルギーが減少することを保証し(図4において410によって描写)、それによって再生可能エネルギー(すなわち、グリッドエネルギーと太陽エネルギー)をグリッドエネルギーと効果的に統合することによって排水処理プラントのエネルギー使用を最適化している。言い換えれば、グリッドのみから引き出されるエネルギーは、太陽エネルギーおよびプロセスの最適化の効率的な統合によって低減される(すなわち、408および410によって示されるエネルギー低減)。プロット400は例示的なものであり、最適化は、グリッドから引き出されるエネルギーおよびWWTPによる全体的なエネルギー消費の削減を示すことに留意されたい。エネルギー効率を達成するためにWWTPを最適に動作させるために、太陽エネルギーとグリッドエネルギーとの効率的な統合を描写する方法を、図5を参照して次に説明する。
As already described with reference to FIG. 2, one or more objective functions are optimized to determine the optimized usage of the WWTP. In other words, the optimal usage of the WWTP ensures that the usage of solar energy is maximized, the wastewater is minimized, and the overall amount of energy consumed to operate the WWTP is minimized. The optimal usage of the WWTP can be achieved by effectively integrating solar energy and grid energy through process optimization. The process optimization ensures that the peak shift for operating the WWTP is implemented by providing an optimal schedule for operation. As shown in FIG. 3, the operation schedule of the WWTP is determined such that the peak of solar energy (shown in plot 402) coincides with the peak of grid energy (shown in plot 404). More specifically, the optimized operation schedule of the WWTP ensures that the peak time for drawing power from the grid is shifted by a "t" time period to coincide with the peak of solar energy usage, thus maximizing the use of solar energy while reducing the energy drawn from the grid (see, the reduction of grid energy shown in FIG. 4 at 408). Moreover, as is evident from
図5は、本開示の実施形態による、廃水処理プラント(WWTP)を動作させるための方法500を示すフローチャートである。フローチャートに描かれた方法500は、例えば、図2-4を参照して示され説明されたシステム150によって実行され得る。フローチャートの各操作(ステップ)、およびフローチャートにおけるステップの組み合わせは、例えば、ハードウェア、ファームウェア、プロセッサ、回路および/または1つまたは複数のコンピュータプログラム命令を含むソフトウェアの実行に関連する別のデバイスによって実行されてもよい。方法500の動作は、システム150の助けを借りて本明細書で説明される。方法500のステップは、システム150以外のシステム/デバイスの1つまたは複数のプロセッサを使用することによって説明および/または実践され得ることに留意されたい。方法500は、ステップ502で開始する。
5 is a flow chart illustrating a
方法500のステップ502では、廃水処理プラント関連データ、水需要データおよび太陽光データが、図2を参照して示され説明されたシステム150によって受信される。既に説明したように、システム150は、WWTPの動作を制御するように構成された制御システム内で具現化され得るか、または、WWTPの動作を管理する制御システムに制御パラメータを提供する遠隔スタンドアロンサーバであろう。廃水処理プラント関連データは、流入データ、流出データ、およびWWTPコンポーネントデータを含むが、これらに限定されない。
In
方法500のステップ504において、太陽プロファイル予測モデル、エネルギープロファイル予測モデル、排水プロファイル予測モデル、および水需要予測モデルのうちの少なくとも1つを含む1つまたは複数のデータ予測モデルが取得される。1つ以上のデータ予測モデルは、排水処理プラント関連データおよび太陽光データに基づいて生成され、データベース220などのデータベースに格納される。例えば、太陽プロファイル予測モデルは、太陽光データに基づいて生成され、エネルギープロファイル予測モデルは、少なくともWWTP構成要素データに基づいて生成され、水需要予測モデルは、WWTPの貯蔵容量、廃水生成量、流入物の流量、流出物の流量、および水需要データに基づいて生成され、流出プロファイル予測モデルは、流入物データおよび流出物データに基づいて生成され得る。
In step 504 of
方法500の動作506では、1つまたは複数のデータ予測モデルに少なくとも部分的に基づいて導出された1つまたは複数の目的関数を使用して、WWTPの最適化された使用法が決定される。より具体的には、データ予測モデルは、1日のデータプロファイルを予測するように構成される。例えば、太陽プロファイル予測モデルは、1日の太陽プロファイルを予測し、エネルギー需要プロファイル予測モデルは、1日のエネルギー需要プロファイルを予測し、水需要予測モデルは、1日の水需要プロファイルを予測し、流出プロファイル予測モデルは、1日の流出プロファイルを予測する。予測されたプロファイルは、1つまたは複数の目的関数のパラメータを決定するために使用される。実施形態において、WWTP110の最適化された使用量は、2つの目的関数、例えば、第1の目的関数および第2の目的関数を用いて、最小-最大問題として決定され得る。より具体的には、第1の目的関数は、少なくとも、太陽エネルギーの使用を最大化するための太陽エネルギープロファイル、エネルギー需要プロファイル、および水需要プロファイル(参照、数1)に関連するパラメータの第1のセットと関連し、第2の目的関数は、少なくともに関連するパラメータの第2のセットと関連する。第2の目的関数は、流出液中の汚染物質を最小化し、WWTPで使用されるエネルギー全体を最小化するために、流入流量、返送汚泥流量、流出液のpH、平均温度、平均空気流量、流出液プロファイル(数4参照)に関連する第2のパラメータ群に関連している。このように、パラメータの第1のセットは、制約の第1のセットに基づいて決定され、パラメータの第2のセットは、制約の第2のセットに基づいて決定される。このように、WWTPの最適化された使用法は、目的関数(すなわち、第1の目的関数および第2の目的関数)を最小-最大問題として最適化することによって決定される。より具体的には、WWTPの最適化された使用量を保証する最適なパラメータは、1つ以上の目的関数(例えば、第1の目的関数と第2の目的関数)を最適化することによって決定される。いくつかの例示的な実施形態では、パラメータの第1のセットとパラメータの第2のセットとを組み合わせることによって、単一の目的関数が生成される。しかしながら、WWTPの最適化された使用法を決定するための異なるデータプロファイルまたはデータプロファイルの様々な組み合わせに基づいて、2つ以上の目的関数が定式化され得ることに留意されたい。
In
方法500のステップ508において、WWTPを動作させるための1つ以上の制御パラメータが、WWTPの最適化された使用量に少なくとも部分的に基づいて決定される。つまたは複数の制御パラメータのいくつかの例は、WWTPの構成要素を動作させるためのスケジュール、WWTPの構成要素の数、WWTPの構成要素を動作させる速度、および水質制御点を含むが、これらに限定されない。
In
方法500のステップのシーケンスは、必ずしもそれらが提示されているのと同じ順序で実行される必要はない。さらに、1つまたは複数のオペレーションをグループ化して、1つのステップの形で実行してもよいし、1つのオペレーションが、並行してまたは順次的に実行され得るいくつかのサブステップを有してもよい。
The sequence of steps in
図5を参照して開示された方法、またはフローチャート500の1つまたは複数の動作は、1つまたは複数のコンピュータ可読媒体(例えば、1つまたは複数の光媒体ディスクなどの非一過性のコンピュータ可読媒体、揮発性メモリコンポーネント(例えば、DRAMまたはSRAM)、または不揮発性メモリまたは記憶コンポーネント(例えば、ハードドライブまたはフラッシュメモリコンポーネントなどの固体不揮発性メモリコンポーネント)であり、コンピュータ(例えば、ラップトップコンピュータ、ネットブック、ウェブブック、タブレット演算装置、スマートフォン、または他のモバイル演算装置など、任意の適切なコンピュータ)上で実行される。このようなソフトウェアは、例えば、単一のローカルコンピュータ上で実行されることができる。
The method disclosed with reference to FIG. 5, or one or more operations of
図6は、本開示の一実施形態による、廃水処理プラントにおけるエネルギー利用を最適化するための汎用コンピュータのブロック図である。コンピュータシステム600は、中央処理装置(「CPU」または「プロセッサ」)602を具備していてもよい。プロセッサ602は、少なくとも1つのデータプロセッサを含んでもよい。プロセッサ602は、統合システム(バス)コントローラ、メモリ管理制御ユニット、浮動小数点ユニット、グラフィック処理ユニット、デジタル信号処理ユニットなどの特殊な処理ユニットを含んでもよい。コンピュータシステム600は、システム150(図2に示す)に類似している場合がある。
FIG. 6 is a block diagram of a general-purpose computer for optimizing energy utilization in a wastewater treatment plant, according to one embodiment of the present disclosure.
プロセッサ602は、I/Oインタフェース601を介して1つまたは複数の入力/出力(I/O)デバイス(図示せず)と通信するように配置されることがある。I/Oインタフェース601は、限定されないが、オーディオ、アナログ、デジタル、モノラル、RCA、ステレオ、IEEE-1394、シリアルバス、ユニバーサルシリアルバス(USB)、赤外線、PS/2、BNC、同軸、コンポーネント、複合、デジタル視覚インタフェース(DVI)、高品位マルチメディアインターフェース(HDMI(登録商標))、高周波(RF)アンテナ、Sビデオ、VGA、IEEE 802.n /b/g/n/x、Bluetooth、セルラー(例えば、以下、CDMA、HSPA+、GSM、LTE、WiMax等)等である。
The
I/Oインタフェース601を使用して、コンピュータシステム600は、1つまたは複数のI/Oデバイスと通信することができる。例えば、入力デバイス610は、アンテナ、キーボード、マウス、ジョイスティック、(赤外線)リモートコントロール、カメラ、カードリーダー、ファックス機、ドングル、生体認証リーダー、マイク、タッチスクリーン、タッチパッド、トラックボール、スタイラス、スキャナ、ストレージデバイス、トランシーバ、ビデオデバイス/ソースなどであっても良い。出力装置611は、プリンタ、ファックス、ビデオディスプレイ(例えば、陰極線管(CRT)、液晶ディスプレイ(LCD)、発光ダイオード(LED)、プラズマ、プラズマディスプレイパネル(PDP)、有機発光ダイオードディスプレイ(OLED)等)、オーディオスピーカ等であってもよい。
Using the I/
いくつかの実施形態では、コンピュータシステム600は、通信ネットワーク609を介してリモートデバイス612に接続される。遠隔デバイス612は、WWTP関連データを追跡する周辺デバイスであってもよい。プロセッサ602は、ネットワークインタフェース603を介して通信ネットワーク609と通信するように配置されてもよい。ネットワークインタフェース603は、通信ネットワーク609と通信することができる。ネットワークインタフェース603は、限定されないが、ダイレクトコネクト、イーサネット(例えば、ツイストペア10/100/1000ベースT)、伝送制御プロトコル/インターネットプロトコル(TCP/IP)、トークンリング、IEEE 802.11a/b/g/n/x、等を含む接続プロトコルを採用しても良い。 通信ネットワーク609は、限定されないが、直接相互接続、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、無線ネットワーク(例えば、無線アプリケーションプロトコル使用)、インターネットなどを含み得る。 ネットワークインタフェース603および通信ネットワーク609を使用して、コンピュータシステム600は、リモートデバイス612と通信し得る。ネットワークインタフェース603は、ダイレクトコネクト、イーサネット(例えば、ツイストペア10/100/1000ベースT)、伝送制御プロトコル/インターネットプロトコル(TCP/IP)、トークンリング、IEEE 802.11a/b/g/n/xなどを含むが、これらに限定されない接続プロトコルを採用し得る。
In some embodiments, the
通信ネットワーク609は、直接相互接続、電子商取引ネットワーク、ピアツーピア(P2P)ネットワーク、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、無線ネットワーク(例えば、無線アプリケーションプロトコル使用)、インターネット、Wi-Fi、3GPP(登録商標)、などを含むが、これらに限定はされない。第1のネットワーク及び第2のネットワークは、専用ネットワーク又は共有ネットワークのいずれかであってもよく、これは、例えば、HTTP(Hypertext Transfer Protocol)、TCP/IP(Transmission Control Protocol/Internet Protocol)、WAP(Wireless Application Protocol)等の種々のプロトコルを使用して互いに通信する異なる種類のネットワークの関連を表す。さらに、第1のネットワークおよび第2のネットワークは、ルータ、ブリッジ、サーバ、コンピューティングデバイス、ストレージデバイスなどを含む、様々なネットワークデバイスを含むことができる。
The
いくつかの実施形態では、プロセッサ602は、ストレージインタフェース604を介してメモリ605(例えば、図6に示されていないRAM、ROMなど)と通信して配置されることがある。 ストレージインタフェース604は、シリアルアドバンストテクノロジーアタッチメント(SATA)、統合ドライブエレクトロニクス(IDE)、IEEE-1394、ユニバーサルシリアルバス(USB)、ファイバチャネル、小型コンピュータシステムインターフェース(SCSI)等の接続プロトコルを採用して、限定されないがメモリドライブ、取り外し可能ディスクドライブ等を含むメモリ605に接続してもよい。メモリドライブは、さらに、ドラム、磁気ディスクドライブ、光磁気ドライブ、光学ドライブ、RAID(Redundant Array of Independent Discs)、固体メモリデバイス、固体ドライブなどを含み得る。
In some embodiments, the
メモリ605は、限定されないが、ユーザインタフェース606、オペレーティングシステム607、ウェブサーバ608などを含む、プログラムまたはデータベースコンポーネントの集合を格納することができる。いくつかの実施形態では、コンピュータシステム600は、本開示で説明されるような、データ、変数、レコードなどのユーザ/アプリケーションデータを格納してもよい。そのようなデータベースは、Oracle (商標)またはSybase (商標)などのフォールトトレラント、リレーショナル、スケーラブル、セキュアデータベースとして実装されてもよい。
オペレーティングシステム607は、コンピュータシステム600のリソース管理および動作を容易にし得る。オペレーティングシステムの例としては、限定されないが、APPLE MACINTOSH(商標) OS X、UNIX(登録商標)、UNIX様システムディストリビューション(例えば、BERKELEY SOFTWARE DISTRIBUTION(商標)(BSD)、FREEBSD(商標)、NETBSD(商標)、OPENBSD(商標)など)、LINUX DISTRIBUTIONS(商標)(例えば、、RED HAT(商標)、UBUNTU(商標)、KUBUNTU(商標)など)、IBM(商標) OS/2、MICROSOFT(商標) WINDOWS(登録商標)(XP(商標)、VISTA(商標)/7/8、10など)、APPLE(商標) IOS(商標)、GOOGLE(商標) ANDROID(登録商標)、BLACKBERRY(登録商標) OSなどのOSがある。
いくつかの実施形態では、コンピュータシステム600は、ウェブブラウザ608格納プログラムコンポーネントを実装することができる。ウェブブラウザ608は、例えばMICROSOFT(商標) INTERNET EXPLORER(商標)、GOOGLE CHROME(商標)、MOZILLA(商標) FIREFOX(商標)、APPLE SAFARI(商標)などのハイパーテキスト表示アプリケーションであってもよい。安全なウェブブラウジングは、Secure Hypertext Transport Protocol(HTTPS)、Secure Sockets Layer(SSL)、Transport Layer Security(TLS)などを使用して提供される場合がある。ウェブブラウザ608は、AJAX(商標)、DHTML(商標)、ADOBER FLASH(商標)、JAVASCRIPT(登録商標)、JAVA(登録商標)、アプリケーションプログラミングインタフェース(API)等の設備を利用してもよい。いくつかの実施形態では、コンピュータシステム600は、メールサーバ格納プログラムコンポーネントを実装することができる。メールサーバは、Microsoft Exchangeなどのインターネットメールサーバであってもよい。メールサーバは、ASP(商標)、ACTIVEX(商標)、ANSI(商標) C++/C#、MICROSOFT(商標)、.NET(商標)、CGI SCRIPTS(商標)、JAVA(登録商標)、JAVASCRIPT(登録商標)、PERL(商標)、PHP(商標)、PYTHON(登録商標)、WEBOBJECTS(商標)などの設備を利用することができる。メールサーバは、Internet Message Access Protocol(IMAP)、Messaging Application Programming Interface(MAPI)、MICROSOFT(商標) exchange、Post Office Protocol(POP)、Simple Mail Transfer Protocol(SMTP)、などの通信プロトコルを利用してもよい。いくつかの実施形態では、コンピュータシステム600は、メールクライアントストアドプログラムコンポーネントを実装することができる。メールクライアントは、APPLE(商標) MAIL(商標)、MICROSOFT(商標) ENTOURAGE(商標)、MICROSOFT(商標) OUTLOOK(商標)、MOZILLA(商標) THUNDERBIRD(商標)などのメール閲覧アプリケーションであってもよい。
In some embodiments, the
さらに、1つまたは複数のコンピュータ読み取り可能な記憶媒体が、本開示と一致する実施形態を実施する際に利用され得る。コンピュータ読み取り可能な記憶媒体は、プロセッサによって読み取り可能な情報またはデータが記憶され得る、任意のタイプの物理的メモリを指す。したがって、コンピュータ読み取り可能な記憶媒体は、プロセッサ(複数可)に本明細書に記載の実施形態と一致するステップまたは段階を実行させるための命令を含む、1つまたは複数のプロセッサによる実行のための命令を記憶し得る。コンピュータ読み取り可能な媒体」という用語は、有形物を含み、搬送波および過渡信号を除外する、すなわち、非一過性であると理解されるべきである。例としては、RAM(Random Access Memory)、ROM(Read-Only Memory)、揮発性メモリ、不揮発性メモリ、ハードディスク、CD(Compact Disc)ROM、DVD、フラッシュドライブ、ディスク、および他の任意の既知の物理的記憶媒体が挙げられる。 Furthermore, one or more computer-readable storage media may be utilized in implementing embodiments consistent with the present disclosure. A computer-readable storage medium refers to any type of physical memory in which information or data readable by a processor may be stored. Thus, a computer-readable storage medium may store instructions for execution by one or more processors, including instructions for causing the processor(s) to perform steps or stages consistent with the embodiments described herein. The term "computer-readable medium" should be understood to include tangible objects and exclude carrier waves and transient signals, i.e., non-transient. Examples include Random Access Memory (RAM), Read-Only Memory (ROM), volatile memory, non-volatile memory, hard disks, Compact Disc (CD) ROMs, DVDs, flash drives, disks, and any other known physical storage medium.
本開示の様々な実施形態は、多数の利点を提供する。本開示の実施形態は、WWTPにおけるエネルギー中立性を達成するために、再生可能エネルギーを効率的に利用する方法を提供する。太陽エネルギーの効率的な利用は、グリッドエネルギーと統合され、グリッドからの電力消費を最小化し、太陽エネルギーの利用を最大化する。さらに、プロセスの最適化により、WWTPの総エネルギー消費量を削減し、WWTPの運転費用(OPEX)を削減することができる。さらに、太陽エネルギーとグリッドエネルギーを効率的に統合するプロセスの最適化により、WWTPの運転時間のピークシフトが保証されるため、太陽エネルギーが効率的に使用され、巨大なバッテリーの設置やそのメンテナンスにかかる資本支出(CAPEX)が不要になる。太陽エネルギーの利用によりグリッドへの依存度が下がるため、GHG の排出が大幅に削減され、WWTPの運用による環境への影響が軽減される。 Various embodiments of the present disclosure provide numerous advantages. The embodiments of the present disclosure provide a method for efficient use of renewable energy to achieve energy neutrality in the WWTP. The efficient use of solar energy is integrated with grid energy to minimize power consumption from the grid and maximize the use of solar energy. Furthermore, process optimization can reduce the total energy consumption of the WWTP and reduce the operating expenses (OPEX) of the WWTP. Furthermore, process optimization for efficient integration of solar energy with grid energy ensures peak shifting of the operation hours of the WWTP, so that solar energy is used efficiently and eliminates the need for capital expenditures (CAPEX) for the installation and maintenance of huge batteries. The use of solar energy reduces the dependency on the grid, which significantly reduces GHG emissions and reduces the environmental impact of the operation of the WWTP.
一般に、本明細書で使用され、一般に「開放」用語として意図される用語(例えば、用語「含む」は「含むが限定されない」と解釈されるべきで、用語「有する」は「少なくとも有する」と解釈されるべきで、用語「含む」は「含むが限定されない」等)は当業者によって理解されるであろう。例えば、理解を助けるために、詳細な説明には、叙述を導入するための導入フレーズ「少なくとも1つ」および「1つまたは複数」の用法を含めることができる。 In general, terms used herein that are generally intended as "open" terms (e.g., the term "including" should be interpreted as "including but not limited to," the term "having" should be interpreted as "having at least," the term "including" should be interpreted as "including but not limited to," etc.) will be understood by those of ordinary skill in the art. For example, to aid in understanding, the detailed description may include the use of the introductory phrases "at least one" and "one or more" to introduce narratives.
本明細書では様々な態様および実施形態が開示されているが、他の態様および実施形態は当業者には明らかであろう。本明細書に開示された様々な態様および実施形態は、説明のためのものであり、限定することを意図しておらず、真の範囲および精神は、以下の詳細な説明によって示される。 While various aspects and embodiments are disclosed herein, other aspects and embodiments will be apparent to those of skill in the art. The various aspects and embodiments disclosed herein are illustrative and not intended to be limiting, with the true scope and spirit being indicated by the following detailed description.
100:環境
102:住宅
104:産業
106:雨水
108:農地
110:廃水処理プラント(WWTP)
112:グリッド
114:太陽光発電パネル
150:システム
202:プロセッサ
204:メモリ
205:命令
206:入出力モジュール
208:通信インタフェース
210:モデル管理モジュール
212:予測モジュール
214:プロセス最適化モジュール
100: Environment
102: Housing
104: Industry
106: Rainwater
108: Farmland
110: Wastewater treatment plants (WWTP)
112: Grid
114: Solar power panel
150: System
202: Processor
204: Memory
205: Command
206: Input/Output Module
208: Communication interface
210: Model Management Module
212: Prediction module
214: Process Optimization Module
Claims (24)
プロセッサは、廃水処理プラント関連データ、水需要データおよび太陽光データを受信し、
前記プロセッサは、太陽プロファイル予測モデル、エネルギープロファイル予測モデル、排水プロファイル予測モデル、および水需要予測モデルのうちの少なくとも1つを含む1つまたは複数のデータ予測モデルを取得し、
前記プロセッサは、前記1つまたは複数のデータ予測モデルに少なくとも部分的に基づいて導出された1つまたは複数の目的関数を使用して、廃水処理プラントのエネルギー使用量を決定し、
前記プロセッサは、前記廃水処理プラントの決定されたエネルギー使用量に少なくとも部分的に基づいて、前記廃水処理プラントを操作するための1つまたは複数の制御パラメータを決定する、方法。 1. A method implemented in a system having a processor and a memory for operating a wastewater treatment plant, the method including:
The processor receives the wastewater treatment plant related data, the water demand data, and the solar data;
The processor obtains one or more data forecast models, including at least one of a solar profile forecast model, an energy profile forecast model, a wastewater profile forecast model, and a water demand forecast model;
The processor determines energy usage for the wastewater treatment plant using one or more objective functions derived based at least in part on the one or more data-forecasting models;
The method of claim 1, wherein the processor determines one or more control parameters for operating the wastewater treatment plant based at least in part on the determined energy usage of the wastewater treatment plant.
前記1つまたは複数の目的関数の第1の目的関数は、少なくとも、太陽エネルギーの使用を最大化するための太陽エネルギープロファイル、エネルギー需要プロファイル、および水需要プロファイルに関連するパラメータの第1のセットと関連付けられる、方法。 2. The method of claim 1 ,
A method wherein a first objective function of the one or more objective functions is associated with at least a first set of parameters related to a solar energy profile, an energy demand profile, and a water demand profile for maximizing use of solar energy.
前記プロセッサは、
太陽光データに基づいて、太陽プロファイル予測モデルによって1日の太陽エネルギープロファイルを予測し、
少なくとも廃水処理プラント関連データに基づいてエネルギープロファイル予測モデルによって1日のエネルギー需要プロファイルを予測し、
水需要予測モデルによって、少なくとも前記廃水処理プラントの貯蔵容量、廃水量、および水需要データの何れか一つに基づいて一日の水需要プロファイルを予測する、方法。 3. The method of claim 2,
The processor,
Based on the solar data, the solar profile prediction model predicts the solar energy profile for one day;
predicting a daily energy demand profile with an energy profile forecasting model based on at least wastewater treatment plant related data;
and forecasting a daily water demand profile based on at least one of storage capacity, wastewater volume, and water demand data of the wastewater treatment plant using a water demand forecasting model.
前記プロセッサは、
少なくとも貯水制約および水需要制約に関連する第1の制約のセットに基づいて第1のパラメータのセットを決定する、方法。 3. The method of claim 2,
The processor,
The method includes determining a first set of parameters based on a first set of constraints relating to at least a water storage constraint and a water demand constraint.
前記プロセッサは、
1つ以上の目的関数のうちの第2の目的関数を、少なくとも、流入流量、返送汚泥流量、流出液のpH、平均温度、平均空気流量、及び流出液中の汚染物質を最小化し、前記廃水処理プラントが使用する全体エネルギーを最小化するための流出液プロファイルに関するパラメータの第2のセットと関連付ける、方法。 2. The method of claim 1 ,
The processor,
The method of claim 1, wherein a second objective function of the one or more objective functions is associated with a second set of parameters relating to at least the influent flow rate, the return sludge flow rate, the effluent pH, the average temperature, the average air flow rate, and the effluent profile to minimize contaminants in the effluent and to minimize overall energy used by the wastewater treatment plant.
前記プロセッサは、
流入データおよび流出データに基づいて、流出プロファイル予測モデルにより流出プロファイルを予測する、方法。 6. The method of claim 5,
The processor,
The method predicts a runoff profile based on the inflow data and the outflow data using a runoff profile prediction model.
前記プロセッサは、
溶存酸素量および排水濃度に関連する第2の制約条件に基づいて第2のパラメータのセットを決定する、方法。 6. The method of claim 5,
The processor,
The method determines a second set of parameters based on a second constraint related to the amount of dissolved oxygen and the effluent concentration.
前記プロセッサは、
1つ以上の目的関数のうちの第3の目的関数を、前記廃水処理プラントによってエネルギーを効率的に利用するための、太陽エネルギープロファイル、エネルギー需要プロファイル、水需要プロファイル、流入流量、返送汚泥流量、流出液のpH、平均温度、平均空気流量、及び流出液プロファイル、の少なくとも一つに関連するパラメータの第3セットと関連付ける、方法。 2. The method of claim 1 ,
The processor,
The method of claim 1, further comprising associating a third objective function of the one or more objective functions with a third set of parameters related to at least one of a solar energy profile, an energy demand profile, a water demand profile, an influent flow rate, a return sludge flow rate, an effluent pH, an average temperature, an average air flow rate, and an effluent profile for efficient energy utilization by the wastewater treatment plant.
前記廃水処理プラントを動作させるための1つ以上の制御パラメータは、前記廃水処理プラントの構成要素を動作させるスケジュール、前記廃水処理プラントの構成要素の数、前記廃水処理プラントの構成要素を動作させる速度、および水質管理点の少なくとも1つを含む、方法。 2. The method of claim 1 ,
The method, wherein the one or more control parameters for operating the wastewater treatment plant include at least one of a schedule for operating components of the wastewater treatment plant, a number of components of the wastewater treatment plant, a rate at which components of the wastewater treatment plant are operated, and a water quality control point.
前記プロセッサは、
前記1つまたは複数のデータ予測モデルの各データ予測モデルの性能を所定のタイミングで評価し、閾値と比較して性能の偏差を決定する、方法。 2. The method of claim 1 ,
The processor,
evaluating performance of each of said one or more data prediction models at predetermined times and comparing to a threshold to determine deviation in performance.
前記プロセッサは、
前記1つまたは複数のデータ予測モデルのうち、性能に偏差があるデータ予測モデルを、前記閾値を満たすように更新する、方法。 11. The method of claim 10,
The processor,
updating a data prediction model having a deviation in performance among the one or more data prediction models so as to satisfy the threshold.
廃水処理プラント関連データは、少なくとも、流入データ、流出データ、および排水処理プラント構成要素データからなり、
前記プロセッサは、前記1つまたは複数のデータ予測モデルを、前記廃水処理プラント関連データおよび前記太陽光データに基づいて、少なくとも部分的に生成する、方法。 2. The method of claim 1 ,
the wastewater treatment plant related data comprises at least inflow data, outflow data, and wastewater treatment plant component data;
The method of claim 1, wherein the processor generates the one or more data forecasting models based at least in part on the wastewater treatment plant-related data and the solar data.
前記システムは、
命令を記憶するように構成されたメモリと、
前記メモリに記憶された命令を実行するように構成されたプロセッサと、を有し、
前記プロセッサは、
廃水処理プラント関連データ、水需要データ、および太陽光データを受信し、
太陽プロファイル予測モデル、エネルギープロファイル予測モデル、排水プロファイル予測モデル、および水需要予測モデルのうちの少なくとも1つを含む1つまたは複数のデータ予測モデルを取得し、
前記1つまたは複数のデータ予測モデルに少なくとも部分的に基づいて導出された1つまたは複数の目的関数を使用して、前記廃水処理プラントの使用法を決定し、
前記廃水処理プラントの決定されたエネルギー使用量に少なくとも部分的に基づいて、前記廃水処理プラントを動作させるための1つまたは複数の制御パラメータを決定する、システム。 1. A system for operating a wastewater treatment plant, comprising:
The system comprises:
A memory configured to store instructions;
a processor configured to execute instructions stored in the memory;
The processor,
Receive wastewater treatment plant related data, water demand data, and solar data;
obtaining one or more data forecast models, including at least one of a solar profile forecast model, an energy profile forecast model, a wastewater profile forecast model, and a water demand forecast model;
determining usage of the wastewater treatment plant using one or more objective functions derived based at least in part on the one or more data-based predictive models;
The system determines one or more control parameters for operating the wastewater treatment plant based at least in part on the determined energy usage of the wastewater treatment plant.
前記プロセッサは、
1つ以上の目的関数のうちの第1の目的関数を、少なくとも、太陽エネルギーの使用を最大化するための太陽エネルギープロファイル、エネルギー需要プロファイル、および水需要プロファイルに関連するパラメータの第1のセットと関連付ける、システム。 14. The system of claim 13,
The processor,
The system associates a first objective function of the one or more objective functions with at least a first set of parameters related to a solar energy profile, an energy demand profile, and a water demand profile for maximizing use of solar energy.
前記プロセッサは、
1日の太陽エネルギープロファイルは、太陽光データに基づいて、太陽プロファイル予測モデルによって予測し、
一日のエネルギー需要プロファイルを、エネルギープロファイル予測モデルによって、少なくとも廃水処理プラント構成要素データに基づいて予測し、
水需要予測モデルを、少なくとも前記廃水処理プラントの貯蔵容量、廃水量、および水需要データに基づいて、1日の水需要プロファイルを予測する、システム。 15. The system of claim 14,
The processor,
The daily solar energy profile is predicted by the solar profile forecast model based on the solar data.
predicting a daily energy demand profile based on at least the wastewater treatment plant component data with an energy profile forecasting model;
The system further comprises a water demand forecasting model for forecasting a daily water demand profile based on at least the wastewater treatment plant storage capacity, wastewater volume, and water demand data.
前記プロセッサは、
第1のパラメータのセットを、少なくとも貯水制約および水需要制約に関連する第1の制約のセットに基づいて決定する、システム。 15. The system of claim 14,
The processor,
The system determines a first set of parameters based on a first set of constraints related to at least a water storage constraint and a water demand constraint.
前記プロセッサは、
1つ以上の目的関数のうちの第2の目的関数を、少なくとも、流入流量、返送汚泥流量、流出液のpH、平均温度、平均空気流量、及び流出液中の汚染物質を最小化し、前記廃水処理プラントが使用する全体エネルギーを最小化するための流出液プロファイルに関するパラメータの第2のセットと関連付ける、システム。 14. The system of claim 13,
The processor,
The system associates a second objective function of the one or more objective functions with a second set of parameters relating to at least the influent flow rate, the return sludge flow rate, the effluent pH, the average temperature, the average air flow rate, and the effluent profile for minimizing contaminants in the effluent and minimizing overall energy used by the wastewater treatment plant.
前記プロセッサは、
流入データおよび流出データに基づいて、流出プロファイル予測モデルにより流出プロファイルを予測する、システム。 20. The system of claim 17,
The processor,
The system predicts a runoff profile based on the inflow data and the outflow data using a runoff profile prediction model.
前記プロセッサは、
第2のパラメータのセットを、溶存酸素量および排水濃度に関連する第2の制約条件に基づいて決定する、システム。 20. The system of claim 17,
The processor,
The system determines a second set of parameters based on a second constraint related to the amount of dissolved oxygen and the effluent concentration.
前記プロセッサは、
1つ以上の目的関数のうちの第3の目的関数を、前記廃水処理プラントによってエネルギーを効率的に利用するための、太陽エネルギープロファイル、エネルギー需要プロファイル、水需要プロファイル、流入流量、返送汚泥流量、流出液のpH、平均温度、平均空気流量、及び流出液プロファイル、の少なくとも一つに関連するパラメータの第3セットと関連付ける、システム。 14. The system of claim 13,
The processor,
The system associates a third objective function of the one or more objective functions with a third set of parameters related to at least one of a solar energy profile, an energy demand profile, a water demand profile, an influent flow rate, a return sludge flow rate, an effluent pH, an average temperature, an average air flow rate, and an effluent profile for efficient energy utilization by the wastewater treatment plant.
前記廃水処理プラントを動作させるための1つ以上の制御パラメータは、前記廃水処理プラントの構成要素を動作させるスケジュール、前記廃水処理プラントの構成要素の数、前記廃水処理プラントの構成要素を動作させる速度、および水質管理点の少なくとも1つを含む、システム。 14. The system of claim 13,
The system, wherein the one or more control parameters for operating the wastewater treatment plant include at least one of a schedule for operating components of the wastewater treatment plant, a number of components of the wastewater treatment plant, a rate at which components of the wastewater treatment plant are operated, and a water quality control point.
前記プロセッサは、
前記1つまたは複数のデータ予測モデルの各データ予測モデルの性能を所定のタイミングで評価し、閾値と比較して性能の偏差を決定する、システム。 14. The system of claim 13,
The processor,
The system evaluates performance of each of the one or more data prediction models at predetermined times and compares the performance against a threshold to determine deviations in performance.
前記プロセッサは、
前記1つまたは複数のデータ予測モデルのうち、性能に偏差があるデータ予測モデルを、前記閾値を満たすように更新する、システム。 23. The system of claim 22,
The processor,
The system updates a data prediction model having a deviation in performance among the one or more data prediction models so as to satisfy the threshold.
廃水処理プラント関連データは、少なくとも流入データ、流出データ、および廃水処理プラント構成要素データと、を有し、
前記プロセッサは、
前記1つまたは複数のデータ予測モデルを、前記廃水処理プラント関連データおよび前記太陽光データに基づいて、少なくとも部分的に生成する、システム。 14. The system of claim 13,
The wastewater treatment plant related data includes at least inflow data, outflow data, and wastewater treatment plant component data;
The processor,
The system generates the one or more data predictive models at least in part based on the wastewater treatment plant-related data and the solar data.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN202241051191 | 2022-09-07 | ||
IN202241051191 | 2022-09-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2024037684A JP2024037684A (en) | 2024-03-19 |
JP7495567B2 true JP7495567B2 (en) | 2024-06-04 |
Family
ID=90300242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023124539A Active JP7495567B2 (en) | 2022-09-07 | 2023-07-31 | Method and system for optimizing energy utilization in a wastewater treatment plant |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7495567B2 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015106316A (en) | 2013-11-29 | 2015-06-08 | 株式会社東芝 | Energy management system |
JP2016197359A (en) | 2015-04-06 | 2016-11-24 | 三菱電機株式会社 | Energy management system |
CN112429923A (en) | 2020-12-22 | 2021-03-02 | 吉林化工学院 | Rural domestic sewage low temperature treatment system |
US20210060452A1 (en) | 2018-05-24 | 2021-03-04 | Padmini Vna Mechatronics Pvt. Ltd. | An apparatus for maximizing effluent liquid evaporation |
JP2022050041A (en) | 2020-09-17 | 2022-03-30 | トヨタ自動車株式会社 | Power system, server, charge/discharge control device, and power demand/supply adjustment method |
-
2023
- 2023-07-31 JP JP2023124539A patent/JP7495567B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015106316A (en) | 2013-11-29 | 2015-06-08 | 株式会社東芝 | Energy management system |
JP2016197359A (en) | 2015-04-06 | 2016-11-24 | 三菱電機株式会社 | Energy management system |
US20210060452A1 (en) | 2018-05-24 | 2021-03-04 | Padmini Vna Mechatronics Pvt. Ltd. | An apparatus for maximizing effluent liquid evaporation |
JP2022050041A (en) | 2020-09-17 | 2022-03-30 | トヨタ自動車株式会社 | Power system, server, charge/discharge control device, and power demand/supply adjustment method |
CN112429923A (en) | 2020-12-22 | 2021-03-02 | 吉林化工学院 | Rural domestic sewage low temperature treatment system |
Also Published As
Publication number | Publication date |
---|---|
JP2024037684A (en) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Engström et al. | Connecting the resource nexus to basic urban service provision–with a focus on water-energy interactions in New York City | |
Langeveld et al. | Impact-based integrated real-time control for improvement of the Dommel River water quality | |
CN111737853B (en) | SWMM model-based low-impact development multi-objective interval optimal configuration method | |
Saadatpour et al. | Multi-objective multi-pollutant waste load allocation model for rivers using coupled archived simulated annealing algorithm with QUAL2Kw | |
Martinez et al. | Vulnerability of Mexico City's water supply sources in the context of climate change | |
Schneider et al. | Benchmarking soft sensors for remote monitoring of on-site wastewater treatment plants | |
CN112241607A (en) | Water resource planning method based on simulation and considering climate change | |
CN115935615A (en) | Method and system for estimating non-point source pollution load by rainfall runoff washout in field | |
CN113479999A (en) | Sewage data processing method and device and computer equipment | |
JP7495567B2 (en) | Method and system for optimizing energy utilization in a wastewater treatment plant | |
CN108824593B (en) | Rapid multi-objective engineering optimization design method for complex rainwater pipe network | |
Rafati et al. | Determine the most effective process control parameters on activated sludge based on particle swarm optimisation algorithm (Case Study: South wastewater treatment plant of Tehran) | |
Sun et al. | Prediction of biogas production in anaerobic digestion of a full‐scale wastewater treatment plant using ensembled machine learning models | |
Kim et al. | Operator decision support system for integrated wastewater management including wastewater treatment plants and receiving water bodies | |
Lu et al. | An inexact programming method for agricultural irrigation systems under parameter uncertainty | |
CN113222368A (en) | Rainfall flood early warning method based on rainwater garden monitoring data | |
Saagi et al. | Key control handles in integrated urban wastewater systems for improving receiving water quality | |
Figueroa et al. | A framework for modelling in-sewer thermal-hydraulic dynamic anomalies driven by stormwater runoff and seasonal effects | |
Chen et al. | A combined catchment‐reservoir water quality model to guide catchment management for reservoir water quality control | |
Almutaz et al. | Determinants of residential water demand in an arid and oil rich country: a case study of Riyadh city in Saudi Arabia | |
CN112288127B (en) | Drainage system matching evaluation method and platform | |
Choi et al. | Overflow risk analysis for designing a nonpoint sources control detention | |
Xiong et al. | Combined optimization of LID patches and the gray drainage system to control wet weather discharge pollution | |
Gao et al. | Multi-objective optimization of sponge facility layout in built-up urban areas | |
Pokhrel et al. | Conceptual model of one water community: A path to move forward |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230731 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240423 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240513 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240521 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240523 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7495567 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |