연속 회분식 반응기에서 생활폐수 처리를 위한 랜덤 포레스트 회귀 소프트 센서 모델 개발 및 적용

Scientific Reports 13권, 기사 번호: 9149(2023) 이 기사 인용

17 액세스

측정항목 세부정보

SBR(Sequencing Batch Reactor)과 같은 소규모 분산 수처리 장비는 신속한 설치 및 건설, 낮은 운영 비용 및 강력한 적응성 등의 장점으로 인해 농촌 가정 하수 처리 분야에서 널리 사용됩니다. 그러나 SBR 공정의 비선형성 및 히스테리시스 특성으로 인해 폐수처리 시뮬레이션 모델 구축이 어렵다. 본 연구에서는 탄소배출 저감에 상응하는 에너지 절감이 가능한 인공지능과 자동제어시스템을 활용한 방법론을 개발하였다. 이 방법론은 랜덤 포레스트 모델을 활용하여 COD 추세 예측에 적합한 소프트 센서를 결정합니다. 본 연구에서는 COD 센서의 전제로 pH 및 온도 센서를 사용합니다. 제안된 방법에서는 데이터를 12개의 입력변수로 전처리하고 상위 7개의 변수를 최적화 모델의 변수로 선택하였다. 통제되지 않는 시나리오였던 고정된 시간 제어가 아닌 인공 지능과 자동 제어 시스템에 의해 사이클이 종료되었습니다. 12개 테스트 사례에서 COD 제거율은 약 91.075%인 반면 평균적으로 24.25%의 시간 또는 에너지가 절약되었습니다. 제안된 소프트 센서 선택 방법은 시간과 에너지 절약의 장점을 가지고 농촌 가정 하수 처리 분야에 적용될 수 있습니다. 처리 용량 증가로 인한 시간 절약 효과와 에너지 절약은 저탄소 기술을 의미합니다. 제안된 방법론은 값비싸고 신뢰할 수 없는 센서를 저렴하고 신뢰할 수 있는 대안으로 교체하여 데이터 수집과 관련된 비용을 줄이는 방법을 조사하기 위한 프레임워크를 제공합니다. 이 접근 방식을 채택하면 배출 기준을 충족하면서 에너지 보존을 유지할 수 있습니다.

농촌의 가정하수는 수질과 양이 불안정하고 배출이 분산되며 오염물질 농도가 낮은 것이 특징입니다1. 이러한 과제를 해결하기 위해 소규모 분산형 수처리 장비는 신속한 설치 및 건설, 낮은 운영 비용 및 강력한 적응성으로 인해 농촌 가정 하수 처리 분야에서 널리 사용되었습니다2. 최근에는 SBR(Sequencing Batch Reactor) 공정이 농촌 가정 폐수 처리를 위한 유망한 옵션으로 떠오르고 있습니다. 다른 공정과 비교할 때 SBR은 유기 부하 영향을 효과적으로 견딜 수 있고, 유연한 작동 모드를 가지며, 우수한 배출 효과를 생성하고, 더 나은 질소 및 인 제거 효과를 달성합니다3,4,5,6.

그러나 시골 가정 폐수 처리를 위한 정확한 시뮬레이션 모델을 구축하는 것은 SBR 프로세스에서 나타나는 비선형성 및 히스테리시스 특성으로 인해 어려울 수 있습니다. 하수처리에 있어서의 비선형 문제는 하수처리 과정에서 발생하는 다양한 화학반응, 생물학적 반응, 물리적 효과의 상호작용으로 인해 발생하는 복잡하고 다양하며 비선형적인 관계를 말한다.

비선형 문제를 효과적으로 해결하기 위해 머신러닝을 포함한 인공지능을 하수처리 공정에 적용했습니다. 기계 학습에는 하수 처리 중에 생성된 복잡한 데이터를 분석하고 모델링하는 데 사용할 수 있는 신경망 및 지원 벡터 회귀와 같은 다양한 방법이 포함됩니다. 이를 통해 하수 처리 효율과 품질을 효과적으로 향상시키는 동시에 처리 비용을 절감했습니다.

인공신경망(ANN)은 동물 신경망의 행동을 시뮬레이션하고 분산 및 병렬 정보 처리를 수행하는 수학적 모델입니다. ANN은 시스템 내의 복잡한 정보를 처리하기 위해 다수의 내부 노드 간의 상호 연결을 조정할 수 있기 때문에 하수 배출 예측에 널리 사용되었습니다9,10,11,12,13.

인공신경망(ANN) 방법 외에도 선형회귀(LR), 지지벡터회귀(SVR), 뉴로퍼지 네트워크 방법 등의 기법도 오염물질 농도 변화를 예측하거나 예측하기 위해 오염물질 제거 기술에 사용되어 왔다. 기타 공정 매개변수14,15,16,17,18,19. 이러한 방법(표 1 참조)은 다양한 요인 간의 복잡한 관계를 모델링하고 오염 물질 농도를 예측하는 데 효과적인 것으로 입증되었으며, 이는 처리 공정의 성능을 최적화하는 데 도움이 됩니다.