Forudsigelse af SS i indløbet

Forudsigelse af SS (suspended solids) i indløb til renseanlæg til doseringsoptimering:

  • Machine Learning til forudsigelse af SS en time ud i fremtiden
  • Optimering af doseringspolymer til flokkulering
  • Driftsbesparelser, bedre rensning og besparelse på energi

EnviDan bruger deep learning teknikker til at forudsige SS i indløbet til renseanlæg, hvilket giver en meget præcis og effektiv prædiktion én time ud i fremtiden, som kan bruges til optimal dosering af flokkuleringspolymer. Denne styring giver driftsbesparelser, en bedre rensning og besparelse på energiforbruget. 

 

Generelt er Machine Learning og kontrolteori tæt forbundet. Et andet eksempel kan være optimering af beluftning, hvor store mængder energi kan spares.

I forhold til kontrolteori og Machine Learning er det mest kendte eksempel, at Machine Learning benyttes til styring af selvkørende biler. En selvkørende bil ved, hvor den skal hen og reagerer så på input såsom andre biler, cyklister mm., hvorefter en kunstig intelligens sikrer en forsvarlig kørsel. Dette kan sidestilles med renseanlæg, der skal sikre den bedst mulige rensning samt fx et minimalt energiforbrug, hvor anlægget reagerer på samspillet i selve renseanlægget og de udefra styrende parametre såsom fx vandføringen og SS-fluxen. Dette kan potentielt give en langt mere optimal styring end mennesker er i stand til i dag med store fordele til følge.

David Getreuer Jensen

Kontakt mig
for mere info

David Getreuer Jensen

+45 61 33 35 50