污水泵站中的数据驱动预测能源优化
摘要：污水处理过程被推动着优化流程，以减少能源消耗，同时不影响水质标准。能源成本可以在整体运营成本中占据相当大的比例（在50\%至60\%之间）, 对于一个能源消耗极大的用户来说。在污水处理厂中，泵被用电量最大的设备。因此，对泵装置的最佳控制可以帮助实用公司降低运营成本。本文描述了一种创新的预测控制策略，用于最小化可变频率污水泵的电能消耗，该策略考虑了污水流量的不确定性预测和通过监控控制与数据采集系统收集的传感器信息。所提出的控制方法结合了统计学习（回归和预测模型）和深度强化学习（近端策略优化）。以下是主要的原创贡献：i）无模型和数据驱动的预测控制；ii）以污水可变设定点水平为重点的控制方针；iii）使用监督学习为深度强化学习策略生成合成数据，而无需与系统进行实际交互。90天的真实案例研究结果显示，与当前的运行方案（使用固定设定点水平进行运行）相比，电能消耗减少了16.7\%，同时报警次数（储罐水位超过7.2米）减少了97\%。数值分析表明，所提出的数据驱动方法能够在报警次数和消耗最小化之间寻求平衡，为决策者提供不同的选择。
作者：Jorge Filipe, Ricardo J. Bessa, Marisa Reis, Rita Alves, Pedro P''ovoa
论文ID：1902.03417
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-05-14