【标题】A multi-agent AI reinforcement-based digital multi-solution for optimal operation of a full-scale wastewater treatment plant under various influent conditions

【作者团队】iJeon Nam, SungKu Heo, SangYoun Kim, ChangKyoo Yoo

【发表日期】2023.2.6

【论文链接】https://www.sciencedirect.com/science/article/pii/S2214714423000508

【推荐理由】优化操作系统已被广泛用于提高废水处理厂 (WWTP) 的经济和环境绩效，以有效处理排放的水污染物。然而，应用于污水处理厂的多重优化方法并不充分，由于进水条件的变化和操纵变量之间固有的复杂相互作用，导致优化性能较低。本研究开发了一种基于多智能体强化学习的污水处理厂优化运行数字多解方案。使用k-means聚类算法生成具有低、正常和高进水化学需氧量和总氮组成比的动态进水条件准确反映运行情况。采用基于两阶段注意力网络 (G2ANet) 算法的博弈抽象方法同时搜索三个操作设定点：溶解氧、外部污泥回收和外部碳剂量。通过使用新测量的一年进水数据，评估了基于 G2ANet 的数字多解决方案确定设定点的适应性。结果表明，基于 G2ANet 的智能数字多解决方案能够识别最佳设定点，以提高污水处理厂的性能，并在不同的进水条件下优于手动操作系统。

内容中包含的图片若涉及版权问题，请及时与我们联系删除