چارچوب اقتصادی داده‌محور برای پایش کیفیت و مدیریت انرژی هوادهی در تصفیه‌خانه‌های فاضلاب شهری

چارچوب اقتصادی داده‌محور برای پایش کیفیت و مدیریت انرژی هوادهی در تصفیه‌خانه‌های فاضلاب شهری

نادیا مهرابی1 آمنه طالعی2 علی شبانی3 جاسب زنگنه4 حمیدرضا ابراهیمی5

1) دانشجوی دکتری ریاضی کاربردی گرایش علوم داده، دانشکده ریاضی، دانشگاه صنعتی شیراز، شیراز، ایران
2) استادیار دانشکده ریاضی، دانشگاه صنعتی شیراز، شیراز، ایران
3) رییس هیات مدیره و مدیر عامل شرکت آب و فاضلاب استان فارس، شیراز، ایران
4) معاون بهره برداری و توسعه فاضلاب شرکت آب و فاضلاب استان فارس، شیراز، ایران
5) مدیر انرژی و سیستم‌های کنترل فاضلاب شرکت آب و فاضلاب استان فارس، شیراز، ایران

کد IOI مقاله : AAHF-ABHFDE
محل انتشار : کنفرانس ملی فناوری های معماری و هنر، شهر هوشمند، صنایع نرم وخلاق و فرهنگ فناوری (icact.ir)
چکیده :
    این پژوهش یک چارچوب پشتیبان تصمیم‌گیری کم‌هزینه و مبتنی بر علم داده را برای مدیریت انرژی و پایش کیفیت در تصفیه‌خانه‌های فاضلاب ارائه می‌دهد. این چارچوب صرفاً بر داده‌هایی تکیه دارد که قبلاً توسط تصفیه‌خانه ثبت شده‌اند (مصرف برق تجهیزات و آزمایش‌های کیفی روتین) و نیازی به تجهیزات ابزاردقیق جدید ندارد. با استفاده از مدل رگرسیون تقویت گرادیان و یک طرح اعتبارسنجی بلوکی مبتنی بر روز برای جلوگیری از نشت داده‌های سری‌زمانی، دو ابزار مکمل بر روی ۱۵۸ روز داده عملیاتی از تصفیه‌خانه فاضلاب شهری کازرون توسعه یافتند. نخست، یک حسگر مجازی (نرم) COD که به‌طور پیوسته COD پساب را تنها از روی داده‌های الکتریکی تخمین می‌زند، امکان پایش کیفیت را با تأخیر مؤثر کمتر از یک ساعت فراهم کرد و نیاز به انتظار برای نتایج آزمایشگاهی را برطرف نمود و به ضریب تعیین (R²) معادل ۰.۷۸۸ دست یافت. دوم، تحلیل عملکرد انرژی با مقایسه حذف واقعی COD (۷۹٪) با حداقل حذف موردنیاز تحت استاندارد تخلیه سازمان حفاظت محیط زیست ایران برای مصارف کشاورزی (ST-04/00، حد مجاز COD معادل ۲۰۰ میلی‌گرم بر لیتر، معادل ۳۵.۷٪ حذف)، پتانسیل صرفه‌جویی ۶۵ درصدی در انرژی هوادهی را بدون خطر عدم انطباق با استاندارد شناسایی کرد. علاوه‌براین، پیش‌بینی کوتاه‌مدت انرژی هوادهی نشان داد که به دلیل الگوی روزانه بسیار منظم تصفیه‌خانه، یک روش پیش‌بینی ساده فصلی (با خطای sMAPE معادل ۳.۵۱ درصد) عملکردی بهتر از مدل‌های عمیق بازگشتی مانند LSTM و GRU دارد. این ابزارها که در قالب یک «دوقلوی دیجیتال» سبک ارائه شده‌اند، نشان می‌دهند که چگونه یک رویکرد علم داده می‌تواند مدیران تصفیه‌خانه‌های فاقد شبکه‌های حسگر پیشرفته را به قابلیت‌های تصمیم‌گیری هوشمند، هم‌سو با اهداف شهر هوشمند و بدون نیاز به سخت‌افزار جدید، مجهز کند. این پژوهش نمونه‌ای از کاربرد علم داده در مدیریت هوشمند منابع شهری است: با بهره‌گیری از داده‌های عملیاتی موجود، امکان پایش کیفیت و کاهش مصرف انرژی را در تصفیه‌خانه‌های فاضلاب فراهم می‌کند و گامی عملی در مسیر توسعه پایدار زیرساخت‌های حیاتی شهری محسوب می‌شود.

کلمات کلیدی : شهر هوشمند یادگیری ماشین حسگر مجازی تصفیه فاضلاب بهره‌وری انرژی هوادهی حکمرانی داده‌محور