Description: Durch das Einrichten von Künstlichen Neuronalen Netzen und der historischen Datenauswertung sollen sogenannte Optimierer (Softwarebaustein) entwickelt werden, mit denen Teilprozesse der Kläranlage so automatisiert werden, dass die Anlagen energieoptimiert betrieben werden. Der Einsatz dieses intelligenten Systems wird bereits in der Pharmaindustrie bzw. in der Chemischen Industrie verwendet und soll nun auf den Prozess der Abwasserreinigung projiziert werden. Gerade bei so energieintensiven Prozessen, wie bei der Abwasserreinigung, sind dadurch große Energie- und somit CO2-Einsparungen zu realisieren. Die simulierten Modelle von Teilprozessen (wie z.B. Denitrifikation) werden einer Lern- und Analysephase unterzogen und werden hierdurch 'trainiert'. Der 'Optimierer' findet auf deren Ergebnisse mittels eines genetischen Algorithmus die optimalen Betriebszustände, um die Anlagen energieoptimiert zu betreiben. Mittels angepasster Prozessleittechnik soll ein energieoptimierter, automatischer Anlagenbetrieb ermöglicht werden. Dieser Ansatz unterscheidet sich grundlegend von klassischen.
SupportProgram
Origins: /Bund/UBA/UFORDAT
Tags: Denitrifikation ? Pharmaindustrie ? Abwasserreinigung ? Chemische Industrie ? Genetik ? Kläranlage ? CO2-Minderung ? Berechnungsverfahren ? Energie ? Verfahrenstechnik ? Energieeffizienz ? Anlagenbetrieb ? Ressourceneffizienz ? Industriesystem ? Netz ?
Region: Bayern
Bounding boxes: 12.53381° .. 12.53381° x 47.795° .. 47.795°
License: cc-by-nc-nd/4.0
Language: Deutsch
Time ranges: 2019-04-01 - 2021-10-31
Accessed 1 times.