Leistungsstarke KI optimiert Entsalzungsanlagen (RO)

Mit dem Aufkommen von Künstlicher Intelligenz stellt sich Ingenieuren auf der ganzen Welt die berechtigte Frage, ob Umkehrosmoseanlagen (RO) besser mit KI gesteuert werden können. In den letzten Jahren wurden RO-Systeme in großem Umfang in industriellen und kommunalen Prozessen eingesetzt. Eines der wichtigsten Betriebsprobleme dieser Systeme ist die Verschmutzung/Verkalkung der Membranen, die zu hohen Betriebskosten und Umweltbelastungen führt. Seit 2016-2017 haben Forscher damit begonnen, das Thema zu erforschen. Der Zweck dieser Forschung ist einfach die Optimierung des Betriebs von Umkehrosmoseanlagen, um Verschmutzungen und Ablagerungen zu reduzieren, die Lebensdauer der Membranen zu verlängern und die System- und Betriebskosten zu minimieren. Im Jahr 2020 verwendete die Associate Professor Sara Nazif ein allgemeines neuronales Regressionsnetzwerk (GRNN-Modell). Die traditionellen Parameter, die die Leistung einer Umkehrosmoseanlage beeinflussen, wurden durch die Anwendung eines Ein-Ziel-Optimierungsmodells mit der Minimierung der Gesamtbetriebskosten als Zielfunktion optimiert. Ganz pragmatisch könnten die Betriebsparameter einer Umkehrosmoseanlage eines Automobilherstellers entsprechend optimiert werden (Zuflussrate, Eingangsdruck, Rückgewinnungsrate). Die KI-Daten zeigten, dass die Umkehrosmoseanlage 208 Tage lang (5.000 Stunden) optimal arbeiten konnte, ohne dass eine Reinigung erforderlich war. Die Zahl der Suchforschungsprojekte explodiert derzeit, und es besteht kein Zweifel daran, dass KI die Art und Weise, wie Entsalzungstechnologie betrieben wird, tiefgreifend beeinflussen wird. Um mehr zu entdecken:

https://ascelibrary.org/doi/epdf/10.1061/%28ASCE%29EE.1943-7870.0001613

 

Anfang 2016 wurde KI in ein Steuerungssystem integriert, um die Leistung einer Umkehrosmoseanlage auf der Insel Gran Canaria (Spanien) auf die verfügbare elektrische Leistung abzustimmen. Ziel war es, die Umkehrosmosefunktion bei schwankender Stromzufuhr zu ermöglichen. Ihre künstlichen neuronalen Netzwerkmodelle lieferten recht gute Ergebnisse mit der Einschränkung, dass die Wiederfindungsrate innerhalb eines bestimmten Bereichs liegen muss. Um mehr zu entdecken:

https://www.sciencedirect.com/science/article/abs/pii/S0011916416315120?via%3Dihub

 

In jüngerer Zeit wurden verschiedene KI-Modelle im Bereich der Entsalzungstechnologie eingesetzt und verglichen. Im Jahr 2022 untersuchten australische und spanische Ingenieure den Einsatz von KI für die Optimierung und Vorhersage der Leistung von Umkehrosmoseanlagen mit niedrigem Salzgehalt. Sie haben gezeigt, dass die Modelle nicht ohne Weiteres angewendet werden können und dass eine Feinabstimmung erforderlich ist, indem sogar zusätzliche Tools neben dem Künstlichen Neuronalen Netzwerk hinzugefügt werden. Zweifellos werden solche vorläufigen Forschungsarbeiten künftige Schritte leiten und zu weiteren Untersuchungen anregen.

https://www.sciencedirect.com/science/article/pii/S2405844022019806