I nostri progetti di impatto
Lo sviluppo di soluzioni per la cattura della CO₂ prevede una sperimentazione complessa che spesso viene affidata all’attività manuale e all’esperienza di un operatore. Per rendere più efficace questa fase, è possibile applicare modelli ibridi di AI che velocizzano il processo.
Per migliorare la calibrazione del modello fisico, viene fatta un’integrazione con un modello custom in python (hybrid model) che permette di generare dataset sintetici rappresentativi, utilizzabili per allenare modelli surrogati.
Risultati
– 40% Tempo di simulazione
– 12% Errori di calibrazione
La maggior parte degli impianti di depurazione in Italia è priva di sistemi per la gestione dell’areazione, spesso caratterizzata da controlli in retroazione o a set-point fisso. Difficilmente si riescono quindi a prevenire i picchi di sostanze inquinanti, con conseguenti sanzioni pecuniarie e penali.
Attraverso il Model Predictive Control (MPC) è possibile controllare il sistema mediante la previsione della sua evoluzione e regolare l’ossigeno in anticipo, in funzione del carico previsto.
Risultati
– 33,7% Livello di Ammoniaca in uscita rispetto al controllore precedente
– 8% Livello di azoto totale rispetto al controllore precedente
– 16% Risparmio energetico ottenuto