| 초록 |
연속 회분식 반응기는 대표적인 고도하수처리 공정으로 다양한 운전 목적에 맞게 유연하게 운전할 수 있다. 하지만 SBR 공정은 강한 비선형성 등의 동특성 때문에 안정적인 운전이 어려우며 유입수 변동에 따른 실시간 제어가 어렵다. 따라서 다양한 형태의 동특성에 대응하여 안정적인 운전이 가능하도록 SBR 공정의 고도 제어 시스템 개발이 필요하다. 본 연구에서는 유입수 조건에 따라 자율적으로 제어기 최적 설정치를 탐색하여 SBR 공정을 안정적으로 운전하기 위한 멀티에이전트 심층 강화학습(Multiagent deep-reinforcement learning, MA-DeepRL) 기반 제어 시스템을 개발하였다. MA-DeepRL 알고리즘은 Graphical neural network에 기반하여 개발하였고, 최적제어 이론을 바탕으로 유입수 조건 변화에 따른 SBR 공정의 동특성을 제어하기 위한 physical model-based reward function을 개발하였다. 본 연구에서 제시된 MA-DeepRL 기반 자율제어 시스템은 기존 운전 방법론과 비교하여 향상된 제거효율 및 에너지 효율을 보였으며, 이에 SBR 공정의 환경적-경제적 운전의 개진 가능성을 타진하였다. Acknowledgement This work was supported by the National Research Foundation of Korea(NRF) grant funded by the Korea government(MSIT) (No. 2021R1A2C2007838) and Korea Ministry of Environment as "Prospective green technology innovation project" |
