英文原题：Prediction and Evaluation of Indirect Carbon Emission from Electrical Consumption in Multiple Full-Scale Wastewater Treatment Plants via Automated Machine Learning-Based Analysis
第一作者：徐润泽 博士，河海大学
通讯作者：罗景阳, 河海大学
作者：Runze Xu, Yi Li, Yuting Luo, Fang Fang, Qian Feng, Jiashun Cao, and Jingyang Luo
近日，河海大学环境学院操家顺教授和罗景阳教授团队开发了一种基于自动机器学习的污水处理厂电耗间接碳排放预测和分析方法。该方法能够准确评价和预测不同污水处理厂的电耗间接碳排放，并同时揭示数据集内的定性和定量关系，有助于实现污水处理“碳中和”。
污水处理厂（WWTPs）具有高碳排放的能源和材料密集型特征，约占人类活动总碳排放量的3%。因此，减少WWTPs碳排放量对全球碳中和有着巨大贡献。近年来，研究者们主要关注WWTPs中的直接碳排放（即N2O和CH4）。然而，WWTPs中由电力消耗导致的间接碳排放与WWTPs的直接碳排放量相当甚至更高。因此，电力消耗不仅是WWTPs的主要运营成本，也是碳排放的主要来源之一。在提出WWTPs低碳管理策略时，必须重点关注电力消耗产生的间接碳排放。WWTPs作为一个复杂的系统，其用电量受多种因素的影响，如处理工艺、进水水质、操作策略等，通过人工研究其相互关系既费时又复杂。随着机器学习（ML）技术的快速发展，一些研究已经建立了用于模拟WWTPs用电量的ML模型。但是，这些研究忽视了WWTPs中不同处理工艺对电耗碳排放的影响，并且参与了整个ML 模型的设计过程（即特征工程、模型选择、算法选择、超参数调整等），这些过程非常耗时，且非专家无法轻易重新设计。
为了解决上述问题，河海大学环境学院操家顺教授和罗景阳教授团队开发了一种基于自动机器学习的污水处理厂电耗间接碳排放预测和分析方法（ACIA）。该方法能够准确评价和预测不同污水处理厂的电耗间接碳排放，并同时揭示数据集内的定性和定量关系，有助于实现污水处理“碳中和”。
图1：ACIA方法流程图。
本文以江苏9个实际WWTPs（W1−W9）为研究对象，收集了所调查WWTPs的二级处理工艺（STP）和三级处理工艺（TTP）类型及其日常运行数据（即进水量（IV）、进水和出水水质（即化学需氧量（COD）、NH4+-N、总氮（TN）、总磷（TP）和悬浮固体（SS））和电耗数据，其数据分布见图2。PPMC结果揭示了数值变量之间的定性关系，而它们的数量关系和分类变量（即STP和TTP）对间接碳排放的影响需要利用AICA方法进一步探索。比电耗碳排放（SEe）是自动机器学习的预测目标。残差分析结果和R2表明最优的堆叠集成模型成功预测了W1-W9的SEe（图3）。
图2：WWTPs的电耗间接碳排放及相关变量分布情况和PPMC分析。
图3：自动机器学习模型的残差分析和预测精度结果。
在获得最优模型后，通过多种可解释的方法解释模型结果，包括变量重要性、Shapley解释（SHAP）、部分依赖（PD）和个体条件期望（ICE）。变量重要性和SHAP结果表明进水流量、二级处理工艺种类和三级处理工艺种类主导了SEe的预测（图4）。而PD和ICE结果进一步揭示了变量种类与SEe之间的定量关系，可以识别进水/出水水质和SEe之间的平衡点，并从大量WWTPs中捕捉具备高能耗、低效率特征的WWTPs（图5-图7）。
图4：预测电耗间接碳排放的（a）变量重要性和（b）SHAP值分析。
图5：预测电耗间接碳排放的PD和ICE分析：（a）进水流量；（b）二级处理工艺种类；（c）三级处理工艺种类。
图6：预测电耗间接碳排放的PD和ICE分析：（a）进水COD；（b）进水NH4；（c）进水TN；（d）进水TP；（e）进水SS。
图7：预测电耗间接碳排放的PD和ICE分析：（a）出水COD；（b）出水NH4；（c）出水TN；（d）出水TP；（e）出水SS。
综上所述，基于AutoML的间接碳排放分析（AICA）方法可用于同时预测和评估具有不同处理过程的WWTPs的SEe。AutoML算法生成的堆叠集成模型成功预测了 SEe，并取得了比普通ML模型更高的预测性能。进水流量、二级处理工艺种类和三级处理工艺种类主导了SEe的预测。ICE结果识别了进水/出水水质和SEe之间的平衡点，并捕捉了W9的高能耗、低效率现状。上述结果表明，ACIA方法是定性和定量分析实际WWTPs间接碳排放的有效工具。
相关论文发表在ACS ES&T Engineering上，河海大学博士研究生徐润泽为文章的第一作者，河海大学罗景阳教授为通讯作者。
主要作者简介：
操家顺 教授
操家顺，河海大学环境学院教授，博士生导师。水资源高效利用与工程安全国家工程研究中心水污染控制方向首席教授，污水资源化与低碳发展技术研究所所长，河海大学设计研究院副总工程师，国河环境研究院院长。专业从事水污染控制与水环境修复理论与技术研究，在城镇污水脱氮除磷、城市排水系统优化与调控、城市水环境质量改善等方面成果丰硕。负责国家863重大科技专项、水污染控制重大科技专项、国家自然科学基金、教育部科技创新工程重大项目和国家、省自然科学基金、科技攻关、重点环保科研课题、太湖治理示范项目等科研课题40余项，获国家发明技术二等奖、科技进步二等奖各1项，全国优秀咨询成果三等奖1项，中国纺织工业联合会科技进步二等奖1项，华夏建设科技二等奖1项，江苏省科学技术一等奖1项，江苏省环保科技二等奖1项，中国纺织行业专利优秀奖1项。发表论文100余篇；授权发明专利50余件；软件著作权2件。负责城市集中水源地保护工程、城市排水规划及污水处理工程设计等50余项。
联系邮箱：caojiashun@163.com
罗景阳 教授
罗景阳，2016年博士毕业于同济大学，现为河海大学环境学院教授、市政工程系主任，IWA YWP青年委员。主要从事主要研究方向为有毒有害污染物控制理论与技术及有机废物的资源化利用。主持负责国家自然科学基金（2项)、江苏省自然科学基金（面上）、中国博士后科学基金面上和特别资助等课题以及“浅水湖泊综合治理与资源开发教育部重点实验室基金”等科研项目10余项。目前，已在Environmental Science & Technology、Water Research、Chemical Engineering Journal、Applied Energy和Journal of Hazardous Materials等环境类期刊以第一或者通讯作者发表SCI论文70余篇（包括5篇ESI高被引和1篇热点论文），授权国家发明专利10余项。担任Chinese Chemical Letter, Journal of Hazardous Materials Advances、 Resources Environment and Sustainability, Results in Engineering、《中国给水排水》等期刊青年编委以及Applied Science和Frontier in Microbiology等特刊编辑。先后获得江苏省青蓝工程优秀青年骨干教师,以及河海大学“大禹学者”第四层次人才计划和青年岗位能手称号等。
联系邮箱：luojy2016@hhu.edu.cn
徐润泽 博士生
徐润泽，河海大学环境学院19级市政工程博士生，博士生导师操家顺教授，主要从事污水处理与机器学习的学科交叉研究。在校期间累积在Water Research、ACS ES&T Engineering、Chemical Engineering Journal等期刊发表高水平论文23篇，其中第一作者12篇。主持河海大学优秀博士学位论文培育项目1项，参与国家自然科学基金面上项目4项，获软件著作权1项，参加高水平学术会议10次，作学术报告4次。获2020年国家留学基金委博士联合培养奖学金、2022年国家奖学金、第十九届上海同济高廷耀环保科技发展基金会“青年博士生人才奖学金”、2022年“宝钢优秀学生奖”、2022年严恺奖学金一等奖、及2021-2022年度河海大学优秀研究生等荣誉称号。
联系邮箱：runzexu@hhu.edu.cn
转自：“ACS美国化学会”微信公众号
如有侵权，请联系本站删除！
