Förnyar bearbetningen av fast avfall baserad på AI (iWASTE)

Omhändertagandet av SW har blivit en betydande utmaning för att uppnå en hållbar utveckling, och avfallsförbränning är erkänt som en viktig åtgärd på grund av dess fördelar med att återvinna energi och andra resurser från avfall och undvika deponering för att minimera andra miljörisker. I Sverige har SW använts som bränsle i kraftvärmeverk. Både driftoptimeringen och kontrollen av utsläpp av föroreningar är beroende av korrekt information om SW-egenskaper, såsom elementsammansättningar, värmevärden och massflöden. SW kännetecknas dock av sin mångfald som omfattar olika plaster, kompositmaterial, organiska material som trä, papper och grönt avfall, mineralfraktioner etc. En sådan mångfald gör det extremt svårt att få egenskaperna. Det är av stor vikt att utveckla en metod som kan användas online för avfallsigenkänning.

Huvuduppgifterna för detta projekt inkluderar: (I) att använda regenerativ AI för att generera data som kan användas för att träna bildbehandlingsmodellen, vilket är att ta itu med barriären av data som saknas; (II) utveckla nya hybridmodeller baserade på bildbehandling och nära infraröd (NIR) spektroskopi som kan förbättra noggrannheten i avfallsklassificeringen; och (III) utveckla avancerade optimeringsalgoritmer baserade på djup förstärkningsinlärning för att uppnå multi-objektiv optimering och multi-level control genom att använda MPC som kan öka vinsten för avfallseldade kraftverk.

Detta projekt kommer att genomföras genom ett nära samarbete mellan EST och IDT, mellan MDU och Hong Kong Polytechnic University, och mellan akademi och industri. Det bygger på våra tidigare forskningsprojekt med Mälarenergi och Eskilstuna Energi och Miljö om att använda fast avfall i kraftvärmeverk. Fynden kan även utvidgas ytterligare till avfallssortering och återvinning för andra ändamål.

Projektmål

Målet med detta projekt är att utveckla nya lösningar för klassificering och användning av fast avfall (SW) baserade på avancerad AI-teknik, såsom regenerativ AI, bildigenkänning och förstärkningsinlärning, som kan förbättra energieffektiviteten och minska driftskostnaderna och utsläppen av föroreningar vid användning av SW i kraftvärmeverk.