[논문 리뷰] Time Series Dataset for Modeling and Forecasting of $N_2O$ in Wastewater Treatment

Laura Debel Hansen, Anju Rani외 4명|arXiv (Cornell University)|2024. 07. 08.

Water Quality Monitoring and Analysis인용 수 4

한 줄 요약

이 논문은 덴마크 코펜하겐의 전용 활성 슬러지 처리 공장에서 2년간의 고해상도(2분 간격) 시간 시리즈 데이터셋을 제시한다. 이 데이터셋은 질소산화물(N₂O)과 관련된 운영, 환경 및 제어 파ameters를 측정한다. 이 데이터셋은 기계학습 및 데이터 기반 기법을 활용한 N₂O 배출의 고도화된 모델링 및 예측을 가능하게 하며, 비정상성, 계절성, 간헐성과 같은 실제 문제의 복잡성을 다루어 WWTP 내 N₂O 감축 전략을 향상시킨다.

ABSTRACT

In this paper, we present two years of high-resolution nitrous oxide ($N_2O$) measurements for time series modeling and forecasting in wastewater treatment plants (WWTP). The dataset comprises frequent, real-time measurements from a full-scale WWTP, with a sample interval of 2 minutes, making it ideal for developing models for real-time operation and control. This comprehensive bio-chemical dataset includes detailed influent and effluent parameters, operational conditions, and environmental factors. Unlike existing datasets, it addresses the unique challenges of modeling $N_2O$, a potent greenhouse gas, providing a valuable resource for researchers to enhance predictive accuracy and control strategies in wastewater treatment processes. Additionally, this dataset significantly contributes to the fields of machine learning and deep learning time series forecasting by serving as a benchmark that mirrors the complexities of real-world processes, thus facilitating advancements in these domains. We provide a detailed description of the dataset along with a statistical analysis to highlight its characteristics, such as nonstationarity, nonnormality, seasonality, heteroscedasticity, structural breaks, asymmetric distributions, and intermittency, which are common in many real-world time series datasets and pose challenges for forecasting models.

연구 동기 및 목표

• 실제 폐수처리장(wwtp)에서 N₂O 배출을 모델링하고 예측하기 위한 종합적이고 현실적인 시간 시리즈 데이터셋을 제공하는 것.
• CO₂보다 온실효과가 265배 강한 강력한 Greenhouse Gas인 N₂O의 실시간 제어 및 감축을 위한 데이터 기반 및 메커니즘 기반 모델 개발을 지원하는 것.
• 활성 슬러지 공정에서 N₂O에 대한 공개된 고해상도 운영 데이터셋이 부족한 문제를 해결하는 것. 특히 생화학적 및 제어 신호의 세부 정보를 포함한 데이터셋을 제공한다.
• 환경 공학 분야에서 시간 시리즈 예측 모델 평가 및 기계학습 응용 기술 발전을 위한 기준 데이터셋으로 기능하는 것.
• 수자원 분야 전반에 걸쳐 N₂O 배출 모델링 및 제어에 대한 협업과 표준화를 촉진하는 것.

제안 방법

• 2022년 6월부터 2024년 6월까지 덴마크 코펜하겐의 아베도르 WWTP에서 SCADA 및 클라우드 기반 제어 플랫폼을 통해 2분 간격으로 데이터를 수집하였다.
• 데이터셋에는 24개의 신호가 포함되어 있다: 12개의 센서 측정값(예: N₂O, NH₄⁺, NO₃⁻, DO, SS, 온도, 유량)과 12개의 제어 신호(예: 산소 설정값, 밸브 위치, 단계 코드).
• 운영 데이터는 공장의 SCADA 시스템에 통합된 온라인 클라우드 플랫폼에서 추출되었으며, 실시간 정확성과 일관성을 보장하였다.
• 비정상성, 비정규성, 계절성, 이방성, 구조적 변화점, 비대칭 분포 등의 데이터 특성을 기술하기 위해 통계 분석을 수행하였다.
• 데이터셋에는 강우수 모드(SWM) 이벤트와 교차 배기 제어 단계가 포함되어 있어 실제 운영 다이내믹스를 반영하고 있다.
• 이 데이터셋은 Mendeley Data(DOI: 10.17632/xmbxhscgpr.1)를 통해 공개되어 있으며, 벤치마킹 및 모델 개발에 활용 가능하다.

Figure 1: Layout of a WWTP with ASP. The parameters $k$ , $m$ , and $n$ vary based on plant-specific dimensioning. Adapted from [ 1 ] .

실험 결과

연구 질문

• RQ1 실제 활성 슬러지 공정에서 N₂O 농도 변동의 주요 운영 및 환경적 원인은 무엇인가?
• RQ2 실제 폐수 처리 데이터에서 관찰되는 비정상성, 간헐성 및 계절적 변동성이 시간 시리즈 예측 모델의 성능에 어떤 영향을 미치는가?
• RQ3 고해상도, 전용 규모의 운영 데이터가 N₂O 배출 예측 정확도 및 제어 전략 개선에 어느 정도 기여하는가?
• RQ4 교차 배기 제어 및 강우수 관리 전략이 시간에 따라 N₂O 배출에 어떤 영향을 미치는가?
• RQ5 이 데이터셋이 환경 시간 시리즈 예측 분야에서 기계학습 및 딥러닝 모델 평가를 위한 신뢰할 수 있는 기준 데이터셋으로 기능할 수 있는가?

주요 결과

• 이 데이터셋은 실질적인 전용 규모의 폐수처리장에서 24개월간 연속적인 고해상도(2분 간격) 측정을 포함하며, 복잡한 현실 세계의 다이내믹스를 반영한다.
• N₂O 농도는 광범위하게 변동하였으며, 기록된 최대값은 12.0 mg/L로, 높은 배출 변동성을 시사한다.
• 비정상성, 계절성, 구조적 변화점이 뚜렷하게 나타나며, 특히 강우수 이벤트 및 운영 단계 변화 시에 두드러진다.
• 산소 설정값 및 밸브 위치와 같은 제어 신호는 동적 행동을 보이며, 산소 설정값 범위는 0.0~2.5 mg/L, 밸브 위치는 0%~100%이다.
• 데이터셋에는 12개의 운영 신호와 12개의 센서 측정값이 포함되어 있으며, 모니터링된 탱크에서 평균 N₂O 수준은 0.1 mg/L, 표준편차는 0.2 mg/L이다.
• 이 데이터셋의 가용성은 연구자들이 현실적이고 복잡한 조건에서 모델를 테스트하고 검증할 수 있도록 하여, 환경 공학 및 기계학습 응용 분야의 발전을 촉진한다.

Figure 2: Aerial photograph of the 8 aeration tanks at the case plant. The sensor placement, aeration field and flow directions are indicated in tank 1 and tank 2 for line 3.