跳转到主要内容
新闻稿

帮助固体废物系统达到成本和环境目标的新工具

装载码头上放着三个装着捆扎好的废纸板的托盘
照片来源:阿方索·纳瓦罗。

立即发布

詹姆斯·李维斯
Mojtaba Sardarmehni
马特·希普曼

北卡罗来纳州立大学的研究人员开发了一种免费的、用户友好的工具,利用多种计算模型帮助固体废物系统以最具成本效益的方式实现其环境目标。

废物管理系统不仅仅是将固体废物放入垃圾填埋场。这些系统不仅需要安全地存储或回收固体废物,但也必须最小化任何健康风险的浪费,减少环境风险与空气和水的污染,并减少释放的温室气体排放(温室气体),可以产生固体废物处理或分解。

“挑战在于,垃圾管理系统可以做很多事情来实现这些目标,”James Levis说,他是一篇关于新工具的论文的合著者,也是北卡罗来纳州立大学土木、建筑和环境工程研究助理教授。他说:“在成本、环境影响、技术挑战等方面,许多行动都有取舍。

“为了解决这个问题,我们创建了一个开源工具,名为固体废物优化生命周期在Python (SwolfPy),它允许用户在一个地方评估所有这些选项。这可以帮助用户确定针对任何特定环境的最佳行动方案。而且,由于它是开源的,固体废物社区可以随着时间的推移开发额外的功能,使该工具在指导决策方面更有用。”

“SwolfPy是一个动态工具,”该论文的通讯作者、北卡罗莱纳州的博士生Mojtaba Sardarmehni说。“例如,如果有人为SwolfPy的某个组件开发了更好的模型,开源平台将允许用户更新SwolfPy。”

SwolfPy框架包括一组流程模型和一个允许用户插入与其环境相关的数据的用户界面。SwolfPy将运行这些数字并做两件事。首先,它为用户提供了一个简明扼要的当前整体业务的快照,以及这对他们的成本和环境目标意味着什么。其次,SwolfPy为用户提供了最好的工艺组合,使他们能够在成本、温室气体排放等方面达到目标数字。

但是用户不必使用SwolfPy中包含的默认模型。用户还可以选择开发适合他们特定项目的过程模型,并将这些模型连接到SwolfPy;或者用户可以使用默认模型和定制模型的组合。无论选择哪一套模型,SwolfPy都允许用户将目标数字插入用户界面,SwolfPy会让用户知道哪个流程组合最接近他们的目标。

“需要明确的是,并不总是有一个最好的解决方案,”萨达梅尼说。“例如,可能有一种工艺组合是最具成本效益的,而另一种选择成本效益较低,但在减少温室气体排放方面做得更好。SwolfPy所做的是根据用户对目标的优先排序,为他们确定最佳的可能选择范围。”

Levis说:“我们认为SwolfPy将成为废物管理公司、处理固体废物问题的政府决策者、国家决策者和研究界的一个有用工具。”

SwolfPy已经可以在网上免费下载https://swolfpy-project.github.io/

Levis说:“对于如何使用SwolfPy,以及如何继续将其作为一个实用工具进行微调,我们愿意听取固体废物社区的人们的意见或问题。”

纸”,Python固体废物优化生命周期框架(SwolfPy),发表在《美国参考》杂志上工业生态学杂志.这篇论文的合著者是北卡罗来纳州立大学的一名前研究生Pedro Chagas Anchieta。

这项工作得到了美国国家科学基金会1437498拨款和环境研究与教育基金会的支持。

希普曼-

编辑:研究摘要如下。

Python固体废物优化生命周期框架(SwolfPy)

作者: Mojtaba Sardarmehni, Pedro H. Chagas Anchieta和James W. Levis,北卡罗来纳州立大学

发表: 1月13日,工业生态学杂志

DOI: 10.1111 / jiec.13236

文摘:本文描述了一个新颖的开源生命周期优化框架,用于固体废物和可持续材料管理应用程序,名为SwolfPy。目前的版本包括垃圾填埋场、大规模燃烧垃圾转化为能源、气化、集中堆肥、家庭堆肥、厌氧消化、材料回收设施、垃圾衍生燃料设施、材料回收、转运站和单家庭收集的生命周期模型。与现有框架相比,SwolfPy简化了数据输入/输出流程,提高了模型集成和模块化,提供了多种数据可视化和定制,加快了不确定性分析和优化,并具有用户友好的图形用户界面(GUI)。SwolfPy的GUI允许用户定义固体废物管理网络和场景,以及执行比较生命周期评估(lca)、贡献分析、不确定性分析和优化。SwolfPy是在Python中实现的,使用Pandas、NumPy和SciPy来执行计算任务,PySide2用于创建GUI,而Brightway2用于存储生命周期库存数据和执行LCA计算。SwolfPy是模块化和灵活的,这使得它可以很容易地与其他包耦合,并促进新工艺、材料、环境流和影响以及方法的添加。SwolfPy使用序列最小二乘规划进行约束非线性优化,以找到在满足用户自定义约束的情况下最小化成本或环境排放和影响的系统和策略。44的说明性案例研究材料,四个过程集合,和六个治疗过程,和SwolfPy执行10000年16分钟,发现蒙特卡罗迭代最优解在10到25分钟在Windows机器的CPU速度3.60 GHz和8个逻辑处理器。【注:本文符合Gold-Gold Badge的要求。】JIE数据开放徽章描述在http://jie.click/badges.]

留下一个响应

您的电子邮件地址将不会被公布。所有字段都是必需的。