Onderzoekstraat afvalwater

Marcel Zandvoort 09-05-2023
628 keer bekeken 0 reacties

We willen onderzoeken hoe we de uitstoot van lachgas (N2O), het energieverbruik en de slibproductie kunnen beperken tegen zo laag mogelijke kosten en binnen de gestelde effluentnormen.

Projectleider

Marcel Zandvoort

Projectteam

Alex van der Helm, Marcel Zandvoort

Externe partners

Future Internet Public Private Partnership, KWR Water Research Institute

Organisatie(s)

Waterschap Amstel, Gooi en Vecht
Waternet

Bedrijfsfunctie

Waterketenbeheer

Thema

Digitale transformatie
Schoon water

Technologie

IoT / sensoren
Zuiveringstechnologie

Projectfase

Onderzoek/verkenning

Status

Lopend

Daarom hebben wij één van de zuiveringsstraten van de rioolwaterzuiveringsinstallatie (rwzi) Amsterdam West ingericht als onderzoeksstraat. In de onderzoekstraat maken we gebruik van  aanvullende sensoren, datagestuurde regelingen en beslissingsondersteuning op basis van kunstmatige intelligentie. 

Extra sensoren
De rwzi Amsterdam West heeft een capaciteit van één miljoen inwonerequivalent en bestaat uit zeven zogenoemde zuiveringsstraten, waarvan er één wordt ingericht als onderzoeksstraat. Daar worden extra sensoren en analyzers geplaatst, vaak op plekken in de zuivering waar dit tot nu toe nog niet gebruikelijk was. Onder andere wordt gemeten in het voorbezonken water, in verschillende compartimenten van de aeratietank (AT), in de afgassen van de AT, in de nabezinktank en in het (retour)slib. Het real-time monitoren van veel verschillende parameters in het proces geeft veel inzicht en biedt mogelijkheden voor procesoptimalisatie.

Nieuwe technologieën optimaal benutten
De procesautomatisering (PA) van de rwzi Amsterdam West wordt vernieuwd en de IT-architectuur van Waternet is volop in ontwikkeling. Op deze manier kunnen we optimaal profiteren van de implementatie van opkomende technologieën, zoals Artificial Intelligence (AI), Internet of Things (IoT), Business Intelligence (BI) en streaming analytics. Met het gebruik van real-time installatiedata, procesmodellen en externe databronnen kan een optimalere bedrijfsvoering worden bereikt. De datagedreven modellen kunnen verbanden vinden die mensen niet kunnen vaststellen. Daardoor kan worden gestuurd op het beperken van de uitstoot van het sterke broeikasgas N2O, op het energieverbruik en op de slibproductie. Tegelijkertijd wordt rekening  gehouden met de kosten en gezorgd voorgoede kwaliteit van het gezuiverde afvalwater.

Lachgasemissie terugdringen
De voornaamste doelen van de onderzoeksstraat zijn het terugdringen van de N2O-emissie en het verlagen van het energieverbruik. De verwachting is dat dit kan worden bereikt met een data gedreven AI processturing. N2O is een broeikasgas, dat vrijkomt tijdens de stikstofverwijdering in het zuiveringsproces. Omdat het maar liefst 265 keer zo sterk is als CO2 levert het een aanzienlijke bijdrage aan de totale broeikasgasemissies van waterschappen. Voor Waternet bedraagt dit maar liefst één derde van de totale uitstoot in 2019. Het beperken van deze uitstoot is dus belangrijk. De rwzi Amsterdam West stoot gemiddeld ongeveer 20 kton CO2-equivalenten N2O per jaar uit. We verwachten dat op deze rwzi door reductie van de N2O-emissie een jaarlijkse verlaging van 5 tot 10 kton CO2-eq haalbaar is.

Energieverbruik verlagen
De processen in de beluchtingstank verbruiken veel energie. Ze zijn verantwoordelijk voor maar liefst 50% van het totale energieverbruik van de rwzi. Voor een duurzamere bedrijfsvoering is het dus belangrijk de beluchting zo efficiënt mogelijk te regelen. Een ander doel van de onderzoeksstraat is het vergroten van de capaciteit van de huidige zuiveringsinstallatie door een stabielere/efficiëntere bedrijfsvoering. Dit kan bijdragen aan uitstel van de bouw van een achtste zuiveringsstraat. De uitbreiding is nodig vanwege het groeiende aantal inwoners van Amsterdam. Dit kan leiden tot een aanzienlijke kostenbesparing.

Fiware4Water
Voor het onderzoek hebben Waternet en KWR Water Research Institute een subsidie gekregen vanuit het Europese Horizon 2020-programma. Binnen dit zogenaamde Fiware4Water-project subsidieproject wordt samengewerkt met twaalf Europese partners. Fiware is een open-source IT-platform, dat is opgericht in het kader van het Future Internet Public Private Partnership (FI-PPP), dat in 2011 door de Europese Commissie werd opgericht. Het is uitgegroeid tot een community van softwareontwikkelaars, onderzoeks- en innovatieorganisaties, steden, kleine of middelgrote ondernemingen en start-ups. Omdat tot nu toe nog geen Fiware-toepassingen voor rwzi’s waren ontwikkeld, worden deze tools nu ontwikkeld en gebruikt binnen Fiware4Water. Denk hierbij aan tools om zuurstofsetpoints, nitrificatiecapaciteit of zuurstofopname efficiëntie te bepalen. Robuuste en overdraagbare besturingsalgoritmen om N2O-emissies en de energievraag te verminderen en de algehele zuiveringsefficiëntie te verbeteren, zijn namelijk relevant voor veel zuiveringsinstallaties over de hele wereld. Fiware-compatibiliteit zorgt ervoor dat de tools gemakkelijker op verschillende locaties kunnen worden geïntroduceerd.

Onderzoekstraat gereed
De onderzoekstraat is voltooid. Sensoren zijn geplaatst, de benodigde datanetwerkinfrastructuur is uitgebreid en stroomaansluitingen zijnaangebracht. Verder is het huidige procesautomatiseringssysteem (SCADA) aangepast, waardoor het mogelijk is door de AI-modellen bepaalde setpoints te gebruiken voor het aansturen van de onderzoeksstraat. Binnenkort wordt de nieuwe functionaliteit van het SCADA-systeem getest. 

De komende tijd besteden we veel aandacht aan de nieuwe sensoren en meetmethoden, dit om ervaring op te doen met onderhoud en inzicht te krijgen in de nauwkeurigheid van de metingen. Zo hebben we voor metingen in het influent (voorbezonken water) van de onderzoekstraat is een ultrafiltratie (UF) membraaninstallatie laten maken. De UF verwijderd de deeltjes uit het afvalwater zodat o.a ammonium en fosfaat kunnen worden gemeten. Dit is zonder een voorfiltratiestap niet mogelijk en door de samenstelling van het afvalwater is de standaard filtratie van de ammonium- en fosfaatanalyzer niet toepasbaar. Momenteel wordt er hard gewerkt aan de optimalisatie de UF.  

Ontwikkelde modellen en softsensoren
We hebben drie modellen waarmee de AI modelsturing kan worden gerealiseerd geheel of gedeeltelijk ontwikkeld. Daarnaast hebben we twee softsensoren gemaakt. Softsensoren zijn geen fysieke sensoren maar ‘reken’ sensoren, met de beschikbare procesdata word een waarde berekend alsof er een fysieke sensor aanwezig is. De volgende modellen en softsensoren worden/zijn ontwikkeld:

  • een softsensor voor het bepalen van de influentstroom per zuiveringsstraat (gereed),
  • een softsensor voor het bepalen van het procesluchtdebiet per zuiveringsstraat (gereed),
  • een AI-model voor het voorspellen van de totale influentstroom van de zuiveringsinstallatie (gereed),
  • een AI-model dat het gedrag van de zuiveringsinstallatie beschrijft (gereed),
  • een AI-model met de optimale controle-instellingen op basis van een beloningssysteem dat energieverbruik en lachgasemissies omvat (gedeeltelijk gereed)

De komende periode wordt data verzameld om de ontwikkelde modellen te trainen op data van de onderzoekstraat. We hebben bepaald dat we minimaal drie maanden data nodig hebben om dit goed te kunnen doen. Vervolgens zullen we een eerste door het AI-model bepaalde setpoint gaan toepassen op de onderzoekstraat. We beginnen met het zuurstofsetpoint en gaan dit langzaam uitbreiden met andere relevante stuurparameters.  

Projectupdate mei 2023

AI-model 
Sinds enkele maanden sturen we de beluchtingstank van de onderzoekstraat aan met een Artificial Intelligence (AI) model. Om zo het water goed te zuiveren en tegelijkertijd de hoeveelheid lachgas die vrijkomt bij het zuiveringsproces zo laag mogelijk te houden. Dat is belangrijk, want lachgas is een sterk broeikasgas en verantwoordelijk voor 60% van de klimaatvoetafdruk van Waterschap Amstel, Gooi en Vecht.  


Spannend 
In de eerste maanden waarin het AI-model de onderzoekstraat stuurde, hebben we gezien dat het model de hoeveelheid uitgestoten lachgas aanzienlijk omlaag kan brengen. Dat ging vooral goed bij droogweer, maar bij regen kwam het model soms in de problemen. We kwamen erachter dat dit lag aan een instelling in de procesautomatisering (PA) die minder goed aansloot bij de modelsturing. De instelling hebben we gewijzigd. Het eerste weekend van mei zou veel regen vallen, dus het werd spannend. 
regenachtigedag_dennis.jpg
Foto op regenachtige zondag 7 mei door Dennis Noordenbos 

Geslaagde test 
Het AI-model heeft goed gepresteerd tijdens én na de regen. Ook toen in korte tijd veel regen viel, bleef het AI-model het goed doen. Dit is een mooi resultaat! Nu kunnen we op deze manier blijven sturen en zo de effecten op langere termijn beter vaststellen.  

Veelbelovend 
De AI stuurt pas een paar maanden op de onderzoekstraat, maar we denken dat deze slimme sturing een betekenisvolle reductie van lachgasemissies kan halen op rwzi Amsterdam West. Van tientallen procenten tot mogelijk 50% als het wordt uitgerold over alle zeven zuiveringsstraten.
grafiek_lachgas_Afbeelding4.pngDe lachgasemissie van de onderzoekstraat en de vergelijkstraat (bovenste grafiek).
Het inkomende rioolwater op rwzi Amsterdam West van 3 tot 10 mei (onderste grafiek).

Afbeeldingen

X (voorheen Twitter)

Op de kaart

Een momentje...
Cookie-instellingen