Data-driven soft-sensors for monitoring and fault diagnosis in wastewater treatment plants

Abstract

Les possibles desviacions dels valors dels paràmetres específics dels efluents de les plantes de tractament d'aigües residuals (EDAR) a causa de les possibles fluctuacions d'aquests valors respecte els de disseny, poden afectar negativament la salut humana i el medi ambient, per la qual cosa hi ha importants pressions sobre les autoritats pel el disseny i l'operació eficients d'aquest tipus de plantes. El desenvolupament d'un marc d'operació i control d'aquestes operacions és una part essencial per al funcionament correcte de les operacions i necessita d'unes mesuraments en temps real de paràmetres crucials d'operació, per exemple concentracions de nitrat i nitrogen total, fosfat i fòsfor total, sòlids en suspensió, demanda bioquímica d'oxigen (DBO) i demanda química d'oxigen (DQO), greixos volàtils totals àcids (AGV)) entre d'altres valors de composició, així com una lectura fiable de cabal, temperatura i pressió. La mesura de tals paràmetres comporta d'uns costos considerables d'inversió i manteniment, així com d'un temps de retard en la mesura que pot arribar a ser considerable. L'objectiu d'aquesta tesi va ser dissenyar sensors en línia que es puguin utilitzar a més s més de la instrumentació convencional per millorar l'operació i la seguretat d l procés. A causa de la disponibilitat d'una gran quantitat de dades de procés en la majoria de les EDAR modernes, els mètodes basats en models de tractament de han atret una atenció significativa i en consegüent, en aquesta tesi s'han desenvolupat diferents sensors en línia per a la predicció d'un paràmetre de capital importància en el funcionament com és la quantitat d'àcids grassos volàtils (VFA) i la detecció i diagnòstic de fallades de lectura (FD) d'instruments de mesura en les EDAR.

Las posibles desviaciones de los valores de los parámetros específicos de los efluentes de las plantas de tratamiento de aguas residuales (EDAR)debido a las posibles fluctuaciones de estos valores respecto los de diseño, pueden afectar negativamente la salud humana y el medio ambiente, por lo cual existen importantes presiones sobre las autoridades para el diseño y la operación eficientes de este tipo de plantas. El desarrollo de un marco de operación y control de estas operaciones es una parte esencial para el funcionamiento correcto de las operaciones y necesita de unas las mediciones en tiempo real de parámetros cruciales de operación, por ejemplo concentraciones de nitrato y nitrógeno total, fosfato y fósforo total, sólidos en suspensión, demanda bioquímica de oxígeno (DBO) y demanda química de oxígeno (DQO), grasas volátiles totales ácidos (AGV)) entre otros valores de composición, así como una lectura fiable de caudal, temperatura y presión. La medida de tales parámetros conlleva de unos costes considerables de inversión y mantenimiento, así como de un tiempo de retardo en la medida que puede llegar a ser considerable. El objetivo de esta tesis fue diseñar sensores en línea que se puedan utilizar además de la instrumentación convencional para mejorar la operación y la seguridad del proceso. Debido a la disponibilidad de una gran cantidad de datos de proceso en la mayoría de las EDAR modernas, los métodos basados en modelos de tratamiento de han atraído una atención significativa y en consiguiente en esta tesis, se han desarrollado diferentes sensores en línea para la predicción de un parámetro de capital importancia en el funcionamiento como es la cantidad de ácidos grasos volátiles (VFA) y la detección y diagnóstico de fallos de lectura (FD) de instrumentos de medida en las EDAR.

Failing to reach the specific effluent properties in wastewater treatment plants can adversely affect human health and environmental. Due to this, there are significant pressures on authorities for efficient design and operation of wastewater treatment plants (WWTPs). Therefore, to achieve regulatory standards for wastewater effluent in a cost-efficient way, the development of an advanced information framework for the control and supervision of the WWTPs is mandatory. For the implementation of this framework, the real-time measurements of crucial parameters (e.g., concentrations of nitrate and total nitrogen, phosphate and total phosphorus, suspended solids, biochemical oxygen demand (BOD) and chemical oxygen demand (COD), total volatile fatty acids (VFA)) are necessary. Measurement of such parameters is often associated with capital and maintenance costs, as well as the time delay. The focus of this thesis was to design soft-sensors that can be used besides conventional instrumentation to improve the process operation and safety. Due to the availability of the massive amount of process data in most modern WWTPs, data-driven methods have attracted significant attention. Therefore, in this thesis, we developed different data-driven soft-sensors for online prediction of a crucial parameter (VFA) and fault detection (FD) and diagnosis in WWTPs.