Automazione degli impianti di trattamento biologico delle acque reflue
Transcript
Automazione degli impianti di trattamento biologico delle acque reflue
Automazione degli impianti di trattamento biologico delle acque reflue Stefano Marsili-Libelli Dipartimento di Sistemi e Informatica Università di Firenze Email: [email protected] Web: www.dsi.unifi.it/~marsili 1 Perché controllare? Il processo non opera mai in stato stazionario perché: L’influente cambia continuamente, sia in portata che in composizione Le condizione ambientali cambiano con ritmo giornaliero e stagionale Le prestazioni richieste cambiano con la situazione ambientale e del corpo idrico recettore In condizioni tempo varianti è necessario un controllo in tempo reale per garantire: Che l’effluente sia entro i limiti di legge La salvaguardia dell’impianto L’economicità della gestione Difficoltà del controllo: Spesso si devono armonizzare obiettivi contrastanti Le dinamiche di processo sono nonlineari e tempo-varianti S. Marsili-Libelli, Automazione dei processi di depurazione 2/61 Il contesto tecnologico Alla crescente domanda di automazione si può dare un’efficace risposta solo combinando le conoscenze in tre settori tecnologici complementari: Tecniche avanzate di automazione, basate su modelli di processo evoluti e metodi di intelligenza artificiale; Strumentazione analitica di processo, per un’approfondita conoscenza in tempo reale delle variabili critiche; Sistemi di comunicazione digitale (bus di campo) ed elaborazione di processo. Importanti sforzi comunitari Il progetto SMAC, acronimo per SMArt Control of wastewater systems La conferenza specialistica quadriennale ICA (Instrumentation, Control and Automation) (Malmo, 2001; Busan, 2005) Il progetto Benchmark (COST 682 e 624). S. Marsili-Libelli, Automazione dei processi di depurazione 3/61 La maggiore complessità richiede maggior controllo Controllo manuale S. Marsili-Libelli, Automazione dei processi di depurazione Controllo automatico 4/61 Obiettivi generali del controllo L’automazione dei processi di depurazione si pone i seguenti obiettivi: Ottimizzazione del rendimento depurativo in ogni condizione di funzionamento; Incremento dell’affidabilità e del rispetto dei limiti di legge attraverso il monitoraggio ed il controllo coordinato delle varie unità di processo. I processi di più moderna concezione forniscono il rendimento atteso solamente se opportunamente automatizzati. Ad es. Biomembrane Biomasse granulari Rimozione avanzata azoto mediante combinazione Sharon/Anammox S. Marsili-Libelli, Automazione dei processi di depurazione 5/61 Obiettivi specifici del controllo dei processi di depurazione Controllo idraulico Garantire il tempo di ritenzione idraulico di progetto Evitare sovraccarichi, specialmente sul sedimentatore secondario Controllo della biomassa (Posizionamento) Assicurare una efficace ripartizione della biomassa fra sedimentazione (accumulo) e vasche di reazione (attività) Controllo della biomassa (Inventario) Evitare lo sviluppo di micro-organismi dannosi (filamentosi) Evitare tempi di ritenzione dei solidi (SRT) eccessivi Controllo della rimozione dei nutrienti e dei costi operativi Assicurare le condizioni che producono la migliore qualità dell’effluente in termini di 9 rimozione dei nutrienti 9 economicità di gestione Controllo membrana Resistenza alla filtrazione Fouling e Clogging S. Marsili-Libelli, Automazione dei processi di depurazione 6/61 Importanza relativa dei vari problemi di controllo 100 % Importanza del controllo Distribuzione biomassa Controllo idraulico 75 % 50 % Rimozione nutrienti e costi operativi 25 % 0% Controllo composizione biomassa 0% 25 % 50 % 75 % 100 % Situazione di carico S. Marsili-Libelli, Automazione dei processi di depurazione 7/61 Relazioni causa-effetto del controllo S. Marsili-Libelli, Automazione dei processi di depurazione 8/61 Cosa si può controllare e come Non tutte le azioni di controllo sono ugualmente presenti in tutti gli impianti. La percentuale qui sotto mostra quali sono le regolazioni più utilizzate, gli automatismi che le realizzano e qual’è la variabile usata per la regolazione Set-point Regolatore Processo uscita L’ingresso al sistema di controllo coincide quasi sempre con l’uscita del processo S. Marsili-Libelli, Automazione dei processi di depurazione 9/61 Controllo integrato al bacino S. Marsili-Libelli, Automazione dei processi di depurazione 10/61 Innovazioni significative nell’automazione Miglioramenti nella tecnologia dei sensori e degli attuatori, consentendo la misura affidabile dei nutrienti (azoto e fosforo) e l'utilizzo di tecniche respirometriche in linea; Incremento dell’adozione di sistemi SCADA (Supervisory Control and Data Acquisition) provenienti da settori di processo dove l’Automatica si è già affermata da tempo; Utilizzo di modelli dinamici avanzati (ASM) e la disponibilità di loro implementazioni software; Migliore integrazione fra le conoscenze tipiche dell’Ingegneria Sanitaria con quelle di area sistemistica - informatico, in particolare l’uso di modelli complessi e di sistemi di regolazione basati su tecniche di intelligenza artificiale. S. Marsili-Libelli, Automazione dei processi di depurazione 11/61 Tecnologia dei sistemi di controllo Architetture di controllo gerarchiche, il cui hardware riflette la strutturazione delle azioni di controllo: massimizzare lo scambio di informazioni in senso “orizzontale”, cioè fra organi di Livello di pari livello unità gerarchico limitare allo stretto necessario lo scambio “verticale” Livello di dispositivo di informazioni. S. Marsili-Libelli, Automazione dei processi di depurazione WWW Livello di impianto ETHERNET GATEWAY GATEWAY BUS DI CAMPO 12/61 Necessità di avere dei buoni sensori….. Da: Ingildsen P. and Olsson G. Get more out of your wastewater treatment plant. Danfoss Analytical, 2001 S. Marsili-Libelli, Automazione dei processi di depurazione 13/61 Architettura di un sistema di controllo Sistema di elaborazione di processo tur era mp Te e w Flo ntr Co Sistema SCADA ed elaborazione di processo Pr ure ess rm Ala ol l ne Pa ns itio nd Co OP ST Libreria Libreria Regolatori Modelli N N F N N N N NO3-, ORP, pH N N N +, SS pH, DO, NH 4 Bus di campo N N SBH N Sistemi di acquisizione dati Sensori Processo S. Marsili-Libelli, Automazione dei processi di depurazione 14/61 Requisiti del sistema di acquisizione e controllo Utilizzo di tecnologie standard Bus di campo compatibili con il modello OSI (Open Systems Interconnections) Architetture modulari ed aperte 9 Evitare di adottare standard proprietari che portano alla dipendenza da un singolo fornitore Utilizzo di protocolli standard aperti 9 Loop di corrente 4 - 20 mA 9 Modbus su RS-485 o Ethernet 9 Profibus (DP o PA) Utilizzo di piattaforme software standard per garantire Modularità Espandibilità Compatibile con 9 OPC server 9 Controlli ActivX 9 Metadati e formati XML S. Marsili-Libelli, Automazione dei processi di depurazione 15/61 L’approccio Benchmark Definire un ambiente standardizzato per il progetto di sistemi di controllo di processo per impianti di depurazione. Tutto il materiale relativo al modello, agli ingressi ed alle condizioni operative può essere scaricato dal sito dell'organizzazione all'indirizzo web http://www.benchmarkwwtp.org. L'approccio benchmark consiste nella definizione di un sistema standard per quanto riguarda Configurazione di impianto: si considera un processo con pre-denitro formato da due vasche anossiche e tre aerobiche Un insieme di dati di ingresso, della durata di 14 giorni, rappresentativi di tempo secco (dry weather), pioggia (rain weather) e tempesta (storm weather) Un insieme di indici di prestazione per valutare la qualità dell'effluente ed i costi operativi. S. Marsili-Libelli, Automazione dei processi di depurazione 16/61 Elementi del Benchmark Zona anossica (Denitro) Zona aerobica (Nitro) Sedimentazione 4 Portata (m3/d) Configurazione 4 x 10 3 2 1 0 2 4 6 8 10 12 14 8 10 12 14 8 10 12 14 [d] Serie dati di ingresso COD (mg/L) 600 500 400 300 Azoto ammoniacale (mg/L) 200 0 2 4 6 [d] 50 40 30 20 10 0 S. Marsili-Libelli, Automazione dei processi di depurazione 2 4 6 tempo (d) 17/61 Modelli utilizzati Tutti i modelli ASM della famiglia IAWQ Modello ASM1: rimozione di carbonio e azoto (NOx) Modello ASM2d: come ASM1 con in più rimozione Fosforo Modello ASM3: 9 Rimuove alcune limitazioni di ASM1 9 Introduce l'importanza dell'accumulo intracellulare 9 Modella il metabolismo endogeno secondo lo schema death-regeneration 9 Disaccoppiamento dei cammini metabolici di Carbonio e Azoto Modello ASM3_2N: modellazione esplicita del doppio step di nitrificazione 9 Possibilità di osservare l'intermedio NO2 in funzione delle azioni di controllo Adattamento a processi MBR Modellazione dei prodotti metabolici extracellulari (PME) come fattori di intasamento della membrana La resistenza della membrana è funzione delle caratteristiche dei PME S. Marsili-Libelli, Automazione dei processi di depurazione 18/61 Valutazione della qualità dell'effluente Indice di qualità dell’effluente: quantifica il carico inquinante scaricato dall’impianto simulato nel corpo recettore EQ = 1 T ⋅ 1000 t7 days ∫ t0 ⎡ β TSS ⋅ TSSe ( t ) + β COD ⋅ CODe ( t ) ⎤ ⎢ ⎥ BOD t + β ⋅ + β ⋅ e( ) TKN ⎢ BOD ⎥ ⋅ Qe ( t ) ⋅ dt [ kg d ] ⎢⋅TKN t + β ⎥ S t ⋅ ( ) ( ) e NOX NOX ,e ⎣ ⎦ Violazioni del refluo effluente rispetto ai limiti di legge: quantità totale scaricata in eccesso nel periodo di riferimento Vx = 1 T ⋅ 1000 T ∫ (x( t ) − x lim ) ⋅ (x( t ) > xlim ) ⋅ Qe ( t ) ⋅ dt 0 8 800 6 NO2 (kg) SNO2 (mg N L-1) NO2 limit = 0.6 mg L-1 4 Vx 400 200 2 0 600 0 2 4 6 8 10 12 14 time (d) S. Marsili-Libelli, Automazione dei processi di depurazione 0 0 2 4 6 8 10 12 14 time (d) 19/61 Valutazione dei costi operativi Produzione di fanghi totale Ptotal _ sludge TSSW + TSSe = T [kg d ] con : TSSW = massa di fanghi spurgati TSSe = fanghi smaltiti con la portata effluente T = periodo di osservazione della simulazione Energia di pompaggio 0.04 PE = ⋅ T t7 days ∫ ⎡⎣Qa ( t ) + Qr ( t ) + Qw ( t ) ⎤⎦ ⋅ dt [ kWh d ] t0 con : Qa ( t ) = portata di ricircolo interno Qr ( t ) = portata di ricircolo esterno Qw ( t ) = portata di spurgo Energia di aerazione 24 ⋅ AE = T t7 days ∫ t0 5 2 ⎡ 0.4032 ⋅ + 7.8408 ⋅ k L ai ( t ) ⎤ ⋅ dt k a t ( ) ∑ L i ⎣ ⎦ i =3 [ kWh / d ] k L ai ( t ) = coefficiente di scambio del gas in fase liquida S. Marsili-Libelli, Automazione dei processi di depurazione 20/61 Alcuni tipici problemi di automazione Controllo di una vasca di accumulo Controllo coordinato per la rimozione dell’azoto Per lo smorzamento dei sovraccarichi idraulici si utilizzano spesso vasche di accumulo nelle quali viene stoccato temporaneamente il liquame in eccesso, per smaltirlo poi quando il periodo critico è terminato Nel passato la capacità di areazione era dimensionata sul carico carbonioso, mentre attualmente esso è dimensionato principalmente sul fabbisogno per la nitrificazione. Controllo della commutazione del ciclo SBR Nei Sequencing Batch Reactor (SBR) l’efficacia del processo dipende in modo critico dalla commutazione fra fase anossica/anaerobica ed aerobica, specialmente nel caso di rimozione del fosforo S. Marsili-Libelli, Automazione dei processi di depurazione 21/61 Equalizzazione con vasca di accumulo Una vasca di accumulo laterale in testa all’impianto può immagazzinare le portare eccedenti il limite di funzionamento (Q > Qplant), per un successivo smaltimento dopo il periodo di sovraccarico (Equalizzazione) Qin Portata influente Q plant Q plant Portata al processo t t SO2 Qplant Qin Anox fill Storage Tank Ox Settler draw Qw Storage Control Il problema non è solamente l’accumulo durante il sovraccarico (Qfill), ma la portata di svuotamento (Qdraw) nel periodo successivo per preparare la vasca ad un ulteriore possibile sovraccarico S. Marsili-Libelli, Automazione dei processi di depurazione 22/61 Carico in ingresso durante il periodo secco 2000 Qin [mc/h] Impianto di Pieve a Nievole (PT) 1500 1000 500 0 800 0 COD [mg/l] 500 0 NH4+ [mgN/l] 500 0 500 ore 1000 1500 1000 1500 1000 1500 600 400 200 0 80 ore 60 40 20 0 S. Marsili-Libelli, Automazione dei processi di depurazione ore 23/61 Carico in ingresso durante il periodo piovoso Punte di carico idraulico Qin [mc/h] 3000 2000 1000 0 0 COD [mg/l] 800 500 ore 1000 1500 Punte di carico organico 600 400 200 0 0 NH4+ [mgN/l] 80 500 ore 1000 1500 1000 1500 60 40 20 0 0 500 S. Marsili-Libelli, Automazione dei processi di depurazione ore 24/61 Statistica delle portate al depuratore F lo w h is to g ra m 0 .1 2 L o g n o rm a l d is trib u tio n 0 .1 0 .0 8 0 .0 6 0 .0 4 0 .0 2 0 200 400 600 800 1 000 1200 1 400 1600 1800 2 000 F lo w (m 3 /h ) C u m . p ro b . 1 0 .8 0 .6 0 .4 = 6 7 3 .9 (m 3 /h ) M e d ia n flo w = 5 8 0 .6 (m 3 /h ) M e a n flo w 0 .2 0 0 200 400 600 800 1 000 1 200 1 400 1 600 1 800 2 000 F lo w (m 3 /h ) S. Marsili-Libelli, Automazione dei processi di depurazione 25/61 Regole deterministiche di gestione dell’accumulo ⎧Q if Qin < Qproc AND V = 0 in ⎪ = ⎨Qin + Qdraw if Qin + Qdraw ≤ Qproc AND V > 0 ⎪Q if Qi > Qproc AND ∀ V ⎩ proc Portata nell’impianto Qplant Portata di svuotamento ⎧0 Qdraw = ⎨ ⎩Qproc −Qin if V = 0 if V > 0 AND Qin < Qproc ⎧Qin − Qproc if = ⎨ if ⎩0 Qin > Qproc AND V < Vmax Portata di riempimento Q fill Portata di by-pass V = Vmax AND Qin > Qproc ⎧Qin − Qproc if Qbypass = ⎨ otherwise ⎩0 S. Marsili-Libelli, Automazione dei processi di depurazione Qin ≤ Qproc 26/61 Risultati della gestione deterministica dell’accumulo Flow (m3/h) 1500 Qtot Qby Qplant Qin 1000 500 fill bypass 0 draw 0 50 100 time (h) 150 200 150 200 Volume (m3) 2000 Maximum available volume 1500 1000 500 0 0 50 S. Marsili-Libelli, Automazione dei processi di depurazione 100 time (h) 27/61 Eliminazione del by-pass aumentando Qdraw Flow (m3/h) 1 500 Qdraw 1 000 Qplant Qin 500 fill 0 draw 0 50 Volume 2 000 (m3) 1 00 1 50 200 15 0 200 time (h) Maximum available volume 1 500 1 000 500 0 0 50 S. Marsili-Libelli, Automazione dei processi di depurazione 100 time (h) 28/61 Vantaggi e limiti della vasca di accumulo Si può impostare un diverso volume Vmax a seconda delle stagioni Le portate di riempimento (Qfill) e di svuotamento (Qdraw) sono flessibili La vasca di accumulo è efficace per smorzare le punte di carico idraulico Ha scarso effetto su quello organico Limiti del controllo deterministico: Eccessivo volume richiesto 9 Le regole sono uniche per ogni condizione operativa Rigidità delle decisioni Frequente ricorso al by-pass 9 Un minimo superamento della soglia produce by-pass Alternativa controllo fuzzy basato su un insieme di regole di decisione S. Marsili-Libelli, Automazione dei processi di depurazione 29/61 Logica Fuzzy E' basata su una serie di predicati implicanti del tipo IF <Antecedente> THEN <Conseguente> Il grado di verità può variare da 0 (falso) ad 1 (vero) assumendo anche valori intermedi Il grado di verità del conseguente è determinato da quello dell'antecedente L'antecedente può essere un'espressione logica complessa, che coinvolge più variabili Permette di incorporare la conoscenza del processo disponibile in qualsiasi forma 9 Ad es. informazioni “qualitative” e “quantitative” E’ più flessibile rispetto alla logica classica e può conciliare obbiettivi contrastanti 9 Ad es. riempimento e svuotamento Richiede un limitato sforzo di modellistica 9 E’ richiesto un modesto grado di conoscenza del processo S. Marsili-Libelli, Automazione dei processi di depurazione 30/61 Schema del regolatore Fuzzy Controllo dello svuotamento low 1 Qin + Qproc medium high empty 1 full low 1 0.8 0.8 0.8 0.6 0.6 0.6 0.4 0.4 0.4 0.2 0.2 0.2 0 0 0 Qacc 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Qacc medium high 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Volume Qdraw Controllo del riempimento Regole fuzzy Stato dell'accumulo QFill QDraw Volume di accumulo 1 low medium high empty 1 medium full 1 0.8 0.8 0.8 0.6 0.6 0.6 0.4 0.4 0.4 0.2 0.2 0.2 0 0 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Trattamento Qacc S. Marsili-Libelli, Automazione dei processi di depurazione 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Volume low medium high zero 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Qfill 31/61 Regole Fuzzy per il controllo della vasca Regole per il riempimento (Qfill) 1. If (Qacc is low) and (Volume is empty) then 2. If (Qacc is medium) and (Volume is empty) then 3. If (Qacc is high) and (Volume is empty) then 4. If (Qacc is low) and (Volume is full) then 5. If (Qacc is medium) and (Volume is full) then 6. If (Qacc is high) and (Volume is full) then 7. If (Qacc is medium) and (Volume is medium) then 8. If (Qacc is high) and (Volume is medium) then 9. If (Qacc is low) and (Volume is medium) then (Qfill is high) (Qfill is high) (Qfill is high) (Qfill is low) (Qfill is zero) (Qfill is zero) (Qfill is medium) (Qfill is high) (Qfill is low) Regole per lo svuotamento (Qdraw) 1. If (Qacc is low) and (Volume is empty) then 2. If (Qacc is medium) and (Volume is empty) then 3. If (Qacc is high) and (Volume is empty) then 4. If (Qacc is low) and (Volume is full) then 5. If (Qacc is medium) and (Volume is full) then 6. If (Qacc is high) and (Volume is full) then S. Marsili-Libelli, Automazione dei processi di depurazione (Qdraw is medium) (Qdraw is low) (Qdraw is low) (Qdraw is medium) (Qdraw is high) (Qdraw is high) 32/61 Smorzamento delle variazioni di portata Qin Qplant P o r t a t a [m 3 / h ] 1000 800 Qpro 600 400 200 0 200 S. Marsili-Libelli, Automazione dei processi di depurazione 400 Tempo (h) 600 800 33/61 Decomposizione gerarchica delle azioni di controllo Controllore di alto livello Criterio di prestazione sp S NO x sp So Controllore di basso livello SNOx Qplant Controllore di basso livello Uair Anox Ox SO2 Settler Qw controllo del ricircolo interno controllo del ricircolo esterno S. Marsili-Libelli, Automazione dei processi di depurazione 34/61 Controllo DO in vasca di ossidazione A causa del consumo (OUR) variabile, la portata d’aria deve essere aggiustata in modo da garantire un livello di DO sufficiente alle richieste metaboliche (S o > 2 mgO2 /L ) Il controllo DO è un anello di regolazione di basso livello Processo : dS o dt = K aU a (Csat − S o ) − OUR − q(1 + r )S o sp Controllore : U a = f ( S o , S o ,OUR ) Problema: regolare la portata d’aria Ua in modo che sia sempre al variare di OUR Low Level Controller Uair Qplant Anox Ox sp So SO2 Settler sp So ≈ So S. Marsili-Libelli, Automazione dei processi di depurazione Qw 35/61 Regolazione PID del DO (basso livello) U air T ⎛ det ⎞⎟ 1 ⎜ et dt + Td = K p et + ⎜ T dt ⎟ 0 ⎠ ⎝ ∫ Set-point di DO (valore desiderato) sp So + Kp Comando al compressore per la portata d’aria (variabile manipolata) PID t 1 e( σ )dσ Ti 0 ∫ + SO2 de( t ) Td dt Segnale DO (variabile misurata) Uair Qplant Anox SO2 Ox Settler Qw S. Marsili-Libelli, Automazione dei processi di depurazione 36/61 Tipico risultato di controllo DO mediante PID mgO2/L 3 2 1 0 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 7 kLa[d-1] 6 5 4 3 Tempo (d) S. Marsili-Libelli, Automazione dei processi di depurazione 37/61 Controllo coordinato per la rimozione dell’azoto DO Set-point: • Costi di areazione • Produzione NO3O2 NH4+ NO2- NO3- Set-point: • Costi di dosaggio • N totale in uscita Corg NO3- N2 La Direttiva Acque CE (60/2000) pone un limite all’Azoto totale in uscita, perciò la conversione NH4 → NO3 mediante areazione deve essere tenuta sotto controllo perché: • Se è eccessiva, crea un carico eccessivo per la denitro ed un’operazione antieconomica dell’areazione; • Se è insufficiente può produrre NO2- nell’effluente ed una quantità insufficiente di Azoto ossidato non è disponibile per la denitro Conclusione: i due processi devono essere coordinati S. Marsili-Libelli, Automazione dei processi di depurazione 38/61 Controllo coordinato per la rimozione dell’azoto Criterio di prestazione Controllore di alto livello sp S NO x sp So Controllore di basso livello SNOx Qplant Anox Controllore di basso livello Uair Ox SO2 Settler Qw controllo del ricircolo interno S. Marsili-Libelli, Automazione dei processi di depurazione 39/61 Superficie ottimale dei set-point 1 NO2 > 0.6 NO2 < 0.6 TON > 10 TON > 10 Curve a costo c ostante Curve a NH4 costante 0.7 La funzione del controllore di alto livello è la selezione dei set-point per i controllori di basso livello 4. 5 0.6 4 3.5 3 2 2 .5 0.5 1.5 1 NO3 Set point (mg/l) 4.5 4 0.8 3.5 3 2.5 2 1.5 1 0.9 0.4 0.3 0 0.5 NO2 > 0.6 2.5 2 3.5 3 1.5 1 0.1 4 0.2 Optimal set-point 4 .5 1 1.5 2 2.5 DO Set point (mg/l) 3 3.5 4 Livello più basso che soddisfa ai vincoli di qualità dell’effluente TON < 10 S. Marsili-Libelli, Automazione dei processi di depurazione 40/61 Limiti dei controllo di basso livello I controllori di basso livello da soli non sono sufficientemente efficaci nel contrastare le fluttuazioni diurne e mantenere l’Azoto totale al di sotto del limite medio prescritto. Total output Nitrogen (mgN/l) 12 Smorzamento picchi 11 Limite Ntot 10 9 8 7 Controllo a due livelli Controllori di basso livello 3.5 4 4.5 5 S. Marsili-Libelli, Automazione dei processi di depurazione 5.5 6 Time (days) 6.5 7 7.5 8 41/61 Schema a carosello alternato (Avedøre) Il sistema a carosello ha 6 linee di ossidazione comandate da 4 misuratori di ossigeno disciolto ed un misuratore di ammoniaca. I Motori di ossidazione (M) vengono accesi in funzione delle indicazioni di ammoniaca presente La strategia è di operare la vasca alternativamente in modo aerobico per ossidare l’ammoniaca in modo anossico per denitrificare Sono disponibili diverse sequenze in funzione del tipo di carico S. Marsili-Libelli, Automazione dei processi di depurazione 42/61 Cicli impianto Avedøre S. Marsili-Libelli, Automazione dei processi di depurazione 43/61 Gestione settimanale Avedøre NH4+ DO S. Marsili-Libelli, Automazione dei processi di depurazione 44/61 Controllo della commutazione del ciclo SBR Ricerca in corso in collaborazione con ENEA Prot-Idr, Bologna Realizzazione di un sistema di controllo intelligente per l’ottimizzazione del funzionamento di un impianto SBR. Definizione di una modalità di telecontrollo per la gestione dell’impianto da remoto. Elaborazione di un software per la gestione in linea del processo. S. Marsili-Libelli, Automazione dei processi di depurazione 45/61 Funzionalità del software realizzato S. Marsili-Libelli, Automazione dei processi di depurazione 46/61 Telecontrollo via internet Una delle funzionalità offerte da LabView è quella di "pubblicare" in rete il pannello frontale del VI di controllo LabVIEW o Run-Time Internet TCP / IP Applicazione LabVIEW di controllo Possibile restrizione sugli IP di consultazione e di controllo. Web Service: permette di configurare il server su cui è in funzione l’applicazione in modo tale da permettere la gestione dell’ impianto da remoto. http://192.107.73.176:8000/SBRENEA.htm S. Marsili-Libelli, Automazione dei processi di depurazione 47/61 Risultati Risultati ottenuti attraverso l’utilizzo del sistema di controllo intelligente: Processo con controllo temporizzato Situazione standard: 4 carichi di percolato da 0.4 L ciascuno. Riduzione sul tempo di trattamento di circa 10 h su 24 h Processo con controllo intelligente S. Marsili-Libelli, Automazione dei processi di depurazione 48/61 Controllo di reattori a membrana Tipologie di inserimento delle membrane nel processo ricircolo out in Membrana sommersa in in ricircolo out out ΔP ΔP Membrana side-stream Membrana side-stream in reattore esterno Problema di controllo: monitoraggio della pressione di trans- membrana e programmazione dei lavaggi ΔP J= ηRt η = viscosità del permeato ⎧ J = flusso di permeato ⎨ ⎩ ΔP = pressione di transmembrana Rt = resistenza di membrana S. Marsili-Libelli, Automazione dei processi di depurazione 49/61 Monitoraggio del processo I principali parametri che dovrebbero essere monitorati in continuo in un MBR (oltre ai normali parametri di processo) sono: Portata in ingresso Pressione e portata di processo Pressione e portata di ricircolo Pressione e portata di controlavaggio Temperatura in vasca di ossidazione Volume presente in vasca di ossidazione I cicli fondamentali di processo, per quanto riguarda la membrana sono: Estrazione permeato Controlavaggio Ricircolo S. Marsili-Libelli, Automazione dei processi di depurazione 50/61 Progressione dell’intasamento (clogging) Da Jianga et al., 2003 S. Marsili-Libelli, Automazione dei processi di depurazione 51/61 Impianto pilota a membrana sommersa Lavaggio meccanico S. Marsili-Libelli, Automazione dei processi di depurazione 2° lavaggio 1° lavaggio Membrana nuova 2° lavaggio 1° lavaggio Membrana nuova Da Sofia et al., 2004 Lavaggio chimico 52/61 Schema di processo pilota MBR (Smith et al., 2005) S. Marsili-Libelli, Automazione dei processi di depurazione 53/61 Sistemi di controllo (Smith et al., 2005) Primo sistema di controllo Inizio del controlavaggio Si basa sulla misura della Pressione di TransMembrana (TMP) ΔP E' stata ottenuta una riduzione del 40% del numero di controlavaggi Da Smith et al., 2005 Secondo sistema di controllo Fine del controlavaggio Si basa sulla condizione di stazionarietà di TMP E' stata ottenuta una riduzione del 25% della durata del controlavaggio S. Marsili-Libelli, Automazione dei processi di depurazione 54/61 Controllo del lavaggio (Smith et al., 2005) Quando la TMP cresce troppo prima del controlavaggio (CL), a causa di una bassa frequenza di lavaggio, l'incremento di TMP nel tempo è troppo elevato Forti incrementi di TMP si possono avere per: Da Smith et al., 2005 basse frequenze di CL, ad es. nel caso di 2 min CL per 2 ore di funzionamento alte frequenze di CL, quando il tempo di CL diviene troppo piccolo, ad es. nel caso di 5 s CL per 5 min di funzionamento Questo indica che è possibile trovare una frequenza e una durata ottimali di funzionamento Per il pilota in esame un CL ogni 15 s ogni 15 min di funzionamento è stata ritenuta ottimale in termini di minimo fouling della membrana. S. Marsili-Libelli, Automazione dei processi di depurazione 55/61 Flusso del permeato (Smith et al., 2005) La scelta ottimale del rapporto CL/Produzione produce il massimo flusso di permeato S. Marsili-Libelli, Automazione dei processi di depurazione 56/61 Relazione fra TMP e prodotti extracellulari Recenti studi (Cho et al., 2003) hanno proposto un modello ASM1 modificato, con un modello di resistenza della membrana Il modello modificato consiste in 13 componenti, fra solubili e particolati Il modello complessivo è in grado di prevedere il tempo di intasamento della membrana Dalle sperimentazioni risulta che il rapporto F/M ed il tempo di ritenzione solidi (SRT) sono i fattori principali che controllano la produzione di prodotti extracellulari solubili (SMP) Gli SMP hanno un ruolo fondamentale sia sull'intasamento della membrana che sulla qualità dell'acqua Il modello potrebbe essere molto utile per ottimizzare le condizioni di funzionamento del MBR S. Marsili-Libelli, Automazione dei processi di depurazione 57/61 SMP in funzione del rapporto F/M (Cho et al., 2003) Regione I: aumento di SMP con lisi cellulare e diminuzione con la crescita Regione II: a causa dell'alto valore di SRT, gli SMP generati dalla lisi vengono utilizzati per la crescita S. Marsili-Libelli, Automazione dei processi di depurazione Regione III: una piccola quantità di biomassa genera una grande quantità di SMP Conclusione: per F/M<1.2, gli SMP sono i principali fattori del fouling 58/61 Conclusioni L'automazione degli impianti di depurazione è oggi possibile con un notevole grado di flessibilità e sofisticazione Gli obiettivi da perseguire nel dotare un impianto di controlli automatici dovrebbero essere (nell'ordine): Garantire il rispetto dei limiti di legge Garantire l'integrità del processo Garantire il risparmio energetico e più in generale economico Questi obiettivi possono essere conseguiti con Uso congiunto di modelli (ASM) inseriti in sistemi di simulazione (benchmark) Sistemi di acquisizione dati evoluti e modulari Sistemi di controllo basati su: 9 Principi dell'automatica classica (es. PID) per i controlli di basso livello 9 Principi dell'intelligenza artificiale (es. Fuzzy o Sistemi Esperti) per i controlli di alto livello La diffusione dell'automazione non è omogenea E' molto sviluppata per impianti tradizionali e SBR E' appena agli inizi per sistemi MBR S. Marsili-Libelli, Automazione dei processi di depurazione 59/61 Bibliografia (1) Carlsson B. and Lindberg C.F. (1997). Some control strategies for the activated sludge process, Univ. of Uppsala. Olsson, G. and Newell, B. (1999). Wastewater Treatment Systems. IWA Publishing, London. Alex J., Beteau J.F., Hellinga C., Jeppsson U., Marsili-Libelli S., Pons M.N., Spanjers H. and Vanhooren H. (1999). Benchmark for evaluating control strategies in wastewater treatment plants. Proc. ECC ’99, Karlsruhe. Copp J. (2001) The COST simulation benchmark: Description and simulator manual. Office for official publications of the European Community, Luxembourg. 154 pp. Nielsen M. K. (2001). Control of wastewater systems in practice, ICA Report. Ingildsen P. and Olsson G. (2001). Get more out of your wastewater treatment plant. Danfoss Analytical, 2001. S. Marsili-Libelli, Automazione dei processi di depurazione 60/61 Bibliografia (2) Marsili-Libelli S., L. Giunti. (2002). Fuzzy predictive control for nitrogen removal in biological wastewater treatment. Water Sci. Tech., 45(4-5): 37 – 44. Jianga T., Kennedy M.D., van der Meer W.G.J., Vanrolleghem P.A., Schippers J.C. (2003). The role of blocking and cake filtration in MBR fouling. Desalination 157: 335-343. Cho J., Ahn K.H., Seo Y., Lee Y. (2003). Modification of ASM No.1 for a submerged membrane bioreactor system: including the effects of soluble microbial products on membrane fouling. Wat. Sci. Tech. 47 (12): 177 - 181. Sofia A., Ng W.J., Ong S.L. (2004). Engineering design approaches for minimum fouling in submerged MBR. Desalination 160: 67-74. Smith P.J., Vigneswaran S., Ngo H.H., Nguyen H.T. , Ben-Aim R. (2005). Application of an automation system and a supervisory control and data acquisition (SCADA) system for the optimal operation of a membrane adsorption hybrid system. 2° IWA Conference on Instrumentation, Control and Automation, Busan, South Korea. Devisscher, M., Ciacci, G., Fé, L., Benedetti, L., Bixio, D., Thoeye, C., De Gueldre, G., MarsiliLibelli, S. and Vanrolleghem, P.A. (2006). Estimating costs and benefits of advanced control for wastewater treatment plants – the MAgIC methodology. Water Sci. Tech. 53 (4 - 5): 215 – 223. Marsili-Libelli, S. (2006). Control of SBR switching by fuzzy pattern recognition. Water Research 40: 1095 – 1107. Iacopozzi, I., Innocenti, V., Marsili-Libelli, S., Giusti, E., (2006). A modified Activated sludge model No. 3 (ASM3) with two-step nitrification-denitrification. In corso di stampa in Environmental Modelling & Software. S. Marsili-Libelli, Automazione dei processi di depurazione 61/61