Automazione degli impianti di trattamento biologico delle acque reflue

Transcript

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).
3/61
La maggiore complessità richiede maggior controllo
Controllo manuale
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
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

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
7/61
Relazioni causa-effetto del controllo
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
9/61
Controllo integrato al bacino
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.
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.

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
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
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
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.
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
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
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)
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
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
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
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
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
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 )
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
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
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
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
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
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
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
(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
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
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
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
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)
37/61
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
38/61
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
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
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
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

42/61
Cicli impianto Avedøre
43/61
Gestione settimanale Avedøre
NH4+
DO
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.
45/61
Funzionalità del software realizzato
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
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
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
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
50/61
Progressione dell’intasamento (clogging)
Da Jianga et al., 2003
51/61
Impianto pilota a membrana sommersa
Lavaggio meccanico
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)
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

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.
55/61
Flusso del permeato (Smith et al., 2005)
La scelta ottimale del rapporto CL/Produzione
produce il massimo flusso di permeato
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
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
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

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.
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.
61/61