Leestijd: 7 minuten
‘DataClarity’-tool haalt het maximale uit de procesdata van waterzuiveringsinstallaties
BioCo (UGent)
29/10/2021
De BioCo-onderzoeksgroep van de UGent heeft nieuwe procedures ontwikkeld om de kwaliteit en informatie-inhoud van de data die worden verzameld op waterzuiveringsinstallaties te verbeteren. Dankzij deze tool, die de naam ‘DataClarity’ kreeg, kunnen de installaties beter in kaart worden gebracht en kan hun werking en energieverbruik worden geoptimaliseerd. Ook kunnen fouten in de data beter en sneller worden gedetecteerd. We hadden een gesprek met professor Eveline Volcke, professor aan de vakgroep Groene Chemie en Technologie, Faculteit Bio-ingenieurswetenschappen van de UGent.
Professor Eveline Volcke en wetenschappelijk medewerker Quan Le hebben samen nieuwe procedures ontwikkeld om meer informatie uit de procesdata van waterzuiveringsinstallaties te halen en zo de werking ervan te optimaliseren. Met hun ‘DataClarity’-tool slagen ze erin om correctere data te bekomen en meer informatie van waterzuiveringsstations te verzamelen. De tool is gebaseerd op de principes van datareconciliatie. Dit komt neer op het sluiten van massabalansen, gecombineerd met statistische methoden. Of zoals Eveline Volcke aangeeft: “Wat binnenkomt moet gelijk zijn aan wat buitengaat. We zorgen er op die manier voor dat de data klopt als een bus.”
Nauwkeurigere metingen en berekening van niet-meetbare variabelen
Met de DataClarity-tool kan de nauwkeurigheid van de verzamelde debiet- en concentratiemetingen worden verbeterd. Maar daarnaast kan ook informatie worden bekomen die tot op heden gewoonweg niet voorhanden was. “Met onze tool kunnen we heel wat variabelen berekenen die je eigenlijk niet of toch erg moeilijk kan meten”, zegt Eveline Volcke. “Dan denk ik aan de slibverblijftijd. Maar ook aan de beluchtingsefficiëntie: hoeveel lucht wordt er in de installatie ingebracht en hoeveel wordt er daarvan daadwerkelijk opgenomen? We kunnen niet rechtstreeks meten hoeveel zuurstof er wordt gebruikt voor nitrificatie en voor de oxidatie van organische koolstof (COD). Maar we kunnen deze niet-meetbare variabelen wel uit andere data berekenen.” De DataClarity-tool is compatibel met het SCADA-systeem (Supervisory Control And Data Acquisition) dat doorgaans op de waterzuiveringsinstallatie aanwezig is en kan hieraan worden gekoppeld. De variabelen zijn hierdoor online te meten en op te volgen. Zo hebben de operatoren van het waterzuiveringsstation de juiste gegevens en de gewenste informatie continu ter beschikking.
Fouten opsporen
Met de tool kunnen ook fouten in de gemeten en opgeslagen data worden opgespoord. Fouten die anders soms onopgemerkt blijven. “Door de data op een slimme manier in combinatie met massabalansen te analyseren, zagen we bijvoorbeeld dat bepaalde sensoren niet diegene waren zoals opgegeven in het SCADA-systeem”, zegt Eveline Volcke. “Ook zagen we dat er wijzigingen waren aangebracht aan de installatie die nog niet waren geüpdatet in de databestanden, zonder dat men dit ons op voorhand had verteld. Dat je bij het in kaart brengen van een installatie dergelijke zaken ontdekt, schept vertrouwen in de omgang met de operatoren en procesingenieurs, die actief bij het proces worden betrokken. Door de onzekerheid op de metingen te verkleinen, kan je makkelijker detecteren wanneer de massabalansen niet kloppen. Zo zagen we bij een bepaalde installatie dat het waterverlies door verdamping wel érg groot was. Op een andere plaats merkten we dat de bijdrage van een zijstroom toch niet zo verwaarloosbaar was als eerst gedacht. Het plaatsen van een extra debietmeter kan een oplossing zijn om meerdere stromen met een gewenste nauwkeurigheid te kennen. Een groot voordeel van onze tool hierbij is dat we op voorhand precies kunnen zeggen welke meerwaarde bepaalde extra metingen opleveren, in termen van nauwkeurigheid en de mogelijke berekening van niet-meetbare variabelen.”
Van meer data naar meer informatie
De beschikbaarheid van sensoren en instrumentatie is tegenwoordig geen belemmering meer voor dataverzameling bij waterzuiveringsinstallaties. Maar om de werking van waterzuiveringsstations te optimaliseren, is het belangrijk om de verzamelde datastroom ook ten volle te benutten. En dat kan volgens Volcke nog een stuk beter: “De data worden dikwijls nog onvoldoende bekeken en geanalyseerd. En dat is jammer.” Ze verwijst naar de mogelijkheid om in combinatie met statistische methoden en massabalansen te komen tot nauwkeurigere metingen, foutdetectie en het berekenen van niet-meetbare variabelen. “We hebben data nodig om te kijken hoe het met onze installatie is gesteld”, zegt Volcke. “Hoe performant is onze waterzuiveringsinstallatie als we niet alleen kijken naar effluentkwaliteit maar ook naar bedrijfsparameters zoals beluchtingsefficiëntie, nitrificatiesnelheid en effluentkwaliteit? En hoe staat dat dan in vergelijking met andere installaties? De data kunnen ons veel leren over het of en waarom de ene waterzuiveringsinstallatie beter presteert dan de andere.”
De juiste zaken meten
Volgens Volcke leven we in een tijd waarin er veel data beschikbaar zijn. En dat maakt het er niet makkelijker op om de juiste analyses te maken. “Meer data betekent niet noodzakelijk meer informatie”, zegt Volcke. “In de praktijk vinden er misschien zelfs te veel metingen plaats. Wanneer we meer meten dan we nodig hebben, betekent dat dat we nodeloze kosten maken. Maar het is wellicht nog erger als we cruciale metingen overslaan. Voordat we data gaan verzamelen, moeten we daarom vooral goed nadenken welk type informatie we eigenlijk willen hebben. Zo kan het bijvoorbeeld zijn dat men een waterzuiveringsinstallatie wil ombouwen tot een meer energie-neutrale installatie, en hiervoor verschillende alternatieven wil vergelijken aan de hand van een numeriek procesmodel. Om het procesmodel te voeden, zijn betrouwbare data nodig. Maar zelfs het beste model is maar zo goed als de data waarmee je het voedt. Als de data niet kloppen, niet voldoen aan de massabalansen, kan ook het model niet kloppen. Het is daarom essentieel om eerst aan data-reconciliatie te doen, voordat je de data in een procesmodel steekt of op een andere manier als basis gebruikt voor het maken van beslissingen.”
Samen met de uitbaters van de waterzuiveringsinstallaties gaan we na welke informatie men precies wenst te bekomen. Die informatie wordt vervolgens vertaald in sleutelvariabelen die met een vooropgestelde nauwkeurigheid worden gemeten of berekend. Een belangrijke stap in het proces is de beschrijving van de installatie. “We brengen de lay-out in kaart en analyseren de beschikbare metingen”, zegt Volcke. “Hoe ziet de installatie eruit en wat wil ik weten? Dat is een zeer interessante oefening, want er komt van alles uit – zoals de ontdekking van fouten. We praten met de mensen uit de praktijk en nemen onze proceskennis en tools mee. Om uiteindelijk vragen te beantwoorden als: meten we nu al de goede variabelen om de gewenste informatie te bekomen? Zouden we dezelfde resultaten krijgen met minder of goedkopere metingen? Is de informatie die we hebben wel betrouwbaar en accuraat? Het resultaat is een optimaal experimenteel ontwerp. Dit is een voorstel voor (bijkomende) metingen die precies de informatie opleveren die de klant wil, in een afweging tussen kosten voor extra metingen enerzijds en de bekomen nauwkeurigheid van gemeten en berekende variabelen anderzijds.”
Potentieel en toekomstperspectieven
Momenteel wordt de DataClarity-tool al ingezet in het buitenland, bij waterzuiveringsinstallaties in Nederland en Frankrijk. Ook academische samenwerkingen worden verder geïntensifieerd, onder meer met de Universiteit van Uppsala in Zweden. “Maar we willen op basis van onze ervaringen ook in eigen land iets voor de praktijk betekenen en met industrieën samenwerken”, zegt Volcke. “Het project is belangrijk door de toenemende eisen die aan waterzuiveringsinstallaties worden gesteld. Een goede effluentkwaliteit alleen is niet meer voldoende. Waterzuiveringsstations moeten aan steeds meer criteria voldoen als het gaat om energieverbruik, koolstofvoetafdruk en duurzaamheid in het algemeen. Waterzuiveringsstations evolueren ook steeds meer naar grondstoffenfabrieken – resource recovery facilities. Meer en meer zien we dat procesconfiguraties worden aangepast voor de terugwinning van nutriënten. Zo vereist de wetgeving in Duitsland al een zeker percentage van fosforterugwinning. Om te weten of je daaraan kan voldoen, moet je toch met zekerheid kunnen zeggen hoeveel er in elk eenheidsproces naar binnen en naar buiten gaat. Anders kom je er niet. Datareconciliatie kan dus helpen om beslissingen te nemen en om te voldoen aan een veelheid aan eisen die veel verder gaan dan effluentkwaliteit. Het laat toe om procesconfiguraties aan te passen met kennis van zaken. De toepassingsmogelijkheden van datareconciliatie blijven niet beperkt tot het domein van afvalwaterzuivering. In het verleden bewezen dergelijke tools al hun nut in de chemische procesindustrie. En momenteel bekijken we de toepassing van onze DataClarity-tool voor lekdetectie in drinkwaternetwerken.”