Grupo de Control de Procesos Líneas de Investigación D esarrollo de Sistemas de Supervisión Inteligente y Control Jerárquico de plantas de depuración de.

Presentación del tema: "Grupo de Control de Procesos Líneas de Investigación D esarrollo de Sistemas de Supervisión Inteligente y Control Jerárquico de plantas de depuración de."— Transcripción de la presentación:

1 Grupo de Control de Procesos Líneas de Investigación D esarrollo de Sistemas de Supervisión Inteligente y Control Jerárquico de plantas de depuración de aguas residuales (EDARs) Síntesis y Diseño Integrado de EDARs Pastora Vega Mario Francisco Dpto. de Informática y Automática Universidad de Salamanca

2 2 Líneas de Investigación 1.Desarrollo de Sistemas de Supervisión Inteligente y Control Jerárquico de plantas de depuración de aguas residuales (EDARs) 2.Síntesis y Diseño Integrado de EDARs

3 3 Plantear soluciones innovadoras para la optimización y el control de procesos biológicos en plantas de depuración de aguas residuales mediante estrategias de supervisión inteligente y el control jerárquico de los mismos 1.Cumplir las regulaciones medioambientales de calidad de las aguas evitando así posibles sanciones legales 2.Facilitar la adaptación a futuras legislaciones medioambientales más estrictas, evitando el rediseño de las plantas 3.Incrementar la fiabilidad y seguridad en el control de EDARs operando en condiciones de máximo beneficio económico en un contexto global (incluyendo: ríos, planta, distribución,…) Objetivos generales de esta línea de investigación Objetivos concretos

4 4 Soluciones Propuestas 1.Cierto nivel de automatización y de infraestructura informática que permitan la interacción con los procesos en tiempo real 2.Técnicas Avanzadas de Control jerárquico que permitan establecer y alcanzar unas condiciones óptimas de operación 3.Supervisión inteligente para garantizar al máximo la operación continuada en un amplio rango de situaciones (fallos, malfunciones, …) Plantear metodologías avanzadas de supervisión, optimización y control para los procesos biológicos de plantas de depuración de aguas residuales Desarrollar una herramienta de software para la solución de los problemas mencionados que pueda ser utilizado fácilmente por personal no experto, facilitando así su difusión industrial La consecución de estos objetivos requiere

5 5 Interés del tema en Europa Desarrollo de herramientas benchmark (banco de pruebas de simulación) para evaluar estrategias de control avanzado para el proceso de fangos activados. Estos trabajos se han llevado a cabo por distintos grupos en el marco de las Acciones Europeas COST 682 y 624 (1998-2004) La Acción COST 624 se ha dedicado a la optimización tanto del desempeño como de los costes de sistemas de tratamiento de aguas residuales, incrementando el conocimiento de los sistemas de microorganismos involucrados e implementando control basado en una descripción global del sistema. COST 624: Gestión óptima de EDARs Grupo de trabajo de la IWA en “Benchmarking” de estrategias de control para EDARs Todos estos trabajos se continuan en el marco de un grupo de la IWA (International Water Association)

6 6 B-6 Development of an integrated process control system to optimize biological carbon and nitrogen removal by waste water treatment plants P. Vanrollegh em Univ. Gent ES-1 Development and application of a knowledge-based system for waste water treatment plants M.P. Espallargas Univ. Barcelona ES-2 Advanced methodologies to optimize design operation and control of nitrogen removal activated sludge processes L. Larrea CEIT, San Sebastian ES-3 Operational strategies for the activated sludge process in the sewage works of Vitoria City J.L. Garcia- Heras CEIT, San Sebastian ES-4 Analysis and tests in existing sewage treatment plants to check design models considering organic load and nutrients A.H. Munoz Ets. Ing. Caminos, Madrid ES-5 Modelling, on-line state estimation and predictive control of activated sludge process in wastewater treatment I.S. Pujol Univ. Barcelona CH-1System identification of the activated sludge processW. Gujer EAWAG, Dübendorf CH-2 Quantification of denitrification processes in the activated sludge system R.v. Schultness W. Gujer EAWAG, Dübendorf CH-3 Design of model-based controllers to optimize nutrient removal in activated sludge processes with upstream denitrification S. Menzi, M. Steiner ETH, Zürich F-2 Development of a simulation software for municipal wastewater treatment plants by activated sludge M.N. Pons LSGC, Nancy Proyectos Europeos en el marco de la Acción COST 682

7 7 Estación de Depuración de Aguas Residuales Urbanas

8 8 1.En las balsas sin aireación se producen reacciones biológicas para eliminación de Nitrógeno (desnitrificación) 2.En las balsas con aireación existe una flora bacteriana (biomasa) que degrada la materia orgánica en presencia de oxígeno 3.En los Decantadores se produce la separación del agua limpia y de los lodos. Los lodos se recirculan y se purgan. Eliminación de materia Orgánica y Nitrógeno Agua Depurada EFLUENTE Sistema de aireación inyecta aire en las balsas proporcionando el O 2 para procesos aerobios Sistema de extracción y recirculación de lodos Sensores de caudal, pH y O 2 en las balsas Sistema de control Otros Componentes del Proceso Eliminación de materia orgánica y nitrógeno para garantizar una mínima calidad del agua Proceso biológico de Fangos Activados Recirculación interna Agua a depurar INFLUENTE PURGA Recirculación de lodos externa

9 9 Plantas depuradoras Perturbaciones en el influente (Entrada del proceso) DepuradoradeManresa Depuradora de Manresa Características del proceso * Sistema no lineal de dinámica compleja y parámetros variables con el * Sistema no lineal de dinámica compleja y parámetros variables con el tiempo * Grandes perturbaciones en el caudal y sustrato de entrada a la planta * No existen medidas en línea de las concentraciones de sustrato y biomasa

10 10 Objetivos de Control de EDARs ¬ Objetivo ligado a la calidad del agua: ¬ ¬ Mantener el sustrato a la salida por debajo del límite legal con independencia de las características del influente ¬ Eliminación de Nitrógeno, etc. ¬ Objetivo ligado a la operación de la planta ­ Mantener un nivel de oxígeno disuelto mínimo en los reactores La realidad actual es: 1) Se controla el nivel de oxígeno con controladores PID, y en algunos casos también el nitrógeno 2) La calidad del agua (materia orgánica disuelta) se analiza una vez al día con técnicas de laboratorio Primer Objetivo línea investigación  Control global del proceso con Técnicas de Control Avanzado

11 11 Operación de la planta: costes energéticos COSTES REALES DE EXPLOTACION DE PLANTAS DE DEPURACION DE AGUAS RESIDUALES que vierten a los ríos Llobregat y Besós. (Año 2002) EDARCaudal de diseño (m 3 /día)Agua Depurada (m 3 /día)Coste Explotación Besós600.000422.7346.413.592 Moncada72.00054.0181.035.878 Sant Feliu72.00053.7192.562.780 Gava70.00046.8352.078.387 Segundo Objetivo línea investigación  Optimización de costes de operación (aireación, bombeo,…)

12 12 Control Predictivo  Neuronal : CPN  Lineal: DMC, GPC Optimización global  Función de coste económico  Restricciones: Modelos estacionarios Tercer objetivo: Sistema de Supervisión, Optimización y Control de EDARs PROCESO SISTEMA DE CONTROL DISTRIBUIDO SISTEMA EXPERTO Control predictivo Supervisión y Detección y Diagnóstico de Fallos Optimización de consignas  Reconciliación de datos  Detección de fallos  Recomendaciones consignas y condiciones de operación  Balances Control Distribuido Supervisión experta Control a nivel de lazo

13 13 Supervisión e implementación general del software Simulación CACSD Simulink Matlab Librerías C Optimización, Control Avanzado, Medición del desempeño Diagnóstico de fallos Sistema de soporte a la decisión Reglas de la base de conocimiento Preprocesamiento de datos Interfaces (Operador, proceso) SCADA Adquisición de datos Control Básico Planta Datos analíticos Supervisión, Control Avanzado, Optimización Decisiones del operador Datos on-line (Sensores, actuadores pH, T, p, qp, DO,.. OBSERVACIONES filamentos, burbujas, colores, olores LABORATORIO Datos off-line DBO, DQO, NO, SS, NO,… Datos cualitativos Sistema de Control Distribuido Supervisión manual a partir de los datos y conocimiento del proceso Implementación del software Supervisión automática

14 14 Diagnosis, optimización, Control Avanzado y Simulador (Software G2, ACSL, C) Monitorización y Control (SCADA) Base de Datos Laboratorio Se implementa en diferentes máquinas Arquitectura Física del Sistema de Control TCP/IP Sistema de control distribuido Supervisión FIC Proceso PC Laboratorio PC Control PC Supervisión

15 15 Líneas de Investigación 1.Desarrollo de Sistemas de Supervisión Inteligente y Control Jerárquico de plantas de depuración de aguas residuales (EDARs) 2.Síntesis y Diseño Integrado de EDARs

16 16 Mediante la síntesis se determina la estructura óptima de la planta, de su sistema de control, y todos los parámetros del sistema, mediante la resolución de un problema de optimización multiobjetivo MINLP, para cumplir unos requisitos medioambientales SÍNTESIS DISEÑO INTEGRADO Mediante el diseño integrado se determinan simultáneamente los parámetros óptimos de la planta junto con su sistema de control, considerando costes, restricciones físicas, de proceso y de controlabilidad, y con el objetivo de cumplir requisitos medioambientales. Costes de construcción Costes de operación Restricciones físicas, de proceso, y de controlabilidad Síntesis y Diseño integrado de EDARs

17 17 Diseño integrado de EDARs Perturbaciones Problema de diseño Datos: q i, s i, x i, q sal Incógnitas: V 1, V 2,A, q r1, q p, s 1, s 2, x 1, controlador min v1, v2,.. F(x) sujeto a g(x) <= 0 Solución dies 22242628 m 3 /dia 5000 10000 15000 20000 25000 30000 35000 Q I Planta original -- > Diseño de estructuras alternativas decantador El problema matemáticamente es un problema de optimización multiobjetivo no lineal con restricciones

18 18 Síntesis de EDARs Síntesis: Resolución de un problema de optimización mixto entero (MINLP) Ejemplo: metodología híbrida VARIABLES REALES: Métodos clásicos VARIABLES ENTERAS: Algoritmos genéticos, enfriamiento simulado (simulated annealing), etc. SUPERESTRUCTURA: Estructura general (benchmark) Solución: Estructura simplificada y=(1,1,1,1,0) decantador

19 19 Modelo matemático depuradora Restricciones de operación Edad de fangos, carga másica, caudal de purga, tiempo de residencia, etc. Linealización del modelo para análisis y control del proceso Síntesis y diseño integrado de EDARs: modelos