Sistemes d’intel·ligència artificial per la Detecció i Gestió anticipada d’Episodis de Contaminació en EDARs

El seguiment i la gestió en temps real de les operacions que es porten a terme a una Estació Depuradora d’Aigües Residuals (EDAR) continua constituint un repte tecnològic significatiu: tot i els continus avenços en sensòrica, la diversitat de condicions de treball que han de suportar els sensors, el cost dels mateixos, les possibles interferències entre contaminants, la impredictibilitat de les situacions a afrontar i, sobretot, la manca d’una repercussió clara i objectiva dels impactes (costos) ambientals i socials que pot provocar un funcionament inadequat dels processos de depuració, fan que la decisió d’implantar tots els sensors que ho farien possible pugui ser difícil de justificar.

En aquest sentit, tot i que una EDAR pot estar dimensionada per manegar la majoria de les situacions anòmales o inesperades que es poden presentar, la manca d’informació, el retards en la mateixa, o les dificultats per tenir-la en compte poden provocar una manca de reactivitat del sistemes de control, i les subseqüents dificultats per gestionar aquestes situacions adequadament.

Per explotar millor la informació facilitada pels sensors existents i, com resultat, aconseguir millores al funcionament i control de la EDAR amb un cost mínim, la utilització de models matemàtics, ja sigui basats en primers principis o en sistemes d'aprenentatge automàtic (intel·ligència artificial), representa una alternativa prometedora per a estimar altres paràmetres de funcionament d’una EDAR que no puguin ser mesurats directament (“soft-sensors”). Els darrers anys, han aparegut exemples d’aplicació pilot en literatura científica que demostren el potencial d’aquestes tecnologies

Aquesta proposta pretén analitzar la viabilitat de portar aquesta línia de treball més enllà, utilitzant sistemes d'intel·ligència artificial també per anticipar-se a les necessitats del procés, necessitats que poden estar associades, per exemple, a l’eventual arribada d’un episodi de contaminació, a unes necessitats especifiques de valorització d’efluents, i a uns nous requeriments de qualitat.

Tasques:

0: Recopilació d’informacions de context general en aplicació de soft-sensors per preveure/anticipar-se a les necessitats d’un procés, tant en el marc científic com tècnic. Identificació de requeriments.

1: Estudi de la viabilitat tècnica i la fiabilitat dels sistemes basats en soft-sensors per preveure les necessitats de funcionament d’una EDAR en funció de la informació (sensòrica física) disponible: Proves de concepte de capacitat, flexibilitat i resiliència.

2: Recopilació de informació de casos reals: Classificació i sistematització de la informació.

2.1: Valoració econòmica, ambiental i social de l’impacte dels episodis identificats.

2.2: Identificació d’un subconjunt de casos representatius.

3: Validació.

If you are interested | Si estàs interessat/da | Si estás interesado/a --> https://cepima.upc.edu/en/application-procedure/application-procedure_01

Referències:

Yan et al., 2020 Soft Sensor Modeling Method Based on Semisupervised Deep Learning and Its Application to Wastewater Treatment Plant https://doi.org/10.1021/acs.iecr.9b05087

Wang et al., 2019 Explicit and interpretable nonlinear soft sensor models for influent surveillance at a full-scale wastewater treatment plant https://doi.org/10.1016/j.jprocont.2019.03.005

Ching et al., 2021 Advances in soft sensors for wastewater treatment plants: A systematic review https://doi.org/10.1016/j.jwpe.2021.102367

Nair et al., 2022 Estimating Phosphorus and COD Concentrations Using a Hybrid Soft Sensor: A Case Study in a Norwegian Municipal Wastewater Treatment Plant https://doi.org/10.3390/w14030332