VandCenter Syd minskar ammoniakutsläpp med hjälp av maskininlärning

Kundprojekt

VandCenter Syd är ett av Danmarks största och äldsta vattenförsörjningsföretag. Deras nya lösning, utvecklad i samarbete med twoday, hjälper till att skapa en hälsosammare vattenmiljö i hav, fjordar och floder.

Utmaningen

VandCenter Syd arbetar varje dag för att säkerställa rent dricksvatten, skydda grundvattnet, hantera avloppsvatten och bidra till att skapa hälsosamma vattenmiljöer i kommunerna Odense och Nordfyn.

För att göra detta så optimalt som möjligt är VandCenter Syd i frontlinjen när det gäller att använda sina data. Tidigare har twoday hjälpt till med att implementera en maskininlärningsmodell på VandCenter Syd som kan lokalisera potentiella läckor i vattenledningar.

Detta case fokuserar på ett samarbete som vi har ingått med VandCenter Syd för att skapa en maskininlärningsmodell som kan förutsäga förhöjda nivåer av ammoniak i avloppsvatten.

För att förstå bakgrunden till lösningen behöver vi först förstå lite om ammonium och det arbete som VandCenter Syd utför vid sina reningsverk.

Reningsverken tar emot avloppsvatten i Odense och Nordfyns kommun, där vattnet renas innan det släpps ut.

I avloppsvattnet finns det ammonium, som är en naturligt förekommande jon som binder syre och potentiellt kan bidra till syrebrist i vattenmiljöer.

Därför vill VandCenter Syd omvandla så mycket ammonium som möjligt på reningsverken innan vattnet släpps ut i vattenmiljön. Det är viktigt att notera att de uppmätta värdena för det utsläppta ammoniet är betydligt under gränsvärdet för det mesta av tiden.

Dock undrade personalen på VandCenter Syd varför det ibland fanns vissa 'toppar' där koncentrationen av utsläppt ammonium ökade avsevärt, vanligtvis i samband med kraftiga regn under längre perioder.

"Vi ville ta reda på vad vi kunde göra för att minimera mängden och storleken på de förhöjda ammoniumvärdena. Här var vi nyfikna på om maskininlärning och artificiell intelligens kunde användas för att hjälpa oss att analysera den data vi hade, så att vi kunde förutsäga när det skulle finnas förhöjda ammoniumvärden och agera därefter," säger Andreas Bjørn Bassett, driftchef på VandCenter Syd.

Lösningen

Andreas kontaktade twoday för att kartlägga de data som VandCenter Syd har från inflödet och utflödet vid reningsverken.

"Från våra online-mätningar kunde vi se att vi hade vissa toppar där ammoniumnivåerna var förhöjda. Frågan var om vi kunde låta vattnet rinna på ett annat sätt eller använda våra faciliteter för att minska utsläppet av ammonium," förklarar han.

Det visade sig att det var möjligt att förutsäga förhöjda ammoniumnivåer och ta reda på hur man kunde ändra vattenflödet för att minska mängden, baserat på data.

Därför byggde twoday ett maskininlärningssystem som till en början kördes i bakgrunden och gav rekommendationer om hur man kunde ändra vattenflödet till reningsverken. De behövde vara säkra på att maskininlärningssystemet kunde förutsäga förhöjda ammoniumnivåer innan det produktionsattes.

När de jämförde systemets förutsägelser och rekommendationer med vad som faktiskt hände på anläggningen kunde de se att det var korrekt.

"Vi tog nästa steg och satte modellen i produktion. Nu körs modellens rekommendationer för att minska utsläppet av ammonium automatiskt in i vårt kontrollsystem. Det är modellen som beslutar."

Andreas Bjørn Bassett, Operations Manager på VandCenter Syd

VandCenter Syds reningsverk har sensorer som mäter ett brett spektrum av parametrar, inklusive flödeshastighet, koncentrationer och vattennivåer, samt ger en överblick av anläggningens nuvarande tillstånd.

Maskininlärningsmodellen tränas på tidigare sensoravläsningar för att förutsäga toppar i ammoniumkoncentrationen vid anläggningens utflöden.

En uppsättning regler för systemets flödesrekommendationer har också etablerats. Rekommendationerna baseras på den aktuella situationen för reningsverket och maskininlärningsmodellens förutsägelse om det kommer att uppstå en topp i ammoniumkoncentrationen.

Regeluppsättningen utvecklades i nära samarbete med VandCenter Syds experter och beaktar reningsverkets fysiska begränsningar. Till exempel finns det begränsningar för mängden vatten som kan finnas i vissa tankar och det maximala flödet som anläggningen kan hantera.

Av säkerhetsskäl har maskininlärningssystemet implementerats inom VandCenter Syds egna nätverk. Det skriver kontinuerligt rekommendationer till reningsverkets SCADA-system, som sedan justerar flödet i anläggningen.

Värdet

Modellen kan automatiskt justera vattenflödet till VandCenter Syds reningsverk, vilket minskar mängden ammoniak som släpps ut i floder, bäckar, fjordar och havet runt Odense och Nordfyn.

Efter att modellen sattes i produktion har det skett en betydande minskning både i mängden och storleken på ammoniumtopparna. Det är svårt att ge en exakt bedömning av hur mycket ammoniumutsläppet har minskat, eftersom det till stor del beror på vind och väder. Men för Andreas Bjørn Bassett har det varit värt investeringen.

"Utmaningen är att lösningar som denna ofta mäts i termer av kostnader, och den här lösningen kommer inte att betala sig själv. Men lösningen har minskat utsläppet av ammonium, vilket stödjer vårt interna mål med att skapa friska vattenmiljöer. Så jag är mycket nöjd," säger han.

Förutom det primära målet att minska utsläppet av ammoniak har VandCenter Syd också sett projektet som en läroprocess i hur de kan använda och arbeta med sina data i driften av sina reningsverk.

Som ett exempel nämner Andreas möjligheten att ta reda på vilka bakterier som finns i reningsverken och hur de kan främja "rätt" bakterier. Bakterier kan göra olika saker; vissa kan omvandla ammoniak till nitrat, som sedan omvandlas till fritt kväve.

"Ju mer vi kan ta reda på vad de olika bakterierna kan göra och om det är möjligt att främja vissa bakterier, desto fler möjligheter ger det oss att skapa vattenmiljöer som är så optimala som möjligt, och därigenom bland annat ge bättre förutsättningar för fisk i vattenmiljöerna," säger Andreas Bjørn Bassett, innan han avslutar med sitt vanliga nyfikna tillvägagångssätt till data: