Telecontrollo degli impianti di trattamento reflui

Transcript

1 Telecontrollo degli impianti di trattamento reflui Stefano Marsili-Libelli Dipartimento di Sistemi e Informatica, Università di Firenze in collaborazione con Forum Telecontrollo Reti Acqua Gas ed Elettriche Roma ottobre 2009

2 Obiettivi dell automazione nella depurazione L automazione si è recentemente introdotta nel settore della depurazione La Direttiva Acque della Comunità Europea (60/2000 CE), recepita nel D.L. 152/06, pone obiettivi ampi ed ambiziosi riguardanti la tutela delle acque Sono richiesti strumenti di gestione sempre più perfezionati per ottenere un economicità di gestione che non sia a scapito della qualità L automazione del processo depurativo 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.

3 Necessità di automatizzare il processo 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

4 Controllo idraulico Possibili azioni di controllo Garantire il ricambio idrico 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 rimozione dei nutrienti e dei costi operativi Assicurare le condizioni che producono la migliore qualità dell effluente in termini di rimozione dei nutrienti economicità di gestione Controllo della biomassa (Composizione) Evitare lo sviluppo di microorganismi dannosi (filamentosi) Evitare tempi di ritenzione dei solidi (SRT) eccessivi

5 Architettura di un sistema di controllo BRIDGE Libreria Regolatori Libreria Modelli Sistema SCADA ed elaborazione di processo Bus di campo WWW Sistema di elaborazione di processo N F N N N N N NO - 3, ORP, ph ph, DO, NH 4 +, SS N N N N N SBH N Sistemi di acquisizione dati Sensori Processo

6 Un esempio di rete di telecontrollo S7 PAC Sottocentro generico Sottocentro Impianto telecontrollato Impianto di Pagnana Server SCADA Intranet VPN Client Server SCADA

7 Studi di caso Esaminiamo ora alcune esperienze di risparmio energetico connesso ad alcuni problemi tipici del controllo dei processi di depurazione. la collaborazione con Acque SpA relativamente all impianto di depurazione reflui misti di Pagnana (Empoli) la sperimentazione su un impianto pilota a sequenza di fasi (SBR) nell ambito in collaborazione con i Laboratori ENEA di Bologna.

8 Alcuni tipici problemi di controllo Risparmio energetico in un impianto di depurazione per reflui civili (Pagnana) 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 Reactors (SBR) l efficacia del processo dipende in modo critico dalla commutazione fra fase anossica/anaerobica ed aerobica

9 alla sedimentazione secondaria dal ricircolo interno dalla sedimentazion primaria Schema di controllo del depuratore di Pagnana DO DO Telemisure Telecontrolli Flusso dell acqua Ossidazione NH 4 Ossidazione NO x Denitro NO x DO DO Denitro DO DO 4-20 ma PAC Inverters delle turbine WWW

10 Vista remota via Web del pannello di controllo

11 PAC Controllo dell ossigeno disciolto DO Set-point analog input module cfp-ai-111 Filtering PID Rate limiter analog output module cfp-ao ma 4 20 ma instrument interface Power lines Power drive DO probe Surface turbine Oxidation tank

12 Potenza (kw) DO (mg/l) Esempio di regolazione del DO mediante PID La variabilità del carico è rivelata dalle variazioni di potenza richiesta per mantenere il DO costante. Il picco pomeridiano di carico causa il massimo assorbimento nelle prime ore del mattino per il ritardo dovuto al tempo di ritenzione del processo Pwr DO giorni

13 Inv4 (Kw) Inv3 (Kw) DO (mg/l) Prestazione del controllo e risparmio Febbraio energetico ΔE ~ 1000 Kwh su 7 giorni Vasca 2 senza controllo Vasca 1 con controllo PID Vasca 1: Regolazione PID interna 9 11 Marzo giorni giorni giorni giorni

14 CV Concentrazione (mg/l) CV Sistema per la rilevazione dei guasti Periodo monitorato in tempo reale NH 4 NOx.den NOx.Ox 2 0 NOx_Ox Variabile di processo malfunzionamento NH 4 1 T soglia di 0 funzionamento normale giorni [d] NH Variabile di processo

15 Controllo coordinato per la rimozione dell azoto DO Set-point Costi di areazione Produzione NO 3 - NO 3 - Set-point Costi di dosaggio e ricircolo N totale in uscita O 2 RB COD NH + 4 NO - 2 NO - 3 N 2 RB COD O 2 Nitrificazione CO 2 C biomassa Denitrificazione L aerazione va controllata perché: Se è eccessiva, crea un carico eccessivo per la denitro e richiede aggiunta di carbonio (antieconomica); Se è insufficiente può produrre NO 2 - nell effluente ed una quantità insufficiente di Azoto ossidato per la denitro

16 Controllo a due livelli dell aerazione Controllo di basso livello: mantiene il DO al livello richiesto dal controllore di alto livello Controllo di alto livello: imposta il set-point di DO in modo da tener conto delle richieste della nitrificazione controllo PID DO sp controllo fuzzy Influente ANOX OX DO NH 4 Sedimentatore Ricircolo interno Ricircolo esterno

17 Controllo Fuzzy Un regolatore Fuzzy si compone di: Insiemi di qualificazione fuzzy per le variabili coinvolte (Antecedenti e Conseguenti) Un insieme di regole di inferenza, che legano l antecedente (o gli antecedenti) al conseguente attraverso implicazioni logiche del tipo IF NH 4 is verylow AND DNH 4 is Negative THEN DO sp is very low Antecedent e Antecedent e Conseguent e Un criterio di aggregazione delle regole (logica Fuzzy) Un metodo di defuzzificazione per ottenere la variabile deterministica di uscita

18 Fuzzificazione Defuzzificazione Struttura del regolatore Fuzzy NH 4 d dt DNH 4 Regole di Inferenza Fuzzy NH 4 Processo DOsp La regolazione è basata sul segnale e sulla sua derivata Nei casi più semplici le regole di inferenza vengono specificate in modo euristico basandosi sulla conoscenza diretta del processo Per i casi più complessi, esistono metodi di generazione automatica delle regole

19 Progettazione del regolatore Fuzzy Definizione dei qualificatori per l Ammonio Definizione dei qualificatori per il Set-Point di Ossigeno Disciolto

20 Risultati del controllo Fuzzy NH 4 (mg/l) giorni Ai picchi di ammonio corrisponde un aumento del DO DO (mg/l) sp giorni Ua (m 3 /d) giorni

21 Controllo della commutazione in un SBR Sperimentazione su impianto pilota da 20L trattante percolato da discarica di composizione variabile La commutazione è necessaria per creare l'ambiente favorevole all'eliminazione biologica dei nutrienti, per i quali non sarebbe economico fare misure dirette Si ricorre a misure indirette di parametri chimico-fisici: ph, RedOx, DO Si devono individuare delle regole di inferenza per risalire dalla conoscenza di queste variabili allo stato del processo Motore inferenziale fuzzy

22 SBR pilota telecontrollato

23 mg L DO (mg ) L ph ORP (mv) Ridondanza del ciclo standard NH 4 2 PO Loading Anoxic-anaerobic Aerobic Settling Extraction NO time (min) End of denitrification End of P-release End of P-uptake End of NH4oxidation Exact anaerobic phase Exact aerobic phase Ridondanza della fase

24 Regole di individuazione dei punti critici Fase Processo Indicatore Anaerobica/Anossica Denitrificazione Ginocchio dei nitrati Aerobica Segnali utilizzati Nitrificazione Deciso aumento DO Ammonia valley Discontinuità ORP ddo dt ddo dt d ph 0 0 dt d ph dt d 2 ORP dt 2

25 DO Individuazione dei punti critici Fase Anaerobica/Anossica ph time ORP nitrate knee time time Anoxic phase

26 DO Individuazione dei punti critici Fase Aerobica ph ORP Sharp DO increase Ammonia valley ORP discontinuity time time Aerobic phase time

27 Sequenza delle operazioni di inferenza Process data Wavelet Denoising ph ph dn ORP DO ORP dn DO dn Wavelet Differentiation Clustering Inference d ph d ORP d DO dt dn dt dn dt ( ph ) (ORP ) ( DO) Aerobic/Anoxic dn Switching ON/OFF

28 Waste control Effluent control Mixing control Feed control Aeration control Configurazione del sistema SBR controllato Feed Effluent extraction Aeration DO SBR ph ORP Local PC (server) Sludge waste Switching Data acquisition board Internet remote browsers (client )

29 Vista del pannello del sistema di controllo Pannello attuatori Situazione attuale Impostazione Timers Quadro di controllo Salvataggio dati Visualizzazione funzionamento

30 LabVIEW o LV Run-Time Telecontrollo via Internet TCP / IP Internet SBRENEA.vi resident VI Remote browsers (client) Local PC (server) SBR IP Server VI name Web port 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.

31 Risultati ottenuti Processo con controllo temporizzato Risultati sul breve periodo Riduzione sul tempo di trattamento di circa 10 h su 24 h Processo controllato

32 Cycle time (min) Feed (min) Prestazioni a lungo termine Max time Cycle length Aeration Acetate Feed C A B /04/ /04/ /04/ /05/ /05/ /05/2006 Date

33 Cycle time (min) Feed (min) Aumento di carico Max time Cycle length Aeration Acetate Feed A /06/ /06/ /06/ /07/ /07/2006 Date

34 Conclusioni L automazione di processo è oggi indispensabile per raggiungere gli standard di qualità richiesti con la necessaria economia e sicurezza di esercizio Il suo successo si basa su: Esistenza di modelli di processo dettagliati ed affidabili (famiglia ASM) Protocolli standard di simulazione (Benchmark) Applicazione di concetti avanzati di Controllo dei Processi Intelligenza Artificiale (Reti neurali, Sistemi Fuzzy) Controllo predittivo Stima parametrica Disponibilità di sistemi di acquisizione e trasmissione dati (controllo distribuito) affidabili ed economici.