Bedre og billigere rensing av avløpsvann

Nataliia Sivchenko har gjennom sitt doktorgradsarbeid utviklet prototype for en lav-kostnads sensor basert på billedanalyse for å forbedre prosesskontroll av koagulering i avløpsvann.

Bedre og billigere rensing av avløpsvann

Koagulering-flokkulering, også kjent som kjemisk felling, er en konvensjonell prosess i behandling av drikkevann og kommunalt og industrielt avløpsvann. Prosessen er blitt svært populær for avløpsbehandling i Norge på grunn av høy rensegrad for partikler og fosfor. Imidlertid finnes det fortsatt ingen etablert og universelt akseptert konseptuell modell for prosessen, noe som må tilskrives prosessens iboende kompleksitet. Renseeffektiviteten og økonomien i prosessen er i hovedsak avhengig av kjemikalieforbruket (koagulanter og flokkulanter). Dette understreker behovet for optimal dosering av kjemikalier, som i tillegg til å sørge for at rensekravene overholdes, vil redusere driftskostnadene knyttet til kjemikalier og slambehandling pga. mindre slamproduksjon. Optimering av prosessen er nært knyttet til styring og regulering av kjemikaliedoseringen. De aller fleste avløpsrenseanlegg benytter i dag mengde-proporsjonal kjemikaliedosering, i beste fall kombinert med pH overstyring, til tross for at den optimale doseringen er sterkt avhengig av vannets innhold av partikler og fosfor. Innovative tilnærminger som inkluderer disse parameterne direkte eller indirekte i styringen av doseringen, har kunnet vise til en reduksjon kjemikalieforbruket på opptil 30 %.

Til tross for besparelsene er slike modeller lite brukt i praksis, noe som kan forklares delvis med mangelen på en konseptuell modell og delvis med de høye kostnadene knyttet til å etablere doseringsstyring basert på flere parametere. Dessuten kan ikke alle de ønskede parameterne måles i sanntid til en overkommelig kostnad, og de kan heller ikke benyttes i en feed-back styringsstrategi på grunn av strømningstiden som gir en tidsforsinkelse mellom målinger i innløpet og utløpet til renseanlegget. Sensorer som kan plasseres i flokkuleringskammeret og benyttes til å evaluere prosessen in situ vil derfor kunne vesentlig øke effektiviteten til eksisterende feed-forward systemer. Dette ville bidra til å forbedre modeller for doserings-prediksjon, og redusere antall kostbare og kompliserte sensorer i eksisterende multi-parameter-baserte systemer. Doktorgradsarbeidet har hatt fokus på å løse disse problemene. Slike sensorkonsepter vil også kunne bidra til å predikere vannkvalitet i utløpet av renseanlegget, som er en annen utfordring i vannbransjen.

Målet med dette doktorgradsarbeidet har altså vært å løse utfordringene nevnt ovenfor ved å utvikle en lav-kostnads prototype for en sensor basert på billedanalyse av fnokker – partiklene som aggregerer i koagulering-flokkulerings-prosessen. Forskjellige teknikker for billedanalyse ble vurdert, inkludert konvensjonelle metoder for partikkelgjenkjenning og metoder for teksturanalyse, som er i utstrakt bruk i andre fagfelt utenfor vannbehandling. Billedanalyse basert på tekstur ble funnet å være en god løsning på utfordringene knyttet til fnokker i avløpsvann.

Karakterisering av fnokkbilder ved hjelp av teksturanalyse ble først testet i laboratorieskala i en «batch»-prosess (jar-tester) med syntetisk avløpsvann. Et system for å ta bilder uten å forstyrre fnokkene ble etablert for å kunne ta bilder under sakteomrøringsfasen av fellingsprosessen. Det ble demonstrert at fnokkbildene har teksturegenskaper som korrelerer med fellingsbetingelsene (type og dose av kjemikalier, tiden etter oppstart av sakteomrøring osv.) og kvalitetsparametre til det innkommende avløpsvannet. Endringene i fnokkbildene som funksjon av kjemikaliedosering og renseeffekt ble studert. Korrelasjonene mellom teksturegenskapene til fnokkbildene, kjemikaliedoseringen og renseeffekter ble funnet ved hjelp av multivariate statistiske metoder.

Etter vellykkede laboratorieforsøk ble det gjennomført fullskala forsøk i Skiphelle kommunale avløpsrenseanlegg i Drøbak, Norge. Billedanalyse basert på tekstur ble funnet å være anvendbart for ekte kommunale avløpsfnokker. Endringer i fellingsbetingelser og kvalitetsparametere for det innkommende avløpsvannet kunne spores i fnokkbildene. Det ble vist at systemet kunne predikere turbiditetsverdier i utløpet, noe som potensielt kan utnyttes i feilsøking og som en tidlig indikator på svikt i fellingsprosessen.

En prototype på en lav-kostnads fnokksensor ble deretter utviklet og testet ved det samme avløpsrenseanlegget. Prototypen består av et enkelt kretskort og en kameramodul, og en tilpasset programvare ble utviklet for å styre kameraet og justere innstillinger. Undersøkelsene viste at fnokkbildene som ble tatt ved hjelp av prototypen kan benyttes for prediksjon av optimale kjemikaliedoser.

Oppsummert bekrefter resultatene fra dette doktorgradsarbeidet at fnokksensoren som er utviklet har potensiale til å fungere som en selvstendig enhet for billedanalyse i sanntid og kan forbedre nøyaktigheten og kostnadseffektiviteten til eksisterende multi-parameter-systemer for kjemikaliedosering.

Nataliia Sivchenko disputerer ved NMBU 9. februar 2018

Published 29. januar 2018 - 13:46 - Updated 21. February 2018 - 10:16