Olga Kuleshas doktorgradsarbeid bidrar til å fremme ytelse og redusere uventede driftskostnader. I tillegg utvidet forskningen kunnskapen om modellering av membrangjentetting og utviklet en mer progressiv mekanistisk-statistisk tilnærming til prosesskontroll i biofilm membran bioreaktor.
Konvensjonelle teknologier for rensing av avløpsvann klarer ikke å følge med befolkningsveksten og nye utfordringer og restriksjoner, drevet frem av klimaendringer. Biofilm-membran-bioreaktor (BF-MBR)-teknologi har et stort potensial til å bli den foretrukne løsningen når man skal oppnå minimale/null utslipp av avløpsvann og 100% resirkulering. Gjentetting av membraner hindrer imidlertid utbredelsen av BF-MBR-teknologien.
På grunn av kompleksiteten i gjentettingssfenomenet og de underliggende mekanismene for å forebygge gjentetting, utgjør prosesskontroll i koagulant-assistert BF-MBR fortsatt et kunnskapshull.
Målet med arbeidet var å utvikle multivariate modeller for estimering, kontroll og prediksjon av gjentetting av membraner basert på mekanismene for fluksforbedring i det koagulant-assistert BF-MBR-systemet.
Doktoravhandlingen fokuserte blant annet på identifisering av gjentettingsmønstre for membraner ved BF-MBR. De utviklede PLS-modellene (PLS er delvis minste kvadraters metode) ble brukt til å justere driftsforholdene i henhold til egenskapene til slamsuspensjonen, noe som gjorde det mulig for systemet å holde seg under kritiske nivåer for gjentetting.
I tillegg utviklet doktoravhandlingen selve modellen for en virtuell sensor for kontroll og prediksjon av gjentetting basert på den elektrostatiske mekanismen for fjerning av EPS-fnokker ved koagulering. Den mest effektive koagulanten ble identifisert med hensyn til fluksforbedring og dens optimale pH i BF-MBR. De avledede optimaliseringsmodellene gjør det mulig å minimere ugunstige effekter av lave temperaturer på membranfiltreringsprosessen ved å justere driftsforholdene i BF-MBR.
Ved å anvende kvantekjemiske og termodynamiske beregninger og den multivariate kjemometriske analysen, ble en to-trinns overvåket klassifikator utviklet basert på data mining og clusteranalyse av PLS Y-scoreverdier. Resultatene fra denne studien utgjorde et grunnlag for å utvikle en ikke-overvåket hierarkisk klassifikator for online overvåking av reduksjonen i gjentettingspotensialet til slamsuspensjonen ved koagulering i BF-MBR basert på de termodynamiske parametrene til systemet.