Älykkään ilmastuksen optimointijärjestelmän käyttöönoton vaikutukset jätevedenpuhdistamolla

Abstract

Jätevedenpuhdistamot poistavat jätevedestä merkittäviä määriä erilaisia komponentteja, jotka voivat vesistöön päätyessään olla haitaksi sekä ympäristölle että ihmisen terveydelle. Näihin lukeutuvat muun muassa orgaaninen aines ja typen yhdisteet, ammonium-, nitraatti- ja nitriittityppi, joista käytetään yhteisnimikettä kokonaistyppi. Orgaanisen aineen ja kokonaistypen määrää voidaan vähentää jäteveden biologisella käsittelyllä, jonka yleisin menetelmä on aktiivilieteprosessi. Aktiivilieteprosessissa mikrobit muuntavat orgaanista ainesta aerobisella hapettamisella ja ammoniumtyppeä nitrifikaatiolla. Nämä mikrobiologiset prosessit vaativat toteutuakseen happea, jota syötetään usein ilmastusaltaan pohjalta pieninä ilmakuplina. Kokonaistypen käsittely puolestaan tapahtuu anoksisissa olosuhteissa, jolloin mikrobit muuntavat nitraatti- ja nitriittityppeä denitrifikaatiolla typpikaasuksi.

Euroopan Unionin (EU) uuden yhdyskuntajätevesidirektiivin myötä jätevedenpuhdistamoiden toimintaan kohdistuvat vaatimukset tiukentuvat sekä typen käsittelytehokkuuden että puhdistamon energianeutraaliuden osalta. Ilmastusprosessi, jossa orgaanisen aineen ja typen käsittely tapahtuu, kuluttaa merkittävän osan jätevedenpuhdistamoiden käyttämästä energiasta. Siksi jätevedenpuhdistamot tasapainottelevatkin korkeiden käsittelytulosten ja ilmastuksen energiansäästön välillä. Ilmastuksen energiankulutuksen vähentämiseksi on kehitetty useita erilaisia säätötapoja, joiden avulla voidaan muun muassa jaksottaa ilmastusta ja säätää ilmastusaltaan liuenneen hapen pitoisuutta vastaamaan vallitsevaan kuormitukseen. Tekoälyn kehittymisen ja yleistymisen myötä säätötavat voivat hyödyntää ilmastuksen optimointiin myös tekoälyä.

Tässä työssä jäsennettiin ilmastusprosessin säädön periaatteita, tarkoitusta ja rajoitteita. Näiden pohjalta työssä tarkasteltiin tekoälyä hyödyntävän ilmastusprosessia optimoivan järjestelmän käyttöönoton vaikutuksia jätevedenpuhdistamolla. Tutkimuskohteena toimi Jyväskylän Seudun Puhdistamo Oy:n Nenäinniemen jätevedenpuhdistamo, jonka käsittelytuloksia ja energiankulutustietoja hyödynnettiin työn tulosten laskennassa. Tutkimuksessa selvitettiin, miten älykäs ilmastuksen optimointijärjestelmä on vaikuttanut puhdistamon energiankulutukseen ja typen käsittelytehoon. Työssä tarkasteltiin lisäksi, millä tavoin ilmastusprosessia voidaan edelleen kehittää vastaamaan yhä paremmin uuden EU-direktiivin vaatimuksiin. Työssä selvitettiin myös henkilöstön kokemuksia järjestelmän käyttöönotosta. Käyttökokemuksia kerättiin haastatteluilla neljältä jätevedenpuhdistamolta.

Tulosten perusteella älykkään prosessin optimointijärjestelmän käyttöönoton seurauksena Nenäinniemen puhdistamon ilmastusprosessin energiankulutus väheni 11–24 %, mikä tarkoittaa 260–670 MWh vuosittaista energiansäästöä. Energiatehokkuutta on työn tulosten perusteella mahdollista parantaa edelleen optimoimalla puhallinten mitoitus uuteen säätötapaan. Energiankulutuksen laskusta huolimatta ammoniumtypen käsittelyteho on optimointijärjestelmän käyttöönoton jälkeen ollut puhdistamolla keskimäärin yhä yli 99 %. Kokonaistypen käsittelytehossa ei havaittu vuositasolla merkittäviä muutoksia optimointijärjestelmän käyttöönoton jälkeen. Työn tulosten perusteella optimointijärjestelmän käyttöönotto koettiin sujuvaksi. Käyttöönotto vaati kuitenkin muutoksia puhallinten asetusarvoihin ja ylijäämälietteen poiston operointiin. Uuden optimointijärjestelmän käyttäjistä selvä enemmistö koki järjestelmän oman työtehtävänsä kannalta edellistä säätötapaa paremmaksi. Tulosten perusteella älykkään optimointijärjestelmän avulla jätevedenpuhdistamot voivat säästää energiaa heikentämättä jäteveden käsittelytuloksia.

Wastewater treatment plants (WWTP) remove significant amounts of different components from wastewater, that could harm both environment and human health if they end up in bodies of water. These components include e.g. organic matter and nitrogen compounds such as ammonium, nitrate and nitrite, which are together called total nitrogen. The amount of both organic matter and total nitrogen can be reduced in biological treatment, usually consisting of an activated sludge process. In this process microbes convert organic matter through aerobic oxidation and ammonium via nitrification. These microbial processes require oxygen, which is often released from the bottom of an aeration tank in small air bubbles. Total nitrogen removal in turn occurs in anoxic conditions, when microbes convert nitrate and nitrite nitrogen into nitrogen gas through denitrification.

European Union’s (EU) new Urban Wastewater Treatment Directive brings tighter requirements for both nitrogen removal and energy neutrality of WWTPs. Aeration process, which locates nitrogen removal, accounts for a considerable amount of energy consumed by WWTPs. For this reason, WWTPs balance between high removal efficiencies and aeration energy conservation. Several different control strategies have been developed to gain energy savings. These strategies can for example intermit aeration or adjust aeration tank dissolved oxygen concentration to prevailing load conditions. As a result of development and generalization of artificial intelligence, aeration control strategies can utilize artificial intelligence for process optimization.

In this work, the principles, goals and constraints of aeration process control were presented. Based on this, the effects of an artificial intelligence-based aeration optimization system deployed in a wastewater treatment plant were examined. The subject of this research was Nenäinniemi WWTP owned by Jyväskylän Seudun Puhdistamo Oy. The energy consumption and removal efficiencies of the WWTP were used in calculation of the results. The aim of this work was to report the effects the intelligent process optimization system has had on WWTP’s energy use and nitrogen removal efficiency. In addition, the goal was to examine ways to improve the aeration process to meet the requirements of the new EU-directive even better. The aim of this work was also to identify user experiences from deployment of the new optimization system. User experiences were collected from four WWTPs through interviews.

According to the results, energy savins of 11-24 % were obtained in Nenäinniemi WTTP’s aeration process after deploying intelligent process optimization system. This correlates to 240—670 MWh energy saved annually. To improve energy efficiency further, blower re-sizing can be considered. Despite the reduction in aeration energy consumption, the ammonium nitrogen reduction efficiency has still been over 99 % on average. There was no markable difference in annual total nitrogen removal efficiency after deploying the optimization system. Deployment of the intelligent optimization system was seen to be smooth. However, challenges concerning aeration blower capacity were identified in addition to which, operational changes to excess sludge removal were required. Majority of users of the new optimization system considered it better than the previous control practice. Based on the results, intelligent process optimization systems can help WTTPs gain energy savings without compromising removal efficiency.