Niezwykle ważna zarówno w Polsce jak i na świecie stała się problematyka efektywnego wykorzystania biologicznych oczyszczalni ścieków w celu uzdatnienia ścieków powstałych w wyniku działalności gospodarczej i domowej, aby mogły one ponownie wejść w zamknięty system obiegu zasobów wodnych.
Głównym powodem zainteresowania się tym problemem jest potrzeba kompleksowej ochrony środowiska naturalnego w dłuższym czasie oraz ze względów ekonomicznych.
Uwarunkowania w przeszłości spowodowały, że stan oraz liczba oczyszczalni w Polsce w dalszym ciągu odbiega od wymaganych standardów Unii Europejskiej. Jeśli się nawet spełnia normy oczyszczania, to są one zbyt kosztowne. Problem wielu oczyszczalni w Europie polega na tym, że spełnienie norm jakości ścieków na wyjściu z oczyszczalni przy istniejących obciążeniach wymaga kosztownych inwestycji, związanych ze zwiększeniem mocy przerobowych oczyszczalni. Istnieje inna, bardzo atrakcyjna ze względów ekonomicznych, możliwość poprawy sytuacji. Uważa się, że lepsze wykorzystanie istniejących oczyszczalni jest możliwe poprzez poprawę sposobu podejmowania bieżących decyzji operacyjnych oraz bezpośredniego sterowania w zamkniętych pętlach informacyjnych. Implementacja zaawansowanych systemów podejmowania decyzji i sterowania wymaga znacznie lepszego opomiarowania niż to, które spotyka się w przeciętnej oczyszczalni w Polsce. Aktualnie koszt analizatorów jest znaczny, ale uruchomione przez Komisję Europejską projekty badawcze prowadzone w ramach Programów Ramowych powinny już niedługo zaowocować tanimi i niewymagającymi kosztownej bieżącej obsługi urządzeniami pomiarowymi. Koszt komputeryzacji oczyszczalni nie jest istotnym elementem na liście kosztów. Pomimo intensywnych prac badawczych prowadzonych w wielu ośrodkach na świecie, stworzenie oprogramowania dla celów bieżącego podejmowania decyzji i sterowania oczyszczalnią ścieków w dalszym ciągu jest wyzwaniem. Problem ten był przedmiotem zakończonego w lutym 2004 t. projektu badawczego Smart Control of Wastewater Systems -SMAC, finansowanego przez Komisję Europejską w ramach 5 Programu Ramowego. Konsorcjum SMAC przedstawiło atrakcyjny program badawczy o szerokim zasięgu europejskim, proponując opracowanie pierwszego zintegrowanego systemu sterowania jednocześnie systemem kanalizacji oraz oczyszczalnią, realizującego cele krótkoterminowe oraz długoterminowe. Integracja sterowania kanalizacją i oczyszczalnią umożliwia optymalne wykorzystanie możliwości retencyjnych w systemie. Możliwa jest więc praca bez przelewów nawet w warunkach intensywnych opadów czy zwiększonych zrzutów ścieków. Zastosowanie modeli matematycznych procesów umożliwia predykcję ważnych - wielkości i zmiennych procesowych i dobór sterowań tak, aby zrealizować cele operacyjne, minimalizując jednocześnie koszty. Modele zintegrowane z twardymi urządzeniami pomiarowymi, w postaci nowoczesnych komputerowych algorytmów estymacji, pozwalają również na uzyskanie pełnej informacji o stanie pracy systemu oczyszczania. Pozwala to nie tylko na optymalny dobór sterowań do aktualnych i prognozowanych zakłóceń, ale również na lepsze "wykorzystanie wiedzy i doświadczenia operatorów. To ostatnie jest szczególnie ważne w stanach awaryjnych oraz przy generowaniu sterowań wpływających na procesy biologiczne wolnozmienne.
Do Konsorcjum SMAC weszło pięć ośrodków akademickich, cztery oczyszczalnie w Europie (systemy pilotowe), firma przemysłowa budująca oczyszczalnie oraz instytucja zajmująca się transferem nowych wyników badawczych do przemysłu w skali krajowej oraz między-narodowej.
Zespół Inteligentnych Systemów Podejmowania Decyzji i Sterowania z Politechniki Gdańskiej oraz oczyszczalnia w Kartuzach jako partner stowarzyszony z Zespołem reprezentowały Polskę w projekcie SMAC. Zadaniem ośrodków akademickich było opracowanie- w ścisłej współpracy z partnerami przemysłowymi i wdrożeniowymi — prototypu nowego systemu sterowania i jego walidacji w stowarzyszonych oczyszczalniach.
Pilotowy system ściekowy
Zintegrowany system ściekowy w Kartuzach jest jednym z pilotowych systemów w projekcie SMAC. Natężenie dopływu ścieków do oczyszczalni oraz skład ścieków są zmienne. Związki azotu, węgla i fosforu usuwane są biologicznie metodą osadu czynnego. Usuwanie fosforu jest wspomagane chemicznie poprzez dozowanie PIX-u na wejściu oraz w komorze tlenowej. 'Wielkościami manipulowanymi są: stężenie rozpuszczonego tlenu w komorach tlenowych; natężenia przepływów — recyrkulacji wewnętrznych, recyrkulacji zewnętrznych, osadu nadmiarowego i dozowania PIX-u oraz harmonogramy pompowania do oraz ze zbiornika retencyjnego i zbiornika asenizacyjnego. Manipulując tymi wielkościami, realizuje się podstawowe cele operacyjne, czyli: jakość ścieków na wyjściu z oczyszczalni spełniającą normy, ilość i jakość osadu czynnego umożliwiające uzyskanie wymaganej jakości oczyszczania ścieków, minimalizację kosztów energii elektrycznej zużywanej przez dmuchawy w systemie aeracji oraz kosztów PIX-u otaz minimalizację koniecznej dla uniknięcia wymywania osadu czynnego ilości ścieków nieczyszczonych kierowanych bezpośrednio do odbiornika (przelew?).
Zadaniem systemu wspomagania decyzji i sterowania jest generacja trajektorii wielkości manipulowanych, które po zastosowaniu ich do systemu zrealizują powyższe cele, będące również celami sterowania. Opracowanie właściwych algorytmów generowania takich sterowań jest bardzo trudne. Wpływają na to takie czynniki jak: dynamika systemu realizowana w różnych przedziałach czasowych — od minut do miesięcy (własności biologiczne oraz masa osadu), znaczna zmienność w czasie natężenia oraz kompozycji dopływu do oczyszczalni, silne interakcje pomiędzy wielkościami sterującymi, stanem i wielkościami wyjściowymi, silnie nieliniowa dynamika procesów biologicznych, wysoka wymiarowość stanu, ograniczone możliwości pozyskiwania na bieżąco informacji o stanie systemu przy pomocy „twardych" urządzeń pomiarowych, a także brak modeli matematycznych procesów nadających się do ich użycia w czasie rzeczywistym.
Struktura sterowania
Opracowana struktura sterowania jest hierarchiczna. Generowanie sterowań stosowanych w systemie odbywa się w wyniku aktywności trzech warstw realizujących wszystkie potrzebne funkcje. Warstwa górna generuje sterowania/decyzje, które pomagają warstwie niższej (dolnej) zrealizować jej własne funkcje.
Warstwa Sterowania Nadzorującego (WSNa) ocenia stan operacyjny systemu. Uwzględnienie niepewności w prognozie wejść do systemu oraz w modelach wymaga oceny ryzyka, że nie uda się spełnić podstawowych celów sterowania. Obserwacja bieżących wyników sterowania i porównanie ich z prognozowanymi dostarcza informacji niezbędnych do odpowiednio wczesnej zmiany strategii sterowania i uniknięcia niekorzystnych konsekwencji generowania sterowań, które uzyskuje się, stosując dotychczasową strategię sterowania. WSNa ma do dyspozycji specjalizowane inteligentne jednostki, realizujące następujące zadania: oceny sytuacji (JOS), oceny ryzyka niespełnienia celów sterowania (JOR), oceny jakości sterowania z możliwością predykcji tej jakości (JOJS) oraz pozyskiwanie wiedzy w oparciu o zbierane operacyjne doświadczenie (JPW).
Optymalne trajektorie wielkości manipulowanych wyznaczane są przez Warstwę Sterowania Optymalizującego (WSO). W celu efektywnego uwzględnienia różnych przedziałów czasowych w dynamice procesów i dostosowania szybkości zmian wartości sterowań do możliwości ich oddziaływania na procesy, WSO jest dekomponowana na pod-warstwy. Zadaniem danej podwarstwy jest wygenerowanie sterowań skutecznie kształtujących w pożądany sposób zmienne procesowe w przyporządkowanym tej warstwie przedziale czasowym. Wyróżnia się trzy rodzaje zmienności zmiennych procesowych i związane z nimi trzy podwarstwy: Podwarstwę Sterowania Procesami Wolnozmienny-mi (PSPW), Podwarstwę Sterowania Procesami Średnio Szybkimi (PSPŚS) i Podwarstwę Sterowania Procesami Szybkozmiennymi (PSPS).
Współpraca PSPW i PSPŚS
Na przykład, PSPW wyznacza zapełnienie zbiornika retencyjnego na końcu każdego dnia z horyzontem tygodniowym. Ze względu na odpowiedni horyzont może ona właściwie uwzględnić stałą czasu zbiornika i określić bezpieczne stany jego zapełnienia na końcu każdego dnia.
Dysponując wielkością takiego zapełnienia, PSPŚS operująca z horyzontem dnia i zmieniająca harmonogramy pompowania do zbiornika retencyjnego z częstotliwością jednej godziny może bez obawy, że wystąpi przelew, przyjąć do zbiornika duży napływ ścieków do oczyszczalni spowodowany intensywnym deszczem i umożliwić w ten sposób normalną pracę oczyszczalni bez ryzyka wypłukiwania osadu.
PSPS operuje z horyzontem godzinowym oraz częstotliwością zmian harmonogramów dmuchaw rzędu pojedynczych minut i dostarcza ilość powietrza potrzebną, aby zrealizować stężenie tlenu w reaktorze biologicznym na poziomie wyznaczonym przez PSPŚS. Sterowanie systemem napowietrzania jest złożone i wymaga szczególnej troski, jako że właśnie tutaj następuje bezpośrednie zużycie energii elektrycznej.
We wszystkich podwarstwach wykorzystuje się technologię krzepkiego sterowania predykcyjnego (ang. Robust Model Predictive Control - RMPC). Dostępne modele fizyczne procesów biologicznych są zbyt skomplikowane, by mogły być wykorzystane do powtarzanej optymalizacji dynamicznej. Stosuje się model uproszczony typu Grey Boxs. Parametry tego modelu muszą jednak być estymowane na bieżąco przy pomocy metody ważonych najmniejszych kwadratów z przesuwnym oknem pomiarowym. Rozszerzony filtr Kalmana jest zręcznie wykorzystany w hybrydowym połączeniu z algorytmem estymacji paramerrów modelu GB do skutecznej estymacji stanu systemu. Estymaty stanu są również niezbędne jako pseudo-pomiary do zapewnienia identyfikowalności parametrów modelu GB. Otrzymano interesujące wyniki symulacji sterowania w PSPŚS dla systemu pilotowego. Uzyskanie wystarczająco dokładnych prognoz zakłóceń na wymaganym przez PSPW długim horyzoncie czasu może być w pewnym warunkach niemożliwe. Wówczas pożądane wartości wieku osadu oraz masy osadu może określić doświadczony operator/technolog. Pracując w takiej konfiguracji, człowiek-komputer PSPW jest atrakcyjną inteligentną strukturą.
W artykule zostały przedstawione wyniki uzyskane przez Zespół Inteligentnych Systemów Podejmowania Decyzji i Sterowania, realizującego pro-jekt5 Programu Unii Europejskiej SMAC. Opracowano nowy system sterowania zintegrowanym systemem ściekowym wychodzący naprzeciw pilnym potrzebom przemysłu. Uzyskane wyniki walidacji tego systemu sterowania dla pilotowego systemu ściekowego potwierdziły jego praktyczną wartość oraz możliwość implementacji na obiektach o standardach europejskich.
Źródła
1. Brdyś M.A., Grochowski M., Duzinkiewicz K., Chotkowski W., Liu Y.: Design of control structure for integrated wastewater treatment plant — sewer systems. IFAC I International Conferen-cc on Technology, Automation and Control of Wastewater and Drinking Water Systems-TiA-SWiK '02, Gdańsk-Sobieszewo, 2002.
2. Grochowski M., Brdyś M.A., Guliński T.: Intelligent control structure for integrated wastewater systems. 10"1 IFAC/IFORS/IMACS/IFIP Symposium on Large Scalę Complex Systems, Osaka, Japan 2004.
3. Grochowski M., Brdyś M.A., Duzinkiewicz K., Łangowski R.: Superyisory controlof integrated luastewater systems. 10'h IFAC/IFORS/IMACS/IFIP Symposium on Large Scalę Complex Systems, Osaka, Japan 2004.
4. Piotrowski R., Duzinkiewicz K., Brdyś M.A.: Dissolved oxygen tracking and control of blowers at fasl time scalę. 10'" IFAC/IFORS/IMACS/IFIP Symposium on Large Scalę Complex Systems, Osaka, Japan 2004.
5. Henze M., Gujer W, Mino T., van Loos-drecht M.: IWA: Activated Sludge Mode/s ASM1, ASM2, ASM2D and ASM3. Scientific and Tech-nical Report No. 9. IWA Publishing 2000.
6. Rutkowski T.: Praca doktorska. Politechnika Gdańska, Wydział Elektrotechniki i Automatyki 2004.
7. Konarczak K., Rutkowski T., Brdyś M.A., Gmiński T.: Weighted least sąuares parameter esti-mation for model predictive control of integrated wastewater systems at medium time scalę. 10th IFAC/IFORS/IMACS/IFIP Symposium on Large Scalę Complex Systems, Osaka, Japan 2004.
8. Brdyś M.A., Chang T., Konarczak K.: Esti-mation of wastewater treatment plant state for model predictiye control of n-p remoyal at medium time scalę. 10"' IFAC/IFORS/IMACS/IFIP Symposium on Large Scalę Complex Systems, Osaka, Japan 2004.
9. Gmiński T., Grochowski M., Brdyś M.A., Drewa M.: Model predictiye controller for integrated wastewater systems. 10* IFAC/IFORS/IMACS/IFIP Symposium on Large Scalę Complex Systems, Osaka, Japan 2004.
10. www.proekologia.pl
