Digital tvilling för hållbar och resurseffektiv drift av avloppsreningsverk
Inom detta projekt kommer en generisk metod för implementering av digitala tvillingar på avloppsreningsverk att utvecklas, inklusive processimulering och datavalidering i realtid.
Utveckling och implementering av digitala tvillingar inom avloppsvattenrening innebär en innovativ och radikal omställning av hur reningsverken drivs och styrs.
Svenska avloppsreningsverk står inför stora utmaningar med en åldrande infrastruktur, striktare reningskrav och klimatförändringar. Detta leder till ett kraftigt ökat investeringsbehov, men också ökade driftkostnader. En radikal omställning i hur reningsverken drivs krävs för att minska framtida kostnader.
Modellprediktiv styrning
Digitaliseringen möjliggör mer avancerad automation och större datamängder, vilket i sin tur möjliggör en högre grad av resursutnyttjande av samhällskritiska resurser. En avancerad typ av styrning, modellprediktiv styrning, där processmodeller används för att simulera en mängd utfall beroende på värdet på styrsignalen, har för avloppsvattenrening studerats i över 20 år.
Komplexiteten i processmodellerna har orsakat problem för styrsystemen på reningsverken på grund av det stora beräkningsbehovet, vilket medfört att många tidigare studier och applikationer med modellprediktiv styrning använt kraftigt förenklade processmodeller. Den snabba utvecklingen av beräknings- och lagringskapacitet för datorer medför dock att detta inte längre utgör ett problem. Modellprediktiv styrning har i litteraturen visat sig kunna ge energi- och kostnadsbesparingar på över 20 %.
Mål och resultat
Under projektet demonstrerades en digital tvilling för Öresundsverket i Helsingborg, vilket innebär att data från verket automatiskt kvalitetsgranskades, korrigerades och överfördes till en processmodell. Processmodellen beskrev hela reningsverket och användes för simuleringar. På så sätt kunde prognoser för den framtida driften göras och olika scenarier med avseende på driftsätt utvärderas och jämföras för att exempelvis välja det mest resurseffektiva inställningar av driftparametrar.
Projektledare
Magnus Arnell
Projektledare, RISE
Läs mer
Gå till RISE webbsida för mer information om projektet.
