Application of control strategies in wastewater treatment plants for effluent quality improvement, costs reduction and effluent limits violations removal

  1. Santín López, Ignacio
Dirigida por:
  1. Carles Pedret Ferré Director/a
  2. Montserrat Meneses Benítez Director/a
  3. Ramon Vilanova Arbós Director/a

Universidad de defensa: Universitat Autònoma de Barcelona

Fecha de defensa: 24 de julio de 2015

Tribunal:
  1. Pastora Isabel Vega Cruz Presidenta
  2. Montserrat Gil Martínez Secretario/a
  3. Marian Barbu Vocal

Tipo: Tesis

Teseo: 389839 DIALNET lock_openTDX editor

Resumen

En este trabajo se aplican diferentes estrategias de control en las plantas de tratamiento de aguas residuales. El primer objetivo es la mejora del rendimiento de control. Básicamente, esto sirve como una prueba de que la estrategia de control propuesta se ha aplicado correctamente. El objetivo final es el efecto de la estrategia de control aplicada sobre el rendimiento de la planta. En concreto, mejorar la calidad del efluente, reducir costes de operación y evitar violaciones de los límites establecidos en el efluente. La evaluación de las diferentes estrategias de control se lleva a cabo en primer lugar con el Benchmark Simulation Model No. 1 (BSM1), y en segundo lugar con Benchmark Simulation Model No. 2 (BSM2). BSM1 se centra en el tratamiento biológico mediante reactores de lodos activos, y la evaluación se basa en una semana de simulación. BSM2 es una versión extendida del BSM1, agregando el tratamiento de lodos y proporciona un afluente más elaborado y variable, con un año de evaluación. Los enfoques de control se basan en Control Predictivo basado en Modelo, control difuso, funciones que relacionan las variables de entrada y las manipuladas, y Redes Neuronales Artificiales. El Control Predictivo basado en Modelo se propone para una mejora del tracking. El control difuso y las funciones se implementan para mejorar los procesos de desnitrificación o de nitrificación en base a los objetivos propuestos. Sus parámetros de sintonía se seleccionan mediante análisis ¿trade-off¿. Las Redes Neuronales Artificiales se aplican para detectar riesgo de violaciones y obtener una selección automática de la estrategia de control adecuada. Se muestran los resultados y se comparan con las estrategias de control por defecto y con la literatura. Para el rendimiento de control, se obtiene una mejora satisfactoria. En cuanto al rendimiento de la planta, en la mayor\'{i}a de los casos se evitan violaciones de los límites establecidos de nitrógeno total y de amonio y nitrógeno amoniacal, mientras que también se consigue una mejora de la calidad del efluente y una reducción de costes de operación.