A dynamic knowledge-based decision support system to handle solids separation problems in activated sludge systems: development and validation

Abstract

El sistema de fangs activats és el tractament biològic més àmpliament utilitzat arreu del món per la depuració d'aigües residuals. El seu funcionament depèn de la correcta operació tant del reactor biològic com del decantador secundari. Quan la fase de sedimentació no es realitza correctament, la biomassa no decantada s'escapa amb l'efluent causant un impacte sobre el medi receptor. Els problemes de separació de sòlids, són actualment una de les principals causes d'ineficiència en l'operació dels sistemes de fangs activats arreu del món. Inclouen: bulking filamentós, bulking viscós, escumes biològiques, creixement dispers, flòcul pin-point i desnitrificació incontrolada. L'origen dels problemes de separació generalment es troba en un desequilibri entre les principals comunitats de microorganismes implicades en la sedimentació de la biomassa: els bacteris formadors de flòcul i els bacteris filamentosos. Degut a aquest origen microbiològic, la seva identificació i control no és una tasca fàcil pels caps de planta. Els Sistemes de Suport a la Presa de Decisions basats en el coneixement (KBDSS) són un grup d'eines informàtiques caracteritzades per la seva capacitat de representar coneixement heurístic i tractar grans quantitats de dades. L'objectiu de la present tesi és el desenvolupament i validació d'un KBDSS específicament dissenyat per donar suport als caps de planta en el control dels problemes de separació de sòlids d'orígen microbiològic en els sistemes de fangs activats. Per aconseguir aquest objectiu principal, el KBDSS ha de presentar les següents característiques: (1) la implementació del sistema ha de ser viable i realista per garantir el seu correcte funcionament; (2) el raonament del sistema ha de ser dinàmic i evolutiu per adaptar-se a les necessitats del domini al qual es vol aplicar i (3) el raonament del sistema ha de ser intel·ligent. En primer lloc, a fi de garantir la viabilitat del sistema, s'ha realitzat un estudi a petita escala (Catalunya) que ha permès determinar tant les variables més utilitzades per a la diagnosi i monitorització dels problemes i els mètodes de control més viables, com la detecció de les principals limitacions que el sistema hauria de resoldre. Els resultats d'anteriors aplicacions han demostrat que la principal limitació en el desenvolupament de KBDSSs és l'estructura de la base de coneixement (KB), on es representa tot el coneixement adquirit sobre el domini, juntament amb els processos de raonament a seguir. En el nostre cas, tenint en compte la dinàmica del domini, aquestes limitacions es podrien veure incrementades si aquest disseny no fos òptim. En aquest sentit, s'ha proposat el Domino Model com a eina per dissenyar conceptualment el sistema. Finalment, segons el darrer objectiu referent al seguiment d'un raonament intel·ligent, l'ús d'un Sistema Expert (basat en coneixement expert) i l'ús d'un Sistema de Raonament Basat en Casos (basat en l'experiència) han estat integrats com els principals sistemes intel·ligents encarregats de dur a terme el raonament del KBDSS. Als capítols 5 i 6 respectivament, es presenten el desenvolupament del Sistema Expert dinàmic (ES) i del Sistema de Raonament Basat en Casos temporal, anomenat Sistema de Raonament Basat en Episodis (EBRS). A continuació, al capítol 7, es presenten detalls de la implementació del sistema global (KBDSS) en l'entorn G2. Seguidament, al capítol 8, es mostren els resultats obtinguts durant els 11 mesos de validació del sistema, on aspectes com la precisió, capacitat i utilitat del sistema han estat validats tant experimentalment (prèviament a la implementació) com a partir de la seva implementació real a l'EDAR de Girona. Finalment, al capítol 9 s'enumeren les principals conclusions derivades de la present tesi.

The activated sludge system is the most widely used technology for biological wastewater treatment in the world. Its successful performance relies on the correct operation of both the bioreactor and the secondary settler. When settleability deteriorates, the inefficient separation of biomass can affect the quality of the activated sludge effluent, implying on most occasions an impact on the receiving ecosystem. These kind of undesired situations, known as activated sludge solids separation problems, are one of the main causes of inefficiency in activated sludge systems. They include: filamentous bulking, non-filamentous bulking, biological foaming, dispersed growth, pin-point floc and rising sludge. The origin of solids separation problems is (except from rising sludge) an imbalance between the different microbiological communities responsible for the biomass settleability: the floc-forming bacteria and the filamentous bacteria. Due to this microbiological origin, their identification and control is a tough task for plant operators. Knowledge-Based Decision Support Systems (KBDSS) are a group of tools from the Artificial Intelligence domain characterized by their capability to represent heuristic knowledge and to work with large amounts of data. The main objective of the present thesis is to develop and validate a KBDSS specially designed to support plant operators to handle solids separation problems of microbiological origin occurring in activated sludge systems. In order to achieve this objective, the developed KBDSS must accomplish with the following characteristics: (1) the implementation of the system must be viable and realistic in order to ensure its proper operation; (2) the reasoning process followed by the system must be dynamic and evolutive in order to match the necessities of the domain and (3) the reasoning must be also intelligent,. First of all, in order to guarantee the feasibility of the system, a thorough study, at a local scale (Catalonia) has contributed to the determination of the most common parameters generally used to diagnose, monitor and control these problems as well as to the detection of the existing limitations that the suggested KBDSS should overcome. The results obtained from past applications of KBDSS has demonstrated that the main bottleneck in developing KBDSS is the structure of the knowledge base (KB), where all the knowledge acquired from the domain is represented, together with the necessary reasoning processes. In our approach, the additional complexity and the corresponding necessities imposed by the dynamic nature of the domain exacerbate the limitations in developing a feasible system. In this case, a previous conceptualisation phase was considered in which a conceptual design of the system was set up. The Domino Model was suggested as a tool to conceptually design the system. Finally, in order to efficiently fulfill its main tasks, the last main objective or characteristic that the KBDSS must accomplish is the use of intelligent reasoning. In our approach, an Expert system (based on expert knowledge) and a Case-Based Reasoning System (based on experiential knowledge) have been and integrated as the main intelligent tools to carry out the goals of the KBDSS. In chapter 5 the development of the dynamic ES is presented. In chapter 6, a new temporal approach for classical CBRS is depicted, the Episode-Based Reasoning System (EBRS). Next, in chapter 7 some details of the KBDSS implementation in the G2 environment are presented. After that, in chapter 8 the results obtained during the 11 months of validation are depicted, including the results regarding the accuracy, adequacy, usefulness and usability of the system, which have been validated both experimentally (before the implementation) and as a result of the system's implementation in the Girona WWTP. Finally, in chapter 9, the main conclusions derived from the present thesis are enumerated.