Per citar aquest document: http://ddd.uab.cat/record/137037
Application of control strategies in wastewater treatment plants for effluent quality improvement, costs reduction and effluent limits violations removal
Santín López, Ignacio
Pedret Ferré, Carles, dir. (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Vilanova i Arbós, Ramon, dir. (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Meneses Benítez, Montserrat, dir. (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes

Publicació: [Barcelona] : Universitat Autònoma de Barcelona, 2015
Descripció: 1 recurs electrònic (244 p.)
Resum: 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 mayoría 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.
Resum: In this work different control strategies are applied in wastewater treatment plants. The first objective is the control performance improvement. Basically, this serves as a proof that the proposed control strategy has been applied properly. The final objective is the effect of the applied control strategy on the plant performance. Specifically, the effluent quality improvement, costs reduction and avoiding violations of the established effluent limits. The evaluation of the different control strategies is carried out first with Benchmark Simulation Model No. 1 (BSM1), and secondly with Benchmark Simulation Model No. 2 (BSM2). BSM1 is focused on the biological wastewater treatment by activated sludge reactors, and the evaluation is based on a week of simulation. BSM2 is extended adding the sludge treatment and provides a more elaborated and variable influent with an assessment of one year. The control approaches are based on Model Predictive Control, Fuzzy Control, functions that relate the input and manipulated variables and Artificial Neural Networks. Model Predictive Control is proposed for tracking improvement, Fuzzy Controllers and functions are implemented to improve the denitrification or nitrification processes based on the proposed objectives. Their tuning parameters are selected by trade-off analyses. Artificial Neural Networks are applied to detect risk of violations for an automatic selection of the suitable control strategy. The results are presented and compared with the default control strategy and with the literature. For the control performance, a satisfactory improvement is obtained. Regarding the plant performance, in most of the cases, violations of the established limits of total nitrogen and ammonium and ammonia nitrogen are avoided, as well as an effluent quality improvement and cost reduction are achieved.
Nota: Tesi doctoral - Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes, 2015
Drets: L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons Creative Commons
Llengua: Anglès.
Document: Tesis i dissertacions electròniques ; doctoralThesis ; publishedVersion
Matèria: Enginyeria de control ; Ingenieria de control ; Control engineering ; Sistemes no lineals ; Sistemas no lineales ; Non linear systems ; Tractament d'aigües residuals ; Tratamiento de aguas residuales ; Wastewater treatment plants
ISBN: 9788449055041

Adreça alternativa: http://hdl.handle.net/10803/305238


244 p, 7.5 MB

El registre apareix a les col·leccions:
Documents de recerca > Tesis doctorals

 Registre creat el 2015-08-31, darrera modificació el 2016-06-04



   Favorit i Compartir