ANN-based soft sensor to predict effluent violations in wastewater treatment plants
Pisa, Ivan (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Santín López, Ignacio (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
López Vicario, José (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Morell Pérez, Antoni (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Vilanova i Arbós, Ramon (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)

Fecha:	2019
Resumen:	Wastewater treatment plants (WWTPs) form an industry whose main goal is to reduce water's pollutant products, which are harmful to the environment at high concentrations. In addition, regulations are applied by administrations to limit pollutant concentrations in effluent. In this context, control strategies have been adopted by WWTPs to avoid violating these limits; however, some violations still occur. For that reason, this work proposes the deployment of an artificial neural network (ANN)-based soft sensor in which a Long-Short Term Memory (LSTM) network is used to generate predictions of nitrogen-derived components, specifically ammonium (S ) and total nitrogen (S ). S is a limiting nutrient and can therefore cause eutrophication, while nitrogen in the S form is toxic to aquatic life. These parameters are used by control strategies to allow actions to be taken in advance and only when violations are predicted. Since predictions complement control strategies, the evaluation of the ANN-based soft sensor was carried out using the Benchmark Simulation Model N. 2. (BSM2) and three different control strategies (from low to high control complexity). Results show that our proposed method is able to predict nitrogen-derived products with good accuracy: the probability of detecting violations of BSM2's limits is 86-94%. Moreover, the prediction accuracy can be improved by calibrating the soft sensor; for example, perfect prediction of all future violations can be achieved at the expense of increasing the false positive rate.
Ayudas:	Ministerio de Economía y Competitividad DPI2016-77271-R Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-1202 Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-1670
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Lengua:	Anglès
Documento:	Article ; recerca ; Versió publicada
Materia:	Wastewater treatment plants ; Artificial neural networks ; Long-short term memory cells ; Soft sensors
Publicado en:	Sensors (Basel, Switzerland), Vol. 19, Issue 6 (March 2019) , art. 1280, ISSN 1424-8220

DOI: 10.3390/s19061280
PMID: 30871281

26 p, 1.3 MB

El registro aparece en las colecciones:
Artículos > Artículos de investigación
Artículos > Artículos publicados