Ferrosulfaatin annostelun automatisointi

Abstract

Tämä tutkimus käsittelee ferrosulfaatin annostelun automatisointia Viikinmäen jätevedenpuhdistamolla. Tavoitteena oli optimoida biologisille suodattimille parempi toiminta, parantaa puhdistustulosta, vähentää prosessinhoitajien työkuormaa ja kemikaalikustannuksia laitoksella. Fosforin poistaminen on prosessin ja luonnon kannalta tärkeää rehevöitymisen estämiseksi. Poisto tapahtuu saostamalla fosfori rautapohjaisen ferrosulfaatin avulla.

Työssä haettiin sopivaa säätötapaa ferrosulfaatin annostelun automattisointiin mallinnusta ja simulointia hyödyntäen. Mittausdataa haettiin Valmet DNA -automaatiojärjestelmästä, ja siirrettiin Matlabiin. Tämän pohjalta prosessia mallinnettiin System Identification Toolboxin avulla. Tavoitteena oli löytää hyvä prosessimalli, jonka avulla voitaisiin vertailla kolmea eri säätötapaa keskenään Simulink-ohjelman avulla. Valitut säätötavat olivat takaisinkytketty säätö, ennakoiva säätö ja Smith-prediktori.

Työn aikana päädyttiin lopputulokseen, että puhtaasti matemaattisen mallinnuksen käyttäminen kemiallisen ja biologisen prosessin yhdistelmän kuvaamiseen on haastavaa. Saadut prosessimallit eivät olleet riittävän hyviä, joten säätömenetelmien vertailua ei voitu aloittaa Simulinkilla. Mallinnuksen yhteydessä ilmeneviä ongelmia olivat mm. viiveen suuruus, prosessimallin vaillinainen kyky kuvata tarpeeksi hyvin todellisuutta sekä se, että suodattimille tulevaan fosfaattiin vaikuttaa muitakin suureita kuin ferrosulfaatin summavirtaus. Prosessiin vaikuttavat ulkoiset häiriötekijät eivät ole mitattavissa tai ne eivät ole tiedossa. Mikäli askelvastekokeiden pituutta olisi voitu pidentää, tulokset olisivat voineet olla parempia.

Edellä mainittujen ongelmien vuoksi säätötapojen vertailun toteuttaminen ei olisi tuottanut toimivaa säätöratkaisua. Tutkimuksessa ehdotetaan toista menetelmää säätötavan valintaan tai säätötavan määrittämistä suoraan tunnettujen kemiallisten ja biologisten ilmiöiden perusteella. Prosessin parempi ymmärtäminen ja tarvittavien suureiden mittaaminen olisi hyödyllistä, jotta saadaan riittävä data sekä mallinnusta että säätöä varten. Tämä vaatii mm. viiveen selville saamista, uusien vaikutussuhteiden löytymisen ja yhteistyötä laitoksen prosessin ohjauksesta vastaavien ja sen kemian ja mikrobiologian ilmiöt tuntevien kanssa.

This study examines the possibility of automating the ferrous sulfate dosing at the wastewater treatment plant in Viikinmäki, Finland. The aim of the study was to optimize the biological filtration process, improve the filtration, and to reduce workload and chemical costs. The removal of phosphates from waste water is important due to the impact on both process control and the environment to prevent eutrophication. The removal is done by coagulating the phosphates with ferrous sulfate.

Modelling and simulation were used to identify a suitable control method for automatic dosing of ferrous sulphate. Measurable data was retrieved from Valmet DNA control system and transferred to Matlab. With the available data, the process was modelled with System Identification Toolbox. The aim was to generate a good process model to use Simulink for evaluating three different control methods. The methods selected for comparison were feedback control, feedforward control and the Smith predictor.

The conclusion of the research was that the use of this type of mathematical modelling for a biological-chemical process is challenging. The created process models were not accurate enough to allow control method analysis with Simulink. Among the issues encountered during the modelling were: substantial process feedback delay, inaccuracy of the process modelling, and lack of measurable data on other variables affecting the phosphate concentration in addition to sum flow of ferrous sulphate. These additional process variables are either not measured or known at this time. Lengthening the duration of step response tests could have yielded better results.

It is recommended that either an alternative approach should be considered for analysing the control method, or the control should be implemented on basis of known chemical and biological processes. This recommendation calls for better understanding of the process and measurement of all the potential variables to ensure sufficient data for both process modelling and control. This would require identifying the process feedback delay mechanism, interaction of different process variables and cooperation with the persons in charge of the process and with knowledge of the chemistry it involves.