Development of soft sensors for prediction of parameters in wastewater

Analysering av avløpsvann i lokale områder av et ledningsnett, er generelt svært lite utbredt i det kommunale avløpsnettet i Norge. En karakterisering av avløpsvannet i ledningsnettet vil kunne gi viktig informasjon om forholdene både i og utenfor ledningsnettet, men en rekke avløpsparametere er enten dyre eller tar for lang tid å måle. I denne oppgaven predikeres disse parameterne (kalt responsvariabler) ved å bruke prediksjonsvariabler, som på den andre siden er enkle og billige å måle. pH, konduktivitet, turbiditet og strømning ble brukt som prediksjonsvariabler, mens responsvariablene var ammonium, nitrat, ortofosfat, total fosfor, suspendert stoff og kjemisk oksygenforbruk. For prediksjon av responsvariablene har det blitt utviklet soft sensorer. Soft sensorene er basert på resultater fra analysering av avløpsprøver, og resultater fra online sensorer og vannmengdemåler plassert i et avløpsrør på Vakås i Asker kommune. De statistiske analysemetodene PCA og PLSR ble brukt til evaluering av resultater, og estimering av statistiske modeller. Resultatene i oppgaven har stort sett ligget innenfor et forventet område, og dermed gitt et godt utgangspunkt for estimering av modeller. På den andre siden har resultatene til en viss grad vært preget av variasjoner, noe som er forventet ved analyse av avløpsvann. Av prediksjonsvariablene viste turbiditet seg å være en viktig prediksjonsvariabel for flere av responsvariablene. Prediksjonsprosessen er derfor avhengig av en presis turbiditetssensor med stabile resultater, som ikke var tilfellet i denne oppgaven. Resultatene viste at det potensielt er gode muligheter for å oppnå gode prediksjoner av ulike parametere i lokale områder av et avløpsnett. Soft sensorene i oppgaven hadde stort sett R2-verdier fra 0.7-0.8, som er godkjent i forhold til oppgavens hensikt. De kategoriserte soft sensorene viste ikke en trend i å ha bedre prediksjon enn soft sensorene som inkluderte hele datasettet.The analysis of wastewater in local areas of a sewage system is not a common procedure in Norway. A characterization of the wastewater in the sewage pipes could provide important information about the conditions inside and outside of the pipelines, but a lot of the parameters in the wastewater is either expensive or takes too long measure. In this thesis, these parameters (also called response variables) are predicted using prediction variables, which on the other hand are simple and inexpensive to measure. pH, conductivity, turbidity and flow were used as prediction variables, while the response variables were ammonium, nitrate, orthophosphate, total phosphorus, suspended solids and chemical oxygen demand. For the prediction of the response variables, soft sensors have been developed. The soft sensors are based on results from analysis of sewage samples, and results from online sensors and a flow meter located in a pipeline at Vakås in a municipality called Asker. The statistical analysis methods PCA and PLSR were used for evaluation of results, and estimation of statistical models. The results have mostly been within an expected range, thus providing a good starting point for estimating models. On the other hand, the results have contained some unexpected variations, which are expected when analysing wastewater samples. Out of the prediction variables, turbidity proved to be an important prediction variable for several of the response variables. The prediction process is therefore dependent on a precise and stable turbidity sensor, which in this thesis was not the case. The results showed that there are potentially good opportunities for achieving good predictions of different parameters in local points of a sewage network. The soft sensor in the thesis had mostly R2 values from 0.7-0.8, which were approved in relation to the purpose of the assignment. Based on the data set in the thesis, the categorized soft sensors did not show a better prediction than the soft sensors that included the entire data set.M-V