Ferrosulfaatin annostelun automatisointi
Mäkinen, Sonja (2019)
Mäkinen, Sonja
2019
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2019121125997
https://urn.fi/URN:NBN:fi:amk-2019121125997
Tiivistelmä
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.
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.