Probleem
Een rioolwaterzuiveringsinstallatie (RWZI) is verantwoordelijk voor het zuiveren van ons afvalwater. Door middel van biologische processen wordt onder andere ammonium (NH4) verwijderd uit het water. Deze processen kosten tijd en energie. De hoeveelheid tijd die het binnenkomende water (het debiet) kan doorbrengen in het biologische proces en de hoeveelheid energie die nodig is worden beïnvloed door de hoeveel water dat binnen komt (het debiet).
Vanuit het expertisecentrum kwam de vraag bij de Digital Dojo of wij konden uitzoeken wat de invloed van het debiet was op het energieverbruik en de kwaliteitsmetingen. En in welke mate verschillende categorieën van aanvoer voorkwamen.
"Ik denk dat het snel en inzichtelijk analyseren van onze data uit de procesautomatisering veel informatie kan bieden. Wat begon met een eerste inzicht in het presteren van een rwzi bij verschillende hoeveelheden wateraanvoer, eindigde in een snelle tussentijdse analyse die meteen is in gezet bij een gezamenlijk onderzoek met een gemeente. Het nut voor toepassing in de praktijk werd meteen duidelijk." - Jeroen Buitenweg
Oplossingsrichting
Visualisatie was het belangrijkste doel van deze opdracht. Een goede preparatie was wel een noodzakelijke voorwaarde om hiertoe te kunnen komen.
Werkwijze
Als eerste opzet is gekozen om, net als bij het SVI project, te kiezen voor waarden op dagniveau die konden worden geëxporteerd uit het zuiveringsinformatiesysteem Z-Info met de business intelligence tool Business Objects. Daarna werd de data opgeschoond en bij ontbrekende waarden geïnterpoleerd met het data science platform Knime en gevisualiseerd via de business intelligence tool Tableau.
Het proces van inlezen, data opschonen en categoriseren in Knime.
Na tussentijdse evaluatie is besloten om toch ook naar de waarden op uurniveau te kijken. Dit werd gecompliceerd doordat de aangeleverde data in veel CSV-bestanden met verschillende opmaak stond opgeslagen. Om niet handmatig maar softwarematig structuur aan te kunnen brengen hebben we het data science platform Dataiku gebruikt. Hierin kunnen grote hoeveelheden CSV-bestanden met gelijke structuur worden ingelezen en worden verenigd tot één grote dataset.
Het proces om tot één dataset te komen in Dataiku. De blauwe blokken zijn daarin de verschillende datasets, de gele cirkels zijn bewerkingen.
Daarna is er, om de verschillen in tijdsspanne te vereffenen, een gemiddelde genomen per uur per meetwaarde. Hierna was het mogelijk om de verschillende aanvoerstromen te combineren tot één debiet. Dit totale debiet kon daarna worden gecategoriseerd. het ging om de categorieën droogweeraanvoer (DWA), regenweeraanvoer (RWA) en een tussencategorie (DWA+). Voor de analyse met gebruik van uurwaarden werd ook onderscheid gemaakt tussen de huidige RWA (RWA huidig) en een voorgesteld nieuw maximum debiet (RWA afgevlakt). Tot slot is de data volgens deze categorieën gevisualiseerd in Tableau.
Het proces van opschonen in Dataiku
Resultaten
In Tableau staan drie stories, voor de RWZI in Oldenzaal in dagwaarden en uurwaarden en voor de RWZI in Tubbergen in dagwaarden. Deze zijn in een eindpresentatie aan de opdrachtgever opgeleverd.
Hoe vaak een aanvoercategorie voorkomt en het energieverbruik op die momenten (in procenten).
Bij de analyse van de dagwaarden viel op dat er opvallend vaak sprake was van regen weer aanvoer. Daarnaast leken de kwaliteitsmetingen tussen de verschillende categorieën nauwelijks te verschillen.
Wat de effecten zijn van de verschillende aanvoercategorieën op de waterkwaliteit.
Op basis van deze resultaten werd besloten om in te zoomen op de uurwaarden, om zo een beter beeld te krijgen over wat er gebeurt op de momenten dat het daadwerkelijk regent. De resultaten van die analyse waren duidelijk anders. Waar er relatief veel regenmomenten waren op dagniveau, was dat op uurniveau veel minder. Ook was er een duidelijkere toename van NH4 in de biologische fase van de zuivering wanneer het debiet hoger was.
De gemiddelden van debiet en kwaliteitsdata vanuit de uurwaarden.
Hoe vaak een aanvoercategorie voorkomt en wat het effect is op de NH4 concentratie.
Conclusie
Wanneer er veel water de zuivering binnenkomt staat de kwaliteit van de zuivering onder druk. De verklaring hiervoor is dat er minder tijd is voor de biologisch processen, waardoor de efficiëntie omlaag gaat. Dit is terug te zien in de stijgende NH4-concentratie wanneer het debiet hoger is. Een van de meest opvallende verschillen hierin is het verschil tussen de RWA huidig en RWA afgevlakt. Het gaat hierin om een voorgestelde verandering van de maximumcapaciteit om de efficiëntie van de zuivering te verbeteren. Volgens aanvullende berekeningen (hier niet weergegeven) zou dit een besparing van meer dan 2 kg NH4 per dag opleveren.
Met dergelijke analyses kan de werking van zuiveringen worden geoptimaliseerd. Hiervoor kan de data die nu al wordt gemeten een uitgangspunt zijn. Uit de opdracht blijkt des te meer het belang van goede toegankelijkheid van de data, alsmede het belang om meer te investeren in gedetailleerde metingen, bijvoorbeeld in het effluent.
Dergelijke analyses geven beleidsmakers de mogelijkheid om moeilijke beslissingen, zoals optimalisering van zuiveringen versus mogelijke overstort, datagedreven te nemen.
Auteur: Matthijs Schokker
