Descripción del proyecto
Las Estaciones de Depuradoras de Aguas Residuales (EDAR) son infraestructuras críticas en la protección de las masas de agua que deben alcanzar al menos tres objetivos de sostenibilidad: protección ambiental (baja descarga de contaminantes), aceptación social (protección de la salud) y desarrollo económico (costes factibles de operación y construcción). Es fundamental que las EDAR sean capaces de cumplir con los requisitos de calidad en sus efluentes, óptimo consumo energético.Todavía existe una gran brecha entre las soluciones operativas utilizadas en las EDAR y los desarrollos de última generación en el ámbito digital. HADES cierra esta brecha mediante el desarrollo e implementación de múltiples tecnologías que mejorarán la eficiencia operativa de las EDAR, proporcionando al operador una evaluación de riesgos en tiempo real y el estado del proceso, así como sugerencias para puntos de ajuste de control óptimos basados en optimización multivariable y evaluación de múltiples escenarios. Estas tecnologías proporcionarán una reducción significativa de energía, una mejora en la calidad de los efluentes y una monitorización detallada y predicción de los procesos de la planta.El proyecto HADES tiene como objetivo demostrar una serie de tecnologías como parte de un Sistema de Apoyo a la Decisión (DSS) para Estaciones Depuradoras de Aguas Residuales, capaz de integrar: 1) datos en quasi tiempo real, 2) conocimiento experto, 3) predicciones y 4) modelos calibrados en tiempo real que funcionan como Gemelo Digital (DT). Permitirá optimizar el funcionamiento de las EDAR en función de múltiples criterios mediante el uso de algoritmos de Model Predictive Control (MPC) y proteger las EDAR de eventos no deseados que potencialmente podrían desembocar en un tratamiento puntual insuficiente. Por último, también se utilizará de forma remota, potenciando las capacidades de los centros de remotos de control.La EDAR de Sant Celoni (6.000 m3/d, proceso biológico con eliminación de nutrientes, 38.000 PE) en el área de Barcelona se utilizará como demo site. La fase inicial del proyecto recopilará información de la planta, incluidos datos de diseño y construcción (operaciones unitarias, geometría, equipos, etc.) y datos operativos históricos (datos analíticos periódicos y sensores de datos). Esta información se utilizará en fases posteriores para replicar la EDAR en un Gemelo Digital (utilizando plataformas comerciales y especializadas como GPS-X -modelado mecanístico- y ANSYS Fluent -Computational Fluid Dynamics, CFD-), y herramientas de Inteligencia Artificial (un modelo de riesgos basado en el conocimiento y un Sistema de Razonamiento Basado en Casos -CBRS-) que dotarán de capacidades de razonamiento y autoaprendizaje al HADES DSS, así como una base de datos para ser utilizada por un optimizador de Control Predictivo de Modelos -MPC-. Como resultado se obtendrá una estrategia óptima de operación para la EDAR. El riesgo de efectos secundarios no deseados de esta estrategia se evaluará con un modelo heurístico y el plan de actuación se comparará con casos históricos similares. La información previa de éxito/fracaso evitará la repetición sistemática de errores para concluir dentro de una herramienta de aprendizaje automático. Finalmente, antes de demostrar HADES DSS, todo el conjunto necesario de órdenes de ejecución de software y rutinas de administración de archivos se desarrollará como un software prototipo de Python.El HADES-DSS se puede implementar tanto en EDARs nuevas como existentes, lo que mejora la replicabilidad y maximiza las oportunidades de aceptación en el mercado. Este DSS proporcionará una ventaja competitiva a ACCIONA dentro del sector y contribuirá a consolidar su posición como líder. El impacto directo esperado para la compañía, de implantarse en todas las EDAR operadas por ACCIONA, supone un ahorro de 6,6 GWh/a (1.125 t CO2/a), y 92.000 /d en químicos y una reducción del riesgo de incumplimiento de calidad de efluente