Tillämpning av multivariata metoder för övervakning och optimering av skogsindustriella biologiska reningsanläggningar

I takt med att utsläppskraven på skogsindustrin ökat under 90-talet byggde många luftade dammar om till långtidsluftad aktivslamanläggning (LAS). Med en LAS anläggning ökar möjligheterna till styrning väsentligt i jämförelse med en traditionell luftad damm. I detta projekt som initierats av IVL Svenska Miljöinstitutet AB och Å-forsk var målet att skapa ett multivariat övervakningssystem för att ta fram viktig processinformation för övervakning och styrning av en LAS-anläggning. Inledningsvis installerades en del kompletterande givare för mätning av suspenderat material och TOC vid olika positioner i processen. Därefter implementerades en dynamisk databas för att produktionsanpassa datainsamlingen. Databasmodellen kompenserar för tidsförskjutningarna i processen vilket gör att tidsseriemodellering inte är nödvändig. Ett viktigt resultat av databasmodellen är att data loggas snabbt när produktionen är snabb (högt flöde) och med lägre frekvens vid låg produktion (lågt flöde). Detta medför att man minimerar 'data overload'. Parallellt med framtagning av databasmodellen beräknades multivariata modeller på laboratoriedata för att få fram indikationer på viktiga processparametrar och på modelleringskonceptet. Resultaten för modelleringen på laboratoriedata föll mycket väl ut, bl.a. hittades interaktioner mellan variabler som tidigare var okända, t.ex. korrelerade fastsittande ciliater, filament i anoxisk miljö och frisimmande bakterier i olika utsträckning mot kvalitetsvariablerna utgående COD, utgående suspenderade ämnen samt utgående total fosfor. Detta har medfört en större processkunskap och bättre styrningsmöjligheter för processoperatörerna. I slutfasen av projektet utvärderades realtidsdata med en multivariat modell baserad på data från den dynamiska databasen. Modeller för processövervakning (PCA) och för prediktion av utgående kvalitétsvärden (PLS) genomfördes med goda resultat. Systemet från insamlat mätvärde till databasmodell och multivariat prediktion fungerar väl. Förseningar i projektet gör dock att dataomfattningen i kalibreringsmodellerna är för liten för att modellera alla verkliga driftscenarior. Implementeringen av systemet var mycket lyckad och modeller predikterar och övervakar idag i realtid. I den närmaste framtiden kommer detta system fortfarande att vara i drift för att ta fram bättre och mer omfattande modeller. Projektet har framförallt utvecklat ett verktyg som visar på styrkan av att tillämpa multivariata realtidssystem för processövervakning. Eftersom verktyget är generellt och kan tillämpas på andra processer är det givetvis intressant för t.ex. skogsindustrin att tillämpa dessa metoder på andra processer så som massa- och pappersframställning