VandCenter Syd reducerer udledningen af ammonium med machine learning

Case: VandCenter Syd

Løsningen er med til at skabe et sundere vandmiljø i hav, fjorde og vandløb.

Et fremsynet og datadrevet vandselskab

VandCenter Syd arbejder hver dag på at sikre rent drikkevand, beskytte grundvandet, håndtere spildevand og være med til at skabe sunde vandmiljøer i Odense og Nordfyns kommune.

For at gøre dette så optimalt som muligt, er VandCenter Syd med helt fremme, når det kommer til at bruge deres data. Vi har tidligere skrevet om, hvordan vi har implementeret en machine learning-model hos VandCenter Syd, der kan lokalisere potentielle brud på vandrørene.

I denne case fokuserer vi på et samarbejde, vi har indgået med VandCenter Syd om at skabe en machine learning-model, der kan forudsige forhøjede værdier af ammonium i spildevandet.

På den baggrund kan modellen automatisk justere flowet af vand til VandCenter Syds renseanlæg, som reducerer mængden af ammonium, der bliver udledt i vandløb, åer, fjorde og havet omkring Odense og Nordfyn.

Ammonium kan udfordre et sundt vandmiljø

For at forstå baggrunden for løsningen, må vi først forstå lidt om ammonium og det arbejde, VandCenter Syd foretager på deres renseanlæg. Renseanlæggene modtager spildevand i Odense og Nordfyns kommune. Her bliver vandet renset, inden det bliver udledt.

I spildevandet er der ammonium. Ammonium er nogle naturligt forekommende ioner, der binder sig til ilt og potentielt kan medvirke til at forårsage iltsvind i vandmiljøer.

Derfor ønsker VandCenter Syd at omsætte så meget ammonium som muligt på renseanlæggene, inden vandet bliver udledt til vandmiljøet. Her er det vigtigt at sige, at de målte værdier af det ammonium, der bliver ledt ud, langt størstedelen af tiden ligger væsentligt under grænseværdien.

Men medarbejdere hos VandCenter Syd undrede sig over, at der indimellem var nogle ’peaks’, hvor koncentrationen af ammonium, der blev ledt ud, steg kraftigt – typisk i forbindelse med kraftig regn over længere perioder.

”Vi ønskede at finde ud af, hvad vi kunne gøre for at minimere antallet og størrelsen af de forhøjede ammoniumværdier. Her var vi nysgerrige på, om machine learning og kunstig intelligens kunne bruges til at hjælpe os med at knuse de data, vi havde, så vi på den måde kunne forudsige, hvonår der kom forhøjede ammoniumværdier og handle på baggrund af det,” siger Andreas Bjørn Bassett, driftschef hos VandCenter Syd.

Fra kortlægning af data til model i produktion

Andreas tog derfor fat i twoday for at få kortlagt de data, VandCenter Syd ligger inde med fra renseanlæggenes ind- og udløb.

”Vi kunne fra vores online-målinger se, at vi havde visse peaks, hvor ammoniumværdierne var forhøjede. Spørgsmålet var, om vi kunne lade vandet løbe på en anden måde eller udnytte vores anlæg anderledes, så vi kunne reducere udledningen af ammonium,” forklarer han.

Det viste sig, at der var mulighed for at forudsige forhøjede ammonium-værdier – og hvordan man kan ændre flowet af vand for at reducere mængden – på baggrund af data.

twoday byggede derfor et machine learning-system, der i første omgang kørte i baggrunden og gav anbefalinger til, hvordan flowet af vand til renseanlæggene kunne ændres. De skulle være sikre på, at machine learning-systemet kunne forudsige forhøjede ammoniumværdier, før de satte det i produktion.

Da de sammenholdt systemets prædiktioner og anbefalinger med, hvad der reelt skete på anlægget, kunne de se, at det ramte rigtigt.

"Der tog vi skridtet videre og satte modellen i produktion, så modellens anbefalinger til at reducere udledningen af ammonium nu automatisk kører ind i vores styring. Det er så at sige modellen, der bestemmer."

Andreas Bjørn Bassett, Driftschef hos VandCenter Syd

Teknisk set: Sådan fungerer løsningen

VandCenter Syds rensesanlæg har sensorer, der måler på en bred vifte af parametre, heriblandt flow-mængde, koncentrationer og vandhøjder: En slags snapshot af renseanlæggets nuværende tilstand.

Machine learning-modellen er trænet på de historiske sensormålinger til at forudsige peaks i ammonium-koncentrationen ved udløbene.

Der er desuden opsat et sæt af regler for systemets anbefalinger for vandflowet. Anbefalingerne dannes ud fra renseanlæggets nuværende tilstand og machine learning-modellens forudsigelse af, om der kommer et peak i ammonium-koncentration.

Regelsættet er opsat i tæt samarbejde med VandCenter Syds eksperter, da der skal tages højde for de begrænsninger, der er i det fysiske rensningsanlæg. For eksempel er der grænser for, hvor meget vand der kan være i visse tanke, og hvor stort et flow anlægget kan håndtere.

Machine learning-systemet er af sikkerhedshensyn sat i produktion inden for VandCenter Syds eget netværk. Her skriver det løbende anbefalinger til renseanlæggets eget SCADA-system, som derefter justerer flowet i anlægget.

Et succesfuldt projekt, der skaber et sundere vandmiljø

Efter modellen blev sat i produktion, er der sket en betydelig reduktion både i antallet og størrelsen af ammonium-peaks. Præcis hvor meget udledningen af ammonium er reduceret, er svær at give en præcis vurdering af, da det i høj grad er afhængigt af vind og vejr. Men for Andreas Bjørn Bassett har det været investeringen værd.

”Udfordringen er, at løsninger som den her ofte bliver gjort op i økonomi. Og den her løsning kommer ikke til at tjene sig selv hjem. Til gengæld har løsningen reduceret udledningen af ammonium, som understøtter vores interne mål om at skabe sunde vandmiljøer. Så jeg er rigtig godt tilfreds,” siger han.

Kan data og DNA-sekventering fremme de gode bakterier?

Foruden det primære mål om at reducere udledningen af ammonium har VandCenter Syd også set projektet som et læringsforløb i, hvordan de kan bruge og arbejde med deres data i driften af deres renseanlæg.

Her nævner Andreas som eksempel muligheden for at finde ud af, hvilke bakterier der er i renseanlæggene, og hvordan de kan fremme de ”rigtige” bakterier. Bakterier kan nemlig noget forskelligt; nogle kan for eksempel omsætte ammonium til nitrat, som igen bliver omsat til frit kvælstof.

”Jo klogere vi kan blive på, hvad de forskellige bakterier kan, og om det er muligt at fremme visse bakterier, jo flere muligheder giver det os for at skabe nogle vandmiljøer, der er så optimale som muligt, og dermed blandt andet give fiskene i vandmiljøerne bedre forhold,” siger Andreas Bjørn Bassett, inden han med sin vanlige, nysgerrige tilgang til data afslutter:

”Så teoretisk set kan vi få data fra DNA-sekventering, som vi så kan styre vores renseanlæg efter. Om vi så kan i virkeligheden, det må vi finde ud af.”

Om VandCenter Syd

VandCenter Syd er et af Danmarks største og ældste vandforsyningsselskaber med rødder tilbage til 1853.

I dag beskæftiger VandCenter Syd cirka 190 medarbejdere og leverer rent drikkevand til 177.000 forbrugere – ca. 9,8 mio. m3 om året.

Derudover håndterer de spildevand for al industri og størstedelen af husholdningerne i Odense og på Nordfyn.

Læs mere på VandCenter Syds hjemmeside