Tecnología y Eficiencia Energética en el Tratamiento de Aguas Residuales: El Caso de Éxito de FuzzyPAV
El sector del ciclo integral del agua está viviendo una importante transformación gracias a la digitalización, con la implementación de tecnologías avanzadas que prometen reducir los costes operativos, mejorar la eficiencia y promover prácticas más sostenibles.
Empresas del sector, como PAVAGUA están liderando este cambio, adoptando tecnologías innovadoras que optimizan sus procesos y contribuyen al ahorro energético. Un claro ejemplo de esta revolución digital es el proyecto FuzzyPAV, desarrollado por PAVAGUA, que ha marcado un hito en la eficiencia energética de las estaciones depuradoras de aguas residuales (EDAR).
¿En qué consiste el proyecto FuzzyPAV?
El proyecto FuzzyPAV tiene como objetivo principal optimizar la aireación en las EDAR, un proceso fundamental en el tratamiento biológico de aguas residuales. La aireación es responsable de suministrar oxígeno a los microorganismos que degradan los contaminantes, pero también es uno de los procesos que más energía consume en las plantas de tratamiento.
Reducir el consumo energético sin comprometer la calidad del tratamiento es un reto clave para la sostenibilidad del sector.
El proyecto ha mejorado la eficiencia del sistema de aireación mediante el uso de algoritmos predictivos basados en lógica difusa. Esta tecnología permite ajustar de forma precisa y flexible los niveles de oxígeno, incluso cuando los datos disponibles no son exactos. Al adaptarse a las variaciones del proceso biológico, se logra una optimización continua en el uso de la energía.
El mayor logro de FuzzyPAV ha sido la creación de un gemelo digital del proceso de aireación en la EDAR. Un gemelo digital es una réplica virtual que simula el comportamiento del sistema físico en tiempo real, lo que permite realizar simulaciones de diferentes escenarios y prever el impacto de las modificaciones antes de aplicarlas. Gracias a esta herramienta, los operadores de la planta han podido tomar decisiones más ajustadas, optimizando la aireación en función de las condiciones reales del proceso, logrando un ahorro en el consumo energético.
¿Cómo se desarrolló el proyecto FuzzyPAV?
El proyecto ha constado de varias fases:
Fase 1: Recogida y procesamiento de datos
El proyecto comenzó con un exhaustivo estudio experimental de la EDAR y recopilación de datos para comprender la operación general del sistema de aireación en el reactor biológico:
- Se identificaron los procesos de aireación actuales
- Se recopilaron datos operativos
- Se evaluó el consumo energético asociado.
- Se realizaron tareas de exploración del sistema, lo que permitió conocer su funcionamiento, los datos de explotación disponibles y las herramientas utilizadas en la planta.
La recolección de datos fue crucial, ya que proporcionó una base sólida para las siguientes etapas del proyecto, permitiendo obtener una visión integral del proceso y sus características operativas.
Fase 2: Modelación de datos
Una vez recopilados los datos, el proyecto avanzó a la siguiente fase, en la que se trabajó en colaboración con el Instituto Tecnológico de Informática (ITI) para procesarlos y modelar el proceso de tratamiento de aguas residuales. Este paquete de trabajo se centró en la modelización del proceso biológico mediante el análisis de viabilidad y la prototipación de un modelo de operación en un contexto controlado. Se realizaron diversas actividades clave como el desarrollo de un prototipo de Big Data para el cálculo masivo del coeficiente de transferencia de masa líquido- superficie (KLa), un indicador clave en la operación de la EDAR. También se llevó a cabo el análisis de la calidad de los datos y la aplicación de técnicas de Machine Learning para evaluar la viabilidad del modelo.
Fase 3: Simulación de escenarios
El siguiente paso del proyecto fue la formulación de un sistema basado en reglas difusas (controlador difuso). El objetivo era optimizar la operación de la EDAR mediante un controlador que ajustara la aireación en función de los datos obtenidos, basándose en la lógica difusa para manejar la variabilidad y los comportamientos inciertos del proceso biológico. Durante esta fase se ajustó y optimizó el controlador difuso, desarrollando un sistema flexible capaz de adaptarse a las condiciones cambiantes de la planta.
Fase 4: Creación de un gemelo digital
Como comentábamos al principio del artículo, la construcción de un gemelo digital del proceso biológico fue uno de los hitos del proyecto. Un gemelo digital es una réplica computacional del sistema físico, en este caso, de la EDAR, que permite simular su comportamiento bajo diferentes condiciones operativas. Para ello, se utilizó un modelo de “Machine Learning”, que tomaba como entradas las señales de la EDAR y generaba como salidas los valores futuros de oxígeno y amonio, dos variables cruciales en el tratamiento de aguas residuales.
La naturaleza de los datos, cíclica e irregular, con alta dependencia de la potencia media consumida, se analizó para crear un modelo predictivo.
Las correlaciones entre señales, como la relación inversa entre oxígeno y amonio, fueron fundamentales para demostrar la viabilidad de construir un modelo preciso. Como se puede apreciar en la figura de mapa de calor de correlaciones Pearson, las variables presentaban una alta dependencia con la “Potencia Media Consumida”. También se pueden apreciar otras relaciones interesantes, como la correlación inversa entre “Oxígeno” y “Amonio” o la relación inversa entre los “Sólidos disueltos” y el “Amonio”. La presencia de estas correlaciones relevantes entre señales permitía ser optimistas sobre la viabilidad de un modelo predictivo.
El gemelo digital permitió transformar un problema de control en uno de optimización, donde un optimizador trabajaba sobre este modelo digital en lugar de un controlador tradicional.
Una vez construido el gemelo digital, se realizaron simulaciones de diferentes escenarios para evaluar el comportamiento del sistema bajo diversas condiciones. Estos escenarios incluyeron tanto situaciones normales de operación como condiciones anómalas como la recepción de vertidos o episodios de Dana, con el fin de verificar la robustez del modelo y del controlador. Las simulaciones ayudaron a afinar el funcionamiento del sistema, asegurando que pudiera adaptarse eficazmente a cualquier tipo de variabilidad en los procesos de tratamiento de aguas.
Fase 5: Digitalización e implementación en EDAR
La última fase del proyecto FuzzyPAV se centró en la digitalización e implementación del modelo de optimización energética en la infraestructura informática de la EDAR. El objetivo principal de esta fase fue integrar el modelo de inteligencia artificial, desarrollado para el control de la aireación, dentro de la infraestructura tecnológica existente de la planta. Además, durante esta fase se identificó la necesidad de realizar un análisis de ciberseguridad previo a la integración del sistema de optimización, para garantizar la protección de los datos y la seguridad del sistema.
La efectividad del proyecto de aireación de las EDAR
El proyecto, que ya ha finalizado con éxito, ha demostrado su efectividad al generar un ahorro energético significativo en la EDAR donde se implementó. No solo se han reducido los costes operativos, sino que también se ha logrado una disminución en las emisiones de gases de efecto invernadero, lo que ha contribuido a la sostenibilidad ambiental del proceso de depuración de aguas.
Los resultados de FuzzyPAV son un claro ejemplo de cómo las tecnologías emergentes, como la inteligencia artificial y los gemelos digitales, pueden transformar los procesos industriales en sectores clave como el tratamiento de aguas.
Este tipo de innovaciones no solo mejora la rentabilidad de las empresas, sino que también promueven la sostenibilidad y la eficiencia en la gestión de los recursos hídricos.
En conclusión, FuzzyPAV ha demostrado ser un proyecto exitoso en la optimización de la eficiencia energética en las EDAR, con un ahorro significativo que marca un paso importante hacia la digitalización y sostenibilidad del ciclo integral del agua.
Gracias a la adopción de tecnologías avanzadas, PAVAGUA y otros actores del sector están liderando la transformación digital, allanando el camino hacia un futuro más eficiente y respetuoso con el medio ambiente en el tratamiento de aguas residuales.
