Procesoptimalisatie Waternet
Terugverdientijd van enkele maanden
Procesoptimalisatie Waternet
Hoe kunnen waterschappen hun operationele kosten verlagen en tegelijkertijd hun CO2-voetafdruk reduceren? Dat kan onder meer door het chemicaliëngebruik te verlagen. Waternet schakelde Witteveen+Bos in om besparingskansen te identificeren en een gedegen business case op te zetten.
In het drinkwaterproces wordt ijzerchloride ingezet om sulfaten en fosfaten te binden en zo het water te onttroebelen. Vervolgens wordt natronloog toegevoegd om de zuurgraad te neutraliseren. De operators van Waternet hadden dit proces gestroomlijnd/verbeterd om de hoeveelheid aan chemicaliën in het zuiveringsproces terug te dringen. De vraag die Waternet aan Witteveen+Bos stelde, was: ‘Is een verdere optimalisatie zinvol?’
Ruime marge
‘We zagen in dit proces aanzienlijke optimalisatie, te meer omdat de dosering geen meetbaar effect had op de drinkwaterkwaliteit. Je zou verwachten dat met een variabele ingangskwaliteit een bepaalde dosering niet afdoende zou moeten zijn’, aldus Joost de Munk, procestechnoloog bij Waternet. ‘Dat bleek niet het geval. Dat betekent dat de dosering was gebaseerd op een ruime veiligheidsmarge om zeker de kwaliteitsnorm te halen.’
Analyse bij de bron
De kans op overdosering was vrijwel 100 procent. De vraag was wel: in hoeverre kon deze dosering worden teruggebracht zonder in te boeten op de waterkwaliteit? Deze analyse begon bij de bron, de ingangskwaliteit, in deze specifieke casus de troebelheid als kwaliteitsparameter.
Deze fluctueert, afhankelijk van de bron (o.a. grond-, oppervlaktewater) en andere, meer tijdsgebonden factoren als (water)temperatuur, regenval of scheepvaartbewegingen in geval van oppervlaktewater als bron.
AI Model
In het kader van een stage-opdracht onderzocht Yoni Evers in hoeverre Waternet haar dosering kan verlagen als het deze nauwkeurig(er) afstemt op de parameters die de ingangskwaliteit bepalen.
Hiervoor heeft de stagiair, samen met deskundigen van Witteveen+Bos, een AI-model ontwikkeld waarin historische data van Waternet zijn ingevoerd. Vervolgens heeft het model verschillende scenario’s doorberekend op basis van wisselende parameters. Waternet zorgde daarbij voor de datavalidatie, waarbij experts van Waternet en Witteveen+Bos nauwe afstemming hadden over het toetsingproces.
Aanzienlijke besparingen
De conclusie van het onderzoek: Waternet kan aanzienlijk besparen op ijzerchloride en natronloog door nauwkeuriger te doseren op basis van invoerparameters. Deze besparingen zijn zo aanzienlijk dat de investering zich al na enkele maanden terugverdient (investering van €k 10-50, besparing van €k 500).
Waternet heeft ons advies ter harte genomen en een AI-model ontwikkeld. Dit heeft de regelopstelling geoptimaliseerd. Er zijn nog grotere besparingen op het gebruik van chemicaliën mogelijk als de regelopstelling nog nauwkeuriger kan worden afgestemd. Een manier om dit te doen is met een feed forward-opstelling, waarbij de outputkwaliteit continu wordt gemonitord en vervolgens wordt vertaald naar een aangepaste dosering van ijzerchloride en natronloog.
Geïnteresseerd in het realiseren van operationele kostenbesparingen met AI-modellering? Neem dan contact op met: Erwin Visser of Gilian van Lenthe.
Meer informatie?
