Wiskundig procesmodel verbetert drinkwaterzuivering
De huidige drinkwaterzuivering in Nederland wordt gestuurd
door de ervaring van de bedrijfsvoerders. Door de zuivering meer op objectieve
kennis te baseren, is het proces nog aanzienlijk te verbeteren, stelt
onderzoeker Kim van Schagen. Hij paste met succes wiskundige procesmodellen toe
bij de drinkwaterzuivering in Weesperkarspel en bereikte onder meer een
aanzienlijke besparing in de hoeveelheid gebruikte chemicaliën. Van Schagen
promoveert op dinsdag 19 mei op dit onderwerp aan de TU Delft.
Het
drinkwater in Nederland is van zeer hoge kwaliteit en de productiekosten zijn
laag. Dit is het resultaat van uitgebreid wetenschappelijk onderzoek in de
afgelopen decennia om de zuiveringsprocessen te innoveren en te optimaliseren.
'De zuiveringsprocessen worden in het algemeen bewaakt en bediend door
gemotiveerde en getrainde bedrijfsvoerders en procestechnologen. Dit leidt
echter wel tot een subjectieve, variërende en mogelijk niet helemaal optimale
bedrijfsvoering van de zuivering', zegt de Delftse promovendus Kim van Schagen.
Minder chemicaliën
Een
van de problemen is dat de uitgebreide automatisering van de
zuiveringsinstallaties de aandacht van de bedrijfsvoerder voor individuele
procesonderdelen beperkt. Het gebruik van wiskundige procesmodellen zou dit
volgens Van Schagen op kunnen lossen.
Waternet
is vijf jaar geleden een onderzoeksproject gestart samen met de TU Delft, ABB
en DHV. In dit kader heeft Van Schagen deze modellen in de praktijk getest bij
de zuivering Weesperkarspel van Waternet. Hij bereikte onder meer een
aanzienlijke besparing in de hoeveelheid gebruikte chemicaliën.
Succesvol
Van
Schagen: 'Ik heb aangetoond dat je met modellen de bedrijfsvoering van een
drinkwaterzuivering kunt laten verschuiven van gebaseerd op ervaring naar
gebaseerd op kennis. Dit heeft onder meer geleid tot de succesvolle invoering
van een nieuwe basisbesturing voor de onthardingsreactoren in de zuivering
Weesperkarspel.'
'Met
deze aanpak haal je de relevante informatie uit de grote onoverzichtelijke berg
aan gegevens en kun je de huidige toestand van het proces inschatten. Daarmee
kan de bedrijfsvoerder de zuivering optimaliseren zonder daarbij nieuwe
verstoringen te introduceren.'
Technische Universiteit Delft