Kvantifisering av næringsstoffer i avløpsnettet

Abstract

Denne masteroppgaven har sett på mulighetene til å kvantifisere total fosfor, ortofosfat og ammonium i avløpsnettet basert på statistiske modeller som bruker andre parametere det er lettere å måle online. Det er sett på avløpsvann fra Solumstrand rensedistrikt i Drammen kommune. Klimaendringer vil ifølge framskrivinger føre til mer intensiv nedbør og hyppigere nedbørhendelser. Dette skape problemer til et allerede overbelastet avløpsnett som følge av en stor andel fellesavløp. Resultatet er at mye overvann og spillvann går i overløp og slippes ut til resipienten. Det er vanskelig å forutse konsekvensene av dette da en ikke har gode metoder for å overvåke vannkvaliteten i avløpsnettet. Prøvetaker og online sensorer har vært plassert inne på innløpet til Solumstrand renseanlegg før rist for å måle ubehandlet avløpsvann lik det som finnes på nettet. Vannprøver ble hentet inn over fem 24timers perioder. Prøvene representerte tre ulike scenarioer: hverdag tørrvær, hverdag nedbør og helgedag tørrvær. Følgende parametere ble målt: suspendert stoff, turbiditet, pH, konduktivitet, vannføring, temperatur, nedbør, total fosfor, ortofosfat og ammonium. Tidspunkt er registrert for alle målinger. Online data er hentet fra renseanleggets system Cactus SCADA, ROSIM AS sin skytjeneste regnbyge.no og den kontrollboksen Create MCC-2300. Vannprøver ble tatt med en ISCO 6712 Full-Size Portable Sampler. Data ble organisert og midlet ned til timesintervaller før statistiske analyser ble gjennomført. Programvaren The Unscrambler X ble brukt til å kjøre prinsipalkomponentanalyse (PCA) og partial least square regression (PLSR) modeller. Analysen viste at generelle likninger ikke forklarte nok variasjon i datasettet til å kunne brukes. Det ble i midlertid funnet et godt potensial i å lage modeller for hver av scenarioene og hver av parameterne. Med PLSR-analysen fikk en også redusert ned antall variabler i likningen slik at det ikke kreves å måle mange forskjellige parametere ute på nettet for å estimere vannkvalitet. Total fosfor ble beskrevet best av modellene med rundt 80% forklart variasjon. Ortofosfat lot seg kun modellere med akseptabel nøyaktighet for scenarioet helgedag tørrvær med ca. 80% forklart variasjon. Ammonium lot seg modellere for to scenarioer; hverdag og helgedag tørrvær med henholdsvis 78,5% og 72% forklart variasjon. Oppgaven konkluderer med at det er observert et daglig vedlikeholdsbehov for sensorene da disse lett samler filler. De statistiske analysene viser et godt potensial men det trengs et større datasett for å beregne mer robuste modeller. Det trengs også forsøk i felt for å kunne si med sikkerhet hvor godt det fungerer med online sensorer i avløpsrør ute på avløpsnettet.

This master thesis has been looking at the possibilities to quantify total phosphorus, orthophosphates and ammonium in the sewers based on statistical models which use other, easy to measure online parameters. Wastewater from Solumstrand treatment district in Drammen municipality has been studied. Climate change will lead to more intensive and frequent rain events according to projections. This creates problems for an already overloaded sewage network because of a large part common drain. This results in a lot of both surface water and waste water overflowing into recipients. It is difficult to predict the consequences this causes as there is currently no good methods to survey the water quality in the sewers. A water sampler and online sensors have been placed at the inlet before screens in Solumstrand treatment plant to measure untreated waste water as it would occur in the sewers. Water samples were collected five times over the course of twenty four hours. The samples represented three different scenarios: weekday dry weather, weekday rain and weekend dry weather. The following parameters were measured: suspended solids, turbidity, pH, conductivity, water flow, temperature, rain, total phosphorous, orthophosphate and ammonium. The time is registered for all measurements. Online data have been collected from the treatment plant's system Cactus SCADA, ROSIM AS's cloud service regnbyge.no and the controller box Create MCC-2300. Water samples were collected using an ISCO 6712 Full-Size Portable Sampler. Data was organised and averaged to one hour intervals before statistical analyses were conducted. The software The Unscrambler X was used to run principal component analysis (PCA) and partial least square regression (PLSR) models. The analysis showed that general equations did not explain enough variation in the dataset to be usable. It was however found good potential in creating models for each of the scenarios and each parameter. With the PLSR analysis one was also able to reduce the number of variables in the equation so that one did not need to measure many parameters online in the sewers in order to estimate water quality. Total phosphorous was described best by the models with approximately 80% explained variation. Orthophosphates was only acceptably modelled for one scenario; weekend dry weather with about 80% explained variation. Ammonium was acceptably modelled by to scenarios; week day and weekend dry weather with about 78,5% and 72% explained variation each. The thesis concludes that daily maintenance is required as the sensors collect rags from the waste water. The statistical analyses shows good potential but a bigger dataset is needed to calculate more robust models. There is a need to conduct experiments in the field as well in order to be able to say confidently weather or not online sensors in the sewers works.