Utvikling og vurdering av virtuelle sensorer for kvantifisering av forurensningsbelastning fra utvalgte overvannsstrømmer til Gjersjøen

Abstract

Considering the increase in intensive precipitation, population growth and urban expansion, it is of great importance to protect the water quality in drinking water supplies from pollution that can potentially result in damage to humans, animals, and aquatic ecosystems. Surface runoff water and surface water are consequently water bodies that require a system for controlling contamination and its scope of damage. Standard practice for water quality monitoring today relies heavily on manual sampling and analysis. This is quite costly and time consuming and hence it can be of great value to automize most of the water quality monitoring process. Physical online sensors can be utilized to detect changes and trends in water quality parameters over time. Key quality parameters, however, such as N, P and COD cannot be monitored online in a cost-effective way, and P can in fact only be measured through chemical analysis. As a solution to this problem, this pilot project aims to develop virtual sensors for application in monitoring surface water quality in the water bodies leading to Gjersjøen. Virtual sensors are based on algorithms developed from models for parameter correlation in which data is acquired from chemical analysis of water quality parameters. If the correlation model provides a certain level of quality, the virtual sensor can estimate key water quality parameters by responding to signals received for easy-to-measure parameters from physical sensors. The method for data acquisition consisted of conducting water sample analysis for every hour in three different creeks. Meanwhile, sensors registered measurements from the same location. This procedure was conducted for both surface water and wastewater in order to observe advantages and disadvantages for modelling water quality for the two different water types. In total, samples from 6 locations were analyzed, in which 3 were surface water and 3 were wastewater. This provided approximately 100 water samples from each location. The samples were analyzed for NO3 - , NH4 + , TOD, filtered and total COD, Ortho-P, TP, pH, turbidity, conductivity and TSS. The acquired dataset was then processed to obtain the statistical correlation between the key parameters. There correlations were presented as models in the form of principal component regression (PCA). The results displayed good tendencies for correlation between some parameters, but weak correlation between others. For surface water modelling, the best models for parameter prediction were produced for filtered COD, NO3 - and Ortho-P, while for wastewater the best models for parameter prediction were produced for total COD, filtered COD, Ortho-P and TP. In general, the models produced from wastewater analysis displayed a better tendency for correlation rates than surface water models. It is however considered possible to successfully develop applicable virtual sensors for surface water, as long as the data acquisition phase of the project is conducted in a precise and infallible manner. The long-term goal is the development of a robust and cost-effective tool for surface water quality monitoring in municipal operation. Regarding future research in the field of utilization of virtual sensors in surface water, it is recommended to apply a method for manual analysis where samples are analyzed immediately. Additionally, the further development of the models produced in this project, cross validated against future analysis, could lead to some interesting finds.

Med økt nedbørintensitet, befolkningsvekst og urban utbygging, blir det avgjørende å sikre råvannskilder mot forurensning som kan føre til skade på mennesker, dyr og planteliv. Overflateavrenning og overvannskontaminering er dermed viktige vannforekomster å kontrollere skadeomfanget til. Dagens kontroll av vannkvaliteten i tilførselsbekker til akvatiske resipienter i kommunal drift baserer seg mye på manuelle analyser. Dette er kostbare og tidkrevende prosesser, hvor det ligger stor gevinst i å øke automatiseringsgraden. Fysiske sanntidssensorer kan overvåke kvalitetsendringer kontinuerlig, in situ. Viktige forurensningsparametere som N (nitrogen), P (fosfor) og KOF (kjemisk oksygenforbruk) lar seg så langt bare bestemme ved bruk av kostbare sensorer, og P lar seg kun måle ved kjemisk analyse. For å utvikle tids- og kostnadsreduserende automatiseringsmetodikk, er målet med dette pilotprosjektet å utvikle «virtuelle sensorer» til bruk i overvannsovervåkning i tilførselsbekkene til Gjersjøen i Nordre Follo Kommune. Virtuelle sensorer baserer seg på algoritmer fra modeller for korrelasjon utviklet på bakgrunn av laboratorieanalyser av vannkvalitetsparametere. Dersom korrelasjonsmodellen blir tilfredsstillende, kan en virtuell sensor benytte algoritmer til å estimere disse forurensningsparameterne, ved å motta målinger av parametere som er uproblematiske å måle for fysiske sensorer. For å skaffe nok data ble det tatt vannprøver for analyse hver time i tre vassdrag, samtidig som sensorer registrerte målinger på samme sted. Prosedyren foregikk i både overvann og spillvann for å sikre stor nok mengde og variasjon i datamateriale, samt evaluere sterkheter og svakheter ved modellprediksjonene av vannkvalitet for de forskjellige vannsystemene. Totalt ble det analysert vannprøver fra 6 forskjellige lokasjoner, 3 i overvann og 3 i spillvann, med ca. 100 datapunkter/vannprøver per lokasjon. Prøvene ble analysert for NO3-, (nitrat), NH4+ (ammonium), TOF (totalt oksygenforbruk), filtrert og total KOF, Ortho-P, TP (total P), pH, turbiditet, konduktivitet og TSS (total suspendert stoff). Datasettet ble så behandlet statistisk for å teste korrelasjonene mellom vannparameterne, som så ble presentert i form av regresjonsmodeller. Resultatene viste gode tendenser for korrelasjon for noen parametere, men tilnærmet ingen synlig korrelasjon for andre. Overvannsmodellene ble best for estimering av F-KOF, NO3- og Ortho-P, mens modellene for spillvann ble best for T-KOF, F-KOF, Ortho-P og TP. Modellene fra spillvannsanalysene viste generelt en bedre korrelasjonstendens enn overvannsanalysene. Det vurderes likevel mulig å utvikle gode modeller for overvann, forutsatt et større grunnlagsdata og mer presis datainnsamling enn vi oppnådde i dette studie. På sikt er målet å utvikle et robust verktøy som med relativt lav usikkerhet kan tilby en kostnadseffektiv metode for å overvåke kvaliteten i overvannsforekomster i kommunen. For videre arbeid med utvikling av virtuelle sensorer for overvannskvalitet, anbefaler jeg at prøvene analyseres øyeblikkelig for å øke kvaliteten på inputvariablene for modellutviklingen. Videre ligger det et stort potensial i å videreutvikle modellene fra dette forsøket gjennom utvidet labanalyse og validering av modellene.