VYUŽITÍ CLOUD-COMPUTINGU A PREDIKTIVNÍ ANALÝZY ODPADNÍ VODY ZA ÚČELEM ZVÝŠENÍ EFEKTIVITY PROVOZU ČOV

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22320%2F21%3A43923271" target="_blank" >RIV/60461373:22320/21:43923271 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

VYUŽITÍ CLOUD-COMPUTINGU A PREDIKTIVNÍ ANALÝZY ODPADNÍ VODY ZA ÚČELEM ZVÝŠENÍ EFEKTIVITY PROVOZU ČOV

Popis výsledku v původním jazyce

Čistírny odpadních vod čelí v dnešní době mnoha výzvám v oblasti zvyšování kapacit, zpřísňování limitů nebo zpřísnění podmínek odlehčování odpadních vod. Jednou z možností, jak optimalizovat provoz čistírny je využití cloud-computingu a prediktivní analýzy odpadní vody. Cílem této práce bylo najít spolehlivý nástroj pro predikci kvality a kvantity odpadní vody. Byly testovány 3 modely hlubokých neuronových sítí (konvoluční, rekurentní a plně propojená). Testování, kalibrace a validace modelů byly založené na historických datech o kvalitě a kvantitě přitékající odpadní vody na ÚČOV v Praze v rozmezí let 2017–2019. Zároveň byla za stejné časové období získána data o srážkách z patnácti srážkoměrných stanic, které náleží sběrnému profilu vybrané stoky. Tato data byla zpracována a importována do otevřeného operačního systému pro IoT (internet věcí) MindSphere. Spolehlivá predikce charakteru odpadní vody může pomoci volit vhodné provozní scénáře na ČOV a snížit tak provozní náklady na chemikálie a energii spojenou především s aerací aktivačních nádrží. Zároveň může technolog včas reagovat na nestandardní situace a zajistit tak udržitelný chod ČOV a snížit náklady na poplatky spojené s vypouštěním nadlimitních koncentrací.

Název v anglickém jazyce

USE OF CLOUD-COMPUTING AND PREDICTIVE ANALYSIS OF WASTEWATER TO INCREASE THE EFFICIENCY OF WWTP OPERATIONS

Popis výsledku anglicky

Wastewater treatment plants today face many challenges in terms of increasing capacity, tightening limits or tightening conditions for wastewater relief. One of the ways to optimize the operation of the treatment plant is the use of cloud-computing and predictive wastewater analysis. The aim of this work was to find a reliable tool for predicting the quality and quantity of wastewater. 3 models of deep neural networks (convolutional, recurrent and fully interconnected) were tested. Testing, calibration and validation of models were based on historical data on the quality and quantity of inflowing wastewater to the WWTP in Prague in the period 2017–2019. At the same time, precipitation data were obtained for the same period of time from fifteen precipitation measuring stations, which belong to the collection profile of the selected sewer. This data was processed and imported into the MindSphere open IoT (Internet of Things) operating system. Reliable prediction of the nature of wastewater can help to choose appropriate operating scenarios at the WWTP and thus reduce operating costs for chemicals and energy associated primarily with the aeration of activation tanks. At the same time, the technologist can react in time to non-standard situations and thus ensure the sustainable operation of the WWTP and reduce the costs of fees associated with the discharge of above-limit concentrations.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

—

Návaznosti

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Voda 4.0 ve službách infrastruktury: Akcelerace změn

ISBN

978-80-907534-1-9

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

66-71

Název nakladatele

CzWA service s.r.o.

Místo vydání

Brno

Místo konání akce

Praha

Datum konání akce

16. 9. 2021

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—