Neuronale Netze als Grundlage für die Analyse und Optimierung von Flockungsprozessen in der Praxis der Trinkwasseraufbereitung

Die Modellierung von Prozessen der Trinkwasseraufbereitung wird durch zunehmende Quali-tätsanforderungen, aber auch durch hohe Anforderungen an die Betriebssicherheit und einen erhöhten Kostendruck an Bedeutung gewinnen. Neuronale Netze stellen eine innovative und bisher in der Trinkwasseraufbereitung selten eingesetzte Verfahrensweise dar, auf Basis von Prozessdaten Modelle zu trainieren und die Modelle selbst oder Erkenntnisse aus der Modellie-rung in der Praxis der Trinkwasseraufbereitung umzusetzen. Der Hauptvorteil dieser Methode liegt in der Fähigkeit der neuronalen Netze, auch ohne detaillierte Kenntnisse grundlegender Mechanismen stark nichtlineare Zusammenhänge abbilden zu können. Ziel dieser Arbeit war es, die Grundlagen für das Training der neuronalen Netze zu erarbeiten und das Vorgehen bei der Modellierung an dem Beispiel eines in einer konventionellen Trink-wasseraufbereitungsanlage integrierten Flockungsprozesses aufzuzeigen. Des Weiteren sollte die Online-Fähigkeit der Modelle auch unter Gesichtspunkten der Prozessoptimierung unter Beweis gestellt werden. Neben diesen eher betriebstechnischen Gesichtspunkten wurde der Einsatz neuronaler Netze als wissenschaftlich nutzbares statistisches Analysewerkzeug unter-sucht. So konnten auf Basis historischer Daten aus dem Wasserwerk Obermaubach, betrieben durch die Stadtwerke Düren, erfolgreich neuronale Netze trainiert werden, um die Trübung im Ablauf der Flockungsstufe über einen Zeithorizont von einer Stunde in die Zukunft vorherzusagen. Aufbauend auf den Vorhersagen aus der Trübungsmodellierung wurde eine Optimierungsstra-tegie zur Anpassung der Flockungsmitteldosierung auf Basis einer Kostenfunktion entwickelt und das Optimierungspotential auf etwa 10 % Kosteneinsparung abgeschätzt. Um die Anwend-barkeit des Systems in der Praxis zu testen, wurden die neuronalen Netze mit Daten aus dem Prozess in Echtzeit gespeist, so dass online Vorschläge für eine optimale Flockungsmitteldosie-rung ausgegeben wurden, die dem entsprechend vom Betriebspersonal von Hand im Prozess eingestellt wurden. In ersten Versuchen wurde die Einsatzfähigkeit in der Praxis nachgewiesen, und es konnte gezeigt werden, dass durch die Umsetzung der Optimierungsvorschläge die zu erwartende Kosteneinsparung erreicht werden kann. Durch eine Sensitivitätsanalyse konnte des Weiteren nachgewiesen werden, dass die im neu-ronalen Netz abgebildeten statistischen Zusammenhänge zwischen den Modellparametern vi-sualisiert und zu einer Interpretation der Intensität des Einflusses der verschiedenen Eingangs-größen und von deren Wechselwirkungen untereinander herangezogen werden können. Die gefundenen Zusammenhänge stimmen mit Datenanalysen und Ergebnissen aus Laboruntersu-chungen überein. Somit konnte im Rahmen dieser Arbeit eine hohe Leistungsfähigkeit von neuronalen Netzen für die Abbildung stark nichtlinearer Zusammenhänge und deren Einsatzfähigkeit in Online-Systemen zur Betriebsoptimierung bewiesen werden. Des Weiteren bietet die Sensitivitätsana-lyse unter wissenschaftlichen Gesichtspunkten ein hohes Potential für die Evaluierung von Zu-sammenhängen stark nichtlinearer Systeme. Aus den Ergebnissen konnten daher vielfältige Ansätze für weitere praxisbezogene Einsatzmöglichkeiten und Forschungsvorhaben abgeleitet werden.

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten