Väitöstilaisuus Oulun yliopistossa

Väittelijä

Diplomi-insinööri Jani Tomperi

Tiedekunta ja yksikkö

Oulun yliopiston tutkijakoulu, Teknillinen tiedekunta, Säätötekniikka

Oppiaine

Prosessitekniikka, automaatiotekniikka

Väitöstilaisuus

30.11.2018 12:00

Väitöstilaisuuden paikka

Linnanmaa, sali TA105

Aihe

Käsitellyn jäteveden laadun ennustaminen aktiivilieteprosessin optista monitorointia hyödyntäen

Vastaväittäjä

Dosentti Yrjö Hiltunen, Itä-Suomen yliopisto

Kustos

Apulaisprofessori Marko Paavola, Oulun yliopisto

Puhdistetun jäteveden laadun ennustaminen

Väitöstutkimuksessa kehitettiin datapohjaisia malleja ennustamaan jätevedenpuhdistamolta poistettavan käsitellyn jäteveden laatu. Mallien kehittämisessä hyödynnettiin jätevesinäytteiden automaattisen optisen monitoroinnin tuloksia, jotka kerättiin uudenlaisella putkivirtaukseen perustuvalla kuvantamislaitteistolla.

Tutkimustyössä kehitettyjen mallien avulla voidaan ennustaa poistettavan jäteveden laatu ja siinä tapahtuvat muutokset vaihtelevissa olosuhteissa sekä täysikokoisella kunnallisella että teollisella jätevedenpuhdistamolla. Mallien avulla saatua ennustetietoa voidaan hyödyntää puhdistusprosessin ohjauksen optimoinnissa ja täten parantaa puhdistustulosta ja saavuttaa taloudellisia säästöjä.

Tehokas jätevedenkäsittely, jossa jätevedestä poistetaan kiintoaineet, ravinteet, orgaaninen aines ja muut haitalliset aineet, on välttämätöntä ihmisten terveyden turvaamiseksi sekä haitallisten ympäristövaikutusten minimoimiseksi. Tulevaisuudessa nykyiset vaatimukset käsitellyn jäteveden laadulle tiukkenevat ja uusia vaatimuksia muun muassa useiden haitta-aineiden, lääkeaineiden ja raskasmetallien poistamiselle asetetaan.

Puhdistusprosesseihin tulevien jätevesien määrät lisääntyvät kasvavan teollisuuden ja väestön sekä ilmastonmuutoksen seurauksena. Myös hetkelliset vaihtelut virtausmäärissä, jätevedenlaadussa ja kuormituksessa kasvavat etenkin alueilla, joissa on käytössä sekaviemäröinti. Suuri hulevesimäärä muun muassa laimentaa ja jäähdyttää jätevettä haitaten biologisen puhdistusprosessin toimintaa ja vaikeuttaen puhdistusprosessin ohjausta.

Jätevedenpuhdistuksen resurssit ja kapasiteetti kuitenkin pysynevät ennallaan, sillä niiden lisääminen on kallista. Toisaalta energian, työvoiman ja kemikaalien käyttöä tulisi tehostaa kustannussäästöjen saavuttamiseksi ja hiilijalanjäljen pienentämiseksi.

Haasteisiin voidaan vastata kehittämällä uusia mittauslaitteistoja sekä menetelmiä hyödyntää kerättyä mittausaineistoa entistä paremmin. Jätevedenpuhdistusprosessin optimaalinen ohjaus edellyttää tarkkaa jatkuvatoimista prosessin monitorointia ja tietoa esimerkiksi aktiivilieteprosessissa tapahtuvasta flokkien muodostumisesta, mikä on kriittinen vaihe biologisen jätevedenpuhdistuksen toimivuuden kannalta.

Aktiivilieteprosessissa eri mikrobit käyttävät jäteveden orgaanista ainesta ravinteenaan muodostaen selkeytysaltaan pohjalle laskeutuvia flokkeja puhdistetun jäteveden jäädessä altaan yläosaan. Flokkien muodostus on kuitenkin herkkä mikrobitasapainoa muuttaville häiriöille, minkä seurauksena optimaalisten flokkien muodostuminen epäonnistuu ja prosessin puhdistusteho heikkenee.

Perinteisesti flokkien muodostumista on tarkasteltu manuaalisesti mikroskooppianalyysien avulla, mikä on hidas, työläs ja subjektiivinen menetelmä. Uudenlaisella putkivirtaukseen perustuvalla automaattisella kuvantamislaitteistolla saadaan tilastollisesti kattava määrä arvokasta tietoa flokkien muodostumisesta nopeasti, kustannustehokkaasti ja jatkuva-aikaisesti.

Väitöstutkimuksen ennustemallien kehittämisessä hyödynnettiin uudenlaisen flokkien automaattiseen analysointiin kehitetyn laitteiston keräämää mittaustietoa yhdessä muiden prosessimittausten kanssa. Tutkimusaineisto kerättiin, kun kehitettyä kuvantamislaitteistoa testattiin ensin laboratoriossa ja sen jälkeen Suomen suurimmalla kunnallisella jätevedenpuhdistamolla yli vuoden kestävän yhtäjaksoisen mittausjakson ajan.

Yhdistämällä saatu tieto flokkien ominaisuuksista muiden prosessimittausten kanssa ja valitsemalla oikeat tulomuuttujat matemaattisten muuttujavalintamenetelmien avulla voidaan kehittää datapohjaisia malleja, jotka ennakoivat vesistöihin poistettavan käsitellyn jäteveden laadun tunteja ennen perinteisiä poistettavasta jätevedestä tehtäviä ja osin laboratoriossa analysoitavia mittauksia. Tämä mahdollistaa varautumisen tapahtuviin laatumuutoksiin ennakolta ja optimoimaan prosessin ohjausta kustannussäästöjen ja paremman puhdistustuloksen saavuttamiseksi ja näin jopa välttämään mahdolliset ympäristöhaitat ja terveysriskit.

Väitöskirja

Viimeksi päivitetty: 26.11.2018