Abteilung Verfahrenstechnik

Data Mining von Kläranlagendaten zur Optimierung des Kläranlagenbetriebs

Auf Kläranlagen wird sehr viel Kapital und Effort für die Erstellung und den Betrieb eines anlagenübergreifenden Messnetzes investiert. Die daraus gewonnenen Messwerte werden hauptsächlich als Eingangsgrösse für die Regelung der Anlage und zur Kontrolle der Reinigungsleistung verwendet. Immer häufiger wird versucht, die verteilt anfallenden Messdaten (meist mehrere hundert zeitlich hoch aufgelöste Signale) zu bündeln und als möglichst homogener Datensatz in einem Prozessinformationssystem zu archivieren.

Leider kann nur eine geringe Informationsmenge aus dem umfangreichen Datensatz, der die verschiedenen Verfahrensstufen und Prozesse der Kläranlage beschreibt, extrahiert und effektiv für die Optimierung herangezogen werden. Die Ursache liegt an der grossen und ständig wachsenden Datenmenge, deren Auswertung und Darstellung die Fähigkeiten von klassischen Tools oft übersteigt. Verstecktes Wissen, das nicht mit klassischen Ansätzen oder menschlichem Auge aufgedeckt werden kann, geht verloren.

Fortschritte in der Informationstechnologie erlauben die Entwicklung neuer, auf die Auswertung von massiven Datensätzen spezialisierten «Data Mining»-Methoden und Algorithmen, die implizite, primär unbekannte aber nützliche Muster aus den Daten extrahieren.

Im Rahmen einer Doktorarbeit sollen neue Data Mining Methoden für Kläranlagen entwickelt und bestehende adaptiert werden, um den Anlagebetreibern durch die systematische Auswertung der Daten wertvolle Informationen für die Optimierung des Anlagenbetriebes zu liefern und so beispielsweise mitzuhelfen, die Ablaufqualität durch optimierte Regelung zu verbessern oder Kosten bei gleich bleibender Reinigungsleistung zu reduzieren. Die gewonnenen Informationen geben zusätzlich Aufschluss über die in der Kläranlage ablaufenden Prozesse.

Damit Kläranlagenbetreiber die während des Projektes entwickelten Methoden unmittelbar vor Ort anwenden können, werden sie zeitgleich als einsatzfähige Software implementiert.

Forschungsschwerpunkte

  • Methoden zur Generierung neuer Signale (Software-Sensoren) sowie zur Kontrolle bestehender Messsonden aus vorhandenen Betriebsdaten
  • Extraktion von Informationen zur Abbildung ablaufender hydraulischer und biologischer Prozesse in Belebungsbecken. Die Datengrundlage ist entweder bereits im Betrieb verfügbar oder soll aus einfachen Experimenten stammen
  • Entwicklung innovativer Visualisierungskonzepte zur Veranschaulichung des aktuellen Betriebszustandes und zum Vergleich verschiedener Betriebszustände