En kanadensisk studie visar statistiska datamodeller som ska ge bättre underlag för drift av vattenverk i förhållande till förändringar i råvattenkvaliteten.
Av: Kenneth M Persson
När processoperatörer får verktyg som bättre visar hur vattenverket fungerar i realtid, blir det lättare för dem att anpassa driften till ändrad råvattenkvalitet, särskilt om råvattnet kommer från ytvattentäkter. Detta är ju grundläggande för hela driftsäkerheten. Metoder som ger varaktigt förbättrad bilder av hur råvattnet är på väg att ändras ger också tydligare beslutsunderlag för driften och möjliggör för dem att effektivt styra beredningen och säkerställa en leverans av hälsosamt och rent dricksvatten. Det behövs smarta, snabba, tydliga och tillförlitliga analysinstrument och analysprogram som klarar av att tolka datamängderna och göra dem tillgängliga för vattenverkets operatörer.
I en studie från staden Quebecs vattenverk i Kanada har Delpla och medarbetare (2019) utvecklat två statistiska datamodeller för att ge bättre underlag till driften på vattenverket om vad som kan vara på väg att hända med råvattenkvaliteten. Den ena modellen prognostiser turbiditetens medelvärden och maxvärden i råvattnet under dagen. Den andra modellen beräknar hur nederbörd och fuktförhållanden i avrinningsområdet påverkar turbiditetens medelvärdet under kommande dag. Turbiditet i råvatten beror på nedbördens intensitet, varaktighet och mängd, men även på fuktförhållanden, hur mycket markvatten som finns i avrinningsområdet, och årstid. De flesta driftoperatörer kan vittna om episoder med snabb försämring av råvattenkvaliteten som har varit besvärliga att hantera. Verktyg som snabbare kan visa driftpersonalen vad som är på väg att hända med råvattenkvaliteten hjälper dem att förutse om några ändringar behöver göras i beredningsprocessen.
Quebecs vattenverk tar vatten från Saint-Charles-floden och försörjer 300 000 personer med dricksvatten. Saint-Charles avrinningsområdet består huvudsakligen av skogsmark men står inför ökat föroreningstryck på grund av tillväxt av förorter och nybyggnation utanför huvudorten (urban sprawl). Följaktligen har turbiditetsnivåerna i vissa bifloder till Saint Charles floden ökat på grund av urbaniseringen. Geologiskt består marken av en prekambrisk sköld med ett tunt jordlager av morän och lera med sand vid dalarnas botten. Klimatet är fuktigt kontinentalt med en genomsnittlig årlig nederbörd på nästan 1190 mm jämnt fördelat under året och en genomsnittlig temperatur på 4,2 ° C.
Turbiditet mäts automatiskt varje minut dygnet om i intaget till vattenverket. Delpla och medarbetare fick använda vattenverkets turbiditetsdata för perioden från januari 2012 till juni 2016. Data förbehandlades och korrigerade, och saknade data interpolerades. Sist beräknades medelvärdet för fem minuter för att jämna ut tillfälliga fluktuationer. Ur dessa mätningar beräknades ett turbiditetsindex fram genom att lägga samman femminuters-turbiditet med förändringen av turbiditeten (dess derivata) vid samma tidpunkt. På så sätt kunde signifikanta turbiditetstrender identifieras i datamängden.
Forskarna sammanställde också nederbördsvärden från två mätstationer som ingår i Québecs regnmätningsnät och är belägna ganska nära intagsledningen. Nederbördsdata bearbetades genom att 14 olika regnindex togs fram för nedbörd och markfukthalt. De olika indexen angav antalet torra dagar sedan senaste nederbörd, antal dagar sedan ett regn inträffat på mer än respektive 10 mm, 20 mm, 30 mm och 50 mm och sammanlagd nederbörd senaste 1, 2, 5, 10 och 20 dagarna tillsammans med aktuell dags regn (dag 0).
Med turbiditetsindex till hjälp kunde Delpla och medarbetare förutsäga signifikanta turbiditetshändelser (> 99: e percentilen av datafördelning som i detta fall betyder en turbiditet högre än 12 NTU) med riktigt god precision. De hade större bekymmer med de små variationerna mellan 5 och 10 NTU.
Med hjälp av de 14 regnindexen konstruerade de ett artificiellt neuralt nätverk (ANN) som använder baserat på kända markvattenförhållanden prognostisera dagliga turbiditetsvärden. Värden för de kalla årstiderna (höst och vinter) och de varma årstiderna (vår och sommar) kunde prognostiseras med god precision för median- och maxvärden under dagen. Variationerna var långsammare under hösten och vintern och snabbare under våren och sommaren. Prognosen för turbiditetstoppar var mellan 15 och 270 min under höst och vinter (median: 45 min på hösten och 85 min på vintern) och mellan 15 och 240 min under vår och sommar (median: 45 min på våren och 25 min på sommaren). Quebec som övriga Kanada har en rejäl vinter med ofta isbelagda floder och sjöar. Likväl klarade ANN-modellen av att prognostisera turbiditetsvärdena ganska väl även vintertid med över 60% träffsäkerhet.
I grunden redovisar Delpla och medförfattare ingen superavancerad ny analys av mätdata. Däremot visar de att enkla mätdata, från regnmätare och turbiditetsmätare, kan bearbetas med god noggrannhet. De statistiska sambanden kan beläggas och snabbt presenteras för driftpersonalen. Dessa får tid till att vidta eventuella åtgärder för att förbättra driften av verket. Det är en fin påminnelse om hur mycket dold kunskap i form av oanvända mätvärden som finns ute på alla vattenverk och som bara väntar på att bli analyserad.
Många pratar om datamining, att sammanställa och tolka stora mängder data från processer. Delpla och medarbetare visar att ett sådant arbete kan vara användbart som en del av ett tidigt varningssystem vid övervakning av råvattenkvalitet. Nästa utmaning är att verkligen implementera denna algoritm på plats, låta driftpersonalen lära sig hur mätvärdena tolkas av algoritmen och tillsammans utvärdera nyttan i realtid.
Källa: Ianis Delpla, Mihai Florea, Manuel J. Rodriguez.Drinking Water Source Monitoring Using Early Warning Systems Based on Data Mining Techniques. Water Resources Management. 2019, 33 129-140
