RAMBOLL WATER TEKOÄLYN HYÖDYNTÄMINEN JÄTEVEDENPUHDISTAMON OPEROINNISSA

Transkriptio

1 RAMBOLL WATER TEKOÄLYN HYÖDYNTÄMINEN JÄTEVEDENPUHDISTAMON OPEROINNISSA Anna Sipilä Vesihuolto Jyväskylä 1 MIKSI TEKOÄLY? Vedenpuhdistamoilla mitataan nykyisin paljon eri asioita pelkästään puhdistamon instrumentointitoimitus on tyypillisesti satoja t Tallennettua tietoa ei välttämättä hyödynnetä tehokkaasti Dataa käydään läpi korkeintaan jälkikäteen prosessihäiriön ollessa päällä Tyypillisesti data lähetetään esim. Excel-taulukoina konsultille, joka käy sitä läpi ja etsii korrelaatioita eri muuttujien välillä häiriön syyn löytämiseksi Ihminen väsyy datan läpikäyntiin, tekee sitä korkeintaan 8 h/d ja 5 d/vko 2 1

2 VOISIKO RAAKADATAN LOUHINNAN AUTOMATISOIDA? 3 PILOT-HANKE Ramboll toteutti pilot-hankkeen tekoälyalgoritmin rakentamiseksi puhdistamodatan analysointiin Raakadatan antoi käyttöön Lahti Aqua Tekoälytalo Silo.AI kumppanina Hankkeen tavoitteena oli 1. Saada lisää tietoa ja ymmärrystä tekoälysovelluksista ja niiden kehittämisestä 2. Selvittää, onko tyypillinen puhdistamodata oikean laatuista ja kuinka paljon sitä tarvitaan toimivan algoritmin rakentamiseen ja opettamiseen 3. Käsitellyn veden parametrien ennustaminen tekoälyalgoritmin avulla Ylittyvätkö ympäristöluvan rajat huomenna? 4. Hyödyntää algoritmia ja havaintoja operointi- ja käyttötukipalveluissa 4 2

3 konvoluutioneuroverkko (syväoppimista) ALGORITMISTA n kpl Ennuste valittujen parametrien vaatimustenmukaisuudesta seuraavana päivänä (BOD, COD, kiintoaine, fosfori, ammoniumtyppi) Raakadata puhdistamon raportointijärjestelmästä (pilot-hankkeessa noin 5 vuoden jakso) Laatu ja määrä 5 RAAKADATASTA Raakadatan siivoamiseen käytettiin useita päiviä ph 14 Raportointijärjestelmään tallennettu data on osittain puutteellista ja virheellistä Esim. Mittareiden puhdistus ja kalibrointi -> arvojen tallennus seis 8 6 Online-mittaukset vs. laboratoriomittaukset Raakadatan määrä voi olla suuri joko ajallisesti tai tallennettujen parametrien suhteen 6 3

4 TULOKSIA (PILOT-HANKE JA JATKOTUTKIMUKSET) Fosforin osalta tulokset erittäin rohkaisevia Online-mittaus paransi ennustetta, mutta ilman sitäkin ennuste oli hyvä Ammoniumtyppi ja kokonaistyppi: prosessin toiminta eri vuosina usein erilaista Tarve pidemmälle raakadatajaksolle tai ainakin heikommalle vuodelle BOD:n osalta raakadatan vähäinen määrä heikentää ennustetta Tarve pidemmälle raakadatajaksolle 7 TULOKSIA Fosfori jälkiselkeytetyssä vedessä (online): 79% Algoritmin opetusjakso Algoritmin testausjakso 8 4

5 TULOKSIA Ammoniumtyppi jälkiselkeytetyssä vedessä (online-mittaus): 98% 9 TULOKSIA Lähtevä COD Cr (laboratoriomittaus, rikkonaisempi raakadata): 73% 10 5

6 ALGORITMIN HYÖDYNTÄMINEN PUHDISTAMON OPEROINNISSA Oletuksena tietyt korrelaatiot muuttujien välillä Korrelaatioita käytetään hyödyksi operoinnissa Algoritmi listaa eniten ennusteeseen vaikuttaneet muuttujat (esimerkkinä fosfori) Algoritmi löytää myös piilokorrelaatioita, joita voidaan hyödyntää operoinnissa Human-in-the-loop AI 11 HAVAINTOJA Pienempikin määrä muuttujia voi antaa hyvän tuloksen, kunhan raakadataa on pidempi jakso, esim. >5 vuotta Useimmilla puhdistamoilla riittävästi raakadataa Raakadatan laadun parantaminen käyttäjä- ja tekoäly-ystävälliseksi Vuodet ovat erilaisia etenkin typenpoiston osalta, joten taustadatassa olisi hyvä olla vähintään yksi huonompi vuosi HYÖTYJÄ VESILAITOKSILLE Prosessihäiriöiden ennakointi Ajansäästö ja resurssien käyttö järkevämmin Kaikki hyöty irti mittariinvestoinneista Prosessien optimointi Tekoäly hiljaisen tiedon siirrossa, perehdyttämisessä ja prosessin omaksumisessa apuna? Alan houkuttelevuus 12 6

7 KIITOS! Lisätietoa Rambollin tekoälyprojekteista: Teemu Koskinen , Anna Sipilä , Read more on our website: