PLAN DE REALIZARE AL PROIECTULUI DE CERCETARE

Doctorand: ing. Mirela Stoenica

Conducător ştiinţific: Prof. dr.ing. Vasile Lavric
Domeniul fundamental: Ştiinţe Inginereşti
Domeniul: Inginerie Chimică
Locul desfăşurării proiectului de cercetare:
Universitatea „Politehnica” Bucureşti, Facultatea de Chimie Aplicată şi Ştiinţa
Materialelor, Catedra de Inginerie Chimică
Universitatea din Newcastel Upon Tyne, UK , grupul ECOSERV
Denumirea proiectului de cercetare:
Optimizarea proceselor de epurare cu nămol activ
Obiectiv general:
Cuantificarea, într-un model matematic complex, a efectelor induse atât de clasele de timp cât
şi de distribuţia spatială a microorganismelor, care se manifestă în cazul proceselor de tratare
microbiologică a apelor uzate. Optimizarea, analiza şi controlul proceselor de epurare cu
nămol activ pentru diferite condiţii de operare.
Scopul realizării proiectului de cercetare:
Având în vedere problema încălzirii globale, dar şi poluarea, necesarul de apa de calitate
devine din ce în ce mai mare. Este deci nevoie de sisteme din ce în ce mai avansate, care să
producă un efluent de calitate superioară, capabile să satisfacă la standarde, nu numai procesul
de eliminare al carbonului organic, dar şi eliminarea azotului, a fosforului şi a altor compuşi
[1].
Sistemul cu nămol activ este printre cele mai folosite procese biologice în tratarea apelor
uzate.
Tratarea biologică poate fi aplicată tuturor tipurilor de ape uzate. Din punct de vedere
conceptual, tratarea biologică a apelor uzate este foarte simplă. Microorganismele (bacterii,
protozoare, rotifere şi alţi microbi), identificate sub denumirea de „nămol activ”, descompun
şi asimilează poluanţii din apele reziduale, rezultaţi în urma activităţilor industriale sau
domestice - compuşii organici şi nutrienţii (denumire generică pentru compuşii pe bază de
azot şi, eventual, de sulf respectiv fosfor) - folosindu-i drept hrană, aceasta conducând la
proliferarea lor , dar şi la depoluarea apei .
Nămolul activ funcţionează ca un ecosistem complex, în care microorganismele componente
au o dinamică specifică, dată de condiţiile de operare şi de compoziţia apelor reziduale tratate.

1
Interacţiunile dintre clasele de microorganisme pot fi uneori mai importante chiar decat
speciile în a înţelege cum funcţionează şi cum este organizat întregul sistemul [2] [3] [4].
Interacţiunile dintre specii definesc structura comunităţilor, modul în care acestea răspund
schimbărilor de mediu şi evoluţia temporală şi spaţială a nămolului activ în timp.
Interacţionând cu alte specii, organismele sunt capabile sa ocupe nişe pe care altfel nu le-ar fi
populat [5].
Instalaţiile pentru tratarea apelor uzate industriale şi menajere sunt sisteme de reactoare
biologice – bioreactoare cu celule suspendate în medii aerobic, anoxic şi anaerobic.
Apele uzate care intră în instalaţiile de tratare variază ca debit, pH, temperatură, compoziţie.
Aceste variaţii pot perturba metabolismul bacterian, pot inactiva sau pot omorâ bacteriile.
Ca răspuns la schimbarea compoziţiei apelor uzate, speciile microbiene dominante se pot
schimba, dezvoltându-se rapid speciile care pot metaboliza un substrat nou apărut , iar alte
specii îşi pot încetini metabolismul sau pot să dispară complet din mediu. De exemplu,
competiţia pentru substratul organic în conditii anaerobe dintre GAOs (organismele non
polifosfat care acumuleaza glicogen) şi PAOs (organismele care acumuleaza polifosfat) poate
perturba procesul de eliminare al fosforului [6]. Un nivel scazut de oxigen dizolvat si un
mediu bogat in carbohidrati (glucoza , acid citric) favorizeaza cresterea microorganismelor
filamantoase [7].
Modelarea matematică implică o abstractizare a proceselor lumii reale. Există o multime de
modele care cuantifica diferite procese din tratarea apelor uzate [8]. Multe dintre modele se
referă la microorganismele din „nămolul activ” [9] [6], altele sunt modele hibride folosite
pentru predicţia influentului, pentru estimarea activităţilor biomasei sau pentru estimarea
parametrilor de calitate ai efluentului.
International Water Association (IWA) a dezvoltat o familie de modele pentru tratarea apelor
uzate cu nămol activ (ASM), care descriu cineticile proceselor biologice pentru eliminarea
carbonului, azotului si fosforului [10] [11] [12] [13] [14] [15] [16]. Activated Sludge Model
no. 1 (ASM1) poate fi considerat un model de referinţă.
Pe baza unui model, cu ajutorul metodelor matematice se poate face o analiză a sistemului de
tratare şi apoi optimizarea acestuia [12]. Inteligenţa artificială acoperă un spectru larg al
metodelor de modelare şi optimizare.
Procesele de tratare a apelor uzate sunt , din punct de vedere matematic, sisteme mari de
ecuaţii diferenţiale cu derivate parţiale sau totale sau, în cel mai simplu caz, neliniare cu o
mulţime de variabile. Costurile mari asociate construcţiei complicate dar şi cu operarea
complexă a acestui sistem, necesită o optimizare a procesului [17]. Procesul este foarte

2
complex şi, de aceea, este dificil de controlat şi optimizat. Performanţele procesului depind
atât de activitatea microorganismelor, cât şi de parametrii de control ai sistemului.
Conceperea strategiilor de optimizare şi control , dar şi evaluarea şi compararea lor, din punct
de vedere practic sau pe baza simulărilor, este foarte dificilă datorită marii variabilităţi a
fenomenelor implicate: caracteristicile influentului variază în fiecare moment, “nămolul
activ” induce o serie de fenomene biologice şi biochimice foarte complexe, procesele se
desfaşoară pe durate de timp variabile [18] .
Modalitatea de valorificare a rezultatelor:
Rezultatele obţinute pot constitui un punct de pornire în vederea constituirii unor noi teme de
cercetare din domeniul ştiinţelor vieţii. Acestea au caracter interdisciplinar, cu un larg
potenţial de diseminare a informaţiilor. În acelaşi timp pot constitui şi direcţii de dezvoltare
de noi tehnologii, utilizând ca instrument modelul matematic si algoritmii de optimizare-
solutionare.
Obiectivele urmăresc dezvoltarea acelor direcţii de cercetare ştiinţifică din diverse sectoare de
activitate ale căror aplicaţii in practica pot contribui direct la creşterea calităţii vieţii.
Rezultatele tezei se vor concretiza în publicarea de articole în reviste şi publicaţii de cotaţie
ISI
Diseminarea rezultatelor vor constitui obiectul comunicărilor ştiintifice în conferinţe,
congrese, precum şi expunerea acestora in unitatile cu care s-a colaborat.
Etapele realizării proiectului de cercetare:
In toate etapele proiectului se vor face implementări pe diferite platforme software.
1. Optimizarea proceselor de epurare
a. Alegerea şi validarea unui model matematic pentru procesul de tratare al
apei uzate
In această primă etapă, pe baza modelelor din literatură, se va selecta un model
complex de tratare a apelor uzate (ASM). Pornind de la ecuaţiile modelului, se
formulează problema de optimizare, se stabilesc una sau mai multe funcţii
obiectiv, care trebuie maximizate/minimizate, şi un număr de variabile de
decizie prin modificarea cărora se obţine extremul urmărit, dacă acesta există.
Variabilele de decizie trebuie să satisfacă un număr de restricţii, care pot să fie
ecuaţii sau inecuaţii.
b. Optimizarea procesului
i. Determinarea mărimilor de comandă
Se vor determina variabilele de comandă ale modelului.

3
 SRT – timpul de retenţie este unul dintre cei mai importanţi parametrii
de control în procesul de eliminare biologică al nutrienţilor. In
eliminarea azotului, este de preferat un timp de retenţie mai mare pentru
nitrificare deoarece viteza de creştere a bacteriilor nitrificatoare este
mai mică decât a altor microorganisme [19].
ii. Optimizarea propriu-zisă
- Optimizarea clasică
Procesele de tratare biologică a apelor uzate au la bază ecuaţii
neliniare, neconvexe. Se va face optimizarea prin metode
convenţionale cum ar fi metode de programare neliniară (NLP)
şi programare dinamică (DP) [17].
- Optimizarea cu ajutorul AI (inteligenţa artificială)
In această etapă se vor folosi metode de inteligenţă artificială:
algoritmi evolutivi bazaţi pe populaţii , cum sunt Ant colony
optimization (ACO) [20], Particle swarm optimization (PSO)
[21], Genetic Algorithm (GA). Algoritmii evolutivi exploatează
un set de soluţii potenţiale, numit populaţie , pentru a detecta
soluţia optimă a problemei. Aceste tehnici găsesc optimul în
probleme complicate de optimizare mult mai repede decât
metodele tradiţionale.
- Influenţa perturbaţiilor asupra optimizării
Se va face o analiză a perturbaţiilor asupra algoritmului de
optimizare. De exemplu, perturbaţiile induse de debitul de
influent asupra nivelului de oxigen dizolvat sau, perturbaţiile
induse de fracţia de recirculare a nămolului asupra consumului
energetic. Se vor face simulări schimbând parametrii procesului
şi evaluând influenţa pe care o au aceste perturbaţii asupra
valorilor obţinute prin optimizare .
c. Optimizarea multicriterială . Soluţii Pareto optimal
Problemele lumii reale sunt de cele mai multe ori situaţii în care există
obiective multiple. Aceste probleme sunt cunoscute ca probleme de optimizare
multiobiectiv, al căror scop este să optimizaze simultan un grup de obiective
conflictuale. Deci există mai multe funcţii obiectiv şi rezultă soluţii în sens
Pareto. Soluţiile acestor probleme sunt „seturi de soluţii”[21].

4
 Intr-un proces de tratare a apei se urmăresc atât calitatea efluentului ( nivelul
de poluanţi să tindă către zero), dar şi micşorarea costurilor, care se poate face
fie prin micşorarea cantităţii de energie utilizată, fie prin scăderea debitului de
aerare, deci obiectivele procesului de optimizare sunt multiple [22].
2. Stabilitatea şi controlul sistemului
a. Stabilitatea sistemului
In sistemele dinamice, stabilitatea se referă, în primul rând, la punctele
staţionare (de echilibru). In termeni de analiză, înseamnă că în anumite
vecinătăţi suficient de mici ale stării de echilibru, sistemul are o tendinţă
naturală de a reveni singur la aceste stări.
Procesul de tratare al apelor uzate este un sistem biologic, deci se va studia
stabilitatea sistemului şi din punct de vedere al populaţiilor microbiene [23]
[24] .
b. Controlul sistemului
Tratarea biologică a apelor uzate este un sistem complex, care are nevoie de
control pentru o bună funcţionare [25].
i. Alegerea variabilelor de comandă
Se face o selecţie a variabilelor care trebuie controlate în sistem.
Concentraţia de oxigen dizolvat (DO) este unul dintre principalii
parametrii de control în sistemele cu nămol activ. Un bun nivel al
oxigenului dizolvat permite o creştere optimă a microorganismelor
utilizate în proces. Dar, în funcţie de etapa controlată în sistem,
variabilele de comandă diferă. O atenţie sportită se acordă şi nivelului
de azot şi de fosfor din sistem [18].
ii. Studiul controlului clasic al sistemului (după abatere)
Tehnicile clasice de control sunt controlerele P, PI si PID (controler
proporţional–integral–derivativ).
iii. Controlul după model
Controlul bazat pe strategii de inteligenţă artificială este un controler
predictiv ce foloseşte reţelele neuronale artificiale ca model intern al
procesului. Procesul de epurare a apelor cu namol activ poate fi, însă,
modelat şi folosind tehnicile clasice anterior menţionate.
Modelul de control predictiv (MCP) este una dintre cele mai avansate
tehnici de control a sistemelor. Este aplicabilă în controlul proceselor

5
 complexe asa cum este procesul de tratare cu nămol activ. Cel mai
important avantaj al algoritmilor MCP este faptul că ţin cont de
restricţiile impuse intrările procesului (variabilele manipulate) dar şi de
ieşirile procesului (variabilele controlate) sau de variabilele de stare
care determină calitatea, eficienţa şi siguranţa procesului.
3. Control optimal al proceselor de epurare
Teoria controlului optimal reprezintă un aparat matematic modern ce se utilizează pe
larg la cercetarea, proiectarea şi dirijarea diverselor sisteme complexe din domeniile
economice, tehnologice, biologico-medicinale.
Procesul de tratare cu nămol activat este un proces neliniar, a cărui dinamică este
foarte complicată şi variază foarte mult în timp.
Se stabilesc strategiile de control pentru procesele de tratare biologică a apelor uzate,
incluzând modelul de simulare al procesului, caracteristicile apei uzate intrate în
instalaţie, caracteristicile şi comportarea microorganismelor, caracteristicile
efluentului, evaluarea criteriilor, procedurile de testare, pentru a atinge cele mai bune
performante ale sistemului, cu respectarea obiectivelor de control[26] [27] [28].
4. Redactarea tezei
Teza va fi redactată în limba engleză.
5. Susţinerea tezei
Susţinerea tezei se va face conform legislaţiei în vigoare.

Literatura de referinţă:

1. Pamukoglu, M.Y. and F. Kargi, Mathematical modeling of copper(II) ion inhibition on

COD removal in an activated sludge unit. Journal of Hazardous Materials, 2007.
146(1-2): p. 372-377.
2. Jordan, F. and I. Scheuring, Network ecology: topological constraints on ecosystem
dynamics. Physics of Life Reviews, 2004. 1: p. 139 - 172.
3. Wang, J.-B., et al., Microbial ecological model of filamentous bulking and
mechanisms. Microbiology, 2006. 22.
4. Perez, J., C. Picioreanu, and M. van Loosdrecht, Modeling biofilm and floc diffusion
processes based on analytical solution of reaction-diffusion equations. Water
Research, 2005. 39(7): p. 1311-1323.
5. Polechová, J., et al., Ecological Niche, in Encyclopedia of Ecology. 2008, Academic
Press: Oxford. p. 1088-1097.
6. Whang, L.M., C.D.M. Filipe, and J.K. Park, Model-based evaluation of competition
between polyphosphate- and glycogen-accumulating organisms. Water Research,
2007. 41(6): p. 1312-1324.

6
7. Liu, Y. and Q.-S. Liu, Causes and control of filamentous growth in aerobic granular
sludge sequencing batch reactors. Biotechnology Advances, 2006. 24(1): p. 115-127.
8. Ng, A.N.L. and A.S. Kim, A mini-review of modeling studies on membrane bioreactor
(MBR) treatment for municipal wastewaters. Desalination, 2007. 212(1-3): p. 261-
281.
9. Ding, A., M.J. Hounslow, and C.A. Biggs, Population balance modelling of activated
sludge flocculation: Investigating the size dependence of aggregation, breakege and
collision efficiency. Chemical Engineering Science, 2006. 61: p. 63 - 74.
10. Iacopozzi, I., et al., A modified Activated Sludge Model No. 3 (ASM3) with two-step
nitrification-denitrification. Environmental Modelling & Software, 2007. 22(6): p.
847-861.
11. Henze Mogens, G.W., Mino Takahashi, Matsuo Tomonori, Wentzel Mark, Marais
Gerrit, Van Loosdrecht CM, Activated Sludge Model No. 2D (ASM2D). Water
Research, 1999. 39(1): p. 165 - 182.
12. PETERSEN B., G.K., HENZE M., VANROLLEGHEM P.A., CALIBRATION OF
ACTIVATED SLUDGE MODELS: A CRITICAL REVIEW OF EXPERIMENTAL
DESIGNS. Biotechnology Advances, 2003.
13. Ilenia Iacopozzi, V.I., Stefano Marsili-Libelli, Elisabetta Giusti, A modified Activated
Sludge Model No.3 (ASM3) with two-step nitrification-denitrification. Environmental
Modelling & Software, 2006. 22: p. 847 - 861.
14. Makinia, J. and S.A. Wells, A general model of the activated sludge reactor with
dispersive flow - I. Model development and parameter estimation. Water Research,
2000. 34(16): p. 3987 - 3996.
15. Henze, M., et al., Activated Sludge Model No.2d, ASM2D. Water Science and
Technology, 1999. 39: p. 165-182.
16. Gujer, W., et al., Activated Sludge Model No. 3. Water Science and Technology, 1999.
39(1): p. 183-193.
17. Rivas, A., I. Irizar, and E. Ayesa, Model-based optimisation of Wastewater Treatment
Plants design. Environmental Modelling & Software, 2008. 23(4): p. 435-450.
18. Alex, J., et al., Benchmark Simulation Model no. 1 (BSM1). Dept. of Industrial
Electrical Engineering and Automation Lund University, 2008.
19. Lee, D., M. Kim, and J. Chung, Relationship between Solid Retention Time and
Phosphorus Removal in Anaerobic-Intermittent Aeration Process. The Society for
Biotechnology, Japan, 2007. 103(4): p. 338-344.
20. Dorigo, M. and C. Blum, Ant colony optimization theory: A survey. Theoretical
Computer Science, 2005. 344: p. 243 - 278.
21. Trelea, I.C., The particle swarm optimization algorithm:convergence analysis and
parameter selection. Information Processing Letters, 2003. 85 (2003) p. 317-325.
22. Alvarez-Vazquez, L.J., et al., Pareto-optimal solutions for a wastewater treatment
problem. Fourth International Conference on Advanced COmputational Methods in
ENgineering (ACOMEN 2008), 2008.
23. Sheng, G.-P., H.-Q. Yu, and X.-Y. Li, Stability of sludge flocs under shear conditions.
Biochemical Engineering Journal, 2008. 38(3): p. 302-308.
24. Srinivasan, S. and G.W. Harrington, Biostability analysis for drinking water
distribution systems. Water Research, 2007. 41(10): p. 2127-2138.
25. Shen, S., et al., Bifurcation and stability analysis of an anaerobic digestion model.
Nonlinear Dyn, 2007. 48: p. 391 - 408.
26. Stare, A., et al., Comparison of control strategies for nitrogen removal in an activated
sludge process in terms of operating costs: A simulation study. Water Research, 2007.
41(9): p. 2004-2014.

7
27. Holenda, B., et al., Dissolved oxygen control of the activated sludge wastewater
treatment process using model predictive control. Computers & Chemical
Engineering, 2007. In Press, Corrected Proof: p. 281.
28. Gernaey, K.V., et al., Activated sludge wastewater treatment plant modelling and
simulation: state of the art. Environmental Modelling & Software, 2004. 19(9): p.
763-783.