Umělá inteligence může pomoci s predikcí průtoků odpadních vod

Čistírny odpadních vod to nemají snadné. Musí se potýkat s řadou výzev, které vyžadují hledání nových spolehlivých technologiích, které jim mohou například zajistit stabilní kvalitu odtoku. Právě s tím může pomoci nová cloudová aplikace, která používá prediktivní znalosti o přicházejících odpadních vodách k posouzení zátěže na ČOV.

Experti z řad technologických integrátorů a akademické sféry přišli s novým řešením pro čistírny odpadních vod (ČOV), které předpovídá nátok na čistírnách. Neuronová síť vypočítá kvalitu odpadní vody a na základě vypočítaných hodnot navrhne obsluze přijetí provozních opatření.

„Tlak na dodržování přísných emisních limitů je stále větší a s tím souvisí poptávka po nových spolehlivých technologiích, které zajistí stabilní kvalitu odtoku z čistíren odpadních vod, i při nepříznivých provozních událostech, jako jsou přívalové deště nebo extrémní sucho,“ uvádí Petr Sýkora z Pražských vodovodů a kanalizací, které se do vývoje softwaru zapojily.

Mezi odborníky, kteří k predikci průtoků odpadních vod využívají umělou inteligenci, dále patří společnost VDT Technology, Vysoká škola chemicko-technologická v Praze, České vysokého učení technické a Technologická agentura ČR.

Lepší informace, lepší rozhodování

Nový nástroj využívá technologie cloud computingu a strojového učení, které analyzuje data o odpadních vodách, kvalitativní a kvantitativní údaje, opakující se událostí, předpovědí srážek a chování měst. S ohledem na opakující se i jednorázové faktory dokáže neuronová síť na několik hodin předpovědět úroveň přicházejícího znečištění, a tím i zatížení čistíren.

Právě díky přesnějším informacím se ČOV mohou učinit lepší rozhodnutí, snížit operační rizika, a to zejména během období přívalových dešťů a díky včasné přípravě zvýšit efektivitu čištění. „Přináší to úsporu značných provozních nákladů, jak v materiální, tak v energetické oblasti. Až do nedávna se riziko znečištění často řešilo předimenzováním technologických prvků, což způsobuje zbytečné náklady v porovnání s reálnou potřebou,“ uvádí výzkumníci v tiskové zprávě.

Data pro jednu nebo více ČOV