Viby Renseanlæg lærer sine bakterier at kende med machine learning
Hvert renseanlæg har sin bakteriesammensætning. Viby Renseanlæg får viden om biologien på anlægget ved at sende spildevandsprøver til Aalborg Universitet, som med machine learning opbygger et AI-værktøj til proaktiv styring.
Det er sommer og det kan også mærkes på Viby Renseanlæg. De biologiske reaktioner i spildevandet går hurtigere i varmere vejr og der er en større tilvækst af mikroorganismer. Derfor skal der også tages mere slam ud af anlægget.
Ethvert renseanlæg har sin særlige sammensætning af mikroorganismer. Sæsonvariationer som varmt sommervejr betyder, at sammensætningen ændrer sig.
Hun er i sit arbejde optaget af at styre anlægget og optimere på de biologiske processer.
En optimal proces er det, når slam kan bundfælde sig og mikroorganismerne dermed bliver på anlægget og hjælper fortsat med at nedbryde forurening. Problemerne opstår, når slammet flyder ovenpå og dermed bliver svær at opsamle til videre behandling.
Én bestemt bakterie er skyld i flydeslam
Viby Renseanlæg kan i perioder have en bakteriesammensætning, der fremmer, at slammet flyder ovenpå. Aalborg-forskere har kortlagt samtlige bakterier i danske renseanlæg og har fundet ud af, at en bestemt bakterie - Microthrix-bakterien er ansvarlig for næsten alle problemer med flydeslam i Danmark.
Nu ved vi, at flydeslam kan henføres til, at store mængder af bestemte bakterier kommer ind på renseanlægget via biofilm i kloaksystemet. Og vi har et AI-værktøj, der med tiden vil kunne forudse f.eks. hvilken tid på året, og under hvilke vejrforhold der er særlig stor risiko for de bakterier.
For at kunne forudsige, hvornår flydeslam opstår bidrager Viby Renseanlæg derfor med data til projektet, som hedder MiDAS (Mikrobiologisk Database for Aktivt Slam og rådnetanke).
AI-værktøj skal forudsige flydeslam
I projektet vil de med hjælp fra machine learning opbygge tilstrækkelige mængder data til at udbyde et AI-værktøj, så Sanne og kollegaerne måske flere måneder i forvejen kan forudsige og dermed forebygge flydeslam.
Til at opbygge denne machine learning sender de fra Viby Renseanlæg prøver til MiDAS på Aalborg Universitet, som derefter analyserer og giver svar på, hvilken sammensætning af mikroorganismer, der er på det konkrete tidspunkt.
Sanne Falkenberg håber i fremtiden at kunne bruge AI-værktøjet til driftsoptimering på Viby Renseanlæg.
Nu har databasen så mange data, så vi begynder at få en større forståelse for den biologi, som vi arbejder med.