Data Refinement for Improving Dynamic Simulation of Wastewater Treatment Plants
Author
Schraml, Simon
Term
4. term
Education
Publication year
2018
Submitted on
2018-06-01
Pages
69
Abstract
Efterhånden som modeller bliver mere avancerede, bruges dynamisk simulering i stigende grad til at designe og forbedre spildevandsrensningsanlæg. Men sådanne simuleringer kræver tidsvarierende inputdata af tilstrækkelig kvalitet, som ofte mangler. I dette arbejde udvikles en dataforfiningsmodel baseret på den konkrete datasituation i forskningsprojektet ICAWER. Modellen identificerer og afhjælper udvalgte problemer i de tilgængelige anlægsdata. Den muliggør hurtig, målrettet forbedring af data og kontrolleret indføring af relevante dynamiske fænomener på en justerbar måde, så der skabes datasæt med timeopløsning. Et eksempel viser, hvordan de udviklede algoritmer ændrer dataene og giver tidsserier, der fremstår realistiske. Anvendelsen af modellen giver en tydelig forbedring af realismen i resultaterne af dynamiske simuleringer sammenlignet med brug af de oprindelige data.
As models become more sophisticated, dynamic simulation is increasingly used to design and improve wastewater treatment plants. However, these simulations need high-quality, time-varying input data, which are often not available. This work develops a data refinement model tailored to the specific data situation in the ICAWER research project. The model identifies and resolves selected issues found in the available plant data. It enables ad hoc enhancement of data and the adjustable, controlled addition of relevant dynamic phenomena, producing hourly-resolution datasets. An example demonstrates the algorithms developed in the thesis, shows the induced changes, and yields realistic-looking time series. Using the model significantly improves the realism of dynamic simulation results compared to the original data.
[This abstract was generated with the help of AI]
Keywords
Documents