El proyecto FUZZYPAV ha permitido desarrollar un Gemelo Digital en el tratamiento de aguas residuales para el diseño y optimización de estrategias operativas en el proceso de aireación de los reactores biológicos de las EDAR. Se incluyen capacidades en IA e IoT para la monitorización del proceso de aireación y control de la energía, predicción del comportamiento del proceso biológico (Amonio y Oxígeno) y algoritmo de optimización de la operativa de las soplantes y un sistema de recomendación.
Candidatura
FUZZYPAV – Gemelo Digital para la optimización energética en EDAR
Más información en: https://pavagua.com/2025/05/30/tecnologia-eficiencia-energetica-tratamiento-aguas-residuales-caso-exito-fuzzypav/
Indicadores y procesos de mejora
Los indicadores han estado centrados en la precisión de los pronósticos de Amonio y Oxígeno que marcan las decisiones operativas de encendido y apagado de las soplantes en el reactor biológico de la EDAR. A partir de ese momento, se monitorizan el consumo medio de las soplantes y el tiempo que están activas, incluyendo la propio control de la energía que consumen en el proceso. El indicador por tanto, es reducir el tiempo que las soplantes están en ON sin poner en riesgo el proceso biológico por un aumento indebido del amonio.
Cuantificación/Estimación reducción consumo
Se ha validado en una EDAR urbana que trata un caudal medio de 3.784m3/día (~22.000 habitantes) midiendo la eficacia de los pronósticos (91,6%) y una reducción del consumo de un 15% en pilotaje y máximos del 27% en contexto de funcionamiento real en la actualidad con el servicio en operación. Antes del proyecto el consumo era 0,64kWh/m3 y después un ratio promedio de 0,55kWh/m3
Cuantificación/Estimación reducción emisiones CO2
La implantación de la herramienta en la EDAR permitiría reducir aproximadamente 28,7 toneladas de CO₂ al año, considerando el promedio del consumo energético reducido.
Innovación aplicada y buenas prácticas
El empleo de técnicas de Machine Learning para pronosticar la reacción biológica para anticipar el encendido y apagado de las soplantes. Incluyendo además un algoritmo de optimización que trata de buscar puntos de funcionamiento óptimo energéteicamente hablando sin poner en riesgo al proceso biológico. Los algoritmos desarrollados se basan en técnicas de Continuous Learning permitiendo así adaptarse a cambios significativos en la EDAR en distintas fases del año (lluvias, vertidos, etc).
Uso de tecnologías (TICs)
Se dispone de una herramienta web en PAVAGUA que permite recibir datos del estado actual de la EDAR, capturados mediante sensores ubicados en diferentes puntos del reactor biológico y comunicados con un gateway desarrollado para el proyecto. La herramienta aplica modelos predictivos de amonio y oxígeno e implemente un algoritmo de optimización. El resultado es un informe que permite al operador de la EDAR optimizar el encendido y apagado de la soplantes.
