IBM y Aqualia optimizan el tratamiento de aguas residuales con la tecnología cognitiva

El tratamiento de aguas residuales puede ser una fuente potencial de recursos, como pueden ser biosólidos para fertilizar los campos y biogás para propósitos energéticos, como ha indicado IBM en un comunicado. Para esta tarea se precisan nuevas soluciones que ayuden a las plantas depuradoras a cumplir de manera eficiente con los requisitos y regulaciones de calidad y a la vez a reducir el creciente gasto energético y los costes residuales.

A estos retos se les suma el entorno dinámico en el que operan estas plantas: flujos de entrada de agua, cuyos volúmenes varían según las distintas horas del día o de la noche; temperaturas diferentes del agua, que afectan de manera distinta al comportamiento de las bacterias que se utilizan para descomponer las aguas residuales, y tarifas de electricidad, que varían según la hora del día o de la noche.

Aqualia y el laboratorio de IBM Research de Haifa (Israel) han desarrollado una solución que consolida datos procedentes de numerosos sensores y fuentes con el objetivo de ofrecer a los ingenieros de las depuradoras una imagen completa de la "salud operativa" de la planta en todo momento.

El proyecto se basa en una solución de IBM que utiliza algoritmos de aprendizaje de máquina para predecir el impacto de los cambios en el agua, fallos de funcionamiento en la fábrica, necesidades de mantenimiento de los equipos y otros factores que ocurran en tiempo real. De esta manera, como ha explicado IBM, la solución genera alertas y recomendaciones para realizar ajustes que permitan un mejor funcionamiento de la fábrica.

El proyecto se ha puesto en marcha en la Estación Depuradora de Aguas Residuales (EDAR) que Aqualia gestiona en Lleida (España) con una capacidad de 96.000 metros cúbicos al día (m3/día).

Como ha explicado la compañía en un comunicado, se ha conseguido reducir el consumo de electricidad general de la planta en un 13,5%. Además, la depuradora está utilizando los recursos de forma más eficaz: la cantidad de productos químicos necesarios para extraer el Fósforo del agua se ha reducido un 14% y la producción de residuos ha caído un 17%. También se ha mejorado significativamente la eliminación de Nitrógeno, especialmente en bajas temperaturas.

El proyecto se ha desarrollado como parte del programa First of a Kind de IBM, y ha contado con financiación de INNPRONTA del programa de CDTI y fondos FEDER. Sus resultados se presentarán en la conferencia IWA www.let2016.org en Jerez (España) en junio.