ES2209672T3

ES2209672T3 - Procedimiento de regulacion de una instalacion de filtracion sobre membranas.

Info

Publication number: ES2209672T3
Application number: ES01270376T
Authority: ES
Inventors: Nathalie Vincent; Corrine Cabassud; Michel Cabassud; Laurence Durand-Bourlier; Jean-Michel Laine
Original assignee: Ondeo Services
Current assignee: Ondeo Services
Priority date: 2000-12-13
Filing date: 2001-12-04
Publication date: 2005-02-01
Anticipated expiration: 2021-12-04
Also published as: CA2431305A1; KR20030064815A; PT1343575E; FR2817768B1; AU2002216167B2; ES2209672T1; CN1214852C; PL362113A1; CN1476348A; AU1616702A; JP2004515350A; US20050258098A1; DE60104720D1; EP1343575B1; DE60104720T2; TR200301649T3; BR0115432A; DE01270376T1; FR2817768A1; EP1343575A1

Abstract

Procedimiento de regulación de una instalación de filtración sobre membranas, particularmente en una estación de producción de agua potable, concebido con el fin de evitar la obturación irreversible de las membranas maximizando la productividad, sea cual fuere la calidad del fluido a la entrada de la instalación, caracterizado porque consiste en someter los parámetros de funcionamiento de la instalación a los rendimientos inducidos por la calidad del fluido a tratar, en función de predicciones de evolución de la obturación membranar realizadas por modelización por redes de neuronas con el fin de simular el funcionamiento a largo plazo de la instalación de filtración sobre membranas, permitiendo el modelo: - en función de la calidad del fluido entrante y del estado de las membranas durante un ciclo dado, calcular la evolución del estado de atascamiento de las indicadas membranas en función del tiempo, sobre un horizonte determinado, realizándose el indicado cálculo para una calidad del fluid

Description

Procedimiento de regulación de una instalación de filtración sobre membranas.

La presente invención se refiere a la explotación de estaciones de filtración sobre membranas y más particularmente a la regulación de tales instalaciones por modelización predictiva de la obstrucción, mediante redes de neuronas, según la reivindicación 1.

Se sabe que la utilización de membranas, particularmente de ultrafiltración, se ha hecho general en el transcurso de los últimos años, particularmente en el ámbito de la producción de agua potable o industrial. Las membranas de fibras huecas así utilizadas permiten responder a las exigencias de calidad de las aguas, incluso en el caso de una degradación de los recursos.

Numerosas investigaciones tienen actualmente por objeto mejorar la productividad de las instalaciones de producción de agua potable o industrial utilizando tales membranas. Estas investigaciones se basan en el conocimiento de los diferentes factores y fenómenos implicados en la filtración de las aguas de superficie u otros fluidos de calidad variable. El primer factor que limita la producción de las membranas resulta del depósito de partículas sobre la superficie y/o en los poros de las membranas. Este primer factor es un fenómeno a corto plazo. Con el fin de eliminar estas partículas que se depositan sobre las membranas bajo la forma de una capa o torta, se realizan periódicamente lavados hidráulicos, neumáticos o hidroneumáticos. El segundo factor limitante es la adsorción de materias orgánicas sobre la superficie de las membranas y en los poros de esta última, constituyendo este factor un fenómeno a largo plazo.

La parte de la obstrucción de las membranas que puede ser eliminada por lavados hidráulicos, neumáticos o hidroneumáticos se denomina a menudo obstrucción reversible, mientras que la otra parte se denomina obstrucción irreversible.

Existen numerosos parámetros implicados en la obstrucción de las membranas utilizadas en el tratamiento del agua. Se trata por una parte de los parámetros relacionados con la calidad del fluido a tratar y por otra parte de los parámetros de funcionamiento, siendo estos dos tipos de parámetros interdependientes.

Se comprende que uno de los modos que permiten saber como aumentar la productividad de la instalación de filtración reside en una mejor comprensión de los fenómenos que están implicados en la obstrucción de las membranas. Con este fin, se ha llevado, a realizar una modelización de la instalación membranar. Aunque existe un número muy grande de estudios consagrados a la obstrucción, los modelos que han sido realizados no son aplicables para describir la obstrucción de las membranas por fluidos complejos tales como las aguas naturales. Existe sin embargo un cierto número de útiles prometedores que permiten desarrollar modelos de simulación. Entre estos, se pueden citar las redes de neuronas artificiales. Tales redes han sito utilizadas con éxito en la predicción de rendimientos a corto plazo. Por otro lado, se ha considerado desarrollar un modelo que permita asegurar una predicción de la productividad de una instalación de obtención de agua potable, basándose esta predicción a la vez en la calidad del agua a tratar y en parámetros de funcionamiento a largo plazo, teniendo en cuenta un número mínimo de parámetros. A este respecto, se puede hacer referencia a la publicación "NEURAL NETWORKS FOR LONG TERM PREDICTION OF FOULING AND BACKWASH EFFICIENCY IN ULTRAFILTRATION FOR DRINKING WATER PRODUCTION" de N. Delgrange-Vincent et al, aparecida en Desalination, 131, páginas 353-362, 2000.

Ahora se hace referencia a la figura 1 de los dibujos adjuntos que representa de forma esquemática una instalación piloto de ultrafiltración utilizada para la obtención de agua potable.

En esta figura, se ha esquematizado el módulo de ultrafiltración del tipo de fibras huecas. El agua a tratar se prefiltra antes, luego se inyecta en el bucle de circulación del módulo con la ayuda de una bomba P1, asegurando una bomba P2 la circulación en el bucle.

Los factores relacionados a la calidad del agua son los siguientes:

-: temperatura T;

-: conductividad;

-: pH;

-: concentración en oxígeno disuelto (O_{2});

-: COT (carbono orgánico total);

-: potencial redox EH;

-: turbidez (Tur);

-: absorbancia UV (uv).

Los parámetros de funcionamiento de la instalación son los siguientes:

-: la presión transmembranar, P_{tm};

-: el caudal de permeato, Q_{p};

-: el caudal de circulación, Q_{c};

-: el caudal de purga del bucle de circulación, Q_{Purga};

-: el tiempo de filtración, t_{F};

-: la presión de retrolavado, P_{RL}

-: la duración del retrolavado, t_{RL}

-: el caudal de retrolavado hidráulico, Q_{RL};

-: la concentración en cloro (u otro aditivo químico) del agua de retrolavado, [Cl_{2}]_{RL};

-: los parámetros característicos de la inyección de aditivos durante el ciclo de filtración, con fines de aumentar los rendimientos de la filtración y/o la calidad del efluente filtrado.

La instalación produce un caudal constante de permeato Q_{p} produciendo un aumento de presión durante el periodo de filtración. El caudal de circulación Q_{c} representa la velocidad de alimentación en la admisión del módulo. Se realizan periódicamente lavados hidráulicos de las membranas con agua filtrada adicionada con cloro. Se puede así disminuir el nivel de obstrucción de la membrana.

La resistencia hidráulica total del módulo de ultrafiltración se expresa por la relación:

R = Tmp/ (\mu.Q_{p}/S)

donde \mu es la viscosidad del agua, la función de la temperatura Tmp es la presión transmembranar media y S es la superficie membranar.

La resistencia total comprende la resistencia de la membrana, la resistencia debida a la obstrucción reversible y la resistencia debida a la obstrucción irreversible. En el caso de un caudal constante de permeato, la resistencia aumenta durante el periodo de filtración y la misma disminuye después del retrolavado tal y como se ha representado en la figura 2 de los dibujos adjuntos.

Por consiguiente, una curva de producción está constituida por ciclos, caracterizándose cada uno de estos por la resistencia (Rf) al final del ciclo de filtración y al comienzo del ciclo siguiente, es decir después del lavado hidráulico (Rd). Variaciones de las duraciones de los ciclos (Rf) y /Rd) bastan por consiguiente para caracterizar y para describir las variaciones del proceso de filtración.

Los rendimientos de un modelo de producción pueden expresarse por:

-: la producción bruta, es decir el caudal de permeato a la salida del módulo y

-: la producción neta, teniendo en cuenta las pérdidas de agua durante lavados y la no producción durante el tiempo de lavado.

En el caso de un retrolavado, el caudal neto se expresa por la relación:

Qp_{net} = (V_{F}-V_{RL}) / (t_{F}+ t_{RL})

en la cual: V_{F} es el volumen filtrado;

: V_{RL} es el volumen de retrolavado;

: T_{F} es el tiempo de filtración y

: T_{RL} es el tiempo de retrolavado.

El objeto de la presente invención es aportar un procedimiento de regulación de una instalación de filtración sobre membrana concebida de forma que evite una obstrucción irreversible de las membranas maximizando la productividad (estimada por un criterio adaptado, tal como la producción neta), sea cual fuere la calidad del fluido que entre en el sistema. En otras palabras, el problema que debe ser resuelto por la presente invención consiste en someter los rendimientos de una instalación de filtración a la calidad del fluido entrante; esta dependencia va directamente en función de la evolución de la obstrucción de la indicada instalación, evolución predecida por modelización por redes de neuronas, con el fin de simular el funcionamiento a largo plazo de la instalación de filtración, permitiendo el modelo, en tiempo real, controlar y accionar la instalación.

Si se hace referencia al concepto del flujo crítico, tal como se ha explicado en la literatura, es preferible funcionar con un flujo lo suficientemente bajo para evitar totalmente una obstrucción reversible. Por otro lado, se ha observado que cuando la resistencia hidráulica de las membranas aumenta al principio del ciclo, la intensidad de la obstrucción irreversible aumenta con el tiempo. Esta observación significa que cuanto más obstruida está la membrana, más aumenta la intensidad de la obstrucción irreversible. Se plantea entonces un problema que se debe al hecho de que el flujo producido es extremadamente bajo cuando el agua tratada es de mala calidad. Un compromiso consiste en encontrar, en cada ciclo, las condiciones operativas tales que, incluso si se produce una obstrucción, sea posible eliminar por lavado hidráulico, y hacer de forma que ésta obstrucción no sea irreversible.

Con el fin de realizar esta regulación, es posible actuar sobre un cierto número de parámetros de funcionamiento, los cuales como se ha visto anteriormente, pueden ser elegidos entre:

-: la presión transmembranar, P_{tm};

-: el caudal de permeato, Q_{p};

-: el caudal de circulación, Q_{c}, con paso posible de un modo de recirculación a un modo frontal;

-: el caudal de purga del bucle de circulación, Q_{Purga};

-: el tiempo de filtración, t_{F};

-: la presión de retrolavado, P_{RL}

-: la duración del retrolavado, t_{RL}

-: el caudal de retrolavado hidráulico, Q_{RL};

La presente invención ha retenido, a título de ejemplo, para esta regulación, por una parte el tiempo de filtración y por otra parte el caudal de permeato, entendiéndose que otras combinaciones de parámetros de funcionamiento pueden igualmente ser puestos en juego sin salirse por ello del marco de la invención.

Se hubiera podido considerar trabajar con caudal de permeato y tiempos de filtración mínimos con el fin de elegir el acercamiento más prudente con relación al fenómeno de obstrucción, pero en este caso, la productividad sería demasiado baja. Según la invención, se interviene por consiguiente en los parámetros de productividad, tales como por ejemplo caudal de permeato y tiempos de filtración con el fin de encontrar un compromiso entre la producción de agua más fuerte por una parte, y la intensidad de la obstrucción por otra parte, obteniéndose la cuantificación de este compromiso con la ayuda de un modelo por redes de neuronas que calcula, en función de la calidad del fluido a tratar y del estado de la membrana en un ciclo dado, la evolución de la permeabilidad de la membrana en función del tiempo, sobre un horizonte determinado, simulándose la calidad del fluido (constante o variable) en este horizonte.

A priori, dos casos pueden presentarse:

1º) la calidad del fluido a tratar es tal que la obstrucción de la membrana aumenta fuertemente en el horizonte de predicción, pudiendo el estado de obstrucción de la membrana ser descrito por parámetros tales como la resistencia hidráulica, la permeabilidad o la presión transmembranar. Resulta entonces necesario disminuir los rendimientos que se piden al módulo de filtración membranar (tales como por ejemplo caudal y/o tiempo de filtración) esperando que la calidad del fluido tratado mejore.

2º) la calidad del fluido es relativamente buena y la intensidad de la obstrucción de la membrana permanece baja. Se puede entonces aumentar la producción en el ciclo siguiente.

Se ha visto anteriormente que el estado de la membrana en un ciclo dado, puede caracterizarse por su permeabilidad, su resistencia hidráulica al comienzo de ciclo o su presión transmembranar. El procedimiento de regulación objeto de la invención se fija un nivel de obstrucción límite al comienzo del ciclo, caracterizado por una permeabilidad límite (Lp_c) y se actúa de forma que la instalación funcione con una permeabilidad igual o superior a este valor.

Así según la invención, en cada ciclo k, se podrá:

1º) adquirir en el modelo los valores de todos los parámetros de calidad y condiciones operativas necesarias para el modelo;

2º) llevarlas a la entrada del modelo de redes de neuronas, que calculará la resistencia sobre un cierto horizonte de predicción, lo cual permite acceder a la permeabilidad al cabo de H ciclos, o sea Lp (k+H). Para estos cálculos, se considera que los parámetros de calidad y las condiciones operativas del módulo son constantes sobre H ciclos e iguales a los valores correspondientes del ciclo k. Resulta igualmente posible tomar un valor constante igual a los valores medios sobre n ciclos que preceden al ciclo k. Se puede igualmente considerar tener en cuenta un perfil de variaciones de los valores de estos parámetros sobre H ciclos.

Dos casos pueden presentarse:

-: Caso A: Lp (k+H) < Lpc: esto significa que la membrana se obstruye más allá de los límites fijados. Por consiguiente es necesario disminuir la productividad impuesta.

-: Caso B: Lp (k+H) > Lp_c: Esto significa que no existe riesgo inmediato de obstrucción de la membrana. Es posible por consiguiente aumentar la productividad impuesta en los módulos actuando sobre uno o varios de los parámetros de funcionamiento, o sea, en este ejemplo no limitativo, el caudal de permeato y/o el tiempo de filtración.

3º) Se calcula con la ayuda del modelo la permeabilidad al cabo de H ciclos, es decir Lp (k+H) para todos los pares: caudal de permeato Qp y tiempo de filtración t_{F} y se elige el par para el cual se tiene Lp (k+H) > Lp_c y para el cual la productividad es la más elevada. Se podría igualmente utilizar un procedimiento de optimización del caudal neto.

Queda por determinar qué parámetros conviene elegir para aplicar esta regulación. Es necesario elegir:

-: el horizonte de predicción H;

-: los valores mínimos y máximos permitidos de los parámetros de productividad tales como por ejemplo los caudales de permeato y tiempos de filtración;

-: los pasos de variaciones de estos parámetros y

-: el valor de la permeabilidad límite Lp_c.

Esta elección de los parámetros de regulación se realiza con la ayuda de simulaciones de regulación del modelo.

Estas simulaciones se realizaron según la estrategia expuesta anteriormente. Con el fin de comprobar la respuesta del modelo, se realizaron seis manipulaciones durante las cuales se han producido o no derivas de la resistencia hidráulica del módulo. Se han trazado las curvas correspondientes de la calidad del agua en función del tiempo.

En cada ciclo k, se han introducido a la entrada del modelo los parámetros experimentales y las condiciones operativas de comienzo de ciclo y la red de neuronas ha calculado, en la modalidad de bucle, la resistencia hidráulica sobre un horizonte de H ciclos partiendo de la hipótesis que todos los parámetros de entrada son constantes durante estos ciclos. Se obtuvo así la permeabilidad Lp_i (k+H) al cabo de H ciclos y se calculó el caudal neto Qp_net_i.

Se comprobaron entonces todos los pares (Qp; t_{F}) que se podrían aplicar al ciclo siguiente y se calculó para cada uno la permeabilidad Lp (k+H) al cabo de H ciclos.

- Si Lp_i (k+H) > Lp_c, se mantiene el par para el cual el caudal neto es superior a Qp_net_1, pero con la condición de Lp (k+H) > Lp_c;

- Si Lp_i (k+H) < Lp_c, se mantiene el par para el cual se obtiene Lp (k+H) > Lp_c, maximizando si es posible el caudal neto.

A continuación, se utiliza la red de neuronas para simular la respuesta real del modelo en el ciclo siguiente k+l, allí entre los controles de caudal de permeato Qp y de tiempo de filtración t_{F} anteriormente calculados, así como los nuevos parámetros de calidad de agua y de condiciones operativas. La red calcula la resistencia al final del ciclo y al comienzo del ciclo siguiente.

Con el fin de tener en cuenta eventuales variaciones importantes de la calidad de los fluidos a tratar, es necesario elegir un horizonte lo suficientemente grande con el fin de dar cuenta de una deriva de resistencia hidráulica, pero sin embargo lo suficientemente bajo para que se pueda considerar que la calidad del agua es constante en el horizonte H.

Se determinaron igualmente los pasos de variaciones y los límites del caudal de permeato y del tiempo de filtración que deben ser elegidos para aplicar la regulación. Los pasos de variaciones son los intervalos comprendidos entre los diferentes valores de caudal y de tiempo comprobados para optimizar el caudal neto.

Por último, se ha comprobado la influencia de la elección del valor de la permeabilidad límite Lp_c sobre los controles y sobre la deriva de permeabilidad.

Estas simulaciones han permitido validar el procedimiento de regulación de la invención sirviéndose del modelo de redes de neuronas para simular la respuesta del modelo. Se ha podido así verificar que la permeabilidad se mantenía a un nivel particularmente elevado y que el caudal neto era elevado con relación a un funcionamiento convencional sin regulación.

Esta técnica fue seguidamente validada directamente in situ, por el modelo de ultrafiltración.

Se ha construido el algoritmo de regulación. Los puntos esenciales de la estrategia a partir de la cual este algoritmo ha sido construido, han sido los siguientes:

-: variaciones de los controles de tiempo de filtración y de caudal de permeato (respectivamente t_{F y}Qp) entre límites mínimo y máximo fijados;

-: para el caudal de permeato, variación de un ciclo a otro limitada a 51.h^{-1}.m^{-2};

-: búsqueda, para cada ciclo, del par (t_{F} y Q_{p}) que produce el caudal neto más fuerte con la condición de que: Lp (k+H) > Lp_c, Lp_c sea fijada;

-: en el caso en que t_{F} = t_{F}_min., Qp=Qp_min. y por lo tanto que Lp (k+H) < Lp_c,

: generación de una alarma. Según un modo de realización, la alarma desencadena una parada general del modelo. Se puede sin embargo introducir una secuencia de acciones más progresiva, como un umbral de alarma a partir del cual se mantienen los controles al mínimo durante algunos ciclos y otro umbral a partir del cual se detiene el modelo o bien se pide la intervención del operador.

El esquema del algoritmo es ilustrado por la figura 3.

Las constantes que intervienen en el algoritmo son:

-: la consigna de permeabilidad: Lp_c;

-: la longitud, en ciclos, del horizonte de predicción: H;

-: los límites min y máx de variación de Qp y t_{F}: Qp_min, Qp_max, tF_min, t_{F}_max;

-: los pasos de variación de Qp y t_{F} en el ensayo durante el ensayo de todos los pares (Qp, t_{F}): \DeltaQp y \Deltat_{F}.

Las variables locales son:

-: el caudal de permeato Qp y el tiempo de filtración t_{F};

-: Qp_net0, el caudal neto retenido como referencia para comparar los rendimientos de los pares (Qp y t_{F});

-: estando las variaciones de Qp limitadas de un ciclo al otro en \pm 5 l.h^{-1}.m^{-2}, Qp_bajo y Qp_alto son los valores de los límites entre los cuales puede variar Qp,

-: Qp_i y Qp_net_i y Lp_i son el caudal, el caudal neto y la permeabilidad iniciales,

-: Lp es el vector de las permeabilidades calculadas por la red de neuronas;

-: Qp_net es el caudal neto calculado con los valores corrientes de Qp y t_{F};

-: Qp_c y t_{F}_c son los valores de controles retenidos de caudal y de tiempo, que se transmitirán en variables de llamada, a la salida del programa;

-: alarma es una variable de boole, transmitida a la salida del programa, que indica si se está en funcionamiento crítico o no.

Las variables de llamada son:

-: entradas: T, Qp, t_{F} Qc, Tur, COT, O_{2}, pH, UV, EH, Xi, P_{RL}, [Cl]_{RL}, Ptm;

-: salidas: Qp, t_{F}, alarma.

En el bloque "inicializaciones", se inicializa Qp_c y t_{F}_c en Qp_min y t_{F}_min respectivamente y la alarma en 0.

El procedimiento de regulación objeto de la invención ha sido validado in situ. Un ejemplo de los resultados obtenidos en aproximadamente una semana de manipulación se ilustra por las curvas de las figuras 4a a 4c y 5a a 5c en las cuales se encuentra, en abscisas, el número de ciclos de operaciones y en ordenadas los diferentes parámetros medidos de la calidad del agua, la permeabilidad, la predicción de permeabilidad después de H ciclos por el modelo y los controles de caudal de permeato y de tiempo de filtración.

Ha sido posible, gracias a la invención, mantener una permeabilidad superior a un límite fijado, durante varios días, actuando sobre el tiempo de filtración t_{F} y sobre el caudal de permeato Qp para limitar la aparición de la obstrucción de las membranas de ultrafiltración.

Claims

1. Procedimiento de regulación de una instalación de filtración sobre membranas, particularmente en una estación de producción de agua potable, concebido con el fin de evitar la obstrucción irreversible de las membranas maximizando la productividad, sea cual fuere la calidad del fluido a la entrada de la instalación, imponiendo un nivel de obstrucción límite, actuando la regulación de tal modo que la instalación funcione con un nivel de obstrucción igual o inferior a este límite, consistiendo este procedimiento en someter los parámetros de funcionamiento de la instalación a los rendimientos inducidos por la calidad del fluido a tratar, en función de predicciones de evolución de la obstrucción membranar realizadas por modelización por redes de neuronas con el fin de simular el funcionamiento a largo plazo de la instalación de filtración sobre membranas, permitiendo el modelo:

- en función de la calidad del fluido entrante y del estado de las membranas durante un ciclo dado, calcular la evolución del estado de obstrucción de las indicadas membranas en función del tiempo, sobre un horizonte determinado, realizándose el indicado cálculo para una calidad del fluido entrante simulada, constante o variable, sobre este horizonte (J) y

- y controlar y ajustar los parámetros de funcionamiento de la instalación, caracterizado porque, en cada ciclo de producción:

- se determinan en la instalación los valores experimentales de todos los parámetros de calidad y de condiciones operativas;

- los parámetros son llevados a la entrada del modelo de previsión de obstrucción tratado en redes de neuronas y que calcula la evolución de la obstrucción en un horizonte de predicción (H), lo cual permite prever la permeabilidad al término de H ciclos de producción;

- se disminuye el caudal neto impuesto cuando la permeabilidad al término de H ciclos es inferior a la permeabilidad límite (Lp_c) y

- se aumenta el caudal neto impuesto cuando la permeabilidad al término de H ciclos es superior a la permeabilidad límite (Lp_c) actuando sobre el caudal de permeato y/o sobre el tiempo de filtración y,

- se someten los valores respectivos del par: caudal de permeato-tiempo de filtración de tal forma que la permeabilidad al término de H ciclos sea igual o superior a la permeabilidad límite (Lp_c) y que el caudal neto sea lo más elevado posible.

2. Procedimiento según la reivindicación 1, caracterizado porque se someten los valores respectivos de uno o varios de los parámetros de funcionamiento siguientes:

- caudal de permeato o presión transmembranar, según se funcione, en producción, a presión constante o con caudal constante;

- tiempo de filtración;

- caudal de circulación, con paso posible de un modo de recirculación a un modo frontal;

- caudal de purga del bucle de circulación;

- duración del retrolavado;

- presión de retrolavado o caudal de retrolavado, según se funcione a presión constante o con caudal constante para el retrolavado;

- concentración de cloro disuelto o de cualquier otro aditivo en el agua de retrolavado y

- parámetros de inyección/dosificado de un aditivo durante el ciclo de filtración.