rapport
Beräkning av partikulär föroreningstransport från flödesdata on-line i ...
Beräkning av partikulär föroreningstransport från flödesdata on-line i ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
VA - Forsk <strong>rapport</strong> Nr 2006-14<br />
Beräkning av partikulär<br />
föroreningstransport från<br />
flödesdata on-line i<br />
avloppsledningar<br />
Gilbert Svensson<br />
Claes Hernebring<br />
VA-Forsk
VA-Forsk<br />
VA-Forsk är kommunernas eget FoU-program om kommunal VA-teknik. Programmet finansieras i sin<br />
helhet av kommunerna, vilket är unikt på så sätt att statliga medel tidigare alltid använts för denna typ<br />
av verksamhet. FoU-avgiften är för närvarande 1,05 kronor per kommuninnevånare och år. Avgiften är<br />
obligatorisk. Nästan alla kommuner är med i programmet, vilket innebär att budgeten årligen omfattar<br />
drygt åtta miljoner kronor.<br />
VA-Forsk initierades gemensamt av Svenska Kommunförbundet och Svenskt Vatten. Verksamheten<br />
påbörjades år 1990. Programmet lägger tonvikten på tillämpad forskning och utveckling inom det<br />
kommunala VA-området. Projekt bedrivs inom hela det VA-tekniska fältet under huvudrubrikerna:<br />
Dricksvatten<br />
Ledningsnät<br />
Avloppsvattenrening<br />
Ekonomi och organisation<br />
Utbildning och information<br />
VA-Forsk styrs av en kommitté, som utses av styrelsen för Svenskt Vatten AB. För närvarande har<br />
kommittén följande sammansättning:<br />
Anders Lago, ordförande<br />
Olof Bergstedt<br />
Roger Bergström<br />
Daniel Hellström<br />
Stefan Marklund<br />
Mikael Medelberg<br />
Anders Moritz<br />
Peter Stahre<br />
Jan Söderström<br />
Göran Tägtström<br />
Agneta Åkerberg<br />
Steinar Nybruket, adjungerad<br />
Thomas Hellström, sekreterare<br />
Södertälje<br />
Göteborgs VA-verk<br />
Svenskt Vatten AB<br />
Stockholm Vatten AB<br />
Luleå<br />
Roslagsvatten AB<br />
Linköping<br />
VA-verket Malmö<br />
Sv Kommunförbundet<br />
Borlänge<br />
Falkenberg<br />
NORVAR, Norge<br />
Svenskt Vatten AB<br />
Författarna är ensamma ansvariga för <strong>rapport</strong>ens innehåll, varför detta ej kan<br />
åberopas såsom representerande Svenskt Vattens ståndpunkt.<br />
VA-Forsk<br />
Svenskt Vatten AB<br />
Box 47607<br />
117 94 Stockholm<br />
Tfn 08-506 002 00<br />
Fax 08-506 002 10<br />
svensktvatten@svensktvatten.se<br />
www.svensktvatten.se
VA-Forsk Bibliografiska uppgifter för nr 2006-14<br />
Rapportens titel:<br />
Title of the report:<br />
Beräkning av partikulär föroreningstransport från flödesdata on-line i avloppsledningar<br />
Estimation of particulate concentrations from on-line measurements in sewers<br />
Rapportens beteckning<br />
Nr i VA-Forsk-serien: 2006-14<br />
Författare:<br />
Gilbert Svensson, Vatten Miljö Teknik, inst. för Samhällsbyggnadsteknik,<br />
Chalmers tekniska högskola; Claes Hernebring, DHI Water & Environment<br />
VA-Forsk-projektnr: 97-143<br />
Projektets namn:<br />
Projektets finansiering:<br />
Användning av information från flödesmätningar för on-line beräkning av<br />
partikulär föroreningstransport i avloppsledningar<br />
VA-Forsk, DHI Water & Environment<br />
Rapportens omfattning<br />
Sidantal: 33<br />
Format:<br />
A4<br />
Sökord:<br />
Keywords:<br />
Avlopp, flödesmätning, hastighetsmätning, partikelhaltsmätning, korrelation,<br />
doppler<br />
Waste water, flow measurements, velocity measurements, particle concentrations,<br />
correlation, doppler<br />
Sammandrag: Mätningar har utförts i Halmstad, Sundsvall och Borås under 1997 och 1998.<br />
Laboratorieundersökningarna utfördes i en befintlig anläggning vid Chalmers<br />
tekniska högskola. Metoden att använda energispektrumet som erhålls från<br />
hastighetsmätaren för att beräkna partikelhalten har inte entydigt visats vara<br />
framgångsrik.<br />
Abstract: The field observations were made in Halmstad, Sundsvall and Borås in 1997<br />
and 1998. The laboratory study was carried out at Chalmers University of<br />
Technology in a laboratory set-up. The method of using the energy spectra<br />
from the velocity measurement to estimate the particle concentration was<br />
not fully successful.<br />
Målgrupper:<br />
Omslagsbild:<br />
Rapporten beställs från:<br />
Instrumentutvecklare, kommuner, konsulter, forskare<br />
Mätningar i avloppsledning i Druveforsvägen, Borås. Foto Claes Hernebring<br />
Finns att hämta hem som pdf-fil från Svenskt Vattens hemsida<br />
www.svensktvatten.se<br />
Utgivningsår: 2006<br />
Utgivare:<br />
Svenskt Vatten AB<br />
© Svenskt Vatten AB<br />
Grafisk formgivning: Victoria Björk, Svenskt Vatten
Förord<br />
Denna <strong>rapport</strong> är resultatet av ett försök att utnyttja den information som samlas<br />
in vid flödesmätningar i avloppsnät till att även beskriva föroreningstransporten i<br />
avloppsledningen. Arbetet har utförts med standardutrustning för flödesmätning,<br />
en s.k. ADS-mätare som mäter både nivå och hastighet i ett tvärsnitt av ledningen.<br />
Fältmätningarna har utförts i kommuner som utfört flödesmätningar<br />
och som välvilligt ställt upp för att testa metoden tillsammans med DHI Water<br />
& Environment och CTH. DHI Danmark har bistått med kunskap om tolkning<br />
av mätsignaler, som finns beskrivet i Bilaga A.<br />
Göteborg 2006<br />
Gilbert Svensson och Claes Hernebring
Innehåll<br />
Förord . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3<br />
Sammanfattning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7<br />
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
1 Bakgrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
2 Metodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
2.1 ADS-mätare – funktion, data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
2.2 Susphaltsmätare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12<br />
3 Observationer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
3.1 Halmstad/Q1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12<br />
3.2 Sundsvall/Maritim . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14<br />
3.3 Borås/Druveforsvägen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14<br />
3.4 Laboratoriemätningar CTH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .17<br />
4 Slutsatser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20<br />
Referenser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
Bilagor – dataanalys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23<br />
Bilaga A: Halmstad, Sundsvall – (DHI_DK-<strong>rapport</strong>) . . . . . . . . . . . . . . . . . . . 23<br />
A.1 Aim of the study . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23<br />
A.2 Existing knowledge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23<br />
A.3 Data basis for new analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23<br />
A.4 Artificial neural networking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24<br />
A.5 Genetic programming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .26<br />
A.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .30<br />
A.7 Literature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .31<br />
Bilaga B: Exempel på spektruminformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Sammanfattning<br />
Projektet handlar om att utnyttja information från flödesmätningar av annat slag<br />
än vad som är brukligt: hastighet, nivå och flöde. Föremålet för studien är avloppsvattnets<br />
innehåll av partikulära föroreningar och de slutsatser man kan dra<br />
om dessa utifrån de reflekterade energispektra som erhålls som en bieffekt vid<br />
flödesmätningen. Underlag för studien har hämtats dels från flödesmätare installerade<br />
i ledningsnät där kunskap om avloppsvattnets sammansättning uppnåtts<br />
genom samtidiga provtagningar, dels vid laboratorieförsök som utförts för att<br />
försöka dra generella slutsatser.<br />
Den använda typen av mätare, ADS, möjliggör insamling av data från det<br />
reflekterade energispektrumet som används för att bestämma vattnets hastighet.<br />
Det har vid jämförelse med analyserade prov framkommit att det finns en relation<br />
mellan vattnets innehåll av suspenderat material och egenskaper hos reflekterad<br />
energi.<br />
Mätningar har utförts i Halmstad, Sundsvall och Borås under 1997 och 1998.<br />
Laboratorieundersökningarna utfördes i en befintlig anläggning vid Chalmers<br />
tekniska högskola. Fältmätningarna har skett i stora avloppsledningar med en<br />
diameter på mer än 1 meter medan laboratoriestudien avsåg en ledning med diametern<br />
0,225 mm.<br />
Metoden att använda energispektrumet som erhålls från hastighetsmätaren för<br />
att beräkna partikelhalten har inte entydigt visats vara framgångsrik. Korrelationen<br />
mellan mätsignalen och partikelhalten har visat sig vara platsspecifik, troligen<br />
beroende på störningar från omgivningen. Genom en kalibrering för varje mätplats<br />
erhålls dock en acceptabel noggrannhet i bestämningen av partikelhalten.<br />
Med en portabel partikelhaltsmätare kopplad till flödesmätaren skulle den erforderliga<br />
kalibreringen kunna utföras i början av mätperioden och partikelhalten<br />
kunna bestämmas från det registrerade energispektrumet.
Summary<br />
This project has dealt with measurements of other signals than velocity, level and<br />
flow in connection with flow measurements in sewers. The object of this study is<br />
the particle content in waste water and the conclusions that may be drawn from<br />
the energy spectra that is a bi- product from the velocity measurements. The basis<br />
for the study is observations from sewers of velocities and particulate transport.<br />
A laboratory study was also conducted to generalize the findings.<br />
The used instrument was an ADS flow measurement device that made it possible<br />
to register not only the level and velocity signals but also the energy spectra. The<br />
energy spectra is used to derive the velocity and it has been shown in other studies<br />
that there is a clear correlation between the recorded energy and the particle<br />
concentration in the water.<br />
The field observations were made in Halmstad, Sundsvall and Borås in 1997 and<br />
1998. The laboratory study was carried out at Chalmers University of Technology<br />
in a laboratory set-up. The field observations were made in large diameter pipes,<br />
larger than 1.0 m diameter and the laboratory observations in a small pipe with<br />
the diameter 0.225 m.<br />
The method of using the energy spectra from the velocity measurement to estimate<br />
the particle concentration was not fully successful. The correlation between<br />
the registered signal and the particle concentration is site specific, probably due<br />
to disturbances from the surrounding walls. Through a calibration for each site,<br />
a good relationship between the registered energy spectra and the particle concentration<br />
is established. A portable turbidity sensor mounted at the flow measuring<br />
device could solve the calibration in the start of a measuring period and the particle<br />
concentration estimated from the registered energy spectra during the entire<br />
observation period.
1 Bakgrund<br />
Detta projekt handlar om att utnyttja information<br />
från flödesmätningar av annat slag än vad som är<br />
det vanliga: hastighet, nivå och flöde. Föremålet för<br />
studien är avloppsvattnets innehåll av partikulära<br />
föroreningar och de slutsatser man kan dra om dessa<br />
utifrån de reflekterade energispektra som erhålls som<br />
en bieffekt vid flödesmätningen. Underlag för studien<br />
har hämtats från flödesmätare installerade i ledningsnät<br />
där kunskap om avloppsvattnets sammansättning<br />
uppnåtts genom samtidiga provtagningar. Dessutom<br />
har laboratorieförsök gjorts för att försöka generalisera<br />
erfarenheterna från denna typ av mätningar.<br />
Inom det EU-stödda TVP-projektet insamlades<br />
bland annat information om föroreningstransport<br />
inom avloppssystemen, inverkan på behandlingsprocesser<br />
i avloppsverk och hur det samlade systemet<br />
skall drivas på ett effektivt sätt. Projektet pågick<br />
under treårsperioden 1997–2000. ”Spillinformation”<br />
insamlat under detta projekt redovisas i denna<br />
<strong>rapport</strong>.<br />
I TVP-projektet deltog Helsingborg, Halmstad<br />
och Sundsvall som pilottillämpningar. Inom projekten<br />
utfördes provtagningar för att klarlägga variationer<br />
i avloppsvattnens sammansättning såväl under<br />
torrväder som vid regnpåverkan. Resultat av provtagningarna<br />
och modelltillämpningar redovisas av<br />
Hernebring (2001a, 2001b). En viktig delaspekt i<br />
projektet var att minimera miljöpåverkan genom<br />
lämpliga kombinationer av reglering, utjämning, realtidskontroll<br />
och åtgärder mot bräddningar utan att<br />
därmed riskera behandlingsprocesser vid reningsverket.<br />
Provtagningsprogrammet och modelltillämpningarna<br />
inom TVP-projektet grundades på data från<br />
tillförlitliga flödesmätare, vilka utnyttjar hastighetsbestämning<br />
genom modern dopplerteknologi (Petroff<br />
1995). Totalt fanns inom TVP-projektet 15 flödesmätare<br />
installerade, med uppkopplingsmöjligheter<br />
mot telenätet, de flesta också anslutna till driftövervakningssystemet.<br />
Datainsamling i samband med<br />
flödesmätning har också fortsatt efter TVP-projektets<br />
avslutning. Data från ett provtagningstillfälle i Borås<br />
redovisas i <strong>rapport</strong>en.<br />
<br />
Från den installerade typen av mätare är det möjligt<br />
att insamla data från det reflekterade energispektrumet,<br />
och det har vid jämförelse med analyserade<br />
prov framkommit att det finns en relation t.ex.<br />
mellan vattnets innehåll av suspenderat material och<br />
egenskaper hos reflekterad energi. I fortsättningen<br />
av <strong>rapport</strong>en redovisas dessa observationer.<br />
Reflekterat energispektrum påverkas av en rad<br />
faktorer som t.ex.: partikelantal, partikelstorlek,<br />
reflektionsegenskaper, avstånd samt rumslig fördelning<br />
etc. En förhoppning vid initieringen av detta<br />
projekt var att det skulle vara möjligt att kompensera<br />
för dessa osäkerheter genom tillgången på kontinuerlig<br />
information tillsammans med tillfälliga provtagningar<br />
för att etablera ett samband, som åtminstone<br />
är specifikt för den aktuella installationen (”sitespecific”).<br />
Vidare fanns visionen om en möjlig framtida<br />
on-linetillämpning om en grov, kvalitativ ”vattenkvalitetssensor”.<br />
Den bärande tanken var att andra<br />
typer av sensorer för specifika komponenter aldrig<br />
kommer att placeras ut i en sådan omfattning som<br />
flödesmätare vid en flödesmätningskampanj eller vid<br />
on-lineövervakning med flödesmätare kopplade till<br />
driftövervakningssystemet. Flödesmätningspunkterna<br />
utgör därför potentiella källor till insamlig av<br />
tillskottinformation utöver flödet i sig.<br />
2 Metodik<br />
2.1 ADS-mätare – funktion, data<br />
Detta avsnitt bygger på informationsmaterial från<br />
ADS/Accusonic och beskriver mätprinciper för hastighetsmätningen,<br />
se Figur 2-1, nedan.<br />
Ljudvågor skapas när material vibrerar och överförs<br />
via ett medium som kan vara en gas, vätska eller<br />
gas. Ljudfrekvens mäts i Hz, som är antalet vågcykler<br />
per sekund. Med ultraljud menas ljudfrekvenser<br />
över människans hörbarhetströskel (20 000 Hz).<br />
Hastighetsgivaren både sänder ut och tar emot<br />
ultraljud. Piezoelektriska kristaller sänder ut ultraljud<br />
vid aktivering med elektricitet. Likaså produceras<br />
elektriska signaler när kristallen vibrerar (mottar ljud).
Figur 2-1. Principiell beskrivning av principen för hastighetsmätning<br />
i en avloppsledning.<br />
En kristall sänder ut ultraljud med en frekvens av<br />
250,98 kHz. Partiklar i flödet reflekterar ultraljudet,<br />
med förändrad frekvens om partikeln rör sig. En andra<br />
kristall utnyttjas för mottagning av reflekterad signal.<br />
Figur 2-2. Spektrumbild för mätsignalen från hastighetsmätaren.<br />
Förändringen av reflekterad frekvens beroende på<br />
partiklar i rörelse kallas, som bekant dopplereffekten.<br />
I vattenmassan finns i regel en stor mängd partiklar<br />
med möjligen något varierande hastighet och som<br />
samtidigt reflekterar ljudet. Detta resulterar i en fördelning<br />
av reflekterade frekvenser.<br />
Med hjälp av ett matematiskt verktyg (Fouriertransformation)<br />
separeras den inkomna signalen till<br />
olika frekvenser och deras respektive amplitud, se<br />
Figur 2-2. Som resultat erhålls ett spektrum som<br />
beskriver amplituden för resp. frekvens.<br />
Den mottagna signalen separeras till över 1000<br />
”frekvensfack” (bins). I Figur 2-3 visas spektrumet<br />
som en linje som utgör ett flytande medelvärde för<br />
alla facken. Maximal hastighet beräknas från den<br />
högsta frekvensen. Denna utgör sedan ett underlag<br />
för att bestämma (medel)hastigheten i vattenmassan.<br />
Vid varje mätning skannar sensorn 7 ggr. Dessa<br />
medelvärdesbildas, varefter hastigheten bestäms (en<br />
gång).<br />
Ett av två sätt att bestämma hastigheten är från<br />
maximal energi i spektrumet. Figur 2-4 visar tröskeln<br />
som skiljer signalen från brus och som beräknas<br />
utgående från aktuell sensitivitet. Sensitiviteten<br />
100 sätter tröskelenergin till 1 % av max-energin.<br />
Max-hastigheten detekteras där spektrumets energi<br />
passerar tröskeln.<br />
Figur 2-3. Medelvärdesbildning av spektrumbilden.<br />
Figur 2-4. Brusreducering av mätsignalen.<br />
10
Figur 2-5. Borttagning av bakgrundsbrus från mätsignalen.<br />
Vid maximalt tolerabel brusnivå satt till 0 mäter<br />
instrumentet elektroniskt brus vid hastigheter större<br />
än 6 m/s (utöver normala hastigheter), se Figur 2-5.<br />
Detta bakgrundsbrus avlägsnas från hela spektrumet.<br />
Bärvågen (”carrier”) är den utsända frekvensen.<br />
Den kan mottas av sensorkristallen dels kortslutet<br />
(”cross-talk”) genom hastighetsgivaren eller från<br />
stillastående ekon. Bärvågskompensationen tar därför<br />
bort frekvenser från spektrumen nära 0-hastighet<br />
(från –0,01 till 0,01 m/s) enligt Figur 2-6.<br />
”Maximal bärvågsundertryckning” hjälper instrumentet<br />
att detektera noll-hastighet vid bakgrundsbrus.<br />
Denna bestämmer den minsta energinivån som ska<br />
utgöra en giltig avläsning. Utan signifikant energi i<br />
spektrumet <strong>rapport</strong>eras hastigheten som noll enligt<br />
principen i Figur 2-7.<br />
Dopplermätningar kräver partiklar i det uppmätta<br />
flödet för att erhålla reflektion. Även i ett rent vatten<br />
finns i regel tillräckligt med partiklar för att mäta<br />
hastigheten med denna metod. Förhållandena skiljer<br />
sig dock t.ex. mellan natt och dag vilket påverkar<br />
signalstyrkan. ADS-mätarna kompenserar för detta<br />
vid varje mättillfälle. Mätsignalen förstärks för att<br />
kunna processas av mätinstrumentet, se Figur 2-8.<br />
Figur 2-6. Borttagning av frekvenser från spektrumen<br />
nära noll-hastighet.<br />
Figur 2-8. Förstärkning av mätsignalen innan den<br />
processas av mätinstrumentet.<br />
Vid processning av hastighetsdata förstärker alltså<br />
mätaren automatiskt signalen olika beroende på tidpunkt<br />
under dagen. Denna funktion är avsedd att öka<br />
noggrannheten i mätningen anpassat till varierande<br />
flödesförhållanden.<br />
Detaljerade data från ett uppmätt energispektrum<br />
visas som ett exempel i Bilaga B.<br />
Figur 2-7. Minimumenergi för att godkänna en avläsning.<br />
11
Figur 2-9. Susphaltsmätare TxPro –T med mätsond WP -302 från BTG Källe Inventing AB.<br />
2.2 Susphaltsmätare<br />
Flödet i de tre huvudgrenarna till avloppsverket mäts<br />
med ADS-flödesmätare i punkter benämnda ADS1,<br />
Susphaltsmätaren som använts för att observera susphalter<br />
i avloppsledningarna har beteckningen TxPro<br />
–T med mätsond WP -302 och levererades av BTG<br />
Källe Inventing AB. I Figur 2-9 visas mätvärdesgivaren<br />
med de två små fönstren på givarens gavel<br />
för sändning av ljus och för mottagning av reflekterat<br />
ljus.<br />
3 Observationer<br />
3.1 Halmstad/Q1<br />
Sedan 1996 finns flödesmätare installerade inom avloppssystemet<br />
i Halmstad, Figur 3-1. De utnyttjas<br />
sedan dess för styrning av tillrinningen till Västra<br />
Strandens reningsverk och samverkan mellan reningsverkets<br />
utjämningsmagasin och Vallgravsmagasinet<br />
på ledningsnätet.<br />
Figur 3-1. Flödesmätning i avloppssystemet i Halmstad<br />
– översikt.<br />
12
ADS2 respektive ADS5 (alternativt: Q1, Q2 resp.<br />
Q5). Flödet Q2 är ”opåverkat” tillflöde västerifrån.<br />
Flödet som mäts i punkten Q5 transporteras via<br />
pumpstationen P12 direkt in till verket. Flödespunkten<br />
Q1 är påverkad av regleringen av tömningsluckan<br />
från Vallgravsmagasinet. Regleringen ser bl.a.<br />
till att det totala tillflödet norrifrån (Q2+Q1) inte<br />
överstiger pumpkapaciteten i pumpstationen P2A<br />
(minus en ”säkerhetsmarginal”), via vilken dessa<br />
tillflöden gemensamt pumpas in till verket. Vidare<br />
påverkas tömningsflödet från Vallgravsmagasinet av<br />
fyllnadsgraden i detta magasin samt vid reningsverket.<br />
Resultat från provtagningar som utfördes<br />
vid Q1 under 1997 redovisas nedan. Ledningsdiametern<br />
vid mätpunkten är 1200 mm.<br />
Figur 3-2 visar samvariationen mellan registrerad<br />
spektrumenergi och analyserade susp-halter. Med<br />
undantag av någon enstaka punkt återspeglas dynamiken<br />
i susphalt av energikurvan. Dynamiken skapas<br />
dels av ett mindre regntillfälle och rörelser hos regleringsluckan<br />
från Vallgravsmagasinet (se flödeskurvan<br />
i Figur 3-4, nedan).<br />
Figur 3-2. Registrerad spektrumenergi (mV, 5-minutervärden) och analyserad susphalt , Q1 Halmstad den 28/6<br />
1997.<br />
Figur 3-3. Registrerad spektrumenergi (mV) och uppmätt hastighet (m/s) 5-minutervärden under provtagningstillfället<br />
vid Q1 Halmstad den 28/6 1997.<br />
13
I Figur 3-3 har registrerad energisignal sammanställts<br />
med uppmätt hastighet. Figuren visar att<br />
energiregistreringen tycks vara oberoende av vattenhastigheten.<br />
I Figur 3-4 ges en överblick av flödessituationen<br />
vid Q1 i samband med provtagningstillfället.<br />
prover. Av det totala antalet suspanalyser, ca 35 st,<br />
faller 4 utanför det variationsmönster som energikurvan<br />
ger.<br />
3.3 Borås/Druveforsvägen<br />
3.2 Sundsvall/Maritim<br />
Liknande mätningar och provtagningar som ovan<br />
redovisats från Halmstad utfördes också i Sundsvall.<br />
Här redovisas resultat, se Figur 3-5, från mätpunkten<br />
”Maritim” från 16–17/4 1997. I figuren finns förutom<br />
registrerad signalenergi resultat av susp-analyser uttagna<br />
med provtagare kompletterat med manuella<br />
I samband med ordinära flödesmätningar i Borås<br />
runt årsskiftet 1997/98 insamlades kompletterande<br />
data, dels i form av energispektra från ADS-mätaren<br />
dels genom installation av en kontinuerlig susp-haltsmätare<br />
vid mätpunkten. Vid detta tillfälle togs inga<br />
vattenprover för analys.<br />
Mätpunkten är belägen i avloppssystemet vid<br />
Druveforsvägen i Borås, se Figur 3-6 och Figur 3-7.<br />
Aktuell ledningsdiameter är 1400 mm. Flödesbelast-<br />
Figur 3-4. Flöden (timvärden) i flödesmätningspunkt Q1 i Halmstad 27/6–29/6 1997.<br />
Figur 3-5. Registrerad spektrumenergi (mV, 5-minutervärden) och analyserad susphalt , Maritim Sundsvall 16–17/4<br />
1997.<br />
14
Figur 3-6. Mätbrunn i Druveforsvägen i Borås.<br />
Figur 3-7. Mätinstallation vid Druveforsvägen i Borås. Endast ekolodet för nivåregistreringen är synligt.<br />
ningen uppströms mätpunkten har bedömts bestå av<br />
egentligt spillvatten på omkring 140 l/s. Tillskottsvattenmängden<br />
var under mätperioden i medeltal<br />
220 l/s och alltså totalt avloppsvattenflöde ca 360 l/s.<br />
15<br />
Från ADS-mätaren registrerades förutom nivå, hastighet<br />
även energiinformation med 5-min upplösning.<br />
Den kontinuerliga susp-mätaren var installerad på<br />
platsen ett antal veckor. Maximum-, medel och
minvärde för susp-signalen registrerades med 5-minintervall.<br />
I Figur 3-8 visas exempel på insamlade signaler<br />
från ADS-mätaren. Eftersom det inte utfördes någon<br />
provtagning för suspanalyser vid det aktuella mättillfället,<br />
skapades i stället en jämförelsestorhet ”relativ<br />
spillvattenkoncentration”. Metodiken beskrivs<br />
i Figur 3-9. Med kännedom om medelspillflödet togs<br />
ett variationsmönster fram från flödesdata som sedan<br />
drogs från de totala flödesvärdena. Hänsyn togs till<br />
helg- och förekommande klämdagar under perioden.<br />
Som resultat av analysen blev det totala flödet vid<br />
varje tidpunkt uppdelat i en spill- och en tillskottsvattenkomponent.<br />
Den relativa koncentrationen av<br />
Figur 3-8. Exempel på mätsignaler insamlade vid flödesmätning vid Druveforsvägen i Borås.<br />
Figur 3-9. Illustration av metodik att ta fram jämförelsestorheten ”relativ spillvattenkoncentration”.<br />
16
spillvatten kan sedan räknas ut. Om föroreningskoncentrationen<br />
i spillvattnet kan förutsättas konstant,<br />
blir denna storhet då ett mått på vilka koncentrationsvariationer<br />
i det samlade avloppsvattnet<br />
som kan förväntas, t.ex. av suspenderade ämnen.<br />
I Figur 3-10 och Figur 3-11 visas jämförelser<br />
mellan denna storhet och registrerade energisignaler<br />
från ADS-mätaren resp. susp-haltsmätaren. För<br />
susphaltsmätaren var det endast minimivärdet per<br />
5-minuters period som var stabilt, varför endast<br />
denna signal redovisas. Båda mätetalen visar sig vara<br />
relativt goda indikatorer på den relativa föroreningshalten.<br />
3.4 Laboratoriemätningar CTH<br />
En befintlig försöksuppställning i Vattenhallen på<br />
Chalmers (CTH) användes för att verifiera fältförsöken<br />
med ADS-mätaren och susphaltsmätaren, se<br />
Figur 3-12, nedan.<br />
Ledningsdiametern är 225 mm med en total ledningslängd<br />
av 25 m. Lutningen hölls under samtliga<br />
försök konstant (2 ‰). Flödet i ledningen upprätthölls<br />
genom rundpumpning. Tre olika flödesnivåer<br />
tillämpades: ca 5, 10 resp. 15 l/s. Vattenhastigheten<br />
(för ett bestämt flöde) kan, inom vissa gränser, varieras<br />
genom att ändra nivån hos ett överfall i utloppsändan.<br />
För varje flöde reglerades dämningen, om<br />
det var möjligt, till maximalt tre olika nivåer.<br />
Figur 3-10. Registrerad spektrumenergi (mV) i relation till relativ spillvattenkoncentration.<br />
Figur 3-11. Registrerad signal från susphalts-mätare (min-värde, 5-min, V) i relation till relativ spillvattenkoncentration.<br />
17
Figur 3-12. Försöksuppställning vid WET, CTH.<br />
Som modellsubstanser för partiklar i avloppsvatten<br />
användes dels mineralpartiklar (filler) dels en suspension<br />
av pappersfibrer. Den senare hade helt enkelt<br />
erhållits genom att fördela hushållspapper i vattenlösning<br />
med hjälp av en mixer. Fem olika suspkoncentrationer/partikeltyper<br />
utnyttjades enligt Tabell<br />
3-1. Partikelhalterna finns angivna som konventionellt<br />
analyserad susp-halt, grumlighet samt utslag på en<br />
kontinuerlig susp-mätare i volt (max= 5V). Slamvolymen,<br />
det vill säga avläsning efter 30 min sedimentering<br />
i en Imhoff-tratt, uppmättes bara för<br />
pappersfibersuspensionerna. I tabellen finns också<br />
angiven basnivån hos renvattnet före resp. partikeldosering.<br />
Anledningen till det relativt höga utgångsläget<br />
vid pappersfiberdoseringen, kan man misstänka<br />
beror på att en viss mängd av fillertillsatsen dagen<br />
före trots rengöring har funnits kvar i systemet.<br />
Två st. ADS-mätare användes vid försöken. Från<br />
resp. hastighetssensor insamlades minst fem energispektra<br />
per experiment.<br />
Syftet med försöksuppläggningen var alltså att<br />
fånga in inverkan av partikelhalt (huvudsyftet), men<br />
också av andra faktorer som flöde, vattenhastighet,<br />
partikeltyp och variabilitet mellan sensorer. Hur<br />
detta lyckades utvecklas kortfattat i fortsättningen<br />
av detta avsnitt och mer detaljerat i Bilaga A.<br />
Tre flöden, tre dämningsnivåer (hastigheter) samt<br />
fem olika vatten ger teoretiskt totalt 45 olika experiment/kombinationer.<br />
Endast 30 av dessa var praktiskt<br />
möjliga att utvärdera (restriktioner i kombinationen<br />
dämning/flöde) och av andra skäl begränsades slutligen<br />
antalet experiment till 29 st. Eftersom 5 st.<br />
energispektra insamlades per experiment ger detta<br />
totalt 85 (filler) + 60 (pappersfibrer) x 2 sensorer =<br />
290 spektra att hantera.<br />
Bland mängden data illustrerar Figur 3-13 några<br />
av svårigheterna i uttolkningen av aktuella resultat.<br />
Spektrum vid två olika susp-halter och vid tre olika<br />
flödeshastigheter har valts ut. Varje punkt är medianvärde<br />
för vardera 5 observationer (Observera dock<br />
att de båda susp-halterna är av olika ”typ”, den lägre<br />
– pappersfibrer, den högre – filler). Skillnaden i<br />
susp-halt ger ingen tydlig skillnad i respons, utom<br />
för det högsta flödet. Påverkan av hastigheten i sig<br />
är tydlig. Båda dessa fakta är dåliga nyheter för hela<br />
grundidén till ”mätmetoden”, dessutom stämmer inte<br />
denna iakttagelse med vad som tidigare observerats<br />
i fält. Frågan är då varför.<br />
En hypotes skulle kunna vara att lab-uppställningen<br />
har rördiametern 225 mm medan fältmätningarna<br />
gjorts på ledningar med diametrar >1.0 m.<br />
En annan hypotes skulle kunna vara felaktig<br />
hantering av data/inställning av dataregistreringen på<br />
Tabell 3-1. Karakterisering av de fem olika vatten/partikelblandningar som utnyttjats vid försöken.<br />
Partikeltyp<br />
Susphalt,<br />
mg SS/l<br />
Grumlighet,<br />
NTU<br />
Kont suspmätare,<br />
volt, ”medel”<br />
Slamvolym,<br />
ml/l<br />
Före fillertillsats – 19 0,045 –<br />
1.Filler_1 43 30 0,125 –<br />
2.Filler_2 77 38 0,195 –<br />
3.Filler_3 400 140 0,665 –<br />
Före fibertillsats 69 30 0,155 –<br />
4.Pappersfibrer_1 130 50 0,245 17<br />
5.Pappersfibrer_2 170 ca 70 0,355 33<br />
18
Figur 3-13. Exempel på sex olika energispektra erhållna vid två olika susphalter och tre vattenhastigheter. Varje<br />
punkt är median av vardera 5 observationer.<br />
grund av bristande information beträffande signalbehandlingen.<br />
En mera grov bearbetning av uppmätta data enligt<br />
nedan kan dock kanske återge hoppet för metoden.<br />
I Figur 3-14 finns samtliga uppmätt signalstyrkor<br />
plottade som funktion av aktuell susp-halt. Som synes<br />
är spridningen mellan enskilda spektra mycket stor.<br />
I Figur 3-15 har från dessa data medianvärdet för<br />
resp. givare och susphalt räknats ut. En välvillig<br />
tolkning av denna figur är att det då framträder en<br />
Figur 3-14. Signalstyrka för samtliga uppmätta energispektra som funktion av susp-halt. ”y” indikerar pappersfibrer,<br />
”x” filler. Spektra från resp givare: 1899 resp 1903.<br />
Figur 3-15. Medianvärden av signalstyrkan för resp. susp-halt och givare (5 spektra) som funktion av susp-halt.<br />
Mätningar som gett 0-hastighet är borttagna ur kalkylen.<br />
19
samvariation mellan signalstyrkan och susp-halten,<br />
för den ena givaren över hela susp-intervallet och för<br />
den andra upp till susp-halten ca 200 mg SS/l. Slutsatserna<br />
blir kvalitativt desamma om medianvärden<br />
för medelenergin plottas mot susp-halten, Figur 3-16.<br />
Trots dessa problem att gräva fram överskottsinformation<br />
från energispektra bör man notera att<br />
hastighetsgivarna fungerar klanderfritt, dvs. att<br />
bestämma hastigheten. I Figur 3-7 visas samtidig<br />
hastighetsregistrering hos de två hastighetsgivarna.<br />
Överensstämmelsen mellan givarna är som synes<br />
mycket god, med undantag för de få tillfällen då reflekterad<br />
energi inte tillåtit en hastighetsbestämning,<br />
vilket resulterat i en registrerad noll-hastighet.<br />
4 Slutsatser<br />
Utvärderingen av samtidig mätning av flöde med<br />
nivå-hastighetsgivare och susphaltsmätning har visat<br />
att det är möjligt att korrelera data från hastighetsgivaren<br />
med uppmätta susphalter. Det är emellertid<br />
inte möjligt att använda korrelationsdata från en plats<br />
för mätningar på en annan plats. Korrelationsdata<br />
måste alltså kalibreras för varje ny plats. Det finns<br />
alltså inget generellt samband mellan energispektrat<br />
från hastighetsgivaren och halten partiklar i vattnet.<br />
Genom att kalibrera metoden för varje plats erhålls<br />
en bra överensstämmelse mellan beräknad partikelhalt<br />
och uppmätt partikelhalt.<br />
Figur 3-16. Medianvärden av ”energi” för resp. susp-halt och givare (5 spektra) som funktion av susp-halt.<br />
Mätningar som gett 0-hastighet är borttagna ur kalkylen.<br />
Figur 3-17. Samtidig registrering av vattenhastighet hos de två hastighetsgivarna.<br />
20
Utifrån de resultat som presenterats i denna studie<br />
går det inte att bestämma inverkan på mätsignalen<br />
från reflektioner från rörväggarna eller andra störningar<br />
såsom elektroniskt brus.<br />
ADS flödesmätare måste i sitt nuvarande utförande<br />
modifieras för att kunna registrera det energispektra<br />
som använts i denna undersökning för<br />
korrelation med partikelhalten i vattnet.<br />
Det finns ett stort behov av on-line mätningar<br />
av partikelhalt i avloppsledningar som inte medför<br />
omfattande provtagning och analys. Den testade<br />
metoden visar på en bra applikation för samtidig<br />
mätning av flöde och partikelhalt, men med nackdelen<br />
att mätmetoden måste kalibreras för varje ny<br />
mätplats. En komplettering med en portabel susphaltsmätare<br />
för kalibreringsändamål skulle kunna<br />
göra metoden praktiskt användbar.<br />
21
Referenser<br />
Hernebring C., Andréasson M. & Ohlsson L. : ”Integrerad modellering i Halmstad<br />
– samverkan mellan ledningsnät och reningsverk”. Nordisk konferanse om EDB<br />
i VA-teknikken 21–23. november 2000 på Lillehammer<br />
Hernebring C.: ”Studier av samverkan mellan avloppsverk och ledningsnät.<br />
Erfarenheter från tre svenska tillämpningar. DEL 1 Bakgrund och uppbyggnad<br />
av delmodeller.” VATTEN 57,2, 2001, s 95–111.<br />
Hernebring C.: ”Studier av samverkan mellan avloppsverk och ledningsnät.<br />
Erfarenheter från tre svenska tillämpningar. DEL 2 Modelltillämpningar.”<br />
VATTEN 57,2, 2001, s 113–122.<br />
Hernebring C., Jönsson L.-E., Thorén U.-B., Møller A.: ”Dynamic online sewer<br />
modelling in Helsingborg”. Water Science & Technology Vol. 45 No 4–5 pp<br />
429–436, 2002.<br />
Kölling C. & Peroff A.M.: ”New finite Element Model Accurately Predicts<br />
Velocity Profiles”, WEFTEC’94. Proceedings. 1994, pp 327–338.<br />
Petroff A.M.: ”Digital Doppler velocity Technology Improves Performance and<br />
Accuracy of Sewer Flow Measurements”. WEF Conf Series. Automating to<br />
Improve Water Quality. Minneapolis, June 25–28, 1995. pp 3-27–3-37.<br />
22
Bilagor – dataanalys<br />
Bilaga A: Halmstad, Sundsvall<br />
– (DHI_DK-<strong>rapport</strong>)<br />
DHI-Project: 41006<br />
Authors: Flemming Schlütter, Lars Yde<br />
A.1 Aim of the study<br />
The scope of this study is to collect and present the<br />
current state of the art regarding the correlation<br />
between the energy from backscatter and the concentration<br />
of suspended solids in wastewater.<br />
Measuring the flow in sewer systems is often done<br />
by using ultrasonic flowmeters. A beam of ultrasound<br />
is projected into the flow and the returning<br />
backscatter signal is measured. Based on the phase<br />
shift and the Doppler principle the flow velocity of<br />
the water can be estimated. It is apparent that the<br />
intensity of the backscatter is dependent on the<br />
amount of particles suspended in the fluid.<br />
When it comes to measurements in sewers the<br />
situation is more complicated than under ideal conditions.<br />
E.g. you may have an amount of backscatter<br />
originating from the pipe walls. This investigation<br />
carries out analysis on existing data and compares<br />
with experiences from the marine environment. The<br />
question is how strong the correlation is and if the<br />
relation between concentration and backscatter is site<br />
specific or not.<br />
A.2 Existing knowledge<br />
The correlation between backscatter measurements<br />
(ADB) – acoustic Doppler current measurements and<br />
the concentration of suspended solids (SS) in water<br />
is well known. DHI Water & Environment have<br />
performed several investigations (Weirgang 1995;<br />
Valeur 1997) into the subject. These investigations<br />
have been carried out with data from the marine<br />
environment in connection with dredging projects.<br />
Other researchers have, likewise, presented studies<br />
within this research field, e.g. (White 1998; Holdaway<br />
et al. 1998).<br />
23<br />
The attempts to correlate ADB with SS have been<br />
done mainly by developing and applying theoretical<br />
expressions for estimating the concentration. These<br />
relations will not be rendered here but common for<br />
them is that they are directly dependent on the particle<br />
radius. This entails that estimates of the concentrations<br />
are most reliable if the suspended solids<br />
encompass particle sizes within at rather small size<br />
range.<br />
The general conclusion in the cited references is<br />
that it is possible to calibrate the mathematical<br />
models to sample values of SS, this excluding the<br />
reference of (Valeur 1997) which did not find a<br />
correlation.<br />
Two problems arise when carrying out the same<br />
analysis for sewer systems. The particle size range<br />
and type varies significantly and estimating the<br />
characteristics of these sediments with an acceptable<br />
precision is in reality unfeasible (Lucas-Aiguier et al.<br />
1998). It is thus necessary to exploit the possibilities<br />
to find relations excluding particle size information.<br />
A.3 Data basis for new analysis<br />
The original idea of this Research & development<br />
project was to carry out measurements and sampling<br />
before data analysis. The current size of the project<br />
obviously prohibits such measures. Fortunately, it has<br />
been possible to borrow data from DHI Sweden, who<br />
have carried out measurements in sewers at two<br />
locations (Halmstad and Sundsvall). Figure A-1 to<br />
A-2 (next page) shows comparisons between measured<br />
backscatter signal and concentration of suspended<br />
solids for Halmstad and Sundsvall respectively.<br />
As seen from the figures A-1 and A-2 the connection<br />
between ADB and SS is not necessarily very<br />
strong and data is furthermore associated with some<br />
outliers.<br />
The conclusion from the initial data analysis was<br />
that it is possible to calibrate the ADS flowmeter<br />
backscatter signal to SS samples but calibration factors<br />
are site specific.<br />
To see if it is possible to exploit the data in a more<br />
effective way the next sections (A.4 and A.5) show<br />
the result of applying black box techniques to the<br />
data. For that purpose two approaches has been<br />
taken, namely, artificial neural networking, and<br />
genetic programming.
Figure A-1. Comparison between ADB and SS for Halmstad. (From presentation of DHI Sweden).<br />
Figure A-2. Comparison between ADB and SS for Sundsvall. (From presentation of DHI Sweden).<br />
A.4 Artificial neural networking<br />
Applying a neural network for correlating different<br />
measured entities with SS is probably not a desirable<br />
solution. The problem is that it lies inherent in the<br />
technique that your network will be site specific, unless<br />
calibration is made with data from all catchments.<br />
Therefore the ANN has not been used intensively<br />
for this study.<br />
A plot of the interface for the neural network<br />
model is seen in Figure A-3. The implementation of<br />
the ANN have been implemented in earlier work<br />
24<br />
by (Schlütter 1999), but can just as well be used for<br />
the current task.<br />
The network applied in this case is a simple feed<br />
forward network. It consists of an input layer of neurones,<br />
two hidden layers of neurones and an output<br />
layer. As indata two measured signals are applied,<br />
velocity and the backscatter.<br />
In order to have a reasonable amount of data for<br />
calibration it was chosen to interpolate the signal for<br />
the concentration using a spline interpolation. This<br />
interpolation is seen in Figure A-4 and A-5.
Figure A-3. Interface for Neural network model.<br />
Figure A-4. Interpolation of data from Halmstad (X-axis: Time; Y-axis: Concentration).<br />
Figure A-5. Interpolation of data from Sundsvall (X-axis: Time; Y-axis: Concentration).<br />
25
If scatterplots is produced for the interpolated concentrations<br />
versus the backscatter signal, the result<br />
is seen in Figure A-6 and A-7.<br />
Using the ANN program all data have been used<br />
for calibration, thus the results mainly gives an indication<br />
of how well it is possible to establish a relation<br />
between input and output for future reference.<br />
As an example the ANN came up with the model<br />
shown in Figure A-8 for Halmstad.<br />
When analysing the data seen in Figure A-1 and<br />
A-2 there is a correlation coefficient between the<br />
backscatter signal and concentrations of R2 = 0.65<br />
for the Halmstad site, whereas the Sundsvall site<br />
does not reveal a significant correlation. The results<br />
of the neural network modelling yields correlation<br />
coefficients of 0.84 for Halmstad and 0.50 for<br />
Sundsvall, where it should be noted that now the<br />
velocity signal is included in the analysis.<br />
The conclusion from the neural network modelling<br />
must be that the data basis makes it possible to<br />
establish a relation between indata and measured concentrations.<br />
If e.g. the Halmstad network is applied<br />
on the Sundsvall indata, the results are unusable,<br />
indicating that the two measurement sites are very<br />
different from each other.<br />
A.5 Genetic programming<br />
As an alternative to the ANN genetic programming<br />
offers an opportunity to get mathematical relations<br />
as results. The software used is the GPkernel developed<br />
by V. Babovic and M. Keijzer. The software<br />
and a number of references can be found on the website:<br />
www.d2k.dk.<br />
The way the genetic programming (GP) is used<br />
in this case, the time data column is not included<br />
as indata. This means that even though the data is<br />
strongly autocorrelated the time will not be a part<br />
of the final expressions.<br />
The mathematical expressions are limited in size,<br />
so that huge equations are avoided. Contrary to the<br />
ANN calibration, where all data was used for calibration<br />
in the GP case only the first 75 % of the data<br />
is used for calibration the rest serving as validation<br />
data.<br />
Figure A-6. Direct linear correlation between backscatter signal and measured concentration for the Halmstad<br />
site.<br />
26
Figure A-7. Direct linear correlation between backscatter signal and measured concentration for the Sundsvall<br />
site where outliers are excluded.<br />
Figure A-8. ANN simulation of Halmstad data.<br />
27
As already determined the Halmstad data depicts a<br />
much better correlation between indata and measured<br />
concentrations respectless whether the outliers points<br />
at in figure 3.2 is included or not. This trend can be<br />
expected for the GP as well.<br />
For both sites ten experiments have been carried<br />
out and most of the found relations have been used<br />
for comparisons with measured data.<br />
The equations relating concentration (c) with<br />
average backscatter signal (avs), velocity (v), backscatter<br />
signal (s), and maximum backscatter signal<br />
(ms), determined by GPkernel for Halmstad is:<br />
f1)<br />
2<br />
c 0.39<br />
avs 4v<br />
f2) c 0. 1682 avs<br />
f3) c <br />
2<br />
avs / log( avs / v)<br />
f4)<br />
2<br />
c 0.4044 avs exp(exp( v ))<br />
f5)<br />
v<br />
c 2.473<br />
avs v<br />
f6) c 0.3679<br />
(<br />
avs avs)<br />
f7)<br />
2<br />
c 0.3877<br />
avs v<br />
f8) c 0. 3881<br />
avs<br />
20<br />
Equivalently the Sundsvall data forms basis for the<br />
following equations:<br />
f1) c s s /( avs 9.572)<br />
f2) c 2 s s / avs<br />
f3)<br />
f4)<br />
s <br />
c s / ( avs ) <br />
ms <br />
c (log(log(s)<br />
2 ) 4<br />
f5)<br />
s <br />
c log(exp( ) s)<br />
<br />
avs <br />
f6)<br />
2s<br />
2<br />
c log( s)<br />
avs<br />
f7) c log( s<br />
4 ) log( s<br />
v )<br />
Figure A-9 and A-10 show the equations listed above<br />
together with the measured signals.<br />
As seen on Figure A-9 and A-10 only modelling<br />
of the Halmstad data makes sense. Looking at the<br />
Halmstad results data it is clearly seen that the GP<br />
like the ANN is very data driven as the modelled<br />
signal resemples the inddata in a scaled version more<br />
than the actual target concentrations.<br />
If the equations found for Sundsvall is applied on<br />
the Halmstad data and vice versa the results can be<br />
seen in figure A-11 and A-12.<br />
4<br />
2<br />
Figure A-9. GP for Halmstad data.<br />
28
Figure A-10. GP for Sundsvall data.<br />
Figure A-11. GP applying Sundsvall results on Halmstad data.<br />
29
Figure A-12. GP applying Halmstad results on Sundsvall data.<br />
It is easily deduced from looking at Figure A-11 and<br />
A-12 that the estimated mathematical models are<br />
site specific.<br />
A.6 Conclusion<br />
The blackbox and greybox modelling of neural networks<br />
and genetic programming have shown that<br />
it is possible to correlate measured indata from the<br />
ADS flowmeter to samples of suspended solids.<br />
However, it is not directly possible to use model<br />
calibrated for e.g. Halmstad on the Sundsvall site.<br />
This means that given that the measured data are<br />
correlated an empirical model needs to be calibrated<br />
for each new measurement site. But, thus the facility<br />
of measuring the backscatter strength can help interpolating<br />
intelligently between measured data, which<br />
is beneficial as the number of water samples always<br />
will be limited. This conclusion is supported by<br />
similar findings in the literature.<br />
On the basis of the present data it is not possible<br />
to determine to how large a degree the measured<br />
backscatter signal is disturbed by sidewall reflections<br />
and noise from the outgoing carrier signal.<br />
The ADS flowmeters cannot without modifications<br />
log the signals used in this study, so the data are not<br />
available from every study performed with the ADS<br />
flowmeters. If sample concentrations are related<br />
purely to flow entities velocity and water level it is<br />
also possible to correlate the data with reasonable<br />
results. Seen in this light the results of correlating<br />
backscatter and concentrations are not stunningly<br />
good.<br />
A lot of other possibilities exist to estimate concentrations<br />
of suspended solids and these should<br />
be examined along with this study. The main problem<br />
with other techniques is that they often require<br />
handling of water sample or having a sensor protruding<br />
into the wastewater flow which is not a<br />
feasible idea in a combined sewer system.<br />
30
A.7 Literature<br />
Aguilera, D.R., (2000). Genetic programming with<br />
GPkernel. (www.d2k.dk). Manual for software<br />
developed by Babovic, V., Keijzer, M. (DHI).<br />
Deines, K.(1999). Backscatter Estimation Using<br />
Broadband Acoustic Doppler Current Profilers. RD<br />
Instruments.<br />
Holdaway, G.P., Thorne, P.D., Flatt, D., Jones, S.<br />
E., Prandle, D. (1999). Comparison between ADCP<br />
and transmissometer measurements of suspended<br />
sediment concentration. Continental Shelf Research,<br />
Elsvier 1999.<br />
Lucas-Auguier, E., Chebbo, C., Bertrand-Krajewski,<br />
J.-L., Gagné, B., Hedges, P. (1998), Analysis of<br />
methods for determining the settling characteristics<br />
of sewage and stormwater solids. Water Science and<br />
Technology, (37), 1.<br />
Schlütter, F., (1999). Numerical Modelling of Sediment<br />
Transport in Combined Sewer Systems. Ph.D.<br />
Dissertation, Department of Civil Engineering,<br />
Aalborg University, Denmark.<br />
Valeur, J.R., (1997). Determination of Suspended<br />
Concentration (mg/l), based on ADCP Backscatter<br />
Data (dB) and Turbidity Data (FTU). DHI – Internal<br />
report.<br />
Weiergang, J., (1995). Estimation of Suspended Sediment<br />
Concentrations Based in Single Frequency<br />
Acoustic Doppler Profiling. 14th World Dredging<br />
Congress, Amsterdam, Netherlands.<br />
White, T.E., (1998). Status of measurement techniques<br />
for coastal sediment transport. Coastal Engineering,<br />
(35), pp. 17–45, Elsvier.<br />
31
Bilaga B: Exempel på spektruminformation<br />
Ett antal rader utan information (med 0:or) är borttagna i spektrumdata. Innehållet i ”bin” (hastighets/<br />
frekvensfraktion) 0- 1019 anges hexadecimalt.<br />
Start and Get ONE Reading<br />
:PARAMETERS<br />
Used algorithm = 0<br />
Negative flow enable = 0<br />
Filter enable = 0<br />
Sensitivity = 10<br />
Floor = 0<br />
Suppression enable = 1 @ 400 max carrier limit<br />
D/A Gain = 0<br />
:END<br />
:STATISTICS RAW Engr. Units Quality Indicator<br />
Velocity = 1.720 f/s @ 100 % Quality<br />
Carrier = 65535, 4229 uVolt @ 3 Suppression<br />
Max = 40002, 2441 uVolt @ 0.860 f/s<br />
Signal = 40002, 2441 uVolt @ 0.860 f/s<br />
Threshold = 4000 , 772 uVolt @ 1.907 f/s<br />
Noise Level = 24 , 60 uVolt @ 712 uVolt margin<br />
Average Energy = 1551 , 481 uVolt<br />
Positive/Negative % = 100 / 0<br />
D/A Gain = 10 @ 26 Pops<br />
Pre / Post Gain = 1 / 13<br />
:END<br />
Give Spectrum<br />
:SPECTRUM<br />
Bin: 0 0 0 0 0 0 0 0 0 0 0<br />
Bin: 10 0 0 0 0 0 0 0 0 0 0<br />
Bin: 20 0 0 0 0 0 0 0 0 0 0<br />
.............<br />
Bin: 170 0 0 0 0 0 0 0 0 0 0<br />
Bin: 180 0 0 0 0 0 0 0 0 0 0<br />
Bin: 190 0 0 0 0 0 0 0 0 0 0<br />
Bin: 200 0 0 1D 22 23 28 1F 33 36 25<br />
Bin: 210 83 5E 75 5F 93 D6 7B 13A FA 1D8<br />
Bin: 220 16A 265 1F0 790 7B8 705 8FE B33 8E5 7CB<br />
Bin: 230 8F5 87E B5D EEA 696 48F 577 9D3 2BC AB2<br />
Bin: 240 BAE 44D B6A 811 DD5 EEB A7E D60 5E5 94F<br />
Bin: 250 51D 9B7 659 CD0 5E5 3BA 0 0 0 366<br />
Bin: 260 1429 AE1 909 B44 EC1 229C 24D6 19AF 35CF 2A69<br />
Bin: 270 439F 4BC0 41C8 537A 697A 6DDB 68DF 954D AEF5 E61D<br />
Bin: 280 3D57 C389 8C41 8FC3 DB44 8F30 49A5 598D 9D9C 5EFB<br />
Bin: 290 54CA 2984 2A80 3966 2B1A 10C1 150E 1D4F 1AD9 B8B<br />
Bin: 300 1616 1607 111A 1FF1 E91 3A9 4DD 774 A4D 64A<br />
Bin: 310 57D 475 224 A8 33D 1B7 77 EF 4D 5B<br />
Bin: 320 40 27 27 29 21 0 0 1E 0 1D<br />
Bin: 330 28 0 0 0 0 0 0 0 0 0<br />
Bin: 340 1B 0 0 0 0 0 0 0 0 0<br />
Bin: 350 0 0 0 0 0 0 0 0 0 0<br />
.............<br />
32
Bin: 800 0 0 0 0 0 0 0 0 0 0<br />
Bin: 810 0 0 0 0 0 0 0 0 0 0<br />
Bin: 820 0 0 0 0 0 0 0 0 0 1A<br />
Bin: 830 0 1F 0 0 0 0 0 0 0 0<br />
Bin: 840 0 1B 0 0 0 0 0 0 0 0<br />
Bin: 850 0 0 0 0 0 0 0 0 0 0<br />
Bin: 860 0 0 0 0 0 0 0 0 0 0<br />
.............<br />
Bin: 1000 0 0 0 0 0 0 0 0 0 0<br />
Bin: 1010 0 0 0 0 0 0 0 0 0 0<br />
:END<br />
33
Beräkning av partikulär föroreningstransport från flödesdata on-line i avloppsledningar<br />
Box 47607 117 94 Stockholm<br />
Tfn 08 506 002 00<br />
Fax 08 506 002 10<br />
E-post svensktvatten@svensktvatten.se<br />
www.svensktvatten.se