Biogass kan erstatte diesel og annet fossilt drivstoff. Den kan også brukes til oppvarming, matlaging og til å produsere elektrisitet.
Å utnytte så mye som mulig av avløpsvannet til biogass kan gi større miljøgevinst med mindre utslipp og bedre ressursutnyttelse.
Det er også mye å vinne økonomisk på å utnytte avløpsvannet så godt som mulig, da det krever mye energi og høye kostnader å håndtere det.
Fornybar og klimanøytral energi
– Biogass er fornybar, og energi- og klimanøytral, fordi den lages av avløpsvannet. Den er en viktig del av bioøkonomien hvor vi gjenbruker og tar i bruk de ressursene vi allerede har i avløpsvannet, framhever professor Tiina Komulainen, som står i spissen for forskningen på OsloMet.
OsloMet-forskerne samarbeider med vann- og avløpsselskapene og -etatene i Asker, Hamar, Lillestrøm, Oslo og Bærum om å utvikle mer effektiv og enda mer miljøvennlig biogassproduksjon.
De samarbeider også med teknologiselskaper om å utvikle løsninger.
EU har som mål at vann- og avløpssektoren skal være energinøytral innen 2040. Dette innebærer mer fornybar energiproduksjon fra avløpsvann, bedre utnytting av energien og en mer ressurseffektiv økonomi.
Denne målsettingen følges også opp i Norge. Norsk avløpsnæring har ambisiøse bærekraftsmål (norskvann.no), der det har blitt viktig å investere i energieffektiv biogassproduksjon fra avløpsvann.
Kunstig intelligens kan spare energi
Organisk slam som skilles ut fra vannet i de i første stegene i vannavløpsrenseanlegg, kan nedbrytes i en oksygenfri bioreaktor og danne biogass. Biogassen må så renses ut fra andre gasser og gjøres flytende.
Målet til forskerne er å effektivisere prosessen og gjøre den mer miljøvennlig ved å bruke kunstig intelligens, som kan gå gjennom store mengder data fra sensorer i avløpsanlegget.
– Vi håper vi kan spare inn på energi og bruk av kjemikalier, og at vi også kan minke miljøavtrykket og øke produksjonen. Hvor mye vi kan oppnå, vil vise seg etter hvert i forskningsprosjektet. Mulige besparinger vil virke inn på det vi alle betaler for i kommunale avgifter.
Ved hjelp av maskinlæring kan etterligning, også kalt simulering, av reelle prosesser i produksjonen vise hvordan den kan effektiviseres og hvor mye ressurser som kan spares.
Kunstig intelligens kan gjøre det rimeligere og mer miljøvennlig
– Med såkalte virtuelle sensorer kan den kunstige intelligensen for eksempel beregne hvor godt bakteriene trives, og hvor mye det er av metanproduserende komponenter i avløpsvannet, og på den måten bidra til å få så mye som mulig ut av produksjonen.
Disse virtuelle sensorene bruker data fra reelle sensorer som registrerer data i avløpsanlegget.
Virtuelle sensorer gjør at man kan estimere variabler som man ellers kun kan måle i laboratorier eller med vedlikeholdskrevende analysatorer. Dermed kan man klare seg med færre dyre analyser.
– Et hvert avløpsanlegg samler inn data, og de kan gjøres tilgjengelige for de siste årene. I tillegg trengs det noe laboratoriedata.
– Kunstig intelligens kan også være til hjelp for å minimere bruk av kjemikalier og energi. For eksempel trengs det mye oppvarming i prosessen.
– Men er ikke biogassproduksjon uansett veldig energikrevende?
– Jo, men samtidig produseres det mye varme i avløpsrenseprosessen som kan brukes til biogassproduksjon. Det kan gjenvinnes varme fra andre steder i avløpshåndteringen. Dermed blir det mer energivennlig.
Prøver å få ut mest mulig biogass
En utfordring er derimot at det vil være litt skadelig metangass igjen når produksjonen av biogass er fullført.
Forskerne prøver å få så mye biogass som mulig av avløpsslammet ved å finne ut hvor lenge man kan bearbeide slammet, slik at man får maksimalt med biogass ut av det, og minst mulig metangass til slutt.
I og med at biogassen får en flytende form, kan den lett transporteres til ulike steder.
I avløpsrenseanlegg som Veas kommer avløpsslammet i hovedsak fra toaletter og annet avløpsvann fra husholdninger, mens andre steder kan det også komme fra næringsmiddelindustri, for eksempel fra slakterier eller andre typer næringsmiddelindustri.
Det kan også komme slam fra jord og bygater med regnvann når det regner mye. Det organiske materialet i alt dette kan være utgangspunkt for biogassproduksjon.
I tillegg til å produsere energi som kan brukes på nytt i form av biogass, kan også noe av slammet som blir igjen til slutt renses og brukes til gjødsel.
Gir kompetanseheving
– Det er også viktig å øke kompetansen hos dem som jobber i avløpsrenseanleggene. Mange som jobber der er ikke enda så kjent med kunstig intelligens som kan effektivisere produksjonsprosesser, sier Tiina Komulainen.
Derfor søker OsloMet og industrielle partnere aktivt midler fra Regionale forskningsfond og Forskningsrådet for å øke den digitale kompetansen i vann- og avløpsbransjen.
Med mer konkrete data fra produksjonen vil det dessuten være enklere for beslutningstagere i kommunen å investere i digitale løsninger basert på kunstig intelligens.
Prosjektet kan altså bidra til både mer miljøvennlig biogassproduksjon, mer effektiv og rimelig produksjon og til at ansatte lærer mer om nyttig bruk av kunstig intelligens.
Fakta om prosjektet
OsloMet-forskerne samarbeider med vann- og avløpsselskapene Veas WRRF i Asker, Hias WRRF på Hamar, NRA WRRF på Lillestrøm, og kommunale vann- og avløpsetater i Oslo, Bærum og Asker om å utvikle mer effektiv og enda mer miljøvennlig biogassproduksjon. De samarbeider også med teknologiselskaper om å utvikle løsninger.
I tillegg til forskningsoppgaver for vitenskapelig ansatte og studentassistenter, gir denne forskningen også muligheter for interessante bachelor- og masteroppgaver innen spesialiseringer som smart vannteknologi på byggmasterstudiet, masterstudiet i anvendt data- og informasjonsteknologi (ACIT), spesialisering robotikk og automatisering, og på elektronikkingeniørstudiet.
Referanser
Tiina Komulainen, Bilal Mukhtar, Truls Ødegaard, Hilde Johansen, Kristine Haualand og Kjell Rune Jonassen mfl.: Modeling and control of WRRF biogas production. Proceedings of the 64th International Conference of Scandinavian Simulation Society, SIMS 2023 Västerås, Sweden, September 25-28, 2023