Evaluación y predicción temporal de calidad de aguas residuales mediante tecnologías IoT y estadísticas multivariantes.

Abstract

El agua es un recurso natural de vital importancia para el desarrollo de cualquier país y la necesidad más básica de todo ser humano. Sin embargo, su uso depende de sus características fisicoquímicas y biológicas para diversas actividades. Pero el problema se agrava cuando se vierten aguas residuales no tratadas y de mala calidad en masas de aguas naturales que pueden contaminar el medio ambiente al contener diversos contaminantes orgánicos e inorgánicos que, si no se tratan eficazmente, pueden causar principalmente enfermedades transmitidas por el agua. Por lo tanto, las tecnologías de tratamiento de aguas residuales están diseñadas para proporcionar un sistema de tratamiento rentable y proteger el medio ambiente, así como para aprovechar las ventajas adicionales de la reutilización del agua, que requiere reducir los contaminantes a límites aceptables para minimizar los riesgos para la salud y el medio ambiente. A medida que disminuye gradualmente la disponibilidad de agua dulce, aumenta el uso de aguas residuales para regar tierras agrícolas. Sin embargo, la composición fisicoquímica de estos flujos procedentes de cada planta de tratamiento es única y depende de factores relacionados con el origen del vertido, el tipo de infraestructura del sistema de alcantarillado, el ritmo de desarrollo de la zona, la climatología y el flujo de aguas subterráneas. Así pues, hay que tener en cuenta que no sólo el flujo de aguas residuales tiene una composición única, sino que las cargas orgánicas, inorgánicas y de nutrientes varían con el tiempo, el lugar y el origen.

En esta Tesis, se evaluó el rendimiento operativo de las EDARs y se identificó la dinámica de los compactos de aguas residuales y su alcance para establecer un sistema de tratamiento preferente, y también se evaluó el rendimiento de un sistema de Internet de las Cosas para la monitorización a largo plazo y la detección en tiempo real de nutrientes eutrofizantes, especialmente nitrito y nitrato, utilizando un novedoso sensor en formato de kit portátil para el análisis directo in situ.

También se realizó una comparación de los resultados de nitritos y nitratos determinados por cromatografía iónica en el laboratorio tradicional con los obtenidos por un sistema remoto durante una medición a largo plazo en cuatro plantas municipales de tratamiento de aguas residuales.

En cada EDAR interviene un gran número de parámetros químicos, físicos y biológicos, lo que dificulta la caracterización de los flujos de aguas residuales y la evaluación de la eficiencia de las EDARs. Por lo tanto, es necesario desarrollar variables de indexación apropiadas para predecir mejor la calidad de las aguas residuales y evaluar la eficiencia del proceso de tratamiento, utilizando métodos estadísticos multivariantes para identificar las características temporales de cada parámetro monitorizado y definir las interrelaciones estadísticas entre los diferentes parámetros influentes y efluentes. Además, se ha desarrollado el Índice de Calidad de las Aguas Residuales (ICA) para definir cuantitativamente la calidad de las aguas residuales y se han desarrollado técnicas de predicción estadística multivalente para expresar numéricamente los parámetros de calidad significativos a partir de la base de datos del proceso medido. Por otra parte, mediante la aplicación de la cromatografía iónica, se ha utilizado un sistema portátil de análisis de nutrientes para analizar el nitrato y el nitrito en diversas matrices de aguas residuales.

Al margen del control tradicional de los sistemas de agua mediante la recogida manual de muestras y su transporte al laboratorio donde se realizan los análisis, se llevó a cabo una evaluación de las concentraciones de nitratos y nitritos generadas por el sistema portátil de cromatografía iónica in situ comparándolas con los resultados del laboratorio. Tras analizar las series temporales de datos de rendimiento de las EDARs, se obtuvo un número significativo de variables. Estas variables se sometieron a técnicas estadísticas multivariantes para cuantificar mejor la calidad de las aguas residuales y los procesos de tratamiento mediante el establecimiento de relaciones entre datos interrelacionados que implican modelos predictivos sencillos y fiables para correlacionar las variables objetivo con parámetros medidos específicos e introducir un índice de calidad de las aguas residuales para evaluar los cambios temporales y espaciales en la calidad de aguay determinar el estado de calidad general de las aguas residuales brutas y tratadas.

Al analizar los parámetros fisicoquímicos y biológicos de las aguas residuales municipales, las tendencias de parámetros como: sólidos suspendidos totales (SST), demanda química de oxígeno (DQO), nitrógeno total (NT), fósforo total (PT), demanda biológica de oxígeno (DBO) y contenido de carbono orgánico disuelto (COD) tanto en el influente como en el efluente evolucionaron de forma similar en todas las EDARs. Además, en el desarrollo del ICA, todos los caudales de efluentes controlados cumplieron satisfactoriamente las normas de vertido establecidas, dando lugar a índices calculados entre 95 y 100. Mediante un Análisis de Componentes Principales (ACP) robusto de las dieciséis variables fisicoquímicas de agua residual bruta y tratada, se extrajeron cinco componentes principales (PCs) que explican entre el 21,39% y el 36,79% de la variabilidad de los datos.

La precisión de los modelos desarrollados en términos de ajuste al conjunto de datos de entrenamiento osciló entre el 74,3% y el 97,9%. Además, los datos recogidos por el sistema IoT de monitorización de la calidad de agua coincidieron en gran medida con los obtenidos a partir del análisis de muestras recogidas discretamente mediante procedimientos de laboratorio estándar y mostraron correlaciones claras durante todo el periodo de despliegue. Todos los resultados obtenidos mostraron una buena linealidad (R2 > 0,995) y % RSD < 4%. Los límites de cuantificación oscilaron entre 0,005 mg L-1 y 0,075 mg L-1 para el nitrito y entre 0,011 mg L-1 y 0,200 mg L-1 para el nitrato.

El uso del análisis estadístico multivalente puede considerarse una potente herramienta matemática capaz de identificar tendencias y correlaciones en conjuntos de datos complejos. Además, el despliegue del sistema IoT (IC portátil) cumplió todos los criterios de rendimiento establecidos para el nitrito y el nitrato, comparables a la instrumentación de sobremesa.

Este sistema portátil de cromatografía iónica se utilizó con éxito para la monitorización in situ y continua en el tiempo de nitrito y nitrato en varios enclaves medioambientales como EDARs, demostrando la idoneidad del sistema para su uso en matrices de muestras variables y también el sistema portátil de cromatografía iónica demostró sobre el terreno ser más que una técnica cromatográfica automatizada, rentable y de bajo coste, con una repetibilidad cromatográfica comparable a la del laboratorio, pero sin el anticuado método de "recoger y analizar", que presenta numerosas deficiencias.