Detección temprana de fallos en una planta depuradora de agua residuales (EDAR) mediante autoencoders variacionales
La creciente escasez de recursos hídricos, agravada por el incremento de la densidad poblacional y la mayor contaminación de las aguas, ha impulsado la necesidad de desarrollar sistemas más avanzados para la monitorización de las Estaciones Depuradoras de Aguas Residuales (EDAR). Para ello, en este...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universidad de Valladolid |
| Repositorio: | UVaDOC. Repositorio Documental de la Universidad de Valladolid |
| OAI Identifier: | oai:uvadoc.uva.es:10324/70229 |
| Acceso en línea: | https://uvadoc.uva.es/handle/10324/70229 |
| Access Level: | acceso abierto |
| Palabra clave: | Detección de fallos Autoencoder variacional Monitorización centralizada/distribuida EDAR Deep Learning 3308.10 Tecnología de Aguas Residuales |
| Sumario: | La creciente escasez de recursos hídricos, agravada por el incremento de la densidad poblacional y la mayor contaminación de las aguas, ha impulsado la necesidad de desarrollar sistemas más avanzados para la monitorización de las Estaciones Depuradoras de Aguas Residuales (EDAR). Para ello, en este Trabajo Fin de Máster se propone una metodología innovadora que permita la detección temprana de fallos en procesos industriales basada en la aplicación de técnicas de Deep learning y aplicada al caso particular de una EDAR. Esta metodología emplea un tipo de redes neuronales para la extracción de las características principales del proceso conocido como autoencoder variacional (VAE). El empleo de un modelo tipo VAE permite construir un sistema capaz de detectar cualquier tipo de fallo con rapidez, sin necesidad de categorizar los fallos con anterioridad y sin un conocimiento experto del dominio. Se utiliza el modelo de VAE mínimo con el fin evaluar su capacidad en la detección temprana de fallos empleando técnicas de control estadístico de procesos multivariados. Además, dada la complejidad y la dimensionalidad de una EDAR, en este Trabajo se estudia la aplicación de la metodología propuesta en sistemas de control centralizados y distribuidos para realizar un estudio comparativo de su eficacia y velocidad de detección. Las técnicas de monitorización distribuidas descomponen la planta en bloques de variables sobre los que se generan los distintos modelos de VAE para la posterior detección distribuida de fallos. Así, con la segmentación de la planta no solo se persigue reducir la complejidad del proceso, sino también reducir la carga computacional del sistema mejorando su rendimiento, el coste económico y la huella de carbono derivada del consumo energético que supone tanto la diagnosis como el almacenamiento de información en la operación de la EDAR |
|---|