SISTEM INFORMATIC DE MONITORIZARE SI CONTROL A STATIILOR DE EPURARE A APELOR UZATE PRIN UTILIZAREA SISTEMELOR DISTRIBUITE MULTI-AGENT SI A UNOR ALGORITMI AVANSATI DE REGLARE AUTOMATA

 

-AICSYS –

 

Contract  INOVARE 30/2007

 

OBIECTIVE                           ETAPE                          PARTENERI

 

PAGINA PRINCIPALA

 

 

 

PREZENTARE PROIECT

 

Proiectul AICSYS propune realizarea unui sistem informatic de monitorizare si control a parametrilor de calitate a apei in statiile de epurare a apelor uzate, cu transmiterea la distanta a datelor pentru asigurarea unei administrari eficiente a resurselor de pe teritoriul statiei, reducerea impactului negativ generat de procesul de epurare a apelor uzate asupra mediului inconjurător si in special rezolvarea operativă a situatiilor de urgenta care pot avea urmari nedorite asupra mediului si populatiei.

Una dintre problemele cheie ale proiectarii sistemelor de control in timp real este dezvoltarea unei arhitecturi capabile sa trateze eficient diferite elemente ale procesului, sa invete din experienta anterioara si sa dobandeasca informatii din domeniul respectiv. Aceste probleme se amplifica atunci cand procesul este compus din mai multe unitati operationale complexe. Ca urmare, arhitectura distribuita bazata pe inteligenta artificiala rezolva multe din aceste probleme. In coordonarea proceselor biotehnologice (sisteme care au raspunsuri diferite la aceleasi tipuri de perturbatii), utilizarea sistemelor de timp real bazate pe inteligenta artificiala reprezinta o necesitate datorita complexitatii acestor procese si dificultatii de a le controla. Sistemele de control clasice au probleme in a fi reglate si, de multe ori, nu sunt capabile sa tina procesul sub control.

        In statiile de epurare a apelor uzate (SEAU), intrarea este caracterizata printr-o variabilitate a debitelor si concentratiilor. Motivul principal pentru care se recomanda utilizarea unui sistem de supervizare distribuit bazat pe inteligenta artificiala este acela ca, in cazul SEAU, exista o serie de situatii neobisnuite - furtuni, diferite incarcari ale influentului cu substante toxice sau organice etc.-  care pot fi tratate dupa un plan sau o strategie apriori, intr-o maniera mult mai eficienta decat folsind alte tehnologii de supervizare si control. Sistemul de supervizare recunoaste problemele predeterminate si le trateaza utilizand strategia corespunzatoare de control.

         Inteligenta artifiala distribuita reprezinta cercetarea, analiza si dezvoltarea unor  "entitati inteligente"  ce integreaza un set de procese coordonate bazate pe cunostinte, uzual denumite agenti, care interactioneaza fie prin cooperare, fie prin coexistenta sau competitie, astfel incat sa realizeze anumite obiective. Principalele motive pentru care este folosita inteligenta artificiala distribuita intr-o arhitectura multi-agent sunt distributia geografica in domeniul aplicatiei si  descompunerea functionala in mod natural (analiza de sos in jos). Prin distributia controlului se obtine o procesare foarte rapida, prin utilizarea executiei paralele (concurente) ale agentilor. Distributia ofera modularitate si, ca atare, reutilizare si extensibilitate a sistemului. Procesarea distribuita reprezinta strategia de baza in controlul complexitatii mari a sistemelor bazate pe inteligenta artificiala.

Sistemul distribuit  va fi format din cateva subsisteme (agenti), ce vor interactiona intre ele si care vor fi executate printr-o procesare de tip paralel: sistemul de supervizare, bazat pe cunostinte, modulul interfetei utilizator, subsistemul de supraveghere a apei, modulul de explicatii, subsistemul de supraveghere a namolurilor, sistemul actuatoarelor, modulul de control numeric, sistemul de management al bazei de date, modulul de tip „case-base reasoning and learning”, modulul de achizitie a datelor, modul de achizitie a cunostintelor, modulul de comunicatie la distanta prin tehnologie GPRS.

Sistemul de supervizare bazat pe cunostinte este managerul sistemului distribuit si se comporta in retea ca un master. El primeste informatii de diagnoza de la modulele de supraveghere a apei si respectiv a namolurilor si de cazuri similare provenite de la modulul case-based learning and reasoning. Daca diagnoza asupra situatiei de lucru a statiei de epurare este normala, atunci este activat modulul de control numeric si mentinut. Altfel (in cazul unei situatii de anormalitate), sistemul de supervizare bazat pe cunostinte notifica operatorul uman in legatura cu situatia aparuta si face sugestii sau actioneaza direct asupra sistemului. Se vor defini mai multe variante de situatii de lucru ale statiei de epurare, fiecare situatie fiind definita in termeni descriptivi si relationali, astfel incat sa se suprapuna efectiv peste rezultate.

        Subsistemul de supraveghere a apei este reprezentat de un set de agenti bazati pe cunostinte, care vor diagnoza starea subsistemului de supraveghere a apei. Aceasta diagnoza este facuta prin activarea catorva agenti autonomi ce vor accesa informatii din baza de date evolutiva in timp real si care isi vor crea propriile lor mecanisme de inferenta.

        Subsistemul de supraveghere a namolurilor este si el reprezentat de un set de agenti avand aceleasi comportamente ca cei din cadrul subsistemului de supraveghere a apei.

        Modulul de control numeric implementeaza o schema de control a oxigenului dizolvat in apa si se bazeaza pe patru blocuri principale: modelul matematic al procesului; un senzor software pentru estimarea concentratiei de oxigen dizolvat; o procedura de estimare continua si un algoritm care, utilizand valoarea optimala continua pentru control obtinuta de blocul mai sus mentionat, genereaza o valoare discreta pentru un control suboptimala potrivita pentru controlul suflantelor.

        Modulul „case-based learning and reasoning” contine baza de cazuri. Baza de cazuri contine informatii despre situatiile detectate anterior, precum si  solutiile pentru rezolvarea acestora, dar si eficienta cu care situatiile respective au fost rezolvate. Case-based reasoning este unul din subdomeniile de succes ale Inteligentei Artificiale recent dezvoltate si are ca scop rationametul si invatarea in inteligenta artificiala. Aplicatii comerciale si industriale se pot dezvolta rapid folosind aceasta ramura si baze de date existente pot fi folosite ca surse de cunostinte. Case-based reasoning (CBR), tradus in sens larg, este procesul rezolvarii noilor probleme pe baza solutiilor unor probleme anterioare similare. S-au adus argumente ca CBR nu este doar o metoda puternica pentru rationamentul calculatoarelor, ci si un comportament patrunzator in rezolvarea problemelor umane de zi cu zi. Sau, mult mai radical, s-a sustinut ca orice rationament este bazat pe experiente anterioare sau acceptat de alegerea prezenta - teoria prototipului- explorata in stiinta cognitiva umana. CBR se bazeaza pe faptul intuitiv ca problemele noi sunt deseori similare celor intalnite anterior si, prin urmare, solutiile determinate in trecut pot fi folosite in situatia actuala. CBR este o tehnologie robusta si nu necesita obtinerea multor informatii. In aplicatii complexe, cum sunt planificarea si proiectarea, nu e suficient sa se faca apel la cazurile asemanatoare, ci acestea trebuie adaptate pentru a forma o noua solutie.

Modulul de achizitie a cunostintelor genereaza automat reguli de inferenta, ca rezultat al procesului de clasificare a atributelor si a observatiilor definite de experti.

Modulul interfetei utilizator asigura interactiunea dintre operator si sistem prin scheme sinoptice ale statiei de epurare a apelor uzate intreband si raspunzand operatorului in ceea ce priveste evolutia sistemului, situatiile detectate, integrarea datelor de proces obtinute off-line in laborator.

Modulul de explicatii da explicatii in legatura cu concluziile la care au ajuns diferite sisteme bazate pe cunostinte si prezinta, sub forma de rapoarte, informatii privind rationamentele prin care s-a ajuns la acele concluzii.

Sistemul actuatoarelor permite sistemului sa modifice on-line parametri ai procesului de epurare (prin intermediul pompelor, dozatoarelor, vanelor etc.), sub supravegherea operatorului uman.

Sistemul de management al bazei de date controleaza accesul celorlalte module la baza de date evolutiva in timp real, asigurand astfel consistenta si siguranta intregului sistem. Modulul de achizitie a datelor receptioneaza periodic date de la senzorii on-line si le trimite bazei de date prin intermediul sistemului de management al bazei de date.

Modulul de comunicatie la distanta prin tehnologie GPRS asigura comunicatia la distanta intre sistemul distribuit si un supervizor aflat intr-o alta zona. Statiile de epurare a apelor uzate sunt amplasate la distante relativ mari de localitatile urbane sau de poluatorii urbani si/sau industriali. Ca urmare se impune monitorizarea parametrilor si transmiterea datelor la distanta intr-un centru de comanda dotat cu operatori calificati care pot adopta deciziile corecte din punct de vedere al managementului.