Estudio de tratabilidad de las aguas residuales en Bogotá con lodos activados

Estudio de tratabilidad de las aguas residuales

en Bogotá con lodos activados Aspectos de monitoreo en continuo, caracterización

detallada, modelación y simulación del proceso

Jaime Lara-Borrero | Andrés Torres | Andrés BaqueroEditores

Este libro presenta los resultados de la investigación adelantada

como una aproximación a la aplicación del proceso de lodos activados

para el tratamiento de las aguas residuales domesticas en las futuras

grandes plantas de la ciudad de Bogotá. Diferentes actividades

relacionadas con la caracterización del agua residual afluente,

el fraccionamiento de la DQO, monitoreo de la eficiencia de la

transferencia de oxígeno en el reactor aeróbico y la calibración

de modelos y simulación de escenarios, incluida la remoción

de nutrientes en el proceso de lodos activados, fueron adelantadas.

Adicionalmente, las relaciones entre la espacialidad y los regímenes

de precipitación en la dinámica de la calidad del agua afluente

al sistema de tratamiento fueron estudiadas a partir de datos

recolectados, empleando un sistema para seguimiento en continuo

de determinantes de calidad del agua.

Este proyecto de investigación fue financiado conjuntamente

por la Empresa de Acueducto y Alcantarillado de Bogotá y la Pontificia

Universidad Javeriana. El desarrollo del proyecto estuvo a cargo

del grupo de investigación Ciencia e Ingeniería del Agua y el

Ambiente, la ejecución de este proyecto contó con la participación

de estudiantes del pregrado de Ingeniería Civil, Maestría

en Hidrosistemas y Doctorado en Ingeniería de la Pontificia

Universidad Javeriana.

AutoresJaime Lara-Borrero

Andrés Baquero

María Carolina Romero

Santiago Sandoval

Alejandra Ruíz

David Zamora

Jorge Martelo

Laura Marcela Vargas

María Isabel Rivero

Liliana López-Kleine

Thomas Rosmann

Julio Alberto Camargo

Andrés Torres.

Estu

dio

de tr

atab

ilida

d de

las a

guas

resi

dual

es e

n Bo

gotá

con

lodo

s act

ivad

os

laraj

Tachado

laraj

Texto insertado

domésticas

Estudio dE tratabilidad dE las aguas

rEsidualEs En bogotá con lodos

activados

Estudio dE tratabilidad dE las aguas

rEsidualEs En bogotá con lodos

activados Aspectos de monitoreo en continuo, caracterización detallada, modelación y simulación del proceso

Jaime Lara-Borrero

Andrés Torres

Andrés Baquero

Editores

Reservados todos los derechos© Pontificia Universidad Javeriana© Empresa de Acueducto, Alcantarillado y Aseo

de Bogotá© Jaime Lara-Borrero, Andrés Baquero,

María Carolina Romero, Santiago Sandoval, Alejandra Ruíz, David Zamora, Jorge Martelo, Laura Marcela Vargas, María Isabel Rivero, Liliana López-Kleine, Thomas Rosmann, Julio Alberto Camargo, Andrés Torres.

Bogotá, D.C.ISBN: 978-958-716-710-8Número de ejemplares: 200 Impreso y hecho en ColombiaPrinted and Made in Colombia

Prohibida la reproducción total o parcial de este material, sin autorización por escrito de la Pontificia Universi-dad Javeriana.

Carrera 7a, No. 37-25, oficina 13-01.Edificio LutaimaTelefonos: 3208320 ext. 4752www.javeriana.edu.co/editorialBogotá - Colombia

Corrección de estilo:Rodrigo Díaz Lozada

Diseño de colección:Carmen María Sánchez Caro

Diagramación y diseño de cubierta:Boga Cortés y Triana | www.bogavisual.com

Impresión:Javegraf

Estudio de tratabilidad de las aguas residuales en Bogotá con lodos activados: aspectos de monitoreo en con-tinuo, caracterización detallada, modelación y simulación del proceso. / Jaime Lara-Borrero...[et ál.]. -- 1a ed. -- Bogotá: Editorial Pontificia Universidad Javeriana : Empresa de Acueducto, Alcantarillado y Aseo de Bogotá, 2014.111 p. ; 24 cm.Incluye referencias bibliográficas (p. 109-111).ISBN: 978-958-716-710-8

1. TRATAMIENTO DE AGUAS RESIDUALES -- BOGOTÁ (COLOMBIA). 2. PURIFICACIÓN DE AGUAS RESIDUALES -- BOGOTÁ (COLOMBIA). 3. LODOS ACTIVADOS. 4. HIDROLO-GÍA. I. Baquero, Andrés. II. Pontificia Universidad Javeriana. Facultad de Ingeniería.CDD 628.3 ed. 21Catalogación en la publicación - Pontificia Universidad Javeriana. Biblioteca Alfonso Borrero Cabal, S.J.

____________________________________________________________________________ dff. Julio 10 / 2014

Facultad de Ingeniería

ASOCIACIÓN DE UNIVERSIDADESCONFIADAS A LA COMPAÑIA DE JESÚS

EN AMÉRICA LATINA

MIEMBRO DE LA RED DE

EDITORIALES UNIVERSITARIAS

DE AUSJALwww.ausjal.org

Primera edición:

Abr

del

2015il

Contenido

SIGLAS Y ABREVIATURAS 15

AGRADECIMIENTOS 17

INTRODUCCIÓN 19

ESTUDIO DE TRATABILIDAD DE AGUA RESIDUAL EN LA CIUDAD DE BOGOTÁ EN PLANTAS PILOTO CON EL SISTEMA DE LODOS ACTIVADOS 20

Descripción de los sistemas piloto 20

Descripción general de la instalación 20

Tratamiento preliminar 22

TPQA 23

Lodos activados 24

Ensayos previstos y ejecución de ensayos 25

Datos recolectados y fuentes de información empleadas 30

Variables y parámetros con registro de datos continuo 30

Variables y parámetros con registro de datos manual 30

Análisis y pruebas en laboratorio 31

Operación de los sistemas piloto 31

Caudales de operación 32

Purgas de lodos 32

Suministro de aire al RA-101 33Caracterización del agua residual afluente a la estación

elevadora Gibraltar 34

Demanda de oxígeno 39

Nutrientes 45

Comentarios generales sobre la calidad del agua afluente 48

Tratamiento primario químicamente asistido 49

Dosis empleadas y condiciones de operación 49

Caracterización del af luente al sistema piloto 50

Resultados obtenidos 52

Resultados lodos activados 54

Información de medición en línea 54Eficiencias obtenidas en el sistema biológico para las diferentes

edades de lodo 59

Remoción de nutrientes 61

Respirometría 63

Transferencia de oxígeno 68

Modelación del sistema piloto de lodos activados en BioWin 79

Generalidades de la modelación 79

Protocolo de modelación empleado 89

Resultados y analisis 95

Escenarios analizados 101

Resultados obtenidos 101

Análisis de resultados 104

RESULTADOS DEL SISTEMA DE MONITOREO EN CONTINUO DE LAS AGUAS AFLUENTES A LA ESTACIÓN ELEVADORA DE GIBRALTAR 105

Introducción 105

Lineamientos de operación de captores 106

Metodologías de tratamiento y análisis de datos 109

Redes neuronales aplicadas a espectrometría UV-visible 109Cuantiles para la detección de outliers en conjuntos de datos

de SST y DQO en función de espectros UV-visible 111Minería de datos de UV-visible en datos de espectrometría

a través de análisis de datos lineales y no lineales 115

de

Relación de la hidrología con la calidad de las aguas afluentes 119

Metodología propuesta 119

Resultados y discusión 122

CONCLUSIONES Y RECOMENDACIONES 130

Sistema de lodos activados y TPQA 130Sistema de monitoreo en continuo de las aguas afluentes

a la estación elevadora Gibraltar 131

INVESTIGACIONES FUTURAS 133

REFERENCIAS 136

ÍndiCe de figuras

Figura 1. Caudales máximo y mínimo de ingreso a cada unidad de la planta 21

Figura 2. Esquema del tratamiento preliminar 22Figura 3. Esquema general del tren de tratamiento TPQA 23Figura 4. (a) Esquema general RA-101. (b) Esquema general

SE-101/SE-102 25Figura 5. Medianas horarias de SST en el afluente, muestreos

simples 37Figura 6. Medianas de SST en el afluente, muestreos compuestos por mes 38Figura 7. Medianas horarias de SSV en el afluente, muestras

puntuales 38Figura 8. Medianas SSV/SST en el afluente, muestras

compuestas mensuales 39Figura 9. Promedios generales en la composición de sólidos

en el AR afluente a la planta 40Figura 10. Medianas de DQO en el afluente, muestras

compuestas mensuales 41Figura 11. Medianas de DQO por hora del día, muestras

puntuales 42Figura 12. Medianas de DBO5, muestras compuestas por mes 43Figura 13. Relaciones DBO5C/DBO5, muestras compuestas

por mes 43Figura 14. Relaciones DBO5/DQO, muestreos compuestos

por mes 44Figura 15. Medianas de NTK, muestreos compuestos por mes 45Figura 16. Medianas de NH4, muestreos compuestos por mes 46Figura 17. Medianas de PT, muestreos compuestos por mes 46

Figura 18. Medianas de ortofosfatos, muestreos compuestos por mes 47

Figura 19. ST y su composición en el afluente al TPQA 51Figura 20 (a). Resultados obtenidos a partir de las pruebas

realizadas en el TPQA; eficiencias de remoción de DQO 52Figura 20 (B). Resultados obtenidos a partir de las pruebas

realizadas en el TPQA; eficiencias de remoción de SST 53Figura 21. Promedios horarios de pH en la CRC-103

(Sonda pH 2) 54Figura 22. Promedios horarios de pH en el RA-101

(sonda pH 1) 55Figura 23. Promedios horarios de T° (°C) en el RA-101,

por edad de lodo (Sondas pH 1, ORP y OD) 56Figura 24. Promedios horarios de SST (gr/L) en el RA-101

(Sonda TSS) 56Figura 25. Promedios horarios de turbiedad (NTU)

en el RA-101 (Sonda Turb 1) 57Figura 26. Promedios horarios de OD (mg/L) en el RA-101

(Sonda de DO) 57Figura 27. Promedios horarios de ORP (mV) en el RA-101

(sonda de ORP) 58Figura 28. Promedios horarios de turbiedad (NTU)

en el TK-102 (sonda de Turb 2) 59Figura 29. Respirograma del 25 de mayo del 2013 64Figura 30. Respirograma del 30 de mayo del 2013 65Figura 31. Respirograma del 5 de junio del 2013 65Figura 32. Respirograma del 11 de junio del 2013 66Figura 33. Resultados para las pruebas de desorción

y adsorción; a) Kla y b) SOTR 75Figura 34. Resultados para las pruebas de desorción

y adsorción; a) SOTE y b) SAE 75Figura 35. Relación de la edad de lodo con el factor α 76Figura 36. Relación de la fecha de la prueba y el factor α 77

Figura 37. Concentraciones horarias afluentes al reactor aeróbico 83

Figura 38. Relaciones de las concentraciones afluentes al reactor aeróbico 84

Figura 39. Configuración del modelo 87Figura 40. Protocolo de modelación aplicado 90Figura 41. Comparación de resultados del modelo

no calibrado y calibrado con valores medidos 92Figura 42. Sólidos suspendidos totales en el reactor aeróbico.

Medido vs. simulado 96Figura 43. Sólidos suspendidos totales en el efluente.

Medido vs. simulado 96Figura 44. Nitrógeno total Kjeldahl en el efluente.

Medido vs. simulado 97Figura 45. Fósforo total en el efluente. Medido vs. simulado 97Figura 46. Concentración de P. en el efluente

a diferentes edades de lodo 102Figura 47. Demanda de aire en el reactor aeróbico 102Figura 48. Tasa de utilización de oxígeno 103Figura 49. Especies de N. en diferentes edades de lodo 103

ÍndiCe de tablas

Tabla 1. Pruebas previstas en la matriz de experimentos 26Tabla 2. Ensayos ejecutados en la operación

de la planta piloto 29Tabla 3. Edades de lodo de operación del sistema biológico 31Tabla 4. Rangos de OD objetivo en la operación de la planta 33Tabla 5. Cantidad de muestreos analizados para caracterizar

el ARD afluente al sistema 34Tabla 6. Niveles de contaminantes en ARD

domésticas típicas 35Tabla 7. Medianas de las concentraciones registradas 48Tabla 8. Condiciones de operación del TPQA 49Tabla 9. Remociones típicas para tratamientos primarios 52Tabla 10. Muestreos empleados en el análisis de eficiencias –

sistema biológico 59Tabla 11. Medianas de valores y eficiencias obtenidas

en el sistema biológico 60Tabla 12. Resultados del fraccionamiento de la DQO 66Tabla 13. Comparación con resultados teóricos 68Tabla 14. Parámetros obtenidos de las pruebas hechas

en el reactor aeróbico, pruebas en agua limpia 69Tabla 15. Parámetros obtenidos para el reactor aeróbico

(adsorción), pruebas en agua de proceso 72Tabla 16. Pruebas en agua de proceso (adsorción) - valores

promedio ponderados en función del caudal 72Tabla 17. Parámetros obtenidos para el reactor aeróbico

(desorción), pruebas en agua de proceso 73

Tabla 18. Pruebas en agua de proceso (desorción) - promedios ponderados en función del caudal 74

Tabla 19. Fraccionamiento de la DQO según cada una de las fuentes disponibles 85

Tabla 20. Modelo calibrado - Parámetros estequiométricos 94Tabla 21. Modelo calibrado - Parámetros cinéticos 94Tabla 22. Modelo calibrado - Parámetros de la sedimentación 95Tabla 23. Modelo calibrado - Parámetros locales

de la aireación 95Tabla 24. Funciones empleadas para cuantificar la calidad

de predicción 98Tabla 25. Resultados de las funciones para cuantificar

la calidad de predicción del modelo 100Tabla 26. Resultados de la caracterización de la estación

elevadora de Gibraltar 107

15

siglas y abreviaturas

ACF: Función AutocorrelaciónADM: Anaerobic Digestion ModelAMI: Información Mutua PromedioANAMMOX: Anaerobic Ammonia OxidisersAOB: Ammonia Oxidising BiomassARD: Agua Residual DomésticaASCE: American Society of Civil Engineers ASM: Activated Sludge ModelATV: German Association for the Water EnvironmentRMSE: Raíz del Error Cuadrático MedioMAE: Error Promedio AbsolutoMIW: Most Important WavelengthRMSEP: Root Mean Square Error of PredictionPLS: Mínimos Cuadrados ParcialesMo: Mild OutliersEo: Extreme OutliersDR: Datos de RegresiónPDF:Función de Densidad de ProbabilidadCDF: Correspondiente Distribución AcumuladaIQD: Distancia IntercuartilWWTP: Planta de Tratamiento de Aguas ResidualesEAAB: Empresa de Acueducto y Alcantarillado de BogotáPTAR: Planta de Tratamiento de Aguas ResidualesTPQA: Tratamiento Primario Químicamente AsistidoWRC: Water Research CentreDQO: Demanda Química de OxígenoNTK: Nitrógeno Total KjeldahlDBO: Demanda Bioquímica de OxígenoOD: Oxígeno DisueltoSST: Sólidos Suspendidos Totales

estudio de tratabilidad de las aguas residuales en bogotá con lodos activados

16

SSV: Sólidos Suspendidos VolátilesIVL: Índice Volumétrico de LodosS.Sed: Solidos SedimentablesSDT: Sólidos Disueltos TotalesORP: Potencial de Óxido ReducciónST: Sólidos TotalesDBO: Demanda Bioquímica de OxígenoPT: Fósforo TotalSSLM: Sólidos Suspendidos en Licor de MezclaTRC: Tiempo de Resistencia Celular o Edad del LodoN: NitrógenoP: FósforoSOTR: Specific Oxygen Transfer RateSOTE: Oxygen Transfer Efficiency in Standard Conditions in Clear WaterSAE: Standar Aeration EfficiencyF/M: Food to Microorganism RatioIWA: International Water AsociationPAO: Phosphorus Accumulating OrganismsNOB: Nitrite Oxidising Biomass

17

agradeCimientos

Los investigadores principales del proyecto, Jaime Andrés Lara-Borrero y Andrés Torres, agradecemos a los financiadores del proyecto: Empresa de Acueducto, Alcantarillado y Aseo de Bogotá y a la Pontificia Universidad Javeriana, especialmente al Departamento de Ingeniería Civil y su laboratorio de calidad de aguas. A los asesores internacionales que con experiencia colaboraron al éxito del proyecto: Daniel Nolasco (Nolasco Aso-ciados), Diego Rosso (University Of California, Irvine) y Javier Nannig.

También, a todo el personal que participó en el proyecto: Milena Rodríguez, So-nia Castro, Carlos Quitiaquez y Natalia Londoño del laboratorio de calidad de aguas; Alfonso Días, Andrés Arévalo, Jairo Bernal, Juan Carlos Valbuena, Omar Orlando Munar y Saúl Antonio Donado, operarios de la planta piloto; Edilberto Rocha quien nos prestó los servicios de transporte; Ángela María Sánchez, Diana Marchena e Isabel Rivero, estudiantes de Ingeniería Civil; Alejandra Ruiz, Carlos Peña, David Zamora, Jorge Martelo, Julio Camargo, Natalia Mosquera, Santiago Sandoval, Thomas Rosmann, estudiantes de la Maestría en Hidrosistemas, Especialmente a María Carolina Romero Pereira y Gustavo Andrés Baquero Rodríguez (candidato a Doctor en Ingeniería) en-cargados de la coordinación administrativa y técnica del proyecto.

A los profesores de la Pontificia Universidad Javeriana que apoyaron las actividades de diseño y construcción, así como las fases de operación: Andrés Vargas Luna, Luis Alberto Jaramillo, Iván Buitrago, Laura Marcela Vargas, Carlos Alberto Rodríguez y José Antonio Magallón.

A Ana Gloria Chacón y María Victoria Rocha por el apoyo en la administración del proyecto, así como a todo el personal de las distintas dependencias de la Pontificia Universidad Javeriana que nos prestaron su apoyo en las diferentes etapas del proyecto.

A los proveedores que con su servicio y apoyo técnico contribuyeron al éxito del proyecto: Kaeser Compresores Colombia, Energía Inteligente, Baying S.A.S., Xylem Water Solutions Colombia y al Sr. Israel Pérez.

A Colciencias por la financiación de los estudios Doctorales de Gustavo Andrés Baquero Rodríguez mientras participaba en el proyecto como parte de su formación.

19

introduCCiÓn

El 18 de enero del 2011, la Empresa de Acueducto y Alcantarillado de Bogotá (EAAB) y la Pontificia Universidad Javeriana celebraron el convenio No. 9-07-25100-0763-2010, para el desarrollo de un proyecto cuyo objetivo general era establecer la tratabilidad me-diante lodos activados del agua residual afluente al tratamiento secundario de la futura Planta de Tratamiento de Aguas Residuales (PTAR) Canoas de la ciudad de Bogotá. Para tal fin se determinaron cinco objetivos específicos, a saber:

1. Establecer la tratabilidad mediante lodos activados del agua residual afluente al trata-miento secundario de la futura PTAR Canoas.

2. Determinar la transferencia real de oxígeno para los aireadores de última tecnología a la altura de Bogotá.

3. Identificar la influencia de la precipitación y su efecto en los esquemas de operación de lodos activados para el tratamiento de aguas residuales.

4. Construir y operar dos plantas piloto en la estación elevadora de Gibraltar; una con tratamiento primario químicamente asistido (TPQA) y otra con tratamiento secun-dario convencional (lodos activados), de acuerdo con el estudio realizado por HMV Ingenieros para la EAAB.

5. Determinar los coeficientes de aeración y degradación biológica, con el nivel apropiado que permita aplicarlos a los escenarios reales de operación de las futuras plantas de tratamiento de aguas residuales de la ciudad de Bogotá.

20

estudio de tratabilidad de agua residual en la Ciudad de bogotÁ en Plantas Piloto

Con el sistema de lodos aCtivados

Jaime Lara-Borrero, Andrés Baquero, María Carolina Romero, Jorge Martelo, Laura Marcela Vargas, Julio Alberto Camargo

DESCRIPCIÓN DE LOS SISTEMAS PILOTOLa planta piloto se construyó dentro del predio de la estación elevadora Gibraltar, pro-piedad de la EAAB, ubicada en el barrio Patio Bonito, localidad de Ciudad Bolívar al sur de la ciudad de Bogotá. Los sistemas piloto ocupan un área de 60 m2.

De acuerdo con los objetivos del estudio, la construcción de la planta incluyó todas las obras de fabricación, montaje y adecuación de diferentes unidades de tratamiento que componen un sistema de tratamiento preliminar y los dos trenes de tratamiento de agua residual doméstica (ARD). Adicionalmente a las unidades de tratamiento, se cons-truyeron las obras propias de una estructura de este tipo (p. ej. cimentaciones) y otras obras complementarias, incluyendo obras hidráulicas, red neumática e instalación de redes eléctricas.

En cuanto a la descarga del efluente de la PTAR piloto, esta se realiza aguas abajo del punto de captación, para lo cual es descargada primero en una caja de aguas residuales existente dentro del predio. Un ensayo de trazadores colorantes permitió confirmar que la conducción de esta caja descarga junto a las rejas ubicadas en el pozo de los tornillos de la estación elevadora.

Descripción general de la instalaciónLa planta piloto construida cuenta con dos sistemas de tratamiento independientes: TPQA y lodos activados, los cuales serán descritos en este capítulo. Para los dos sis-temas piloto se ha dispuesto de un pretratamiento común. Adicionalmente, en el caso del control hidráulico de los sistemas piloto, se cuenta con cuatro cajas reguladoras de caudal (CRC 101 a 104) y tres sistemas de bombeo (en el siguiente orden, aguas abajo):

21

estudio de tratabilidad de agua residual en la ciudad de bogotá en plantas piloto con el sistema de lodos activados

– Bombeo inicial (PB-101) con dos bombas de agua cruda (BS-101 y BS-102) – Pretratamiento (CRC-101) – Ingreso a cada uno de los trenes de tratamiento: TPQA y lodos activados (CRC-102) – Bombeo efluente de tratamiento primario (TK-101) con dos bombas instaladas (BS-

103 y BS-104) – Alimentación del reactor biológico (CRC-103) – Recirculación de lodos (CRC-104) – Bombeo efluente de recirculación de lodos (PB-102) con dos bombas instaladas (BS-

105 y BS-106)

En la figura 1 se presenta un esquema de la configuración de la PTAR piloto y en la ilustración 1 se pueden apreciar dos fotografías de la planta construida.

FIguRA 1. Caudales máximo y mínimo de ingreso a cada unidad de la planta

FuENTE: elaboración propia


22

ILuSTRACIÓN 1. Vista de la PTAR piloto: a) vista posterior del sistema biológico, b) vista posterior del TPQA


Tratamiento preliminarEl agua proveniente del pozo de bombeo inicial es conducida a un canal con rejillas (CR-101) y, posteriormente, a un canal desarenador (DE-101) y a una trampa-grasas (TG-101), como se observa en la figura 2.

FIguRA 2. Esquema del tratamiento preliminar


23

Estudio dE tratabilidad dE agua rEsidual En la ciudad dE bogotá En plantas piloto con El sistEma dE lodos activados

TPQAEl Tratamiento Primario Químicamente Asistido (TPQA) corresponde al sistema piloto diseñado por Water Research Centre (WRC) en el año 2005 y operado en el marco del contrato que tenía por objeto “Consultoría y asesoría requeridas para el diseño, asesoría de la construcción, puesta en marcha y operación de la planta piloto de la planta de tra-tamiento de aguas residuales El Salitre” (WRC, 2005). Para el TPQA no se realizaron modificaciones al diseño original.

En el TPQA, mediante bombas dosificadoras, se adicionan coagulante y floculante para la remoción de material sólido y coloidal, para finalmente recolectar el agua tratada en un tanque de equilibrio (TK – 103) y posteriormente disponerla en la CARD-101. Inicialmente, el agua proveniente de la CRC-102 pasa por una caja de aforo (CA-101), de donde es conducida a tres tanques floculadores conectados en serie (C-101, C-102 y C-103), los cuales son conducidos finalmente al sedimentador del TPQA (SE-103) y de allí a la CARD-101.

FIguRA 3. Esquema general del tren de tratamiento TPQA



24

Lodos activadosCorresponde al segundo tren de tratamiento de la planta piloto. Inicialmente, el agua pasa por un sedimentador primario (SE-101), de donde es conducida a un tanque de equilibrio (TK-101). En ese tanque se encuentran dos bombas que impulsan el agua a una caja reguladora de caudal (CRC-103) para ingresar al reactor aeróbico (RA-101). A la salida del reactor, el agua pasa por una unidad de sedimentación secundaria (SE-102) y es conducida a un tanque de equilibrio (TK-102) que permite recoger muestras del efluente y lleva el agua a la caja de aguas residuales existentes.

El lodo de retorno proveniente del sedimentador secundario es conducido al pozo de bombeo de lodos (PB-102). En este pozo se encuentran dos bombas (BS-105 y BS-106) que llevan los lodos a la caja reguladora de caudal (CRC-104), para recirculados al RA-101.

A continuación se presenta una breve descripción de las principales unidades que comprenden el sistema biológico: SE-101, RA-101 y SE-102.

– SE-101: corresponde al tratamiento primario del sistema biológico. El SE-101 está diseñado con sección circular, con una altura total de 2,9 m y un diámetro de 1,5 m. La unidad es alimentada por un cilindro de alimentación (feed well) en el centro de la unidad y el efluente sale por un canal de perimetral en la parte superior del tanque (véase figura 4b).

– RA-101: corresponde a la unidad de lodos activados. Se diseñó con sección rectangular y tiene una altura total de 6,9 m, un ancho de 50 cm y un largo de 3,8 m. La entrada de agua se realiza mediante una tubería sumergida. El agua residual ingresa inicialmente a un selector anaeróbico y después al reactor aeróbico por la parte inferior del tanque (véase figura 4a). Dentro del reactor se encuentran instalados siete difusores de burbuja fina, que liberan el aire suministrado por un equipo soplador con capacidad de 7,5 HP. La salida del reactor aeróbico está compuesta por dos tuberías en la parte media y alta del tanque que conducen a una caja de equilibrio, de donde el agua es descargada al sedimentador secundario.

– SE-102: recibe el efluente del RA-101 y está diseñado para realizar la sedimentación secundaria del sistema biológico. Al igual que el SE-101, se diseñó con sección circular, con alimentación mediante un feed well ubicado en el centro del tanque y descarga a través de un canal de vertederos perimetral, en la parte superior del tanque. Esta unidad tiene una altura total de 4,3 m y un diámetro de 1,71 m.

25


FIgu RA 4. (a) Esquema general RA-101. (b) Esquema general SE-101/SE-102


ENSAYOS PREVISTOS Y EJECuCIÓN DE ENSAYOSDurante la operación de la planta piloto se realizaron diferentes actividades, divididas en cuatro secciones:

1. Pruebas de transferencia de oxígeno2. Estabilización del sistema biológico en cada edad de lodo3. Modelación del sistema de lodos activados (operación y respirometría) 4. Pruebas con coagulante y coadyuvante en TPQA

En la tabla 1 se presenta una breve descripción de las pruebas realizadas, incluyendo los lineamientos, el propósito, el lugar y el número de muestreos previstos.


26

TAbLA 1. Pruebas previstas en la matriz de experimentosPr

ueba

sLin

eam

ient

osPr

opós

itoLu

gare

s de

mue

streo

Núm

ero

de p

rueb

as

prev

istas

Eval

uació

n de

tran

sfere

ncia

de o

xígen

o

Prue

bas e

n ag

ua

limpi

a y en

agua

de

proc

eso

Mea

sure

men

t of O

xyge

n Tr

ansfe

r in

Clea

n W

ater

(ASC

E/E

WR

I 2-0

6)

Mea

sure

men

t of t

he O

xyge

n Tr

ansfe

r in

Activ

ated

Slu

dge A

erat

ion T

anks

with

Clea

n W

ater

and i

n M

ixed

Liq

uor (

AT

V 20

9E)

Det

erm

inac

ión

de va

lore

s KLa

(coe

ficien

te vo

lum

étric

o de

tr

ansfe

renc

ia d

e mas

a) p

ara a

gua

limpi

a y ag

ua d

e pro

ceso

Valo

r α (a

lfa) c

orre

spon

dien

te a

la

rela

ción

de lo

s val

ores

men

ciona

dos

ante

riorm

ente

(KLa a

gua d

e pro

ceso

/ K

La a

gua l

impi

a)R

ecol

ecta

r inf

orm

ació

n so

bre e

l co

nsum

o en

ergé

tico

y el c

auda

l de a

ire

gene

rado

por

el so

plad

or, c

on el

fin

de

dete

rmin

ar p

arám

etro

s aso

ciad

os a

la

efici

enci

a del

equi

po

RA

-101 (

prue

bas

en ag

ua li

mpi

a y e

n ag

ua d

e pr

oces

o)

Uno

par

a ca

da ed

ad d

e lo

do (c

uatro

en

tota

l)

Esta

biliz

ació

n de

l sist

ema b

ioló

gico

– ca

mbi

o ed

ad d

e lod

o

Cál

culo

de l

a eda

d de

lodo

Cál

culo

a pa

rtir

de la

cant

idad

de s

olid

os

pres

ente

s en

el ta

nque

de a

erac

ión

divi

dido

po

r la m

asa d

e sól

idos

pur

gada

del

siste

ma

cada

día

Aju

star l

as co

ndici

ones

de o

pera

ción

de la

pla

nta (

reci

rcul

ació

n y p

urga

de

lodo

, prin

cipal

men

te) p

ara

logr

ar co

ndici

ones

de o

pera

ción

esta

bles

que

repr

esen

ten

cada

una

de

las d

ifere

ntes

edad

es d

e lod

o

RA

-101

PB-10

2C

RC-10

1C

RC-10

3C

RC-10

4T

K-10

2

19 en

tota

l

Esta

biliz

ació

n pa

ra

cada

edad

del

lodo

Mon

itore

o de

par

ámet

ros p

ara c

ada e

dad

de lo

do (T

°, pH

, con

duct

ivid

ad, O

D, I

VL

, SS

T, S

SV, D

BO5,

DBO

5 car

boná

cea,

DBO

5 ni

troge

náce

a, D

QO

, alca

nilin

idad

)

27


Prue

bas

Linea

mie

ntos

Prop

ósito

Luga

res d

e m

uestr

eo

Núm

ero

de p

rueb

as

prev

istas

Mod

elac

ión

del s

istem

a pilo

to d

e lod

os ac

tivad

os (e

tapa

de o

pera

ción)

Mod

elac

ión

de lo

dos

activ

ados

Cal

ibra

ción

de m

odelo

y sim

ulac

ión

de

esce

nario

s em

plea

ndo

el sim

ulad

or B

ioW

in.

Ope

ració

n en

cuat

ro ed

ades

de l

odo

dist

inta

s (tr

es d

e cal

ibra

ción

y una

de v

alid

ació

n)M

onito

reo

de ca

lidad

del

agua

med

iant

e pa

rám

etro

s sele

ccio

nado

s (D

QO

, NT

K,

fósfo

ro to

tal,

DBO

, nitr

atos

, nitr

itos,

alca

linid

ad, c

alcio

, pH

, Mg,

OD

, DQ

O

filtr

ada,

DQ

O fi

ltrad

a y fl

ocul

ada,

acet

ato,

ni

tróge

no am

onia

cal,

orto

fofa

tos,

DBO

C

, DBO

N, D

BO F

il, S

ST, S

SV, I

VL

, tu

rbie

dad,

redo

x, te

mpe

ratu

ra, S

DT

)

Ope

rar l

a pla

nta e

n co

ndici

ones

es

tabl

es p

ara c

ada e

dad

de lo

do, a

fin

de re

aliz

ar ca

mpa

ñas d

e mon

itore

o qu

e brin

den

info

rmac

ión

sobr

e el

rend

imien

to y

las c

ondi

cione

s del

siste

ma

Defi

nició

n de

l tiem

po d

e ret

enció

n de

só

lidos

y el

anál

isis d

e su

influ

enci

a en

el de

sem

peño

del

proc

eso

Mon

itore

o de

calid

ad d

el ag

ua

med

iant

e inf

orm

ació

n re

copi

lada

con

regi

stro

de d

atos

cont

inuo

, ens

ayos

de

labo

rato

rio y

capt

ura d

e dat

os en

la

oper

ació

n

RA

-101

CRC

-101

TK-

101

TK-

102

Och

o m

uest

reos

Mod

elac

ión

del s

istem

a pilo

to d

e lod

os ac

tivad

os

Frac

ciona

mien

to d

e la

DQ

O

Det

erm

inac

ión

por r

espi

rom

etría

(tas

as d

e co

nsum

o de

oxí

geno

vs. t

iempo

)

Det

erm

inar

las f

racc

ione

s de l

a DQ

O

corr

espo

ndien

tes a

rápi

dam

ente

bi

odeg

rada

ble,

lenta

men

te

biod

egra

dabl

e y as

ocia

da a

la

resp

iració

n en

dóge

na

Uno

par

a ca

da ed

ad d

e lo

do (c

uatro

en

tota

l)


28

Prue

bas

Linea

mie

ntos

Prop

ósito

Luga

res d

e m

uestr

eo

Núm

ero

de p

rueb

as

prev

istas

TPQA

Ope

ració

n co

n di

fere

ntes

dos

is de

clo

ruro

férr

ico y

polím

ero

anió

nico

Aná

lisis

de d

ifere

ntes

par

ámet

ros d

e ca

lidad

del

agua

(aflu

ente

y efl

uent

e) q

ue

serv

irá co

mo

refe

renc

ia p

ara d

eter

min

ar la

s co

ndici

ones

ópt

imas

de o

pera

ción:

turb

ieda

d,

pH, O

D, r

edox

, DQ

O, D

BO5,

SST,

SSV

, al

calin

idad

, SST

A p

artir

de l

os re

sulta

dos o

bten

idos

, se

iden

tifica

rán

las c

ondi

cione

s de o

pera

ción

que p

erm

itan

alca

nzar

efici

enci

as d

e re

moc

ión

corr

espo

ndien

tes a

60 %

de l

os

SST

y 40

% en

DBO

5 (R

esol

ució

n 81

7 de

1996

, Min

ister

io d

el M

edio

Am

bien

te)

Iden

tifica

r las

cond

icion

es d

e dos

is óp

tima p

ara c

oagu

lant

e y fl

ocul

ante

, as

í com

o de

gra

dien

te h

idrá

ulico

par

a de

term

inad

as m

ezcl

as d

e quí

mico

s

CRC

-102

TK-

103

28 en

tota

l

29


El sistema biológico fue operado en cuatro edades de lodos diferentes, iniciando pruebas con la de 2 días. Posteriormente, el sistema fue estabilizado en las de 3 y 5 días. Estas edades de lodo fueron contempladas como el insumo para la calibración del modelo y en general para el conocimiento del afluente a tratar en el sistema de lodos activados.

Posteriormente, se seleccionó la edad para la validación del modelo del sistema de lodos activados. Esta selección se realizó a partir de 186 simulaciones llevadas a cabo con una versión preliminar del modelo calibrado (no validado). Para esto se utilizaron diversas combinaciones de edad de lodo, porcentajes de recirculación de lodo y concen-tración de OD en el RA-101, dentro de los siguientes rangos:

– Edad de lodo: entre 2 y 7 días – Porcentaje de recirculación de lodo: entre 25 y 200 % – Concentración de OD en el RA-101: entre 0,5 y 2 mg/L

Como resultado se obtuvieron los siguientes parámetros para la recolección de datos durante la etapa de validación del modelo:

– Edad de lodo: 2,5 días – Porcentaje de recirculación de lodo: 75 % – Concentración de OD en el RA-101: 1 mg/L

En la tabla 2 se presenta un resumen de los ensayos realizados por tipo de muestreo y para cada edad de lodo.

TAbLA 2. Ensayos ejecutados en la operación de la planta piloto

Edad de lodo

Transferencia de oxígeno

Etapa de estabilización

Etapa de operación

Ensayo de respirometría

TPQA*

N/A

Punt

ual

Com

pues

ta

Punt

ual

Com

pues

ta

Punt

ual

Com

pues

ta

Punt

ual

Edad de lodo 1 = 2 días 1 0 13 5 5 2 1 14Edad de lodo 2 = 3 días 2 0 4 2 3 0 1 0Edad de lodo 3 = 5 días 2 3 5 0 9 0 4 5Edad de lodo 4 = 2,5 días (validación)

1 0 0 0 4 0 0 8

Total 6 3 22 7 16 2 6 27

* Edad de lodo no aplica


30

DATOS RECOLECTADOS Y FuENTES DE INFORMACIÓN EMPLEADASLas principales fuentes de datos recolectados fueron tres:

1. Registro en continuo mediante sensores, usualmente en escalas temporales de minutos. 2. Registro manual a cargo de los operarios, a partir de lecturas directas en diferentes

equipos empleados, por lo general en frecuencia horaria.3. Analisis de calidad del agua en laboratorio.

A continuación se incluye una explicación relacionada con los procedimientos aplicados para la captura de cada conjunto de datos.

Variables y parámetros con registro de datos continuoParámetros de calidad del agua: se registraron cinco parámetros de calidad del agua cada minuto. La ubicación de las sondas empleadas varió dependiendo de las necesidades de la operación y de las necesidades previstas en la matriz de experimentos. Los parámetros de calidad del agua registrados fueron:

• pH, sonda pH 1 y sonda pH 2 • Turbiedad, sonda Turb 1 y sonda Turb 2• OD• ORP• SST, sondas TSS 1 y TSS 2

Temperatura ambiente: mientras estuvo en operación la planta piloto se mantuvo registro de temperatura ambiente, a partir de un termómetro ambiental; el registro se llevó a cabo cada 5 min.

Variables y parámetros con registro de datos manualDurante toda la operación de la planta piloto se mantuvo el registro en bitácora de dife-rentes datos. Este registro se hacía cada hora a partir de la información a la que tenían acceso los operarios de la planta. La información registrada corresponde a:

• Caudales de las cajas reguladoras 1 a 4• Registro de purgas• Caudales de aire (registro de datos en continuo)

31


• Frecuencia a la que opera el soplador• Temperatura ambiente• Lluvia y condiciones climáticas• Solidos sedimentables RA-101 (reactor aeróbico) y CRC-104 (lodo de retorno), entre

4 y 6 pruebas cada 24 horas

Análisis y pruebas en laboratorioEl proyecto solicitó análisis de calidad del agua al laboratorio de la EAAB y al La-boratorio de Calidad de Aguas del Departamento de Ingeniería Civil de la Pontificia Universidad Javeriana.

En los dos laboratorios mencionados se hicieron análisis de parámetros de calidad del agua convencionales. Adicionalmente, en el laboratorio de la Universidad Javeriana se realizaron pruebas de respirometría y algunos parámetros no convencionales (DQO filtrada y floculada) asociados al fraccionamiento de la DQO.

OPERACIÓN DE LOS SISTEMAS PILOTODe acuerdo con los objetivos de este estudio, el sistema de lodos activados se operó para cuatro edades de lodo distintas: 2 días, 3 días, 5 días y 2,5 días, con el fin de evaluar diferentes escenarios a la luz de las eficiencias del sistema con diferentes condiciones de operación, en los intervalos de tiempo que se muestran en la tabla 3.

TAbLA 3. Edades de lodo de operación del sistema biológico

Edad de lodoFecha Caudal promedio (l/s)

De ASistema biológico (CRC-103)

Recirculación de lodos (CRC-104)

2 días 01/01/2013 17/01/2013 0,6 0,618/01/2013 01/04/2013 0,5 0,5

3 días (a) 02/04/2013 19/04/2013 0,5 0,5

5 días 19/04/2013 14/05/2013 0,5 0,514/05/2013 16/06/2013 0,5 0,3

3 días (b) 17/06/2013 07/07/2013 0,5 0,32,5 días 07/07/2013 17/07/2013 0,4 0,3

Para cada edad de lodo se mantuvieron condiciones de operación específicas, incluyendo caudales, purgas de lodos y caudales de recirculación de lodos, de acuer-


32

do con las necesidades del sistema para mantener una condición de operación estable. A continuación se resumen estas condiciones de operación.

Caudales de operaciónEl caudal de ingreso a este tren de tratamiento se mantuvo constante, inicialmente en 0,6 L/s para la edad de lodo de 2 días. Posteriormente, dado que se encontró que el agua residual afluente tenía altas cargas de contaminantes, fue necesario reducir el caudal de ingreso para así disminuir la carga total de tratamiento, por lo que el caudal se redujo a 0,5 L/s a partir del 2 de febrero del 2013 y hasta el final de la edad de lodo de 2 días.

En el caso de las edades de lodo de 3 y 5 días se operó con caudales constantes de 0,5 L/s, en tanto que para la edad de lodo de 2,5 días se trabajó con un caudal de ingre-so al sistema biológico de 0,4 L/s. Esto último con el fin de variar las condiciones de carga afluentes al reactor aeróbico y sedimentador secundario entre las edades de lodo empleadas para calibración y validación.

En cuanto a la recirculación de lodos, se comenzó con una recirculación del 100 % con respecto al caudal de operación del sistema biológico. Sin embargo, dado que se presentaron problemas de sedimentación en el reactor, a partir del 15 de mayo del 2013 se operó con una del 60 %. En cuanto a la edad de lodo de 2,5 días (validación del modelo), se trabajó con un porcentaje del 75 %.

Purgas de lodosDurante la operación del sistema biológico se realizaron periódicamente las purgas, con el fin de mantener las diferentes edades de lodo que fueron evaluadas en el estudio. Inicialmente, la cantidad se controló mediante aforo volumétrico en el TK-104 (véase anexo 2.3). El volumen de lodo purgado diariamente se calculó a partir de la relación entre los sólidos en el sistema y los sólidos purgados. Las purgas se realizaron con el lodo proveniente del SE-102 con valores entre 1 y 3,6 m3/d. La determinación del vo-lumen de purga para el procedimiento descrito requería determinaciones diarias de las concentraciones de sólidos. Con el fin de facilitar el control de la edad del lodo, y siguiendo las recomendaciones de los expertos internacionales que asesoraron el pro-yecto, se implementó el denominado control hidráulico de la edad del lodo, estrategia de control que permite purgar el lodo directamente desde el reactor aeróbico (no desde el sedimentador secundario). El volumen a purgar se determina a partir de la relación entre el volumen del reactor y la edad de lodo objetivo. A partir del 25 de enero del 2013 se implementó esta estrategia de control. Para cada edad de lodo las purgas se manejaron de la siguiente manera:

33


– Edad de lodo de 2 días: 6,1 m3/d, acumulando purgas horarias para 24 horas. – Edad de lodo de 3 días: 4 m3/d, acumulando purgas horarias para 24 horas - purgas

cada 1 y 1,5 horas, respectivamente, para cada una de las dos veces que se operó esta edad del lodo.

– Edad de lodo de 5 días: 2,45 m3/d, realizando purgas cada 2 horas. – Edad de lodo de validación (2,5 días): 4,89 m3/d, realizando purgas cada 1,5 horas.

Suministro de aire al RA-101El suministro de aire al RA-101 se realizó mediante siete difusores de membrana fina. El aire era suministrado por un soplador de 7,5 HP (Kaeser modelo Omega BB 52C) instalado en el sistema. El suministro de aire al reactor aeróbico se controlaba utilizan-do un variador de frecuencia. Los operarios de la planta realizaban el registro horario de las frecuencias de operación del soplador de manera manual. La cantidad de aire suministrado al reactor obedeció a las demandas del sistema, al efecto de mantener los niveles de OD en los rangos contemplados para su operación. En la tabla 4 se presentan los niveles de OD que se procuró mantener en cada etapa de la operación.

TAbLA 4. Rangos de OD objetivo en la operación de la planta

Fechas Edad de lodo Rango de OD objetivo01/01/2013 a 17/01/2013 2 días 1 a 2 mg/L18/01/2013 a 28/02/2013 2 días > 2 mg/L01/03/2013 a 01/04/2013 2 días > 1 mg/L02/04/2013 a 19/04/2013 3 días > 1 mg/L19/04/2013 a 14/05/2013 5 días > 1 mg/L14/05/2013 a 16/06/2013 5 días 2 a 3 mg/L17/06/2013 a 07/07/2013 3 días 2 a 3 mg/L07/07/2013 a 17/07/2013 2,5 días (validación) 0,8 a 1,2 mg/L

La frecuencia del variador que controla el soplador está directamente relacionada con la cantidad de aire suministrado al reactor aeróbico. Para garantizar los niveles de OD presentados en la tabla 4, la frecuencia del variador se mantuvo en el rango com-pendio entre 40 y 55 Hz.


34

Durante la operación del sistema piloto, especialmente en la fase inicial, se eva-luaron diferentes escenarios asociados al suministro de aire, entre ellos: (1) se operó a frecuencia constante alrededor de 22 Hz. La variación de la cantidad de aire entregado al reactor aeróbico se hizo mediante control manual de una válvula instalada en la tubería de conducción de aire. Este mecanismo de control fue descartado y remplazado por el control desde el variador. (2) Durante algunos días, se operó el reactor aeróbico con un caudal de aire constante, esta condición permitió identificar la variabilidad de la carga orgánica afluente al reactor aeróbico representada en las variaciones de la concentración de oxígeno disuelto dentro del reactor.

CARACTERIZACIÓN DEL AguA RESIDuAL AFLuENTE A LA ESTACIÓN ELEVADORA gIbRALTARDurante la operación de la planta se tomaron muestras puntuales y compuestas para caracterizar el agua afluente al sistema de tratamiento, las cuales fueron analizadas tanto en el Laboratorio de Calidad de Aguas del Departamento de Ingeniería Civil de la Pontificia Universidad Javeriana como en el laboratorio de la EAAB. Estas muestras fueron tomadas en el PB-101 y en la entrada de la CRC-101, entre los meses de agosto del 2012 y julio del 2013. La caracterización del agua residual de entrada al sistema piloto se realizó a partir de 279 muestreos, de los cuales 168 se utilizaron para análisis de sólidos, 104 para demanda de oxígeno y 39 para analizar nutrientes (véase tabla 5).

TAbLA 5. Cantidad de muestreos analizados para caracterizar el ARD afluente al sistema

AnálisisMuestreos puntuales

Muestreos compuestos

Total de muestreos analizados

Contenido de sólidos 66 102 168Demanda de oxígeno 12 92 104Nutrientes - 39 39

Para los resultados presentados en este capítulo se utilizó la mediana como medida de tendencia central, dado que este valor representa la posición central del conjunto de datos. De esta forma, los valores mayores y menores representan el 50 % del total de datos analizados y el valor analizado (o mediana) no se ve afectado por valores extremos.

Para el análisis de los diferentes parámetros se calcularon promedios por hora del día a partir de los muestreos puntuales, así como promedios por día de la semana, día/noche/día-noche y por mes, sobre la base de muestreos compuestos. Es importante te-

35


ner en cuenta que la cantidad de datos por día de la semana es inferior los días sábado y domingo, dado que la mayor cantidad de muestreos se llevó a cabo entre semana.

TAbLA 6. Niveles de contaminantes en ARD domésticas típicas

Contaminante UnidadNivel de contaminación

Bajo Medio Alto Sólidos totales (ST) mg/L 390 720 1230Sólidos disueltos totales (SDT) mg/L 270 500 860Sólidos disueltos volátiles (SDV) mg/L 110 200 340Sólidos suspendidos totales (SST) mg/L 120 210 400Sólidos suspendidos volátiles (SSV) mg/L 95 160 315Demanda bioquímica de oxígeno (DBO5) mg/L 110 190 350Demanda química de oxígeno (DQO) mg/L 250 430 800DBO5/DQO - 0,5 - 0,8 0,3 - 0,5 <0,3Nitrógeno total Kjeldahl (NTK) mg/L 20 40 70Nitrógeno amoniacal (NH4) mg/L 12 25 45Fósforo total mg/L 4 7 12Ortofostatos (fósforo inorgánico) mg/L 3 5 10

FuENTE: Metcalf & Eddy et ál. (2013)

De acuerdo con estos resultados, el ARD que ingresa a la planta presenta carac-terísticas correspondientes a un nivel de contaminación medio a alto, como se describe en este capítulo.

Contenido de sólidos en el AR afluente

Sólidos totales (ST)De acuerdo con los resultados de los muestreos compuestos analizados entre los meses de agosto del 2012 y julio del 2013, se encontraron concentraciones promedio de ST entre 700 y 1270 mg/L, aproximadamente.

Para el total de las muestras compuestas, la mediana de los ST corresponde a 781,5 mg/L. De acuerdo con Metcalf & Eddy et ál. (2013), el valor promedio registrado está asociado a un nivel de contaminación predominante medio.


36

Sólidos disueltos totales (SDT)Los SDT se encontraron en concentraciones con medianas entre 460 y 900 mg/L, aproximadamente.

Para el total de las muestras compuestas, la mediana de los SDT corresponde a 501 mg/L. De acuerdo con Metcalf & Eddy et ál. (2013), el valor promedio registrado está asociado a un nivel de contaminación predominante medio.

Sólidos suspendidos totales (SST)Los resultados obtenidos muestran un comportamiento asociado a un nivel de conta-minación predominantemente medio (mediana muestras compuestas = 251 mg/L), de acuerdo con Metcalf & Eddy et ál. (2013).

En los resultados de las muestras horarias se pueden observar variaciones en las cargas horarias, con picos marcados al medio día (400 mg/L) y una disminución de la carga afluente en el transcurso de la tarde. Las cargas más bajas se presentan en hora-rios cercanos a la media noche. El comportamiento descrito se puede ver en la figura 5.

Es importante resaltar que las concentraciones promedio muestran un nivel de contaminación medio, pero las muestras puntuales permiten ver variaciones significa-tivas entre el día (nivel de contaminación alto alrededor del medio día) y la noche (nivel de contaminación bajo alrededor de la media noche).

En general, los valores de SST varían dentro del rango de contaminación medio a alto, según las referencias tomadas para caracterizar el afluente.

Sólidos suspendidos volátiles (SSV)La mediana estimada a partir de los datos disponibles durante 2013 corresponde a 186 mg/L, valor este un poco superior al valor de contaminación media contemplado en Metcalf & Eddy et ál. (2013).

La fracción volátil de los SS (SSV) presenta promedios dentro de los niveles de contaminación de ARD medio a alto, tanto por día de la semana como por mes, a ex-cepción del mes de febrero y abril del 2013 (veáse figura 8). Sin embargo, experimenta variaciones en el transcurso del día, con niveles inferiores en horas de la noche y alcan-zando los mayores promedios hacia el mediodía, como se observa en la figura 7. En todos los casos (promedios por día, por mes y por hora) la relación SSV/SST se mantiene entre 60 % y 80 %, aproximadamente (véase figura 8).

A partir de las relaciones SSV/SST estimadas con los valores típicos disponibles en la referencia empleada, se puede decir que de conformidad con los niveles de conta-minación bajo, medio y alto (0,79, 0,76 y 0,78), las relaciones entre estos dos parámetros permanecen un poco por debajo del 80 %. En la figura 5 se presentan variaciones en las

37


relaciones SSV/SST comprendidas entre 60% y 80 %, aproximadamente, la mayor parte de ellas con valores cercanos al 80 %.

Durante el 2013 (exceptuando mayo) existe una relación inversa entre las horas de lluvia registradas en la bitácora y la relación SSV/SST. A mayor número de horas de llu-via, menor valor para la relación SSV/SST. En enero de dicho año, durante el cual solo se registraron 4 horas de lluvia, la relación SSV/SST fue de 0,85. Por el contrario, para el mes de febrero, en el cual se registraron 20 horas de lluvia, la relación fue la más baja: 0,59. Los otros meses se ajustan linealmente entre estos dos valores extremos. Es probable que las lluvias favorezcan el arrastre de solidos (asociados a SST) almacenados dentro de los sistemas de conducción de aguas residuales. Quizá sea esta la razón por la que las relaciones SSV/SST muestran variaciones de acuerdo con los datos promedio mensuales.

Finalmente, se puede decir que las relaciones se mantienen alrededor de los valores típicos esperados y las variaciones identificadas guardan relación con las lluvias registradas.

FIguRA 5. Medianas horarias de SST en el afluente, muestreos simples


38

FIguRA 6. Medianas de SST en el afluente, muestreos compuestos por mes

FIguRA 7. Medianas horarias de SSV en el afluente, muestras puntuales

39


FIguRA 8. Medianas SSV/SST en el afluente, muestras compuestas mensuales

Análisis del contenido de sólidos en el afluenteAl realizar el análisis de los datos de sólidos obtenidos en el afluente, se encuentra que los ST están compuestos principalmente por sólidos disueltos (en promedio 70 % de los ST), de los cuales un 30 % corresponde a la fracción volátil. De los SST, que representan el 30 % de los ST, 80 % corresponden a SSV, como se ilustra en la figura 9. Así, la fracción volátil total, calculada tanto con las medianas diarias de los valores obtenidos en los muestreos, como con los promedios descritos en la figura 9, representa un 45 % de los ST en el agua afluente a la planta. La relación SSV/SST para el agua residual afluente a la planta se encuentra dentro de los rangos típicos para ARD. De igual forma, niveles altos de SSV favorecerán la producción de lodo con un alto grado de biodegradabilidad.

Demanda de oxígenoPara caracterizar el agua residual afluente a la planta se analizaron diferentes parámetros indicadores de demanda de oxígeno, específicamente DBO5, DBO5 carbonácea, DBO5 nitrogenada, DQO y diferentes fracciones de la DQO. A continuación se presentan los resultados obtenidos y el análisis realizado para caracterizar el ARD.


40

FIguRA 9. Promedios generales en la composición de sólidos en el AR afluente a la planta


Demanda química de oxígeno (DQO)Los datos obtenidos de DQO, tanto para muestreos puntuales como para muestreos compuestos, indican valores de DQO cercanos a los niveles para ARD altamente con-taminadas. Los muestreos compuestos arrojan medianas mensuales que están entre 570 y 920 mg/L, como se observa en la figura 10.

La mediana de las muestras compuestas disponibles para DQO corresponde a 634 mg/L, valor consistente con el nivel de contaminación medio-alto (430-800 mg/L).

Fracción soluble no biodegradable de la DQOConsiderando concentraciones típicas de DQO en un agua residual domestica entre 250 y 700 mg/L, la fracción soluble no biodegradable de la DQO presenta valores comprendidos entre 20 y 50 mg/L, alrededor de 0,04-0,16 mg/L de DQO soluble no biodegradable por cada mg/L de DQO. El valor correspondiente a la mediana de los

41


valores de la DQO coagulada y filtrada (DQOcf) registrados entre enero y julio de 2013 es de 128 mg/L.

La muestra para determinar la fracción soluble no biodegradable de la DQO es tomada del efluente del sistema biológico. El valor de la DQOcf es asociado con la frac-ción soluble no biodegradable, ya que se asume que la fracción soluble biodegradable es una fracción rápidamente biodegradable que va a ser removida fácilmente durante el tratamiento en el sistema de lodos activados (Melcer, 2003).

Un efluente con 128 mg/L de DQO corresponde a una eficiencia de remoción aproximada del 77 % (únicamente contemplando entrada-salida del sistema biológico). Esta eficiencia podría ser más alta si al sistema de tratamiento no llegaran vertimientos asociados a la fracción soluble no biodegradable. En el caso real de la ciudad de Bogotá, la oportuna gestión de la autoridad ambiental en el control de vertimientos permitirá reducir la carga contaminante afluente a las futuras plantas de tratamiento.

Desde el punto de vista del fraccionamiento de la DQO, se puede inferir que hay una marcada presencia de vertimientos que aportan contaminantes solubles no biodegradables, asociados principalmente con vertimientos industriales no controlados.

FIguRA 10. Medianas de DQO en el afluente, muestras compuestas mensuales


42

FIguRA 11. Medianas de DQO por hora del día, muestras puntuales

Demanda bioquímica de oxígeno (DBO5)La mediana de los valores de DBO5 registrados en el afluente (muestras compuestas) a la planta piloto corresponde a un valor de 345 mg/L. Al comparar este valor con la refe-rencia seleccionada se puede afirmar que corresponde a un nivel de contaminación alto.En cuanto a la caracterización de la DBO en el afluente a la planta, se realizaron aná-lisis de laboratorio de DBO5 carbonácea (DBO5C), a partir de los cuales se calculó la fracción nitrogenada (DBO5 N). Los promedios mensuales (figura 13) arrojan relaciones DBO5C/DBO5 de aproximadamente 70 % para los meses de abril y mayo del 2013, y superiores al 80 % para los meses de junio y julio.

Relación DBO5/DQOCon el fin de garantizar condiciones adecuadas para la degradación biológica de la

materia orgánica, se recomienda mantener la relación DBO5/DQO en valores superiores a 0,3 e inferiores a 0,8. Se considera que valores superiores a 0,5 facilitan el tratamiento biológico, mientras que valores inferiores pueden indicar la presencia de componentes tóxicos que pueden inhibir el proceso (Metcalf & Eddy et ál., 2013).

En cuanto a los promedios mensuales, se encuentran valores entre 0,4 y 0,6, como se observa en la figura 14.

43


FIguRA 12. Medianas de DBO5, muestras compuestas por mes

FIguRA 13. Relaciones DBO5C/DBO5, muestras compuestas por mes


44

FIguRA 14. Relaciones DBO5/DQO, muestreos compuestos por mes

Análisis de la demanda de oxígeno en el afluenteEn general, los valores de DBO5 y DQO son elevados (alrededor de 350 mg/L y 630 mg/L, respectivamente) con respecto a ARD típicas. Los valores medios de DBO5 incluso alcanzan niveles superiores a 600 mg/L, valor muy superior al máximo de una ARD típica altamente cargada, lo cual podría tener implicaciones en la demanda de oxígeno del sistema biológico y en una mayor producción de lodos. De manera similar, los valores más altos de DQO alcanzan los 900 mg/L, sobrepasando el límite máximo de una ARD típica altamente cargada.

Por otra parte, como es de esperarse, las concentraciones de contaminantes para aguas residuales domésticas varían considerablemente durante el día. El pico en la de-manda de oxígeno se presenta hacia el mediodía y los valores más bajos en horas de la madrugada. La DQO varía en un rango amplio, con medianas desde 200 mg/L hasta casi 1000 mg/L.

Al revisar los datos obtenidos para la relación DBO/DQO, se encuentran valores puntuales tan bajos como 0,24, lo cual reitera la presencia de contaminantes que podrían inhibir el proceso biológico.

Altos contenidos de DBO y DQO biodegradable resultan en mayor demanda de volúmenes para las unidades de tratamiento biológico, mayores producciones de lodo, una mayor demanda de oxígeno y contribuyen a una mayor remoción de fósforo orgá-nico, mientras que valores elevados de la fracción no biodegradable resultan en mayores concentraciones en el efluente de estos parámetros.

45


NutrientesPara caracterizar el ARD afluente a la PTAR se tuvieron en cuenta algunos paráme-tros indicadores del contenido de nutrientes (nitrógeno y fósforo). Dichos parámetros se analizaron a partir de los resultados de muestreos compuestos realizados entre los meses de enero y julio del 2013.

Nitrógeno De acuerdo con las medianas de nitrógeno total Kjeldalh (NTK) mensuales (figura 15), calculadas a partir de los muestreos compuestos, se encontraron valores correspondientes a una ARD altamente contaminada. Los promedios mensuales presentan una disminución gradual entre los meses de enero y julio de 2013. Para los dos primeros meses registrados (enero y mayo del 2013), los valores promedio superaron el límite superior de NTK para ARD típicas, con valores alrededor de 80 mg/L. Para el mes de julio, el promedio se redujo hasta aproximadamente 50 mg/L, estando aún así dentro del rango de agua con contaminación medio a alto.En cuanto al nitrógeno amoniacal (NH4), se presentan también valores elevados con respecto a las referencias de ARD típicas, con registros superiores a los 45 mg/L. En horas del día, el nitrógeno amoniacal presenta promedios elevados con respecto a los promedios en horas de la noche, alcanzando valores cercanos a los 70 mg/L. Igualmente, los promedios mensuales de mayo y junio del 2013 indican niveles de NH4 superiores a los 45 mg/L, como se ilustra en la figura 16.

FIguRA 15. Medianas de NTK, muestreos compuestos por mes


46

FIguRA 16. Medianas de NH4, muestreos compuestos por mes

FIguRA 17. Medianas de PT, muestreos compuestos por mes

FósforoLos promedios calculados de fósforo total (PT) arrojan resultados cercanos a 10 mg/L, lo cual se encuentra dentro del rango de contaminación medio-alto para ARD típicas. Con respecto a los promedios mensuales, se observa una tendencia de disminución gradual en las concentraciones de PT, como se muestra en la figura 17, comenzando con

47


promedios aproximados de 11 mg/L durante el mes de mayo, hasta alcanzar un promedio ligeramente inferior a 10 mg/L en el mes de julio del 2013.

Por otra parte, el componente soluble u ortofosfatos presenta también valores dentro del rango de un ARD típica, con un grado de contaminación medio a alto, presentando valores entre 9 y 11 mg/L en los meses en los que se realizaron análisis de ortofosfatos (véase figura 18).

FIguRA 18. Medianas de ortofosfatos, muestreos compuestos por mes

Análisis del contenido de nutrientes en el afluenteEn el caso del proceso biológico, el agua residual tiene una demanda de nutrientes

para que se dé el proceso de degradación biológica. Se considera que esta demanda se satisface si el agua problema cumple con una relación aproximada DQO/N/P = 100/5/1 (Metcalf & Eddy et ál., 2013). Por el contrario, niveles demasiados altos de nutrientes pueden propiciar problemas operativos como el bulking en un sistema de lodos activados.

De acuerdo con los resultados obtenidos en la caracterización del agua afluente a la planta, la relación DQO/N/P se encuentra entre 100/32/4 y 100/10/1, siendo la me-diana 100/18/3. Teniendo en cuenta esta característica de la ARD afluente a la planta, los niveles de nutrientes en el afluente —posiblemente provenientes de descargas in-dustriales— pueden favorecer problemas operativos, por lo que deben ser controlados.


48

COMENTARIOS gENERALES SObRE LA CALIDAD DEL AguA AFLuENTEAunque para un análisis representativo de las variaciones en los contaminantes del ARD afluente a la planta sería necesario conocer los caudales relacionados con los diferentes valores presentados, con la información obtenida se pueden realizar algunas aprecia-ciones relevantes sobre la tratabilidad del agua residual en estudio.

A partir de las revisiones llevadas a cabo para cada uno de los parámetros mencio-nados a lo largo de esta sección, de manera general se puede concluir que la calidad del agua afluente al sistema piloto presenta un nivel de contaminación medio a alto, como comportamiento promedio, y alto durante los periodos horarios cercanos al mediodía.

La tabla 7, que se presenta a continuación, contiene un resumen de las medianas de las concentraciones registradas para cada uno de los diferentes parámetros.

TAbLA 7. Medianas de las concentraciones registradas

ParámetroConcentración(mg/L)

Nivel de contaminación

Sólidos totales 781 MedioSólidos disueltos totales 501 MedioSólidos suspendidos totales 251 MedioSólidos suspendidos volátiles 186 MedioDQO 634 Medio – altoDBO5 345 AltoNTK 70,22 AltoNH4 40,32 MedioFósforo total 9,97 Medio – altoOrtofosfatos 8,23 Medio – alto

Los nutrientes arrojan medianas de NTK superiores a los niveles máximos de una ARD típica altamente cargada entre semana, mientras que los fines de semana se observa una disminución en los niveles. Por su parte, los niveles de PT no presentan variaciones que permitan diferenciar patrones entre semana o en fines de semana.

Las altas cargas contaminantes entre semana y en días específicos de la semana (p. ej. miércoles y jueves) infieren la posible descarga de aguas residuales altamente con-taminadas de manera puntual y periódica, lo cual podría ocasionar problemas operativos en el sistema biológico.

49


En este orden de ideas, es claro que se encuentran valores de parámetros de ca-lidad del agua superiores a los esperados en un agua residual típica de tipo doméstico, por lo que debe haber influencia de cargas contaminantes posiblemente proveniente de actividades industriales o comerciales.

Para poder establecer con precisión el tipo de agua que afecta los valores típicos del ARD en el afluente a la planta, sería necesario hacer un análisis más profundo, in-cluyendo contenido de metales y otros indicadores específicos.

TRATAMIENTO PRIMARIO QuÍMICAMENTE ASISTIDOEl tratamiento primario químicamente asistido (TPQA) se operó utilizando seis com-binaciones distintas de químicos. Las demás condiciones de operación se mantuvieron constantes para las diferentes pruebas, como se describe en este capítulo.

Dosis empleadas y condiciones de operaciónLas dosis típicas empleadas en plantas de tratamiento de aguas residuales comprenden concentraciones entre 17 y 35 mg/L de cloruro férrico y entre 0,14 y 0,3 mg/L de polí-mero aniónico (WEF, 2008).

Por otra parte, los resultados de los ensayos de jarras realizados en el laboratorio arrojaron valores comprendidos entre 20 y 30 mg/L de cloruro férrico y entre 0,2 y 0,3 mg/L de polímero aniónico. Dado que las condiciones de mezcla en el ensayo de jarras y en la planta piloto varían considerablemente, estos resultados se tomaron como una aproximación de las dosis a evaluar. Las pruebas llevadas a cabo en el TPQA se realiza-ron operando la planta piloto en jornadas de 24 horas y con las condiciones de operación que se resumen en la tabla 8.

TAbLA 8. Condiciones de operación del TPQA

Escenario Caudal operación Cloruro férrico Polímero A.No. L/s mg/L mg/L1 0,8 56,6* 0,02 0,8 15,0 0,33 0,8 25,0 0,04 0,8 25,0 0,35 0,8 39,8 0,06 0,8 39,8 0,3* Inicialmente se contemplaba evaluar una concentración de cloruro férrico de 15 mg/L; sin embargo, después de la operación se identificó un error en la operación de la bomba peristáltica dosificadora de químicos, por lo que en la tabla 8 el valor de cloruro férrico para la condición 1 corresponde a la dosis realmente empleada.


50

Por otra parte, las velocidades de agitación se mantuvieron constantes durante todas las pruebas; el agitador ubicado en el tanque de mezcla rápida (A-101) funciona a velocidad constante, con un gradiente de velocidad aproximado de 700 s-1. Los agita-dores ubicados en los tres floculadores (A-102, A-103 y A-104) fueron operados a 66, 47 y 36 RPM, valores que corresponden aproximadamente a un gradiente hidráulico de 85, 50 y 35 s-1, respectivamente.

La preparación y mezcla de los químicos se hizo teniendo en cuenta los procedi-mientos establecidos en el manual de operación y mantenimiento de los sistemas piloto. El cloruro férrico se aplicó en el tanque de mezcla rápida y el polímero en la tubería que comunica el tanque de mezcla rápida con el primer tanque de mezcla lenta.

Finalmente, con el fin de verificar las eficiencias de remoción, se tomaron muestras puntuales a la entrada (CRC-102) y salida del sistema (TK-103) y se realizaron análisis de calidad del agua de DQO y SST, turbiedad, pH y conductividad. Asimismo, se hicieron mediciones en continuo para turbiedad (entrada y salida), pH (entrada) y temperatura.

Caracterización del afluente al sistema pilotoA partir de la información recolectada para el sistema piloto, se llevaron a cabo diferentes análisis que permiten caracterizar el afluente al TPQA, utilizando específicamente los datos de las muestras tomadas en la CRC-102.

Las concentraciones pico asociadas a sólidos totales y DQO se presentan alrede-dor del mediodía (incluso con niveles superiores a 1000 mg/L) y los valores más bajos alrededor de las 6:00. Estos valores corresponden aproximadamente al 50 % del valor pico de concentración.

Por su parte, valores de pH se mantienen relativamente estables alrededor de 8, a excepción de un leve aumento en el valor de este parámetro, alcanzando valores cercanos a 8,5 entre las 7:00 y las 11:00 horas.

El principio asociado al funcionamiento del TPQA es la desestabilización eléctrica de las partículas contaminantes presentes en el agua residual, para favorecer la forma-ción de flóculos a partir de este material. El agua que recibe el TPQA ha pasado por un pretratamiento que ha removido materiales gruesos, arenas y grasas. Por ello, el material presente en el agua residual, susceptible de remoción, está asociado principalmente a los sólidos suspendidos en el agua residual.

Teniendo en cuenta lo anterior, se hizo una revisión de las fracciones de los dife-rentes sólidos a partir de la información disponible, para lo cual se hallaron los valores de SST, SSV, SDT y SDV en términos de valores porcentuales con respecto a los ST. De esta forma, en la figura 19 se puede observar que, la mayor parte del tiempo, la frac-ción disuelta en el agua residual es superior al 50 % de los ST, lo cual es una limitante para la eficiencia de remoción del TPQA (combinación de coagulación, floculación y

51


sedimentación) dado que, como se mencionó anteriormente, este es un tratamiento que principalmente remueve materia en suspensión (SST) y no disuelta (SDT).

Típicamente, el 60 % de los sólidos suspendidos son susceptibles de sedimentación (Metcalf & Eddy et ál., 2013). La figura 19 muestra que la mayor parte del tiempo los sólidos suspendidos volátiles son inferiores al 40 % de los ST.

En la figura 19 se presentan los valores correspondientes a las 12:00 y las 13:00, sin embargo, se presume que pueden contener un sesgo que no representa la realidad del proceso.

FIguRA 19. ST y su composición en el afluente al TPQA


52

Resultados obtenidos En la tabla 9 se presentan los valores correspondientes a remociones típicas para trata-mientos primarios (WEF, 2008).

TAbLA 9. Remociones típicas para tratamientos primarios

Parámetro Eficiencia con adición de químicos ( %)

Eficiencia sin adición de químicos ( %)

SST 60-90 50-70DQO o DBO5 40-70 25-40

En la figura 20 se presentan los resultados obtenidos a partir de las pruebas reali-zadas según las condiciones descritas en la tabla 8; se muestra la relación de la concen-tración afluente con la eficiencia de remoción de DQO (a) y SST (b), para cada uno de los escenarios evaluados.

FIguRA 20 (A). Resultados obtenidos a partir de las pruebas realizadas en el TPQA; eficiencias de remoción de DQO

53


FIguRA 20 (b). Resultados obtenidos a partir de las pruebas realizadas en el TPQA; efi-ciencias de remoción de SST

Como se puede observar en la figura 20, existe relación entre la concentración del afluente (eje x) y la eficiencia de la remoción (eje y). En términos generales, a mayor concentración en el afluente, mayor eficiencia de remoción. Para el caso particular de los SST, las eficiencias obtenidas no alcanzan consistentemente los valores típicos espe-rados, en ninguna de las condiciones evaluadas. Eficiencias superiores al 40 % pueden ser alcanzadas a partir de concentraciones con valores cercanos a 300 mg/L; estas con-centraciones se presentan típicamente entre el mediodía y durante la tarde.

Al igual que en los SST, en el caso de la DQO las eficiencias obtenidas no alcanzan consistentemente los valores típicos esperados en ninguna de las condiciones evaluadas. Eficiencias de remoción de DQO superiores al 25 % pueden ser obtenidas para concen-traciones superiores a 1000 mg/L, como se observa en la figura 20(A).

Como puede apreciarse en la figura 20 (A), la mayor eficiencia de remoción de DQO se alcanzó empleando el escenario 4, es decir, una dosis de 25 mg/L de cloruro férrico y 0,3 mg/L de polímero, con un 55 % de remoción. Sin embargo, las eficiencias de remoción son superadas por el escenario 3 para los demás datos obtenidos (véase figura 20(A)). De manera similar, las mejores eficiencias de remoción de SST fueron obteni-das empleando el escenario 3 (figura 20 (B)). Sin embargo, en ninguno de los casos las eficiencias de remoción alcanzaron el 60 %, ni de DQO ni de SST.


54

De esta manera, 25 mg/L sin polímero (escenario 3) resulta ser la dosis que permi-te obtener remociones más altas, teniendo en cuenta las consideraciones mencionadas. La combinación de 15 mg/L y 0,3 mg/L de polímero se descarta, dado que no muestra remociones de DQO superiores al 25 %. Otras combinaciones de dosis superiores se descartan, debido a que el incremento en las dosis no mostró diferencias en cuanto a la eficiencia de remoción durante las pruebas.

RESuLTADOS DE LODOS ACTIVADOS

Información de medición en línea A continuación se presenta el resumen de los datos recolectados para diferentes pará-metros de calidad del agua, a partir de medición en línea con sensores ubicados en la entrada al sistema biológico (CRC-103), en el reactor aeróbico (RA-101) y en la salida del sistema biológico (TK-102). Todos los datos presentados corresponden a promedios horarios de los datos registrados.

Afluente al sistema biológico – CRC-103En esta unidad se registraron valores de pH. Como se observa en la figura 21, los valores máximos (pH = 8) se registraron entre las 11:00 y las 12:00 horas, en tanto que los valores mínimos (pH = 7,4) se registraron entre las 23:00 y las 24:00 horas.

FIguRA 21. Promedios horarios de pH en la CRC-103 (Sonda pH 2)

55


El rango comprendido entre 6,0 y 9,0 unidades de pH es un rango apropiado pa-ra que se desarrollen la mayoría de organismos vivos. Aguas residuales con valores de pH extremos son difíciles de tratar empleando sistemas biológicos (Metcalf & Eddy et ál., 2013). Los valores típicos de pH en las aguas residuales se encuentran en el rango comprendido entre 7,0 y 8,0 unidades de pH (Henze et ál., 2008), dichos valores son consistentes con los valores presentados en la figura 21, comprendidos en el rango entre 7,4 y 8,0 unidades de pH.

Reactor aeróbico – RA-101pH: los mayores niveles de pH dentro del reactor se presentaron durante la edad de lodo de 3 días (b), seguida de la edad de lodo de 2,5 días; la edad de lodo de 5 días presenta los menores valores de pH. En la figura 22 se aprecia la variación de pH durante el día para cada edad de lodo.

FIguRA 22. Promedios horarios de pH en el RA-101 (sonda pH 1)

Temperatura: la temperatura promedio del agua en el reactor aeróbico se encuentra alrededor de los 18 °C, mientras que el promedio de temperatura ambiente es de 16,7 °C. Los registros de temperatura durante la operación de la planta en diferentes edades de lodo muestran la tendencia de las variaciones diarias y una relativa estabilidad en el comportamiento de este parámetro (véase figura 23).


56

FIguRA 23. Promedios horarios de T° (°C) en el RA-101, por edad de lodo (Sondas pH 1, ORP y OD)

SST: las concentraciones más altas de SST registradas dentro del reactor aeróbico son del orden de 3500 mg/L y corresponden a la edad de lodo de 5 días. Las concentra-ciones más bajas alcanzan valores de 2500 mg/L y corresponden a la edad de lodo de 2,5 días. Esta última se operó en condiciones de recirculación de lodo y concentración de oxígeno disuelto diferentes a las que se operaron las otras edades de lodo. Por lo anterior, es de esperarse que se presenten estas diferencias (véase figura 24).

FIguRA 24. Promedios horarios de SST (gr/L) en el RA-101 (Sonda TSS)

57


Turbiedad: al igual que los registros de SST, los mayores niveles de turbiedad (NTU) se registran para la edad de lodo de 5 días. Para la segunda edad de lodo, de 3 días, y para la de 2,5 días no se registraron valores de turbiedad dentro del reactor (véase figura 25), toda vez que las respectivas sondas estaban siendo empleadas para la expe-rimentación en el TPQA.

FIguRA 25. Promedios horarios de turbiedad (NTU) en el RA-101 (Sonda Turb 1)

FIguRA 26. Promedios horarios de OD (mg/L) en el RA-101 (Sonda de DO)


58

OD: los niveles más altos de oxígeno disuelto dentro del reactor se registraron durante la edad de lodo de 2 días, seguida de la edad de lodo de 3 días. Como se observa en la figura 26, los niveles más bajos de oxígeno disuelto dentro del reactor se registran para la edad de lodo de 2,5 días, lo cual es consistente con las condiciones de operación que se procuró mantener para esta edad de lodo (véase figura 26).

En todos los casos se evidencian niveles de OD más elevados entre las 5:00 y las 10:00 horas, mientras que los valores más bajos se presentan en horas de la tarde.

ORP: los valores más altos de Potencial de óxido reducción dentro del reactor se registraron para la edad de lodo de cinco días. Los valores más bajos corresponden a la edad de lodo de 2,5 días (veáse figura 27). El ORP mide la carga de los iones presentes en el agua, los convierte en milivoltios (mV) y está asociado con el potencial del sistema para desarrollar ciertas reacciones biológicas dentro del reactor aeróbico. Diferentes procesos aeróbicos se desarrollan en el rango comprendido entre +25 y +350 mV (p. ej. nitrificación +100 a +350, remoción de DBO carbonácea (+50 a +250) y remoción bioló-gica del fósforo (+50 a +250)).

Los rangos registrados durante la operación del sistema piloto son un indicativo del potencial para desarrollar los procesos mencionados. Es importante resaltar que diferentes procesos biológicos se producen por la interacción de diferentes variables, como temperatura o ausencia de tóxicos inhibidores, y no solo a partir de criterios in-dividuales como lo es el ORP.

FIguRA 27. Promedios horarios de ORP (mV) en el RA-101 (sonda de ORP)

59


Efluente del sistema de tratamiento – TK-102Para el TK-102 únicamente se registraron datos de turbiedad (sonda Turb 2). Los me-nores promedios en el TK-102 (figura 28) se presentan para la edad de lodo de 2,5 días, mientras que los mayores niveles se presentan para la edad de lodo de 3 días (b). En todos los casos los valores son similares e indican una buena calidad en el efluente.

FIguRA 28. Promedios horarios de turbiedad (NTU) en el TK-102 (sonda de Turb 2)

Eficiencias obtenidas en el sistema biológico para las diferentes edades de lodoLas eficiencias obtenidas en el sistema biológico para diferentes edades de lodo fueron analizadas a partir de los resultados de 265 muestreos (219 puntuales y 46 compuestos) llevados a cabo en la entrada del sistema biológico (CRC-103) y en su salida (TK-102), como se resume en la tabla 10.

TAbLA 10. Muestreos empleados en el análisis de eficiencias – sistema biológico

Edad de lodo Muestras puntuales Muestras compuestasTotal muestreos analizados

2 días 167 - 1673 días (a) 52 - 525 días - 32 323 días (b) - 6 62,5 días (validación) - 8 8


60

Inicialmente se hicieron muestreos puntuales cada 2 horas, en campañas de 24 horas para las edades de lodo de 2 y 3 días, realizando muestreos en jornadas de 24 horas, con muestras puntuales en las diferentes unidades (edades de lodo de 2 y 3 días).

A partir de los avances en los ejercicios de modelación, y contando ya con infor-mación que permitía entender la dinámica de las cargas afluentes al reactor aeróbico, se decidió hacer muestreos tomando muestras compuestas de 24 horas durante varios días en las diferentes unidades.

Las eficiencias de remoción de contaminantes para cada parámetro se calcularon por día de muestreo, utilizando el promedio de todos los datos obtenidos en la CRC-103 y el TK-102 para un mismo día, tanto para muestras puntuales como para compuestas.

En la tabla 11 se resumen los resultados obtenidos (medianas de eficiencia) por edad de lodo y por parámetro.

Los resultados para la edad de lodo de 3 días se analizaron a partir de los muestreos compuestos realizados (3b) , toda vez que estos últimos representan 6 días de análisis con muestras compuestas de 24 horas, mientras que los resultados de los muestreos puntuales (3a) corresponden a dos días de análisis con muestreos cada dos horas.

Al realizar la comparación de eficiencias obtenidas por edad de lodo, se encuentran valores de remoción de SST y DBO5 cercanos al 90% y al 75 % en el caso de la DQO y fósforo para todas las edades de lodo evaluadas (véase tabla 3).

A partir de la información disponible la ocurrencia del proceso de nitrificación puede ser asociada con las variaciones en las concentraciones de NTK (Entrada vs Sa-lida). Los procesos de nitrificación más representativos se presentan en la edad de lodo de 5 días, edad de lodo más alta a la que se operó el sistema piloto.

En términos generales, se obtuvieron buenas eficiencias de remoción de acuerdo con las características del sistema piloto.

TAbLA 11. Medianas de valores y eficiencias obtenidas en el sistema biológico

E.L. Dos días Cinco días Tres días (b) 2,5 días

Parámetro

SST (mg/L)

Valor inicial 182,63 185,00 146,00 145,50

Valor final 16,58 17,75 15,00 14,99

% Eff 89,80 % 90,05 % 88,89 % 89,70 %

61


E.L. Dos días Cinco días Tres días (b) 2,5 días

Parámetro

DBO5 (mg/L)

Valor inicial 317,48 287,97 275,98 321,07

Valor final 31,85 32,48 25,97 32,1

% Eff 89,83 % 88,97 % 89,17 % 90,26 %

DQO (mg/L)

Valor inicial 570,90 577,00 525,92 589,88

Valor final 135,30 110,52 137,40 149,25

% Eff 75,10 % 80,02 % 73,64 % 74,27 %

PT (mg/L)

Valor inicial 12,01 9,13 9,20 9,45

Valor final 5,07 2,43 2,30 1,85

% Eff 60,37 % 74,08 % 75,00 % 79,54 %

NTK (mg/L)

Valor inicial 44,24 64,96 48,16 51,52

Valor final 38,64 42,10 38,64 37,52

% Eff 12,66 % 39,19 % 19,77 % 27,17 %

Remoción de nutrientes

Remoción de fósforoLos datos recolectados muestran que el fósforo total estuvo compuesto principalmente por ortofosfatos (fósforo soluble). La presencia de ortofosfatos en aguas residuales está asociada principalmente con productos comerciales para la limpieza. Otras fuentes de ortofosfatos, en menor medida en agua residuales domésticas, son los residuos de fertilizantes arrastrados en la escorrentía. Las fracciones orgánicas del fósforo están asociadas principalmente en las aguas residuales por los desechos del cuerpo y residuos de alimentos (APHA, 2012). En cuanto a las condiciones que favorecen su eliminación, es el selector anaeróbico con el que contaba el sistema piloto el responsable de promover los procesos de remoción de fósforo del efluente clarificado.

La anaerobiosis se presenta en ausencia de oxígeno, así como de nitrato como aceptores de electrones. El selector anaeróbico emplea la habilidad de las bacterias formadoras de flóculos para acumular fosfatos bajo condiciones aeróbicas y de usarlos


62

como fuente de energía para aprovechar el substrato orgánico soluble bajo condiciones anaeróbicas (Bitton, 2005).

Las condiciones anaeróbicas promueven principalmente el desarrollo de las bacte-rias denominadas PAOS (organismos acumuladores de fósforo) y GAOS (Organismos Acumuladores de Glucógeno), ambos tipos de bacterias son capaces de aprovechar el substrato soluble y almacenarlo. Los mecanismos de reserva en cada grupo de bacterias son diferentes, a pesar de esta diversidad no hay evidencia de organismos filamentosos que tengan este metabolismo (Henze, Loosdrecht, et ál., 2008). El fósforo acumulado en los organismos acumuladores es descartado dentro del lodo que se purga del proceso durante el control de la edad del lodo. Con la ayuda del selector, la biomasa logra acumu-lar de 2 a 5 veces más el contenido de fósforo que la biomasa normal (Rittmann & Mc-Carty, 2001). La literatura menciona que en la remoción biológica de nutrientes por cada 100 mg DBO removida son removidos/se emplean 5,0 mg N y 1,0 mg P (WEF, 2008).

Las remociones de fósforo para las edades de lodo de 2,5, 3 y 5 días son significativas, los valores encontrados en el elfuente son característicos de procesos para la remoción de fósforo que generalmente alcanzan concentraciones en el efluente en un rango com-prendido entre 4 y 10 mg/L (Rittmann & McCarty, 2001).

Para el TRC de 2 días se observan remociones comunes y proporcionales para el fósforo total y los ortofosfatos, como se mencionó anteriormente, la principal razón de la remoción obedece al consumo de fósforo por las bacterias heterótrofas.

Un selector es un tanque o compartimiento en el que el agua residual afluente es mezclada con lodo de retorno, se encuentra localizado antes del reactor aeróbico. El propósito del selector es favorecer el crecimiento de bacterias formadoras de flóculos y limitar la proliferación de bacterias filamentosas que afecten la sedimentabilidad del lodo y en consecuencia la eficiencia de remoción.

Además de mejorar la sedimentabilidad del lodo, permitiendo el uso de mayores concentraciones del licor mezclado (MLSS) o cargas más altas en el sedimentador se-cundario, dependiendo de su configuración, en el selector se favorece la remoción de nitrógeno y fósforo (Metcalf & Eddy, Tchobanoglous, et ál., 2013) así como de materia orgánica rápidamente biodegradable (Grady, Daigger, et ál., 2011). Adicionalmente los procesos de lodos activados que emplean selector comparados con los procesos de lodos activados convencionales son más eficientes desde el punto de vista de la demanda de energía para el proceso de aireación por dos razones: (i) Las fracciones rápidamente bio-degradables son empleadas en el selector y no llegan al reactor aeróbico para ser degradas en el proceso aeróbico. (ii) Los surfactantes, conocidos por limitar la transferencia de oxígeno, son removidos en el selector y no llegan al reactor aeróbico, eliminando así su efecto negativo asociado a la limitación en la trasferencia de oxígeno (Rosso, Iranpour, et ál., 2005).

63


Remoción de nitrógenoDentro de la información de calidad del agua recolectada durante el desarrollo de las investigaciones está la correspondiente a Nitrógeno Total Kjeldahl (NTK) y el nitró-geno Amoniacal (NH4). Se encontró una gran variabilidad en el afluente; como es de esperarse en las aguas residuales de origen domestico el nitrógeno amoniacal representa una mayor proporción frente al nitrógeno orgánico.

En la configuración del proceso de lodos activados que se ha estudiado (Selector Anaeróbico + Reactor Aeróbico) el nitrógeno amoniacal es oxidado a nitritos y posterior-mente a nitratos (Nitrificación), es decir que no existe una remoción real de nitrógeno sino que simplemente ocurre un cambio del estado de oxidación en la que se encuentra este elemento.

Una configuración en la que se esperaría remoción representativa de nitrógeno es por ejemplo la que incorpora un selector anaeróbico, uno anóxico y un reactor aeróbico operado a una edad de lodo alrededor de 4 o 5 días, esta configuración permite que se den los procesos de remoción de nitrógeno por medio de la desnitrificación.

Es importante tener en cuenta que debido al orden de magnitud de la temperatura y las edades de lodo utilizadas en este estudio, no se considera la presencia de procesos completos de nitrificación. En climas cálidos la nitrificación se ha observado a edades de lodo de 3 días o menos, mientras que en climas fríos, valores superiores a 20 días en la edad de lodo son necesarios para alcanzar una nitrificación efectiva (WEF, 2008).

Una condición anóxica es definida como la ausencia de oxígeno y la presencia de nitrato como aceptor de electrones. En un selector anóxico las bacterias formadoras de flóculos predominan sobre las bacterias filamentosas dado que pueden tomar substrato orgánico usando nitrato como aceptor de electrones. El Nitrato es suministrado princi-palmente en la recirculación interna del licor mezclado así como lodo de retorno (RAS), posteriormente, la baja concentración de sustrato en el reactor aeróbico es suficiente para limitar el crecimiento de las bacterias filamentosas (Bitton, 2005)

RespirometríaLa respirometría es una técnica basada en la medición del consumo de oxígeno por parte de microorganismos en un proceso de degradación de un sustrato. En este capítulo se presenta el reporte de los resultados obtenidos en el marco del proyecto de plantas piloto. Los ensayos respirométricos a los que hace referencia este capítulo están orientados a una aplicación particular: el fraccionamiento de la DQO de un agua residual, simulando un proceso de tratamiento con lodos activados. Estos ensayos permiten también la estima-ción de algunos atributos cinéticos de los microorganismos que intervienen en el proceso.


64

Descripción de los ensayos realizadosLas disposiciones presentadas son el producto de las conclusiones a las que se llegó a partir de cierto número de ejercicios, llevados a cabo en un periodo aproximado de 8 meses. A grandes rasgos, los ensayos de respirometría se realizaron bajo las siguientes condiciones:

– Agua residual afluente a la planta piloto. – Lodos activados tomados del tren de tratamiento biológico de la planta piloto. – Muestras compuestas de 12 horas, tanto para el agua residual afluente y efluente del

proceso como para el lodo activado. – Condiciones ambientales promedio de Bogotá.

Los ensayos fueron realizados a una escala laboratorio, empleando biorreactores marca New Brunswick, modelo BIOFLO 115, con vaso de 3 litros, instrumentado con controles de temperatura, agitación, inyección de gases y monitoreo de oxígeno disuelto y pH.

Resultados obtenidosSe desarrollaron diferentes ensayos respirométricos, con el fin de establecer el fraccio-namiento de la DQO, insumo requerido para el proceso de modelación del sistema de lodos activados. Los ensayos realizados los días 25 y 30 de mayo del 2013 y 5 y 11 de junio del 2013 permitieron construir los respirogramas con base en mediciones de oxígeno di-suelto realizadas en la planta, que se encontraba operando con una edad de lodo de 5 días.

FIguRA 29. Respirograma del 25 de mayo del 2013

65


FIguRA 30. Respirograma del 30 de mayo del 2013

FIguRA 31. Respirograma del 5 de junio del 2013


66

FIguRA 32. Respirograma del 11 de junio del 2013

En las gráficas presentadas desde la figura 29 hasta la figura 32, el área rápidamente bio-degradable está delimitada por la curva descrita por el reprograma y la recta en color rojo.El área lentamente biodegradable se encuentra delimitada por la curva descrita por el reprograma y la recta verde.

En la tabla 12 se reportan los resultados de los ejercicios de fraccionamiento de la DQO realizados con los ensayos de los días 25 y 30 de mayo de 2013 y 5 y 11 de junio del mismo año. Para todos ellos el agua residual objeto de fraccionamiento fue agua cruda proveniente de la unidad CRC 101 de la planta piloto, mientras que el agua efluente fue tomada de la unidad TK 102, y el lodo activado de la unidad CRC 104.

TAbLA 12. Resultados del fraccionamiento de la DQO

Fecha Unidad DQOtDQOefl, sol Vww BCOD Área RB Si Ss

25/05/2013 CRC 101 441 29,4 1,6 300** 42,7 26,46 160,1

30/05/2013 CRC 101 685 50,4 1,55 419 64,9 45,36 251,2

05/06/2013 CRC 101 403 30* 1,6 280 60 27 225,0

11/06/2013 CRC 101 590 30,2 1,6 478 59,6 27,18 223,5

67


Fecha Xs Xi fSi fSs fXs fXi

25/05/2013 139,9 114,5 0,06 0,36 0,32 0,26

30/05/2013 167,8 220,6 0,07 0,37 0,24 0,32

05/06/2013 55,0 96 0.07 0,56 0,14 0,24

11/06/2013 254,5 84,8 0,05 0,38 0,43 0,14

* Este dato fue asumido en proporción a los demás. La DQO del TK 102 estimada en el laboratorio, en relación con los datos de las otras fechas, (incluso los valores históricos) resulta ser bastante alta.

** Este dato fue asumido en proporción a los demás. Era necesario hacer ensayos de DBO (‘Oxitop’), pero estos no se lleva-ron a cabo por incidentes en el laboratorio.

En donde:

– DQOt = DQO total estimada en el laboratorio – DQOefl,sol = DQO efluente soluble (coagulada y filtrada del TK 102) estimada en

el laboratorio – Vww = volumen de agua residual empleado en el ensayo respirométrico – BCOD = DQO biodegradable, estimada a partir de procedimiento en Roeleveld y

Van Loosdrecht (2002) (curva de DBO 10 días) – Área RB = oxígeno consumido para la degradación de la materia rápidamente biode-

gradable (respirograma) – Área LB = oxígeno consumido para la degradación de la materia lentamente biode-

gradable (respirograma) – Si [DQO] = fracción soluble no biodegradable en términos de DQO; fórmula:

DQOefl,sol * 0,9 (Roeleveld & Van Loosdrecht, 2002) – Ss [DQO] = fracción soluble rápidamente biodegradable en términos de DQO; for-

mula: 3*AreaRB* (volumen total ensayo/volumen agua residual) (Ekama & Dold, 1986) – Xs [DQO] = fracción lentamente biodegradable (particulada) en términos de DQO;

formula: BCOD-Ss (Roeleveld & Van Loosdrecht, 2002) – Xi [DQO] = fracción particulada no biodegradable en términos de DQO; diferencia

DQOt menos demás fracciones – fSi, fSs, fXs, fXi = fracciones en relación con la DQOt

En la tabla 13 se establece una comparación entre los resultados obtenidos con base en el ensayo respirométrico y los resultados reportados por Roeleveld y Van Loosdrecht (2002) en experiencias similares.


68

TAbLA 13. Comparación con resultados teóricos

Resultados obtenidos Roeleveld y Van Loosdrecht (2002)

Mín Prom Máx Mín Prom Máx

Si 0,05 0,06 0,07 0,03 0,06 0,10

Ss 0,36 0,42 0,56 0,09 0,26 0,42

Xs 0,14 0,28 0,43 0,10 0,28 0,48

Xi 0,14 0,24 0,32 0,23 0,39 0,50

Transferencia de oxígeno Las pruebas de transferencia de oxígeno en agua limpia y en agua de proceso permiten identificar diferentes parámetros asociados a la trasferencia (gas - líquido) y a componen-tes del sistema de aireación (soplador y conjunto de difusores). Las pruebas en el reactor aeróbico se llevaron a cabo a partir de métodos definidos en los siguientes documentos:

• Measurement of Oxygen Transfer in Clean Water (ASCE)• Measurement of the Oxygen Transfer in Activated Sludge Aeration Tanks with Clean Water

and in Mixed Liquor (ATV 209E)

Los métodos empleados registran el proceso de oxigenación del agua limpia y el agua de proceso, una vez removido el oxígeno disuelto en el agua contenida en el reactor aeróbico.

Pruebas de transferencia en agua limpiaLas pruebas de transferencia de oxígeno en agua limpia se desarrollaron siguiendo el estándar ASCE, Measurement of Oxygen Transfer in Clean Water (ASCE/EWRI 2-06) y las recomendaciones presentadas por M. Stenstrom (ASCE, 2007). Para el análisis y procesamiento de los datos recolectados se empleó la herramienta DOPar3-0-3 desa-rrollada por M. Stenstrom como parte del estándar ASCE/EWRI 2-06.

El análisis se realizó a partir de los datos recolectados en las pruebas hechas en el reactor aeróbico. En los datos registrados para cada una de las pruebas una vez puesto en marcha el soplador, se identificó que existe cierta dispersión en los datos iniciales asociados a la estabilización del soplador y la homogenización del flujo de aire dentro de la masa de agua.

69


En este sentido y de acuerdo con las recomendaciones del estándar ASCE/EWRI 2-06, se prescindió de los primeros registros de oxígeno disuelto, ya que pueden conllevar anomalías en el modelo (Boyle & Redmon, 1983). Así, fue removido el 20 % de los datos como nivel de truncamiento (truncation level) al emplear la herramienta DOPar3-0-3.

A continuación se presenta un consolidado de los resultados de las pruebas hechas y del procesamiento de datos implementando la herramienta DOPar3-0-3.

TAbLA 14. Parámetros obtenidos de las pruebas hechas en el reactor aeróbico, pruebas en agua limpia

Fecha prueba Prueba No.

T° C* KLa SOTR SOTE SAE

dd/mm/aaaa (°C) (mg/L) (h-1) (kg/h) % (kg/kWh)14/08/2012 1 14,95 34,8 11,0 29,1 3,0 31,414/08/2012 2 15,78 36,0 11,0 28,1 2,9 29,314/08/2012 3 16,12 36,0 10,9 35,3 3,6 36,5

Valores promedio ponderados en función del caudal 31,6 3,3 32,4 2,8

* Los valores para KLa presentados están corregidos a condiciones estándar y por solidos totales disueltos.

En donde:KLa: este parámetro es función de la temperatura, del tipo de dispositivos usados,

de la geometría del tanque y de los constituyentes del agua presente en este último. El valor obtenido para el KLa es representativo para la instalación piloto, ya que resulta rele-vante en el cálculo del factor α como se podrá ver más adelante dentro de este documento.

SOTR: este parámetro representa la tasa específica de transferencia de oxígeno al agua. Con el fin de ilustrar, en términos generales, la eficiencia de la transferencia de oxígeno al agua en un sistema de aireación como el que se empleó en el sistema piloto, se presentan a continuación algunos cálculos y consideraciones:• Densidad del aire (20 ºC y 101,325 kPa ) = 1,2041 kg/m3• Caudal de aire promedio durante las pruebas = 35,6 Nm3/h (N por condiciones es-

tándar)• Cantidad de aire promedio durante las pruebas = 35,6 Nm3/h * 1,2041 kg/m3 = 42,86

kg/h• Tasa específica de transferencia de oxígeno al agua = 3,3 Kg/h• Relación oxígeno transferido / cantidad de aire = 3,3 (kg/h) / 42,86 (kg/h) = 7,7 %


70

Los anteriores cálculos se presentan con el fin de ilustrar la relación existente entre la cantidad de aire que es enviado por el soplador al reactor aeróbico y la cantidad de oxí-geno realmente transferida al lodo activado dentro del reactor aeróbico. En este caso solo el 7,7 % de la masa de aire que pasa por el soplador es transferida como oxígeno al agua.

Los cálculos presentados anteriormente se hicieron para condiciones estándar (20 ºC y 101,325 kPa). En Bogotá, la presión atmosférica es de aproximadamente 0,75 atmósferas (75,99 kPa). En este caso, en relación con la influencia de la altura en la aera-ción de sistemas de lodos activados, la presión atmosférica es el factor que hay que tener en cuenta. A menor presión atmosférica, menor densidad del aire y mayor necesidad de trabajo mecánico para comprimir una misma masa de aire (usando como medida en la comparación un kilogramo de aire).

Los esfuerzos durante el diseño de las plantas de tratamiento para la ciudad de Bogotá deben ponerse en la selección de difusores que garanticen una transferencia de oxígeno eficiente, no solo en las condiciones de operación inicial (nuevos), sino también en el largo plazo, una vez se han ensuciado y ha iniciado el crecimiento de biopelícula sobre estos.

En el mercado existen diferentes materiales y configuraciones de los difusores de burbuja fina. La investigación comparativa del desempeño de estos elementos en las condiciones locales de Bogotá resulta interesante desde el punto de vista económico, dado que la apropiada selección de estos elementos se traduce en ahorros en energía durante toda la vida útil de las instalaciones. Una selección equivocada de los difusores en los futuros sistemas de lodos activados va a traducirse en sobrecostos permanentes durante la operación de las futuras plantas de lodos activados. Además, de la selección del difusor apropiado, este tipo de investigaciones permitirá identificar el periodo óp-timo de limpieza.

Oxigen Transfer Efficiency in Standard Conditions in Clean Water (SOTE): en este parámetro los valores típicos para este tipo de difusores, de acuerdo con el fabricante, están alrededor del 33,5 % cuando los difusores se operan a un caudal de 5Nm3/h (por difusor). Los resultados obtenidos muestran un SOTE correspondiente a 32,4 %. Las predicciones del fabricante coinciden con los resultados obtenidos durante las pruebas en agua limpia.

Es importante tener en cuenta que estos valores corresponden a pruebas realizadas en agua limpia y que no son indicativos del desempeño de los difusores durante toda su vida útil; estos operan sumergidos dentro de lodo activado y están expuestos a deterioro del material difusor y al crecimiento de biopelícula sobre dicha membrana. Futuras in-vestigaciones pueden estar orientadas a evaluar el deterioro de estos materiales durante el largo plazo operando en las condiciones locales de la ciudad de Bogotá.

71


Standar Aeration Efficiency (SAE): los valores típicos para el SAE están en el rango comprendido entre 3,6 y 4,8 KgO2/kWh (Henze et ál., 2008). Los resultados ob-tenidos (2,8 KgO2/kWh) muestran valores más bajos que los valores típicos reportados.

Como se mencionó anteriormente, esto corresponde a una combinación de factores asociados a las condiciones locales, eficiencia mecánica del equipo soplador empleado (relación de poleas), tiempo de respuesta del sensor empleado durante las pruebas rea-lizadas y características propias del tipo de difusores utilizados. Establecer los aportes de cada uno de los factores mencionados es imposible con la información disponible, pero los resultados obtenidos permiten tener un panorama claro de los factores sobre los que se debe hacer énfasis durante el diseño y selección de equipos para las futuras plantas de la ciudad.

Pruebas de transferencia en agua de procesoLas pruebas en agua de proceso se desarrollaron en forma similar a las pruebas en agua limpia. En este caso, el reactor aeróbico debe estar lleno con el lodo activado, como co-rresponde durante las condiciones normales de operación del sistema biológico.

Los químicos empleados para remover el oxígeno disuelto del agua limpia no son empleados en este caso. A continuación se describen los dos procedimientos que fueron empleados para realizar estas pruebas, así como los resultados obtenidos.

Pruebas de adsorciónDado que el oxígeno disuelto es removido por los procesos de consumo de oxígeno propios del sistema de lodos activados, basta con apagar el sistema de aireación para permitir la disminución de la concentración de oxígeno disuelto hasta llegar a valores correspondientes a 0 mg/L.

El método empleado para las pruebas en licor mezclado es el denominado méto-do en estado no estable (ATV-DVWK, 1996). Los flujos de agua y el lodo de retorno son interrumpidos antes de llevar a cabo esta prueba, pero la intensidad de la aireación se mantiene constante. La prueba se inicia cuando se alcanza una tasa de respiración constante, la cual puede ser interpretada como una concentración de oxígeno disuelto constante. Después de alcanzar la condición descrita, la aeración es interrumpida y el consumo de oxígeno se ve reflejado en la disminución de su concentración, hasta ago-tarlo (p. ej. 0 mg/L).

Posteriormente, se establece una vez más la aireación, en tanto que la concentra-ción de oxígeno disuelto se incrementa hasta alcanzar el valor de la concentración de saturación aparente (C*∞). Los parámetros estimados a partir de la prueba en agua de proceso son los mismos estimados durante la prueba en agua limpia.


72

En la tabla 15 se presenta un consolidado de los resultados obtenidos a partir de las pruebas realizadas y del procesamiento de datos usando la herramienta DOPar3-0-3. Los promedios ponderados en función del caudal de aire para cada una de las edades de lodo se presentan en la tabla 16.

TAbLA 15. Parámetros obtenidos para el reactor aeróbico (adsorción), pruebas en agua de proceso

Fecha pruebaPrueba No.

E. LodoTempera-tura

C* KLa SOTR SOTE SAE

dd/mm/aaaa d (°C) (mg/L) (h-1) (kg/h) %(kg/kWh)

02/04/2013 1 2 19,7 9,6 13,9 1,3 46,0 2,102/04/2013 2 2 18,6 8,5 16,4 1,4 48,5 2,218/04/2013 1 3 18,7 9,5 14,9 1,4 49,4 2,212/06/2013 1 5 18,8 8,9 10,9 1,0 33,9 1,514/06/2013 1 5 22,8 9,3 8,9 0,8 28,6 1,314/06/2013 2 5 23,2 10,0 10,5 1,0 36,3 1,607/07/2013 1 3 19,5 10,0 11,9 1,2 44,0 1,917/07/2013 1 2,5 17,1 10,2 12,4 1,2 49,7 2,2

* Los valores de kLa están corregidos a condiciones estándar y por sólidos totales disueltos.

TAbLA 16. Pruebas en agua de proceso (adsorción) - valores promedio ponderados en función del caudal

E. Lodo KLa SOTR SOTE SAE

Días (h-1) (kg/h) % (kg/kWh)

2 15,16 1,33 47,29 2,112,5 10,94 0,96 33,92 1,523 13,07 1,24 45,41 2,025 10,13 0,93 32,97 1,47

73


Pruebas de desorciónLas pruebas de desorción se desarrollaron de acuerdo con el documento de la German ATV Rules and Standards Measurement of the Oxygen Transfer in Activated Sludge Aera-tion Tanks with Clean Water and in Mixed Liquor (ATV-DVWK 1996).

Para el desarrollo de estas pruebas el caudal de aire en el reactor aeróbico se man-tuvo sin variaciones, hasta observar una concentración de oxígeno disuelto constante, en tanto que el ingreso de lodo y agua residual al reactor aeróbico se suspendió.

Se agregó al reactor aeróbico un litro de solución de peróxido de hidrogeno al 35 %, el cual transfiere instantáneamente oxígeno disuelto al agua, aumentándose con ello la concentración de oxígeno disuelto hasta valores cercanos a 20 mg/L. El oxígeno disuelto en el agua es entonces consumido y se registran los valores. Los resultados son procesados de acuerdo con ATV-DVWK (1996) y Metcalf & Eddy et ál. (2013).

En la tabla 17 se presenta un consolidado de los resultados obtenidos a partir de las pruebas llevadas a cabo y del procesamiento de datos, incluyendo los valores obenidos de KLa, SOTR, SOTE y SAE. En la tabla 18 se presentan los valores ponderados de estos mismos parámetros, en función del caudal.

TAbLA 17. Parámetros obtenidos para el reactor aeróbico (desorción), pruebas en agua de proceso

Fecha prueba Prueba

No

Sonda E. Lodo

Temp. C* KLa SOTR SOTE SAE

dd/mm/aaaa

Días (°C) (mg/L) (h-1)(kg/hr)

%(kg/kWh)

02/04/2013 1 WTW 2,0 18,7 9,6 4,2 0,4 15,0 0,602/04/2013 2 YSI OD-PRO 2,0 17,7 8,5 4,4 0,4 14,2 0,618/04/2013 1 WTW 3,0 18,2 9,5 5,8 0,6 20,9 0,912/06/2013 1 WTW 5,0 19,0 8,9 6,7 0,6 22,4 0,912/06/2013 1 YSI OD-PRO 5,0 19,5 8,9 5,8 0,5 19,3 0,814/06/2013 1 WTW 5,0 18,6 9,3 6,5 0,6 21,5 0,914/06/2013 1 YSI OD-PRO 5,0 18,6 9,3 0,0 0,0 0,0 0,014/06/2013 2 WTW 5,0 19,5 10,0 6,1 0,6 22,8 0,914/06/2013 2 YSI OD-PRO 5,0 19,5 10,0 0,0 0,0 0,0 0,007/07/2013 1 WTW 3,0 16,7 10,0 4,4 0,5 17,3 0,707/07/2013 1 YSI OD-PRO 3,0 16,6 10,0 5,2 0,5 20,7 0,907/07/2013 2 WTW 3,0 17,0 10,0 5,1 0,5 17,6 0,707/07/2013 2 YSI OD-PRO 3,0 16,9 10,0 5,8 0,6 20,0 0,8


74

Fecha prueba Prueba

No

Sonda E. Lodo

Temp. C* KLa SOTR SOTE SAE

dd/mm/aaaa

Días (°C) (mg/L) (h-1)(kg/hr)

%(kg/kWh)

17/07/2013 1 WTW 2,5 17,1 10,2 4,4 0,5 18,7 0,817/07/2013 1 YSI OD-PRO 2,5 17,1 10,2 4,5 0,5 18,7 0,8

*Los valores de kLa están corregidos a condiciones estándar y por sólidos totales disueltos.

TAbLA 18. Pruebas en agua de proceso (desorción) - promedios ponderados en función del caudal

E. Lodo KLa SOTR SOTE SAE

D (h-1) (kg/h) % (kg/kWh)

2 4,30 0,40 14,57 0,612,5 4,45 0,46 18,69 0,793 5,15 0,53 18,89 0,795 6,25 0,59 21,51 0,90

Análisis de resultados. Pruebas agua de procesoLos resultados obtenidos en las pruebas de adsorción muestran un comportamiento atípico respecto al comportamiento esperado para estos parámetros en función de la edad de lodo. Se presume que en el caso de las pruebas de adsorción hay una sobrees-timación de los parámetros ocasionada por la entrada de los microorganismos a fase endógena durante la ausencia de agua residual; también entra aire al reactor aeróbico (condición inicial de la prueba). Teniendo en cuenta lo anterior, se procedió a emplear los resultados obtenidos a partir de las pruebas de desorción.

En la figura 33 se presenta la comparación de los resultados obtenidos en cada una de las edades de lodo en las pruebas de desorción y adsorción, para los parámetros KLa y SOTR, en tanto que en la figura 34 pueden apreciarse los resultados de los parámetros SOTE y SAE.

75


FIguRA 33. Resultados para las pruebas de desorción y adsorción; a) KLa y b) SOTR

FIguRA 34. Resultados para las pruebas de desorción y adsorción; a) SOTE y b) SAE

Al comparar los resultados obtenidos en las pruebas de transferencia de oxígeno en agua de proceso con las pruebas hechas en agua limpia, se puede ver la influencia del agua residual y el envejecimiento de las membranas (aproximadamente diez meses en operación). En agua limpia se obtuvieron resultados de SOTE del alrededor del 32,4 %, mientras que en las pruebas en agua residual los resultados estuvieron comprendidos entre 14,5 y 21,5 %.

Así como el SOTE disminuye, la eficiencia energética (medida como SAE) tam-bién disminuye. En las pruebas en agua limpia un kWh era suficiente para transferir


76

al agua aproximadamente 2,8 kg de oxígeno, mientras que en las pruebas con agua de proceso solo se logra transferir entre 0,6 y 0,9 kg de oxígeno.

Estimación de parámetros α y βAdemás de los parámetros mencionados anteriormente, existen otros parámetros como los factores α y β, que permiten representar la influencia de sustancias como surfactantes o sales neutras en el proceso de aireación. Estos parámetros son relevantes como insumo para los ejercicios de modelación del sistema de lodos activados, por la caracterización de los fenómenos que representan.

A continuación se presentan los resultados obtenidos a partir de la información recolectada. En el producto 5 de este convenio se puede consultar en detalle la determi-nación de los parámetros α y β.

Alfa (α)Los resultados del valor α son calculados a partir del KLa obtenido en las pruebas en agua de proceso y en las pruebas hechas en agua limpia. En la figura 35 se presenta la relación del factor α con las edades de lodo, en donde se pueden comparar los resultados obtenidos a partir de las pruebas de desorción.

FIguRA 35. Relación de la edad de lodo con el factor α

Como se puede ver en la figura, los valores obtenidos para alfa (α) se encuentran entre 0,52 y 0,35 en las pruebas de adsorción. Los valores mencionados corresponden a

77


los resultados obtenidos de pruebas de lodo llevadas a cabo en las edades de lodo de 2 y 5 días, respectivamente.

Al comparar los resultados obtenidos con valores reportados en la bibliografía, se puede ver que los valores obtenidos se encuentran en el rango bajo de valores reporta-dos para el factor alfa. Gillot et al. (2008) reportan valores entre 0,3 y 0,9. Los valores cercanos a 0,9 se presentan en edades de lodo superiores a 20 días. Para edades de lodo menores a 5 días, los valores reportados se encuentran entre 0,3 y 0,5, lo cual es consis-tente con los resultados obtenidos en las pruebas.

Dado que el factor α está influenciado por el ensuciamiento de las membranas de los difusores, en la figura 36 se presentan los valores α obtenidos en orden cronológico (adsorción). Allí se pueden apreciar dos conjuntos de datos: tres resultados obtenidos durante los meses de marzo y abril en el grupo de valores α comprendidos entre 0,5 y 0,6 y un grupo de 5 valores α comprendidos entre 0,3 y 0,45, aproximadamente. Esto podría ser un indicador de los fenómenos de ensuciamiento en las membranas que se produjeron durante la operación del sistema piloto.

FIguRA 36. Relación de la fecha de la prueba y el factor α

Antes de los años ochenta muchas plantas eran diseñadas asumiendo un valor α equivalente a 0,8, que era considerado universal para diferentes sistemas de aireación. Sin embargo, se ha demostrado que existen diferentes valores α para diversos métodos de ai-reación. En el caso de difusores de burbuja fina, el valor α inicial disminuye con el tiempo por fenómenos asociados con el ensuciamiento de las membranas (Henze et ál., 2008).


78

Beta (β)A partir los valores de SDT registrados durante la operación del sistema piloto, se definió su concentración típica en el agua residual afluente al sistema de lodos activados, con un valor correspondiente a 495,4 mg/L. El valor β se obtuvo partiendo de 74 resultados de análisis en laboratorio disponibles y después de aplicar un procedimiento para descartar datos anómalos, empleando finalmente 70 valores en su estimación.

Teniendo en cuenta lo anterior, el cálculo del factor β estimado a partir de la in-formación disponible se presenta como sigue:

ECuACIÓN 1.

En el caso de la PTAR a escala real, las estrategias de control en el sistema de aireación deben ser notablemente más eficientes que las empleadas en el sistema pi-loto. A escala real, las estrategias de control de aireación impactan directamente en los consumos de energía. Algunas de estas estrategias incluyen lazos de control entre la concentración de oxígeno disuelto y la cantidad de aire entregada al reactor aeróbico, o caudales de aire escalonados dentro del reactor aeróbico.

Lazos de control: establecer un lazo de control entre la concentración de oxígeno disuelto y la cantidad de aire suministrada al reactor aeróbico resulta ser una tarea re-lativamente sencilla para los ingenieros expertos en sistemas de control. La concentra-ción de oxígeno disuelto es definida como la función objetivo y se consigue a partir de la variación de la cantidad de aire entregada al reactor aeróbico. Esta variación puede conseguirse cambiando la frecuencia de operación del equipo soplador o aumentando el número de sopladores en funcionamiento. En este tipo de controles es recomendable considerar el tiempo de respuesta, la distribución espacial del oxígeno disuelto dentro del reactor aeróbico, la calibración y la vida útil del sensor de oxígeno disuelto. En tér-minos generales, los sensores de oxígeno disuelto con principios de medición ópticos presentan tiempos de respuesta de aproximadamente un minuto. Dada su facilidad de mantenimiento y vida útil estos sensores resultan ser los más apropiados para el moni-toreo de condiciones de operación. Adicionalmente, al configurar este tipo de sistemas de control, es necesario tener en cuenta la relación directa existente entre las variaciones diarias en la carga orgánica afluente y la demanda de oxígeno disuelto.

Caudales de aire variables dentro del reactor aeróbico: la demanda de oxígeno varía dentro del reactor aeróbico (suponiendo un tanque con una relación largo/ancho alta). Al inicio del reactor, en donde se mezclan el retorno de lodo activado y el efluente pri-

79


mario, se presenta el mayor consumo de oxígeno; es decir, que allí se necesita una buena cantidad de aire para garantizar una concentración de oxígeno disuelto determinada.

Al final del reactor aeróbico, dado que ha transcurrido la mayor parte del tiempo de retención hidráulico, y por ende se ha hecho la digestión de la materia orgánica a lo largo del reactor, la tasa de consumo de oxígeno no es tan alta y fácilmente se puede alcanzar una concentración de oxígeno disuelto de 2 mg/L, garantizándose además un flóculo saludable con una buena sedimentabilidad. En este orden de ideas, en la etapa final se requiere un suministro de aire menor, comparado con el suministro al inicio del reactor.

La eficiencia de transferencia de oxígeno (medida como α) dentro de un reactor aeróbico de flujo a pistón es baja en el extremo inicial del reactor y alta en su extremo final. Lo anterior como consecuencia de la presencia en el extremo inicial de sustancias rápidamente biodegradables (como surfactantes), que limitan el intercambio de gases en la interfaz gas-líquido de las burbujas.

Esta estrategia de aireación variable en diferentes zonas permite ahorrar energía y garantiza una buena eficiencia del sistema de tratamiento. Para lo anterior, es necesario tener en cuenta durante el diseño del sistema las necesidades relacionadas con los siste-mas de control, instrumentación, densidad de difusores y conducción correspondientes. Inicialmente, durante la etapa de diseño, la zonificación del reactor aeróbico puede ser definida con la ayuda de un modelo no validado. Posteriormente, durante la etapa de operación, es posible llevar a cabo la calibración del modelo y optimizar las estrategias operacionales necesarias.

MODELACIÓN DEL SISTEMA PILOTO DE LODOS ACTIVADOS EN bIOWIN

Generalidades de la modelaciónUn modelo se puede definir como un esquema teórico, representado en forma mate-mática, que se elabora para facilitar la compresión de un sistema y su comportamiento. En otras palabras, un modelo es una simplificación útil para describir, explicar o com-prender la realidad; por lo tanto, no dará información exacta y directa de lo que está ocurriendo en el mundo real. Los modelos se pueden clasificar de diversas maneras: físicos o réplicas a escala de un sistema, o esquemáticos, los cuales se basan en sistemas computacionales. Para sistemas naturales y de ingeniería existen modelos: determi-nísticos, estocásticos, dinámicos y de estado estacionario. En general, los modelos son elaborados para describir condiciones dinámicas, donde las variaciones ocurren en función del tiempo. Los aspectos importantes y principales en el modelamiento son el tiempo y la escala (Henze et ál., 2008).

Para la elaboración de un modelo es importante considerar: 1) la selección de los procesos más relevantes, 2) la elección de la escala espacio-temporal, 3) la formulación


80

de un modelo matemático y criterios que permitan evaluar el comportamiento dinámico del modelo. Para la modelación matemática de calidad de agua también es importante tener en cuenta: 1) información de concentración y carga de las sustancias que se des-cargan en un cuerpo de agua, 2) constantes de velocidad y 3) coeficientes de equilibrio. Cuando se habla de modelar, para intentar simplificar la realidad, uno de los princi-pales problemas es el tiempo. En el caso del modelamiento del agua residual, significa, usualmente, dinámicas de horas o de días (Henze et ál., 2008).

Otra consideración para el modelamiento es la resolución espacial; por ejemplo: podrían existir modelos teóricos que describieran con detalle cada centímetro cuadrado de una planta de lodos activados, pero la cuestión está en saber qué tan detallada se quiere hacer la modelación. Para ello es importante tener definido cuál es el propósito del modelo. En la práctica de tratamiento de agua residual, para cada reactor aeróbico se puede tratar de magnitudes de decenas de metros; o para describir aspectos como gradientes de concentración, donde el oxígeno es el factor más sensible, una escala espacial pequeña suele ser la más adecuada (Henze et ál., 2008)

Diseños de diferentes estructuras como reactores o sedimentadores, entre otros, de las plantas de tratamiento de agua residual se basan en aproximaciones llamadas cajas negras, enfocadas en las características del afluente y del efluente de la planta, mientras nada o muy poco se conoce acerca de lo que está sucediendo en el interior de la planta de tratamiento de agua residual (PTAR). Sin embargo, se puede diseñar razonablemente bien una PTAR mediante la aplicación de la relación alimento-microorganismos o la relación entre la carga presente en el agua residual y la concentración de lodo presente en el reactor aeróbico F/M, a pesar de que, en efecto, esto no da información detallada acerca de la composición del lodo que se está generando. Para refinar esta aproximación se trabaja bajo el concepto de modelos de caja gris, como es el caso de los modelos de lodos activados ASM1 (Henze et ál., 2008).

En los procesos de lodos activados una suspensión de la biomasa bacteriana (del lodo activado) es responsable de la eliminación de los contaminantes. Dependiendo del diseño y de la aplicación específica de lodos activados en una PTAR, se puede alcanzar una remoción biológica de N y de P, además de la eliminación de sustancias orgánicas de carbono (Henze et ál., 2008). La Asociación Internacional del Agua (IWA) y la Universidad Tecnología de Delft (modelo TUDP, Van Veldhuizen et ál., 1999) han sido pioneros en el desarrollo y avance de los modelos de lodos activados, los cuales iniciaron con el modelo de lodos activados ASM1. Este fue desarrollado, principalmente, para la modelación de plantas de tratamiento de agua residual, a fin de describir la eliminación de sustancias de carbono orgánico, nitrógeno como aceptor de electrones y la cantidad de oxígeno requerida por los microorganismos, para así dar una buena estimación de la producción de lodos. Dicho modelo se ha extendido para describir la remoción bioló-

81


gica de fósforo, dando lugar al modelo ASM2 (Henze et ál., 1995) y al ASM2d (Henze et ál., 1999), con el fin de no limitarse a la degradación del carbono y el nitrógeno, sino que permite la introducción de los procesos de desnitrificación por parte de bacterias acumuladoras de fósforo (Petersen et ál., 2002), metabolismos de los organismos y rutas metabólicas dentro de estos (Henze et ál., 2008). Debido a este aumento de información, una aproximación cercana son los modelos de caja de vidrio (en algunos casos llamados cajas blancas), como el modelo ASM 3 (Gujer et ál., 1999).

Los modelos de cajas de vidrio, también llamados modelos determinísticos, se apoyan en principios de ingeniería, lo que significa que las ecuaciones del modelo se desarrollan generalmente a partir de ecuaciones de balances de masas, dando como resultado un conjunto de ecuaciones diferenciales (Gernaey et ál., 2004) por lo tanto, la preferencia de modelado por cajas negras, grises o de vidrio dependerá bastante del propósito y la aplicación del modelo (Henze et ál., 2008).

Otros modelos son los esquemáticos, los cuales se basan en sistemas computacio-nales que ayudan al modelamiento de sistemas naturales y de ingeniería. Para el presen-te trabajo se recurrió a la ayuda de BioWin para simulación de procesos biológicos en tratamiento de agua residual, el cual integra modelos de lodos activados y modelos de digestión anaerobia ASDM. Este modelo tiene 50 variables de estado y 60 expresiones de proceso, las cuales se usan para describir las interacciones que ocurren en los sistemas de lodos activados y en los de digestión anaerobia, para el cálculo del pH, la transferencia líquido-gas y la precipitación química. Es una combinación de modelos internacionales, tales como ASM1, ASM2d y ASM3, propuestos por la IWA, y una adición del mode-lo de digestión anaerobia ADM, que incluye el desarrollo de las siguientes categorías (Liwarska-Bizukojc & Biernacki, 2010):

1. Crecimiento y decaimiento de organismos heterotróficos. 2. Crecimiento y decaimiento de organismos heterótrofos consumidores de etanol en

condiciones anóxicas.3. Proceso de hidrolisis, adsorción y amonificación.4. Crecimiento y decaimiento de organismos acumuladores de fósforo (PAO).5. Crecimiento y decaimiento de biomasa por bacterias oxidantes de amonio (AOB).6. Crecimiento y decaimiento de biomasa por bacterias oxidantes de nitrato (NOB).7. Crecimiento y decaimiento de la biomasa por medio de la oxidación anaeróbica del

amonio ANAMMOX (Liwarska-Bizukojc & Biernacki, 2010).8. Proceso de transferencia liquido-gas entre las fases disuelta y gaseosa del oxígeno, del

dióxido de carbono, del hidrogeno y del amoniaco (EnviroSim Associates Ltd., 2011).


82

Caracterización del agua residual afluenteA continuación se presenta el consolidado de los resultados obtenidos a partir de la caracterización del agua residual afluente al sistema de lodos activados. Los muestreos realizados para recolectar información para las actividades de modelación permitieron obtener información recolectada con: 1) la variación horaria de las cargas afluentes al reactor aeróbico y 2) el fraccionamiento de la DQO. A continuación se presentan los resultados para cada uno de los aspectos mencionados.

Variación horaria de las cargas afluentes al reactor aeróbicoEn la figura 37 se presenta el comportamiento horario promedio de las concentracio-nes afluentes al reactor aeróbico. Dado que el caudal afluente era constante, se puede asumir que las cargas presentan variaciones proporcionales a las descritas por las con-centraciones.

Los datos que se han empleado como insumo para construir las curvas de cada uno de los parámetros presentados en la figura 37 corresponden a resultados de análisis realizados en el Laboratorio de Calidad de Aguas del Departamento de Ingeniería Civil de la Pontificia Universidad Javeriana. Esta información corresponde a 7 días de muestreos llevados a cabo entre enero y abril del 2013, tomando muestras puntuales cada dos horas.

La DQO presenta un valor máximo (cercano a 700 mg/L) a las 14:00, consis-tente con el que presenta a la misma hora la DBO5 (cercano a 450 mg/L). Los valores mínimos para estos dos parámetros se presentan alrededor de las 08:00 y resultan ser cercanos al 50 % de los valores máximos.

En cuanto a los SST y a los SSV, se identificó un valor máximo alrededor de las 12:00 (200 y 150 mg/L, respectivamente), y los valores mínimos alrededor de las 05:30 (100 y 60 mg/L, respectivamente). Al igual que en el caso anterior, los valores míni-mos de estos parámetros equivalen aproximadamente al 50 % de las concentraciones pico registradas.

El aumento en la carga contaminante alrededor del mediodía coincide con la variabilidad diaria típica presentada generalmente como referencia para los vertimien-tos domésticos (Metcalf & Eddy et ál., 2013). Sin embargo, el aumento en la carga contaminante (DBO5 y DQO) que se presenta entre la 1:00 y las 3:00 horas no es un comportamiento típico de los vertimientos domésticos.

Para las aguas residuales domésticas, de acuerdo con los valores típicos, la relación DQO/DBO5 puede agruparse en valores alto (2,5-3,5), medio (2,0-2,5) y bajo (1,5-2,0) (Henze et ál., 2008). Como se observa en la figura 38, los resultados obtenidos a partir de la información disponible muestran valores promedio diarios correspondientes a 1,54 y valores máximos y mínimos de 1,81 y 1,36 (05:30 y 12:00, respectivamente). De

83


acuerdo con los valores referencia, el promedio de la relación DQO/DBO5 obtenido para el afluente al reactor aeróbico presenta una relación baja, lo que está asociado con una buena biodegradabilidad. Lo anterior indica que una parte importante de la ma-teria orgánica va a degradarse biológicamente.

Por otra parte, la relación SSV/SST (figura 38) es empleada como una referencia de la cantidad de materia orgánica presente en el agua residual. Como se observa en la figura 38, esta relación se mantuvo entre 0,6 y 0,8, lo cual es evidencia de una buena biodegradabilidad del agua residual y, en consecuencia, de la pertinencia de un sistema biológico para su tratamiento. Las variaciones horarias registradas corresponden a las variaciones de la calidad del agua residual, asociadas principalmente a los hábitos de los residentes en la cuenca afluente al sistema piloto.

En diferentes ocasiones, en la planta piloto se identificaron afluentes con olores y colores que no correspondían con los típicos de la planta, comportamiento que se registró principalmente durante las madrugadas, el olor puede describirse como uno equivalente al de alimentos descompuestos. En cuanto a los colores, estos eran prin-cipalmente naranjas o rojizos, evidentemente diferentes a los del agua residual. Dado que este es un horario en el que no se espera una marcada actividad de los usuarios domésticos, se presume que el incremento en la carga durante la madrugada está aso-ciado con vertimientos industriales.

FIguRA 37. Concentraciones horarias afluentes al reactor aeróbico


84

FIguRA 38. Relaciones de las concentraciones afluentes al reactor aeróbico

Fraccionamiento de la DQOLas fracciones de l a DQO, necesarias para a l imentar e l modelo, e stuvieron dis-ponibles a partir de tres fuentes diferentes que se enuncian a continuación:

– Ensayos de respirometría realizados en el presente proyecto. – Referencias bibliográficas con valores típicos para aguas residuales domésticas, por

ejemplo: – A Practical Protocol for Dynamic Modelling of Activated Sludge Systems (Roeleveld

& Van Loosdrecht, 2002). – Methods for Wastewater Characterization in Activated Sludge Modelling (Melcer &

Water Environment Federation, 2003). – Herramienta Influent Specifier. Es una hoja de cálculo que acompaña el BioWin y

ayuda en la definición del fraccionamiento del agua residual afluente, basándose para ello en la medición de parámetros típicos como SST y DBO5, entre otros.

En la tabla 19 se resume el fraccionamiento de la DQO según cada una de las fuentes disponibles.

85


TAbLA 19. Fraccionamiento de la DQO según cada una de las fuentes disponibles

NomenclaturaEste trabajo

(Roeleveld & Van Loosdrecht,2002)

Influent Specifier(BioWin)

Otros BioWin Mediana Min. Promedio Max. EstimadoValor porDefecto

Si Fus 0,065 0,03 0,06 0,10 0,05 0,08Ss Fbs 0,375 0,09 0,26 0,42 0,36 0,27Xs Fxsp 0,28 0,10 0,28 0,48 0,14 0,57

Xi Fup 0,2 0,23 0,39 0,50 0,08 0,08

En donde:Si [DQO]: fracción soluble no biodegradable en términos de DQO; fórmula:

DQOefl,sol *0,9 (Roeleveld & Van Loosdrecht, 2002).Ss [DQO]: fracción soluble rápidamente biodegradable en términos de DQO;

obtenida del ensayo de repirometría; fórmula: 3*AreaRB*(volumen total ensayo/volumen agua residual) (Ekama & Dold, 1986).

Xs [DQO]: fracción lentamente biodegradable (particulada) en términos de DQO; fórmula: BCOD-Ss (Roeleveld & Van Loosdrecht, 2002).

Xi [DQO]: fracción particulada no biodegradable en términos de DQO; diferencia DQOt menos demás fracciones.

fSi, fSs, fXs, fXi: fracciones en relación con la DQOt.Dado que el fraccionamiento generado por la herramienta Influent Specifier es

mucho más detallado que el comúnmente empleado en términos de modelación de siste-mas de tratamiento de aguas residuales, se emplean los resultados de dicha herramienta como una aproximación general, en tanto que para las fracciones Fus, Fbs y Fup los valores empleados son el valor correspondiente a la mediana de los resultados obtenidos en las pruebas hechas en el presente trabajo. El valor de la fracción Fxsp es calculado por BioWin, basado en los sólidos suspendidos volátiles del afluente. Teniendo en cuenta lo anterior, esta fracción no ingresa en el modelo.

Verificación de la calidad de datos recolectadosLa consistencia y la calidad de los datos recolectados deben ser verificadas antes de avan-zar en los pasos previstos en el protocolo de modelación. En el presente estudio fueron tenidas en cuenta diferentes recomendaciones incluidas en el reporte científico y técnico No. 22 de la IWA (IWA Task Group on Good Modelling Practice, 2013).

Cuando se cuenta con datos recolectados a partir de un método de referencia, es necesario revisar con prudencia los datos, dado que la precisión de las mediciones po-


86

dría generar datos erróneos. Una vez descartada la presencia de errores sistemáticos en la medición provocados por errores en la ubicación de los sensores, calibraciones erró-neas o ausentes y deterioro de los sensores, se procedió a descartar los datos asociados a errores aleatorios. Los datos atípicos o erróneos de los valores registrados por las sondas fueron eliminados empleando el criterio del promedio de todos los datos, más o menos dos desviaciones estándar, como se puede observar en las ecuaciones que se presentan a continuación:

ECuACIÓN 2. Promedio de los datos

ECuACIÓN 3. Desviación estándar muestral

ECuACIÓN 4. Intervalo de confianza

87


Los valores que se encontraban dentro del rango definido por el intervalo de con-fianza eran aquellos que quedaban fijos para posteriormente ser analizados. Estos datos atípicos o erróneos pueden estar asociados con actividades de limpieza de las sondas, paradas del sistema o simplemente lecturas anómalas generadas por perturbaciones desconocidas o aleatorias. Aplicando el criterio mencionado, los datos de las sondas de oxígeno disuelto, potencial redox, pH, sólidos suspendidos totales y turbiedad fueron analizados separando la serie de datos (1º de enero a 17 de julio de 2013) en función de la edad de lodo en la que se estaba operando el reactor aeróbico y del lugar en el que se encontraban.

Configuración del modelo de la plantaPara la modelación del sistema de lodos activados se empleo el simulador BioWin. Todas las referencias a las actividades de calibración y validación del modelo deben considerarse en este contexto. Estas unidades fueron configuradas considerando las particularidades asociadas a cada una de ellas. Entre otros aspectos relevantes que es preciso tener en cuenta, se encuentran las dimensiones, las concentraciones afluentes, el porcentaje de recirculación de lodo, los parámetros locales del sistema de aireación y el caudal de purga. En la figura 39 se presenta la distribución establecida para las diferentes unidades que representan la planta piloto.

FIguRA 39. Configuración del modelo

Efluente primario: corresponde al efluente del sistema primario de tratamiento de la planta piloto. Físicamente, este punto es el equivalente a la CRC-103 (caja reguladora de caudal 3) existente en la planta piloto. En este elemento se encuentra la caracterización del afluente al reactor aeróbico (p. ej. concentraciones, junto con la escala temporal en la que fue registrado, los caudales y el fraccionamiento del agua residual).


88

Bioreactor 1: zona no aireada (selector anaeróbico) ubicada en el primer tramo del tanque en el que se encuentra el reactor aeróbico. En este elemento fueron incluidas las dimensiones de esta zona (volumen, profundidad y ancho), así como condiciones de operación correspondientes a: zona no aireada, concentración de oxígeno disuelto correspondiente a 0 mg/L, ausencia de mezcla mecánica y el patrón de temperatura local registrada en el agua dentro del sistema de tratamiento.

Bioreactor 2: zona aireada del reactor aeróbico. En este elemento se encuentra la configuración relacionada con los difusores, las concentraciones de oxígeno disuelto durante la operación del sistema y los parámetros asociados a la aireación. Se seleccionó un solo tanque, dado que los resultados del ensayo de trazadores muestran que así se consigue la mejor representación de este elemento. Físicamente, corresponde al tanque identificado como RA-101 durante el periodo de operación del sistema piloto.

En este elemento se incluyeron las dimensiones de esta zona (volumen, profundi-dad y ancho), así como condiciones de operación correspondientes a una zona aireada con un patrón de oxígeno disuelto (valores medidos), ausencia de mezcla mecánica y el patrón de temperatura local registrada en el agua dentro del sistema de tratamiento.

Adicionalmente, se incluyeron los valores relacionados con el tamaño del difusor (área), el porcentaje del fondo del tanque cubierto por difusores y el caudal máximo de aire estimado por difusor.

Lodo purga: durante la operación del sistema piloto la purga de lodos se hizo desde el reactor aeróbico, en tanto que la edad de lodo fue establecida mediante con-trol hidráulico. La purga procede del elemento denominado “bioreactor 2”, el volumen purgado cada día es definido en el elemento llamado Splitter (divisor).

Splitter: es un elemento sencillo, su configuración se limita a definir el balance de los caudales entre los ramales (lateral o principal). En este caso ha sido configurado como un nodo sin volumen. La opción caudal en el ramal lateral “Rate inside” se ha seleccionado para establecer el caudal que se purga cada día.

Sedimentador: físicamente corresponde al sedimentador denominado SE-102. La configuración de este elemento contempló sus dimensiones físicas y la recircu-lación de lodo desde el fondo del elemento, definida como un porcentaje del caudal afluente al reactor aeróbico. En este caso, el flujo desde el fondo del sedimentador es el correspondiente a la recirculación de lodos, en tanto que la opción relacionada con la regulación del caudal flow pacing se ha empleado para establecer el porcentaje de recirculación en función del caudal afluente al sistema piloto; por ejemplo: 60 % del efluente primario.

Efluente: corresponde al sobrenadante o clarificado del sedimentador secunda-rio; físicamente equivale a la unidad identificada como TK-102. No es una estructura donde se den procesos relacionados con el tratamiento, pero es importante dado que es

89


la unidad que permite verificar la calidad del agua efluente del modelo. Este elemento no permite ninguna configuración dentro del simulador.

Además de las unidades mencionadas anteriormente, en la tubería correspondiente al retorno de lodo se incluyó una unidad denominada tanque de equilibrio. Esta unidad no contiene ninguna característica asociada al sistema de tratamiento y se empleó solo como un elemento para la medición de la concentración de lodo de retorno durante el proceso de calibración y validación del modelo.

Protocolo de modelación empleadoA partir de la revisión bibliográfica llevada a cabo, se selecciónó el protocolo presentado en el reporte científico y técnico No. 22 (IWA Task Group on Good Modelling Practice, 2013). En general, el protocolo contempla cinco actividades principales:

1. Definición del proyecto.2. Recolección y verificación de datos.3. Configuración del modelo de la planta.4. Calibración y validación del modelo.5. Simulación e interpretación de resultados.

En la Figura 40 se presenta un diagrama de flujo que resume cada uno de los pa-sos contemplados dentro del protocolo de modelación aplicado. El protocolo adoptado corresponde al propuesto en el reporte científico y técnico No. 22 de la IWA (IWA Task Group on Good Modelling Practice, 2013).

Definición del proyecto: Originalmente, los modelos de lodos activados fueron empleados para estimar la capacidad de aireación requerida, evaluar el potencial de un sistema de tratamiento removiendo nutrientes, así como para estimar la producción de sólidos del sistema. Además de las aplicaciones mencionadas anteriormente, un modelo de este tipo puede emplearse en la evaluación de escenarios en el corto y en el largo plazo; algunos ejemplos son: i) toma de decisiones operativas, ii) control rutinario del sistema, iii) evaluación de escenarios asociados a futuras cargas afluentes, iv) inclusión de nuevas unidades para el tratamiento y v) cumplimiento de nuevos límites y controles al efluente del sistema de tratamiento (IWA Task Group on Good Modelling Practice, 2013).


90

FIguRA 40. Protocolo de modelación aplicado

91


Planteamiento del problema: con el fin de avanzar en el conocimiento de las condiciones locales en las que operarán los futuros sistemas biológicos de la ciudad de Bogotá, además de recolectar información detallada que sirva como insumo para los diseños detallados de los futuros trenes de los sistemas biológicos de tratamiento pre-vistos para la ciudad de Bogotá, la EAAB decidió llevar a cabo un estudio piloto que permitiera evaluar la tratabilidad mediante lodos activados del agua residual afluente a la planta piloto operada, determinar la eficiencia de la transferencia de oxígeno en las condiciones locales de la ciudad de Bogotá y determinar coeficientes de aireación y degradación biológica.

Recolección y conciliación de datos: la información empleada en el procedimiento de calibración y validación del sistema de lodos activados fue recolectada en la planta piloto de lodos activados ubicada en la estación elevadora Gibraltar. El sistema de lodos activados fue operado en 4 edades de lodo (2, 2,5, 3 y 5 días).

Durante la fase experimental se realizaron diferentes pruebas, algunas de ellas fueron ensayos únicos que permitieron conocer características del sistema de tratamiento y otras fueron pruebas realizadas en cada una de las edades de lodo mencionadas.

Procedimiento de calibración y validación del modeloLa calibración puede ser descrita como un ajuste iterativo de los parámetros del modelo hasta que los resultados de la simulación se ajusten al conjunto de datos observados. La calibración no contempla recolección de información adicional o modificaciones a la configuración establecida para la modelación (IWA Task Group on Good Modelling Practice, 2013). El modelo con los parámetros ajustados debe ser validado con un con-junto independiente de datos (Makinia, 2010).

Para este proyecto, la calibración del modelo se hizo a partir de la información disponible para la edad de lodo de 5 días (que es la información más reciente obtenida en campo). Además de la configuración de los diferentes componentes del modelo, a este se le agregó información de calidad del agua afluente. Inicialmente, se realizó una simulación en estado dinámico y se compararon los resultados del efluente modelado (modelo aún no calibrado) con los datos de calidad del agua medidos en el efluente.

Como era de esperarse, no se encontró una buena correspondencia al comparar los valores simulados (modelo no calibrado) con los valores realmente medidos. Con el fin de ilustrar los diferentes pasos del procedimiento de calibración, en la figura 41 se presenta la comparación de los resultados obtenidos en este caso.


92

FIguRA 41. Comparación de resultados del modelo no calibrado y calibrado con valores medidos

En esta figura se pueden observar los valores medidos en el efluente para sólidos suspendidos totales (SST) durante la edad de lodos de 5 días, así como los resultados del modelo al hacer una simulación sin calibrar. Adicionalmente, se presentan los resulta-dos obtenidos una vez el modelo fue calibrado. En el caso de los resultados correspon-dientes al modelo no calibrado, se puede apreciar que la eficiencia de remoción estaría sobreestimada si no se llevaran a cabo ajustes a los parámetros incluidos por defecto en el simulador. En general, para la edad de lodo de 5 días, diferentes valores asociados al día 4 de monitoreo presentan comportamientos atípicos al ser comparados con los otros días de esta edad de lodo.

Existen diferentes métodos para evaluar la calidad de la calibración obtenida, entre ellos estadísticos que permiten cuantificarla numéricamente. Sin embargo, en las primeras aproximaciones, simulaciones en estado estacionario y una inspección de las simulaciones en estado dinámico brindan elementos suficientes para juzgar la bondad de la calibración.

Emplear en la validación un conjunto de datos similar al seleccionado para cali-bración no es una buena idea, ya que un procedimiento correcto debe contemplar datos procedentes de condiciones claramente diferentes (Hulsbeek et ál., 2002). En particular, los datos considerados dentro del procedimiento de validación provienen de condiciones

93


de operación diferentes como edad de lodo, porcentaje de recirculación de lodo, caudal afluente y concentraciones de oxígeno en el reactor aeróbico.

La edad de lodo de 2,5 días fue seleccionada para la validación del modelo, a partir de 186 simulaciones de diferentes combinaciones, dentro de los siguientes rangos:

• Edad de lodo: rango evaluado entre 2 y 7 días.• Porcentaje de recirculación de lodo: rango evaluado entre 25 y 200 %.• Concentración de oxígeno disuelto en el reactor aeróbico: rango evaluado entre 0,5

y 2 mg/L.

Estas simulaciones se hicieron con una versión preliminar del modelo calibrado (no validado). Los resultados obtenidos fueron las condiciones que se establecieron en la planta piloto durante la operación, para la recolección de datos necesarios en la etapa de validación del modelo, a saber:

• Edad de lodo: 2,5. • Porcentaje de recirculación de lodos: 75 %. • Concentración de oxígeno disuelto en el reactor aeróbico: 1 mg/L.

Modelo calibradoEl modelo fue calibrado ajustando el valor de algunos parámetros incluidos por defecto en el simulador BioWin. Estos parámetros fueron modificados durante el proceso de calibración del modelo, buscando representar correctamente el comportamiento de la planta piloto.

En esta sección se presentan los detalles relacionados con los parámetros cinéticos, estequiométricos, de aireación y de sedimentación asociados a la correcta representa-ción del sistema de lodos activados. BioWin cuenta con diferentes menús que permiten modificar los parámetros incluidos por defecto en el simulador y que son aplicables a las actividades de modelación que se llevan a cabo. Cada uno de los menús permite modi-ficar los siguientes grupos de parámetros: cinéticos, estequiométricos, sedimentación y otros, como aireación, que resultan de interés en este caso.

En general, los parámetros asociados a la aireación, el fraccionamiento de la DQO y la cinética fueron estimados a partir de pruebas hechas durante la fase de experimen-tación. En el curso de la calibración y validación del modelo, se modificaron parámetros adicionales para mejorar el ajuste entre las simulaciones y los valores medidos.

En las publicaciones relacionadas con la modelación de lodos activados (algunas de ellas mencionadas en párrafos anteriores), las recomendaciones iniciales durante el proceso de calibración están dadas para el caso en el que se presenten diferencias signifi-cativas entre la magnitud de los resultados simulados y los valores medidos. En este caso,


94

se debe verificar la configuración del modelo en aspectos principalmente relacionados con dimensionamiento, recirculación y purga de lodos.

Una vez se han alcanzado tendencias y magnitudes similares (comparando los va-lores simulados con los medidos), la secuencia para el ajuste fino del modelo debe iniciar con el ajuste de producción de lodo y concentración de sólidos en el reactor aeróbico y en el afluente. Cuando las concentraciones de sólidos (medidas y simuladas) presenten un buen ajuste, los pasos finales de la calibración/validación del modelo deben buscar el ajuste de los parámetros asociados con las concentraciones de nutrientes en el efluente. Estos ajustes se logran con la modificación de los parámetros relacionados con la va-riable que se quiere modificar. Aumentar el valor de este parámetro se traducirá en un aumento de los valores de sólidos suspendidos en el efluente.

La información presentada entre las tablas 20 y 23 permite comparar los valores por defecto y los valores empleados en el modelo calibrado. Cada una de las tablas está acompañada de los comentarios que soportan la modificación de los parámetros. A con-tinuación se presenta un recuento de los parámetros incluidos por defecto en BioWin y modificados en el modelo calibrado.

TAbLA 20. Modelo calibrado - Parámetros estequiométricos

Familia o grupo Nombre del parámetro Valor por defecto Valor empleado

CommonParticulate substrate COD:VSS ratio [mgCOD/mgVSS] 1,6 2,34

CommonParticulate inert COD:VSS ratio[mgCOD/mgVSS] 1,6 2,34

Las relaciones COD:VSS (DQO:SSV) son determinadas a partir de la herramien-ta Influent Specifier, que acompaña a BioWin. Se estiman a partir de la relación de la DQO particulada (DQOp) con los sólidos suspendidos volátiles en el afluente (SSV).

TAbLA 21. Modelo calibrado - Parámetros cinéticos

Familia o Grupo Nombre del parámetro Valor por defecto Valor Empleado

AOB (1) Max. spec. growth rate [1/d] 0,9 0,56PAO (2) Max. spec. growth rate [1/d] 0,95 0,79

1. Determina la tasa de crecimiento máxima de la biomasa asociada a la biomasa encar-gada de oxidar NH3. Este parámetro impacta directamente en la capacidad de nitri-

95


ficación. El valor seleccionado representa la baja tasa de nitrificación que se presentó en la planta piloto.

2. Determina la tasa máxima de crecimiento de los organismos acumuladores de fósforo cuando existen limitaciones asociadas con sustrato, oxígeno disuelto o limitaciones por fósforo.

TAbLA 22. Modelo calibrado - Parámetros de la sedimentación

Familia o Grupo Nombre del parámetro Valor por defecto

Valor Empleado

Modified Vesilind Clarification switching function [mg/L]

100 330

Aumentar el valor de este parámetro se traducirá en un aumento de los valores de sólidos suspendidos en el efluente.

TAbLA 23. Modelo calibrado - Parámetros locales de la aireación

Familia o grupo Nombre del parámetro Valor por defecto

Valor Empleado

Aeration Alpha (surf) OR Alpha F (diff) [-] 0,5 0,42Aeration Beta [-] 0,95 0,99505

Aeration Surface pressure [kPa] 101,32 75,41Diffuser Area of one diffuser [m2] 0,041 0,03809

Diffuser % of tank area covered by diffusers [ %] 10 17,34416Diffuser Max. air flow rate per diffuser m3/hr

(20C, 101.325 kPa or 1 atm)10 3,5

RESuLTADOS Y ANALISISLos resultados obtenidos corresponden a la comparación de los valores medidos con los resultados de las simulaciones. En esta sección se presentan los resultados corres-pondientes a SST en el reactor aeróbico (correspondiente a la concentración de SST en la purga de lodo), solidos suspendidos totales, nitrógeno total Kjeldahl y fósforo total medidos en el efluente. Las gráficas presentadas entre las figuras 42 y 45 contienen los resultados obtenidos durante la calibración del modelo.En estas gráficas los valores medidos corresponden a muestras compuestas durante 24 horas (5:00 a.m. – 5:00 a.m.) y los valores simulados representan muestras horarias.


96

FIguRA 42. Sólidos suspendidos totales en el reactor aeróbico. Medido vs. simulado

FIguRA 43. Sólidos suspendidos totales en el efluente. Medido vs. simulado

97


FIguRA 44. Nitrógeno total Kjeldahl en el efluente. Medido vs. simulado

FIguRA 45. Fósforo total en el efluente. Medido vs. simulado


98

El análisis de resultados se realizó empleando las funciones para cuantificar la calidad de predicción del modelo, presentadas en el reporte científico y técnico No. 22 de la IWA. En la tabla 24 se resume el procedimiento de cálculo y su interpretación, en tanto que en la tabla 25 se presentan los resultados obtenidos al aplicar las funciones a los resultados de las simulaciones para las diferentes edades de lodo.

TAbLA 24. Funciones empleadas para cuantificar la calidad de predicción

Referencia Fórmula SignificadoPromedio de los residuos Permite evidenciar el sesgo

sistemático en los resultados.Error promedio absoluto (MAE) Es un indicador de la

variabilidad. Este criterio debe ser lo más bajo posible.

Raíz del error cuadrático medio (RMSE)

Indica la magnitud promedio de los errores, hace énfasis en los errores altos. Este criterio debe ser lo más bajo posible.

Coeficiente Janus Indica el cambio en la precisión del modelo entre el paso de calibración y la validación. Un coeficiente igual a 1 indica que el modelo tiene el mismo rendimiento en las dos etapas.

Donde: residuales correspondientes a la diferencia entre los valores observacos (Oi) y valores simulados (Pi).

Además de las funciones mencionadas anteriormente, para el análisis de resultados en la tabla 25 se incluye una columna que presenta la relación de los valores medidos y los valores simulados (promedio en ambos casos). Lo anterior con el fin de contar con un criterio que permita determinar rápidamente qué tan alejados están los valores si-mulados de los medidos.

En cuanto a las funciones empleadas, de acuerdo con el reporte científico y técnico No. 22 (IWA Task Group on Good Modelling Practice, 2013), además del resultado obtenido al aplicar las funciones deben considerarse diferentes criterios al juzgar los resultados de la simulación. En el caos de parámetros con magnitudes significativas (por ejemplo SST en el reactor aeróbico), de manera general se puede decir que diferencias entre 5% y 15 % de los valores simulados respecto a los datos medidos son consideradas

99


aceptables; por otro lado, en el caso de magnitudes pequeñas (por ejemplo SST en el efluente), son aceptables diferencias entre 10% y 100 %, comprendidas en concentra-ciones de alrededor de 1 mg/L.

En el caso de parámetros con magnitud baja (por ejemplo fósforo en el efluen-te), los valores promedio medidos están en el rango de 2,0 a 4,3 mg/L. Los valores simulados promedio están comprendidos entre 1,4 y 7,7 mg/L. En el peor escenario, correspondiente a la edad de lodo de 2 días, la diferencia entre el valor medido y el simulado es del orden de 3,4 mg/L. No obstante, para las otras edades de lodo eva-luadas las diferencias se encuentran alrededor de 1,0 mg/L, valor que puede resultar aceptable si se considera la incertidumbre que acompaña las actividades relacionadas con el muestreo y el procesamiento de las muestras en el laboratorio.

En el caso de los resultados obtenidos para los SST en el reactor aeróbico (equi-valente al lodo de purga), se puede ver que los peores escenarios corresponden a las eda-des de lodo de 3 y de 2 días. Para la edad de lodo de 3 días se observan algunos valores inconsistentes durante el procedimiento de calibración del modelo. Un ejemplo claro de esta situación es la similitud en los órdenes de magnitud (en SST) en los valores medidos en el reactor aeróbico para las edades de lodo de 5 y 3 días. Como era de espe-rarse, estos valores deberían ser diferentes; sin embargo, no lo son; esta situación puede estar asociada a problemas durante la operación de la planta o en el procesamiento de las muestras en el laboratorio.

En cuanto a la edad de lodo de 2 días, además de situaciones similares a la iden-tificada para la edad de lodo de 3 días, de acuerdo con Henze (2000) los modelos de la familia ASM (como el que usa BioWin) tienen dificultad para representar correctamente algunos parámetros a edades de lodo bajas u operadas a altas cargas y afluentes con ca-racterísticas de agua residual industrial. En cuanto a las edades de lodo de 5 y de 2,5 días, se puede ver que las concentraciones de SST en el reactor aeróbico son representadas en forma aceptable considerando los criterios expuestos anteriormente.

Parámetros como la DQO medida en el efluente, muestran buenos resultados en la simulación. Es importante tener en cuenta que las fracciones solubles no biodegradables que se registraron en el afluente al sistema piloto, siempre mostraron valores superiores a los típicos para el agua residual doméstica, lo que puede ser un indicador de presencia de vertimientos industriales. Un sistema biológico no remueve estas fracciones de la DQO y, en consecuencia, los valores de DQO registrados en el efluente mantuvieron concentraciones similares en las diferentes edades de lodo.


100

TAbLA 25. Resultados de las funciones para cuantificar la calidad de predicción del modelo

Parámetro - lugar E . Lodo

Medido* Simulado* ri MAE RMSE J2 Medido/simulado

Días mg/L mg/LSST reactor aeróbico y lodo de purga

5 2632 2893 258 307 381 - 1,13 2521 1511 -1010 1010 1016 7,1 0,62,5 1535 1238 -296 296 320 0,7 0,82 2623 1186 -1437 1437 1479 2,1 0,5

SST efluente 5 21,8 22,3 1,7 3,4 3,9 - 1,03 15,0 19,6 4,6 4,6 4,7 1,4 1,32,5 14,8 14,3 -0,5 2,1 2,2 0,3 1,02 17,3 18,3 1,1 7,7 12,2 6,9 1,1

DQO efluente 5 144,0 132,5 -1,5 36,7 44,8 - 0,93 154,7 138,0 -16,6 23,8 35,5 0,6 0,92,5 155,2 138,3 -16,9 28,6 37,1 0,7 0,92 133,4 135,4 0,0 0,0 0,0 0,0 1,0

NTK efluente 5 35,1 34,6 -0,1 6,2 7,4 - 1,03 37,7 33,7 -4,0 4,0 4,5 0,4 0,92,5 34,5 38,0 3,5 5,3 5,6 0,6 1,12 49,4 53,0 0,0 0,0 0,0 0,0 1,1

NH3-N efluente 5 30,0 31,2 1,6 8,9 10,5 - 1,03 33,2 30,8 -2,5 5,0 5,1 0,2 0,92,5 28,3 34,9 6,6 6,6 7,0 0,4 1,22 46,5 48,9 0,0 0,0 0,0 0,0 1,1

Fósforo efluente 5 2,5 1,4 -1,1 1,1 1,3 - 0,63 2,2 1,4 -0,8 0,8 0,9 0,5 0,72,5 2,0 3,2 1,2 1,2 1,3 1,1 1,62 4,3 7,7 3,4 3,4 3,4 15,9 1,8

* Concentración promedio

Para el caso de las diferentes formas de nitrógeno analizadas, a partir del ajuste entre los valores medidos y simulados se presume que el modelo calibrado representa correctamente la transformación del nitrógeno.

101


Escenarios analizadosEn este acápite se presentan la configuración y los resultados obtenidos a partir de dife-rentes escenarios analizados empleando el modelo calibrado. Esta es una de las princi-pales bondades de esta herramienta, dado que permite evaluar fácilmente, y con cierto grado de certeza, escenarios que en el sistema piloto tomarían semanas o quizá meses de operación, asociados a los costos de la logística necesaria y el análisis de laboratorio.

Los escenarios analizados comprenden la operación de la planta en diferentes edades de lodo con el fin de identificar la edad de lodo óptima desde el punto de vista de remoción de fósforo y costos de operación.

A partir del modelo calibrado se adelantaron simulaciones en diferentes edades de lodo (2, 4, 6 y 8 días). Los resultados de las simulaciones han sido empleados en el análisis de la influencias de la edad de lodo en la remoción de fósforo, demanda de aire, el proceso de nitrificación.

Desde el punto de vista de la eficiencia de remoción, para las diferentes edades de lodo evaluadas, la calidad del agua del efluente clarificado no presenta variaciones significativas en parámetros como DQO (137,7 ± 1,3 mg/L), DBO5C (8,9 ± 0,9 mg/L) y SST (23,0 ± 2,4 mg/L). En este caso las principales diferencias se presentan en los procesos asociados a remoción de fósforo y transformación de nitrógeno.

Resultados ObtenidosLos resultados obtenidos muestran que la edad de lodo de 4 días representa un punto de interés para los procesos analizados. Los resultados obtenidos se presentan en las Figuras 46 a 49

Remoción de Fósforo:Los procesos de remoción de fósforo son totalmente efectivos a partir de la edad de lodo de 4 días, la concentración de fósforo en el efluente para edades de lodo superiores a 4 días está alrededor de 1,71 ± 0,1 mg/L. Teniendo en cuenta que la concentración de fósforo en afluente fue definida para las simulaciones como 9,17 mg/L la eficiencia de remoción de fósforo es equivalente al 81,35%. Para las condiciones locales de la ciudad de Bogotá, este es el mejor escenario que puede ser alcanzado con esta configuración (Ver Figura 46).


102

FIguRA 46. Concentración de P. en el efluente a diferentes edades de lodo

Demanda de aire:Para edades de lodo inferiores a 4 días la demanda de aire en el reactor aeróbico es de 12,06 ± 0,23 m3/hr (20oC, 1 atm), en edades de lodo superiores a 6 días la demanda de aire esta alrededor de 24,28 ± 1,15 m3/hr (20oC, 1 atm). Esta diferencia está asociada con la ocurrencia de procesos de nitrificación (Ver Figura 47).

FIguRA 47. Demanda de aire en el reactor aeróbico

Para el escenario analizado la tasa de utilización de oxígeno (OUR, por el término en inglés oxygen utilization rate) asociada a la degradación de la materia orgánica carbo-nácea se mantiene invariable en las diferentes edades de lodo (37,40 ± 0,79 mgO/L/hr). La OUR asociada a los procesos de nitrificación presenta valores prácticamente nulos en edades de lodo inferiores a 4 días (1,90 ± 1,57 mgO/L/hr), un incremento representativo

103


a partir de la edad de lodo de 4 días y su valor máximo a partir de la edad de lodo de 6

días (32,68 ± 2,18 mgO/L/hr) (Ver Figura 48).

FIguRA 48. Tasa de utilización de oxígeno

Nitrificación:Los procesos de nitrificación son totalmente efectivos a partir de la edad de lodo de 4 días, desde este punto el nitrógeno amoniacal en el efluente presenta las concentraciones más bajas (4,9 ± 1,3 mg/L), así mismo, las formas más oxidadas de nitrógeno (Nitritos + Nitratos) presentan valores máximos en el efluente (23,7 ± 1,0 mg/L) (Ver Figura 49).

FIguRA 49. Especies de N. en diferentes edades de lodo


104

Teniendo en cuenta que durante la configuración del modelo la concentración de NTK (N. Amoniacal + N. Orgánico) en el afluente fue definida como 55,84 mg/L la máxima eficiencia de remoción es equivalente al 23,35%. La eficiencia de remoción ha sido calculada considerando el NTK en el afluente y el NT en el efluente, esta suposición es validad en este caso dado que típicamente no se encuentran Nitritos y Nitratos en el agua residual doméstica. Esta baja eficiencia de remoción es normal en esta configuración del proceso de lodos activados, lo anterior dado que su configuración no está orientada a la remoción de nitrógeno. En las mejores condiciones la concentración de nitrógeno más baja que será alcanzada en el efluente es de 32 mg/L.

Análisis de ResultadosTeniendo en cuenta los resultados obtenidos a partir de las simulaciones adelantadas resulta evidente que la edad de lodo de 4 días presenta una condición favorable para la operación del proceso de lodos activados operado en las condiciones locales de la ciu-dad de Bogotá. Esta afirmación alrededor de la edad de lodo de 4 días se justifica en las siguientes razones:

- La demanda de aire no se ve afectada por los procesos de nitrificación, esto im-pacta los costos operación, particularmente los relacionados con la energía necesaria para operar los sopladores del proceso de aireación. Como referencia, para la remoción de DBO en edades de lodo comprendidas entre 5 y 20 días la demanda de oxígeno varía entre 0,9 y 1,3 mg O2/mg DBO removida (Metcalf & Eddy et al., 2013). La conversión estequiometria de nitrógeno amoniacal a nitratos requiere 4,57 mg O2/mg N (Henze et al., 2008). – La remoción de fósforo alcanzada en estas condiciones de operación es la más alta

que se puede lograr en esta configuración. Esta eficiencia de remoción es consistente con literatura científica que reporta remociones de fósforo en un rango comprendido entre 4 y 10 mg/L (Rittmann & McCarty, 2001).

– La remoción limitada de nitrógeno en esta configuración (Selector Anaeróbico + Ae-róbico) es consistente con los valores reportados en la literatura científica. Lo anterior dado que el selector anaeróbico no presenta las condiciones óptimas para los procesos de desnitrificación, es decir presencia del nitrato como aceptor de electrones (Bitton, 2005). En esta configuración el nitrato presente en el selector está limitado a las con-centraciones en el retorno de lodo. La recirculación interna de lodo es la condición óptima para llevar nitratos al reactor aeróbico.

105

resultados del sistema de monitoreo en Continuo de las aguas afluentes a la estaCiÓn

elevadora de gibraltar

Santiago Sandoval, Alejandra Ruíz, David Zamora, María Isabel Rivero, Liliana López-Kleine, Thomas Rosmann, Andrés Torres

INTRODuCCIÓNEl monitoreo en continuo de la calidad del agua ha surgido en los últimos años con el fin de realizar seguimiento en tiempo real de los contaminantes del agua, que pueden no solo afectar a la salud humana, sino también al medio ambiente, a causa del proceso continuo de urbanización en la mayoría de los países del mundo. En el caso de Colombia, se prevé que para el año 2050, al igual que la gran mayoría de los países en el continente americano, más del 81 % de la población total esté concentrada en las ciudades (United Nations Population Division, 2008). Dicho crecimiento, generalmente incontrolado y con brechas en la planeación, genera que la red hidrográfica relacionada con las prin-cipales ciudades esté sometida a flujos y cargas contaminantes cada vez más nocivos.

En estudios previos se ha hecho evidente qué sustancias contaminantes contribu-yen a las emisiones totales de los cuerpos de agua. Las cargas de contaminación produ-cidas no se deben únicamente a la escorrentía superficial y al caudal en tiempo seco, sino también a la recuperación de la movilidad de los depósitos de alcantarillado durante los eventos de lluvia. Los depósitos resuspendidos causan la mayoría de la contaminación, pero los procesos que lideran la resuspensión y la formación de sedimentos en alcanta-rillados son altamente complejos y solo pueden ser descritos con precisión limitada por medio de modelos determinísticos (Gruber et ál., 2005).

Hasta hace relativamente poco tiempo, la calidad de las aguas era estimada a partir de análisis de laboratorio efectuados sobre muestras puntuales recolectadas in situ, mi-diendo parámetros de calidad de acuerdo con métodos estándar reconocidos. La práctica clásica de muestreo puntual en campo, acoplado con análisis estándar en laboratorio para determinar parámetros de calidad de aguas, presenta varios inconvenientes como: 1) transporte de las muestras del punto de recolección al laboratorio, 2) almacenamiento y conservación de las muestras, 3) plazos prolongados para la obtención de resultados y iv) baja representatividad espaciotemporal de los resultados (Winkler et ál., 2008).


106

Una de las alternativas posibles para limitar dichas dificultades consiste en im-plementar la medición en continuo con captores instalables in situ, los cuales utilizan tecnologías como la espectrometría UV-visible, infrarrojo y los electrodos de ion sen-sible. Estas tecnologías recientes en el monitoreo de la calidad de aguas proporcionan información con alta frecuencia (alrededor de una medición por minuto), que puede traducirse en términos de concentraciones equivalentes de uno o varios parámetros a la vez (SST, DQO, nitratos entre otros), los cuales pueden ser monitoreados en continuo utilizando un solo instrumento de medición (Winkler et ál., 2008).

Dado que estos captores no proporcionan directamente valores de concentraciones de contaminantes, se deben desarrollar y poner en práctica métodos específicos para evaluar las concentraciones equivalentes en SST y DQO. De manera preliminar, se han hecho intentos por relacionar espectros con concentraciones (Torres y Bertrand-Krajewski, 2008), pero los resultados generados en esas investigaciones no son lo sufi-cientemente precisos. Por consiguiente, surgen inquietudes como: ¿es posible mejorar la precisión de los pronósticos de las concentraciones de contaminantes explorando otro tipo de métodos?

Por otro lado, un mejor conocimiento de los diferentes procesos fundamentales en distintos hidrosistemas (p. ej. plantas de tratamiento de aguas residuales, aliviaderos, ríos urbanos, redes de alcantarillado) permite una mayor comprensión de estos y la po-sibilidad de controlarlos. Una de las principales razones para implementar el control en un hidrosistema de saneamiento urbano es la presencia de perturbaciones, que deben ser compensadas para mantener el correcto funcionamiento del sistema. Por ejemplo, el afluente de una planta varía típicamente de forma considerable en su concentración, composición y caudal, con escalas de tiempo que van de la fracción de horas a meses. Como resultado, la planta casi nunca está en un estado estacionario, aunque sí sujeta a un comportamiento transitorio.

LINEAMIENTOS DE OPERACIÓN DE CAPTORESEn Colombia hay poca experiencia en cuanto a la operación de las sondas o sensores de medición en continuo, instalables in situ, para el monitoreo de la calidad del agua en hidrosistemas de saneamiento urbano, motivo por el cual siguen existiendo algunas dudas sobre las prácticas de operación y mantenimiento de estas novedosas tecnologías.

Por ende, se desarrolló una investigación para determinar métodos y protocolos específicos que respondan a los requerimientos de operación y mantenimiento de son-das uniparamétricas (turbidímetros) y multiparamétricas (espectrómetro UV-visible) según la calidad de agua del hidrosistema en estudio. La instalación de las sondas es considerada como parte de la metodología de la medición, debido a que es de suma

107

rEsultados dEl sistEma dE monitorEo En continuo dE las aguas afluEntEs a la Estación ElEvadora dE gibraltar

importancia que el sensor sea localizado en un punto representativo de muestra, bajo todas las condiciones que puedan ocurrir en el lugar de la medición.

Para la caracterización preliminar de las aguas combinadas (residuales y pluvia-les) de la estación elevadora de Gibraltar, en el Laboratorio de Calidad de Aguas del Departamento de Ingeniería Civil de la Pontificia Universidad Javeriana se desarrolla-ron 9 ensayos de laboratorio para determinar DQO, nitritos, nitratos, OD, SST, pH, turbiedad, conductividad y DBO5. Esta campaña de muestreo se realizó entre el 28 de febrero y el 8 de abril de 2011, entre las 8:00 a.m. y 12 m.

Para este punto experimental solo se alcanzaron a recolectar 7 muestras, las cuales fueron analizadas por triplicado debido a que durante la campaña de medición y reco-lección de muestras fue temporada invernal, y ello hizo que los niveles del río Bogotá (alerta roja) aumentaran, por lo que las aguas del río ingresaban a la estación elevadora de Gibraltar y modificaban la calidad del agua afluente, causando que esta perdiera la representatividad del agua que se buscaba analizar. Los parámetros de calidad medidos se muestran en la tabla 26. Como se observa allí, las concentraciones de contaminantes que predominan en este hidrosistema son la DQO y los SST.

TAbLA 26. Resultados de la caracterización de la estación elevadora de Gibraltar

PARáMETRO MÍNIMO PROMEDIO MáxIMODQO (mg/L) 190 559,52 937Nitritos (mg/L) 0,7 8,3 13,67Nitratos (mg/L) 15,97 20,14 23,8OD (mg/L) 0 0 0SST (mg/L) 70 358,62 1040pH (uni) 7,1 7,57 7,9Turbiedad(UNT) 5,8 125,79 289Conductividad (µS/cm) 364,5 882,4 1315DBO5 (mg/L) 48 76,1 84

FuENTE: Torres et ál. (2013)

Con el propósito de definir recomendaciones de operación y mantenimiento de los captores de contaminantes de agua residual instalables in situ, tales como turbidímetro y espectrómetro UV-Vis, se diseñó un montaje de captores cuyo fin es que circulen conti-nuamente muestras de agua residual de diferentes hidrosistemas urbanos, con el ánimo de evitar una sedimentación significativa de los sólidos en suspensión, y así someter los sensores a diferentes condiciones controladas de operación (Torres et ál., 2013). El en-


108

sayo de operación fue planteado para analizar las posiciones adecuadas de los captores, referentes a la profundidad y a los ángulos. En el producto 6 de este convenio se pueden consultar en detalle las posiciones de turbidímetros analizadas.

Como conclusión principal de la investigación realizada por Torres et ál. (2013), se estableció que se debe asegurar una adecuada posición en la instalación de los sensores, puesto que los ángulos y las profundidades inciden significativamente en la variabilidad de los datos. Las sondas uniparamétricas (turbidímetro) deben instalarse a un ángulo entre 39,8° y 45° con respecto a la horizontal y al 35 % de la profundidad del hidrosistema. Por otra parte, para la instalación de la sonda multiparamétrica (espectrómetro UV-Vis) se debe procurar garantizar una posición totalmente horizontal, con una variación de hasta 6°, a cualquier profundidad no mayor a 1 m para concentraciones bajas de SST (< 30 mg/L) o entre 87,5% y 100 % de la profundidad del hidrosistema para concentra-ciones altas de SST y DQO (Torres et ál., 2013). Este último caso aplicable para el hidrosistema de la estación elevadora de Gibraltar.

Los intervalos de medición varían según las concentraciones de contaminantes que se pueden monitorear con el espectrómetro UV-visible. Se halló que estos intervalos son mayores (entre 8 y 33 min) si se desea monitorear los contaminantes ubicados en la parte visible del espectro (color, turbidez, SST), a comparación del intervalo hallado (2 min) para el monitoreo de los contaminantes ubicados en la zona orgánica (DBO, DQO, nitritos, nitratos, entre otros). Esto le permite a los sensores operar consumiendo menor cantidad de energía, lo que implica ahorros que pueden llegar a ser considerables para periodos prolongados de operación de monitoreo en continuo, con este tipo de tecnologías instalables in situ (Torres et ál., 2013).

Adicionalmente, como parte del análisis operativo de los sensores, se encontró que el instante en que se debe iniciar la limpieza, bien sea automática o manual, es me-nor cuando las concentraciones de SST son mayores a 30 mg/L y DQO menores a 20 mg/L. Al implementar el turbidímetro se debe iniciar la limpieza al minuto de inicio de medición para concentraciones altas, es decir, SST>30 mg/L (caso E.E.) y a los 3896 min para concentraciones bajas, SST< 30 mg/L. La limpieza para el espectrómetro UV-Vis se debe realizar después de 38 min del inicio de la medición en hidrosistemas de concentraciones altas, es decir, SST> 30 mg/L (caso E.E.) y a 390 min para concen-traciones bajas, SST< 30 mg/L, con una frecuencia de limpieza automática de 2 min, sea con el sistema de aire o con el sistema de agua. Estos periodos de tiempo iniciales, en que los sensores no necesitan ser sometidos a limpieza o mantenimiento, inciden en ahorro de costos. Dichos costos pueden estar asociados a consumo de energía al reali-zar las limpiezas automática tanto en los sensores como en sus accesorios, tales como: el compresor de aire, la bomba de agua (para el espectrómetro UV-Vis), o asociados al

109


personal disponible y transporte al lugar experimental para realizar el mantenimiento manual de los sensores (Torres et ál., 2013).

METODOLOgÍAS DE TRATAMIENTO Y ANáLISIS DE DATOS

Redes neuronales aplicadas a espectrometría UV-visibleEn la investigación fue implementado el modelo de RNA de capas múltiples, el cual utiliza el método de retropropagación (backpropagation). Este es un método de apren-dizaje supervisado que intenta minimizar los errores promedios mediante las derivadas parciales de dichos errores, actualizando los pesos de la red neuronal en la dirección en la que la función de desempeño disminuye más rápidamente, el gradiente a su vez des-cendiente (Demuth et ál., 2009). Este tipo de RNA trabaja desde la capa de salida hacia la capa de entrada. Después de cada entrenamiento, se comparan los datos de salida con los valores deseados, para calcular el error de cada una de ellas. A partir de esto se estima el peso que debe ser ajustado, el cual se adapta dentro de las neuronas para reducir los errores. A continuación, se repite el proceso anteriormente descrito para la capa anterior, hasta llegar a la capa de entrada (Witten et ál., 2005). Asimismo, se implementó el mé-todo de validación cruzada para la calibración del modelo. Dicha validación se repitió para cada conjunto de datos del espectro de absorbancia, dependiendo del número de registros. Los datos se dividen en dos grupos, uno de los cuales sirve para la calibración del modelo (llamado conjunto de entrenamiento) y el otro para su validación (llamado conjunto de validación). En cada repetición se calcula el error durante la validación y al final se calcula un error total. Normalmente se calcula la suma o el promedio de los valores de cada repetición. En el caso más sencillo se usa solamente un registro para la validación. Se repite el proceso de calibración un número de veces tal que cada registro haya sido usado para validar el modelo por lo menos una vez (Kohavi, 1995).

Por otro lado, el conocimiento de las concentraciones y cargas contaminantes representa una pieza clave y un insumo fundamental para el desarrollo de sistemas de gestión de drenaje urbano. Sin embargo, hasta hace relativamente poco tiempo, las concentraciones en SST y DQO eran estimadas a partir de análisis de laboratorio efectuados sobre muestras puntuales recolectadas in situ. Una de las alternativas para limitar las dificultades en este tipo de aproximaciones (véanse detalles en Winkler et ál., 2008) consiste en utilizar captores in situ, capaces de proporcionar informaciones a alta frecuencia (del orden de una medición por minuto) que puedan traducirse en términos de concentraciones equivalentes en SST y DQO. Para la presente investigación se im-plementaron turbidímetros y espectrómetros UV-visibles, los cuales pueden utilizarse in situ con un nivel de confianza satisfactorio (Gruber et ál., 2006).


110

Los datos usados resultaron de 16 muestras del espectro de UV-visible y las co-rrespondientes medidas de DQO y SST. Para esta investigación las muestras fueron tomadas de un experimento previamente realizado por Torres y Bertrand-Krajewski (2008) a la entrada de un estanque de retención en la zona industrial de Chassieu, Francia.

Los datos se midieron en el año 2005, la mitad en época de tormenta, el día 28 de noviembre y la otra mitad durante época seca, los días 22 de noviembre y 15 de diciem-bre (Torres y Bertrand-Krajewski, 2008). Las muestras se dividieron aleatoriamente para ser usadas como datos para calibración o datos para validación. De cada muestra se midieron los valores de espectrometría UV-visible en el espectro de 200 a 722,5 nm. Igualmente, se conocieron los valores de DQO y SST medidos en laboratorio para cada una de las muestras.

Se propusieron dos formas de calcular los resultados: 1) se calcularon resultados tanto para DQO como para SST, en una red neuronal combinada, y 2) se usaron dos RNA independientes, una para calcular los valores para DQO y otra para SST.

El primer modelo tuvo como finalidad identificar el número de capas ocultas ideal en la red. Para esto se calibraron los modelos de las RNA con 1 a 20 capas ocultas, cada una con cinco neuronas, valor que fue escogido de forma arbitraria. De lo anterior se observó que en ambos entrenamientos, el modelo de la red neuronal combinada versus los modelos de las redes independientes, el menor error medio cuadrado (MSE) lo arrojaron los modelos RNA con dos capas ocultas.

Luego se estudió cada posible combinación de neuronas en las dos capas ocultas propuestas; la cantidad osciló entre 1 y 5 neuronas. A partir de estas combinaciones se entrenaron las RNA, tanto para el modelo combinado como para los modelos con cada variable de forma independiente. Además, se incluyó un análisis estadístico por medio de validación cruzada y se repitió el proceso de entrenamiento con los datos de entrada 11 veces, cada vez omitiendo un registro de datos.

En el proceso de validación cruzada se calculó un error y se sumó para las 11 re-peticiones, a fin de consolidar un error final en cada combinación de neuronas en las dos capas ocultas y determinar así cuál estructura de RNA tenía el menor error, apro-ximándose de una mejor forma a los registros in situ.

Para el modelo combinado que calculaba ambos valores de salida, DQO y SST, se determinó que la combinación de 5 neuronas en la primera capa oculta y 4 en la segunda arrojó el mejor resultado. Por otra parte, el modelo que evaluaba únicamente los valores del contaminante DQO resultó mejor con 3 neuronas en la primera y 4 en la segunda capa; mientras que el modelo que calculó únicamente los SST funcionó mejor con 1 neurona en la primera y 4 en la segunda capa oculta.

Con la información obtenida en las pruebas anteriormente descritas, se pronos-ticaron los valores de las concentraciones de DQO y SST, en función del espectro de

111


absorbancia para la validación con las combinaciones de capas ocultas propuestas, en el modelo combinado calculando los dos valores de forma simultánea y los modelos donde se calculó el valor de cada variable de salida de forma independiente. Es importante mencionar que ninguna arquitectura de las RNA produjo un resultado en que todos los valores de las variables de salida simuladas se aproximaran a los valores deseados, conservando un margen de error similar. Aunque muchos valores se aproximaron al valor esperado, en cada resultado hubo por lo menos un valor que se distinguió conside-rablemente de los demás valores medidos. En general, se puede decir que los resultados de los experimentos numéricos son muy variables y difieren cada vez que se realizaba el cálculo con el fin pronosticar la salida. Debido a esto fue necesario obtener los prome-dios a través de la validación cruzada, para obtener una tendencia y con esto identificar qué datos probablemente otorgaban los mejores resultados.

Se puede considerar obtener mejores resultados si existe un mayor número de muestras de datos con los cuales se puedan entrenar las redes neuronales, logrando así un mejor estado de aprendizaje del modelo, ya que si el MSE tiende a estabilizarse o a tener un comportamiento similar en las diferentes pruebas que se realicen con grupos heterogéneos de datos, podrá interpretarse qué modelo de la red neural alcanzó su máximo punto de aprendizaje y que las diferencias que presenten con los registros en campo estarán en un rango establecido por dicho nivel de aprendizaje.

El modelo de RNA descrito son redes estáticas de aprendizaje supervisado, las cuales calculan los datos de salida directamente de los datos de entrada. Por otra parte, existen las redes dinámicas que tienen en cuenta datos de entrada y salida de experi-mentos previamente ejecutados; incluso, es posible agregar secuencias de tiempo a los datos, controlando el orden por el cual se procesan los datos, lo que es muy importante para datos que dependen de eventos anteriores (Demuth et ál., 2009). Por lo tanto, se podría experimentar con este tipo de redes y evaluar el alcance predictivo de este mode-lo, comparando incluso los recursos y tiempos empleados en el proceso de modelación.

Cuantiles para la detección de outliers en conjuntos de datos de SST y DQO en

función de espectros UV-visible Esta sección presenta un método para detección de outliers, dicho método se ha aplicado a un conjunto de datos de contaminantes presentes en el agua afluente a la PTAR San Fernando en Medellín, Colombia: SST, DQO y espectro de absorbancia en el rango UV-visible por diferentes muestras. La detección de valores denominados outliers es una tarea de minería de datos que permite detectar objetos desviados, eventos extraños y/o excepcionales. Las causas de los outliers se pueden clasificar en dos: los derivados de errores en los datos y los derivados de la variabilidad inherente de los datos.


112

Por otro lado, y como se mencionó con anterioridad, la calibración local de la sonda spectro::lyser requiere la recolección de muestras y su posterior análisis en labo-ratorio a través de ensayos estándar de los contaminantes de interés y la medición de los espectros de absorbancia de estas muestras. De allí que la información obtenida en el laboratorio sea un insumo fundamental para que las mediciones in situ y en continuo realizadas por la sonda generen resultados satisfactorios, que representen la dinámica de los contaminantes y cuyas magnitudes correspondan al estado físico-químico cap-turado en la huella digital representada a partir del espectro de absorbancias, conjunto de variables independientes a través del cual se estiman las concentraciones. En con-secuencia, es importante detectar qué valores del conjunto de datos de calibración (es-pectros y concentraciones) son outliers, con el fin de encontrar mejores modelos, cuyos resultados sean más precisos y no se vean afectados por valores atípicos asociados a un comportamiento inusual del hidrosistema o errores ligados a las prácticas de laboratorio.

Por lo tanto, utilizando la metodología concebida por Tukey (1977), se desarrolló un método para la detección de outliers, con el fin de eliminar de las bases de datos los espectros de absorbancias y sus respectivas concentraciones de laboratorio decla-rados como outliers. A continuación se describen en detalle los pasos del método de detección propuesto:

1. Calcular el coeficiente de correlación (r) entre los valores de absorbancia de cada longitud de onda del espectro y la concentración del contaminante por cada muestra.

2. Seleccionar la longitud de onda con el mayor coeficiente de correlación entre los valores de absorbancia y los valores de concentración del parámetro estudiado, deno-minado miw (most important wavelength), y a partir de esto conformar dos grupos de datos: uno con las absorbancias asociadas a dicha longitud de onda y otro con su correspondiente concentración.

3. De dichos grupos se selecciona el 67 % de los datos de forma aleatoria, los cuales se usan para calibrar los coeficientes de un modelo de regresión lineal. Este proceso se repite 50 000 veces, utilizando la ecuación 5.

ECuACIÓN 5. Calibración de coeficiente de un modelo de regresión lineal

Donde mk y bk son los coeficientes calibrados en cada una de las k ejecuciones, xi las absorbancias de la longitud de onda más importante, e y ̂ las concentraciones calculadas de la ecuación lineal (con i= 1, 2, 3..., n).

113


4. A partir de los coeficientes calculados, se estiman las concentraciones para cada una de las ejecuciones aleatorias en función de las absorbancias de la miw, obtenidas en el paso anterior.

5. Se calculan los cuartiles Q1, Q2 y Q3, y de las concentraciones estimadas, conformando así una matriz de dimensiones n * 1 por cada cuantil.

6. Luego, en función de las miw y los cuantiles calculados en el paso anterior, se calibra un modelo regresivo de carácter polinomial de segundo grado por cuantil, los cuales tienen por fin modelar el comportamiento de los tres cuantiles del conjunto de datos n * k (véase ecuación 6).

ECuACIÓN 6. Calibración de coeficiente de un modelo de regresión polinomial de se-gundo grado

Donde los subíndices MQ1,2,3 hacen referencia al modelo independiente para primer cuartil (MQ1), segundo cuartil (MQ2) y tercer cuartil (MQ3), (xi(λmiw)) son los valores de absorbancia correspondientes a las miw y Ci(1,2,3), Di(1,2,3) y Ei(1,2,3) son los coeficientes que se calibran para cada modelo.

7. Calibradas las ecuaciones polinomiales, se calculan los límites y rangos para la detección de los mild outliers (MQ1 - 1,5 * IQR, MQ3 + 1,5 * IQR), extreme outliers (MQ1 - 3

* IQR,, MQ3 + 3 * IQR) y la tendencia central de los datos (Q2 cuantil 50 %). Aquí el rango intercuantil es la diferencia entre MQ1 y MQ3.

La forma de validar los resultados del método de detección de outliers se encuentra en el ajuste que se alcance entre los valores estimados por medio de un modelo de re-gresión de PLS y las concentraciones obtenidas en laboratorio de cada contaminante en función del espectro de absorbancia. Se emplearon la raíz cuadrada del error cuadrático medio RMSEP y el coeficiente de correlación r como métricas para evaluar el ajuste.

Los resultados están divididos en dos partes: 1) primero se presentan los resulta-dos de la detección de outliers, 2) y en segundo lugar se muestran los resultados de los modelos regresivos PLS calibrados con y sin los datos outliers.

Para los datos del afluente se detectó en general un mayor porcentaje de Eo en relación con los detectados en el efluente. El mayor de estos porcentajes está en los SST,


114

con 66,13 %, mientras que los Mo y los datos validados corresponden al 14,52 y 19,35 % de la totalidad de los datos, respectivamente, para este contaminante. Por otra parte, la DQO tiene el mayor porcentaje de datos validados (22,58 %) y la menor parte de Eo, correspondiente al 55 % de la totalidad de los datos.

Por otra parte, la estrecha diferencia entre el límite de los Mo y el límite de los Eo para los SST, en particular en el rango de absorbancias (100 Abs/m a 150 Abs/m), puede aumentar al incrementarse el número de datos considerados en el análisis, ya que esto permitiría incrementar la distancia de los límites Mo y Eo respecto a la curva correspondiente a la MQ 2. Con lo cual, un mayor número de datos quedarían definidos como datos validados y/o mild outliers. A diferencia del comportamiento de la DQO, cuyas absorbancias más importantes se encuentran tanto en la parte UV como en la visible, ya que este parámetro está relacionado con oxidación química de la materia disuelta y en suspensión.

Es importante aclarar que en este caso particular de aplicación del método de detección de outliers, se unieron los subconjuntos de datos Mo y validados, creando un único conjunto de datos validados denominado en adelante datos de regresión (DR), que a su vez se divide en un subconjunto de calibración y otro de validación para generar los modelos de regresión PLS en los datos del afluente.

Como siguiente actividad, se generaron modelos regresivos PLS calibrados con y sin los datos outliers, para lo cual se dividió la base de datos (espectros-concentracio-nes) en un 67 % para calibración y el restante 33 % para validación. La dispersión que se presenta tanto en la calibración como en la validación de los modelos con outliers para ambos contaminantes permite inferir la baja predictibilidad de dichos modelos, lo cual es soportado por las magnitudes significativamente altas del RMSEP, que identifica el error de predicción en las mismas unidades de las variables analizadas, con un máximo valor en la etapa de validación del modelo con outliers de los SST: RMSEP = 108,51 mg/L. Por otra parte, el ajuste representado por el coeficiente de correlación r es mejor para las predicciones del modelo con outliers de la DQO, y cuyo valor se mantiene estable durante las etapas de calibración y de validación, a diferencia de los SST que en la validación disminuyen el ajuste con respecto a la etapa de calibración en un 24 %.

Luego de calibrar los modelos PLS sin outliers para ambos contaminantes, se pudo establecer una mejor capacidad predictiva de los modelos para los SST en la etapa de validación, al comparar los valores de RMSEP = 16,89 mg/L y r = 0,95 correspon-dientes al modelo sin outliers versus RMSEP = 108,51 mg/L y r = 0,58 obtenidos del modelo con outliers.

Por otra parte, al comparar los resultados de las métricas evaluadas para el con-junto de datos de la DQO, medidos y estimados por los modelos con y sin outliers en la etapa de calibración, se encontraron mejoras significativas en el RMSEP y en el r.

115


Sin embargo, en la etapa de validación los ajustes para la mayoría datos estimados del modelo sin outliers son buenos, pero el RMSEP es de un mayor valor que el obtenido del modelo con outliers. Esto se debe a que uno de los datos no fue catalogado como outlier, siendo la magnitud de este punto la causal del incremento sustancial de RMSEP y de la disminución del valor r de la etapa de calibración a la etapa de validación en el modelo sin outliers.

El método de detección de outliers propuesto resulta una alternativa sencilla y práctica para identificarlos, sin necesidad de comprobar la normalidad de los datos y generando límites de detección en función del conjunto de datos de las variables inde-pendientes.

Los resultados experimentales evidencian el efecto de la supresión de los outliers en el rendimiento de los modelos regresivos PLS en los datos del afluente de la PTAR San Fernando. Aunque el número de outliers detectados por la metodología parece significativamente alto, los resultados de las métricas de ajuste justifican su eliminación, ya que permiten que el modelo de regresión implementado mejore sustancialmente su capacidad predictiva. Por otra parte, el detectar cuáles son los datos atípicos de un con-junto de datos permite identificar las fuentes de error más probables: evento o fenómeno inusual, error ligado a las prácticas de laboratorio, etc.

Minería de datos de UV-visible en datos de espectrometría a través de análisis de

datos lineales y no linealesModelos tales como PLS (Hochedlinger, 2005) se han implementado con el fin de ca-librar datos de espectrometría UV-visible para una matriz de agua, teniendo en cuenta la validación cruzada (Langergraber et ál., 2003). Sin embargo, estos modelos directos solo se pueden utilizar si se conocen todos los componentes y si la ley de Lambert-Beer es válida, que no es el caso cuando se trata de un gran número de compuestos desco-nocidos (Langergraber et ál. 2003). Por lo tanto, varios autores (p. ej. Hofstædter et ál., 2003; Langergraber et ál., 2003; Torres & Bertrand-Krajewski, 2008) han demostrado que es necesario efectuar calibraciones a los datos registrados por sensores multipara-métricos de espectrometría UV-visible con métodos estadísticos lineales y no lineales y su relación con los parámetros químicos y físicos. Algunos aspectos que son útiles y deben tenerse en cuenta son: i) selección de longitudes de onda, ii) detección de valores atípicos, calibración y validación de las relaciones funcionales.

Se analizó el uso de métodos multivariados (lineal) y el kernel de minería de datos (no lineal), con el fin de detectar la estructura de datos y abordar las cuestiones antes mencionadas de UV-Vis en el análisis de datos in situ. Los datos analizados correspon-den al afluente de la PTAR de San Fernando, Medellín, Colombia, donde se encontró


116

que la mayoría de las combinaciones de variables (más del 90 %) eran lineales, lo cual permite explicarlas mediante métodos estadísticos lineales clásicos. Sin embargo, la presencia de no linealidad puede ser revelada mediante métodos kernel no lineales. En esta investigación se utilizó la regresión SVM para ajustar un modelo para la predicción de los valores de respuesta (véanse detalles en Moguerza & Muñoz, 2006; Schölkopf & Smola, 2002). Por lo tanto, se dividieron las muestras al azar en aproximadamente dos tercios para el entrenamiento y calibración (82 muestras) y un tercio para su validación (41 muestras). Para la regresión SVM se utilizó la librería kernlab, del programa R (R Development Core Team, 2012; Karatzoglou et ál., 2001). A fin de ajustar el parámetro sigma basado en la evolución diferencial (Price et ál., 2006), se utilizó el paquete DEoptim (Mullen et ál., 2011). Este procedimiento se realiza solo en el caso de los datos de calibración, utilizando como función objetivo de las diferencias cuadráticas entre observado y los datos estimados SVM-regresión para el parámetro de calidad del agua (SST, DQO y DQO Filtrada-DQOF) independientemente.

Valores de intensidad independientes de los conjuntos de datos muestran una dis-minución en la intensidad cuando aumenta la longitud de onda a longitudes de onda no visibles (de 400 a 200 nm). La dispersión de datos es similar para todas las longitudes de onda, pero es comparativamente mayor en longitudes de onda inferiores (que mues-tran valores de intensidad más altos). Pocos valores extremos están presentes a nivel univariado, pero no existe evidencia de que podrían deberse a errores de muestreo; por lo tanto, no existen datos filtrados.

Las variables de respuesta (SST, DQO, DQOF) tienen diferentes comporta-mientos, siendo DQO sesgado a la izquierda y los otros dos muestran una distribución normal. Valores altos extremos también se encuentran en el nivel univariado, pero no se filtraron por las razones expuestas en el párrafo anterior.

El PCA (Lebart et ál., 1995) llevado a cabo en todos los datos UV-Vis mostró que estos datos se encuentran muy correlacionados, y que por lo tanto son redundantes, ya que pueden ser resumidos en la primera PC con 90,1 % de la varianza. Los dos primeros PC representan el 99,5 % de la varianza. Las variables más importantes de la primera PC (que contribuye con la mayor varianza) son las siguientes longitudes de onda (en nm): 435; 432,5; 437,5; 440; 430; 307,5; 305; 302,5; 300 y 297,5. Este resultado indica que solo con estas longitudes de onda se pudo obtener suficiente información sobre las muestras, debido a que aproximadamente 90 % de la estructura de datos se explica mediante el uso de estas variables.

La mayoría de las muestras son muy similares, se produce la separación como muy débil a lo largo de la primera PC. Los individuos (muestras) que se comportan de manera diferente en este sentido son 69 y 67, porque se separan claramente de las otras muestras en el primer PC. Estas muestras tienen valores extremos en las longitudes de

117


onda de 435; 432,5; 437,5; 440; 430; 307,5; 305; 302,5; 300 y 297,5 nm, como se esperaba. Esto puede deberse a errores de medición o variaciones reales en la calidad del agua observados con mayor sensibilidad a estos valores de longitud de onda, lo que podría confirmarse mediante la medición de parámetros de calidad del agua.

El PCA, incluyendo variables de respuesta (SST, DQO, DQOF), no cambia la estructura individual, lo que significa que la mayoría de la información está contenida en los datos de UV-Vis. La proyección de las variables de respuesta muestra que tam-bién están fuertemente correlacionados con las variables de UV-Vis, sobre todo SST; esta variable está altamente correlacionada con la primera PC (muy bajo ángulo con eje PC1), donde se explica el 90,1 % de la varianza. Por otra parte, DQO y DQOF están fuertemente correlacionadas con la segunda PC, que explica solo el 9,4 % de la varianza. Estas dos variables, además, están fuertemente correlacionadas entre sí. Las variables más altamente correlacionadas con el segundo PC, y por lo tanto también con DQO y DQOF son (en nm): 205; 207,5; 210; 212,5; 215; 217,5; 220; 222,5; 225; 227,5. Este resultado indica claramente que los parámetros químicos detectados en longitudes de onda visibles están relacionados con sólidos en suspensión y que los parámetros relacionados con la contaminación orgánica están relacionados con longitudes de onda no visibles. Por otra parte, es posible concluir que la diferencia entre la DQO filtrada y la no filtrada es muy baja, pues los comportamientos de varianza son similares en ambos casos.

El análisis de PCA hizo posible determinar con precisión qué longitudes de onda están más relacionadas con cada uno de los parámetros químicos. Así, SST está cerca de longitudes de onda de 435,0; 432,5; 437,5 y 440,0 nm. Contrarreembolso a longitudes de onda 222,5; 220,0; 217,5 y 215,0 nm, y DQOF es la variable de respuesta más distinta, cerca de longitudes de onda de 212,5; 210,0; 207,5 nm y 205,0 nm. Estos resultados están de acuerdo con la relación de longitudes de onda correlacionadas con PC 1 de SST y PC2 de DQO y DQOF.

KK-means otorga una mejor estructura de agrupación para tres grupos diferentes en los tres conjuntos de datos (UV-Vis, variables de respuesta, UV-Vis + variables de respuesta). Para estos conjuntos de datos, el mejor parámetro de kernel gaussiano es sigma = 0,0001. Este valor bajo indica que a pesar de que las variables están altamente correlacionadas linealmente, como se ha demostrado a través de PCA, persiste algún tipo de estructura no lineal en los datos y se extrae a través de la proyección del núcleo en un espacio de Hilbert.

Con el fin de detectar muestras que se comportan de manera diferente en lo que se refiere a los datos variables UV-Vis y a la respuesta, se compararon los tres grupos generados con KK-means y se detectó que 6 muestras (0,05 %) fueron puestas de forma sistemática en un grupo diferente (13, 14 , 27, 52, 75 y 89). Para el resto de los individuos, la mayoría (aproximadamente 80 %) fueron colocados en el mismo grupo y aproxima-


118

damente el 20 % se colocaron en dos grupos diferentes (i) cuando se usan solo variables de UV-Vis y (ii) la respuesta de solo UV-Vis junto con las variables de respuesta. Estas muestras son valores atípicos en un nivel no lineal, y los valores atípicos PCA 69 y 67 son los valores extremos a nivel lineal, como ya había sido detectado por PCA. Obsér-vese que las muestras 67 y 69 tienen diferentes huellas dactilares de absorbancia, pero sus SST, DQO y los valores de concentración DQOF son exactamente de la misma magnitud (931, 956 y 150 mg/L, respectivamente, para ambas muestras 67 y 69). Esto indica un problema con el conjunto de datos recibidos y confirma las detecciones de estas muestras como valores atípicos.

Se pueden utilizar outliers, tanto a nivel lineal como a nivel no lineal, para resal-tar las muestras, con el fin de 1) detectar medición o errores de muestreo, o bien para 2) implementar un sistema de alerta de la calidad del agua.

SVM-regresión es mucho más robusto y fiable que la regresión lineal (Moguerza & Muñoz, 2006), debido a que estará menos afectada por outliers lineales. Dichos outliers se caracterizan por presentar comportamientos muy diferentes a las otras muestras desde el punto de vista de su comportamiento lineal multivariado. Las predicciones para los datos de calibración son muy altas, pero en los datos de validación no son satisfactorias para SST (sigma = 0,82), DQO (sigma = 0,29) y DQOF (sigma = 0,69).

Las longitudes de onda similares de datos UV-Vis están altamente correlacionadas linealmente entre sí por longitudes de onda similares a los parámetros químicos, SST y DQO. Este análisis mostró que muy pocas longitudes de onda resumen el comporta-miento de todas las medidas de calidad del agua (menos de 5 % de todas las longitudes de onda medidas) y que las longitudes de onda con la mayor variabilidad son longitudes de onda visibles (> 400 nm). Esto significa que el espectrómetro mide la contaminación visible de una manera más precisa que la contaminación no visible. Las longitudes de onda visibles (432,5 a 440,0 nm) estaban más correlacionadas con SST, en tanto que las longitudes de onda UV estuvieron más relacionadas con DQO (215,0 a 222,5 nm) y DQOF (205,0 a 212,5 nm). Estos resultados están de acuerdo con la información dada por el constructor del espectrómetro spectro::lyser (http://www.s-can.at/).

El PCA permitió detectar valores atípicos. No es un procedimiento estándar para detectarlos, pero podría ser un enfoque útil en el seguimiento de agua en tiempo real, debido a su aplicación simple y rápida. El uso de kernel-k permitió la detección de oultliers no lineales que han permanecido sin ser detectados usando métodos de análisis lineales (PCA, agrupación lineal, detección de valores atípicos multivariado, etc.) Este enfoque abre una nueva posibilidad para el uso de métodos de kernel en la identificación avanzada de valores atípicos para el monitoreo continuo futuro de controles de calidad del agua (p. ej. detección de errores o de alerta de medición y muestreo en las instala-ciones de tratamiento, funcionamiento de la válvula, etc.).

119


Por último, se puede concluir que la máquina de vectores de soporte de regresión permitió una predicción muy precisa en los datos de calibración, pero las predicciones en los datos de validación no son satisfactorias, especialmente para SST. Esto significa que, a pesar de la robustez de las predicciones usando regresión SVM, se necesita mayor precisión de la predicción, especialmente para la contaminación orgánica (DQO y la variable DQOF en este trabajo).

RELACIÓN DE LA HIDROLOgÍA CON LA CALIDAD DE LAS AguAS AFLuENTESA continuación, se propone una metodología para identificar ventanas temporales en las cuales un parámetro dado de calidad o cantidad de agua se encuentre influenciado por la lluvia, sobre la base de una caracterización previa del comportamiento durante el tiempo seco del efluente. Adicionalmente, al considerar los parámetros de calidad y cantidad de agua que explican mejor dicha diferencia, se implementó la metodología propuesta sobre las mediciones de estos parámetros durante días lluviosos. Finalmente, se buscaron correlaciones entre características de los pulsos de lluvia (registrados en tres estaciones: Fontibón, Bosa y Casablanca) y estadísticos de los polutogramas registra-dos durante las ventanas temporales en las cuales la lluvia pareciera haber tenido una influencia sobre el efluente (en términos de cantidad o calidad).

La lluvia puede considerarse como la señal de entrada al sistema y su respuesta estará dada por el comportamiento del efluente en la cuenca urbana estudiada. Dicha metodología fue aplicada a un caso de estudio, para mediciones de caudal, potencial Redox (ORP en su sigla en inglés), turbiedad, SST, pH, temperatura y oxígeno disuelto (E.E. Gibraltar).

Metodología propuestaCon el propósito de estimar el comportamiento típico de un contaminante cualquiera durante el tiempo seco, todas las mediciones de calidad del agua durante días de lluvia se graficaron en una envolvente, la cual reporta múltiples datos (aproximadamente 12 datos por cada instante de tiempo, debido al registro de cerca de 12 días completamente secos) para cada instante de un día típico seco. Esta curva puede ser útil para evaluar, en una serie temporal de un contaminante dado medido en línea, qué tan lejos esta señal se encuentra de su comportamiento típico durante el tiempo seco.

Con el fin de poder realizar una caracterización probabilística apropiada de la va-riabilidad del tiempo seco, como un proceso estocástico con escasas realizaciones, puede utilizarse una técnica de estimadores de la función de densidad (kernel density estima-


120

tors) de probabilidad (PDF), para calcular la PDF de cada instante del tiempo durante un día típico de tiempo seco. Adicionalmente, mediante la PDF y su correspondiente distribución acumulada (CDF) puede determinarse, para cualquier instante de tiempo ti, con ti perteneciente al intervalo [1, 1440] min (correspondiente a la duración del día típico), la probabilidad de que un dato dado registrado durante un día lluvioso sea parte del comportamiento típico durante el tiempo seco (especialmente en lo concerniente a días durante los cuales fue registrado algún pulso de lluvia).

Una vez estimada la PDF asociada a ti sea, es posible también determinar el valor de probabilidad de pertenencia a la franja típica de tiempo seco para todos los valores de la señal X(t), producto de la medición en línea de un parámetro de calidad de agua cualquiera. En seguida, todos los días de la señal X(t) durante los cuales algún pulso de lluvia fue registrado (días lluviosos) pueden ser evaluados mediante el procedimiento expuesto, con el fin de detectar ventanas temporales específicas (de los días lluviosos) para las cuales los valores de probabilidad de pertenencia al tiempo seco son lo sufi-cientemente bajos.

Como propuesta estadística, cada parte de un día lluvioso en la cual los valores de probabilidad de pertenencia al tiempo seco son menores o iguales que el 5 % se con-siderará como parte de un evento lluvioso.

Para poder establecer ventanas temporales en donde una probabilidad lo suficien-temente baja (> 5 %) de ser parte del comportamiento típico de tiempo seco fue calcu-lada para X(t) con una consistencia temporal apropiada, se consideró que, toda vez que X(t) se encuentre alejada de la franja de tiempo seco durante un tiempo considerable, se debe a que la lluvia presenta una influencia sobre X(t). Con el propósito de mitigar discontinuidades ruidosas al estimar para qué ventanas temporales la probabilidad es < 5 %, se propuso la implementación de un filtro de medianas sobre la señal de probabi-lidad de pertenencia al tiempo seco Pseco(t). Se propone la selección de una longitud de la ventana móvil del filtro de medianas θ, basada en la función de autocorrelación (ACF) de la señal X(t).

Mediante la estimación de la ACF de X(t) puede determinarse qué tan influenciado está un valor cualquiera de X(t) por sus observaciones pasadas, dando un estimativo de la longitud de la memoria física del proceso. Para cualquier ACF, la correlación tiende a ser significativa en los primeros rezagos y empieza a decaer en valores mayores de dichos rezagos. El primer rezago para el cual el valor de correlación es menor que el valor para un ruido gaussiano será el punto en el que uno cualquiera de X(t) empieza a olvidar su pasado. En ese orden de ideas, θ puede proponerse como una función del rezago para el cual la ACF decae hasta un valor de correlación de ruido gaussiano.

Es importante aclarar que el criterio basado en la ACF se propone sobre la señal X(t) y no sobre la señal Pseco(t). Esta iniciativa tiene como propósito dar a la metodo-

121


logía propuesta un soporte basado, en mayor medida, en la física del fenómeno e incluir la memoria del proceso físico (representada en θ) en lugar de la memoria de un conjunto de valores probabilísticos dados por Pseco(t).

La nueva señal Pseco(t)filt, obtenida mediante el uso de una ventana móvil θ en un filtro de medianas, expondrá más claramente cambios abruptos en el tiempo y grupos con valores altos o bajos (Pseco(t)filt < 5 %), sin considerar registros aislados y ruidosos. Dichas ventajas se encuentran estrechamente relacionadas con las propiedades de los filtros de medianas, en lugar de implementar aproximaciones tales como la media móvil.

Como siguiente actividad que es preciso ejecutar, de acuerdo con la metodología propuesta, se plantea la detección de aquellos instantes de la señal Pseco(t)filt en los cuales hubo cambios abruptos, utilizando un algoritmo Step Detection. En ese sentido, al identificar una pareja de puntos vecinos a, b (en los cuales hubo un cambio abrupto en la señal Pseco(t)filt) puede establecerse una ventana temporal [a, b] en donde Pseco(t)filt mostró un comportamiento aproximadamente constante (sin cambios abruptos en el intervalo [a, b]).

Todas las veces para las cuales el valor promedio de la señal Pseco(t) evaluado sobre la ventana [a, b] fue menor a 0,05, expresable como: promedio(Pseco(a<t<b)filt)< 0,05, se considerará que la señal original de algún parámetro de calidad del agua medido en línea X(t) estuvo lo suficientemente alejado de su comportamiento típico durante el tiempo seco en la ventana [a, b]. Según lo anterior, puede afirmarse que la ventana [a, b] será un periodo continuo en el cual la lluvia parece haber influenciado la señal X(t), registrada al afluente de la cuenca estudiada. Los métodos propuestos fueron implementados en la plataforma R-project (R Development Core Team, 2012).

En lo concerniente a los eventos lluviosos identificables a partir de la metodología propuesta, se propuso la implementación de métricas de asociación (prueba de correla-ción de Pearson, información mutua promedio y modelos lineales) entre estadísticos de la señal de lluvia Yj(t) y los parámetros de calidad y cantidad de agua Xi(t) por evento lluvioso (p. ej. medias, desviaciones estándar, entropías y duraciones), con el propósito de detectar relaciones recurrentes entre la lluvia y la calidad y cantidad de agua (para la lluvia registrada en diferentes estaciones).

Por medio de la identificación de pulsos de lluvia de Yj(t) como entrada a la cuenca y de eventos lluviosos sobre la señal de calidad/cantidad de agua Xi(t) (salida del sistema, efluente de la cuenca), se pueden estimar relaciones recurrentes entre las dos variables. Para series de tiempo completas, el número de pulsos de lluvia debe ser igual al número de ventanas temporales en las cuales la cantidad/calidad de agua se encontraba fluc-tuando por fuera del comportamiento típico durante tiempo seco.

Un número de pulsos de lluvia mayor al número de ventanas implicará que más de un pulso está afectando a alguna ventana [a, b]k de Xi(t), en donde < 0,05. Para esta me-


122

todología se propone unir los pulsos de lluvia más cercanos entre sí hasta que su número sea igual al número de ventanas temporales que fluctuan por fuera del comportamiento típico seco. En el producto 6 de este convenio se puede consultar en detalle la aplicación de la metodología para ajustar el número de pulsos y el número de ventanas.

La correlación en cuanto a características de la lluvia y parámetros de calidad/cantidad de agua puede ser estimada entre los diferentes k eventos lluviosos detectados. Las relaciones recurrentes pueden ser exploradas a través de al menos tres técnicas: 1) pruebas de correlación de Pearson, verificando la significancia estadística de la relación encontrada (valor-p) —esta prueba solo puede ejecutarse cuando se haya comprobado la hipótesis de normalidad y homogeneidad de la varianza de ambas variables X y Y, por medio de la prueba de Shapiro Wilk (para normalidad) y la prueba de Bartlett (para homogeneidad de la varianza)—; 2) un modelo lineal, para el cual se puede evaluar la hipótesis nula, en la cual la pendiente m de una relación lineal entre X y Y es mayor que cero, con una significancia aceptable (valor-p) —también deben verificarse requerimien-tos de normalidad y homogeneidad de varianza—; 3) información mutua promedio (AMI), verificando la significancia de una relación no lineal entre las variables X y Y.

Resultados y discusiónComportamiento durante el tiempo secoEn los siguientes párrafos se desarrollará la caracterización probabilística del com-portamiento típico durante el tiempo seco, en el caso de las mediciones de caudal y de parámetros de calidad del agua.

La caracterización de tiempo seco en Bosa y Casablanca parece ser equivalente, mientras que en el caso de la estación de Fontibón se observan pequeñas diferencias hacia la medianoche (cerca a las 00:00 horas) del día típico de tiempo seco. De dicha caracterización también puede destacarse que la variabilidad durante este periodo es mayor que en las demás estaciones estudiadas. Este hecho puede atribuirse al registro de datos outliers de un día en el que algún registro de lluvia fuese reportado en la estación de Fontibón, sin ser registrado por las demás estaciones.

La variabilidad del caudal parece ser mayor de los 300 a los 600 min (de las 05:00 a las 10:00 horas) y menor desde los 0 a los 300 min (de las 12:00 a las 05:00 horas) que para el resto del día típico seco, en todos los casos analizados (en cuanto a la selección de una estación de lluvia). Por otro lado, los valores de caudal promedio parecen ser menores (curvas de tendencia) durante las mismas ventanas en donde las ventanas temporales en las cuales la variabilidad también fue menor.

En los resultados anteriormente descritos se observaron pequeñas diferencias en la caracterización de tiempo seco, utilizando los registros de lluvia de las estaciones

123


de Fontibón, Bosa y Casablanca. De ahí que pueda afirmarse que la PDF, la CDF, las curvas de tendencia y la variabilidad fueron muy similares entre sí. Puede afirmarse que durante el día típico seco no hay ventanas en las cuales la variabilidad pareciera ser ma-yor. Por otro lado, se puede concluir que los valores mínimos de SST son cercanos a los 600 mg/L SiO2 y se presentan a los 380 min, aproximadamente. Los valores máximos de SST (cerca de 1500 mg/L SiO2) se reportaron hacia los 700 min. Las unidades de medición fueron mg/L SiO2, ya que esta es la unidad que reporta por defecto el captor uniparamétrico utilizado.

Por otra parte, de acuerdo con los resultados de turbiedad, se observó que se presenta un comportamiento bastante similar al de los SST, en términos de medias, medianas y modas. Dicha coincidencia puede ser justificada a partir de una importante correlación entre los SST y la turbiedad, observada en otros estudios (p. ej. Mishendo et ál., 1999). Sin embargo, el comportamiento de la variabilidad parece ser diferente: la variabilidad de la turbiedad parece incrementarse desde los 400 hasta los 1000 min, a diferencia de los SST. Adicionalmente, puede afirmarse que la turbiedad presenta una mayor variabilidad entre los 600 y los 800 min, más que las otras ventanas temporales del día típico seco, con independencia de los registros de lluvia utilizados para efectuar el análisis (Fontibón, Bosa y Casablanca).

El comportamiento típico del ORP durante el tiempo seco presenta dos picos suavizados hacia los 400 y los 1000 min, respectivamente. De la misma manera, así como para la turbiedad, pudo detectarse que las ventanas en las cuales los valores de tendencia fueron máximos, la variabilidad también fue máxima (en el primer pico de ORP, el cual fue reportado hacia los 400 min, la esperanza es de -240 mV, con una distancia intercuartil (IQD) de 160 mV; el segundo pico de ORP, reportado hacia los 1000 min, tuvo una esperanza de -260 mV, con una distancia intercuartil de 140 mV). El comportamiento del ORP, así como en los demás parámetros de calidad del agua estudiados (OD, SST y turbiedad), parece ser independiente de la selección de cualquier estación de lluvia para ejecutar la caracterización probabilística de tiempo seco, por lo que la caracterización puede realizarse sin detallar la variabilidad espacial de la lluvia.

Puede concluirse que la temperatura parece tener un comportamiento constante durante el tiempo seco. Un pico importante de variabilidad fue detectado hacia los 600 min, aunque los valores de tendencia no fueron más altos durante este intervalo. Una vez más, la caracterización de tiempo seco delimitada a partir de los registros de lluvia en diferentes estaciones es muy similar.

Los valores de pH durante un día típico presentaron un máximo hacia los 550 min, de 8,2 unidades de pH. La variabilidad del pH durante un día seco parece ser mayor en el intervalo entre 400 y 1000 min, con un pico claramente apreciable (al igual que en el


124

caso de los SST y la turbiedad). Los valores más bajos de pH (cercanos a las 7,4 unidades de pH) fueron reportados al principio y al final del pico descrito.

Se efectuó una caracterización del comportamiento típico durante el tiempo seco de diferentes parámetros de calidad/cantidad de agua. Parámetros como el OD y los SST no reportaron una estructura particular sobre el comportamiento de la variabilidad. Por otro lado, parámetros como el ORP, la turbiedad y la temperatura mostraron picos bien definidos en cuanto a su variabilidad. En términos de tendencia (esperanza, mediana y moda), la turbiedad y los SST presentaron comportamientos muy similares durante un día típico seco. Este hecho puede soportarse en la estrecha relación existente entre turbiedad y SST reportada en otros estudios (p. ej. Mishendo et ál., 1999). En ambos parámetros se observó un decremento previo al pico en las medidas de tendencia. El ORP mostró dos picos leves hacia el mediodía. Para todos los parámetros de calidad del agua analizados, los resultados mostraron ser independientes de qué registros de lluvia (Fontibón, Bosa y Casablanca) se utilicen para efectuar la caracterización del tiempo seco.

Delimitación de eventos lluviososPara los días lluviosos, un parámetro dado de calidad/cantidad de agua presentará un comportamiento diferente que en el caso de los días secos. En ese sentido, mediante la caracterización probabilística de tiempo seco, se evaluó para cada instante de tiempo de un día lluvioso la probabilidad de pertenencia a la franja típica de tiempo seco de dicho instante. Con el fin de reportar ventanas temporales completas para las cuales un parámetro dado de calidad/cantidad de agua se encontrara fluctuando por fuera de su comportamiento típico durante el tiempo seco (en lugar de solo observaciones aisladas), se implementó un filtro de medianas y un algoritmo step detection. Para cada pareja de puntos vecinos en donde el algoritmo step detection haya detectado un par de cambios abruptos en la señal Pseco(t), se evaluó en el intervalo comprendido por dichos puntos el valor promedio de la señal Pseco(t). Toda vez que dicha probabilidad promedio fuese < 0,05, se consideró que la señal de calidad/cantidad de agua X(t) estuvo influenciada por la lluvia durante este intervalo.

De los resultados obtenidos puede afirmarse que la identificación de eventos llu-viosos, en términos de los pulsos de lluvia y de la salida de la cuenca (caudal), mediante el uso de la lluvia registrada en la estación en Bosa, resultó apropiada para determinar un total de siete eventos. Pudo notarse que en este caso el primer hidrograma registra-do durante los días lluviosos sí fue incluido. Este hecho puede explicarse debido a la cercanía temporal a un pulso de lluvia. Otro aspecto que vale la pena comentar es que todos los valores con probabilidad baja no fueron incluidos como ventanas temporales en donde el caudal fluctuó por fuera de su comportamiento típico durante tiempo seco.

125


Esta situación puede explicarse a partir de las propiedades de un filtro de medianas, al ser aplicado a la señal de probabilidad de pertenencia al tiempo seco (Pseco(t)).

En el caso de los parámetros de calidad del agua analizados, medidos a través de sensores uniparamétricos (OD, SST, turbiedad, ORP, temperatura y pH), la metodo-logía propuesta fue aplicada de la misma manera que en la sección anterior (el caso de mediciones de caudal). En cuanto a dichos resultados, la implementación del filtro de medianas sobre la señal de probabilidad de tiempo seco es dependiente del parámetro θ. En ese sentido, evaluó la ACF de la señal completa de cada parámetro de calidad del agua, con el fin de asignar cada valor de θ según correspondiera.

De acuerdo con lo anterior, los valores de θ recomendados para filtrar la señal de cada parámetro de calidad del agua son los siguientes: i) 307 min para el OD, ii) 342 min para los SST, iii) 296 min para la turbiedad, iv) 4643 min para el ORP, v) 371 min para el caso de la temperatura y vi) 293 min para el pH.

En el caso del OD se propuso una leve modificación a la metodología: consideran-do que el valor más probable durante el tiempo seco fue de 0,0 mg/L (una distribución de una cola, asintótica hacia 0,0 mg/L), toda vez que la probabilidad de ser parte de un evento lluvioso fuera menor que 0,95, se consideró que la señal de salida de la cuenca (OD) se encontraba fluctuando por fuera del comportamiento típico durante el tiempo seco. También puede afirmarse que tanto el pH como la temperatura parecen no estar influenciados por la lluvia, a diferencia del resto de parámetros de calidad del agua es-tudiados (OD, SST, turbiedad y ORP). Este resultado ratifica las hipótesis preliminares propuestas a partir del PCA.

Como conclusión operativa de los resultados obtenidos en la evaluación de la delimitación temporal del efecto que una serie de pulsos de lluvia ha tenido sobre la calidad/cantidad de agua en el efluente de la cuenca estudiada, la implementación de una tecnología de medición en línea tal como ion sensible podría ser insuficiente (pH y temperatura). Con propósitos operativos, se recomienda la instalación, al menos, de un turbidímetro (turbiedad) o un sensor infrarrojo (SST).

En cuanto a las series temporales de los diferentes parámetros de calidad del agua, se determinó que los métodos propuestos permiten identificar eventos lluviosos en tér-minos de su causa (pulsos de lluvia) y de su consecuencia (polutogromas), para varios de estos parámetros (OD, SST, turbiedad y ORP).

El máximo número de eventos lluviosos que pudieron ser identificados durante la campaña de medición en continuo (cerca de ocho eventos) se dio en el parámetro ORP. La lluvia registrada en la estación de Bosa permitió identificar el mayor número de eventos lluviosos (de cinco a ocho eventos) en todos los parámetros de calidad del agua influenciados por la lluvia. La identificación de eventos lluviosos para la turbiedad y los SST fue muy similar, considerando cualquiera de las tres estaciones de lluvia estudiadas


126

(Fontibón, Bosa o Casablanca). Dichas semejanzas son atribuibles a la correlación exis-tente entre ambos parámetros reportada en otros estudios (p. ej. Mishendo et ál., 1999).

Relaciones recurrentes entre los pulsos de lluvia y los datos de calidad/cantidad del agua registrados durante las ventanas temporales fluctuando por fuera de su comportamiento típico secoEn la sección anterior los métodos propuestos, en cuanto a la identificación de eventos lluviosos, fueron aplicados para los registros de calidad y de algunos parámetros de cali-dad del agua. En ese sentido, en esta sección se buscará hallar relaciones comunes entre los pulsos de lluvia y los hidrogramas/polutogramas en el efluente de la cuenca. Dichas asociaciones fueron exploradas mediante la implementación de técnicas de correlación (significancia estadística de: prueba de correlación de Pearson, modelos lineales y AMI) entre características de los pulsos de lluvia (p. ej. altura de lluvia promedio, desviación estándar de las alturas de lluvia, volumen total de lluvia) con estadísticos de la calidad/cantidad del agua (p. ej. valor promedio, entropía, volumen total del hidrograma/po-lutograma). Cada uno de los parámetros de calidad/cantidad fue analizado de manera independiente para la lluvia registrada en cada una de las estaciones estudiadas.

En cuanto a las mediciones de caudal, se mostrarán las relaciones recurrentes identificadas entre los datos que fluctúan por fuera del comportamiento típico seco y los pulsos de lluvia, considerando todos los eventos lluviosos identificados. A continua-ción se reporta la probabilidad de significancia de cada métrica de asociación (p. ej. la probabilidad de que el AMI sea significativo), comparando los estadísticos del caudal y los pulsos de lluvia registrados en la estación de Fontibón, durante un evento lluvioso.

En los resultados de la estación de Fontibón se hallaron las siguientes relaciones en las características lluviosas y de caudal: i) la desviación estándar de un hidrograma parece estar relacionada con el decaimiento de la ACF de la lluvia; ii) la desviación estándar de las alturas de lluvia pareciera estar relacionada con el gradiente promedio (dQ/dt) y la entropía del hidrograma; y iii) la desviación estándar de la intensidad de la lluvia pareciera tener una relación con el gradiente promedio (dQ/dt), la entropía y la desviación estándar de los valores de caudal durante el hidrograma.

Al explorar relaciones recurrentes con respecto a la estación de Bosa, se identi-ficaron las siguientes relaciones para un evento lluvioso dado, registrado mediante la estación de lluvia de Bosa: i) la duración de la lluvia parece estar relacionada con el valor promedio del caudal; ii) el valor promedio de las alturas de lluvia parece tener una re-lación con el caudal promedio; iii) la desviación estándar de las alturas de lluvia puede tener una relación con el caudal promedio, el gradiente promedio de caudal (dQ/dt) y la entropía del caudal; iv) la desviación estándar de la intensidad de la lluvia puede estar relacionada con el caudal promedio; y v) la kurtosis de un pulso dado de lluvia puede estar ligada a la kurtosis del hidrograma.

127


En cuanto a OD, se implementaron métricas de asociación para los eventos llu-viosos previamente delimitados mediante los registros de lluvia en las estaciones de Fontibón, Bosa y Casablanca. De los resultados relacionados con la estación de Fon-tibón, puede afirmarse que la duración del efecto de la lluvia sobre el efluente parece estar relacionada con la entropía de los pulsos de lluvia. Adicionalmente, el OD total durante el evento lluvioso puede estar vinculado a la entropía de la lluvia, así como con a su coeficiente de asimetría.

Al explorar relaciones entre las características del OD y estadísticos de la lluvia registrada en la estación de Bosa, durante un evento lluvioso, se obtuvo que los volúmenes totales de precipitación registrados en dicha estación parecen estar más relacionados con la duración de la influencia de la lluvia sobre el OD, así como con los valores promedio del OD, para un evento lluviosos dado. La entropía de la lluvia puede que se encuentre relacionada con la desviación estándar y con el promedio de los valores de (d(OD)/dt), durante un evento lluvioso registrado por la estación de Bosa. La kurtosis de los pulsos de lluvia parece estar ligada con la kurtosis y la entropía del OD registrado en el efluente de la cuenca. Por último, se encuentra una relación, al parecer relevante, entre la duración de la lluvia y la desviación estándar del OD, durante un evento lluvioso.

En cuanto a los resultados obtenidos al analizar la lluvia registrada en la estación de Casablanca, puede concluirse que la relaciones recurrentes entre los eventos lluviosos identificados no pudieron establecerse, así como en el caso de las estaciones de Fontibón y Bosa. Este hecho parece estar relacionado con la identificación misma de los eventos lluviosos (en términos de los pulsos de lluvia y las ventanas temporales para las cuales el OD se encontraba fluctuando por fuera de su comportamiento típico durante el tiempo seco; es decir, cuando fuese diferente de 0,0 mg/L), considerando que en el caso de las estaciones de Bosa y Fontibón, dicha delimitación e identificación temporal pareció ser más asertiva que en el caso de Casablanca.

En los SST se aplicó la misma metodología, buscando así relaciones recurrentes entre la lluvia y este parámetro de calidad del agua en los diferentes eventos lluviosos identificados por las estaciones de Fontibón, Bosa y Casablanca. Los resultados en la estación de Fontibón conllevaron las siguientes conclusiones: i) el valor promedio de las alturas de lluvia durante un evento puede que se encuentre relacionado con la entropía y el promedio de los SST registrados durante el evento; y ii) la desviación estándar de la lluvia parece tener una relación con la entropía y el promedio de los SST durante un evento lluvioso.

Los resultados obtenidos en las correlaciones entre los SST y la lluvia registrada en la estación de Bosa permiten afirmar que las concentraciones de SST pueden estar vinculadas a las siguientes características de la lluvia registrada en la estación de Fonti-bón, de las siguientes maneras: i) la duración de la lluvia con la entropía y la variabilidad


128

(desviación estándar) de los gradientes de SST (d(SST)/dt) y ii) la desviación estándar de las alturas de lluvia con el promedio y la desviación de los gradientes de SST (d(SST)/dt); iii) el decaimiento de la ACF del pulso de lluvia con la duración de la influencia de la precipitación sobre el efluente (en términos de SST); y iv) las alturas de lluvia promedio con la entropía de los SST.

En cuanto a las mediciones de turbiedad realizadas en el efluente de la cuenca urbana estudiada, se evaluaron varias características de la lluvia, en conjunto con va-rias características análogas de las series registradas de turbiedad durante los eventos lluviosos (p. ej. promedio, desviación estándar y entropía), tal como se había hecho con los demás parámetros de calidad/cantidad de agua (caudal, OD y SST). Estos cálculos fueron ejecutados con el propósito de identificar relaciones recurrentes entre estadísticos de turbiedad y lluvia registrada en cada una de las estaciones estudiadas, diagnosticando así la influencia espaciotemporal de la lluvia sobre la turbiedad. Estos resultados, en el caso de la estación de Fontibón, permiten concluir que hay escasa relación entre la turbiedad y la lluvia registrada en la estación de Fontibón. Este hecho puede explicarse, posiblemente, por el limitado número de eventos lluviosos que pudieron ser identifica-dos en este caso. Así pueden mencionarse las siguientes conclusiones preliminares: i) la precipitación promedio parece estar ligada a la entropía del polutograma de turbiedad; y ii) la intensidad de la lluvia promedio puede que se encuentre relacionada con la tur-biedad promedio (durante un evento lluvioso).

En cuanto a los resultados obtenidos en términos de las correlaciones existentes entre la turbiedad y la lluvia registrada en la estación de Bosa, se observaron relaciones más claras entre la lluvia y la turbiedad que en el caso de la estación de Fontibón. Por medio de la significancia estadística de las técnicas de correlación propuestas —prueba de correlación de Pearson, modelos lineales e información mutual promedio (AMI, en su sigla en inglés)—, se observó que la duración parece ser una característica relevante de la lluvia, en aras de explicar: 1) la duración de la influencia sobre la calidad del agua (en términos de turbiedad), 2) el decaimiento de la ACF de turbiedad durante el evento, 3) los valores promedios de turbiedad, 4) el valor promedio de los gradientes de turbiedad (d(T)/dt); y 5) las desviaciones estándar de los gradientes de turbiedad (d(T)/dt). Adi-cionalmente, el decaimiento de la ACF del polutograma parece estar relacionado con el decaimiento de la ACF de los pulsos de lluvia en el transcurso de un evento lluvioso.

Teniendo en cuenta que en el caso de la temperatura y el pH los métodos propuestos no permitieron una identificación apropiada de un número suficiente de eventos lluviosos, los análisis de correlación de dichas variables no fueron efectuados.

El último parámetro de calidad del agua analizado fue el ORP. Los resultados en cuanto a la relación de sus características con la lluvia registrada en la estación de Fon-tibón mostraron que no pudo establecerse una relación estadísticamente significativa

129


entre el ORP y la lluvia de Fontibón, con una probabilidad mayor al 30 %, en ninguna de las métricas de asociación estudiadas. En ese sentido, pese a que el número de eventos identificados es suficiente para hacer las pruebas estadísticas propuestas, los resultados no reportaron ninguna relación clara. Al implementarse dichas métricas de asociación entre el ORP y la lluvia registrada en la estación de Fontibón, se pudo determinar que la duración de la lluvia posiblemente se encuentra relacionada con la desviación estándar de los gradientes de ORP (d(ORP)/dt). El periodo seco antecedente (ADWP, en su sigla en inglés) pareciera estar relacionado con la kurtosis de la PDF asociada al polutograma de ORP, durante un evento lluvioso. El volumen total de lluvia y su entropía pueden llegar a relacionarse con la asimetría de la PDF del polutograma de ORP, estimada para los eventos lluviosos identificados. En la cuenca urbana estudiada, la desviación estándar de las alturas de lluvia parece tener una influencia sobre el gradiente medio de ORP (d(ORP)/dt) durante el transcurso de un evento lluvioso.

130

ConClusiones y reComendaCiones

SISTEMA DE LODOS ACTIVADOS Y TPQAEl monitoreo en continuo de la turbiedad puede ser empleado como un indicador para la toma de decisiones asociada a la dosificación de químicos. En el caso del TPQA, las gráficas de tendencias muestran una relación entre el incremento de las cargas de ST, DQO y la turbiedad afluente al sistema piloto. Esta relación es importante durante las horas de concentraciones altas, dado que como se comentó anteriormente es en estos escenarios que el TPQA permite obtener los mejores resultados. A partir de los datos disponibles se puede decir que 300 NTU es el punto de inflexión que puede usarse como referencia para iniciar o finalizar la adición de químicos.

Los resultados obtenidos en las pruebas piloto muestran que la dosificación de químicos no es una solución que pueda ser implementada permanentemente para un afluente de características similares al descrito en el presente documento (fracción solu-ble alta). A pesar de las bajas eficiencias obtenidas, la adición de químicos presenta sus mejores remociones durante los periodos de cargas altas, comprendidos principalmente entre las 12:00 y las 17:00 horas; es en estos horarios que resulta aceptable la aplicación de químicos como ayuda al tratamiento primario.

A partir de los resultados obtenidos en las pruebas hechas en el TPQA y teniendo en cuenta la caracterización del agua residual afluente, se puede decir que afluentes con características similares no permitirán obtener buenas eficiencias de remoción evaluadas como DQO o sólidos. La fracción disuelta en el agua residual no es removida en un tra-tamiento físico-químico, los análisis realizados (en TPQA y lodos activados) muestran una marcada presencia de fracciones disueltas (biodegradables y no biodegradables) en el afluente al sistema piloto.

131

conclusiones y recomendaciones

Por otra parte, las pruebas llevadas a cabo en el sistema biológico muestran efi-ciencias de remoción más altas con respecto a las del TPQA. En las cuatro edades de lodo analizadas, las eficiencias de remoción de SST y DBO5 son altas y similares (cerca al 90 %), mientras que la DQO ya presenta algunas diferencias, con eficiencias desde 74 % para las edades de lodo de 3 y 2,5 días, hasta 80 % para las edad de lodo de 5 días.

Los nutrientes resultan ser el factor decisivo a la hora de analizar las mejores efi-ciencias de remoción en las diferentes edades de lodo. Aunque para el caso de NTK las eficiencias obtenidas son deficientes, el mejor desempeño se presenta en las edades de lodo de 2,5 y 5 días, con valores cercanos al 35 %. En el caso de PT, las mejores eficien-cias se presentan en la edad de lodo de 2,5 días (80 % aproximadamente), seguido de la edad de lodo de 5 días.

En este orden de ideas, las eficiencias obtenidas con las edades de lodo de 5 y 2,5 días resultan competentes. Teniendo en cuenta esto y las necesidades de operación del sistema en las diferentes edades de lodo, y los resultados presentados para el TPQA, se recomienda implementar un sistema biológico con una edad de lodo de 2,5 días, para afluentes con características similares a las del agua residual afluente utilizada en este estudio.

SISTEMA DE MONITOREO EN CONTINuO DE LAS AguAS AFLuENTES A LA ESTACIÓN ELEVADORA gIbRALTAR

De los resultados obtenidos en la búsqueda de relaciones recurrentes entre las características de la lluvia y los estadísticos de calidad/cantidad de agua, puede con-cluirse que la estación de lluvia que expuso relaciones más claras en términos de i) nú-mero de variables correlacionadas y ii) probabilidad de significancia estadística —con independencia de la métrica de asociación utilizada (prueba de correlación de Pearson, modelo lineal e información mutua promedio) o del parámetro de calidad del agua es-tudiado (caudal, OD, SST, turbiedad o ORP)— fue la estación de lluvia de Bosa. Sin embargo, la estación de Fontibón mostró buenas correlaciones en ciertos parámetros de calidad del agua, especialmente SST y turbiedad. Este hecho permite concluir que aun cuando la estación de Fontibón mostró relaciones significativas sobre la calidad del agua, la lluvia registrada en la estación de Bosa puede llegar a ser más representativa en términos de explicar la variabilidad de la calidad del agua en el efluente de la cuenca aferente a la E.E. Gibraltar que la estación de Fontibón (sin importar el parámetro de calidad/cantidad de agua objeto de análisis). En el caso de la estación de Casablanca, el número de eventos lluviosos identificados por medio de la metodología propuesta fue menor que para en otras dos estaciones estudiadas (Fontibón y Bosa). Adicionalmente, se notaron frecuentes discrepancias temporales entre los pulsos de lluvia registrados por


132

esta estación de lluvia y la ocurrencia de ventanas temporales en donde los diferentes parámetros de calidad/cantidad estudiados fluctuaban por fuera de su comportamiento típico seco. En ese sentido, fueron escasas las relaciones recurrentes estadísticamente significativas entre las características lluviosas y la calidad del agua. Este hecho permite concluir que la influencia de la lluvia registrada en la estación de Casablanca sobre el efluente de la cuenca (en términos de calidad y cantidad), parece ser más baja que en los casos de las estaciones de Fontibón y Bosa. La identificación de características estadís-ticamente representativas de un pulso de lluvia, así como de su polutograma asociado, pueden permitir que se construyan estrategias más eficientes para la modelación de la calidad del agua; los modeladores pueden evaluar la mejor alternativa para representar la realidad mediante estructuras matemáticas.

Los resultados expuestos también abren amplios caminos en cuanto a la operación en tiempo real de hidrosistemas de saneamiento urbano. Las técnicas de predicción pue-den ser soportadas, al menos de cierta manera, por medio de las relaciones encontradas. Siempre que se presente un pulso de lluvia con una longitud menor al tiempo de respuesta del sistema, puede calcularse un comportamiento resumido de dicho pulso, el cual puede ser un insumo para predecir un comportamiento sintetizado del polutograma esperado en el efluente de la cuenca, permitiendo así ejecutar acciones operativas proactivas en una planta de tratamiento de aguas residuales (WWTP). De acuerdo con lo anterior, este tipo de asociaciones entre la lluvia y la calidad del agua parece ser pertinente para los procesos de toma de decisiones en sistemas de drenaje urbano. En el caso de estudio y en perspectiva a la operación de una PTAR en el efluente de la cuenca de Gibraltar, puede recomendarse, especialmente, la instalación de un sistema de operación en línea guiado mediante registros de lluvia hacia la zona de la estación de Bosa.

133

investigaCiones futuras

Si bien el presente proyecto genera información útil para el diseño de plantas de trata-miento con la tecnología de lodos activados en las condiciones de Bogotá, las futuras PTAR que se construirán en la ciudad ameritan estudios detallados en los que se emplee el agua residual que efectivamente será tratada. Dichos estudios proveerán información útil para diseño y/o operación de los sistemas.

Las siguientes son las investigaciones propuestas:

1. Fraccionamiento DQO: es importante conocer el fraccionamiento de la DQO para establecer la biodegradabilidad del agua residual que se va a tratar y tener una mejor comprensión de los procesos metabólicos que ocurren en el lodo activado. Contar con esta información permite calibrar y validar modelos como el BioWin, empleado en este proyecto, que a su vez aportan la posibilidad de generar escenarios tanto de configuraciones de planta como de definición de caudales, condiciones de operación, optimizaciones o futuras ampliaciones del sistema de tratamiento. El fraccionamiento de la DQO varía de forma importante de un agua residual a otra, de ahí la impor-tancia de obtenerlo para los efluentes reales de las PTAR. Adicionalmente, con una información confiable sobre el fraccionamiento se pueden calibrar adecuadamente las constantes cinéticas de los modelos de lodos activados. Para esta investigación es útil contar con un biorreactor como el que se adquirió con el presente proyecto, el cual se encuentra también en las instalaciones de la EAAB.

2. Coeficientes de transferencia de oxígeno: un tema actual de trabajo en el campo de los lodos activados es la eficiencia energética, que está ligada en esta tecnología de manera muy importante a la operación de suministro de aire al reactor biológico. Es


134

importante calcular los coeficientes de transferencia de oxígeno para las plantas reales, dado que estos dependen de factores operativos como la frecuencia de limpieza de los difusores, aspectos constructivos como la forma del reactor, el tipo de difusores y su distribución, y también de cierta forma del esquema de operación de la planta (edad de lodo, recirculación, MLSS, etc.). Para esta investigación es recomendable contar con un equipo analizador de off-gas con el que lamentablemente no se pudo contar en este proyecto, por su alto costo. El Grupo de Investigación Ciencia e Ingeniería del Agua y el Ambiente del Departamento de Ingeniería Civil actualmente trabaja en la apropiación de este tipo de tecnologías.

Los resultados de esta clase de estudios permiten hacer los ajustes pertinentes a la operación de la planta, de manera que se reduzca y haga eficiente el consumo de energía eléctrica. Estos estudios también proveen información detallada necesaria para calibrar y validar el modelo de lodos activados en un simulador como BioWin. El contar con estos datos de campo, en lugar de los valores por defecto incorporados en el sumulador permite obtener un modelo mucho más fiable.

3. Lodos: aún queda por hacer el estudio de los lodos producidos mediante lodos acti-vados con los afluentes reales, lo cual excede el alcance del presente proyecto. Se reco-mienda un estudio que involucre la construcción de una línea de lodos para la planta piloto, que cuente por lo menos con un digestor a escala, el cual puede diseñarse con una capacidad solo para una parte de lodo producido; las cantidades de lodo pueden ser estimadas a partir de la edad de lodo en la que se opera la planta. La información recogida puede alimentar también el simulador, de forma que se puedan evaluar esce-narios de operación, comparando así la producción de lodo y el consumo energético, para hacer un estudio de factibilidad del mejor modo de operación desde el punto de vista de costos. Por supuesto, el estudio permitirá también establecer la tratabilidad de lodo por vía biológica, que se espera sea buena debido a los rendimientos obtenidos en el reactor biológico, pero no deja de ser preocupante la posible presencia de sustancias inhibidoras de ciertos microorganismos.

4. El desarrollo de investigaciones relacionadas con la selección de equipos y tecnologías apropiadas para las futuras plantas de Bogotá resulta un área de interés relevante, dado que los resultados de estas investigaciones permitirán tomar decisiones que impacten directamente sobre la vida útil de los equipos, así como su representatividad, calidad y sobre la potencial utilidad de la información recolectada. Es recomendable dedicar esfuerzos a seleccionar y comparar la instrumentación para el registro de información de calidad del agua, medición de caudal de aire y de agua, así como la evaluación en el largo plazo de las condiciones de operación de los elementos difusores. Es importante tener en cuenta que las propiedades de los elementos difusores se ven afectadas por el líquido dentro del que se encuentran, con efectos como la acumulación de biopelícula y

135

invEstigacionEs futuras

la degradación propia de los materiales. Teniendo en cuenta lo anterior, resulta intere-sante evaluar el desempeño a largo plazo de diferentes elementos difusores disponibles comercialmente (incluyendo diferentes materiales, formas y rendimientos). Los resul-tados de este tipo de investigaciones se traducen en la disminución de costos asociados a la operación del sistema de aireación durante toda la vida útil de la planta piloto.

5. A pesar de que en términos generales la planta piloto se encuentra en un buen nivel de instrumentación, la experiencia adquirida durante su operación muestra que existe potencial de mejora en diferentes aspectos, a saber:

Medición de caudal de aire: inclusión del registro de presiones locales acom-pañadas de los caudales de aire registrados en la tubería, lo cual permitirá contar con mediciones más precisas y realizar el seguimiento de las condiciones de operación de los difusores.

Registro y control de caudales: la automatización del registro y control de cau-dales líquidos permitirá minimizar la incertidumbre asociada a errores durante la operación de cajas reguladoras de caudal o purga de lodos.

Lazos de control para el consumo de energía: la configuración de un lazo de control para oxígeno disuelto dentro del reactor aeróbico facilitará el desarrollo de estudios relacionados con la optimización del consumo de energía asociada al siste-ma de aireación.

6. Dado que es del interés del Grupo de Investigación Ciencia e Ingeniería del Agua y el Ambiente del Departamento de Ingeniería Civil de la Pontificia Universidad Javeriana aportar al desarrollo del sector de saneamiento básico del país y conscientes de la im-portancia de la experiencia institucional adquirida con este proyecto de investigación, el grupo de investigación se encuentra a disposición de la EAAB para apoyar los procesos de revisión de diseños y construcción de las futuras plantas de tratamiento de la ciudad o para apoyar procesos de capacitación de operarios encargados de las futuras plantas.

136

referenCias

American Society of Civil Engineers. Measurement of Oxygen Transfer in Clean Water ASCE Standard, ASCE/EWRI 2-06. Reston, VA: American Society of Civil Engineers, 2007.

APHA. (2012). Standard Methods for the Examination of Water and Wastewater. Washington, D.C.: American Public Health Association.

ATV-DVWK (1996). ATV-M 209E “Measurement of the Oxygen Transfer in Activated Sludge Aeration Tanks with Clean Water and in Mixed Liquor.”

Bertrand-Krajewski, J.-L., S. Barraud, J. Gibert, F. Malard, T. Winiarski & C. De-lolme (2007). “The OTHU Case Study: Integrated Monitoring of Stormwater in Lyon, France”. En Data Requirements for Integrated Urban Water Management, editado por T. Fletcher & A. Deletic, 303-14. Londres: Urban Water Series - UNESCO IHP, Taylor and Francis.

Bertrand-Krajewski, J.-L. (2004). “TSS Concentration in Sewers Estimated from Turbidity Measurements by Means of Linear Regression Accounting for Uncer-tainties in Both Variables”. Water Science and Technology 50 (11): 81-88.

Bertrand-Krajewski J.-L., S. Winkler, E. Saracevic, A. Torres & H. Schaar (2007). “Comparison of and Uncertainties in Raw Sewage COD Measurements by Laboratory Techniques and Field UV-Visible Spectrometry”. Water Science and Technology 56 (11).

Bitton, G. (2005). Wastewater Microbiology. 3rd ed. Hoboken, NJ, USA: John Wiley & Sons, Inc.

Boyle, W. C., and D. T. Redmon (1983). “Biological Fouling of Fine Bubble Diffusers: State-of-Art. En Journal of Environmental Engineering 109 (5): 991–1005.

137

referencias

Corominas, L., L. Rieger, I. Takács, G. Ekama, H. Hauduc, P. A. Vanrolleghem et ál. (2010). “New Framework for Standardized Notation in Wastewater Treatment Modelling”. Water Science and Technology: A Journal of the International Association on Water Pollution Research 61 (4): 841-57. doi:10.2166/wst.2010.912

Díaz Granados, M. & L. A. Camacho (2003). “Modelación hidrológica y ambiental de una subcuenca de la ciudad de Bogotá”. Ponencia presentada en el Seminario Internacional La Hidroinformática en la Gestión Integrada de los Recursos Hídricos, Agua 2003, Cartagena/Colombia, 1-3 octubre de 2003, 328-35.

Demuth H., M. Beale & M. Hagan (2009). Neural Nework Toolbox - User’s Guide. Mathworks, Inc.

Ekama, G. A. & P. L. Dold (1986). “Procedures for Determining Influent COD Frac-tions and the Maximum Specific Growth Rate of Heterotrophs in Activated Sludge Systems”. Water Science & Technology 18 (6): 91-114.

EnviroSim Associates Ltd. (2011). User Manual For BioWin 3.Gernaey, K. V., M. C. Van Loosdrecht, M. Henze, M. Lind & S. B. Jørgensen (2004).

Activated “Sludge Wastewater Treatment Plant Modelling and Simulation: Sta-te of the Art”. Environmental Modelling & Software 19 (9): 763-83. doi:10.1016/j.envsoft.2003.03.005

Gillot, S., and A. Héduit. “Prediction of Alpha Factor Values for Fine Pore Aeration Systems.” Water Science & Technology 57 (2008): 1265. doi:10.2166/wst.2008.222.

Gruber, G., J.-L. Bertrand-Krajewski, J. De Beneditis, M. Hochedlinger & W. Lettl (2006). “Practical Aspects, Experiences and Strategies by Using UV/VIS Sen-sors for Long-Term Sewer Monitoring”. Water Practice and Technology 1 (1): 1-8.

Gruber, G., S. Winkler & A. Pressl (2005). Continuous Monitoring in Sewer Networks. An Approach for Quantification of Pollution Loads from CSOs into Surface Water Bodies. Water Science and Technology 52 (12): 215-23.

Gujer, W, M Henze, T Mino, and M van Loosdrecht (1999). “Activated Sludge Model No. 3.” En Water Science and Technology 39 (1): 183–93.

Henze, M. (2000). Activated Sludge Models ASM1, ASM2, ASM2d and ASM3. Vols. 1-1. IWA Publishing.

Henze, Mogens (1995). Activated Sludge Model: No. 2. London: IWA Publishing.——— (2000). Activated Sludge Models ASM1, ASM2, ASM2d and ASM3. 1st ed. 1 vols.

IWA Publishing.Henze, M., M. C. M. van Loosdrecht & G. A. Ekama (2008). Biological Wastewater

Treatment: Principles, Modeling, and Design. Intl Water Assn.Henze, Mogens, Mark C. M. van Loosdrecht, and George A. Ekama (2008). Biological

Wastewater Treatment: Principles, Modeling, and Design. Intl Water Assn.


138

Hofstaedter, F., T. Ertl, G. Langergraber, W. Lettl & A. Weingartner (2003). “On-Li-ne Nitrate Monitoring in Sewers Using UV/VIS Spectroscopy”. En Proceedings of the 5th International Conference of ACE CR “Odpadni vody – Wastewater 2003”, 13-15 mayo 2003, Olomouc, República Checa, editado por J. Wanner & V. Sykora, 341-44.

Hulsbeek, J. J. W., J. Kruit, P. J. Roeleveld & M. C. M. Van Loosdrech (2002). “A Practical Protocol for Dynamic Modelling of Activated Sludge Systems”. Water Science and Technology: A Journal of the International Association on Water Pollution Research 45 (6), 127-36.

Hulsbeek, J, J Kruit, P Roeleveld, and M van Loosdrech (2002). “A Practical Proto-col for Dynamic Modelling of Activated Sludge Systems.” En Environmental Modelling & Software 19 (9): 763–83.

IWA Task Group on Good Modelling Practice (2013). Guidelines for Using Activated Sludge Models. Londres, Nueva York: IWA Publishing.

HMV Ingenieros (2007). Predimensionamiento planta de tratamiento de aguas residuales canoas. Producto 2: Metodología de muestreo. Informe Inédito. EAAB. Informe de consultoría, contrato: 1- 02-26100-806-2006. 68 p.

Hochedlinger, M. (2005). “Assessment of Combined Sewer Overflow Emissions”. Tesis doctoral, University of Technology, Graz (Austria).

Hochedlinger, M., H. Kainz & W. Rauch. (2006). “Assessment of CSO Loads Based on UV/VIS- Spectroscopy by Means of Different Regression Methods”. Water Science and Technology 54 (6-7), 239-46.

Karatzoglou, A., A. Smola, K. Hornik & A. Zeileis (2001). “Kernlab - An S4 Packa-ge for Kernel Methods”. R. Journal of Statistical Software 11 (9): 1-20. http://www.jstatsoft.org/v11/i09/

Kohavi R. (1995). “A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection”. En Proceedings of the 14th International Joint Confe-rence on Artificial Intelligence’, editado por C. S. Mellish, Morgan Kaufmann Publishers, 1137-43.

Langergraber, G., N. Fleischmann & F. Hofstädter (2003). “A Multivariate Cali-bration Procedure for UV/VIS Spectrometric Quantification of Organic Matter and Nitrate in Wastewater”. Water Science and Technology 47 (2): 63-71.

Langergraber, G., A. Weingartner & N. Fleischmann (2004). “Time-Resolved Del-ta Spectrometry: A Method to Define Alarm Parameters from Spectral Data”. Water Science and Technology, 50 (11): 13-20.

Langergraber, G., N. Fleischmann, F. Hofstaedter & A. Weingartner (2004). “Mo-nitoring of a Paper Mill Wastewater Treatment Plant Using UV/VIS Spectros-copy”. Trends in Sustainable Production 49 (1): 9-14.

139

rEfErEncias

Lebart, L., M. Piron & A. Morineau (1995). Statistique Exploratoire Multimensionn-nelle. París: Dunod.

Liwarska-Bizukojc, E. & R. Biernacki (2010). “Identification of the Most Sensitive Parameters in the Activated Sludge Model Implemented in BioWin Software”. Bioresource Technology 101 (19): 7278-85. doi:10.1016/j.biortech.2010.04.065

Makinia, J. (2010). Mathematical Modelling and Computer Simulation of Activated Sludge Systems. IWA Publishing.

Melcer, H (2003). Methods for Wastewater Characterization in Activated Sludge Model-ling: Werf Report Project 99-Wwf-3. 1st ed. Water Environment Research Foun-dation.

Metcalf & Eddy, I., G. Tchobanoglous, H.D. Stensel, R. Tsuchihashi, and F. Burton. Wastewater Engineering: Treatment and Resource Recovery. 5th ed. McGraw-Hill Education, 2013.

Mishendo, M. I., J. W. Hovenier & L. D. Travis (1999). Light Scattering by Nonspherical Particles: Theory, Measurements, and Applications. Academic Press.

Moguerza J. M. & A. Muñoz. “Support Vector Machines with Applications”. Statis-tical Science 21: 322-36, 2006.

Mullen, K., D. Ardia, D. Gil, D. Windover & J. Cline (2011). “‘DEoptim’: An R Pac-kage for Global Optimization by Differential Evolution”. Journal of Statistical Software 40 (6): 1-26. http://www.jstatsoft.org/v40/i06/

Olsson, G., B. Newell, C. Rosen & P. Ingildsen (2003). “Application of Information Technology to Decision Support in Treatment Plant Operation”. Water Science and Technology 47 (12): 35-42.

Olsson, G. (2004). “Current Status of Instrumentation, Control and Automation in Wastewater Treatment Operations”. EICA 9 (3): 2-14.

Olsson, G. (2007). “Automation Development in Water and Wastewater Systems”. Environmental Engineering Research 12 (5): 197-200.

Price, K. V., R. M. Storn & J. A. Lampinen (2006). Differential Evolution - A Practical Approach to Global Optimization. Berlín, Heidelberg: Springer-Verlag.

Petersen, B., P. Vanrolleghem, K. Gernaey & M. Henze (2002). “Evaluation of an ASM1 Model Calibration Procedure on a Municipal-Industrial Wastewater Treatment Plant”. Journal of Hydroinformatics 4: 15-38.

R Development Core Team (2012). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Viena, Austria. http://www.R-project.org/

Rittmann, Bruce E (2001). Environmental Biotechnology: Principles and Applications. Bruce E. Rittmann, Perry L. McCarty. Boston: McGraw-Hill.


140

Rieger, L., G. Langergraber, M. Thomann, N. Fleischmann & H. Siegrist (2004). “Spectral In-Situ Analysis of NO2, NO3, COD, DOC and TSS in the Effluent of a WWTP, AutMoNet” – 2nd IWA Conference on Automation in Water Quiality Monitoring, Viena, Austria, abril 2004, 29-36.

Rieger, L., P. A. Vanrolleghem, G. Langergraber, D. Kaelin & H. Siegrist (2008). “Long-Term Evaluation of a Spectral Sensor for Nitrite and Nitrate”. Water Science and Technology 57 (10): 1563-69.

Roeleveld, P. & M. Van Loosdrecht (2002). Experience with Guidelines for Wastewa-ter Characterisation in the Netherlands. Water Science & Technology 45 (6): 77-87.

Rosso, D., R Iranpour and M K Stenstrom. (2005) “Fifteen Years of Offgas Transfer Efficiency Measurements on Fine-Pore Aerators: Key Role of Sludge Age and Normalized Air Flux”. Water Environment Research 77, no. 3: 266–73.

S::CAN (2007). Manual s::can Spectrometer Probe y ana::pro. Viena: Liquid Monitoring Networks.

Schölkopf, B. & A. J. Smola (2002). Learning with Kernels: Support Vector Machines, Regularization, Optimization, and beyond. Cambridge, MA: MIT Press.

Sperling, Marcos Von (2007). Basic Principles of Wastewater Treatment: Biological Wastewater Treatment Volume 2. London; New York: IWA Publishing.

Stenstrom, Michael (2007). Measurement of Oxygen Transfer in Clean Water, ASCE/EWRI 2-06. 1st ed. American Society of Civil Engineers.

Torres A. & J.- L. Bertrand-Krajewski (2008). “Partial Least Squares Local Calibra-tion of a UV-Visible Spectrometer Used for In Situ Measurements of COD and TSS Concentrations in Urban Drainage Systems”. Water Science and Technology 57 (4): 581-88.

Torres A., M. I. Rivero López, A. Ruiz, D. Zamora & S. L. Galarza-Molina (2013). “Monitoreo en continuo de la calidad de aguas en hidrosistemas urbanos: reque-rimientos de operación y mantenimiento”. Ponencia presentada en el seminario internacional “Calidad del Agua: Retos ante los Riesgos Ambientales”, AGUA 2013 ‘El Riesgo en la Gestión del Agua’, Cali, Colombia, 15 a 18 de octubre de 2013.

Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesely.United Nations Population Division (2008). An Overview of Urbanization, Internal

Migration, Population Distribution and Development in the World. United Nations Expert Group Meeting on Population Distribution, Urbanization, Internal Mi-gration and Development. Population Division, Department of Economic and Social Affairs, United Nations Secretariat, Nueva York, 21-23 January 2008, 34 p.

Vanrolleghem, P. & D. S. Lee (2003) “On-line Monitoring Equipment for Wastewa-ter Treatment Processes: State of the Art”. Water Science and Technology. Journal of the International Association on Water Pollution Research 47 (2): 1-34.

141

rEfErEncias

Water Environment Federation (2008). Operation of Municipal Wastewater Treatment Plants. Manual of Practice, No. 11., Vol. I, Management and Support Systems, sexta edición, 2008.

Water Research Centre (2005). Consultoría Y Asesoría Requeridas Para El Diseño, Ase-soría de La Construcción, Puesta En Marcha Y Operación de La Planta Piloto de La Planta de Tratamiento de Aguas Residuales El Salitre. Contrato No C-0581-04. Bogotá: Empresa de Acueducto y Alcantarillado de Bogotá.

Winkler S., L. Rieger, M. Thomann, H. Siegrist, C. Bornemann & N. Fleischmann (2002). “In-Line Monitoring of COD and COD-Fractionation: Improving Dynamic Simulation Data Quality”. Preprints of the 3rd IWA International World Water Congress, 7-12 abril 2002, Melbourne, Australia (paper no. e21604a).

WEF (2008). Industrial Wastewater Management, Treatment, and Disposal. 3 edition. New York: McGraw-Hill Professional.

Winkler, S., J.-L. Bertrand-Krajewski, A. Torres & E. Saracevic (2008). “Benefits, Li-mitations and Uncertainty of in Situ Spectrometry”. Water Science and Technology: A Journal of the International Association on Water Pollution Research 57 (10): 1651.

Witten, I. & Frank, E. (2005). Data Mining – Practical Machine Learning Tools and Techniques.

SAPIENTIA ÆDIFICAVIT SIBI DOMvM

este libro fue editado, Compuesto e impreso en la falda

de los cerros orientales de la sabana de bogotá,

donde nacen las principales fuentes

hídricas que riegan la ciudad.

Estudio de tratabilidad de las aguas residuales

en Bogotá con lodos activados Aspectos de monitoreo en continuo, caracterización

detallada, modelación y simulación del proceso

Jaime Lara-Borrero | Andrés Torres | Andrés BaqueroEditores

Este libro presenta los resultados de la investigación adelantada

como una aproximación a la aplicación del proceso de lodos activados

para el tratamiento de las aguas residuales domesticas en las futuras

grandes plantas de la ciudad de Bogotá. Diferentes actividades

relacionadas con la caracterización del agua residual afluente,

el fraccionamiento de la DQO, monitoreo de la eficiencia de la

transferencia de oxígeno en el reactor aeróbico y la calibración

de modelos y simulación de escenarios, incluida la remoción

de nutrientes en el proceso de lodos activados, fueron adelantadas.

Adicionalmente, las relaciones entre la espacialidad y los regímenes

de precipitación en la dinámica de la calidad del agua afluente

al sistema de tratamiento fueron estudiadas a partir de datos

recolectados, empleando un sistema para seguimiento en continuo

de determinantes de calidad del agua.

Este proyecto de investigación fue financiado conjuntamente

por la Empresa de Acueducto y Alcantarillado de Bogotá y la Pontificia

Universidad Javeriana. El desarrollo del proyecto estuvo a cargo

del grupo de investigación Ciencia e Ingeniería del Agua y el

Ambiente, la ejecución de este proyecto contó con la participación

de estudiantes del pregrado de Ingeniería Civil, Maestría

en Hidrosistemas y Doctorado en Ingeniería de la Pontificia

Universidad Javeriana.

AutoresJaime Lara-Borrero

Andrés Baquero

María Carolina Romero

Santiago Sandoval

Alejandra Ruíz

David Zamora

Jorge Martelo

Laura Marcela Vargas

María Isabel Rivero

Liliana López-Kleine

Thomas Rosmann

Julio Alberto Camargo

Andrés Torres.

Estu

dio

de tr

atab

ilida

d de

las a

guas

resi

dual

es e

n Bo

gotá

con

lodo

s act

ivad

os

laraj

Tachado

laraj

Texto insertado

domésticas

Estudio de tratabilidad de las aguas residuales en Bogotá con lodos activados

Documents

Transcript of Estudio de tratabilidad de las aguas residuales en Bogotá con lodos activados