Computer aan het stuur op de rioolwaterzuivering

18-09-2019
130 keer bekeken 0 reacties

Waterschap Aa en Maas koppelde op de rwzi in Aarle-Rixtel de historische data van honderden meetpunten aan een zelflerend algoritme, dat daarmee kan berekenen hoe het zuiveringsproces efficiënter kan draaien.

Projectleider

Tom Weijtmans

Projectleider

Tom Weijtmans

Projectteam

Tom Weijtmans

Projectteam

Tom Weijtmans

Organisatie(s)

Aa en Maas
Aa en Maas
Aa en Maas

Bedrijfsfunctie

Waterketenbeheer
Waterketenbeheer
Waterketenbeheer

Thema

Energietransitie
Energietransitie
Energietransitie
Schoon water
Schoon water
Schoon water

Technologie

IoT / sensoren
IoT / sensoren
IoT / sensoren
Kunstmatige intelligentie
Kunstmatige intelligentie
Kunstmatige intelligentie
Zuiveringstechnologie
Zuiveringstechnologie
Zuiveringstechnologie

Projectfase

Pilot

Projectfase

Pilot

Status

Lopend

Status

Lopend

De verwachtingen liegen er niet om: een (potentiele) energiebesparing van 25-30% én een betere kwaliteit van het effluent. Het toepassen van een zelflerend neuraal netwerk op een rioolwaterzuivering is nog niet eerder vertoond in Nederland. De terugverdientijd van de investering wordt geschat 2-3 jaar.

Na de succesvolle pilot op rwzi Aarle-Rixtel wordt het zelflerend neuraal netwerk in 2023 uitgerold en getest op rwzi Den Bosch.

Afbeeldingen

X (voorheen Twitter)

Op de kaart

Een momentje...

READAR | Gebouwinformatie en mutatiesignalering uit luchtfoto's

Contact

Het Waterschapshuis
Stationsplein 89
3818 LE Amersfoort

033-4603100

winnovatie@hetwaterschapshuis.nl 

 

 

Cookie-instellingen