Wastewater disinfection : modeling, control and risk assessment

In a global context of increasing human pressure on water resources and development of water reuse practices, disinfection of municipal wastewater has a primary role in controlling microbial contamination of natural water sources and water reuse systems. Operation of disinfection facilities are challenged by ever stricter limit at discharge on microbial indicators set by regulation and guidelines worldwide and by bottleneck of most chemical disinfectant, whose concentration in wastewater effluents cannot be raised, applying wide safety factors, without generating unacceptable toxic and ecotoxic impact in receiving waters. Ultraviolet (UV) disinfection gets around the use of chemicals, but still its energy consumption is not negligible when very high efficiency is needed and lamps end-of-life management is critical, since in most cases they are mercury-based. Such trade-off between health and environmental conflicting objectives demands for optimization and control of disinfectant, to achieve reliable compliance with very low target concentration of microbial indicators, while avoiding waste of chemicals and energy. This goal has been addressed on many aspects by old and recent research, which had to deal with intrinsic high variability of flow rate and quality of effluents to be disinfected and complexity of disinfection physical, chemical and microbiological mechanisms. The aim of this PhD project is to conceive, calibrate and test models to optimize disinfection of wastewater. The disinfection process was studied combining lab-, pilot- and full-scale experiments and monitoring, to gather necessary data to develop and test predictive models of process disturbances and efficiency. Two main modeling approaches were explored. Data-driven machine learning models were used in cases where explicit description of physical world was not achievable or convenient, but data could be used to calibrate effective predictive models. Mechanistic models were preferred whenever a-priori knowledge of disinfection was sufficient to detailed modeling of involved hydraulic, chemical and microbiological phenomena. Models were deployed within control algorithms for real-time optimization of disinfectant dosage, compensating variability of effluent quality and flow rate. Firstly, as essential precondition for real-time control of wastewater disinfection dosage, a “soft-sensor” approach is presented for virtual on-line monitoring of microbial indicator Escherichia coli in secondary and tertiary effluents at the inlet of disinfection units. Several linear and nonlinear regression models were studied, using conventional physical and chemical wastewater parameters as predictors of E. coli concentration. Results suggested that a neural network model is an effective family of models for E. coli soft-sensing, catching complex nonlinear relationships between wastewater characteristics and microbial concentration. Potential benefits of the soft-sensor deployment were highlighted, simulating real-time optimization of chemical disinfectant dosage to compensate fluctuation in initial concentration of E. coli and estimating significant reductions of chemical consumption (about 66%) with respect to conventional off-line approaches for dosage design. Secondly, a novel data-driven approach is illustrated for modeling and control of a full-scale UV disinfection of wastewater. The UV disinfection reactor of a large-scale wastewater treatment plant (WWTP), treating effluent for indirect reuse in agriculture, was monitored under various operating conditions and data were used to calibrate and test a black-box neural network model predicting E. coli disinfection efficiency given UV dose, flow rate and wastewater quality parameters affecting optical properties of water and disinfection mechanism. Results proved accuracy of the neural network model on test data and benefits of the combined use of the previously developed E. coli soft-sensor and the UV model for real time control of UV dose, which lead to an estimated saving of up to 66% of energy with respect to conventional off-line and experience-based dosage design. Then, an original mechanistic model of peracetic acid (PAA) disinfection and its practical deployment and test at pilot-scale is presented. Lab-scale experiments were performed to calibrate sub-models of E. coli inactivation kinetics and PAA decay and how the latter is impacted by wastewater quality. Pilot-scale experiments were carried out to calibrate conceptual models of disinfection reactor hydrodynamics and validate disinfection model prediction accuracy and its effectiveness in controlling the process within a Model Predictive Control (MPC) algorithm. Validation of the PAA disinfection model confirmed the importance of considering dynamic nature of the process and impact of disturbances in prediction. Model deployment in MPC control at pilot scale proved effectiveness of the algorithm, with potential savings between 30% and 85% with respect to conventional flow-paced control. Finally, reduction of health risk achieved by wastewater disinfection in an indirect agricultural reuse case study was estimated adopting the Quantitative Microbial Risk Assessment (QMRA) framework. Site-specific and literature data and models were integrated to describe fate and transport of reference pathogens of concern (salmonella, norovirus) from raw wastewater to moment of exposure by accidental ingestion by workers and during crop consumption. Results highlighted general low risk for the system under study and that a risk-based approach applied to disinfection optimization allows to manage the process as part of a broader and complex system, including several pathogen inactivation barriers before human exposure, which must be completed by disinfection when and how much necessary. The study shew how QMRA can support decision-making in managing wastewater disinfection in a reuse system considering both health protection and environmental sustainability.

La disinfezione delle acque di rifiuto municipali gioca un ruolo primario nel controllo della contaminazione microbiologica de acque naturali e sistemi di riuso, in un contesto globale con crescenti impatto antropico sulle risorse idriche e sviluppo delle pratiche di riuso. La conduzione delle infrastrutture di disinfezione affronta la sfida di limiti allo scarico sui microorganismi indicatori sempre più severi definiti da leggi e linee guida in tutto il mondo e il limite di gran èare dei disinfettanti chimici, la cui concentrazione in effluenti trattati non può essere aumentata, applicanto ampi fattori di sicurezza, senza generare un impatto ecotossico non ammissibile sui corpi idrici recettori. La disinfezione ultravioletta (UV) non utilizza composti chimici, ma comporta un consumo energetico non trascurabile, in caso di trattamento ad elevata efficienza, e la dismissione delle lampade a fine vita è complessa, poiché nella maggior parte dei casi si tratta di lampade ad amalgama di mercurio. Il conflitto tra obiettivi contrastanti implica la necessità di ottimizzazione e controllo del disinfettante, affinchè il processo garantisca concentrazioni all’uscita di microorganismi indicatori molto basse, evitando allo stesso tempo sprechi di disinfettante o energia. Quest’obiettivo è stato perseguito sotto molti punti di vista dalla ricerca scientifica più e meno recente, che ha affrontato le criticità derivanti dell’impatto della variabilità di portate e qualità degli effluenti municipali sul processo di disinfezione, così come dalla complessità intrinseca dei fenomeni fisici, chimici e microbiologici che ne fanno parte. Lo scopo del presente progetto di dottorato è la concettualizzazione, la calibrazione e la validazione di modelli per l’ottimizzazione della disinfezione di acque reflue municipali. Il processo è stato studiato attraverso prove e monitoraggi a scala di laboratorio, pilota e reale, volti a raccogliere i dati necessari a sviluppare e validare i modelli predittivi dell’efficienza di processo e delle variabili esogene che su di esso impattano. Sono stati adottati due approcci modellistici. Sono stati utilizzati modelli “data-driven”, con approccio del “mondo” del Machine Learning, in casi dove la descrizione dettagliata ed esplicita dei fenomeni fisici del processo non fosse fattibile o conveniente, e allo stesso tempo i dati disponibili fossero utilizzabili per calibrare modelli predittivi efficaci. Sono stati utilizzati modelli meccanicistici qualora la conoscenza della fenomenologia della disinfezione fosse sufficiente a supportare una modellazione dettagliata degli aspetti idraulici, chimici e microbiologici. I modelli sviluppati sono stati integrati in algoritmi di controllo per l’ottimizzazione in tempo reale del dosaggio di disinfettante, compensando la variabilità della portata e della qualità dell’effluente trattato. In primo luogo, è stato sviluppato un approccio “soft-sensor” per il monitoraggio on-line del microorganismo indicatore E. coli in effluenti municipali secondari e terziari all’ingresso di unità di disinfezione, come presupposto fondamentale per il controllo continuo del dosaggio. Sono stati comparati vari modelli di regressione lineari e non lineari, utilizzando parametri fisici e chimici convenzionali delle acque di rifiuto come predittori della concentrazione di E. coli. I risultati suggeriscono che le reti neurali sono una tipologia di modello efficace per il soft-sensing di E. coli, in quanto riesce a descrivere le complesse relazioni non lineari tra le caratteristiche dell’acqua di rifiuto e la concentrazione di batteri. I potenziali vantaggi dell’utilizzo del soft-sensor sono stati evidenziati, simulandone l’integrazione per il controllo real-time di disinfettante chimico per compensare le fluttuazioni della concentrazione iniziale di E. coli, stimando una riduzione dignificativa (circa il 66%) del consumo di disinfettante rispetto a un approccio convenzionale basato sull’ottimizzazione off-line del dosaggio. Viene poi illustrato un approccio data-driven per la modellazione e il controllo di una disinfezione UV di acque reflue municipali a scala reale. Il reattore UV di un depuratore di larga scala, che tratta un effluente per il riuso indiretto in agricoltura, è stato monitorato in varie condizioni operative e i dati sono stati utilizzati per calibrare e validare una rete nuerale come modello predittivo di tipo black-box della concentrazione residua di E. coli dati la dose UV, la portata e i parametri chimici e fisici che impattano le proprietà ottiche dell’acque e i meccanismi di disinfezione. I risultati provano l’accuratezza del modello sui dati di validazione ai benefici dell’utilizzo combinato del soft-sensor di E. coli, precedentemente citato, e il modello della disinfezione UV, che ha portato alla stima di un potenziale risparmio di fino al 66% dell’energia rispetto a un approccio convenzionale basato sull’ottimizzazione off-line e l’esperienza pratica impiantistica. E’ stato poi proposto un modello meccanicistico originale per la disinfezione di acque reflue municipali con acido peracetico (PAA), che è stato validato a scala pilota. I modelli della cinetica di inattivazione di E. coli e di decadimento del PAA e come queste siano influenzate dalla qualità dell’acqua sono stati calibrati su esperimenti di laboratorio. La calibrazione del modello idraulico del processo, la validazione del modello complessivo della disinfezione e della sua integrazione di un algoritmo di controllo di tipo Model Predictive Control (MPC) sono stati basati su esperimenti a scala pilota. La validazione ha confermato l’importanza di considerare la natura dinamica del processo e l’impatto delle variabili esogene nella predizione dell’efficienza. E’ stato stimato un potenziale risparmio di disinfettante compreso tra il 30 e l’85%, rispetto all’utilizzo di un controllo a concentrazione costante di disinfettante. Infine, l’approccio Quantitative Microbial Risk Assessment (QMRA) è stato utilizzato per stimare la riduzione del rischio per la salute umana dato dalla disinfezione in un caso di riuso indiretto per scopi agricoli. Sono stati utilizzati dati sito specifici e dati di letteratura per descrivere il percorso di patogeni di riferimento (salmonella, norovirus) dal refluo non trattato al punto di esposizione tramite ingerimento accidentale da parte di lavoratori e in caso di consumo di colture irrigate. I risultati mostrano un generale basso rischio per il sistema studiato e che un approccio basato sul rischio può essere applicato per ottimizzare la disinfezione, permettendo di gestire il trattamento come parte di un sistema integrato più ampio, considerando le ulteriori barriere alla diffusione dei patogeni in ambiente prima dell’esposizione umana, che deveno essere complementate dalla disinfezione dove e quando necessario. Lo studio mostra come la QMRA possa supportare le decisioni in merito alla gestione della disinfezione di acque reflue municipali in casi di riuso, contemperando la protezione della salute umana e la sostenibilità ambientale.