Digital twin voor RWZI's: minder energie, slimmer zuiveren

Een digital twin is een levend, dynamisch model van de zuivering. Geen statisch schema, maar een procesmodel dat continu wordt bijgewerkt met meetdata uit de installatie zelf: debieten, zuurstofgehaltes, slibconcentraties, ammonium en nitraat. Het model rekent in de achtergrond mee met de werkelijke installatie en geeft inzicht in wat er nu en straks gebeurt in elk compartiment.

Binnen LaPoCo gebruiken we biokinetische simulaties (zoals SUMO) als rekenhart. Die modellen beschrijven wat de biologie doet onder verschillende condities. Door ze te koppelen aan live procesdata krijg je een twin die niet alleen voorspelt, maar ook leert van de eigen installatie.

Een biokinetisch model alleen is precies, maar traag en gevoelig voor kalibratie. AI maakt het model bruikbaar in de dagelijkse bedrijfsvoering: machine learning modellen leren patronen herkennen in jaren aan procesdata en kunnen binnen seconden voorspellen hoe de installatie reageert op een verandering in belasting, temperatuur of beluchting.

De combinatie levert wat losse tools niet kunnen: een twin die op elk moment advies geeft over setpoints, vooruitkijkt op de aankomende uren en alarm slaat voordat een proces uit de bandbreedte dreigt te lopen.

De grootste winst van een digital twin zit in het kunnen experimenteren buiten de installatie om. Voor operators en procestechnologen betekent dit dat vragen die voorheen maanden aan voorzichtig testen vroegen, in een middag beantwoord kunnen worden:

• Wat gebeurt er met het ammonium als we het zuurstofsetpunt 0,5 mg/L verlagen?
• Hoeveel beluchtingsenergie besparen we als we 's nachts terugschakelen?
• Hoe reageert de slibhuishouding op een piekbelasting van 130%?
• Wat is het effect van een nieuwe blower of een extra punt-beluchting?

Elk scenario komt met onderbouwing: energieverbruik, effluentkwaliteit, slibproductie en CO₂-uitstoot. Het beslissingsgesprek verschuift van onderbuikgevoel naar onderbouwde keuzes.

Voor een middelgrote RWZI van 100.000 i.e. is de beluchtingspost al snel goed voor honderdduizenden euro's per jaar. Een digital twin die de beluchting met 10 tot 20% optimaliseert, levert direct meetbare besparing op. Daar bovenop komen voordelen die zich indirect uitbetalen:

• Minder overdimensionering bij renovaties, omdat de werkelijke marges bekend zijn.
• Onderbouwing van vergunningseisen en lozingsnormen met meetdata en simulaties.
• Kennisborging: het model bewaart procesinzicht dat anders verdwijnt met vertrekkende collega's.
• Lagere CO₂-uitstoot, wat aansluit op de klimaatdoelen van de waterschappen.

1. Datafundament op orde. Inventariseren welke sensoren betrouwbaar zijn, gaten dichten en historie ontsluiten.
2. Biokinetisch basismodel kalibreren.SUMO of vergelijkbaar, geijkt op de werkelijke installatie en seizoenen.
3. AI laag erbovenop. Voorspellingen, setpoint-advies en anomaliedetectie, getraind op de gekoppelde procesdata.
4. Operationele integratie. Dashboards voor operators, advisering richting SCADA en periodieke what-if rapportages voor procestechnologen en management.
5. Door blijven leren. De twin wordt maandelijks herijkt, zodat het model meegroeit met de installatie.