"Ottimizzazione processi e nesso acqua-carbonio-energia nei sistemi di depurazione e riuso delle acque reflue in Digital Water City"

1. O"mizzazione processi e nesso acqua-carbonio-energia
nei sistemi di depurazione e riuso delle acque reflue in
Digital Water City
Prof. Ing. Francesco Fatone, PhD, IWA Fellow
Università Politecnica delle Marche
Bari, 21-22-23 Giugno 2023 | Centro Congressi Fiera del Levante

2. • Budget totale: 5 Mio. €
• 25 partners
• 5 capitali europee: Berlino,
Copenhagen, Milano, Parigi, Sofia
• Sviluppo di 15 soluzioni digitali
• Creare link tra il mondo fisico e e il mondo digitale
• Sviluppare e dimostrare soluzioni digitali avanzate per la
gestione delle acque in ambito urbano
EU H2020 project Digital.Water-City
Leading urban water management to its digital future
IL PROGETTO HORIZON2020 DWC
Caso studio Milano:
Soluzioni digitali per il riuso
irriguo in area peri-urbana

3. RIUSO IRRIGUO – CONTESTO AMBINTALE E NORMATIVO
Necessità del riuso
RIUSO COME RISORSA
RIUSO IN NUMERI Europe: 2.4% dell’ acqua reflua trattata vs potenzialità del14.6%.
Italy: 4% dell’acqua reflua trattata vs potenzialità del 24%.
Riduzione della pressione su risorse idriche convenzionali
AlternaWva all’estrazione di acqua da corpi idrici naturali
Riduzione degli scarichi reflui in aree sensibili
EFFICACIA
DEL RIUSO
Bassi costi di investimento, consume energetici
e emission di gas serra (e.g., vs
desalinizzazione)
Riduzione dell’utilizzo di fertilizzanti sintetici
Disponibilità non influenzata dalle stagioni
climatiche
PUNTI DI
FORZA
0%
100%
Europe Italy
Water reuse Water reuse potenWality Treated urban wastewater not reused
GOVERNANCE Regolamento EU 2020/741 su “Prescrizioni minime per il riuFlizzo
dell’acqua” NEW
Qualità
Monitoraggio
GesWone del Rischio
ELEMENTI CHIAVE
•DESCRIZIONE DEL SISTEMA, RUOLI E
RESPONSABILITA’
•IDENTIFICAZIONE DI PERICOLI
•PERCORSI DI ESPOSIZIONE E GRUPPI
ESPOSTI
•VALUTAZIONE DEL RISCHIO
REQUISITI AGGIUNTIVI
• METALLI PESANTI
• CONTAMINANTI EMERGENTI
• MICROPLASTICHE
• ALTRO
MISURE PREVENTIVE
• SISTEMI DI MISURA E CONTROLLO
• MONITORAGGIO
• PIANI DI EMERGENZA E
COORDINAMENTO
SUPPORTO ALLA
GESTIONE DEL RISCHIO
SISTEMA DI SUPPORTO
ALLE DECISIONI
SUPPORTO PER IL
MONITORAGGIO
SENSORI INNOVATIVI
SISTEMI DI CONTROLLO
DIGITALIZZAZIONE
• CambiamenW climaWci
• Sovra-utilizzo di risorse idriche
(domanda irrigua e domestica)
SFRUTTAMENTO
SCARSITA’ E
STRESS
IDRICO
• Interessa 11% della
popolazione europea e il
17% dei suoi territori
IMPACTTI

4. RIUSO IRRIGUO E NESSO ACQUA-CARBONIO-ENERGIA-CIBO
ENERGIA CARBONIO WATER FOOD
CONTESTO URBANO – IMPIANTO DEPURAZIONE REFLUI
Energy footprint per la
depurazione
Emissioni di GHG and
carbon footprint negli
impianW di depurazione
Qualità dell’acqua e
produzione di fanghi
Recupero nutrienW e
acqua per l’agricoltura
CONTESTO PERIURBANO – AZIENDE AGRICOLE
Energy footprint per
irrigazione e colWvazioni
Emissioni di GHG e
carbon footprint durante
irrigazione e colWvazione
Domanda idrica per
irrigazione
Richiesta di ferWlizzanW/
produzione agricola
NEXUS
NEXUS
INTERLINK
TRA SETTORI
Il riuFlizzo agricolo cosFtuisce il link tra i due seIori
riducendo gli impaK su tuIe le componenF del nesso
acqua-carbonio-energia-cibo

5. Soluzioni digitali per il riuso irriguo in agricoltura e la gesFone
del nesso acqua-carbonio-energia-cibo
IL CASO STUDIO DI MILANO
• Area peri-urbana di Milano Unconventional
• Linea di trattamento: pre-trattamenti – pacchi lamellari
– Trattamento biologico – disinfezione UV
• Sensori installati:TSS, N-NH4, N-NOx, P-PO4, Q;
Temperatura, DO, REDOX; assorbanza UV,TOC

6. Il sistema idrico Integrato di MILANO e il
riuso irriguo – one shot
INDUSTR
IAL
COMMERCI
AL
DOMEST
IC
CS
O
PLUVIOMETRY EQUALIZATION
TANKS
MONITORING AND CONTROL OF
DISCHARGES AND FLUXES
WATER QUALITY INTEGRATED PLATFORM
CATCHMENT-SEWER
NETWORK
MATCH-MAKING BETWEEN WATER DEMAND
AND SUPPLY
DRONE UNMANNED
AERIAL VEHICLE
SENSORS MONITORNIG NETWORK INTEGRATED WITH
ALERT SYSTEM FOR BACTERIA MEASUREMENT
SOIL AND WATER
DEMAND MONITORING
SYSTEM
WW
TP
EFFLUE
NT TO
RIVER
WATER
UTILITY
IRRIGATION
INFRASTRUT
TUR
FARME
RS
EARLY WARNING
SYSTEM

7. RIUSO IRRIGUO – GESTIONE DEL RISCHIO
APPROCCIO SEMI-QUANTITATIVO PER LA
GESTIONE DEL RISCHIO
INDIVIDUAZIONE DI RISCHI ED EVENTI PERICOLOSI
VALUTAZIONE DEI RISCHI
INDIVIDUAZIONE DI OPPORTUNE MISURE DI MITIGAZIONE
Piano
di
riuFlizzo
Soluzioni digitali per il monitoraggio dei rischi
Early Warning System

8. 8
È uno strumento di supporto alle decisioni basato sul rischio che integra dati reali e dati modellati, per valutare i rischi correlati al
riutilizzo dell'acqua e l'analisi delle previsioni, utilizzando:
• Data in real-time da sensori multi-parametrici
• Dati offline
• Dati simulati
• Dati generati da machine learning / analisi statistiche
Monitoring and
supervision
Data elaborator and integrator to predict
water quality
Green light for
water reuse
Provide warnings if quality requirements for
water reuse are at risk of non-achievement
Decision
Support
IntegraWon in digital twin providing data/scenarios
supporWng decisions to opWmize cost-benefit of
plants and processes in terms of (waste)water-health
nexus
Risk
minimizaFon
IntegraWon of EWS in risk management, together
with online sensor control from remote, data
elaboraWons and periodic analysis (QMRA) as
control measures to reduce risk.
Monitoraggio e controllo Supporto alle decisioni
Supporto alla gestione del
rischio
EARLY WARNING SYSTEM

9. LXX: XX _X: Type of
Signal
_XX: Type of
probe
L i n e s i n t o
which the plant
is divided.
S_ = Generic STAGE
.E = ENTRANCE
POSITION OF THE
STAGE
.O = OUTLET
POSITION OF THE
STAGE
.XX =N° ID OF THE TANK
_P = Probes
_ A = 2 4 h
avarage sample
_ I =
Instantaneous
sample
Name of the
probe or name
of the data
ASSEGNAZIONE DI UNA SEMANTICA PER IDENTIFICARE I
SEGNALI DEI SENSORI
LOCALIZZAZIONE DEI SENSORI
CASO APPLICATIVO – COMUNICAZIONE SEGNALI

10. 10
OUTLIERS
SENSOR FAULTS
RAW SENSORS DATA Average BIAS
NH4 36%
NOx 56%
PO4 104%
TSS 7043%
DATA CLEANING >> OTTIMIZZAZIONE METODOLOGIA
No. of data
with error
> 20%
Mean prob
Error (Eq.
3.24) (%)
Number of
detected
outliers
StaFsFcal Indices
CC RMSE SI (%) BIAS Std
Before cleaning 16 23.175 - 0.654 2.058 24.81 0.805 2.104
A_er cleaning using
M-SAD
11 21.3023 4861 0.668 1.867 22.45 0.043 2.049
A_er cleaning using
M-AAD
16 23.075 99 0.656 2.056 24.78 0.803 2.117
A_er cleaning using
M-MAD
15 24.639 788 0.671 2.072 24.97 1.007 1.892
A_er cleaning using
T-Square
14 21.902 560 0.705 1.959 23.62 0.896 2.038
A_er cleaning using
integrated method
10 20.573 5098 0.654 1.862 22.45 0.114 1.930
Improvement of 11.23%
for Nitrates sensor by
implemenFng the
integrated
MSAD-T-square method
CASO APPLICATIVO – ANALISI DATI SENSORI

11. 11
Input parameters
Influent Flow
Influent pH
Influent NNH4
Influent PPO4
Biofor DN Temperature
Biofor CN - Dissolved oxygen
Effluent Flow
Effluent pH
Effluent NNH4
Effluent NNOx
Effluent PPO4
Output parameters
Effluent TSS
Effluent BOD5
Effluent COD
TSS PredicWons at 1-3-6 h
BOD PredicWons at 1-3-6 h
COD PredicWons at 1-3-6 h
ARTIFICIAL NEURAL NETWORK
Sos-sensors for monitoraggio e
predizione
REAL DATA DA SENSORI
THRESHOLD FOR REUSE
TSS (mg/L)
RIUSO STOP
EARLY WARNING SYSTEM - PREDIZIONE

12. Installed sensors
So sensors – ArFficial Neural Networks
Predic'ons
Installed sensors
Control room
Controllare, monitorare e condividere con le parW interessate e gli utenW i
rischi per la salute con il riuWlizzo delle acque reflue tratate massimizzando i
benefici di un effe"vo riuWlizzo dell'acqua nell'agricoltura produ"va
EARLY WARNING SYSTEM

13. MATCHMAKING
TOOL
Matchmaking tool

14. Drip irrigation
Surface irrigation
1
2
3
4
Pilot study

15. Produzione vs Irrigazione/Nutrienti
→ O"mizzazione della
gesWone
→ Corn
→ NutrienW (N)
→F0 (no ferWlizer)
→F3 (best rate)
→ Irrigazione
→I0 (no irrigaWon)
→I1 = 50% EvotranspiraWon
→I2 = 100% Evotranspiraton
15

16. e tramite Remote Sensing…
→ UWlizzando droni e satellite è
possibile sWmare:
→Nutrient stress
→Water stress
→ Il sistema digitale integra
approcci comuni basaW su
valutazione visiva a rilevamento
prossimale
→ Mappature
Water Stress Nutrient Stress

17. SERIOUS GAME & NEXUS
• Il SERIOUS GAME è uno strumento in grado di raccogliere daW reali e
facilmente interpretabili per sensibilizzare gli stakeholders e la
popolazione sul nesso ‘ riuWlizzo dell’acqua – energia – impronta di
carbonio – produzione di cibo – cambiamento climaWco’ nel setore
idrico integrato

18. OGNI SCELTA E’ ACCOMPAGNATA DA UNA FINESTRA
ILLUSTRATIVE CON CURIOSITA’ E SUGGERIMENTI PER
CONTINUARE IL GIOCO
PLAY & LEARN about NEXUS
Chi può giocare:
ü CiIadini
ü StudenF
ü Tecnici/Ingegneri
ü Amministratori
ü Agricoltori

19. Serious Game

20. Real-time measurement
→ Energy audit WWT
→ Real energy consumpFon (energy meter)
→ Carbon Footprint da misurazioni in-situ

22. GRAZIE DELL’ATTENZIONE
Prof. Ing. Francesco Fatone, PhD, IWA Fellow
Università Politecnica delle Marche
Bari, 21-22-23 Giugno 2023 | Centro Congressi Fiera del Levante