Een rioolwaterzuivering is een dynamische ‘fabriek’. De hoeveelheid rioolwater stijgt in Nederland door bevolkingsgroei en na een fikse regenbui kan het debiet makkelijk verdrievoudigen. Ook de samenstelling van de vervuiling varieert. De temperatuur van het water wisselt bovendien met de seizoenen en het dag-nachtritme. De samenstelling en activiteit van de bacteriën in het slib die het zuiveringswerk doen, bewegen mee met temperatuur en variatie in verontreinigingen. Ondanks al deze dynamiek en steeds strengere effluenteisen, worden rwzi’s nog vaak ontworpen en gemodelleerd op basis van een gemiddelde aanvoer. Dat gebeurde vaak met zogenoemde statische modellen, zoals het HSA-model voor stikstof en het Scheer-model voor fosfor. Echter, omdat deze modellen uitgaan van optimale omstandigheden en steady-statesituaties, zijn ze niet altijd toereikend. 

Door aanscherping van effluenteisen wordt de dynamiek in aanvoer en zuiveringsprocessen steeds belangrijker. Dynamisch modelleren biedt inzicht in de optimalisatiemogelijkheden van rwzi’s van zowel bestaande als in de ontwerpfase verkerende installaties. Een dynamisch model laat snel zien wat mogelijk is, waar de rek en ruimte zit, en welke optimalisaties mogelijk zijn. Waterschappen kunnen hierdoor uitbreidingen en nieuwbouw uitstellen en/of efficiënter dimensioneren. Dit is kostenbesparend, duurzaam en speelt in op de krapte aan specialistische kennis en personeel. 

In 1995 stelde STOWA een handreiking op voor het simulatiepakket SIMBA. Momenteel tonen meerdere waterschappen interesse in het dynamisch simulatiemodel SUMO. Dit model is gebruiksvriendelijk en overzichtelijk, biedt tal van mogelijkheden qua modellen en dankzij de open source aard van de modellen is de achterliggende kinetiek en formules zichtbaar en herleidbaar. 

In dit rapport zijn vier cases uitgewerkt volgens het stappenplan voor het dynamisch modelleren in SUMO (zie ook STOWA 2025-45). De cases betreffen rwzi’s van verschillende groottes, configuraties en effluentconcentraties: de rwzi’s Bergambacht, Amersfoort, Hellevoetsluis en Winterswijk. Bij deze cases heeft dynamisch modelleren in SUMO meerwaarde laten zien ten opzichte van statische modellen. Dit komt door factoren als een optimale verdeling van de anoxische en oxische zones en een optimalisatie van de retourslibregeling. Deze worden beide als optimaal beschouwd in statische modellen en dit blijkt in de praktijk vaak anders. Dit rapport biedt tevens een overzichtelijke inkijk in het gebruik en de toepassing van het stappenplan uit de handreiking.