CN103011356A - 一种高浊度水系自动投药控制方法 - Google Patents

Abstract

一种高浊度水系自动投药控制方法，其是根据历史源水流量、浊度、温度和pH值，沉淀池的出水浊度等运行参数来训练BP神经网络，得到神经网络模型，再把上述参数作为BP神经网络的输入参数，经过BP神经网络内部的优化算法，得出输出量用于指导控制加药量，按照实时沉淀出水浊度用内模PID计算调整加药量，利用流量计和液位计精确配药浓度，根据配药浓度和投加药量计算投加流量，再由流量对调节阀门开度或调节加药泵频率冲程实施PID控制，从而控制加药流量。本发明既能根据源水的变化，迅速调整投药量，又能自动跟踪沉淀池的出水浊度，进行适当修正，从而保证沉淀池的出水浊度指标不仅达到工艺要求而且节约药耗。

Description

一种高浊度水系自动投药控制方法

技术领域

本发明涉及城市供水行业的自动加药控制方法。

背景技术

自来水厂的加药系统是制水生产过程中的重要工艺，目的是使水中的杂质颗粒与投加的混凝剂之间发生相互碰撞、混凝，通过电性中和、吸附架桥和卷扫作用把水中胶体变成絮凝颗粒，经过沉淀池快速沉淀下来。影响混凝沉淀效果的因素比较复杂，主要包括水温、pH值、水中杂质的性质和浓度、水力条件等等，这些要素是设计自动加药系统时需要考虑的方面。

目前，多数自动加药系统设计思想为基于原水的进水水量、水温及各种水质参数(包括进水浊度、pH值等)配比投加，并结合沉淀池的出水浊度或其它反馈信号进行闭环控制计量泵加药，以达到沉淀池出水浊度的目标。多种参数复合环控制方案是一种比较常规的且具有一定效果的方式。虽然国内已经存在FCD（矾花成像分析反馈控制系统）、SCD（流动电荷检测反馈控制系统）、流量前馈控制等多种自动加药控制，但都无法适应高浊度水系水质变化，无法获得较好的沉淀效果和经济的投药控制。

发明内容

本发明的目的在于提出一种高浊度水系自动投药控制方法，以省投药量，并有效地控制水质。

     本发明的控制原理如下：

     由于原水浊度与投药量之间的关系受多种因素影响，故很难用一种准确的数学模型描述。现有的自动加药系统控制方法不能够及时跟随原水浊度、流量的变化、反应滞后，而且经常出现投药过量的情况，造成了一定的经济损失。本发明提出采用神经网络算法对控制模型进行计算，在多参数共同作用下，得出有效的投加量，再结合配药浓度控制、计量投加控制实现高浊度水系自动投药控制。

本发明提出的方法包括以下步骤：

（1）在原水管安装原水仪表（其中包括原水流量计、原水浊度检测仪表、原水温度计和PH计），在沉淀出水处安装水质仪表（沉淀出水浊度检测仪表），在絮凝剂制备系统管线上安装絮凝剂制备系统仪表（其中包括安装絮凝剂原液及清水配给流量计、絮凝剂投加池液位计和配药池液位计），在絮凝剂投加系统管线上安装絮凝剂投加流量计；

根据给定的配药浓度设定值来计算配药原液量Vy和清水配加量Vs，其中Vs=(Vmax+No·Vo-N·Vo+N·Vo·No)/(N+1)，Vy=Vmax-Vs，Vmax为最大容积，Vo为药池内剩余药液体积，N为本次配药浓度（及设定投加浓度），No为剩余药液浓度，并控制配加管线阀和搅拌机的工作，实现自动配药，精确配药浓度；

（3）将PLC采集的步骤（1）中水质及原水检测仪表以及絮凝剂投加流量计的数据及步骤（2）的设定投加浓度，传送至数据分析服务器记录，并由服务器对前期历史投加数据作BP神经网络练习，公式如下：Δu=ΔO·g’(h) ，其中ΔO是实际输出与计算输出误差，g’(h)是神经网络传递函导数，Δu为权优化增量，由输出偏差和神经网络传递函数导数乘积推导权优化增量，得出神经网络节点控制权，再用神经网络算法结合当前原水水质和水量作出投加药量预测，采用以下公式：H=Σ(w·f(i)+b)，O=Σ(u·g(h)+n)，其中w、u为控制权，b、n为偏移量，f()为神经网络隐层激活函数（如TanSig函数），g()为神经网络输出层激活函数（如LogSig函数），i为输入层向量，O为输出层向量，H为神经网络隐层向量; 

（4）将步骤（3）计算的输出层向量O作为预测值送至PLC，PLC再根据沉淀池出水水质反馈，采用内模PID计算补偿投加量，采用的公式为：ΔO=Ki·∫edt+Kp·e+Kd·de，其中e为给定控制目标与实际出水水质误差，Ki·∫edt误差积分计算，Kp·e比例计算，Kd·de微分计算和ΔO计算输出调整量及投加药补偿量，实现逐步投加优化； 

（5）由PLC结合本次配药浓度N、步骤（4）计算出的投加药补偿量ΔO和步骤（3）计算出的输出向量O，计算出预测投加流量Q=N·(O+ΔO)，PLC根据计算出的预测投加流量对调节阀门开度或调节加药泵频率冲程实施PID控制，从而控制加药流量，实现自动加药。

     本发明是根据历史源水流量、浊度、温度和pH值，沉淀池的出水浊度等运行参数来训练BP神经网络，得到神经网络模型。再把上述参数作为BP神经网络的输入参数。经过BP神经网络内部的优化算法，得出输出量用于指导控制加药量，按照实时沉淀出水浊度用内模PID计算调整加药量，利用流量计和液位计精确配药浓度，根据配药浓度和投加药量计算投加流量，再由流量对调节阀门开度或调节加药泵频率冲程实施PID控制，从而控制加药流量。这样采用模拟人工投加的神经元控制模式，既能根据源水的变化，迅速调整投药量，又能自动跟踪沉淀池的出水浊度，进行适当修正。从而保证了沉淀池的出水浊度指标不仅达到工艺要求而且节约药耗，也为后续滤池工艺创造良好的条件，在高浊度大变化水处理中得到很好应用。

附图说明

图1高浊度水系自动投药控制原理图；

图2 高浊度水系自动投药控制系统；

图3 自动加药系统数据传递路径；

图4 神经网络训练及预测逻辑框图；

图5 自动配药的控制逻辑框图；

图6 内模控制PID的结构图；

图7 投药流量调控PID的结构图；

图8仪表清洗对系统扰动曲线图；

图9周期启停取水机泵及流量突变对系统扰动曲线图；

图10暴雨后高浊度变化对系统扰动曲线图。

具体实施方式

以下结合附图详细说明本发明：

   1、系统设计

   参见图1和2，系统采用PLC控制系统。在配药池制水材料原液管安装电磁流量计，根据流量计计量和浓度计算控制配加水电磁阀、配加药液电磁阀，精确计量配加水量和原液量，严格控制配药浓度。原水管道安装流量计、高浊度浊度仪、PH计实时检测原水水质。在药液投加管线安装电磁流量计，根据计算投加流量和投药流量计反馈，控制可调节投加设备。在沉淀出水安装沉淀水浊度仪，检测反馈沉淀效果。PLC实现所有PID控制算法和控制逻辑，监控PC记录存储实时数据并实现BP神经网络算法。

  2、控制方法及控制逻辑

  2.1、BP神经网络

控制方法重点之一是BP神经网络的构建。采用三层网络，需要合理配置输入矩阵权值，以及输出层权值。合理选择激活函数和输出函数，用某厂近2年的历史运行数据作为训练数据，对建成的神经网络进行训练，最后得到一个成熟的神经网络。用当年实时数据对网络进行测试，测试结果表明，经过训练的神经网络其输出符合人的经验投加量。

将工业控制中的上位机软件作为神经网络输入参数的提供源，上位机间断地将有效的运行参数（神经网络输入参数）存入数据库中。神经网络软件间断地读取数据库中的输入参数，经过计算得到具体的药物投加量存入数据库中。当上位机监控软件得到神经网络已算出结果时，就将结果从数据库中取出，输出给执行机构——调节阀门，见图3。

    参见图4，模型训练按一定时间间隔周期执行（短期数据按天执行、长期数据按季度或月执行），训练开始将存储的原始历史数据提出后作归一处理，并对权值初始化，用权值和归一化后的历史数据用H=Σ(w·f(i)+b)，O=Σ(u·g(h)+n)（见步骤3）计算出输出，将此输出与历史实际输出作误差比较，再用误差和神经网络函数导数反向计算权值增量Δu=ΔO·g’(h)(见步骤3)，并优化修正权值，修正后再取历史数据推算，如此不断重复，不断总结优化，直至输出误差达到要求精度。训练完成后，对PLC采集的实时采集的原水流量、水质等参数归一化后，用训练后的权值和输入数据用神经网络函数H=Σ(w·f(i)+b)，O=Σ(u·g(h)+n)计算出预测投药量，预测可连续反复执行，作为前馈指导预测，预测间隔最长时间不能超过原水水质突变最短时间。

2.2、自动配药控制

精确配药浓度，减小配药浓度引入系统扰动，能提高控制质量、提高控制稳定性。

参见图5，由空余高度计算原液需求量Vy和清水配加量Vs，其中Vs=(Vmax+No·Vo-N·Vo+N·Vo·No)/(N+1)，Vy=Vmax-Vs，Vmax为最大容积，Vo为药池内剩余药液体积，N为本次配药浓度，No为剩余药液浓度。根据计算出Vy开启原液阀添加原液。当配药流量计计量达到所需原液后关闭原液阀并开启配水阀配水，直至配药流量计计量达到所需水量Vs。期间为防止检测误差以及意外因素，添加期间对高液位检测，达到高液位时报警输出并异常退出配药过程。

2.3、内模PID控制

   参见图6，期望浊度设定值是根据生产需要以及控制安全由操作人员设定的控制出水浊度目标，例如当原水浊度较低时，为降低药耗，可将控制目标设置为5NTU；当原水浊度较高，雨季浊度变化激烈时，为保证水质安全，将控制目标设置为3NTU。

    本控制是以内模PID为主计算出投药调整量ΔO=Ki·∫edt+Kp·e+Kd·de，内模PID用简化沉淀系统过程传递函数根据输出投药量计算出沉淀效果，并将计算沉淀浊度与实际沉淀浊度比较，再对比较误差进行PID计算调整投药量，使误差逼近期望误差。内模PID能克服系统惯性，提高控制鲁棒性。水体沉淀过程近似一阶惯性环节，根据历史变化趋势，分析惯性时间常数，可近似得出沉淀过程惯性模型。调整PID检测实际沉淀浊度与控制目标值间的偏差，对投药量补偿控制。

2.4、投药流量调控PID

     参见图7。不同药位高度、不同药液浓度下，相同投加阀门开度流量却不相同。因此采用投药流量调控PID比较实际投药流量反馈与计算投药流量（计算投药量·配药浓度）误差，并计算出投加调节量，并用此调节量输送给可调投加装置（调节阀或计量泵等）。

应用实例：    

重庆江南水厂玄坛庙制水车间投药控制系统采用本控制方法，该厂原水为长江水，全年最低浊度20NTU，最高可达10000NTU，其中有80多天高于200NTU，10多天高于1000NTU，当原水浊度高于400NTU时，采样值平均变化率450NTU/min。使用自动投药系统前，主要依靠人工投加，在高浊时期，为保证水质合格，需要大量人工巡检和调整，在夜间受可视度影响，调整工作十分困难。采用本本控制方法后，大大降低了劳动强度，提高了系统安全性、可靠性和稳定性，沉淀池出水小于5NTU，完全满足生产需求，运用效果参见图8、图9和图10。

发明或实用新型的优点及积极效果

   本控制技术采用神经网络算法结合内模PID控制算法优化控制策略，精确配药，模拟人工投加控制过程，能有效地克服高浊度水系的原水水质突变等不利因素影响。调节PID和内模PID对系统进行优化，结合周期性神经网络训练，既能及时调整系统动态特性，也加强系统自学习、自我改进能力，使系统在稳定同时逐渐达到最优控制，降低制水材料消耗，提高生产效率。

Claims (1)

1.一种高浊度水系自动投药控制方法，所述方法包括以下步骤：

（1）在原水管安装原水仪表，其中包括原水流量计、原水浊度检测仪表、原水温度计和PH计，在沉淀出水处安装水质仪表即沉淀出水浊度检测仪，在絮凝剂制备系统中安装絮凝剂制备系统仪表，其中包括絮凝剂原液及清水配给流量计、絮凝剂投加池液位计和配药池液位计，在絮凝剂投加系统管线上安装絮凝剂投加流量计；

（2）由PLC采集步骤（1）中絮凝剂制备系统仪表的数据，根据配药浓度设定来计算配药原液量Vy和清水配加量Vs，其中Vs=(Vmax+No·Vo-N·Vo+N·Vo·No)/(N+1)，Vy=Vmax-Vs，Vmax为最大容积，Vo为药池内剩余药液体积，N为本次配药浓度及设定投加浓度，No为剩余药液浓度，并控制配加管线阀和搅拌机的工作，实现自动配药，精确配药浓度；

（3）将PLC采集的步骤（1）中水质及原水检测仪表以及絮凝剂投加流量计的数据及步骤（2）的设定投加浓度，传送至数据分析服务器记录，并由服务器对前期历史投加数据作BP神经网络练习，公式如下：Δu=ΔO·g’(h)，其中ΔO是实际输出与计算输出误差，g’(h)是神经网络传递函导数，神经网络传递函数通常采用Tansig函数或Logsig函数，Δu为权优化增量，由输出偏差和神经网络传递函数导数乘积推导权优化增量，得出神经网络节点控制权，再用神经网络算法结合当前原水水质和水量作出投加药量预测，采用以下公式：H=Σ(w·f(i)+b)，O=Σ(u·g(h)+n)，其中w、u为控制权，b、n为偏移量，f()为神经网络隐层激活函数（如TanSig函数），g()为神经网络输出层激活函数，i为输入层向量，O为输出层向量，H为神经网络隐层向量; 

（4）将步骤（3）计算的输出层向量O作为预测值送至PLC，PLC再根据沉淀池出水水质反馈，采用内模PID计算补偿投加量，采用的公式为：ΔO=Ki·∫edt+Kp·e+Kd·de，其中e为给定控制目标与实际出水水质误差，Ki·∫edt误差积分计算，Kp·e比例计算，Kd·de微分计算和ΔO计算输出调整量及投加药补偿量，实现逐步投加优化；

（5）由PLC结合本次配药浓度N、步骤（4）计算出的投加药补偿量ΔO和步骤（3）计算出的输出向量O，计算出预测投加流量Q=N·(O+ΔO)，PLC根据计算出的预测投加流量对调节阀门开度或调节加药泵频率冲程实施PID控制，从而控制加药流量，实现自动加药。

Images