CN103771582A - 污水处理的曝气控制方法 - Google Patents

Abstract

本发明公开了一种污水处理的曝气控制方法，本发明运用多种控制策略、多种模型相结合的，利用多元参数模型进行曝气过程建模；使用基函数自适应选择和BP神经网络模型预测，来适应水质的变化。本发明具有有效地解决了曝气控制的滞后问题，从而保证出水水质符合标准并且稳定；污水处理效率高，能耗低，污水处理成本低的特点。

Description

污水处理的曝气控制方法

技术领域

本发明涉及污水处理技术领域，尤其是涉及一种出水水质稳定，能耗低的污水处理的曝气控制方法。

背景技术

由于污水处理活性污泥法是一个复杂的生化反应过程，并且影响微生物生化反应效果的因素很多，如流量、PH、COD、水温、溶解氧等。同时，曝气池的水利停留时间大约需要十几个小时的时间，即曝气池的生化反应时间需要十几个小时，对于这样的非线形、大滞后系统，难以找到一个适合的方法。

当前污水厂的曝气方式主要是通过技术人员根据运行经验确定好氧区的溶氧，然后进行粗放式的过量曝气控制，保证好氧区的溶氧大于等于设定溶氧。技术人员将空气流量固定在一个足够高的值上，以满足峰值负荷期间的需氧量，一般是每周或每月调一两次。这样却导致了负荷降低期间不必要的昂贵的过量曝气，造成严重的曝气过量，且浪费了大量的电能，对生物处理也产生了一定负面影响。

此外也有一些污水厂的曝气池溶解氧控制采用常规的PID调节，DO值及PID参数由工艺程师在上位机设定。这种控制方式虽然在一定范围内满足了溶解氧控制的要求，但由于进水负荷的波动、溶解氧测量的滞后以及自控系统的时变等原因造成溶解氧浓度波动较大。

因此采用简单根据工程师经验的恒频率或根据误差的按PID等传统的控制方式已很难对原水水质参数的变化做出快速反应，控制效果较差。

中国专利授权公开号：CN101805102A，授权公开日2010年8月18日，公开了一种污水处理方法，污水进入集水池；污水在集水池内用泥浆泵抽到预沉池；污水在预沉池进行初步的固液分离，上部污水自流进入调节池；调节池污水提升到物化反应池；污水经物化反应池反应后进入初沉池；经初沉池固液分离后，初沉池的上清液进入活性污泥池中，进行生化处理；活性污泥池生化处理后的出水先经过生化沉淀池，生化沉淀池上清液进入接触氧化池中；接触氧化池出水进入反应池反应；反应后污水进入终绽池，经沉淀后再进入曝气生物滤池，曝气生物滤池出水排放。该发明的不足之处是，当知道出水水质标准时，无法确定最佳的需氧量和回流量的值，污水处理成本高。

发明内容

本发明的发明目的是为了克服现有技术的污水处理过程中无法确定最佳的需氧量和回流量的值，污水处理成本高的不足，提供了一种出水水质稳定，能耗低的污水处理的曝气控制方法。

为了实现上述目的，本发明采用以下技术方案：

一种污水处理的曝气控制方法，包括如下步骤：

(1-1)计算机中设有模式匹配库：模式匹配库中包括g个斜率从小到大排列的基函数；

(1-2)计算机设定与g个基函数一一对应的g个输出误差类别；

(1-3)e为位于区间(0，1)内的任一个数，计算机设定e的取值范围与误差类别的对应关系；

(1-4)计算机中设有曝气预测模型：

(1-4-1)

设定 $X_2=\left[\begin{array}{ccc}1& x_2\left(1\right)& x_2{\left(1\right)}^2\\ 1& x_2\left(2\right)& x_2{\left(2\right)}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ 1& x_2\left(n\right)& x_2{\left(n\right)}^2\end{array}\right],$ $X_3=\left[\begin{array}{ccc}1& x_3\left(1\right)& x_3{\left(1\right)}^2\\ 1& x_3\left(2\right)& x_3{\left(2\right)}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ 1& x_3\left(n\right)& x_3{\left(n\right)}^2\end{array}\right],$

Y=[b(1)，b(2)，…，b(n)]^T，

其中，x₂(1)，x₂(2)，...，x₂(n)为采集的原水COD的各个归一化数值，x₃(1)，x₃(2)，...，x₃(n)为采集的污泥浓度的各个归一化数值，b(1)，b(2)，…，b(n)为采集的溶解氧的各个归一化数值；

归一化过程所采用的归一化公式为

x为原始数值，x′为x归一化后的数值，例如，x_min为采集的原水COD各个数值中的最小值，x_max为采集的原水COD各个数值中的最大值，经过归一化计算得到x₂(1)，x₂(2)，...，x₂(n)。

(1-4-2)利用公式 $\hat{m}={\left({X_2}^T{X}_2\right)}^{-1}{X_2}^{T}Y$ 和 $\hat{n}={\left({X_3}^T{X}_3\right)}^{-1}{X_3}^{T}Y$ 计算得到

和

(1-4-3)利用 $\hat{m}={[m_0,m_1,m_2]}^T,\hat{n}={[n_0,n_1,n_2]}^T,$ 计算得到m₀，m₁，m₂，n₀，n₁，n₂；

(1-4-4)设定x₂′=m₀+m₁x₂+m₂x₂ ²，x₃′=n₀+n₁x₃+n₂x₃ ²；

(1-4-5)利用 $\hat{b}={\left(X^{T}X\right)}^{-1}{X}^{T}Y$ 计算

利用 $\hat{b}={[b_0,b_1,b_2,b_3,b_4]}^T$ 计算得到b₀，b₁，b₂，b₃，b₄；

设定 $X=\left[\begin{array}{ccccc}1& x_1\left(1\right)& {x_2}^{\′}\left(1\right)& {x_3}^{\′}\left(1\right)& x_4\left(1\right)\\ 1& x_1\left(2\right)& {x_2}^{\′}\left(2\right)& {x_3}^{\′}\left(2\right)& x_4\left(2\right)\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ 1& x_1\left(n\right)& {x_2}^{\′}\left(n\right)& {x_3}^{\′}\left(n\right)& x_4\left(n\right)\end{array}\right];$

(1-4-6)计算机中设有多元回归模型： $\hat{y}=b_0+b_1{x}_1+b_2{x_2}^{\′}+b_3{x_3}^{\′}+b_4{x}_4,$

其中：x₁为采集的原水流量，x₂为采集的原水COD，x₃为采集的污泥浓度，x₄为曝气量，为溶解氧回归预测值；

(1-5)计算机中存储有BP曝气模型，计算机将当前时刻水质水量X=(x₁₁，x₁₂，...，x_1n)输入BP曝气模型中，得到当前时刻的溶解氧BP预测值y；

设定期望值c(i)(i=0，1，2，…，n)；利用公式E=|y-c(i)|计算误差E，利用公式e=E/E_max计算E的归一化值e；

(1-6)重复步骤(1-1)至(1-3)利用e选定基函数f(i)，i为变量，i的取值为0,1,2，…，n；

(1-7)设定Δu(i)=μ*f(i)，设定初始时刻的曝气量u(0)的值，则u(1)=u(0)+μf(1)， $u\left(2\right)=u\left(0\right)+\mathrm{\μ}\underset{i=1}{\overset{2}{\mathrm{\Σ}}}f\left(i\right),$ …， $u\left(n\right)=u\left(0\right)+\mathrm{\μ}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}f\left(i\right);$ μ为待定系数；

将x₄=u(1)，u(2)，…，u(n)依次代入(1-4-6)的回归模型，得到相应的y(1)，y(2)，…，y(n)；

(1-8)设定y(i)是y(1)，y(2)，…，y(n)中的任一个，

利用公式y_m(i)=y(i)(y_max-y_min)+y_min计算y_m(i)；

利用公式y_p(i)=y_m(i)+e(i)计算y_p(i)，其中e(i)=y_p-y_m，y_p为当前时刻的y值，y_m为y_m(0)；

(1-9)将y_p(0)代入公式y_r(i)=c(i)+e^-i(c(0)-y_p(0))中，计算y_r(i)，

将y_r(i)代入 $J=\underset{i=1}{\overset{H}{\mathrm{\Σ}}}{[y_r\left(i\right)-y_p\left(i\right)]}^2$ 中计算J；

(1-10)对J进行最小二乘法运算，得到μ值；利用公式u(1)=u(0)+μf(1)及计算出曝气过程中的曝气量u(1)，u(2)，…，u(n)；

(1-11)利用u(1)，u(2)，…，u(n)对污水处理的曝气过程进行控制。

活性污泥法进水污水处理的关键是维持营养微生物供氧三者之间的平衡，所以曝气控制是污水处理过程控制的重要环节之一。曝气控制的基础是微生物的好氧呼吸过程，即应使曝气的供氧速率与微生物的呼吸速率相匹配，曝气控制的效果直接与系统的处理效率及能耗密切相关。

本发明采用回归预测模型中的多元回归非线性模型先对曝气过程建模，从该模型可以获知水质参数及气量与溶解氧的关系；由于曝气过程的滞后性，使曝气之后的效果比曝气过程要迟相当长的一段时间，根据模型的预测值来实施对曝气过程的控制，这样可以有效地解决滞后问题；

此外针对固定基函数的预测函数控制在水质不稳定的情况下控制品质不理想，适应性差。由此引出用可变的基函数的方法对预测函数的控制品质进行改善的设想。当水质变化造成输出结果离期望值较远时，选择一种斜率较大的基函数来快速抑制干扰因素作用；随着输出结果逼近离期望值时，则选择一种斜率较小的基函数来改善控制的超调。本发明根据过程输出值与期望值的误差来选择基函数，将全体误差分为几个区域，每个区域分别对应一个基函数，通过计算误差落选区域来选择对应的基函数。

由于曝气过程时滞的原因，无法及时判别输出结果离期望值的远近。本发明利用BP网络的特性建立一个曝气模型，应用该模型预测过程的输出。用该预测输出去与期望值相减得到一个误差，将该误差分为几个区域，每个区域分别对应一个基函数，通过误差来选择对应的基函数。

最后，采用基于回归预测模型的基函数自适应选择预测函数控制方法得到曝气量值，利用曝气量值控制污水处理的曝气过程。

本发明既解决了控制的适应性又兼顾了过程的可预测性问题，即根据误差自适应选择基函数，给实际应用带来了方便。

本发明运用多种控制策略、多种模型相结合的，利用多元参数模型进行曝气过程建模；使用基函数自适应选择和BP神经网络模型预测，来适应水质的变化，有效地解决了曝气控制的滞后问题，从而保证出水水质符合标准并且稳定，污水处理效率高，能耗低，污水处理成本低。

作为优选，所述基函数为3个，分别为阶跃函数、斜坡函数和指数函数。

作为优选，所述输出误差类别为3个，分别是类别a、类别b和类别c；类别a与阶跃函数相对应，类别b与斜坡函数相对应，类别c与指数函数相对应。

作为优选，还包括如下步骤：

在0至1之间取两个常数d1和d2，使0<d1<d2<1，

若e在(0，d1)区间，则误差属于类别a；

若e在(d1，d2)区间，则误差属于类别b；

若e在(d2，1)区间，则误差属于类别c。

作为优选，u(0)的取值范围为10至500。

作为优选，c(i)的取值范围为2至10。

因此，本发明的有益效果是：(1)有效地解决了抱起控制的滞后问题，从而保证出水水质符合标准并且稳定；(2)污水处理效率高，能耗低，污水处理成本低。

附图说明

图1是本发明的实施例的一种流程图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

如图1所示的实施例是一种污水处理的曝气控制方法，包括如下步骤：

计算机中设有模式匹配库：模式匹配库中包括3个斜率从小到大排列的基函数；分别为阶跃函数、斜坡函数和指数函数。

计算机设定与g个基函数一一对应的g个输出误差类别；

e为位于区间(0，1)内的任一个数，计算机设定e的取值范围与误差类别的对应关系；

本实施例中，在0至1之间取两个常数d1=0.1和d2=0.4；

若e在(0，0.1)区间，则误差属于类别a；

若e在(0.1，0.4)区间，则误差属于类别b；

若e在(0.4，1)区间，则误差属于类别c。

类别a与阶跃函数相对应，类别b与斜坡函数相对应，类别c与指数函数相对应。

计算机中设有曝气预测模型：

设定 $X_2=\left[\begin{array}{ccc}1& x_2\left(1\right)& x_2{\left(1\right)}^2\\ 1& x_2\left(2\right)& x_2{\left(2\right)}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ 1& x_2\left(n\right)& x_2{\left(n\right)}^2\end{array}\right],$ $X_3=\left[\begin{array}{ccc}1& x_3\left(1\right)& x_3{\left(1\right)}^2\\ 1& x_3\left(2\right)& x_3{\left(2\right)}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ 1& x_3\left(n\right)& x_3{\left(n\right)}^2\end{array}\right],$

Y=[b(1)，b(2)，…，b(n)]^T，

其中，x₂(1)，x₂(2)，...，x₂(n)为采集的原水COD的各个归一化数值，x₃(1)，x₃(2)，...，x₃(n)为采集的污泥浓度的各个归一化数值，b(1)，b(2)，…，b(n)为采集的溶解氧的各个归一化数值；

利用公式 $\hat{m}={\left({X_2}^T{X}_2\right)}^{-1}{X_2}^{T}Y$ 和 $\hat{n}={\left({X_3}^T{X}_3\right)}^{-1}{X_3}^{T}Y$ 计算得到

和

利用 $\hat{m}={[m_0,m_1,m_2]}^T,\hat{n}={[n_0,n_1,n_2]}^T,$ 计算得到m₀，m₁，m₂，n₀，n₁，n₂；

设定x₂′=m₀+m₁x₂+m₂x₂ ²，x₃′=n₀+n₁x₃+n₂x₃ ²；

利用 $\hat{b}={\left(X^{T}X\right)}^{-1}{X}^{T}Y$ 计算

利用 $\hat{b}={[b_0,b_1,b_2,b_3,b_4]}^T$ 计算得到b₀，b₁，b₂，b₃，b₄；

设定 $X=\left[\begin{array}{ccccc}1& x_1\left(1\right)& {x_2}^{\&prime;}\left(1\right)& {x_3}^{\&prime;}\left(1\right)& x_4\left(1\right)\\ 1& x_1\left(2\right)& {x_2}^{\&prime;}\left(2\right)& {x_3}^{\&prime;}\left(2\right)& x_4\left(2\right)\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ 1& x_1\left(n\right)& {x_2}^{\&prime;}\left(n\right)& {x_3}^{\&prime;}\left(n\right)& x_4\left(n\right)\end{array}\right];$

计算机中设有多元回归模型： $\hat{y}=b_0+b_1{x}_1+b_2{x_2}^{\&prime;}+b_3{x_3}^{\&prime;}+b_4{x}_4,$

其中：x₁为采集的原水流量，x₂为采集的原水COD，x₃为采集的污泥浓度，x₄为曝气量，为溶解氧回归预测值；

计算机中存储有BP曝气模型，计算机将当前时刻水质水量X=(x₁₁，x₁₂，...，x_1n)输入BP曝气模型中，得到当前时刻的溶解氧BP预测值y；

步骤100，设定期望值c(i)(i=0，1，2，…，n)；利用公式E=|y-c(i)|计算误差E，利用公式e=E/E_max计算E的归一化值e；

步骤200，利用e选定基函数f(i)，i为变量，i的取值为0,1,2，…，n；

步骤300，设定Δu(i)=μ*f(i)，设定初始时刻的曝气量u(0)的值，则u(1)=u(0)+μf(1)， $u\left(2\right)=u\left(0\right)+\mathrm{\&mu;}\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}f\left(i\right),$ …， $u\left(n\right)=u\left(0\right)+\mathrm{\&mu;}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}f\left(i\right);$ μ为待定系数；

将x₄=u(1)，u(2)，…，u(n)依次代入 $\hat{y}=b_0+b_1{x}_1+b_2{x_2}^{\&prime;}+b_3{x_3}^{\&prime;}+b_4{x}_4$ 中，计算得到相应的y(1)，y(2)，…，y(n)；

步骤400，设定y(i)是y(1)，y(2)，…，y(n)中的任一个，

利用公式y_m(i)=y(i)(y_max-y_min)+y_min计算y_m(i)；

利用公式y_p(i)=y_m(i)+e(i)计算y_p(i)，其中e(i)=y_p-y_m，y_p为当前时刻的y值，y_m为y_m(0)；

步骤500，将y_p(0)代入公式y_r(i)=c(i)+e^-i(c(0)-y_p(0))中，计算y_r(i)，

将y_r(i)代入 $J=\underset{i=1}{\overset{H}{\mathrm{\&Sigma;}}}{[y_r\left(i\right)-y_p\left(i\right)]}^2$ 中计算J；

步骤600，对J进行最小二乘法运算，得到μ值；利用公式u(1)=u(0)+μf(1)及

计算出曝气过程中的曝气量u(1)，u(2)，…，u(n)；

步骤700，利用u(1)，u(2)，…，u(n)对污水处理的曝气过程进行控制。

本实施例中，u(0)为10；c(i)为2至10。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (6)

1.一种污水处理的曝气控制方法，其特征是，包括如下步骤：

(1-1)计算机中设有模式匹配库：模式匹配库中包括g个斜率从小到大排列的基函数；

(1-2)计算机设定与g个基函数一一对应的g个输出误差类别；

(1-3)e为位于区间(0，1)内的任一个数，计算机设定e的取值范围与误差类别的对应关系；

(1-4)计算机中设有曝气预测模型：

(1-4-1)

设定 $X_2=\left[\begin{array}{ccc}1& x_2\left(1\right)& x_2{\left(1\right)}^2\\ 1& x_2\left(2\right)& x_2{\left(2\right)}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ 1& x_2\left(n\right)& x_2{\left(n\right)}^2\end{array}\right],$ $X_3=\left[\begin{array}{ccc}1& x_3\left(1\right)& x_3{\left(1\right)}^2\\ 1& x_3\left(2\right)& x_3{\left(2\right)}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ 1& x_3\left(n\right)& x_3{\left(n\right)}^2\end{array}\right],$

Y=[b(1)，b(2)，…，b(n)]^T，

其中，x₂(1)，x₂(2)，...，x₂(n)为采集的原水COD的各个归一化数值，x₃(1)，x₃(2)，...，x₃(n)为采集的污泥浓度的各个归一化数值，b(1)，b(2)，…，b(n)为采集的溶解氧的各个归一化数值；

(1-4-2)利用公式 $\hat{m}={\left({X_2}^T{X}_2\right)}^{-1}{X_2}^{T}Y$ 和 $\hat{n}={\left({X_3}^T{X}_3\right)}^{-1}{X_3}^{T}Y$ 计算得到

和

(1-4-3)利用 $\hat{m}={[m_0,m_1,m_2]}^T,\hat{n}={[n_0,n_1,n_2]}^T,$ 计算得到m₀，m₁，m₂，n₀，n₁，n₂；

(1-4-4)设定x₂′=m₀+m₁x₂+m₂x₂ ²，x₃′=n₀+n₁x₃+n₂x₃ ²；

(1-4-5)利用 $\hat{b}={\left(X^{T}X\right)}^{-1}{X}^{T}Y$ 计算利用 $\hat{b}={[b_0,b_1,b_2,b_3,b_4]}^T$ 计算得到b₀，b₁，b₂，b₃，b₄；

设定 $X=\left[\begin{array}{ccccc}1& x_1\left(1\right)& {x_2}^{\&prime;}\left(1\right)& {x_3}^{\&prime;}\left(1\right)& x_4\left(1\right)\\ 1& x_1\left(2\right)& {x_2}^{\&prime;}\left(2\right)& {x_3}^{\&prime;}\left(2\right)& x_4\left(2\right)\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ 1& x_1\left(n\right)& {x_2}^{\&prime;}\left(n\right)& {x_3}^{\&prime;}\left(n\right)& x_4\left(n\right)\end{array}\right];$

(1-4-6)计算机中设有多元回归模型： $\hat{y}=b_0+b_1{x}_1+b_2{x_2}^{\&prime;}+b_3{x_3}^{\&prime;}+b_4{x}_4,$

其中：x₁为采集的原水流量，x₂为采集的原水COD，x₃为采集的污泥浓度，x₄为曝气量，

为溶解氧回归预测值；

(1-5)计算机中存储有BP曝气模型，计算机将当前时刻水质水量X=(x₁₁，x₁₂，...，x_1n)输入BP曝气模型中，得到当前时刻的溶解氧BP预测值y；

设定期望值c(i)(i=0，1，2，…，n)；利用公式E=|y-c(i)|计算误差E，利用公式e=E/E_max计算E的归一化值e；

(1-6)重复步骤(1-1)至(1-3)利用e选定基函数f(i)，i为变量，i的取值为0,1,2，…，n；

(1-7)设定Δu(i)=μ*f(i)，设定初始时刻的曝气量u(0)的值，则u(1)=u(0)+μf(1)， $u\left(2\right)=u\left(0\right)+\mathrm{\&mu;}\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}f\left(i\right),$ …， $u\left(n\right)=u\left(0\right)+\mathrm{\&mu;}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}f\left(i\right);$ μ为待定系数；

将x₄=u(1)，u(2)，…，u(n)依次代入(1-4-6)的回归模型，得到相应的y(1)，y(2)，…，y(n)；

(1-8)设定y(i)是y(1)，y(2)，…，y(n)中的任一个，

利用公式y_m(i)=y(i)(y_max-y_min)+y_min计算y_m(i)；

利用公式y_p(i)=y_m(i)+e(i)计算y_p(i)，其中e(i)=y_p-y_m，y_p为当前时刻的y值，y_m为y_m(0)；

(1-9)将y_p(0)代入公式y_r(i)=c(i)+e^-i(c(0)-y_p(0))中，计算y_r(i)，

将y_r(i)代入 $J=\underset{i=1}{\overset{H}{\mathrm{\&Sigma;}}}{[y_r\left(i\right)-y_p\left(i\right)]}^2$ 中计算J；

(1-10)对J进行最小二乘法运算，得到μ值；利用公式u(1)=u(0)+μf(1)及

计算出曝气过程中的曝气量u(1)，u(2)，…，u(n)；

(1-11)利用u(1)，u(2)，…，u(n)对污水处理的曝气过程进行控制。

2.根据权利要求1所述的污水处理的曝气控制方法，其特征是，所述基函数为3个，分别为阶跃函数、斜坡函数和指数函数。

3.根据权利要求2所述的污水处理的曝气控制方法，其特征是，所述输出误差类别为3个，分别是类别a、类别b和类别c；类别a与阶跃函数相对应，类别b与斜坡函数相对应，类别c与指数函数相对应。

4.根据权利要求3所述的污水处理的曝气控制方法，其特征是，还包括如下步骤：

在0至1之间取两个常数d1和d2，使0<d1<d2<1，

若e在(0，d1)区间，则误差属于类别a；

若e在(d1，d2)区间，则误差属于类别b；

若e在(d2，1)区间，则误差属于类别c。

5.根据权利要求1或2或3或4所述的污水处理的曝气控制方法，其特征是，u(0)的取值范围为10至500。

6.根据权利要求1或2或3或4所述的污水处理的曝气控制方法，其特征是，c(i)的取值范围为2至10。

Images