CN107686160B - 一种基于sbr反应器的污水处理方法及系统 - Google Patents
一种基于sbr反应器的污水处理方法及系统 Download PDFInfo
- Publication number
- CN107686160B CN107686160B CN201710908248.1A CN201710908248A CN107686160B CN 107686160 B CN107686160 B CN 107686160B CN 201710908248 A CN201710908248 A CN 201710908248A CN 107686160 B CN107686160 B CN 107686160B
- Authority
- CN
- China
- Prior art keywords
- model
- quality
- water quality
- parameters
- effluent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/006—Regulation methods for biological treatment
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/001—Upstream control, i.e. monitoring for predictive control
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/02—Temperature
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/06—Controlling or monitoring parameters in water treatment pH
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/08—Chemical Oxygen Demand [COD]; Biological Oxygen Demand [BOD]
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/10—Solids, e.g. total solids [TS], total suspended solids [TSS] or volatile solids [VS]
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Activated Sludge Processes (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明公开了一种基于SBR反应器的污水处理方法及系统,包括以下步骤:(1)实时监测SBR反应器的工艺参数,并通过模型预测出水水质;(2)如预测出水水质不达标,则通过数据库分析所有导致出水水质不达标的因素;(3)将所有的因素按概率进行排序,按概率从大到小逐个排查,所述排查为将所述因素对应的工艺参数以模型初始值为中心,在一定变化范围内调整工艺参数值,输入模型,得到最佳工艺参数;(4)通过执行机构将SBR反应器中对应的工艺参数调整至所述最佳工艺参数。本发明解决了污水处理厂运行生化装置依靠操作人员的经验进行判断并操作,往往因不合理运行,导致生化工艺去除效率低,甚至导致系统崩溃,水质不能达到标准等问题。
Description
技术领域
本发明涉及一种SBR污水处理系统的定性定量耦合诊断系统,属于环境工程技术领域。
背景技术
SBR工艺具有占地小、流程短、可控性好、耐冲击负荷强等优点,目前,中国大部分污水处理厂,根据个人经验解决水质不达标及控制运行条件,虽然容易掌握,简单控制,但是,造成大量能源浪费,甚至影响出水水质问题,导致去除效率低或污泥膨胀等问题。然而,根据模型计算,基于直接参数即通过在线COD、氨氮、磷酸盐、硝酸盐等传感器直接检测污染物浓度的变化,当污染物浓度降低到设定的范围时进行阶段转换,从而实现 SBR工艺的优化运行。相对传统的定时策略,基于直接参数的实时控制策略提高了氮、磷等污染物的去除率,节约了能耗。但是,污染物传感器的价格昂贵、维护复杂,调控存在滞后性。
因此,开发一种可以实现对中国城镇污水处理过程,遇到水质问题,进行实时的诊断、控制方法来解决生化处理问题及优化污水处理工艺至关重要。
发明内容
本发明提供一种基于SBR反应器的污水处理系统及方法,目的解决污水处理厂运行生化装置依靠操作人员的经验进行判断并操作,往往因不合理运行,导致生化工艺去除效率低,甚至导致系统崩溃,水质不能达到标准等问题。
一种基于SBR反应器的污水处理方法,包括以下步骤:
(1)实时监测SBR反应器的工艺运行参数及水质指标,并通过模型处理单元预测出水水质;
(2)如预测出水水质不达标,首先通过专家系统数据库定性诊断,获取所有可能导致SBR反应器出水不达标的水质原因;
(3)将所有的水质原因按概率进行排序,按概率从大到小逐个排查,所述排查为将所述水质原因对应的工艺运行参数或模型组分以系统运行初始值或者模型组分初始值为中心,在一定变化范围内调整工艺参数值,输入到模型处理单元,比较污染物去除率(COD、NH4-N浓度、PO4-P浓度和TN浓度),得到最佳工艺参数;
(4)通过执行机构将SBR反应器中对应的工艺运行参数或模型组分调整至所述最佳工艺参数。
优选地,所述的变化范围为±100%。
优选地,所述的工艺运行参数包括:pH、溶解氧(DO)、温度(T)、排泥量(SRT)和排水量(HRT)等。
优选地,所述水质原因用FCASM3机理模型的31个模型组分(见表1) 表示及系统运行工艺参数表示。
表1模型组分
优选地,所述出水水质的指标包括:COD、NH4-N浓度、PO4-P浓度和TN浓度。
优选地,如对专家系统数据库提供的水质原因进行排查无法使出水水质达标,则模型处理单元排查剩余的模型组分。
优选地,如得到最佳工艺参数,则计入对应因素概率的统计数据。
本发明还提供一种基于SBR反应器的污水处理系统,包括:
实时监测系统,实时监测SBR反应器的工艺参数;
模型预测单元,根据所述的工艺参数,预测出水水质;如预测出水水质不合格,则按照概率大小,对各个因素对应的工艺参数进行在以初始值为中心的一定范围内的调整,直至获得最佳工艺参数。
专家系统数据库,如出水水质不达标,则调取导致出水水质不达标的因素及相应的概率;
执行机构,将SBR反应器中对应的工艺参数调整至所述最佳工艺参数。
SBR反应器为常规SBR反应器,为双层夹套式结构,配有流量计、磁力搅拌器、砂头曝气、pH计和溶解氧探头,并装有电磁阀进出水。
实时在线监测系统是在线COD自动监测分析仪、在线氨氮、总氮、硝酸盐氮、亚硝酸盐氮自动监测分析仪和在线磷酸盐自动监测分析仪的集合,用于检测出水中常见的水质指标,并将检测数据同时输送给专家系统数据库和模型预测单元。
实时在线监测系统对氮、磷水质指标在15min内监测一次,COD水质指标在1-2h监测一次。该系统可以对进水水质进行在线监测,同时,可以对工艺全周期内生化过程中污染物的去除情况进行在线监测,并且可以存储在线监测仪表获取的原始数据、离线数据等。监测设备均为市售产品,可通过市购途径获得。
专家系统数据库包括三个部分:水质问题,水质原因,故障频率。
水质问题根据出水COD、NH4-N、PO4-P、TN浓度划分,以国家一级A标出水水质标准为参考,划分水质是否正常。
水质原因包括两部分:第一:系统组分浓度偏低或偏高,导致的系统中微生物活性降低,出水水质不达标;第二:系统环境条件及工艺参数不适合微生物生长代谢,导致出水水质不达标。并在水质原因中用H表示此时系统组分或者工艺参数偏高,用L表示此时系统组分或者工艺参数偏低,用N表示此时系统组分或者工艺参数偏低或偏高。
水质原因评判标准:专家知识系统中显示的水质原因是针对该系统特定的特有的发生故障频率最高的原因。工艺参数及环境条件根据正交实验确定的最佳参数或工艺运行初始值为模型处理单元枚举法的初始值,在上下100%范围内寻找。
故障频率表示系统中出现水质问题时,每种水质原因发生的频率。
故障频率的评判标准:由于每个系统存在不同的进水水质水量条件及运行条件,微生物的种类和数量也不相同。所以,故障频率的大小判断依据根据去过一年的历史数据的分析总结,系统常常发生的原因,结合查阅文献得到的系统可能发生的原因,对系统进行综合评估,为每种水质原因定初始故障频率。系统出现工况故障,一般与系统微生物数量、工艺参数、环境条件等有关,本发明专利为了更好的让专利知识系统定性诊断与模型处理单元定量诊断相辅相成,专家知识系统的故障原因采用模型组分表示,模型处理单元可以更好的获取专家知识系统获取的定性诊断结果。专家知识系统部分示例详见表2。
表2专家知识系统
专家诊断的结果以系统运行界面弹出对话窗的形式呈现,并存储诊断污水处理厂常见的水质及污泥等运行中碰到的问题,根据系统中存在的问题,提供对应的解决对策方法,专家诊断结果以word形式查看,并可根据实际运行中积累的解决策略,进行补充和完善。
专家知识系统诊断的结果以系统运行界面弹出对话窗的形式呈现,并解决方法以word的形式查看。专家知识库可根据实际运行中遇到的问题,进行补充和完善。
模型处理单元是通过MATLAB软件建立SBR污水处理工艺的全耦合活性污泥(FCASMs)机理模型。该模型本身为现有技术,例如可参照可参见孙培德,王如意发表的“全耦合活性污泥模型(FCASM3)Ⅰ建模机理及数学表征”,《环境科学学报》,2008,28(12):2404-2419。模型预测单元基于全耦合机理模型对系统运行条件,微生物的生长情况、有机碳及氨氮氧化等情况进行模拟预测,实现对系统实时的定量诊断。该单元读取在线监测数据,实时校核模型模拟情况,提高模拟的精确度。
专家系统数据库对模型处理单元:水质不达标可能发生的原因很多种,但是根据不同的系统特性,特定的系统,常常发生的原因较为有限。专家知识系统可以呈现系统中发生故障频率较高的水质原因,确定系统中发生的水质问题确定范围,并且专家知识系统中的水质原因创新性的采用模型组分表示方法,这种方式模型处理单元可以直接读取并利用,有利于模型排查SBR系统发生的水质问题,确定最佳工艺参数,实现专家知识系统与模型处理单元的相辅相成,共同诊断。
模型处理单元对专家知识系统:模型处理单元读取专家知识系统中的水质原因,采用枚举方法在一定范围内进行定量诊断,筛选出最佳的水质原因及系统运行的条件。
筛选标准:模型处理单元根据专家知识系统中的故障频率:将所有的因素按概率进行排序,按概率从大到小逐个排查,作为模型处理单元定量分析的筛选优化的顺序标准。
模型处理单元筛选算法:专家知识系统中H表示模型处理单元诊断范围为初始值的+100%筛选。L表示模型处理单元诊断范围为初始值的
-100%筛选。N表示模型处理单元±100%范围筛选。筛选过程采用枚举法,通过模型对系统水质指标的预测,从以上筛选过程中不同的工艺参数及模型组分浓度中,选出最佳、最好的有机污染物的去除率,定为系统的故障原因,再通过模型处理单元将诊断结果传输到执行处理单元,调整系统的运行工况。这就是模型处理单元的定量诊断。传输过程部分示例见表2:
表3模型处理单元的定量诊断结果
模型处理单元根据专家知识系统确当的主要水质原因范围进行定量分析,得到系统发生的最相关原因,对系统工艺参数进行控制。模型处理单元根据专家知识系统的水质原因诊断,如果系统出水达标则,在故障频率加上1。如果系统出水依然没有达标,模型处理单元将会扩大范围,将对FCASM3机理模型其余的模型组分进行筛选诊断,筛选排查范围为± 100%,从中找到最好的有机污染物的最佳去除率,定为系统最相关原因,并通过调整工艺参数,对系统进行控制。并将这次诊断结果包括:模型组分贮存在水质原因,并记为“N”。水质频率记为1。具体流程图如2所示。
所述执行机构包括pH调节装置、温度调节装置、曝气装置、加碳源装置及其他与所述反应参数对应的调节机构(表4)。这些装置本身均为本领域常用设备。
表4执行机构
本发明中,在线监测机构将水质的实时监测数据同时传输给专家系统诊断模块和动态模型处理模块,专家系统诊断模块即为对应数据的存储库,专家知识系统的诊断情况,与反应器的运行工况,保持同步运行,实现动态监测反应器碰到的状况,遇到水质出现问题时,专家诊断的结果以系统运行界面弹出对话窗的形式呈现,并存储诊断污水处理厂常见的水质等运行中碰到的问题,进行相应的定性诊断,筛选出系统中问题的主要原因,专家诊断结果以word形式查看,并可根据实际运行中积累的解决策略,进行直接补充和完善,大大加大了针对系统中的问题,提出解决方案的应对策略的效率,为工程师排查问题,提供一定的方案和参考依据。
模型处理单元建立SBR污水处理工艺的全耦合活性污泥模型,该单元与SBR系统耦合在一起,实现实时反馈系统中微生物的数量、活性及水质组分浓度等,并与在线监测系统电性连接,动态读取在线监测数据,实时校核模型模拟情况,提高模拟的精确度,准确模拟模型组分浓度变化,硝化速率,微生物活性等,对于系统中存在的问题,经过专家知识系统的定性诊断后,再经过模型处理单元中的组分分析,微生物的生长,衰减等,定量的判断系统发生问题的原因,对系统进行定量的诊断分析,针对性的提出相对应的方案,从根本上解决系统中存在的水质不达标问题,并且经过模型处理单元的数据分析后,通过控制执行系统对SBR系统进行控制,在实现系统达标的情况下,降低能耗,提高工艺的运行性能等。
本发明的智能化诊断系统是专家知识库定性分析和模型模拟的定量诊断相结合,专家知识系统快速诊断系统中存在的运行问题及水质达不到的原因,快速提供问题存在的主要原因,定性的对系统进行初步诊断,快速有效的为工程师提供应急对策,再经过模型处理单元的定量分析,从模型中反馈的微生物的情况及水质组分的比例,具体的有针对性的分析系统存在的具体的问题,从专家知识库定性诊断出的主要原因中,筛选出真正的具体的原因,并通过模型的定量的判断,确定详细的定量的解决方案,改变系统运行的工艺条件或工艺参数,保证污水处理厂在异常运行条件下提供有效详细的应对控制策略,从而优化污水处理厂工艺参数,保证出水水质稳定达标。
与现有技术相比,本发明具有如下有益效果:
本发明将专家知识库定性分析和模型模拟的定量诊断相结合,保证污水处理厂在异常运行条件下提供应对控制策略,从而优化污水处理厂工艺参数,完成对污水厂生化过程的智能化精确自动控制,进而在保证出水水质稳定达标的前提下,充分挖掘生化系统处理污染物潜力,达到节能减排的目的,避免了单一专家知识库分析的不确定性,无法应对复杂水质条件下的操作不合理,也解决了单一模型模拟的费时费力,维修成本昂贵,模拟精确度不高等问题。
附图说明
图1是本发明SBR污水处理系统的模块图。图2是本发明SBR污水处理方法的流程图。
图3是实施例中步骤一的预测结果示意图。
图4是实施例中步骤二的用户界面显示图。
图5是实施例中步骤五呈现的模型组分变化图。
图6和图7是实施例中步骤五呈现的水质组分变化图。
图8是实施例中步骤六反馈的诊断结果应对策略图。
图9是实施例中步骤七优化后的SBR系统出水水质浓度图。
具体实施方式
如图1所示,一种SBR污水处理系统的定性定量耦合诊断系统,包括 SBR反应器、实时监测系统、专家系统数据库、模型预测单元和执行机构。
SBR负反馈反应器为本领域常规SBR反应器,双层夹套式结构,配有流量计、磁力搅拌器、砂头曝气、pH计和溶解氧探头等设备,并装有电磁阀进出水。反应器具有调节反应参数的执行机构,执行机构包括常规的 pH调节装置、温度装置、曝气装置及其他与需调节参数对应的调节机构。
在线监测机构是在线COD自动监测分析仪、在线氨氮、硝酸盐氮、亚硝酸盐氮自动监测分析仪和在线磷酸盐自动监测分析仪的集合。
模型处理单元是通过MATLAB软件建立SBR污水处理工艺的全耦合活性污泥(FCASMs)机理模型,根据检测数据进行运算,预测出水水质,并根据预测的出水水质给出对系统的调整方案,并将该方案输出给执行机构,执行机构对对应参数进行适时调整。同时也将调整方案补入专家系统诊断模块中。
实施例
本试验所用反应器为10L的序批式活性污泥反应器,反应器每天运行3个周期,每个周期8h,工序及时间设置为进水(2min)、缺氧搅拌(60 min)、好氧曝气(120min)、进水(2min)、缺氧搅拌(90min)、好氧曝气(180min)、沉淀(20min)、排泥(2min)、排水(4min)。进水后系统中的理论COD为300mg/L,NH4 +-N为30mg/L,PO4 3--P为5mg/L,即进水的C/N/P为300/30/5。试验室设有在线监测系统,SBR反应器和中央控制系统,形成集监测、模拟与控制为一体的智能化SBR系统。
当SBR污水处理系统发生氨氮浓度过高时,以下是定性定量耦合诊断系统进行故障诊断的详细过程步骤:
步骤一:SBR系统好氧运行阶段,经过在线监测系统发现,好氧运行阶段第1h时,系统氨氮浓度较高,预测好氧阶段结束后(预测结果如图 3所示),氨氮无法达标。随后,SBR系统调取专家知识库,诊断系统工况故障原因。分别从工艺条件,水质组分,工艺参数等条件对系统进行定性诊断。
步骤二:随后,专家知识系统将SBR系统中水质不达标情况,及时反馈在PXI平台上的嵌入式系统中的用户界面,以自动弹窗的形式呈现给用户。如图4所示,提醒操作人员系统可能发生的情况,起到提前预警的作用。
步骤三:专家知识系统根据专家知识库中故障频率,自动筛选出针对特定系统中存在的故障原因发生的可能性大小进行排序,并将专家诊断的定性诊断结果以word的形式展示给操作者(如表5所示),同时,将专家知识系统的故障原因的排列顺序传输到模型处理单元,进行定量诊断,甄别系统可能存在的最大故障原因。并且,诊断内容详实,专家知识库可根据实际运行中遇到的问题,进行补充和完善。
表5
步骤四:通过专家知识系统的定性诊断后,氨氮超标的主要原因根据故障频率排序:易生物降解有机物浓度不足,硝化细菌的数量较少,溶解氧的曝气量不足等问题,可能导致好氧阶段的氨氮浓度较高,为工程师提供解决方案研究的方案及可能存在的主要原因(如表3所示)。
模型处理单元根据氨氮超标原因的故障频率大小依次对应的Ss、XDNS、XDNB、So等,工艺参数及环境条件根据正交实验确定的最佳参数为模型处理单元枚举法的初始值,在上下100%范围内寻找最佳的污染物的去除率。
步骤五:模型处理单元对于诊断结果正确性的判断。
情况一:模型处理单元通过枚举法调整不同工艺参数及工艺条件,实现出水水质达标,则调整的工艺参数为系统故障原因,诊断的最佳工艺参数为解决办法,并将结果反馈到专家知识系统,在专家知识库相对的故障原因上的故障频率增加1。例如,本次发现通过调整系统中溶解氧浓度,系统最终出水能够达标,则故障频率变为6。如表6所示。
表6
情况二:模型处理单元通过枚举法调整不同工艺参数及工艺条件,出水水质依然不能达标,则根据全耦合活性污泥(FCASMs)机理模型的其余的模型组分分别采用枚举法,枚举范围设置为系统组分浓度的在上下100%范围,进行筛选,筛选出最大的系统水质污染物的最大去除率,既为系统的故障原因,组分浓度值既为诊断方案。筛选得到反硝化细菌数量不够,并将最终的诊断结果补充到专家知识系统,“模型组分放在水质原因中,水质放在水之原因H/L/N中,故障频率设为1”。如表7所示。
表7
步骤五:模型处理单元对系统中氨氮超标阶段进行定量诊断,以弹窗形式呈现模型组分及水质组分的趋势图,向运行者详细呈现系统中氨氮不达标的真实具体的原因。模型组分变化图如图5所示,水质组分浓度如图 6和图7所示。
步骤六:模型处理单元经过定量诊断后,通过控制执行单元,对系统的运行参数开始调整进行优化,为系统中存在的问题提供具体的方案。诊断结果对应对策如图8所示。
步骤七:专家知识库定性分析和模型模拟的定量诊断相结合,对系统提供诊断结果后,控制执行单元开始对SBR系统开始动态控制,氨氮的出水开始达标。解决后的出水水质浓度如图9所示。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于SBR反应器的污水处理方法,其特征在于,包括以下步骤:
(1)实时监测SBR反应器的工艺运行参数及水质指标,并通过模型处理单元预测出水水质;所述模型处理单元是SBR污水处理工艺的全耦合活性污泥机理模型;
(2)如预测出水水质不达标,首先通过专家系统数据库定性诊断,获取所有可能导致SBR反应器出水不达标的水质原因;
(3)将所有的水质原因按概率进行排序,按概率从大到小逐个排查,所述排查为将所述水质原因对应的工艺运行参数或模型组分分别以系统运行初始值或者模型组分初始值为中心,在一定变化范围内调整工艺参数值,输入到模型处理单元,比较污染物去除率,得到最佳工艺参数;
(4)通过执行机构将SBR反应器中对应的工艺运行参数或模型组分调整至所述最佳工艺参数。
2.如权利要求1所述的污水处理方法,其特征在于,所述的变化范围为±100%。
3.如权利要求1所述的污水处理方法,其特征在于,所述的工艺运行参数包括:pH、溶解氧、温度、排泥量和排水量。
4.如权利要求1所述的污水处理方法,其特征在于,所述出水水质的指标包括:COD、NH4-N浓度、PO4-P浓度和TN浓度。
5.如权利要求1所述的污水处理方法,其特征在于,如对专家系统数据库提供的水质原因进行排查无法使出水水质达标,则模型处理单元排查剩余的模型组分。
6.如权利要求1所述的污水处理方法,其特征在于,如得到最佳工艺参数,则计入对应因素概率的统计数据。
7.一种基于SBR反应器的污水处理系统,其特征在于,包括:
实时监测系统,实时监测SBR反应器的工艺运行参数;
模型预测单元,是SBR污水处理工艺的全耦合活性污泥机理模型,根据所述的工艺运行参数,预测出水水质;如预测出水水质不合格,则按照水质原因发生的概率由大到小,对各个因素对应的工艺参数进行在以初始值为中心的一定范围内的调整,直至获得最佳工艺参数;
专家系统数据库,如出水水质不达标,则调取导致出水水质不达标的因素及相应的概率;
执行机构,将SBR反应器中对应的工艺参数调整至所述最佳工艺参数。
8.如权利要求7所述的污水处理系统,其特征在于,所述的一定范围为±100%。
9.如权利要求7所述的污水处理系统,其特征在于,所述的工艺运行参数包括:pH、溶解氧、温度、排泥量和排水量。
10.如权利要求7所述的污水处理系统,其特征在于,所述出水水质的指标包括:COD、NH4-N浓度、PO4-P浓度和TN浓度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710908248.1A CN107686160B (zh) | 2017-09-29 | 2017-09-29 | 一种基于sbr反应器的污水处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710908248.1A CN107686160B (zh) | 2017-09-29 | 2017-09-29 | 一种基于sbr反应器的污水处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107686160A CN107686160A (zh) | 2018-02-13 |
CN107686160B true CN107686160B (zh) | 2020-07-07 |
Family
ID=61153841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710908248.1A Active CN107686160B (zh) | 2017-09-29 | 2017-09-29 | 一种基于sbr反应器的污水处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107686160B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111661884A (zh) * | 2020-06-15 | 2020-09-15 | 上海水成环保科技股份有限公司 | 一种基于水处理的控制方法、装置、终端及可读存储介质 |
CN114488973B (zh) * | 2021-12-28 | 2023-11-21 | 北控水务(中国)投资有限公司 | 再生水厂全流程工艺参数优化方法、装置及电子设备 |
CN114578008A (zh) * | 2022-02-21 | 2022-06-03 | 成都科衡环保技术有限公司 | 一种用于污水厂水质风险管理的决策支持系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01315393A (ja) * | 1988-03-14 | 1989-12-20 | Meidensha Corp | 活性汚泥プロセス処理状態判定装置 |
FR2841236A1 (fr) * | 2002-06-24 | 2003-12-26 | Hermex Soc | Procede de conduite d'un reacteur sequentiel discontinu de traitement d'eaux residutaires |
CN1730412A (zh) * | 2005-06-30 | 2006-02-08 | 广州市市政工程设计研究院 | 活性污泥过程模拟方法 |
CN101993146A (zh) * | 2009-08-27 | 2011-03-30 | 中国科学院沈阳自动化研究所 | 活性污泥工艺污水处理过程污泥膨胀预测方法 |
CN102902257A (zh) * | 2012-10-30 | 2013-01-30 | 威水星空(北京)环境技术有限公司 | 污水处理工艺优化及节能控制系统和方法 |
CN103092079A (zh) * | 2013-01-14 | 2013-05-08 | 浙江工商大学 | 一种基于FCASMs机理模型和嵌入式系统智能化控制SBR工艺的方法 |
WO2013160779A1 (en) * | 2012-04-27 | 2013-10-31 | Biological Petroleum Cleaning Ltd. | Method and system for treating waste material |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6408227B1 (en) * | 1999-09-29 | 2002-06-18 | The University Of Iowa Research Foundation | System and method for controlling effluents in treatment systems |
CN102122134A (zh) * | 2011-02-14 | 2011-07-13 | 华南理工大学 | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 |
CN106495321B (zh) * | 2016-10-11 | 2019-09-10 | 美尚生化环境技术(上海)有限公司 | 生物池工艺优化及运行控制系统及其控制方法 |
-
2017
- 2017-09-29 CN CN201710908248.1A patent/CN107686160B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01315393A (ja) * | 1988-03-14 | 1989-12-20 | Meidensha Corp | 活性汚泥プロセス処理状態判定装置 |
FR2841236A1 (fr) * | 2002-06-24 | 2003-12-26 | Hermex Soc | Procede de conduite d'un reacteur sequentiel discontinu de traitement d'eaux residutaires |
CN1730412A (zh) * | 2005-06-30 | 2006-02-08 | 广州市市政工程设计研究院 | 活性污泥过程模拟方法 |
CN101993146A (zh) * | 2009-08-27 | 2011-03-30 | 中国科学院沈阳自动化研究所 | 活性污泥工艺污水处理过程污泥膨胀预测方法 |
WO2013160779A1 (en) * | 2012-04-27 | 2013-10-31 | Biological Petroleum Cleaning Ltd. | Method and system for treating waste material |
CN102902257A (zh) * | 2012-10-30 | 2013-01-30 | 威水星空(北京)环境技术有限公司 | 污水处理工艺优化及节能控制系统和方法 |
CN103092079A (zh) * | 2013-01-14 | 2013-05-08 | 浙江工商大学 | 一种基于FCASMs机理模型和嵌入式系统智能化控制SBR工艺的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107686160A (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107686160B (zh) | 一种基于sbr反应器的污水处理方法及系统 | |
US20180327292A1 (en) | System and method for wastewater treatment process control | |
CN108088974B (zh) | 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法 | |
CN102156406B (zh) | 基于污水处理厂运行工况诊断污泥膨胀专家系统的预防与控制方法 | |
CN109064048B (zh) | 基于废水处理流程分析的废水排放源快速排查方法与系统 | |
WO2013125737A1 (ko) | 하수처리장 공정상태 진단에 따른 규칙기반 제어장치 및 방법 | |
EP1992946A1 (en) | Automated sampler device to carry out analytical experiments, particularly in waste water treatment plants | |
KR102311657B1 (ko) | 하폐수 처리 스마트 관리 시스템 | |
CN115470702A (zh) | 一种基于机器学习的污水处理水质预测方法及系统 | |
CN113033092A (zh) | 污水处理数据处理方法、装置、计算机设备和存储介质 | |
CN114578008A (zh) | 一种用于污水厂水质风险管理的决策支持系统及方法 | |
CN115754207A (zh) | 一种污水生物处理工艺模拟仿真方法和系统 | |
Baeza et al. | In-line fast OUR (oxygen uptake rate) measurements for monitoring and control of WWTP | |
CN112573641B (zh) | 一种污水处理量确定方法及装置 | |
JP4700145B2 (ja) | 水処理装置のモデル参照型自動制御装置 | |
CN117113719A (zh) | 一种污水处理仿真建模系统搭建方法 | |
CN116263850A (zh) | 结合离线模拟数据的在线污水水质预警方法 | |
CN105785951A (zh) | 利用统计建模技术实现污水的处理自动化运行系统 | |
CN114538538A (zh) | 一种用于污水厂的总氮控制系统及方法 | |
CN112047467B (zh) | 一种智能高效曝气生化系统 | |
Moussa et al. | Model-based evaluation of nitrogen removal in a tannery wastewater treatment plant | |
CN117388457B (zh) | 一种耦合水力停留时间提高污水厂出水预测精度的方法 | |
CN111087073A (zh) | 一种基于同步硝化反硝化机制的污水处理生化需氧控制系统及方法 | |
CN117342689B (zh) | 一种污水厂智能脱氮方法及系统 | |
JPH1133580A (ja) | プロセスの運転支援装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |