CN108439580A - 溶解氧浓度控制系统、方法和装置 - Google Patents
溶解氧浓度控制系统、方法和装置 Download PDFInfo
- Publication number
- CN108439580A CN108439580A CN201810541904.3A CN201810541904A CN108439580A CN 108439580 A CN108439580 A CN 108439580A CN 201810541904 A CN201810541904 A CN 201810541904A CN 108439580 A CN108439580 A CN 108439580A
- Authority
- CN
- China
- Prior art keywords
- sample
- data
- dissolved oxygen
- oxygen concentration
- ammonia nitrogen
- 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.)
- Granted
Links
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
- C02F3/02—Aerobic processes
-
- 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
- C02F2209/22—O2
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Activated Sludge Processes (AREA)
Abstract
本申请实施例提供了一种溶解氧浓度控制系统、方法、装置、设备及存储介质,该系统包括:污水处理控制平台和多个水质检测仪表;多个水质检测仪表分别设置于污水液路通道的多个参数采集位置,并且与污水处理控制平台电连接;多个水质检测仪表,用于采集污水液路通道中多个参数采集位置在第一时间段的多个水质数据;污水处理控制平台,用于根据第一时间段的水质数据以及预先训练的溶解氧浓度预测模型,对污水液路通道中生化反应池的溶解氧浓度进行预测。本申请实施例基于预先训练的符合实际应用场景的溶解氧浓度预测模型,能够对生化反应池中的溶解氧浓度进行更准确的预测,并使得对溶解氧浓度的预测更符合实际应用场景。
Description
技术领域
本申请涉及污水处理技术领域,具体而言,本申请涉及一种生化反应池溶解氧浓度控制系统、方法和装置。
背景技术
随着城镇化、工业化的快速发展,对工业废水和生活污水的处理也面临着越来越严峻的形式,2015年4月国务院颁布了《水污染防治行动计划》,简称“水十条”,对排放标准进行了升级,以促使运营方对水厂进行改造升级,使生产过程向着更加精细化发展。
随着环保意识和环保技术的发展,污水处理厂的曝气环节逐渐由从前的过量曝气转变为按需曝气,以满足应对进水负荷的变化和节能降耗的需求。目前比较成熟和应用广泛的技术是通过溶解氧的恒定控制,实现曝气量按需供给;基于恒定溶解氧的曝气量控制,能够一定程度上改善活性污泥的生长环境,但恒定溶解氧往往是为了保证最大进水负荷选取的,所以仍然存在曝气过量的情况。
发明内容
本申请针对现有的方式的缺点,提出一种溶解氧浓度控制系统、方法和装置,用以解决恒定溶解氧引发的过量曝气的问题。
本申请的实施例根据一个方面,提供了一种溶解氧浓度控制系统,包括:
污水处理控制平台和多个水质检测仪表;
多个水质检测仪表分别设置于污水液路通道的多个参数采集位置,并且与污水处理控制平台电连接;
多个水质检测仪表,用于采集污水液路通道中多个参数采集位置在第一时间段的多个水质数据;
污水处理控制平台,用于根据第一时间段的多个水质数据以及预先训练的溶解氧浓度预测模型,对污水液路通道中生化反应池的溶解氧浓度进行预测。
本申请的实施例根据另一个方面,还提供了一种溶解氧浓度控制方法,包括:
采集污水液路通道中多个参数采集位置在第一时间段的多个水质数据;
根据第一时间段的水质数据以及预先训练的溶解氧浓度预测模型,对污水液路通道中生化反应池的溶解氧浓度进行预测。
本申请的实施例根据另一个方面,还提供了一种溶解氧浓度控制装置,包括:
数据采集模块,用于采集污水液路通道中多个参数采集位置在第一时间段的多个水质数据;
预测模块,用于根据第一时间段的水质数据以及预先训练的溶解氧浓度预测模型,对污水液路通道中生化反应池的溶解氧浓度进行预测。
本申请的实施例根据另一个方面,还提供了一种电子设备,包括:存储器、处理器、及存储在存储器上并可在处理器上运行的计算机程序;
处理器执行计算机程序时实现如本申请实施例提供的溶解氧浓度控制方法的步骤。
本申请的实施例根据另一个方面,还提供了一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现如本申请实施例提供的溶解氧浓度控制方法的步骤。
本申请的实施例与现有技术相比,至少具有如下有益效果:
1)基于所采集的待预测的水质数据,对污水处理过程中生化反应池所需溶解氧进行预测,有助于依据实际的污水处理情况控制曝气量,减少过量曝气;
2)基于预先训练的符合实际应用场景的溶解氧浓度预测模型,能够对生化反应池中的溶解氧浓度进行更准确的预测,并使得对溶解氧浓度的预测更符合实际应用场景;
3)考虑到不同参数采集位置或不同工艺段数据的时间差异性,基于不同参数采集位置或不同工艺段的水质数据,能够对生化反应池中的溶解氧浓度进行更准确的预测。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例提供的溶解氧浓度控制系统的框架结构示意图;
图2为本申请实施例提供的溶解氧浓度控制系统的一个具体实例的示例图;
图3为本申请实施例提供的溶解氧浓度控制方法的流程示意图;
图4为本申请实施例中溶解氧浓度预测模型的训练方法的流程示意图;
图5为本申请实施例提供的溶解氧浓度控制装置的结构示意图;
图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
本申请的发明人在研究污水处理中溶解氧控制时,发现目前存在一种以进水出水水质为依据的曝气量控制模式,能够使溶解氧的设定值根据水质负荷的变化而变化,但采用的模型往往是固定的模型,例如国际水协推荐的ASM(Activated Sludge Model)模型。
基于国际水协推荐的ASM模型,好氧池中的氨氮的降解速率为:
表达式(1)中,表示生化反应池(具体指好氧池)中的氨氮浓度,表示生化反应池(具体指好氧池)中的溶解氧浓度;μA表示自养菌最大生长速率,单位为/d(每天最大可以生产出的自养菌数量);YA为自养菌产率系数,单位为g(COD)/g(N),表示每氧化污水中1克的氮形成的细胞的COD量(Chemical Oxygen Demand,化学需氧量);KO,A为自养菌氧半饱和系数,单位为g(O2)/m3,表示每立方米水中含有的氧分子的质量;为氨氮饱和系数,单位为g(N)/m3,表示每立方米水中含有的氨氮分子的质量;XB,A为自养菌含量,单位为g(N)/m3,表示每立方米水中含有的自养菌的质量。
目前在ASM模型的应用中,参数μA、YA、KO,A、和XB,A的具体数值均为国际水协推荐数值,然而,不同的污水处理厂的实际处理情况不同,即使在同一污水处理厂中,不同的时间段或工艺段内的处理情况也存在差异。
完全采用推荐数值而忽略实际差异,会造成ASM模型的精度下降,从而影响溶解氧浓度预测的准确性;此外,完全采用统一的ASM模型,不能进行差别化或定制化的匹配,也不能基于污水处理厂的实际情况对溶解氧浓度做了准确的控制,在实现动态控制溶解氧时存在失控的风险。
基于上述发现,本申请提供了溶解氧浓度控制系统、方法和装置,基于预先训练出的能够符合实际应用场景的溶解氧浓度预测模型进行预测,可对生化反应池的溶解氧浓度进行更准确的预测。
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
为了对溶解氧浓度进行更精准的预测,本申请实施例提供了一种溶解氧浓度控制系统。该系统的结构示意图如图1所示,包括:污水处理控制平台11和多个水质检测仪表12;多个水质检测仪表12分别设置于污水液路通道的不同参数采集位置,并且与污水处理控制平台11电连接。
多个水质检测仪表12,用于采集污水液路通道中多个参数采集位置在第一时间段的多个水质数据。污水处理控制平台11,用于根据第一时间段的水质数据以及预先训练的溶解氧浓度预测模型,对污水液路通道中生化反应池的溶解氧浓度进行预测。
可选地,污水液路通道包括进水处、生化反应池、出水处以及用于连接进水处、生化反应池和出水处的输水管道,进水处、生化反应池、出水处的相对位置关系如图2所示,本领域技术人员可以理解,根据实际需求的不同,污水液路通道中还可以包括沉淀池、二次沉淀池等。
可选地,水质检测仪表12包括:用于检测不同位置氨氮浓度的氨氮检测仪表、用于检测进水流量的流量检测仪表、用于检测生化反应池溶解氧浓度的溶解氧检测仪表以及用于检测生化反应池污泥浓度的污泥检测仪表。
在一个可选实施例中,污水处理控制平台11包括:控制站111和模型站112。控制站111,与多个水质检测仪表12电连接,用于控制多个水质检测仪表12采集第一时间段的多个水质数据,并获取多个待预测的水质数据。
模型站112,与控制站111电连接,用于根据控制站111获取的多个水质数据以及预先训练的溶解氧浓度预测模型,对污水液路通道中生化反应池的溶解氧浓度进行预测,并将预测结果传输至控制站111。
模型站112用于训练出溶解氧浓度预测模型,具体的训练方法可以参考本申请实施例提供的溶解氧浓度预测模型的训练方法(如图4所示),该方法将在后续部分详述,此处不再赘述。
可选地,控制站111或模型站112可以是计算机、服务器、处理器或处理器中的内核,控制站111和模型站112可以设置于不同的计算机、服务器或处理器中,也可以设置于同一计算机、服务器或处理器中。进一步,控制站111或模型站112可以是单台服务器、服务器集群或分布式服务器等等。
在一个可选实施例中,本申请实施例提供的溶解氧浓度控制系统还包括执行机构,该执行机构与控制站111电连接。
基于上述执行机构,控制站111还用于根据溶解氧浓度预测结果向执行机构发送曝气指令;对应地,执行机构用于根据曝气指令控制生化反应池的曝气量。
进一步可选地,执行机构包括鼓风机和阀门。鼓风机的出口通过输气管道与生化反应池的底部连接,从而向生化反应池输送气体,实现曝气;阀门可设置于鼓风机出口处、输气管道中或生化反应池底部的入气口处,通常调节阀门的开关,可实现对曝气量的调节。
进一步可选地,执行机构还可包括风量检测仪表13,设置于阀门的远离鼓风机的一侧,用于检测流经阀门的气体流量,并将该气体流量反馈至控制站111。
在一个可选实施例中,本申请实施例提供的溶解氧浓度控制系统还包括操作员站113,操作员站113与控制站111、模型站112电连接,用于接收操作人员对相关参数的设置,并向操作人员展示控制站111和模型站112的工作过程,以实现操作人员对控制站111和模型站112工作过程的监控。具体地,操作员站113可以是计算机、手机等终端设备。
本申请实施例提供的溶解氧浓度控制系统的更详细的工作原理,将在后续的溶解氧浓度控制方法中作进一步介绍。
基于相同的发明构思,本申请实施例还提供了一种溶解氧浓度控制方法。该方法的流程示意图如图3所示,包括:
S1,采集污水液路通道中多个参数采集位置在第一时间段的多个水质数据。
在一个可选实施例中,污水液路通道中的多个参数采集位置包括:进水处,生化反应池和出水处;对应地,多个水质数据包括进水处、生化反应池和出水处在第一时间段内的水质数据,具体包括:进水处的进水数据、生化反应池的生化反应数据和出水处的出水氨氮浓度。
本申请实施例基于多个参数采集位置的水质数据进行预测,相对于现有技术中仅基于进水数据的预测,准确性更高。
可选地,本申请实施例中的进水数据包括:进水氨氮浓度和进水流量Q;生化反应数据包括:生化反应池污泥浓度XMLSS和生化反应池氨氮浓度
在本申请实施例的水质数据中,进水氨氮浓度进水流量Q、生化反应池污泥浓度XMLSS和生化反应池氨氮浓度均为相应的水质检测仪表12在第一时间段内实际检测出的数据;出水氨氮浓度为设定的目标数据,后文中将出水氨氮浓度称为目标出水氨氮浓度,用Sset表示。
本申请实施例中的第一时间段可以是当前时刻,也可以是包含当前时刻的指定时长的时间范围。
S2,根据第一时间段的水质数据以及预先训练的溶解氧浓度预测模型,对污水液路通道中生化反应池的溶解氧浓度进行预测。
在一个可选实施例中,步骤S2具体包括:根据进水氨氮浓度进水流量Q、生化反应池污泥浓度XMLSS、生化反应池氨氮浓度和目标出水氨氮浓度Sset,以及预先训练的溶解氧浓度预测模型,对生化反应池的溶解氧浓度进行预测。
在一个可选实施例中,本申请实施例提供了一种溶解氧浓度预测模型的训练方法,如图4所示,该方法包括:
S21,采集污水液路通道中多个参数采集位置在第二时间段的多个样本水质数据。
可选地,样本水质数据包括:样本进水数据、样本生化反应数据和样本出水氨氮浓度。
可选地,多个参数采集位置如前所述,包括进水处、生化反应池和出水处;对应地,样本水质数据为进水处、生化反应池和出水处在第二时间段的水质数据,该水质数据包括:进水处的样本进水数据、生化反应池的样本生化反应数据和出水处的样本出水氨氮浓度。
本申请实施例中基于不同参数采集位置的样本水质数据来训练溶解氧浓度预测模型,可使溶解氧浓度预测模型更符合污水处理厂中的实际工艺过程,有利于提高所训练的溶解氧浓度预测模型的准确性,同时由此训练出的溶解氧浓度预测模型能适用于不同的污水处理厂。
可选地,本申请实施例中的样本进水数据包括:样本进水氨氮浓度和样本进水流量Q(t-t4);样本生化反应数据包括:样本溶解氧浓度样本污泥浓度XMLSS(t-t2)和样本氨氮浓度样本出水氨氮浓度可用表示。
需要说明的是,上述各样本水质数据中的时间参数是以样本出水氨氮浓度的检测时间t为基准时间来表示的,t的取值可根据实际情况设定,该表示方式仅为示例,本领域技术人员可以理解,还可以以其它时间为基准时间来表示上述各参数。
在本申请实施例的样本水质数据中,样本进水氨氮浓度样本进水流量Q(t-t4)、样本溶解氧浓度样本污泥浓度XMLSS(t-t2)、样本氨氮浓度和样本出水氨氮浓度均为相应的水质检测仪表12在第二时间段实际检测出的数据。
本申请实施例中的第二时间段为当前时刻之前的任一历史检测时间范围,可根据实际需求来设定,对应地,样本水质数据为所设定的历史检测时间范围的历史检测数据。第二时间段的时间范围越大,所得到的样本水质数据也越多,越有利于提高所训练的溶解氧浓度预测模型的准确性;第二时间段越接近当前时刻,所得到的样本水质数据越新,越有利于提高所训练的溶解氧浓度预测模型的准确性。
在一个可选实施例中,对第二时间段不断进行更新,每次更新时均将第二时间段设定为最接近当前时刻的一个历史检测时间范围,能够不断得到最新的样本水质数据,并基于最新的样本水质数据进行训练,从而使训练出溶解氧浓度预测模型的准确性不断提高。
S22,分别确定出样本进水数据和样本出水氨氮浓度之间、样本生化反应数据和样本出水氨氮浓度之间在时间上的相关性。
本申请的发明人在实现本申请目的时发现,在污水处理时,污水从进水处到达生化反应池,以及从生化反应池到达排放口,均需要一定的时间,若从污水进入进水处开始检测其水质数据,水质数据随着工艺段的变化而变化;若采集同一时刻各工艺段或各参数采集位置的水质数据,其相关性往往较小或无相关性,即所采集的各水质数据不属于同一部分污水;而相关性较大的各工艺段或各参数采集位置的水质数据,往往不是同一时刻检测到的数据,而是在检测时间上存在一定的偏差。
因此,本申请的发明人提出的溶解氧浓度控制方法中,对于已采集的第二时间段内不同时刻的多个样本进水数据、样本生化反应数据和样本出水氨氮浓度,分别确定出样本进水数据和样本出水氨氮浓度之间、样本生化反应数据和样本出水氨氮浓度之间在时间上的相关性。
具体地,分别确定出样本进水氨氮浓度和样本出水氨氮浓度之间在时间上的相关性、样本进水流量Q(t-t4)和样本出水氨氮浓度之间在时间上的相关性、样本溶解氧浓度和样本出水氨氮浓度之间在时间上的相关性、样本污泥浓度XMLSS(t-t2)和样本出水氨氮浓度之间在时间上的相关性、样本氨氮浓度和样本出水氨氮浓度之间在时间上的相关性。
在一个可选实施例中,分别确定样本进水数据和样本出水氨氮浓度之间、样本生化反应数据和样本出水氨氮浓度之间在时间上的相关性,包括:
采用相关系数法,分别确定出每个样本进水氨氮浓度和每个样本出水氨氮浓度之间的相关系数,每个样本进水流量Q(t-t4)和每个样本出水氨氮浓度之间的相关系数,每个样本溶解氧浓度和每个样本出水氨氮浓度之间的相关系数,每个样本污泥浓度XMLSS(t-t2)和每个样本出水氨氮浓度之间的相关系数,每个样本氨氮浓度和每个样本出水氨氮浓度之间的相关系数。
其中,相关系数法可以采用斯皮尔曼(spearman)相关系数法或皮尔逊(pearson)相关系数法,利用相关系数法计算不同参数的相关系数的方法为现有方法,本领域技术人员可以理解,如何将其应用到本申请中得到上述各样本水质数据,在此不再赘述。
S23,根据相关性大于预设的相关性阈值的至少一组样本进水数据、样本生化反应数据和样本出水氨氮浓度,训练得到溶解氧浓度预测模型。
具体地,对于任意一个样本出水氨氮浓度选取与该样本出水氨氮浓度的相关性大于预设的相关性阈值的一个样本进水氨氮浓度样本进水流量Q(t-t4)、样本溶解氧浓度样本污泥浓度XMLSS(t-t2)和样本氨氮浓度与该样本出水氨氮浓度样本出水氨氮浓度共同形成一组待训练的样本水质数据;对于多个样本出水氨氮浓度样本出水氨氮浓度可用同样的方法分别形成多组待训练的样本数据;从而根据上述一个或多个待训练的样本水质数据训练得到溶解氧浓度预测模型。
相关性阈值可以是相关系数阈值,本申请实施例对相关性阈值或相关系数阈值的具体数值均不作限定,可根据实际需求进行设定。
本申请的发明人发现作为训练基础的样本水质数据相关性越大,训练出的溶解氧浓度预测模型越准确,因此筛选出相关性大于预设的相关性阈值的至少一组样本水质数据进行训练。
此外,本申请的发明人还发现,不同的污水处理厂的实际处理情况不同;在同一污水处理厂中污水从进水处到生化反应池再到出水处需要一定的时间,因此不同位置所检测的水质数据不同,即存在时间差异,且时间差异性对样本水质数据的相关性有较大影响。因此本申请的发明人在ASM模型的基础上提出了活性污泥修正模型(简称ASM修正模型)。
在一个可选实施例中,上述活性污泥修正模型是通过以下方式建立的,包括:
根据活性污泥修正模型的使用场景的差异性,对活性污泥模型进行修正,建立活性污泥修正模型。
具体地,由于不同的污水处理厂的实际处理情况不同,基于这种使用场景的差异性,在ASM模型的基础上增加修正系数,建立如表达式(2)所示的ASM修正模型。
表达式(2)中,表示t时刻下的进水氨氮浓度;表示t时刻下的出水氨氮浓度;表示t时刻下的生化反应池溶解氧浓度;表示t时刻下的生化反应池氨氮浓度;XMLSS(t)表示t时刻下的生化反应池污泥浓度;V表示生化反应池中好氧池的体积;Q(t)表示t时刻下的进水流量;a、b、c、d和e为修正系数,分别用于修正参数μA、YA、KO,A、和XMLSS;其余参数的含义可参照表达式(1)。
针对不同的污水处理厂,表达式(2)中的修正系数a、b、c、d和e的取值也不同,修正系数的具体取值可根据当前污水处理厂中不同时刻的样本水质数据来确定,具体确定方式将在后续部分详述。
在一个可选实施例中,根据相关性大于预设的相关性阈值的至少一组样本进水数据、样本生化反应数据和样本出水氨氮浓度,对活性污泥修正模型中的参数进行修正;确定出参数修正后的活性污泥修正模型中的修正系数,得到溶解氧浓度预测模型。
具体地,根据相关性大于预设的相关性阈值的至少一组样本进水氨氮浓度样本进水流量Q(t-t4)、样本溶解氧浓度样本污泥浓度XMLSS(t-t2)、样本氨氮浓度和样本出水氨氮浓度对ASM修正模型中的时间参数进行修正;确定出修正后的ASM修正模型中的修正系数,将修正后的ASM修正模型适应性地变形,从而得到溶解氧浓度预测模型。
通过上述方式确定出的修正系数a~e更符合当前应用场景的需求;将确定出的修正系数a~e应用于表达式(2)中,可使对参数μA、YA、KO,A、和XMLSS进一步修正,以弥补参数μA、YA、KO,A、和XMLSS仅采用推荐取值带来的局限性。
在一个可选实施例中,上述根据相关性大于预设的相关性阈值的至少一组样本进水数据、样本生化反应数据和样本出水氨氮浓度,对活性污泥修正模型中的参数进行修正,包括:
对于相关性大于预设的相关性阈值的每组样本进水数据、样本生化反应数据和样本出水氨氮浓度,确定出样本进水数据和样本生化反应数据分别相对于样本出水氨氮浓度的检测时间差;根据各检测时间差,对活性污泥修正模型中的时间参数进行修正。
下面以一个具体示例对上述修正方法作进一步说明:
对于相关性大于预设的相关性阈值的每组样本进水氨氮浓度样本进水流量Q(t-t4)、样本溶解氧浓度样本污泥浓度XMLSS(t-t2)、样本氨氮浓度确定各数据相对于样本出水氨氮浓度的检测时间差t5、t4、t3、t2和t1。
将确定出的t5、t4、t3、t2和t1代入表达式(2)中,分别对变量Q(t)、XMLSS(t)、的时间参数t进行修正,得到修正后的时间参数(t-t5)、(t-t4)、(t-t3)、(t-t2)和(t-t1),使变量Q(t)、XMLSS(t)、在时间维度上对齐,得到对齐后的变量Q(t-t4)、XMLSS(t-t2)、
当t取不同值时,可代入多组样本水质数据,基于多组样本水质数据对修正系数a~e进行回归计算,可确定修正系数a~e的取值。
在一个可选实施例中,将对齐后的变量Q(t-t4)、XMLSS(t-t2)、和确定出的修正系数a~e代入表达式(2)中,并将代入后的表达式变形,得到溶解氧浓度预测模型,该溶解氧浓度预测模型的数学表达式如下:
表达式(3)中,表示生化反应池溶解氧浓度的预测值;Sset表示目标出水氨氮浓度,可根据实际需求设定;Q(t-t4)、XMLSS(t-t2)、的含义如前所述,其中的t为Sset的实际检测时间;其余参数的含义可参照表达式(2)。
在一个可选实施例中,本申请实施例提供的溶解氧浓度控制方法还包括:根据对溶解氧浓度预测结果,对生化反应池的曝气量进行控制。
具体地,通过上述步骤S1和S2求出生化反应池的溶解氧浓度的预测值后,控制鼓风机的曝气量,使之达到实现预测值所需的曝气量,减少或避免过度曝气,以达到节能降耗的目的。
基于相同的发明构思,本申请实施例还提供了一种溶解氧浓度控制装置。该装置的结构示意图如图5所示,包括:数据采集模块51和预测模块52。
数据采集模块51用于采集污水液路通道中多个参数采集位置以及第一时间段的多个水质数据。
预测模块52用于根据第一时间段的水质数据以及预先训练的溶解氧浓度预测模型,对污水液路通道中生化反应池的溶解氧浓度进行预测。
在一个可选实施例中,污水液路通道中的多个参数采集位置包括:进水处,生化反应池和出水处;对应地,多个水质数据包括进水处、生化反应池和出水处在第一时间段内的水质数据,具体包括:进水处的进水数据、生化反应池的生化反应数据和出水处的出水氨氮浓度。
在一个可选实施例中,本申请实施例提供的溶解氧浓度控制装置还包括:模型训练模块,用于预先训练出溶解氧浓度预测模型,该溶解氧浓度预测模型的具体训练方法参照前述的溶解氧浓度预测模型的训练方法以及图4所示内容。
进一步地,模型训练模块具体用于:根据相关性大于预设的相关性阈值的至少一组样本进水数据、样本生化反应数据和样本出水氨氮浓度,对活性污泥修正模型中的参数进行修正;确定出参数修正后的活性污泥修正模型中的修正系数,得到溶解氧浓度预测模型。
更进一步地,模型训练模块具体用于:对于相关性大于预设的相关性阈值的每组样本进水数据、样本生化反应数据和样本出水氨氮浓度,确定出样本进水数据和样本生化反应数据分别相对于样本出水氨氮浓度的检测时间差;根据各检测时间差,对活性污泥修正模型中的时间参数进行修正。
本申请实施例提供的溶解氧浓度控制装置中未详细示出的内容,可参照前面所述的溶解氧浓度控制方法。
基于相同的发明构思,本申请实施例还提供了一种电子设备。该设备的结构示意图如图6所示,包括:电连接的存储器61和处理器62、及存储在存储器61上并可在处理器62上运行的计算机程序。
处理器62执行该计算机程序时实现本申请实施例提供的溶解氧浓度控制方法的步骤。
本技术领域技术人员可以理解,本申请实施例提供的电子设备可以为所需的目的而专门设计和制造,或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序,这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如,计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中。
基于相同的发明构思,本申请实施例还提供了一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现本申请实施例提供的溶解氧浓度控制方法的步骤。
本申请实施例提供的计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(RandomAccess Memory,随即存储器)、EPROM(Erasable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,可读介质包括由设备(例如,计算机)以能够读的形式存储或传输信息的任何介质。
应用本申请实施例,至少能够实现如下有益效果:
1)基于所采集的待预测的水质数据,对污水处理过程中生化反应池所需溶解氧进行预测,有助于依据实际的污水处理情况控制曝气量,减少过量曝气;
2)基于预先训练的符合当前应用场景的溶解氧浓度预测模型,能够对生化反应池中的溶解氧浓度进行更准确的预测;
3)考虑到不同参数采集位置或不同工艺段数据的时间差异性,基于不同参数采集位置或不同工艺段的水质数据,能够对生化反应池中的溶解氧浓度进行更准确的预测;
4)通过最新的样本水质数据,能够不断更新溶解氧浓度预测模型,使溶解氧浓度预测模型更加匹配当前的实际运行情况;
5)通过检测不同参数采集位置水质数据之间的相关性,并从中筛选出相关性较大的一组数据,能够将不同工艺段的水质数据在时间维度上进行匹配,克服仪表的测量误差,并能够使得对溶解氧浓度的预测更加准确;
6)基于精确预测的溶解氧浓度来控制曝气,可较大程度的减少过度曝气,从而达到节能降耗的目的。
本技术领域技术人员可以理解,本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地,具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地,现有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (19)
1.一种溶解氧浓度控制系统,其特征在于,包括:污水处理控制平台(11)和多个水质检测仪表(12);
所述多个水质检测仪表(12)分别设置于污水液路通道的多个参数采集位置,并且与所述污水处理控制平台(11)电连接;
所述多个水质检测仪表(12),用于采集所述污水液路通道中多个参数采集位置在第一时间段的多个水质数据;
所述污水处理控制平台(11),用于根据所述第一时间段的多个水质数据以及预先训练的溶解氧浓度预测模型,对所述污水液路通道中生化反应池的溶解氧浓度进行预测。
2.根据权利要求1所述的系统,其特征在于,所述污水处理控制平台(11)包括:控制站(111)和模型站(112);
所述控制站(111),与多个水质检测仪表(12)电连接,用于控制所述多个水质检测仪表(12)采集所述第一时间段的多个水质数据;
所述模型站(112),与所述控制站(111)电连接,用于根据所述控制站(111)获取的多个水质数据以及预先训练的溶解氧浓度预测模型,对所述污水液路通道中生化反应池的溶解氧浓度进行预测,并将预测结果传输至所述控制站(111)。
3.根据权利要求2所述的系统,其特征在于,还包括:执行机构,所述执行机构与所述控制站(111)电连接;
所述控制站(111)还用于根据溶解氧浓度预测结果向所述执行机构发送曝气指令;
所述执行机构用于根据所述曝气指令控制生化反应池的曝气量。
4.根据权利要求2所述的系统,其特征在于,所述模型站(111)还用于通过下述方法预先训练出所述溶解氧浓度预测模型:
采集所述污水液路通道中多个参数采集位置在第二时间段的多个样本水质数据;所述样本水质数据包括:样本进水数据、样本生化反应数据和样本出水氨氮浓度;
分别确定所述样本进水数据和所述样本出水氨氮浓度之间、所述样本生化反应数据和所述样本出水氨氮浓度之间在时间上的相关性;
根据所述相关性大于预设的相关性阈值的至少一组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,训练得到所述溶解氧浓度预测模型。
5.根据权利要求4所述的系统,其特征在于,所述模型站(111)具体用于:
根据所述相关性大于预设的相关性阈值的至少一组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,对活性污泥修正模型中的参数进行修正;确定出参数修正后的所述活性污泥修正模型中的修正系数,得到所述溶解氧浓度预测模型。
6.根据权利要求5所述的系统,其特征在于,所述模型站(111)具体用于:
对于相关性大于预设的相关性阈值的每组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,确定出所述样本进水数据和所述样本生化反应数据分别相对于所述样本出水氨氮浓度的检测时间差;根据各检测时间差,对所述活性污泥修正模型中的时间参数进行修正。
7.一种溶解氧浓度控制方法,其特征在于,包括:
采集污水液路通道中多个参数采集位置在第一时间段的多个水质数据;
根据所述第一时间段的水质数据以及预先训练的溶解氧浓度预测模型,对所述污水液路通道中生化反应池的溶解氧浓度进行预测。
8.根据权利要求7所述的方法,其特征在于,
所述多个参数采集位置包括:进水处,生化反应池和出水处;
所述水质数据包括:所述进水处的进水数据、所述生化反应池的生化反应数据和所述出水处的出水数据出水氨氮浓度。
9.根据权利要求7所述的方法,其特征在于,所述溶解氧浓度预测模型是通过下述方法预先训练出的,包括:
采集所述污水液路通道中多个参数采集位置在第二时间段的多个样本水质数据;所述样本水质数据包括:样本进水数据、样本生化反应数据和样本出水氨氮浓度;
分别确定所述样本进水数据和所述样本出水氨氮浓度之间、所述样本生化反应数据和所述样本出水氨氮浓度之间在时间上的相关性;
根据所述相关性大于预设的相关性阈值的至少一组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,训练得到所述溶解氧浓度预测模型。
10.根据权利要求9所述的方法,其特征在于,所述根据所述相关性大于预设的相关性阈值的至少一组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,训练得到所述溶解氧浓度预测模型,包括:
根据所述相关性大于预设的相关性阈值的至少一组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,对活性污泥修正模型中的参数进行修正;
确定出参数修正后的所述活性污泥修正模型中的修正系数,得到所述溶解氧浓度预测模型。
11.根据权利要求10所述的方法,其特征在于,所述根据所述相关性大于预设的相关性阈值的至少一组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,对活性污泥修正模型中的参数进行修正,包括:
对于相关性大于预设的相关性阈值的每组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,确定出所述样本进水数据和所述样本生化反应数据分别相对于所述样本出水氨氮浓度的检测时间差;
根据各检测时间差,对所述活性污泥修正模型中的时间参数进行修正。
12.根据权利要求10或11所述的方法,其特征在于,所述活性污泥修正模型是通过以下方式建立的,包括:
根据所述活性污泥修正模型的使用场景的差异性,对活性污泥模型进行修正,建立所述活性污泥修正模型。
13.根据权利要求7-12中任一项所述的方法,其特征在于,还包括:根据对所述溶解氧浓度预测结果,对生化反应池的曝气量进行控制。
14.一种溶解氧浓度控制装置,其特征在于,包括:
数据采集模块,用于采集污水液路通道中多个参数采集位置在第一时间段的多个水质数据;
预测模块,用于根据所述第一时间段的水质数据以及预先训练的溶解氧浓度预测模型,对所述污水液路通道中生化反应池的溶解氧浓度进行预测。
15.根据权利要求14所述的装置,其特征在于,还包括:
模型训练模块,用于通过下述方法预先训练出所述溶解氧浓度预测模型:采集所述污水液路通道中多个参数采集位置在第二时间段的多个样本水质数据;所述样本水质数据包括:样本进水数据、样本生化反应数据和样本出水氨氮浓度;分别确定所述样本进水数据和所述样本出水氨氮浓度之间、所述样本生化反应数据和所述样本出水氨氮浓度之间在时间上的相关性;根据所述相关性大于预设的相关性阈值的至少一组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,训练得到所述溶解氧浓度预测模型。
16.根据权利要求15所述的装置,其特征在于,
所述模型训练模块具体用于根据所述相关性大于预设的相关性阈值的至少一组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,对活性污泥修正模型中的参数进行修正;确定出参数修正后的所述活性污泥修正模型中的修正系数,得到所述溶解氧浓度预测模型。
17.根据权利要求16所述的装置,其特征在于,
所述模型训练模块具体用于对于相关性大于预设的相关性阈值的每组所述样本进水数据、所述样本生化反应数据和所述样本出水氨氮浓度,确定出所述样本进水数据和所述样本生化反应数据分别相对于所述样本出水氨氮浓度的检测时间差;根据各检测时间差,对所述活性污泥修正模型中的时间参数进行修正。
18.一种电子设备,其特征在于,包括:电连接的存储器和处理器、及存储在存储器上并可在处理器上运行的计算机程序;
所述处理器执行所述计算机程序时实现如权利要求7-13中任一项所述的溶解氧浓度控制方法的步骤。
19.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求7-13任一项所述的溶解氧浓度控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810541904.3A CN108439580B (zh) | 2018-05-30 | 2018-05-30 | 溶解氧浓度控制系统、方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810541904.3A CN108439580B (zh) | 2018-05-30 | 2018-05-30 | 溶解氧浓度控制系统、方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108439580A true CN108439580A (zh) | 2018-08-24 |
CN108439580B CN108439580B (zh) | 2020-12-18 |
Family
ID=63205783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810541904.3A Active CN108439580B (zh) | 2018-05-30 | 2018-05-30 | 溶解氧浓度控制系统、方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108439580B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109111030A (zh) * | 2018-08-27 | 2019-01-01 | 重庆固润科技发展有限公司 | 一体化污水处理智能控制系统及控制方法 |
CN109596163A (zh) * | 2018-11-15 | 2019-04-09 | 北京英视睿达科技有限公司 | 预测断面水质参数数据的方法及装置 |
CN110968578A (zh) * | 2018-09-28 | 2020-04-07 | 中建水务环保有限公司 | 污水处理工艺推荐方法及装置 |
CN112390388A (zh) * | 2020-11-25 | 2021-02-23 | 创新奇智(青岛)科技有限公司 | 一种模型训练方法、曝气值预估方法、装置及电子设备 |
CN113254862A (zh) * | 2021-07-09 | 2021-08-13 | 武汉华信数据系统有限公司 | 一种流体输出参数预测方法、装置、电子设备及存储介质 |
CN114315058A (zh) * | 2022-03-15 | 2022-04-12 | 武汉科迪智能环境股份有限公司 | 水处理控制方法、系统、计算机设备及存储介质 |
CN115097886A (zh) * | 2022-06-29 | 2022-09-23 | 上海市政工程设计研究总院(集团)有限公司 | 污水处理中溶解氧浓度的控制方法及系统、设备及介质 |
CN117263406A (zh) * | 2023-10-13 | 2023-12-22 | 深圳市水务(集团)有限公司 | 一种连续流aoa工艺曝气策略及曝气比例的选择方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102255A (zh) * | 2014-07-17 | 2014-10-15 | 北京城市排水集团有限责任公司 | 氨氮耦合溶解氧曝气节能控制系统及控制方法 |
CN106020259A (zh) * | 2016-08-03 | 2016-10-12 | 江苏商达水务有限公司 | 用于水环境治理的溶氧智能调控装置及其方法 |
CN107169621A (zh) * | 2017-04-01 | 2017-09-15 | 中国农业大学 | 一种水体溶解氧预测方法及装置 |
-
2018
- 2018-05-30 CN CN201810541904.3A patent/CN108439580B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102255A (zh) * | 2014-07-17 | 2014-10-15 | 北京城市排水集团有限责任公司 | 氨氮耦合溶解氧曝气节能控制系统及控制方法 |
CN106020259A (zh) * | 2016-08-03 | 2016-10-12 | 江苏商达水务有限公司 | 用于水环境治理的溶氧智能调控装置及其方法 |
CN107169621A (zh) * | 2017-04-01 | 2017-09-15 | 中国农业大学 | 一种水体溶解氧预测方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109111030A (zh) * | 2018-08-27 | 2019-01-01 | 重庆固润科技发展有限公司 | 一体化污水处理智能控制系统及控制方法 |
CN109111030B (zh) * | 2018-08-27 | 2021-12-07 | 重庆固润科技发展有限公司 | 一体化污水处理智能控制系统及控制方法 |
CN110968578A (zh) * | 2018-09-28 | 2020-04-07 | 中建水务环保有限公司 | 污水处理工艺推荐方法及装置 |
CN109596163A (zh) * | 2018-11-15 | 2019-04-09 | 北京英视睿达科技有限公司 | 预测断面水质参数数据的方法及装置 |
CN109596163B (zh) * | 2018-11-15 | 2020-12-08 | 北京英视睿达科技有限公司 | 预测断面水质参数数据的方法及装置 |
CN112390388A (zh) * | 2020-11-25 | 2021-02-23 | 创新奇智(青岛)科技有限公司 | 一种模型训练方法、曝气值预估方法、装置及电子设备 |
CN112390388B (zh) * | 2020-11-25 | 2022-06-14 | 创新奇智(青岛)科技有限公司 | 一种模型训练方法、曝气值预估方法、装置及电子设备 |
CN113254862A (zh) * | 2021-07-09 | 2021-08-13 | 武汉华信数据系统有限公司 | 一种流体输出参数预测方法、装置、电子设备及存储介质 |
CN114315058A (zh) * | 2022-03-15 | 2022-04-12 | 武汉科迪智能环境股份有限公司 | 水处理控制方法、系统、计算机设备及存储介质 |
CN115097886A (zh) * | 2022-06-29 | 2022-09-23 | 上海市政工程设计研究总院(集团)有限公司 | 污水处理中溶解氧浓度的控制方法及系统、设备及介质 |
CN117263406A (zh) * | 2023-10-13 | 2023-12-22 | 深圳市水务(集团)有限公司 | 一种连续流aoa工艺曝气策略及曝气比例的选择方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108439580B (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108439580A (zh) | 溶解氧浓度控制系统、方法和装置 | |
CN104102255B (zh) | 氨氮耦合溶解氧曝气节能控制系统和控制方法 | |
CN209583779U (zh) | 一种污水处理精确曝气系统 | |
CN102445488A (zh) | 基于阳极溶出伏安法的多参数水质重金属自动在线监测仪 | |
CN108191052A (zh) | 碳源智能投加系统及其在污水处理中的应用 | |
Gatti et al. | Wastewater COD characterization: analysis of respirometric and physical‐chemical methods for determining biodegradable organic matter fractions | |
KR102311657B1 (ko) | 하폐수 처리 스마트 관리 시스템 | |
Choubert et al. | Rethinking wastewater characterisation methods for activated sludge systems–a position paper | |
CN115470702A (zh) | 一种基于机器学习的污水处理水质预测方法及系统 | |
CN203668102U (zh) | 曝气池溶解氧浓度控制系统及污水处理系统 | |
Han et al. | An intelligent detecting system for permeability prediction of MBR | |
CN105548474B (zh) | 一种污水处理微生物载体生化特性图谱的测定方法 | |
KR20180104413A (ko) | 하모니서치 알고리즘을 이용한 활성슬러지 공정의 산소공급량 제어 시스템 | |
KR101016394B1 (ko) | 급속 미생물 호흡률 측정장치와 에스에스, 이시 측정기가 결합한 실시간 하수처리장 유입하수 성분분석 장치 | |
CN112573641B (zh) | 一种污水处理量确定方法及装置 | |
CN117342689A (zh) | 一种污水厂智能脱氮方法及系统 | |
CN117776336A (zh) | 水预处理方法及厌氧氨氧化水处理工艺 | |
CN105152308A (zh) | Mbr好氧池曝气的控制方法及控制系统 | |
CN107686160A (zh) | 一种基于sbr反应器的污水处理方法及系统 | |
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 | |
CN112322483B (zh) | 一种微生物活性测定系统和微生物活性测定方法 | |
Lumley | On-line instrument confirmation: how can we check that our instruments are working? | |
CN107720975A (zh) | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 | |
CN109775845A (zh) | 污水处理中的曝氧量控制方法与装置 | |
JP2009226234A (ja) | 汚泥容量算出方法およびそれを用いた曝気槽の監視方法、制御方法 |
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 |