CN112340930A - 控制系统以及控制方法 - Google Patents

控制系统以及控制方法 Download PDF

Info

Publication number
CN112340930A
CN112340930A CN202010777320.3A CN202010777320A CN112340930A CN 112340930 A CN112340930 A CN 112340930A CN 202010777320 A CN202010777320 A CN 202010777320A CN 112340930 A CN112340930 A CN 112340930A
Authority
CN
China
Prior art keywords
quality
water
model
amount
parameter
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.)
Pending
Application number
CN202010777320.3A
Other languages
English (en)
Inventor
川田美香
青木纯
福泽光孝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Publication of CN112340930A publication Critical patent/CN112340930A/zh
Pending legal-status Critical Current

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
    • C02F3/30—Aerobic and anaerobic processes
    • C02F3/308—Biological phosphorus removal
    • 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
    • C02F7/00—Aeration of stretches of water
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F2001/007—Processes including a sedimentation step
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2101/00—Nature of the contaminant
    • C02F2101/10—Inorganic compounds
    • C02F2101/16—Nitrogen compounds, e.g. ammonia
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2101/00—Nature of the contaminant
    • C02F2101/30—Organic compounds
    • C02F2101/34—Organic compounds containing oxygen
    • 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
    • C02F2209/003—Downstream control, i.e. outlet monitoring, e.g. to check the treating agents, such as halogens or ozone, leaving the process
    • 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
    • C02F2209/005—Processes using a programmable logic controller [PLC]
    • C02F2209/006—Processes using a programmable logic controller [PLC] comprising a software program or a logic diagram
    • 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
    • C02F2209/005—Processes using a programmable logic controller [PLC]
    • C02F2209/008—Processes using a programmable logic controller [PLC] comprising telecommunication features, e.g. modems or antennas
    • 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
    • C02F2209/11—Turbidity
    • 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
    • C02F2209/14—NH3-N
    • 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
    • C02F2209/16—Total nitrogen (tkN-N)
    • 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
    • C02F2209/18—PO4-P
    • 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
    • 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
    • C02F2209/38—Gas flow rate
    • 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
    • C02F2209/40—Liquid flow rate
    • 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
    • C02F2209/42—Liquid level
    • 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
    • C02F2209/44—Time
    • 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
    • C02F3/30—Aerobic and anaerobic processes
    • C02F3/302—Nitrification and denitrification treatment

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Organic Chemistry (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
  • Feedback Control In General (AREA)
  • Activated Sludge Processes (AREA)

Abstract

本发明提供一种控制系统以及控制方法。运算部使用与水处理有关的过程的模型，基于包含表示流向所述过程的流入水的水质的流入水质以及对于所述过程的操作量的输入变量，运算包含表示来自所述过程的排放水的水质的排放水质的输出变量。运算部获取所述操作量和所述输出变量的组合中满足规定的限制条件的所述组合。控制部基于所述运算部获取的所述组合的所述操作量控制所述过程。校准部定期地重新生成表示所述模型的特性的参数，在根据重新生成后的所述参数而运算出的所述排放水质比根据重新生成前的所述参数而运算出的所述排放水质更接近所述排放水质的测量值的情况下，将所述模型的所述参数置换为所述重新生成后的参数。

Description

控制系统以及控制方法
技术领域
本发明涉及控制系统以及控制方法。
本申请对2019年8月7日提出申请的日本专利申请第2019-145668号要求优先权，将其内容沿用于此。
背景技术
在作为水处理的一个例子的污水处理的过程中，例如使用厌氧缺氧好氧(A2O：Anaerobic－Anoxic－Oxic)法等方法，进行净化流入水的污水并放出规定水质的排放水的处理。在与这样的水处理相关联的过程中，为了实现高效化，提出使用了模型的过程的控制。在特开2017－91056号公报中公开了自动生成表示包含污水处理厂(plant)的厂的特性的最优化计算用的模型的技术。
但是，污水处理厂的环境伴随季节或周边环境变迁、或者设备的老化等而变化。为了维持排放水的水质的预测精度，希望基于环境的变化而调整模型的特性式的系数(参数)。但是，在特开2019－13858号公报中公开的技术中，模型的调整定时、是否采用调整后的模型的判定被委托给用户。因此，模型不一定能够追随处理过程的环境的变化。
发明内容
(1)本发明为了解决上述课题而完成，本发明的一个方式是控制系统，包括：运算部，使用与水处理有关的过程的模型，基于包含表示流向所述过程的流入水的水质的流入水质以及对于所述过程的操作量的输入变量，运算包含表示来自所述过程的排放水的水质的排放水质的输出变量，获取所述操作量和所述输出变量的组合中满足规定的限制条件的所述组合；控制部，基于所述运算部获取的所述组合的所述操作量控制所述过程；以及校准部，定期地重新生成表示所述模型的特性的参数，在根据重新生成后的所述参数而运算出的所述排放水质比根据重新生成前的所述参数而运算出的所述排放水质更接近所述排放水质的测量值的情况下，将所述模型的所述参数置换为所述重新生成后的参数。
(2)本发明的另一方式是(1)的控制系统，所述校准部基于第1期间中测量到的所述输入变量以及所述输出变量，重新生成所述参数，基于第2期间中测量到的所述输入变量，在根据所述重新生成后的参数而运算出的所述排放水质比根据所述重新生成前的参数而运算出的所述排放水质更接近在所述第2期间中测量到的所述排放水质的情况下，置换为所述重新生成后的参数。
(3)本发明的另一方式是(1)或者(2)的控制系统，所述操作量包含曝气中的送风量、和表示在所述过程中流入的所述流入水的量的抽水量，所述流入水质包含浑浊度，所述排放水质包含全氮浓度、全磷浓度以及化学需氧量的至少其中一个。
(4)本发明的另一方式是(3)的控制系统，所述校准部基于所述抽水量的增减，调整与所述输入变量各自的所述排放水质对应的滞后时间。
(5)本发明的另一方式是(1)的控制系统，所述运算部基于与时间段相应的电力成本的信息，获取满足所述规定的限制条件的所述组合中、在规定期间中的所述电力成本的合计最小的所述组合。
(6)本发明的另一方式是(5)的控制系统，所述运算部除了所述电力成本，还使用消耗能量以及CO2排出量的其中一个来获取所述组合。
(7)本发明的另一方式是(1)的控制系统，所述限制条件是所述排放水质为比规定的基准值更好的值这样的条件。
(8)本发明的另一方式是(1)的控制系统，所述运算部获取包含表示在处理水中溶解的氧的浓度的溶解氧浓度的过程数据，在所述溶解氧浓度比规定的范围低的情况下，使曝气中的送风量增加，在所述溶解氧浓度比规定的范围高的情况下，使所述送风量减少。
(9)本发明的另一方式是(8)的控制系统，所述运算部获取包含所述处理水的氨态氮浓度的过程数据，在所述氨态氮浓度超过阈值、且呈上升趋势的情况下，使所述送风量增加。
(10)本发明的另一方式是(4)的控制系统，所述滞后时间表示从所述输入变量的值变化开始，至对所述排放水质表现出影响为止的时间上的延迟。
(11)本发明的另一方式是具有运算部、控制部和校准部的控制系统中的控制方法，通过所述运算部，使用与水处理有关的过程的模型，基于包含表示流向所述过程的流入水的水质的流入水质以及对于所述过程的操作量的输入变量，运算包含表示来自所述过程的排放水的水质的排放水质的输出变量，通过所述运算部，获取所述操作量和所述输出变量的组合中满足规定的限制条件的所述组合，通过所述控制部，基于所述运算部获取的所述组合的所述操作量控制所述过程，通过所述校准部，定期地重新生成表示所述模型的特性的参数，通过所述校准部，在根据重新生成后的所述参数而运算出的所述排放水质比根据重新生成前的所述参数而运算出的所述排放水质更接近所述排放水质的测量值的情况下，将所述模型的所述参数置换为所述重新生成后的参数。
(12)本发明的另一方式是(11)的控制方法，通过所述校准部，基于第1期间中测量到的所述输入变量以及所述输出变量，重新生成所述参数，基于第2期间中测量到的所述输入变量，在根据所述重新生成后的参数而运算出的所述排放水质比根据所述重新生成前的参数而运算出的所述排放水质更接近在所述第2期间中测量到的所述排放水质的情况下，置换为所述重新生成后的参数。
(13)本发明的另一方式是(11)或者(12)的控制方法，所述操作量包含曝气中的送风量、和表示在所述过程中流入的所述流入水的量的抽水量，所述流入水质包含浑浊度，所述排放水质包含全氮浓度、全磷浓度以及化学需氧量的至少任意一个。
(14)本发明的另一方式是(13)的控制方法，通过所述校准部，基于所述抽水量的增减，调整与所述输入变量各自的所述排放水质对应的滞后时间。
(15)本发明的另一方式是(11)的控制方法，通过所述运算部，基于与时间段相应的电力成本的信息，获取满足所述规定的限制条件的所述组合中、在规定期间中的所述电力成本的合计最小的所述组合。
(16)本发明的另一方式是(15)的控制方法，通过所述运算部，还使用消耗能量以及CO2排出量的其中一个来获取所述组合。
(17)本发明的另一方式是(11)的控制方法，所述限制条件是所述排放水质为比规定的基准值更好的值这样的条件。
(18)本发明的另一方式是(11)的控制方法，通过所述运算部，获取包含表示在处理水中溶解的氧的浓度的溶解氧浓度的过程数据，在所述溶解氧浓度比规定的范围低的情况下，使曝气中的送风量增加，在所述溶解氧浓度比规定的范围高的情况下，使所述送风量减少。
(19)本发明的另一方式是(18)的控制方法，通过所述运算部，获取包含所述处理水的氨态氮浓度的过程数据，在所述氨态氮浓度超过阈值，并且呈上升趋势的情况下，使所述送风量增加。
(20)本发明的另一方式是(14)的控制方法，所述滞后时间表示从所述输入变量的值变化开始，至对所述排放水质表现出影响为止的时间上的延迟。
本发明的更多特征以及方式，参照添加附图，从以下叙述的实施方式的详细的说明会变得清楚。
附图说明
图1是表示一般的污水处理系统的一个例子的方框图。
图2是表示本实施方式的控制系统的结构的方框图。
图3是简易地表示本实施方式中的模型的图。
图4是表示本实施方式的控制运算部的处理的一个例子的流程图。
图5是说明本实施方式的送风量的校正处理(图4的步骤S17)的流程图。
图6本实施方式的模型的参数的组(set)的调整处理的一个例子的流程图。
图7是说明分别使用了调整前以及调整后的参数的组的情况下的排放水质的估计值、以及拟合优度的一个例子的图。
图8是表示本实施方式的滞后时间的调整处理的一个例子的流程图。
图9是简易地表示污泥的处理过程中的模型的图。
图10是简易地表示消化气体发电的处理过程中的模型的图。
具体实施方式
参照优选实施方式说明本发明的实施方式。本领域的技术人员可以利用本发明的教导实现本实施方式许多代替方案，本发明不限于这里说明的优选的本实施方式。
本发明的一个方式提供可以使模型追随处理过程的环境的变化的控制系统以及控制方法。
以下，参照附图，说明本发明的控制系统以及数据处理方法的实施方式。在本实施方式中，作为水处理的一个例子，例示污水处理。
[概要]
本发明的实施方式是能够使模型追随处理过程的环境的变化的方式。通过使用追随环境的变化的模型，可以维持排放水质的预测精度，能够适当地进行处理过程的控制。而且，根据本发明的另一个方式，能够使用一边追随处理过程的环境的变化，一边降低电力成本的模型。
在污水处理系统的过程的模型中，例如使用在特开2017－91056号公报中公开的最优化计算用的模型。通过使用模型，可以运算流入水的水质、以及与流入量对应的排放水的水质的预测值。
污水处理厂的环境基于季节或周边环境的变化、设备的老化等而变化。例如，伴随季节的变化，流入水的温度或水质变化。伴随设备的老化，设备的能力变化。伴随这些变化，处理水内的微生物的活动状态或过程的处理速度变化。即，污水处理的特性由于环境的变化而变化。
在模型的特性无法追随污水处理厂的环境的变化的情况下，使用模型而运算出的排放水的水质的预测值的精度降低。若预测值的精度降低，则难以适当地控制处理过程。因此，为了适当地操作处理过程，希望使用反映了环境的变化的模型。
但是，模型的调整定时或是否采用调整后的模型的判定被委托给用户。而且，用户也不容易适当地判定模型的调整定时或是否采用调整后的模型。因此，模型不一定可以追随处理过程的环境的变化。
本发明的实施方式的控制系统使用与水处理有关的过程的模型，运算来自过程的包含表示排放水的水质的排放水质的输出变量。控制系统基于包含表示流向过程的流入水的水质的流入水质和对于过程的操作量的输入变量，运算输出变量。控制系统获取操作量和输出变量的组合中满足规定的限制条件的组合。控制系统基于获取的组合的操作量控制过程。
控制系统定期地重新生成表示模型的特性的参数。在根据重新生成后的参数而运算出的排放水质比根据重新生成前的参数而运算出的排放水质更接近排放水质的测量值的情况下，控制系统将模型的参数置换为重新生成后的参数。
由此，控制系统可以使模型追随处理过程的环境的变化。
[第1实施方式]
＜污水处理系统的流程＞
图1是表示一般的污水处理系统的一个例子的方框图。图1例示基于厌氧缺氧好氧法的污水处理系统。
在最初沉淀池P01中，从流入渠P20流入的污水中包含的固形物被沉淀去除。在厌氧槽P02中，流入来自最初沉淀池P01的上层清液，并且送返污泥从最终沉淀池P05经由管P10被送返。管P10连接最终沉淀池P05和厌氧槽P02。在厌氧槽P02中，微生物摄取处理水中的醋酸和丁酸，并将磷酸排出到处理水中。
在无氧槽P03中，处理水从厌氧槽P02流入，并且包含硝酸态氮的送返水(硝化液)从好氧槽P04的后级经由管P08被送返。管P08连接好氧槽后级和无氧槽P03。在无氧槽P03中，通过微生物的呼吸，硝化液中包含的硝酸以及氧变为氮，被排放到空中(脱氮)。
在好氧槽P04中，对从无氧槽P03流入的处理水进行曝气P13。即，在好氧槽P04中，通过曝气P13，溶解氧和处理水中的氨态氮变为硝酸态氮(硝化)。例如，通过控制送风量，曝气P13被控制。而且，在好氧槽P04中微生物摄取磷。
在最终沉淀池P05中，从好氧槽P04流入的处理水中，包含摄取了磷的微生物的活性污泥被沉淀去除(脱磷)，上层清液被放出部P06放出。沉淀的活性污泥的一部分作为送返污泥，从最终沉淀池P05经由管P10被送返至厌氧槽P02。剩余的活性污泥作为剩余污泥，经由连接最终沉淀池P05和放出部P06的管P11被排出至放出部P06。
＜控制系统的结构＞
说明本发明的实施方式的控制系统的一个结构例。图2是表示本实施方式的控制系统CS1的结构的方框图。图2所示的控制系统CS1是具有监视控制部F02、数据保存部F03、以及模型预测控制部F04的污水处理过程的控制系统。
图2所示的污水处理过程F01具有与图1所示的污水处理过程F01同样的结构。在污水处理过程F01中，过程数据被定期地(例如，1～15分钟间隔)获取，被输出到监视控制部F02。过程数据是在污水处理过程F01的各测量点测量到的值。
本实施方式中的过程数据例如包含：流入量、流入渠水位、浑浊度、DO(DissolvedOxygen，溶解氧浓度)、NH4－N(氨态氮浓度)、T－N(全氮浓度)、T－P(全磷浓度)、COD(Chemical Oxigen Demand，化学需氧量)等。以下，叙述过程数据的各值的说明。
流入量是在污水处理过程F01中流入的流入水的每单位时间的量。在图1所示的例子中，流入量是在流入渠P20中流入的水量。而且，在图1所示的例子中，抽水量是从流入渠P20被放出到最初沉淀池P01的水量。抽水量通过被设置在至最初沉淀池P01的流入口的传感器P14进行测量。流入渠水位表示在流入渠P20中存储的水的水位。浑浊度是表示处理水的浑浊程度的指标。在图1所示的例子中，浑浊度通过在厌氧槽P04的前级设置的传感器P15进行测量。
DO、以及NH4－N是作为污水处理过程F01的一个工序的曝气P13的管理指标。DO表示在处理水中溶解的氧的浓度。好氧槽P04中的DO相当于因曝气而被供给的空气量(氧量)与被处理水中的微生物消耗的氧量之差。NH4－N表示在处理水中包含的氨态氮浓度。NH4－N由于处理水中包含的氮化合物的分解而增加，增加的NH4－N由于处理水中的微生物而减少，该微生物通过因曝气而供给的氧而活动。在图1所示的例子中，DO以及NH4－N通过在好氧槽P04中设置的传感器P17、P18而被分别测量。
T－N、T－P、以及COD是表示从污水处理过程F01排放的排放水的水质(排放水质)的指标。T－N是排放水中包含的全体氮化合物的浓度。T－P是排放水中包含的全体磷氧化合物的浓度。COD表示为了对排放水中的可氧化物质进行氧化所需要的氧量。在本实施方式的控制系统CS1中，既可以采用T－N、T－P、COD中的任意一个，也可以采用它们中的两个或者全部。在图1所示的例子中，作为排放水质，通过在从最终沉淀池P05的放出口设置的传感器P19测量T－N。
监视控制部F02监视或者控制污水处理过程F01的状态。监视控制部F02将从污水处理过程F01逐次被输入的过程数据存储在数据保存部F03中。
而且，在监视控制部F02中被输入来自模型预测控制部F04的输出值，作为对于污水处理过程F01的操作量。另外，来自模型预测控制部F04的输出值也可以被输入至数据保存部F03。并且，来自模型预测部F04的输出值也可以经由数据保存部F03而被输入至监视控制部F02，来作为对于污水处理过程F01的操作量。操作量例如包含：抽水量、控制作为污水处理过程F01的一个工序的曝气P13的送风量以及送风机的数目。抽水量表示污水处理过程F01的处理对象的污水，即污水的处理量。
监视控制部F02将表示操作量的控制信号输出到污水处理过程F01。而且，监视控制部F02将各时间点的操作量的各值与过程数据相关联而存储在数据保存部F03中。
监视控制部F02也可以具有显示监视画面的显示部(显示器)。在监视画面中，以时间序列的方式显示各时间点的过程数据或操作量。在监视画面中，显示用于控制模型预测控制部F04的处理的信息。
监视控制部F02基于污水处理过程F01的规模，可以通过监视屏(盘)、PLC(Programmable Logic Controller，可编程逻辑控制器)、SCADA(Supervisory Controland Data Acquisition，监督控制和数据采集)、DCS(Distributed Control System，分布式控制系统)等任意方式实现。
数据保存部F03具有存储介质。数据保存部F03存储从监视控制部F02逐次输出的过程数据以及操作量。在数据保存部F03中，各时间点的过程数据以及操作量被累积。
而且，数据保存部F03也可以与监视控制部F02和模型预测控制部F04的其中一个一体化而构成。
模型预测控制部F04包括：模型构建部F05、自动校准部F06、控制运算部F07、以及运转辅助部F08。
模型构建部F05构建从数据保存部F03读取的过程数据，生成污水处理过程F01的模型。模型包含特性式的系数(参数的组)和滞后时间的信息。参数的组表示模型的特性。对于滞后时间在后叙述。例如，模型构建部F05利用特开2017－91056号公报中记载的厂模型(plant mode)创建方法来生成模型。
图3是简易地表示本实施方式的模型的图。图3所示的模型是将流入水质(浑浊度)以及操作量作为输入变量，将管理指标(DO，NH4－N)以及排放水质作为输出变量的数理模型。操作量是抽水量、送风量、以及送风机的数目。
流入水质例如是在图1中说明的浑浊度传感器P15的测量值。操作量例如是在图1中说明的抽水量、送风量以及送风机(P16)的数目。管理指标是在图1中说明的反应槽中的DO以及NH4－N。排放水质例如是T－N。
模型构建部F05生成模型(参数的组，滞后时间)。模型构建部F05将流入水质(测量值)以及操作量(实际值)作为输入而计算参数的组，使得算出的管理指标以及排放水质接近测量值。模型构建部F05将算出的参数的组设定在最优化运算部F07b所存储的模型定义文件312中。
在计算参数的组时，模型构建部F05考虑各变量的滞后时间来计算参数的组。各变量是流入水质(浑浊度)、抽水量、送风量、送风机的数目、DO、以及NH4－N。滞后时间表示从变量的值变化开始，至对排放水质表现出影响为止的时间上的延迟。
模型构建部F05计算对于排放水质的各变量的滞后时间。模型构建部F05对于各变量，判定每个延迟时间的相关性。即，模型构建部F05对每个延迟时间判定使变量值延迟了相当于延迟时间的情况下的时间序列的值的推移、与排放水质的时间序列的测量值的推移有无相关性。模型构建部F05对于各变量，将相关性最强的延迟时间决定作为该变量的滞后时间。模型构建部F05将各变量的滞后时间设定在最优化运算部F07b所存储的滞后时间定义文件313中。
自动校准部F06进行模型构建部F05生成的模型的校准(校正)。自动校准部F06具有模型参数调整部F06a和滞后时间调整部F06b。
模型参数调整部F06a定期地基于学习期间的过程数据，重新生成模型的参数的组。模型参数调整部F06a基于评价期间的过程数据，判定参数的组的预测精度。在重新生成的参数的组的预测精度高于重新生成前的参数的组的预测精度时，模型参数调整部F06a更新模型。重新生成前的参数的组是最优化运算部F07b中设定的重新生成前的参数的组。模型参数调整部F06a重新生成参数的组的方法与模型构建部F05的方法相同。
滞后时间调整部F06b定期地进行滞后时间的调整处理。滞后时间调整部F06b基于学习期间中的、作为操作量之一的抽水量的增减，调整各变量的滞后时间。滞后时间调整部F06b基于评价期间的过程数据，判定基于调整后的滞后时间的预测精度。在基于调整后的滞后时间的预测精度高于基于最优化运算部F07b中设定的滞后时间的预测精度时，滞后时间调整部F06b更新模型。
控制运算部F07具有最优化运算部F07b和切换部F07c。
最优化运算部F07b使用模型定义文件312的参数的组和滞后时间定义文件313的滞后时间，运算预测值。最优化运算部F07b计算与流入水质(例如浑浊度)以及操作量对应的管理指标(DO，NH4－N)以及排放水质(例如T－N)来作为预测值。将流入水质、操作量、管理指标以及排放水质的各值的组合称为运算组。
最优化运算部F07b计算满足预先设定的限制条件的运算值的组。最优化运算部F07b例如计算电力成本为最小的组。最优化运算部F07b将算出的运算值的组中包含的操作量输出到切换部F07c。最优化运算部F07b将算出的运算值的组中包含的操作量、管理指标以及排放水质输出到运转辅助部F08。
在从运转辅助部F08输入的操作信号表示自动设定的情况下，切换部F07c将操作量作为设定值而输出到监视控制部F02。另一方面，在操作信号表示手动设定的情况下，切换部F07c将操作量输出到运转辅助部F08。
运转辅助部F08具有辅助污水处理过程F01的控制或管理的功能。运转辅助部F08与显示信息的显示部(未图示，例如，显示器)、操作输入部(未图示，例如，触摸传感器、鼠标、按钮等)连接。
在操作信号表示手动设定的情况下，运转辅助部F08从切换部F07c接收操作量。运转辅助部F08若经由操作输入部接受到表示操作量的适用的操作信号，则将该操作量输出到监视控制部F02。运转辅助部F08也可以经由操作输入部，接受操作量的各值的输入。
运转辅助部F08也可以使显示部显示以时间序列的方式表示从最优化运算部F07b输入的管理指标以及排放水质的运算值的管理画面。运转辅助部F08也可以对管理画面进一步显示从最优化运算部F07b输入的操作量的各值。用户可以通过管理画面，判断操作量、管理指标、以及排放水质的合理性。而且，在管理画面中，也可以进一步显示预先设定的管理指标以及排放水质的基准值。
运转辅助部F08也可以使显示部显示自动校准的确认画面。运转辅助部F08使显示部显示包含使用调整前后的参数的各个组而算出的时间序列的排放水质的预测值及其拟合优度的确认画面。而且，运转辅助部F08也可以使显示部显示使用调整前后的各个滞后时间而算出的时间序列的排放水质的预测值及其拟合优度的确认画面。
而且，运转辅助部F08也可以通过确认画面，接受表示学习期间或评价期间的变更的操作信号。进一步，运转辅助部F08也可以通过确认画面，接受表示管理指标、以及排放水质各自的上限值以及下限值的变更的操作信号。而且，也可以显示在变更了上限值以及下限值的情况下运算出的运算值的组的模拟结果。
＜控制运算处理的流程＞
图4是表示本实施方式的控制运算部F07的处理的一个例子的流程图。控制运算部F07以固定时间(例如，1～15分钟)间隔执行图4所示的控制运算处理。
(步骤S11)最优化运算部F07b从数据保存部F03读取当前时间点的过程数据。读取对象的过程数据例如包含浑浊度、流入渠水位以及DO等。而且，最优化运算部F07b获取干线流量的信息。干线流量是从干线流入的每单位时间的量。干线流量可以是预测值，也可以是实际值。干线流量例如基于天气、星期等进行预测。
(步骤S12)控制运算部F07进行最优化运算。即，控制运算部F07使用模型，在规定的限制条件下，运算与读取的浑浊度以及操作量对应的DO以及NH4－N以及排放水质。而且，控制运算部F07基于运算结果，获取电力成本变低的操作量。以下，具体说明步骤S12的处理。
最优化运算部F07b读取模型定义文件312以及滞后时间定义文件313，获取参数的组以及各滞后时间。最优化运算部F07b使用参数的组以及滞后时间，计算基于浑浊度以及操作量的排放水质、DO以及NH4－N(模型运算)。
在模型运算中，最优化运算部F07b计算经过了与浑浊度以及操作量各值各自的滞后时间相当的时间后的排放水质、DO以及NH4－N。而且，在计算DO时，最优化运算部F07b计算经过了从浑浊度以及操作量的各值的各滞后时间减去DO的滞后时间而得到的各差分时间后的DO。该各差分时间相当于对于浑浊度以及操作量的各值各自的DO的滞后时间。对于计算NH4－N的情况也是同样的。
这里浑浊度是在计算的时间点的过程数据。计算的时间点意味着直至该时刻为止的最新的时刻，也可以不与该最新的时间点的时刻严格一致。操作量是预先设定的操作范围中的抽水量、送风量、以及送风机的数目。操作范围是从可实现或者被允许的值的下限至上限之间的范围。
抽水量的操作范围可以被预先设定，也可以基于干线流量和流入渠水位的估计值而被动态地设定。作为送风量的操作范围，也可以将以该时间点的送风量为基准而降低规定的比率的值、与曝气设备的最小输出之中的较高一方设定作为下限。作为送风量的操作范围，也可以将以该时间点的送风量作为基准而提高规定的比率的值、与曝气设备的最大输出之中的较低一方设定作为上限。作为送风机的数目的操作范围，例如设定曝气设备所具有的送风机的数目的范围。
最优化运算部F07b对满足限制条件的运算值的组进行运算，所述运算值的组中，浑浊度以及操作量、与算出的排放水质、DO以及NH4－N被进行了关联。最优化运算部F07b例如将由浑浊度以及操作量的各值构成的输入变量的包罗性的组合作为输入，进行运算处理。
限制条件例如是排放水质为比规定的基准值更良好的值这样的条件。在排放水质的指标为T－N、T－P或者COD的情况下，任意一个都表示其值越小排放水质为越好的值。限制条件也可以进一步包含管理指标的条件。管理指标的条件例如是DO为比规定的DO的基准值更好的值(即，更大的值)这样的条件。而且，管理指标的其它条件是NH4－N为比规定的NH4－N的基准值更好的值(即，更小的值)这样的条件。
最优化运算部F07b在满足限制条件的运算值的组中，获取电力成本为最小的运算值的组(最优解)。例如，最优化运算部F07b估计假定为基于各个运算值的组进行控制的情况下的规定期间(例如，24小时)中的电力成本。然后，最优化运算部F07b获取规定期间的电力成本为最小的运算值的组(最优解)。最优解例如根据MILP(混合整数规划法)等算法导出。
电力成本根据操作量(抽水量、送风量、送风机的数目)的各值的组合而变动。即使在输出同量的送风量的情况下，根据送风机的数目和送风期间的组合，电力成本也不同。而且，电费基于时间段而不同。例如，夜间段的电费与白天段的电费比较，有便宜的趋势。因此，即使在处理同量的抽水量的情况下，基于处理的时间段，电力成本也不同。例如，在抽水量在白天段减少、在夜间段增加的情况下，可以一边维持一天中的抽水量的总量一边抑制电力成本。
例如，多个送风机各自的种类和额定电压等不同。而且，即使是同一种类，在各送风机中也存在个体差，老化的程度也不同。因此，即使在进行控制以便输出同量的送风量的情况下，根据运转的送风机，电力成本也不同。因此，最优化运算部F07b也可以对包含运转对象的送风机的识别信息的运算值的组进行运算，来作为电力成本为最小的运算值的组。
最优化运算部F07b除了电力成本，也可以进一步使用消耗能量以及CO2排出量的其中一个来获取运算组。
(步骤S13)最优化运算部F07b判定最优化运算是否已成功。在获取了满足限制条件的运算值的组的情况下，最优化运算部F07b判定为最优化运算已成功。另一方面，在不存在满足限制条件的运算值的组的情况下，最优化运算部F07b判定为最优化运算已失败。
(步骤S14)在最优化运算已成功的情况下(步骤S13的“是”)，最优化运算部F07b将算出的运算组的操作量输出到切换部F07c。由此，算出的操作量被输出到运转辅助部F08或者监视控制部F02。接着，进至步骤S16。
(步骤S15)另一方面，在最优化运算已失败的情况下(步骤S13的“否”)，最优化运算部F07b不输出运算值的组。因此，在运转辅助部F08以及监视控制部F02中保持上次输出的操作量。由此，可以避免基于不适当的操作量进行控制。接着，进至步骤S16。
(步骤S16)最优化运算部F07b获取在基于设定的操作量的情况下的、从数小时至十几小时后的管理指标、排放水质以及流入渠水位的预测值。具体地说，最优化运算部F07b使用模型，计算基于浑浊度以及设定的操作量的管理指标以及排放水质的预测值。最优化运算部F07b基于在步骤S11中获取的干线流量和设定的抽水量而计算流入渠水位的预测值。
(步骤S17)最优化运算部F07b基于好氧槽P04的状态，进行设定的操作量的校正。通过基于好氧槽P04的状态校正操作量，可以使处理过程的状态稳定。根据图5的流程图在后叙述步骤S17的处理。
而且，在步骤S17中操作量被校正了的情况下，最优化运算部F07b也可以计算在基于校正后的操作量的情况下的排放水质以及流入渠水位的预测值。
(步骤S18)最优化运算部F07b经由运转辅助部F08使管理画面显示操作量的各值、算出的排放水质以及流入渠水位的预测值。这时，作为操作量，最优化运算部F07b也可以显示多个送风机各自的运转计划。例如，最优化运算部F07b显示数小时前的各送风机的运转模式。由此，能够预先准备送风机的运转的切换。
图5是说明送风量的校正处理(图4的步骤S17)的流程图。
(步骤S21)最优化运算部F07b判定作为管理指标之一的当前的DO。具体地说，最优化运算部F07b判定在步骤S11(图4)中获取的当前的DO是否被包含在规定的值范围内。
(步骤S22)在当前的DO未包含在规定的值范围内的情况下(S21的“否”)，最优化运算部F07b校正操作量。最优化运算部F07b例如校正送风量。具体地说，在当前的DO低于规定的范围的情况下，最优化运算部F07b使送风量增加相当于值α的量。值α是任意的设定值。由此，对好氧槽P04供给的空气量(氧量)被增加，处理水中的微生物被活性化，促进NH4－N的分解。另一方面，在当前的DO高于规定的范围的情况下，最优化运算部F07b使送风量减少相当于值β的量。值β是任意的设定值。由此，送风机P16的驱动电力被降低，污水处理过程F01中的电力成本被削减。操作量的校正后，图5的流程图的处理结束。
(步骤S23)另一方面，在当前的DO被包含在规定的值范围的情况下(S21的“是”)，最优化运算部F07b判定作为管理指标之一的NH4－N的预测值(例如，5小时后的值)。最优化运算部F07b判定在步骤S16(图4)中算出的NH4－N的预测值是否超过任意的阈值、且处于上升趋势。
(步骤S24)在NH4－N超过阈值、且处于上升趋势的情况下(S23的“是”)，排放水质恶化的可能性高。因此，最优化运算部F07b校正操作量。最优化运算部F07b例如为了供给氧并促进NH4－N的分解，使送风量增加相当于值γ的量。值γ是任意的设定值。在操作量的校正后，图5的流程图的处理结束。
另一方面，在NH4－N为阈值以下，或者不处于上升趋势的情况下(S23的“否”)，排放水质恶化的可能性低。因此，最优化运算部F07b不进行操作量的校正。
这样，最优化运算部F07b基于表示好氧槽P04的状态的管理指标的当前的值以及预测值，校正操作量。由此，在判定为好氧槽P04的状态不稳定的情况下，或者预测变得不稳定的情况下，可以进行控制，使其稳定。因此，可以一边维持好氧槽P04的水质一边继续处理过程的操作。
＜参数的组的调整处理＞
图6是表示本实施方式的模型的参数的组的调整处理的一个例子的流程图。模型参数调整部F06a定期地进行参数的组的调整处理。例如，模型参数调整部F06a在由调度员(调度程序、调度器；scheduler)等指定的规定的定时(例如，每周周日0：00)进行参数的组的调整处理。
(步骤S31)模型参数调整部F06a获取学习期间以及评价期间。学习期间以及评价期间例如通过运转辅助部F08的操作输入部而被设定。例如，学习期间为从二周间前至一周间前为止的一周的期间。例如，评价期间是学习期间之后的一周的期间。
(步骤S32)模型参数调整部F06a从数据保存部F03获取学习期间以及评价期间中的过程数据。
(步骤S33)模型参数调整部F06a基于学习期间的过程数据重新生成模型的参数的组。模型参数调整部F06a基于在学习期间测量到的浑浊度、操作量、管理指标、以及排放水质，重新生成参数的组。模型的生成方法与模型构建部F05同样。
(步骤S34)模型参数调整部F06a使用评价期间的过程数据，计算重新生成前以及重新生成后的各参数的组各自的预测精度。
模型参数调整部F06a根据重新生成的参数的组，运算与在评价期间测量到的浑浊度以及操作量对应的排放水质。如前所述，在进行模型运算时，考虑滞后时间。模型参数调整部F06a计算作为运算结果的排放水质与在评价期间测量到的排放水质的拟合优度，作为预测精度的评价值。
同样，模型参数调整部F06a根据重新生成前的(在最优化运算部F07b中设定的)参数的组，运算与在评价期间测量到的浑浊度以及操作量对应的排放水质。同样，考虑滞后时间。模型参数调整部F06a计算作为运算结果的排放水质与在评价期间测量到的排放水质的拟合优度，作为预测精度的评价值。
作为精度的评价值，例如能够利用MAPE(Mean Absolute Percentage Error；平均绝对百分比误差)、RMSE(Root Mean Squared Error，均方根误差)、相关系数R、决定系数R2等任意一个。MAPE以及RMSE表示其值越大拟合优度越低。相关系数R表示其值越大拟合优度越高。决定系数R2表示其值越大拟合优度越高。
(步骤S35)模型参数调整部F06a判定重新生成的参数的组的预测精度是否比重新生成前的参数的组的预测精度更高。在排放水质包含多个变量的情况下，模型参数调整部F06a也可以基于各变量的拟合优度的平均值进行比较。而且，模型参数调整部F06a也可以在排放水质中包含的多个变量中，基于优先级高的变量的拟合优度进行比较。
(步骤S36)在重新生成的参数的组的预测精度比重新生成前的参数的组的预测精度更高的情况下(步骤S35的“是”)，模型参数调整部F06a更新模型。即，模型参数调整部F06a将重新生成的参数的组设定在模型定义文件312中。
另一方面，在重新生成的参数的组的预测精度为重新生成前的参数的组的预测精度以下的情况下(步骤S35的“否”)，模型不被更新。
这样，模型参数调整部F06a基于评价期间的过程数据，评价基于学习期间的过程数据重新生成的参数的组。模型参数调整部F06a仅在重新生成的参数的组的预测精度比正在使用的参数的组的预测精度更高的情况下，更新模型。另一方面，在重新生成的参数的组的预测精度为正在使用的参数的组的预测精度以下的情况下，模型参数调整部F06a不更新模型。
由此，在判定为基于重新生成后的参数的组的预测精度正在提高的情况下，模型被更新为重新生成后的参数的组。换言之，仅在判定为重新生成的参数的组追随了环境的变化的情况下，模型被更新。在本实施方式中，仅在判定为重新生成的参数的组追随了环境的变化的情况下更新模型这样的一连串的处理被定期地进行。由此，可以使模型的特性追随环境的变化。
而且，评价期间是学习期间的后续的期间。即，判定基于以前的期间的过程数据重新生成的参数的组是否适合以后的期间的过程数据的特性。由此，可以进一步适当地判定重新生成的参数的组是否追随了环境的变化。
而且，模型参数调整部F06a也可以经由运转辅助部F08，显示使用了调整前后的参数的组的情况下的排放水质及其拟合优度。由此，可以直观地探测在基于调整前和调整后的各个参数的组的情况下的排放水质及其拟合优度的差异。
图7是说明在分别使用了调整前以及调整后的参数的组的情况下的排放水质的估计值以及拟合优度的一个例子的图。
图7的上级的左方表示使用了调整前的参数的组的情况下的、评价期间中的T－N的实际值(测量值)和估计值(计算值)的时间序列的推移和MAPE。在该例中，MAPE是13.18％。图7的上级的右方表示使用了调整前的参数的组的情况下的评价期间中的COD的实际值(测量值)和估计值(计算值)的时间序列的推移和MAPE。在该例中，MAPE为39.44％。
图7的下级的左方表示使用了调整后的参数的组的情况下的、评价期间中的T－N的实际值和估计值的时间序列的推移和MAPE。MAPE是11.04％。图7的下级的右方表示使用了调整后的参数的组的情况下的、评价期间中的COD的实际值和估计值的时间序列的推移和MAPE。MAPE是6.99％。
就MAPE的值而言，其值越小拟合优度越高。若根据图7的例子，对于T－N以及COD的任意一个，基于调整后的参数的组的拟合优度都比基于调整前的参数的组的拟合优度更高。例如，若参照图7所示的COD的值，则调整后的实际值和测量值之间的差分比调整前的实际值和测量值之间的差分更小。因此，模型参数调整部F06a判定为调整后的模型的预测精度比调整前的模型的预测精度更高。
＜滞后时间的调整处理＞
图8是表示本实施方式的滞后时间的调整处理的一个例子的流程图。滞后时间调整部F06b定期地进行滞后时间的调整处理。例如，滞后时间调整部F06b在由调度员(调度程序、调度器；scheduler)等指定的规定的定时(例如，每月的第1个周日0：00)，进行滞后时间的调整处理。
而且，滞后时间的调整处理也可以在参数的组的调整处理之后执行。或者，滞后时间的调整处理也可以进一步在抽水量增减了规定的值以上的情况下被执行。
(步骤S41)滞后时间调整部F06b获取学习期间以及评价期间。学习期间以及评价期间例如通过运转辅助部F08的操作输入部而被设定。学习期间以及评价期间可以与参数的组的调整处理相同，也可以不同。
(步骤S42)滞后时间调整部F06b从数据保存部F03获取学习期间以及评价期间的过程数据。
(步骤S43)滞后时间调整部F06b基于学习期间中的抽水量的增减，调整滞后时间。在本实施方式中抽水量是操作量的一个例子，其值进行增减。根据抽水量的增减，至反应槽的流入水的流量变化。由于至反应槽的流入水的流量的变化，反应槽中的流入水的滞留时间也变化，所以各变量的滞后时间也变动。因此，滞后时间调整部F06b根据下记所示的式1～式3，进行滞后时间的调整处理。
抽水量理论滞留时间＝反应槽的容积/抽水量…(式1)
滞后时间变动率＝抽水量理论滞留时间/抽水量滞后时间的初始值…(式2)
调整后的滞后时间＝各变量的滞后时间的初始值×滞后时间变动率…(式3)
式1中的抽水量理论滞留时间表示流入水在反应槽(图1所示的P02，P03，P04)中滞留的期间。若抽水量增加，则流入水的流量增加。因此，在反应槽(图1所示的P02，P03，P04)中滞留的时间(抽水量理论滞留时间)在抽水量多的情况下变短，在抽水量少的情况下变长。
在式2中，基于抽水量理论滞留时间和抽水量的滞后时间的初始值，计算滞后时间的变动率。若伴随抽水量的增加，抽水量理论滞留时间变短，则滞后时间变动率变为不足“1”的值。另一方面，若伴随抽水量的降低，抽水量理论滞留时间变长，则滞后时间变动率变为“1”以上的值。
在式3中，对于各变量，通过对初始值的滞后时间乘以在式2中算出的滞后时间变动率，计算调整后的滞后时间。具体地说，若伴随抽水量的增加，抽水量理论滞留时间变短，则进行调整，使得滞后时间变短。另一方面，若伴随抽水量的降低抽水量理论滞留时间变长，则进行调整，使得滞后时间变长。
这样，根据式1～式3，基于与抽水量的增减相应的流入水的反应槽(P02，P03，P04)中的滞留时间的变化率而调整滞后时间。因此，即使在抽水量增减的情况下，也根据其增减的程度适当地调整滞后时间。由此，即使在抽水量的值变动的情况下，也可以维持排放水质的预测精度。
(步骤S44)滞后时间调整部F06b使用评价期间的过程数据，计算分别基于调整前以及调整后的滞后时间的预测精度。预测精度的评价值与参数的组的拟合优度的评价值相同。
滞后时间调整部F06b根据参数的组以及调整后的滞后时间，运算与在评价期间测量到的浑浊度以及操作量对应的排放水质。滞后时间调整部F06b计算作为运算结果的排放水质与在评价期间测量到的排放水质的拟合优度，作为预测精度的评价值。
同样，滞后时间调整部F06b基于参数的组以及调整前的滞后时间，运算与在评价期间测量到的浑浊度以及操作量对应的排放水质。滞后时间调整部F06b计算作为运算结果的排放水质与在评价期间测量到的排放水质的拟合优度，作为预测精度的评价值。
(步骤S45)滞后时间调整部F06b判定使用了调整后的滞后时间的情况下的预测精度是否比使用了调整前的滞后时间的情况下的预测精度更高。滞后时间调整部F06b在排放水质包含多个变量的情况下，也可以基于各变量的拟合优度的平均值进行比较。而且，滞后时间调整部F06b也可以在排放水质中包含的多个变量中，基于优先级高的变量的拟合优度进行比较。
(步骤S46)在使用了调整后的滞后时间的情况下的预测精度比使用了调整前的滞后时间的情况下的预测精度更高的情况下(步骤S45的“是”)，滞后时间调整部F06b更新滞后时间。即，滞后时间调整部F06b将调整后的滞后时间设定在滞后时间定义文件313中。
另一方面，在使用了调整后的滞后时间的情况下的预测精度为使用了调整前的滞后时间的情况下的预测精度以下的情况下(步骤S45的“否”)，滞后时间不被更新。
这样，滞后时间调整部F06b基于评价期间的过程数据，来评价基于学习期间的过程数据进行调整后的滞后时间。然后，滞后时间调整部F06b仅在基于调整后的滞后时间的预测精度比基于正在使用的滞后时间的预测精度更高的情况下，更新滞后时间。另一方面，在基于调整后的滞后时间的预测精度为基于正在使用的滞后时间的预测精度以下的情况下，滞后时间调整部F06b不更新滞后时间。
由此，在判定为基于调整后的滞后时间的预测精度正在提高的情况下，模型被更新为调整后的滞后时间。换言之，仅在判定为滞后时间的调整追随了环境的变化的情况下，滞后时间被更新。在本实施方式中，仅在判定为调整后的滞后时间追随了环境的变化的情况下更新模型这样的一连串的处理被定期地进行。由此，即使对于作为操作量之一的抽水量被增减的情况，也可以使模型追随环境的变化。
滞后时间调整部F06b也可以经由运转辅助部F08，显示分别使用了调整前以及调整后的滞后时间的情况下的排放水质及其拟合优度。由此，可以直观地探测在基于调整前以及调整后的滞后时间的情况下的排放水质及其拟合优度的变化。
＜模型的计算方法＞
接着，说明模型构建部F05以及模型参数调整部F06a进行的模型的计算方法的例子。特开2017－91056号公报中记载的模型参数的计算处理具有以下说明的处理。
在本实施方式中，计算管理指标以及排放水质作为目标变量。因此，模型构建部F05以及模型参数调整部F06a例如构成以下的向量值(1)～(3)。(1)由抽水量、浑浊度、送风量、送风机的数目以及DO构成的向量值，(2)由抽水量、浑浊度、送风量、送风机的数目以及NH4－N构成的向量值，(3)由抽水量、浑浊度、送风量、送风机的数目以及排放水质构成的向量值。
在向量值(1)中包含：从计算DO的时间点(对象时间点)提前了相当于浑浊度以及操作量对于DO的各滞后时间的时间点的浑浊度及操作量、以及对象时间点的DO。在向量值(2)中包含：从对象时间点提前了相当于浑浊度以及操作量对于NH4－N的滞后时间的时间点的浑浊度以及操作量、以及对象时间点的NH4－N。在(3)中，使用在提前了相当于浑浊度以及操作量对于排放水质的滞后时间的时间点的浑浊度及操作量、对象时间点的排放水质。
模型构建部F05以及模型参数调整部F06a对于各对象时间点的各向量值(1)～(3)，进行以下步骤S51～S57(未图示)的处理。以下，将这些向量值仅总称为向量值。
(步骤S51)偏差值去除：计算学习期间内的各向量值xi的平均值μ和方差/协方差矩阵V。然后，使用学习期间内的各时间点的向量值xi的平均值μ和方差/协方差矩阵V，计算距平均值μ的马哈拉诺比斯距离D(xi)(式(4))。
D2(xi)＝(xi-μ)TV-1(xi-μ)…(4)
在式(4)中，T表示向量或者矩阵的转置。V-1表示方差/协方差矩阵的逆矩阵。
之后，作为从0至归一化值的概率分布，计算将χ2分布P(D)(式(5))积分而得到的累积值。
Figure BDA0002618925410000201
提供了累积值超过规定的阈值TH0(例如，0.95～0.98)的累积值的向量值被作为偏差值去除。然后，未被去除而剩余的向量值被保存。之后，进至步骤S52的处理。
(步骤S52)聚类(clustering)：被保存的向量值的组例如使用混合高斯分布模型(GMM：Gaussian Mixture Model，高斯混合模型)，被分类为多个集群，在各集群(cluster)内表示共同的趋势或模式。例如，进行分类，使得从近似各集群内的向量值的分布的直线起的向量值的马哈拉诺比斯距离的平方和成为全体最小。这里，在分割得到的区域的数目达到预先决定的最大分割数(例如，8～16)之前，反复进行分割向量值的组分布的区域的处理。之后，进至步骤S53的处理。
(步骤S53)主成分列表生成：将由分类到每个集群的向量值构成的过程数据Xdata以平均值m、标准偏差s进行归一化而得到的归一化数据X’data，对该归一化数据X’data进行主成分分析(PCA；Principal Component Analysis)。由此，根据式(7)计算主成分C’N(C’1，C’2，…，C’n)和各主成分j的贡献率CR(j)。将主成分的顺序设为贡献率CR的降序。
这里，过程数据Xdata如式(6)那样表示。
Figure BDA0002618925410000211
在式(6)中，n表示变量的个数。I表示被聚类的集群的个数，即最大分割数。
Figure BDA0002618925410000212
在式(7)中，λj表示第j主成分的特征值。该特征值表示第j主成分的方差。之后，进至步骤S54的处理。
(步骤S54)累积贡献率计算：对于各主成分j，式(8)所示那样，计算从第1主成分C’1的贡献率CR(1)至第j主成分C’j的贡献率CR(j)的和，作为累积贡献率CCR(j)。之后，进至步骤S55的处理。
Figure BDA0002618925410000213
(步骤S55)主成分丢弃：累积贡献率CCR(j)不满足规定的累积贡献率的阈值TH1(例如，0.95～0.98)的主成分被丢弃。由此，贡献率CR高的主成分被丢弃，未被丢弃而剩余的贡献率相对低的主成分被存储在主成分列表中。之后，进至步骤S56的处理。
(步骤S56)特性式计算：计算将剩余的k个主成分C’K(C’1，C’2，…，C’k)设为法线向量的平面的方程式作为特性式。算出的特性式如式(9)那样表示。
C′k(X′N)＝[c′k，1·x′1+c′k，2·x′2+...+c′k，n·x′n＝0]∈RN×I…(9)
在式(9)中，c’k，1～c’k，n表示第k主成分的第1～第n维的成分。x’1～x’n表示归一化后的向量值的第1～第n维的成分。
在生成的模型中，在将贡献率低的主成分设为法线向量的平面中，大量分布许多过程数据。生成的特性式采用将右边设为0的限制条件式的形式。例如，除了设备中的输入输出关系式，还能够包含各种物质的收支等相关关系式、另外还能够包含表示未知的物理关系的关系式。因此，通过生成的特性式，表示在污水处理过程F01中设置的特性。
生成的特性式被归一化。因此，使用各向量值xi的平均值、方差/协方差，如式(10)所示，将生成的特性式逆归一化而变换为返回至实际量的特性式。
Figure BDA0002618925410000221
在式(10)中，分别将c’k，1～c’k，n除以标准偏差s而计算ck，1～ck，n。m1～mn分别表示平均值m的第1～第n成分。bk是－ck，1·m1～－ck，n·mn的总和。
得到用于计算目标变量的模型式，该模型式如下形成：从变换后的特性式，作为目标变量而将管理指标或者排放水质移项至左边，将其它项移项至右边而形成。在得到的模型式中，对浑浊度(流入水质)以及操作量(抽水量、送风量、送风机的数目)分别作用的参数相当于上述的模型的参数。
如以上说明的那样，本实施方式的控制系统CS1具有控制运算部F07、监视控制部F02、和自动校准部F06。控制运算部F07的最优化运算部F07b使用与水处理有关的过程的模型，运算包含排放水质的输出变量，所述排放水质表示来自过程的排放水的水质。最优化运算部F07b使用模型，基于包含表示流向过程的流入水的水质的流入水质以及对于过程的操作量的输入变量，运算输出变量。而且，控制运算部F07的最优化运算部F07b获取操作量和输出变量的组合中满足规定的限制条件的组合。
监视控制部F02基于控制运算部F07获取的组合的操作量来控制过程。
自动校准部F06的模型参数调整部F06a定期地重新生成表示模型的特性的参数。在根据重新生成后的参数而运算出的排放水质比根据重新生成前的参数而运算出的排放水质更靠近排放水质的测量值的情况下，模型参数调整部F06a将模型的参数置换为重新生成后的参数。
通过该结构，定期地重新生成模型的参数的组，仅在基于重新生成的参数的组的预测精度变得更高的情况下，更新模型。另一方面，在基于重新生成的参数的组的预测精度未变得更高的情况下，模型不被更新。这样，仅在被判定为重新生成的参数的组追随了环境的变化的情况下更新模型这样的一连串的处理被定期地进行。
由此，即使处理过程的环境变化，也可以调整模型，使得预测的排放水质近似于实际地在处理过程中测量到的排放水质。因此，可以与处理过程的环境的变化无关地维持排放水质的预测精度。由此，可以适当地控制处理过程的操作。
而且，在污水处理过程模型中，除了上述的特开2017－91056号公报中记载的模型之外，例如有活性污泥模型(ASM：Activated Sludge Model)等。ASM是为了应对对于流入水质的变动，充分发挥污水处理方法的性能而由国际水协会(IWA：International WaterAssociation)提出的模型。
ASM由按照污水处理的各功能(过程)的每一个所分割的单元构建。ASM包含对于每个单元考虑了各种方式的有机物、氮、磷、关联的菌体量、沉淀物等的模型运算。为了追随污水处理过程的环境的变化，需要定期地调整模型的参数。其中，为了调整ASM的模型的参数，需要许多时间和作业量。相对于此，本实施方式的控制系统CS1由于不使用ASM，所以可以降低与过程的运用有关的负担。即，可以通过更少的负担，实现追随环境的变化的控制。
而且，在控制系统CS1中，模型参数调整部F06a基于在第1期间中测量到的输入变量以及输出变量重新生成参数。模型参数调整部F06a基于在第2期间测量到的输入变量，根据重新生成后的参数而运算排放水质。模型参数调整部F06a基于在第2期间测量到的输入变量，根据重新生成前的参数而运算排放水质。在模型参数调整部F06a根据重新生成后的参数而运算出的排放水质比根据重新生成前的参数而运算出的排放水质更接近在第2期间测量到的排放水质的情况下，置换为重新生成后的参数。
通过该结构，判定基于第1期间(学习期间)的测量值而重新生成的参数的组是否适合于第2期间(评价期间)的测量值的特性。由此，判定根据以前的期间的测量值重新生成的参数的组是否适合于以后的期间的测量值的特性。因此，可以适当地判定重新生成的参数的组是否追随了环境的变化。
而且，在控制系统CS1中，操作量包含曝气中的送风量、和表示在过程中流入的流入水的量的抽水量。流入水质包含浑浊度。排放水质包含全氮浓度、全磷浓度以及化学需氧量的至少其中一个。
通过该结构，可以导出满足限制条件的送风量和抽水量。即，可以除了送风量，还获取抽水量的最优值作为操作量。因此，可以更灵活地控制处理过程。
而且，滞后时间调整部F06b基于抽水量的增减，调整与输入变量各自的排放水质对应的滞后时间。通过该结构，即使在伴随抽水量的增减的流入水的反应槽(P02，P03，P04)中的滞留时间产生了变化的情况下，也可以适当调整滞后时间，以便追随变化。因此，即使在抽水量的值变动的情况下，也可以维持预测精度。
而且，滞后时间调整部F06b基于与时间段相应的电力成本的信息，获取满足规定的限制条件的组合中、规定期间的电力成本的合计为最小的组合。通过该结构，可以使用一边追随处理过程的环境的变化，一边降低电力成本的模型。即，可以兼顾排放水质的预测精度的提高和电力成本的削减。
(变形例1)
在上述的实施方式中，例示了适用污水处理系统的过程的最优化计算用的模型的情况。但是，可适用本实施方式的处理的处理过程不限于污水处理。例如，本实施方式的处理也可以被适用于污泥的处理过程。
图9是简易地表示污泥的处理过程中的模型的图。图9所示的模型是将污泥量、重油量、电力量(kW)、絮凝剂量、氢离子指数(pH)以及水温设为输入变量，将焚烧灰的量设为输出变量的数理模型。输入变量和输出变量之间的特性被作为最优化计算用的模型而生成。
通过使用图9所示的最优化计算用的模型，可以导出希望的焚烧灰的量被输出的输入变量的各值。这时，可以导出一边抑制电力成本、燃料成本以及絮凝剂成本，一边输出希望的焚烧灰的量的最优的输入变量的各值。
(变形例2)
本实施方式的处理也可以被适用于消化气体发电的处理过程。图10是简易地表示消化气体发电的处理过程中的模型的图。图10所示的模型是将污泥量、燃料量、以及电力量(kW)设为输入变量，将发电量(kW)以及消化污泥的量设为输出变量的数理模型。输入变量和输出变量之间的特性被作为最优化计算用的模型而生成。
通过使用图10所示的最优化计算用的模型，可以导出希望的发电量以及消化污泥的量被输出的输入变量的各值。这时，可以导出一边抑制电力成本以及燃料成本，一边输出希望的发电量以及消化污泥的量的、最优的输入变量的各值。
以上，参照附图对本发明的实施方式进行了说明，具体的结构不限于上述的结构，在不脱离发明的要旨的范围内能够进行各种设计变更等。
而且，在上述的模型中，例示了作为流入水质将浑浊度设为输入变量，以及作为操作量将抽水量、送风量设为输入变量，以及将送风机的数目设为输入变量的情况。而且，在上述的简易模型中，例示了作为管理指标的DO以及NH4－N，作为排放水质将T－N设为输出变量的情况。但是，不限于该例子。在模型中被处理的输入变量，作为输出变量被处理的变量可以更多，也可以更少。
例如，作为操作量，也可以进一步增加从最终沉淀池P05被送返到厌氧槽P02的送返污泥的送返量和余剩污泥的量任意一个。送返污泥的送返量或余剩污泥的量与A－SRT(好氧槽的污泥滞留时间)相关联。
管理指标只要是由于其操作而增加或者减少的物质的量即可。例如，在过程中的操作是搅拌的情况下，管理指标是由于搅拌而减少的磷酸态磷浓度即可。作为管理指标，DO和NH4－N的其中一个也可以被省略。
作为排放水质，在T－N之外也可以进一步加入T－P、COD、ORP(OxidationReduction Potential，氧化还原电位)、pH(potential Hydrogen，潜在氢)作为从过程输入的测量值(传感器输入)。
而且，模型构建部F05、模型参数调整部F06a以及最优化运算部F07b可以使用其它模型作为表示输入变量和输出变量的关系的模型。即，也可以取代上述的模型，使用将模型设为串联而形成的多级的模型。例如，使用将第1模型和第2模型设为串联的模型。在第1模型中，将至厌氧槽P02的送返污泥的送返量设为操作量。在第2模型中，将来自第1模型的输出变量设为输入变量，将好氧槽P04中的送风量设为操作量。
而且，有关的模型不限于采用了A2O法的污水处理过程，也可以应用于采用了其它的方式，例如，厌氧好氧(AO：Anaerobic－Oxic，厌氧-有氧)法、厌氧硝化内生脱氮法(AOAO：Anaerobic－Oxic－Anoxic－Oxic，厌氧-有氧-缺氧-有氧)法等的污水处理过程。
而且，具有监视控制部F02的监视装置、和具有数据保存部F03以及模型预测控制部F04的模型预测控制装置也可以被分别实现作为分开的装置。而且，模型预测控制部F04也可以与监视控制部F02和数据保存部F03一体化而被实现作为控制装置。进而，也可以从模型预测控制部F04省略运转辅助部F08，运转辅助部F08被实现作为单独的运转辅助装置。
而且，若最优化运算部F07b可以获取初始的模型定义文件312和初始的滞后时间定义文件313，则模型构建部F05也可以被省略。例如，最优化运算部F07b可以从设置于外部的服务器装置获取模型定义文件312和滞后时间定义文件313。
各装置也可以通过计算机来实现。在该情况下，用于实现各自的控制功能的程序被记录在计算机可读取的记录介质中。可以使该记录介质中记录的程序读入计算机系统，通过CPU等运算处理电路执行来实现。
而且，这里所说的“计算机系统”设为是各装置中内置的计算机系统，包含OS和周边设备等硬件。而且，“计算机可读取的记录介质”是指软盘、光磁盘、ROM、CD－ROM等可拆装介质、被内置在计算机系统的硬盘等存储装置。
“计算机可读取的记录介质”可以是包含经由因特网等网络或电话线路等通信线路发送程序的情况下的通信线那样，短时间、动态地保持程序的介质。而且，“计算机可读取的记录介质”也可以包含在发送程序的情况下的成为服务器或客户的计算机系统内部的易失性存储器那样，在一定时间保持程序的介质。
上述程序也可以是用于实现上述的一部分功能程序。而且，上述程序也可以是可通过与已在计算机系统中记录上述功能的程序的组合实现的程序。而且，上述的计算机系统也可以被构成作为云计算系统的结构要素即计算资源。云计算系统能够通过网络相互地发送接收各种数据。
而且，上述各装置的一部分或者全部也可以作为LSI(Large Scale Integration，大规模集成化)等集成电路来实现。各装置的各功能块既可以单独地处理器化，也可以将一部分或者全部集成而处理器化。而且，集成电路化的方法不限于LSI，也可以通过专用电路或者通用处理器来实现。而且，在由于半导体技术的进步而出现了替代LSI的集成电路化的技术的情况下，也可以使用基于该技术的集成电路。
本说明书中“前、后、上、下、右、左、垂直、水平、纵、横、行以及列”等表示方向的词语，是指本发明的装置中的这些方向。因此，本发明的说明书中的这些词语，应在本发明的装置中被相对地解释。
“被构成”这样的词语为了执行本发明的功能而被构成，或者为了表示装置的结构、要素、部分而被使用。
进而，在权利要求中被表现作为“装置加功能”的词语，应包含为了执行本发明中包含的功能而可利用的所有结构。
“单元”这样的词语为了表示结构要素、单元、硬件或为了执行希望的功能而被编程的软件的一部分而被使用。硬件的典型例是设备或电路，但是不限于此。
以上，说明了本发明的优选的实施例，但是本发明不限于这些实施例。在不脱离本发明的宗旨的范围内，能够进行结构的附加、省略、置换、以及其它的变更。本发明不被上述的说明限定，而仅由附上的权利要求的范围限定。

Claims (20)

1.一种控制系统，其特征在于，包括：
运算部，使用与水处理有关的过程的模型，基于包含表示流向所述过程的流入水的水质的流入水质和对于所述过程的操作量的输入变量，运算包含表示来自所述过程的排放水的水质的排放水质的输出变量，获取所述操作量和所述输出变量的组合中满足规定的限制条件的所述组合；
控制部，基于所述运算部获取的所述组合的所述操作量控制所述过程；以及
校准部，定期地重新生成表示所述模型的特性的参数，在根据重新生成后的所述参数而运算出的所述排放水质比根据重新生成前的所述参数而运算出的所述排放水质更接近所述排放水质的测量值的情况下，将所述模型的所述参数置换为所述重新生成后的参数。
2.如权利要求1所述的控制系统，其中，
所述校准部
基于第1期间中测量到的所述输入变量以及所述输出变量，重新生成所述参数，
基于第2期间中测量到的所述输入变量，在根据所述重新生成后的参数而运算出的所述排放水质比根据所述重新生成前的参数而运算出的所述排放水质更接近在所述第2期间中测量到的所述排放水质的情况下，置换为所述重新生成后的参数。
3.如权利要求1或2所述的控制系统，其中，
所述操作量包含曝气中的送风量、和表示在所述过程中流入的所述流入水的量的抽水量，
所述流入水质包含浑浊度，
所述排放水质包含全氮浓度、全磷浓度以及化学需氧量的至少其中一个。
4.如权利要求3所述的控制系统，其中，
所述校准部基于所述抽水量的增减，调整与所述输入变量各自的所述排放水质对应的滞后时间。
5.如权利要求1所述的控制系统，其中，
所述运算部基于与时间段相应的电力成本的信息，获取满足所述规定的限制条件的所述组合中、在规定期间中的所述电力成本的合计最小的所述组合。
6.如权利要求5所述的控制系统，其中，
所述运算部除了所述电力成本，还使用消耗能量以及CO2排出量的其中一个来获取所述组合。
7.如权利要求1所述的控制系统，其中，
所述限制条件是所述排放水质为比规定的基准值更好的值这样的条件。
8.如权利要求1所述的控制系统，其中，
所述运算部
获取包含表示在处理水中溶解的氧的浓度的溶解氧浓度的过程数据，
在所述溶解氧浓度比规定的范围低的情况下，使曝气中的送风量增加，
在所述溶解氧浓度比规定的范围高的情况下，使所述送风量减少。
9.如权利要求8所述的控制系统，其中，
所述运算部
获取包含所述处理水的氨态氮浓度的过程数据，
在所述氨态氮浓度超过阈值、且呈上升趋势的情况下，使所述送风量增加。
10.如权利要求4所述的控制系统，其中，
所述滞后时间表示从所述输入变量的值变化开始，至对所述排放水质表现出影响为止的时间上的延迟。
11.一种控制系统中的控制方法，所述控制系统具有运算部、控制部和校准部，其特征在于，
通过所述运算部，使用与水处理有关的过程的模型，基于包含表示流向所述过程的流入水的水质的流入水质以及对于所述过程的操作量的输入变量，运算包含表示来自所述过程的排放水的水质的排放水质的输出变量，
通过所述运算部，获取所述操作量和所述输出变量的组合中满足规定的限制条件的所述组合，
通过所述控制部，基于所述运算部获取的所述组合的所述操作量而控制所述过程，
通过所述校准部，定期地重新生成表示所述模型的特性的参数，
通过所述校准部，在根据重新生成后的所述参数而运算出的所述排放水质比根据重新生成前的所述参数而运算出的所述排放水质更接近所述排放水质的测量值的情况下，将所述模型的所述参数置换为所述重新生成后的参数。
12.如权利要求11所述的控制方法，其中，
通过所述校准部，
基于第1期间中测量到的所述输入变量以及所述输出变量，重新生成所述参数，
基于第2期间中测量到的所述输入变量，在根据所述重新生成后的参数而运算出的所述排放水质比根据所述重新生成前的参数而运算出的所述排放水质更接近在所述第2期间中测量到的所述排放水质的情况下，置换为所述重新生成后的参数。
13.如权利要求11或12所述的控制方法，其中，
所述操作量包含曝气中的送风量、和表示在所述过程中流入的所述流入水的量的抽水量，
所述流入水质包含浑浊度，
所述排放水质包含全氮浓度、全磷浓度以及化学需氧量的至少其中一个。
14.如权利要求13所述的控制方法，其中，
通过所述校准部，基于所述抽水量的增减，调整与所述输入变量各自的所述排放水质对应的滞后时间。
15.如权利要求11所述的控制方法，其中，
通过所述运算部，基于与时间段相应的电力成本的信息，获取满足所述规定的限制条件的所述组合中、在规定期间中的所述电力成本的合计最小的所述组合。
16.如权利要求15所述的控制方法，其中，
通过所述运算部，除了所述电力成本，还使用消耗能量以及CO2排出量的其中一个来获取所述组合。
17.如权利要求11所述的控制方法，其中，
所述限制条件是所述排放水质为比规定的基准值更好的值这样的条件。
18.如权利要求11所述的控制方法，其中，
通过所述运算部，
获取包含表示在处理水中溶解的氧的浓度的溶解氧浓度的过程数据，
在所述溶解氧浓度比规定的范围低的情况下，使曝气中的送风量增加，
在所述溶解氧浓度比规定的范围高的情况下，使所述送风量减少。
19.如权利要求11所述的控制方法，其中，
通过所述运算部，
获取包含所述处理水的氨态氮浓度的过程数据，
在所述氨态氮浓度超过阈值、且呈上升趋势的情况下，使所述送风量增加。
20.如权利要求14所述的控制方法，其中，
所述滞后时间表示从所述输入变量的值变化开始，至对所述排放水质表现出影响为止的时间上的延迟。
CN202010777320.3A 2019-08-07 2020-08-05 控制系统以及控制方法 Pending CN112340930A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-145668 2019-08-07
JP2019145668A JP7059989B2 (ja) 2019-08-07 2019-08-07 制御システム及び制御方法

Publications (1)

Publication Number Publication Date
CN112340930A true CN112340930A (zh) 2021-02-09

Family

ID=74357608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010777320.3A Pending CN112340930A (zh) 2019-08-07 2020-08-05 控制系统以及控制方法

Country Status (3)

Country Link
US (1) US20210039972A1 (zh)
JP (1) JP7059989B2 (zh)
CN (1) CN112340930A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113087030A (zh) * 2021-03-02 2021-07-09 天津大学 一种水资源双循环反馈控制系统及方法
CN114137836A (zh) * 2021-11-23 2022-03-04 中国地质大学（武汉） 基于高斯混合模型的垂钻纠偏控制反馈校正方法及装置
CN117069241A (zh) * 2023-10-13 2023-11-17 济安永蓝(北京)工程技术开发有限公司 一种好氧池溶解氧浓度控制方法及控制系统

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7264697B2 (ja) * 2019-04-02 2023-04-25 横河電機株式会社 プラント運転支援システム及びプラント運転支援方法
JP7359178B2 (ja) * 2021-03-10 2023-10-11 横河電機株式会社 制御装置、制御方法、および、制御プログラム
CN113651402B (zh) * 2021-08-31 2022-03-08 哈尔滨天达控制股份有限公司 一种水处理加氯控制方法和装置
CN113979494A (zh) * 2021-12-08 2022-01-28 珠海格力电器股份有限公司 净水机及净水机控制方法
JP7286035B1 (ja) * 2022-03-24 2023-06-02 三菱電機株式会社 水処理制御システムおよび水処理装置の制御方法
CN115793471B (zh) * 2023-02-10 2023-05-12 森海环保集团有限公司 一种基于污水处理监测的可调式控制方法及系统
CN116161725B (zh) * 2023-04-14 2023-07-18 南京尊龙新材料科技有限公司 催化剂生产工艺中废水排放区间划分方法和电子设备
CN117129643B (zh) * 2023-08-29 2024-03-26 江苏安琪尔检测科技有限公司 一种废水检测系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109205781A (zh) * 2017-07-03 2019-01-15 横河电机株式会社 控制系统及控制方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2533942B2 (ja) * 1989-03-13 1996-09-11 株式会社日立製作所 知識抽出方法およびプロセス運転支援システム
JP2003245653A (ja) * 2002-02-25 2003-09-02 Kurita Water Ind Ltd 処理装置の運転支援方法、水処理装置の運転支援方法及びその装置
US7332093B2 (en) * 2004-11-29 2008-02-19 Kruger Off-Shore A/S Method for water purification
US7390399B2 (en) * 2004-12-21 2008-06-24 Siemens Water Technologies Holding Corp. Water treatment control systems and methods of use
US9141911B2 (en) * 2009-05-29 2015-09-22 Aspen Technology, Inc. Apparatus and method for automated data selection in model identification and adaptation in multivariable process control
CA2842824C (en) * 2011-07-26 2023-03-14 General Electric Company Wastewater treatment plant online monitoring and control
WO2013133444A1 (ja) * 2012-03-09 2013-09-12 メタウォーター株式会社 排水の処理装置、排水の処理方法、および排水の処理システム、並びに制御装置、制御方法、およびプログラム
JP5696171B2 (ja) * 2013-03-14 2015-04-08 株式会社東芝 制御パラメータ調整方法、制御パラメータ調整システム及び制御パラメータ設定装置
CN103792844B (zh) * 2014-01-25 2016-10-05 华南理工大学 一种基于有序聚类的污水处理控制方法
EP3012233A1 (de) * 2014-10-23 2016-04-27 Siemens Aktiengesellschaft Regelungsvorrichtung und -verfahren für eine kläranlage

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109205781A (zh) * 2017-07-03 2019-01-15 横河电机株式会社 控制系统及控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
煤炭行业煤矿安全标准化技术委员会编, 北京：煤炭工业出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113087030A (zh) * 2021-03-02 2021-07-09 天津大学 一种水资源双循环反馈控制系统及方法
CN114137836A (zh) * 2021-11-23 2022-03-04 中国地质大学（武汉） 基于高斯混合模型的垂钻纠偏控制反馈校正方法及装置
CN117069241A (zh) * 2023-10-13 2023-11-17 济安永蓝(北京)工程技术开发有限公司 一种好氧池溶解氧浓度控制方法及控制系统
CN117069241B (zh) * 2023-10-13 2023-12-22 济安永蓝(北京)工程技术开发有限公司 一种好氧池溶解氧浓度控制方法及控制系统

Also Published As

Publication number Publication date
JP7059989B2 (ja) 2022-04-26
US20210039972A1 (en) 2021-02-11
JP2021026617A (ja) 2021-02-22

Similar Documents

Publication Publication Date Title
CN112340930A (zh) 控制系统以及控制方法
JP6763831B2 (ja) 制御システム及び制御方法
CN108439580B (zh) 溶解氧浓度控制系统、方法和装置
CN109607770B (zh) 一种反硝化池的多场景自学习碳源智能投加系统及方法
WO2013021591A1 (ja) 水処理システムおよびその曝気風量制御方法
KR101767368B1 (ko) 표준화된 공정운영자료와 공정모사를 이용한 에너지 절감용 하수처리장 운영지원방법 및 그 시스템
JP7286035B1 (ja) 水処理制御システムおよび水処理装置の制御方法
EP3645469B1 (en) Wastewater treatment plant and method of controlling it
KR20050039546A (ko) 하수 처리 시스템
JP6655975B2 (ja) 曝気制御装置及び曝気制御方法
JP2004171531A (ja) プラントワイド最適プロセス制御装置
KR20060092660A (ko) 퍼지제어를 이용한 하·폐수 처리장의 자동제어장치 및 방법
CN111484124A (zh) 一种污水处理智能控制与生化工艺集约方法及系统
CN116679026B (zh) 自适应无偏有限脉冲响应滤波的污水溶解氧浓度估计方法
JP7052399B2 (ja) 水処理施設の運転支援装置及び運転支援方法
CN116655130A (zh) 一种控制曝气的方法、系统、装置、设备和存储介质
JP6726954B2 (ja) 下水処理制御装置
JPH07299495A (ja) 活性汚泥循環変法における硝化促進方法及び硝化速度予測方法
JP7378972B2 (ja) 膜処理制御システム及び膜処理制御方法
JP2021065867A (ja) 下水処理システムおよび下水処理方法
CN117263384B (zh) 一种污水处理方法、装置、电子设备及存储介质
JP7494631B2 (ja) 水処理施設の運転支援装置
CN118458929A (zh) 一种sbr工艺出水水质的智能优控方法及系统
KR101962566B1 (ko) 연속회분식 반응조를 활용한 저 에너지 혐기성 암모늄 산화 시스템 및 이 시스템을 위한 선행 스케줄링 방법
Sin et al. Model-Aided Methodology For Systematic Exploration Of The Optimal Operational Domain Of Nutrient Removing SBR Systems

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210209

RJ01 Rejection of invention patent application after publication