CN112624336B - 一种基于气体监测的污水处理智能控制系统与方法 - Google Patents

一种基于气体监测的污水处理智能控制系统与方法 Download PDF

Info

Publication number
CN112624336B
CN112624336B CN202011391701.4A CN202011391701A CN112624336B CN 112624336 B CN112624336 B CN 112624336B CN 202011391701 A CN202011391701 A CN 202011391701A CN 112624336 B CN112624336 B CN 112624336B
Authority
CN
China
Prior art keywords
parameters
reactor
sewage treatment
gas
sewage
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
Application number
CN202011391701.4A
Other languages
English (en)
Other versions
CN112624336A (zh
Inventor
于晗
于宏兵
杨赫
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.)
Nanjing Lvchengyuan Energy Saving And Environmental Protection Technology Co ltd
Original Assignee
Nanjing Lvchengyuan Energy Saving And Environmental Protection Technology Co ltd
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 Nanjing Lvchengyuan Energy Saving And Environmental Protection Technology Co ltd filed Critical Nanjing Lvchengyuan Energy Saving And Environmental Protection Technology Co ltd
Priority to CN202011391701.4A priority Critical patent/CN112624336B/zh
Priority to AU2021100260A priority patent/AU2021100260A4/en
Publication of CN112624336A publication Critical patent/CN112624336A/zh
Application granted granted Critical
Publication of CN112624336B publication Critical patent/CN112624336B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00—Automatic controllers
    • G05B11/44—Automatic controllers pneumatic only
    • G05B11/46—Automatic controllers pneumatic only without auxiliary power
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2201/00—Apparatus for treatment of water, waste water or sewage
    • C02F2201/002—Construction details of the apparatus
    • C02F2201/007—Modular design
    • 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
    • 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

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

Abstract

本发明提供的一种基于气体监测的污水处理智能控制系统与方法，本发明在反应器中采集气体并测定气体产物成分和浓度变化来判断污水处理效果，根据污水处理效果采用深度神经网络(气体产率模拟模型、鼓风机曝气量预测模型和鼓风机转速预测模型)确定鼓风机转速设定值，进而调控鼓风机转速实现曝气系统曝气量智能控制，以此解决现有污水处理技术因无法精准控制曝气量而造成能耗大、污染大、成本高的技术问题。

Description

一种基于气体监测的污水处理智能控制系统与方法
技术领域
本发明涉及污水处理技术领域，特别是涉及一种基于气体监测的污水处理智能控制系统与方法。
背景技术
污水处理厂属高耗能行业，生物处理系统作为核心单元承担着去除污水中主要污染物质的任务，其中，厌氧和好氧(曝气)处理系统运行所需能耗约占整个污水厂的50％以上。因此对污水处理厂曝气系统进行优化改造，提升其稳定性以及能源资源利用效率，是污水厂出水达标排放和节能降耗的需求所在。在污水生物处理过程中，反应器内气体的产生与释放和污染物降解情况直接相关。由气体产生机理可知，反应器内气体产物组分及产率可以有效反应污染物降解程度，气体产物检测分析的相关数据可作为曝气控制的重要参数。
当前传统污水处理曝气控制方法大多采用手动PID控制或人工经验模式化控制，主要依赖水体中的信息指标进行控制，由于诸如有机污染物、氨氮、总磷浓度等部分水体指标主要依靠化学分析法进行长时间测定，难于获得实时监测数据和足够的数据量；又由于污水处理曝气系统为多变量、强耦合、强非线性复杂体系，具有不确定性、时变性、时滞性、大惯性等特点，内部同时进行物理、化学和生物多相反应，依赖传统数学模型的方法难以捕捉复杂系统中多变量间存在的耦合关系，无法适应实时变化的复杂体系，难以实现污水处理自动控制系统的精准调控。
如何实现污水处理系统的自动精准的调控成为一个亟待解决的技术问题。
发明内容
本发明的目的是提供一种基于气体监测的污水处理智能控制系统与方法，以实现污水处理系统的自动精准的调控。
为实现上述目的，本发明提供了如下方案：
一种基于气体监测的污水处理智能控制方法，所述智能控制方法包括如下步骤：
监测污水处理系统的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，污水处理系统的进水口、出水口的污水水质参数及污水处理系统的运行参数；
根据厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算厌氧反应器、好氧反应器内的各气体产物的气体产率参数；
将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数；
将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值；
将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值；
将所述鼓风机转速设定值输入鼓风机房控制系统的PID控制器，对曝气系统的鼓风机的转速进行控制。
可选的，所述根据厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算厌氧反应器、好氧反应器内的各气体产物的气体产率参数，具体包括：
根据厌氧反应器和好氧反应器内的气体产物成分参数和各气体产物的浓度参数，利用公式W(i)＝[wsensor(i)·V1+wT(i)·V2]/[△t·MLSS·f]，计算厌氧反应器和好氧反应器内的各气体产物的气体产率参数；
其中，W(i)表示反应器内第i种气体产物的气体产率；wsensor(i)表示反应器内第i种气体产物的浓度；V1为反应器上部空间体积；wT(i)为温度为T时，第i种成分在水中的溶解度；V2为反应器中混合液的体积；△t为连续两次测定之间的间隔时间；MLSS为混合液悬浮固体浓度；f为混合液挥发性悬浮固体浓度与悬浮固体浓度的比值，所述反应器为厌氧反应器或好氧反应器。
可选的，所述将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数，之前还包括：
监测污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数，获得包括污水处理系统的进水口、出水口的污水水质参数，污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数的第一训练数据向量；
监测第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数；
根据不同第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数；
将不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数及污水处理系统的运行参数作为输入，将第一训练数据向量中的污水水质参数和活性污泥泥质参数作为输出，建立第一训练集；
利用所述第一训练集训练气体产率模拟模型，使气体产率模拟模型输出的污水水质参数和活性污泥泥质参数的预测值与第一训练数据向量中的污水水质参数和活性污泥泥质参数的实测值的差值小于第一预设阈值，获得训练后的气体产率模拟模型。
可选的，所述将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值，之前还包括：
监测污水处理系统的进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数，建立包括污水处理系统进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数的第二训练数据向量；
初始化曝气量设定值，初始化后的曝气量设定值大于第二预设阈值；
将曝气量设定值输入鼓风机转速预测模型，获得转速设定值；
将所述转速设定值输入PID控制器，控制鼓风机的转速，测量在转速设定值控制下的出水口的水质参数；
判断在转速设定值控制下的出水口的水质参数是否满足水质输出要求，获得判断结果；
若所述判断结果表示是，则降低曝气量设定值，返回步骤“将曝气量设定值输入鼓风机转速预测模型，获得转速设定值”；
若所述判断结果表示否，将上一次迭代降低前的曝气量设定值，作为第二训练数据向量对应的最优曝气量设定值；
将第二训练数据向量作为输入，将不同第二训练数据向量对应的最优曝气量设定值设定值作为输出，建立第二训练集；
利用所述第二训练集训练鼓风机曝气量预测模型，获得训练后的鼓风机曝气量预测模型。
可选的，所述将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值，之前还包括：
监测鼓风机在不同转速下的曝气量；
将鼓风机的曝气量作为输入，将鼓风机的转速作为输出，建立第三训练集；
利用所述第三训练集训练鼓风机转速预测模型，获得训练后的鼓风机转速预测模型。
一种基于气体监测的污水处理智能控制系统，所述智能控制系统包括：
参数监测模块，用于监测污水处理系统的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，污水处理系统的进水口、出水口的污水水质参数及污水处理系统的运行参数；
第一气体产率参数计算模块，用于根据厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算厌氧反应器、好氧反应器内的各气体产物的气体产率参数；
污水水质参数和活性污泥泥质参数获取模块，用于将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数；
曝气量设定值获取模块，用于将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值；
鼓风机转速设定值获取模块，用于将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值；
控制模块，用于将所述鼓风机转速设定值输入鼓风机房控制系统的PID控制器，对曝气系统的鼓风机的转速进行控制。
可选的，所述第一气体产率参数计算模块，具体包括：
根据厌氧反应器和好氧反应器内的气体产物成分参数和各气体产物的浓度参数，利用公式W(i)＝[wsensor(i)·V1+wT(i)·V2]/[△t·MLSS·f]，计算厌氧反应器和好氧反应器内的各气体产物的气体产率参数；
其中，W(i)表示反应器内第i种气体产物的气体产率；wsensor(i)表示反应器内第i种气体产物的浓度；V1为反应器上部空间体积；wT(i)为温度为T时，第i种成分在水中的溶解度；V2为反应器中混合液的体积；△t为连续两次测定之间的间隔时间；MLSS为混合液悬浮固体浓度；f为混合液挥发性悬浮固体浓度与悬浮固体浓度的比值，所述反应器为厌氧反应器或好氧反应器。
可选的，所述智能控制系统还包括：
第一训练数据向量监测模块，用于监测污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数，获得包括污水处理系统的进水口、出水口的污水水质参数，污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数的第一训练数据向量；
气体产物成分参数监测模块，用于监测第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数；
第二气体产率参数计算模块，用于根据不同第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数；
第一训练集建立模块，用于将不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数及污水处理系统的运行参数作为输入，将第一训练数据向量中的污水水质参数和活性污泥泥质参数作为输出，建立第一训练集；
气体产率模拟模型训练模块，用于利用所述第一训练集训练气体产率模拟模型，使气体产率模拟模型输出的污水水质参数和活性污泥泥质参数的预测值与第一训练数据向量中的污水水质参数和活性污泥泥质参数的实测值的差值小于第一预设阈值，获得训练后的气体产率模拟模型。
可选的，所述智能控制系统还包括：
第二训练数据向量监测模块，用于监测污水处理系统的进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数，建立包括污水处理系统进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数的第二训练数据向量；
初始化模块，用于初始化曝气量设定值，初始化后的曝气量设定值大于第二预设阈值；
转速设定值获取模块，用于将曝气量设定值输入鼓风机转速预测模型，获得转速设定值；
水质参数测量模块，用于将所述转速设定值输入PID控制器，控制鼓风机的转速，测量在转速设定值控制下的出水口的水质参数；
判断模块，用于判断在转速设定值控制下的出水口的水质参数是否满足水质输出要求，获得判断结果；
曝气量设定值更新模块，用于若所述判断结果表示是，则降低曝气量设定值，返回步骤“将曝气量设定值输入鼓风机转速预测模型，获得转速设定值”；
最优曝气量设定值输出模块，用于若所述判断结果表示否，将上一次迭代降低前的曝气量设定值，作为第二训练数据向量对应的最优曝气量设定值；
第二训练集建立模块，用于将第二训练数据向量作为输入，将不同第二训练数据向量对应的最优曝气量设定值设定值作为输出，建立第二训练集；
鼓风机曝气量预测模型训练模块，用于利用所述第二训练集训练鼓风机曝气量预测模型，获得训练后的鼓风机曝气量预测模型。
可选的，所述智能控制系统还包括：
曝气量监测模块，用于监测鼓风机在不同转速下的曝气量；
第三训练集建立模块，用于将鼓风机的曝气量作为输入，将鼓风机的转速作为输出，建立第三训练集；
鼓风机转速预测模型训练模块，用于利用所述第三训练集训练鼓风机转速预测模型，获得训练后的鼓风机转速预测模型。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种基于气体监测的污水处理智能控制系统与方法，所述智能控制方法包括如下步骤：监测污水处理系统的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，污水处理系统的进水口、出水口的污水水质参数及污水处理系统的运行参数；根据厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算厌氧反应器、好氧反应器内的各气体产物的气体产率参数；将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数；将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值；将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值；将所述鼓风机转速设定值输入鼓风机房控制系统的PID控制器，对曝气系统的鼓风机的转速进行控制。本发明在反应器中采集气体并测定气体产物成分和浓度变化来判断污水处理效果，根据污水处理效果采用深度神经网络(气体产率模拟模型、鼓风机曝气量预测模型和鼓风机转速预测模型)确定鼓风机转速设定值，进而调控鼓风机转速实现曝气量智能控制，以此解决现有污水处理技术因无法精准控制曝气量而造成能耗大、污染大、成本高的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于气体监测的污水处理智能控制方法的流程图；
图2为本发明提供的基于气体监测的污水处理智能控制方法的原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于气体监测的污水处理智能控制系统与方法，以实现污水处理系统的自动精准的调控。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1和2所示，本发明提供一种基于气体监测的污水处理智能控制系统与方法，本发明的智能控制方法应用于污水处理系统，按照污水处理过程中水流的方向，污水处理系统依次包括进水端、厌氧反应器、缺氧反应器、好氧反应器和出水端，还包括曝气系统，本发明的曝气系统为鼓风机，曝气系统与好氧反应器连接，用于向好氧反应器输送氧气。在进水端还设置有物理处理装置，用于对污水进行物理处理。
本发明的原理是在污水生物处理过程中，各种有机污染物和部分无机物经过微生物代谢反应，其最终产物中的气体溢出水体。污水处理程度和效果与反应溢出气体中的CH4、O2、H2、CO2、CO、NH3、N2和N2O等成分特征和浓度大小有直接关联性。本发明在密闭反应器中采集气体并测定气体产物成分和浓度变化来判断污水处理效果，同时根据进水水质波动、活性污泥泥质变化来确定曝气系统最佳溶解氧浓度等控制参数，并通过调控鼓风机转速实现曝气量智能控制，以此解决现有污水处理技术因无法精准控制曝气量而造成能耗大、污染大、成本高的技术问题。
所述智能控制方法包括如下步骤：
步骤101，监测污水处理系统的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，污水处理系统的进水口、出水口的污水水质参数及污水处理系统的运行参数。
本发明利用在线固定式气体检测仪，实时监测反应器内生化反应气体产物成分和浓度参数。
所述在线固定式气体检测仪包含固定式CH4检测仪、固定式H2检测仪、固定式CO2检测仪、固定式CO检测仪、固定式NH3检测仪、固定式N2检测仪和固定式N2O探测仪，分别用于测定处理单元内CH4、H2、CO2、CO、NH3、N2和N2O气体产物浓度。
步骤102，根据好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算各气体产物的气体产率参数。
本发明通过数学公式计算气体产物的气体产率参数。具体包括：
根据好氧反应器内的气体产物成分参数和各气体产物的浓度参数，利用公式
W(i)＝[wsensor(i)·V1+wT(i)·V2]/[△t·MLSS·f]，计算各气体产物的气体产率参数；
其中，W(i)表示第i种气体产物的气体产率(g·min-1·gMLVSS-1)，wsensor(i)表示好氧反应器内第i种气体产物的浓度(mg/L)，V1为反应器上部空间体积(L)，wT(i)为温度为T时，第i种成分在水中的溶解度(mg/L)，V2为反应器中混合液的体积(L)，△t为连续两次测定之间的间隔时间(min)；MLSS为混合液悬浮固体浓度(g/L)；f为混合液挥发性悬浮固体浓度与悬浮固体浓度的比值。
本发明的气体产物包括：CH4、H2、CO2、CO、NH3、N2和N2O等。
步骤103，将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数。
本发明将采集的所有气体产物产率参数信息、水质参数信息、泥质参数信息以及污水厂其它运行参数，通过以太网传送至鼓风机房控制系统BP/PID-2，上述参数信息作为训练集，构建深度学习网络进行训练，获得气体产率模拟模型，所述气体产率模拟模型用于反映污水处理生化反应情况。
具体的，所述将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数，之前还包括：
监测污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数，获得包括污水处理系统的进水口、出水口的污水水质参数，污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数的第一训练数据向量。本发明可利用在线传感器，实时监测进水端、出水端以及各反应器内的污水水质参数和活性污泥泥质参数。在线传感器包括水质传感器和泥质传感器；所述水质传感器为多路多参数快速水质传感器，包括流量计、在线温度计、在线液位计、在线pH计、在线ORP测试仪、在线悬浮物浓度计、在线DO仪、在线COD仪、在线总氮仪、在线氨氮仪、在线总磷仪；所述泥质传感器为在线污泥浓度仪。
监测第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数。测量方式与步骤101相同，在此不再赘述，需要指出的是，此时的气体产物成分参数和各气体产物的浓度参数，是在鼓风机曝气量预测模型输出的曝气量设定值控制下进行的测量。
根据不同第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数。计算方式与步骤102相同，在此不再赘述。
将不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数及污水处理系统的运行参数作为输入，将第一训练数据向量中的污水水质参数和活性污泥泥质参数作为输出，建立第一训练集。
利用所述第一训练集训练气体产率模拟模型，使气体产率模拟模型输出的污水水质参数和活性污泥泥质参数的预测值与第一训练数据向量中的污水水质参数和活性污泥泥质参数的实测值的差值小于第一预设阈值，获得训练后的气体产率模拟模型。
步骤104，将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值。
将采集的所有水质参数信息、泥质参数信息以及污水厂其它运行参数，通过以太网传送至鼓风机房控制系统BP/PID-1，上述参数信息作为训练集，构建深度学习网络进行训练，获得污水处理鼓风机曝气量预测模型，模型输出值为曝气系统最佳溶解氧浓度。
具体的，所述将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值，之前还包括：
监测污水处理系统的进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数，建立包括污水处理系统进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数的第二训练数据向量。
初始化曝气量设定值，初始化后的曝气量设定值大于第二预设阈值，本发明的初始的曝气量设定值为一个较大的值，在训练过程中逐渐减小该参数，以确定最优的曝气量设定值。
将曝气量设定值输入鼓风机转速预测模型，获得转速设定值。
将所述转速设定值输入PID控制器，控制鼓风机的转速，测量在转速设定值控制下的出水端水质参数。
判断出水端水质参数是否满足水质输出要求，获得判断结果。水质输出要求根据水质的用途不同而有不同的标准，可根据需要查询污水处理的相关规程和标准，在此不在具体限定。
若所述判断结果表示是，则降低曝气量设定值，返回步骤“将曝气量设定值输入鼓风机转速预测模型，获得转速设定值”；
若所述判断结果表示否，将上一次迭代降低前的降低曝气量设定值，作为好氧反应器内的污水水质参数和活性污泥泥质参数对应的最优曝气量设定值；
将第二训练数据向量作为输入，将不同第二训练数据向量对应的最优曝气量设定值设定值作为输出，建立第二训练集。
利用所述第二训练集训练鼓风机曝气量预测模型，获得训练后的鼓风机曝气量预测模型。
由于本发明在气体产率模拟模型训练过程中，气体产物成分参数和各气体产物的浓度参数，是在鼓风机曝气量预测模型输出的曝气量设定值(最优的曝气量设定值)控制下进行的测量；鼓风机曝气量预测模型训练过程中，出水端水质参数，是在鼓风机转速预测模型输出的鼓风机转速设定值条件下进行的，因此，在具体的实施过程中，本发明可以先训练鼓风机转速预测模型，然后训练鼓风机曝气量预测模型，最后训练气体产率模拟模型。
步骤105，将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值。
将采集的曝气系统气体产物产率参数、水质参数、泥质参数信息、污水厂其它运行参数以及鼓风机转速参数通过以太网传送至鼓风机房控制系统BP/PID-3，所述曝气系统水质参数、泥质参数、气体产物产率参数、污水厂其它运行参数以及鼓风机转速参数作为训练集，构建深度神经网络进行训练，获得曝气系统鼓风机转速模型，模型输出值为鼓风机最佳转速，即鼓风机转速设定值。
步骤105所述将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值，之前还包括：
测量鼓风机在不同转速下的曝气量。
鼓风机的转速和曝气量可在污水处理系统的运行参数中获取。污水处理系统其它运行参数包括进水C/N比、HRT、SRT、污泥回流比以及混合液回流比。
将鼓风机的曝气量作为输入，将鼓风机的转速作为输出，建立第三训练集。
利用所述第三训练集训练鼓风机转速预测模型，获得训练后的鼓风机转速预测模型。
步骤106，将所述鼓风机转速设定值输入鼓风机房控制系统的PID控制器，对曝气系统的鼓风机的转速进行控制。
所述气体产率模拟模型根据输入的气体产率参数，以及污水厂其它运行参数信息，分析输出水质参数信息和泥质参数信息，然后鼓风机曝气量预测模型根据上述输出信息计算输出污水处理曝气系统溶解氧设定值DOs；将所述曝气系统溶解氧设定值DOs输入到所述曝气系统鼓风机转速模型，然后将输出的鼓风机转速设定值rs反馈给鼓风机，所述鼓风机根据反馈调节风机转速从而实现曝气量的控制。
在本发明提供的基于气体监测的污水处理智能控制系统与方法中，所述鼓风机房控制系统设有风机，用于向所述生化反应器内提供空气；所述风机出口管道设有压力仪表和流量计，以实现精准曝气。
在本发明提供的基于气体监测的污水处理智能控制系统与方法中，流量计安装在反应池进口处；在线温度计、在线液位计、在线pH计、在线ORP测试仪、在线悬浮物浓度计、在线COD仪、在线总氮仪、在线氨氮仪、在线总磷仪、在线污泥浓度仪安装在反应池前端；曝气池设置多个在线DO仪，原则上不少于1个/m2，在线DO仪安装在各分区的中部位置；在各反应池上方安装集气罩以使反应器处于密封状态，在所述集气罩出口处安装富集装置，在线固定式气体检测仪安装在所述富集装置出口处以提高实时监测的精准度。
在本发明提供的基于气体监测的污水处理智能控制系统与方法中，所述鼓风机房BP/PID-1控制系统用于接收水质参数、污泥参数以及污水厂其它运行参数信息，分析输出当前好氧反应器内混合液的最佳溶解氧含量DOs；所述鼓风机房控制系统BP/PID-2用于接受水质参数、泥质参数、污水厂其它运行参数以及气体产率参数信息，以建立反应器内生化反应情况与气体产率的相关关系模型；所述鼓风机房BP/PID-3控制系统用于接收水质参数、污泥参数、气体产率参数、污水厂其它运行参数、最佳溶解氧含量DOs以及鼓风机转速参数信息，分析输出当前好氧反应器内鼓风机的最佳风机转速rs，然后反馈给所述风机出口导管处的电动调节阀门；所述电动调节阀门根据反馈信号将转速调至最佳风机转速，从而将曝气系统控制在最佳曝气量状态。
进一步地，本发明根据污水处理系统厌氧段和好氧段气体产物的产生机理，创新性地对反应器内气体产物成分进行实时监测和分析，结合污水水质参数、泥质参数、污水厂运行参数数据，使用深度学习方法建立智能预测模型并对其进行训练。
上述污水处理系统厌氧段和好氧段气体产物的产生机理具体如下：
在好氧生物处理中，微生物对有机物进行分解代谢和合成代谢反应，其中，微生物对一部分有机物进行氧化分解，反应式为：CxHyOz+(x+y/4-z/2)O2→x CO2+y/2H2O-△H，式中CxHyOz代表有机污染物；另一部分有机污染物参与合成反应，反应式为：n CxHyOz+n NH3+n(x+y/4-z/2-5)O2→(C5H7NO2)n+n(x-5)CO2+n/2(y-4)H2O-△H。在曝气池的末端，由于营养物质的匮乏，微生物可能进入内源代谢反应，反应式为：(C5H7NO2)n+5n O2→5n CO2+2n H2O+nNH3+△H。好氧处理单元若设计不当或管理不妥会生成CH4。
在厌氧生物处理中，水解阶段：高分子有机物被水解与发酵转化为单糖、氨基酸、脂肪酸、甘油与CO2、H2等小分子物质；产氢产乙酸阶段：上一阶段产物转化为CO2、H2和乙酸以及新的细胞物质，以丙酸转化为例，即CH3CH2COOH+2H2O→CH3COOH+2H2+2CO2；产甲烷阶段：乙酸、碳酸、H2、甲醇和甲酸被转化成甲烷、CO2和新细胞物质，即4H2+CO2→CH4+2H2O，2CH3COOH→2CH4+2CO2。产甲烷阶段反应方程式为：CnHaObNd+[n-a/4-b/2+3/4d]H2O→[n/2+a/8-b/4-3/8d]CH4+d NH3+[n/2-a/8+b/4+3/8d]CO2-△H。此外，不完全硝化作用和不完全反硝化作用还会产生N2O。
本发明选取BP神经网络作为PID控制器在线参数调节模块对最佳曝气量进行预测，实现复杂系统的曝气量最优控制。所述BP/PID控制器涉及两部分；一部分是在线参数调整模块，采用BP神经网络对PID参数进行在线调整，另一部分是PID控制器用于闭环控制动作。BP神经网络结合PID控制构建复杂污水处理系统多目标控制参数指标，通过深度学习逼近最优控制参数；执行网络对系统变量参数进行调控，影响动态系统状态，通过深度学习不断逼近最优控制策略；动态系统的状态变化由上一步构建的多变量控制模型进行仿真，不断对执行网络的学习进行影响。最终可由上述方法得到由当前状态进行下一步控制的逼近最优的控制策略，为最佳曝气量预测及鼓风机转速调控进行指导，进一步根据曝气控制的实际生产环境对模型进行不断调优。
另外，建立能源信息管理系统，对污水处理厂电能使用情况进行实时监控与管理；将污水处理智能曝气控制系统与所述能源信息管理系统相结合，使得本发明中曝气控制技术的节能降耗成效更加可视化。
本发明还提供一种基于气体监测的污水处理智能控制系统，所述智能控制系统包括：
参数监测模块，用于监测污水处理系统的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，污水处理系统的进水口、出水口的污水水质参数及污水处理系统的运行参数；
第一气体产率参数计算模块，用于根据厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算厌氧反应器、好氧反应器内的各气体产物的气体产率参数；
所述第一气体产率参数计算模块，具体包括：
气体产率参数计算子模块，用于根据好氧反应器内的气体产物成分参数和各气体产物的浓度参数，利用公式
W(i)＝[wsensor(i)·V1+wT(i)·V2]/[△t·MLSS·f]，计算各气体产物的气体产率参数。
其中，W(i)表示第i种气体产物的气体产率，wsensor(i)表示好氧反应器内第i种气体产物的浓度，wT(i)为温度为T时，第i种成分在水中的溶解度，V2为反应器中混合液的体积，△t为连续两次测定之间的间隔时间；MLSS为混合液悬浮固体浓度；f为混合液挥发性悬浮固体浓度与悬浮固体浓度的比值。
污水水质参数和活性污泥泥质参数获取模块，用于将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数。
所述智能控制系统还包括：第一训练数据向量监测模块，用于监测污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数，获得包括污水处理系统的进水口、出水口的污水水质参数，污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数的第一训练数据向量；气体产物成分参数监测模块，用于监测第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数；第二气体产率参数计算模块，用于根据不同第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数；第一训练集建立模块，用于将不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数及污水处理系统的运行参数作为输入，将第一训练数据向量中的污水水质参数和活性污泥泥质参数作为输出，建立第一训练集；气体产率模拟模型训练模块，用于利用所述第一训练集训练气体产率模拟模型，使气体产率模拟模型输出的污水水质参数和活性污泥泥质参数的预测值与第一训练数据向量中的污水水质参数和活性污泥泥质参数的实测值的差值小于第一预设阈值，获得训练后的气体产率模拟模型。
曝气量设定值获取模块，用于将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值；
所述智能控制系统还包括：第二训练数据向量监测模块，用于监测污水处理系统的进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数，建立包括污水处理系统进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数的第二训练数据向量；初始化模块，用于初始化曝气量设定值，初始化后的曝气量设定值大于第二预设阈值；转速设定值获取模块，用于将曝气量设定值输入鼓风机转速预测模型，获得转速设定值；水质参数测量模块，用于将所述转速设定值输入PID控制器，控制鼓风机的转速，测量在转速设定值控制下的出水口的水质参数；判断模块，用于判断在转速设定值控制下的出水口的水质参数是否满足水质输出要求，获得判断结果；曝气量设定值更新模块，用于若所述判断结果表示是，则降低曝气量设定值，返回步骤“将曝气量设定值输入鼓风机转速预测模型，获得转速设定值”；最优曝气量设定值输出模块，用于若所述判断结果表示否，将上一次迭代降低前的曝气量设定值，作为第二训练数据向量对应的最优曝气量设定值；第二训练集建立模块，用于将第二训练数据向量作为输入，将不同第二训练数据向量对应的最优曝气量设定值设定值作为输出，建立第二训练集；鼓风机曝气量预测模型训练模块，用于利用所述第二训练集训练鼓风机曝气量预测模型，获得训练后的鼓风机曝气量预测模型。
鼓风机转速设定值获取模块，用于将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值；
所述智能控制系统还包括：曝气量监测模块，用于监测鼓风机在不同转速下的曝气量；第三训练集建立模块，用于将鼓风机的曝气量作为输入，将鼓风机的转速作为输出，建立第三训练集；鼓风机转速预测模型训练模块，用于利用所述第三训练集训练鼓风机转速预测模型，获得训练后的鼓风机转速预测模型。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
1、本发明根据污水处理厌氧段和好氧段反应产气机理，基于其气体产物成分能够实现快速测定，具备可实时监测的成熟技术和方法，弥补了至今仍无成熟可靠的快速方法测定水体指标的缺陷；
2、本发明创新性地对反应器内气体成分进行实时监控和分析，将其与污水水质参数、泥质参数以及运行参数数据结合，使用深度学习方法进行智能预测模型，并对智能控制模型进行训练，本发明有效提高了曝气量的控制精度，解决了现有污水处理曝气技术因无法精准曝气导致的能耗大、成本高等问题；
3、本发明提供的污水处理厌氧和好氧智能控制系统解耦为三个子控制系统，分别为气体产率模拟系统(采用气体产率模拟模型，根据气体产率参数，确定好氧反应器内的污水水质参数和活性污泥泥质参数)、曝气量预测系统(采用鼓风机曝气量预测模型，根据好氧反应器内的污水水质参数和活性污泥泥质参数，确定曝气量设定值)以及鼓风机转速控制系统(采用鼓风机转速预测模型，根据曝气量设定值确定鼓风机转速设定值)，能高效实现复杂的多变量模型优化控制，大大弥补了污水处理系统的多变量强耦合、强非线性相关、强时变性、时滞性等缺陷；
4、本发明在保障出水BOD、COD、氨氮、总磷等水质指标稳定达标的基础上，进一步保证了污水生化处理厌氧段和好氧段的稳定运行；
5、本发明实现了污水处理的高效性、低耗能、低成本，确保水资源和水环境可持续发展。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于气体监测的污水处理智能控制方法，其特征在于，所述智能控制方法包括如下步骤：
监测污水处理系统的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，污水处理系统的进水口、出水口的污水水质参数及污水处理系统的运行参数；
根据厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算厌氧反应器、好氧反应器内的各气体产物的气体产率参数；
将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数；
将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值；
将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值；
将所述鼓风机转速设定值输入鼓风机房控制系统的PID控制器，对曝气系统的鼓风机的转速进行控制；
所述根据厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算厌氧反应器、好氧反应器内的各气体产物的气体产率参数，具体包括：
根据厌氧反应器和好氧反应器内的气体产物成分参数和各气体产物的浓度参数，利用公式W(i)＝[wsensor(i)·V1+wT(i)·V2]/[△t·MLSS·f]，计算厌氧反应器和好氧反应器内的各气体产物的气体产率参数；
其中，W(i)表示反应器内第i种气体产物的气体产率；wsensor(i)表示反应器内第i种气体产物的浓度；V1为反应器上部空间体积；wT(i)为温度为T时，第i种成分在水中的溶解度；V2为反应器中混合液的体积；△t为连续两次测定之间的间隔时间；MLSS为混合液悬浮固体浓度；f为混合液挥发性悬浮固体浓度与悬浮固体浓度的比值，所述反应器为厌氧反应器或好氧反应器。
2.根据权利要求1所述的基于气体监测的污水处理智能控制方法，其特征在于，将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数，之前还包括：
监测污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数，获得包括污水处理系统的进水口、出水口的污水水质参数，污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数的第一训练数据向量；
监测第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数；
根据不同第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数；
将不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数及污水处理系统的运行参数作为输入，将第一训练数据向量中的污水水质参数和活性污泥泥质参数作为输出，建立第一训练集；
利用所述第一训练集训练气体产率模拟模型，使气体产率模拟模型输出的污水水质参数和活性污泥泥质参数的预测值与第一训练数据向量中的污水水质参数和活性污泥泥质参数的实测值的差值小于第一预设阈值，获得训练后的气体产率模拟模型。
3.根据权利要求1所述的基于气体监测的污水处理智能控制方法，其特征在于，所述将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值，之前还包括：
监测污水处理系统的进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数，建立包括污水处理系统进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数的第二训练数据向量；
初始化曝气量设定值，初始化后的曝气量设定值大于第二预设阈值；
将曝气量设定值输入鼓风机转速预测模型，获得转速设定值；
将所述转速设定值输入PID控制器，控制鼓风机的转速，测量在转速设定值控制下的出水口的水质参数；
判断在转速设定值控制下的出水口的水质参数是否满足水质输出要求，获得判断结果；
若所述判断结果表示是，则降低曝气量设定值，返回步骤“将曝气量设定值输入鼓风机转速预测模型，获得转速设定值”；
若所述判断结果表示否，将上一次迭代降低前的曝气量设定值，作为第二训练数据向量对应的最优曝气量设定值；
将第二训练数据向量作为输入，将不同第二训练数据向量对应的最优曝气量设定值作为输出，建立第二训练集；
利用所述第二训练集训练鼓风机曝气量预测模型，获得训练后的鼓风机曝气量预测模型。
4.根据权利要求1所述的基于气体监测的污水处理智能控制方法，其特征在于，所述将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值，之前还包括：
监测鼓风机在不同转速下的曝气量；
将鼓风机的曝气量作为输入，将鼓风机的转速作为输出，建立第三训练集；
利用所述第三训练集训练鼓风机转速预测模型，获得训练后的鼓风机转速预测模型。
5.一种基于气体监测的污水处理智能控制系统，其特征在于，所述智能控制系统包括：
参数监测模块，用于监测污水处理系统的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，污水处理系统的进水口、出水口的污水水质参数及污水处理系统的运行参数；
第一气体产率参数计算模块，用于根据厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算厌氧反应器、好氧反应器内的各气体产物的气体产率参数；
污水水质参数和活性污泥泥质参数获取模块，用于将厌氧反应器、好氧反应器内的各气体产物的气体产率参数及污水处理系统的运行参数输入气体产率模拟模型，获得厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数；
曝气量设定值获取模块，用于将污水处理系统的进水口、出水口的污水水质参数，厌氧反应器和好氧反应器内的污水水质参数、活性污泥泥质参数及污水处理系统的运行参数输入鼓风机曝气量预测模型，获得曝气量设定值；
鼓风机转速设定值获取模块，用于将曝气量设定值输入鼓风机转速预测模型，获得鼓风机转速设定值；
控制模块，用于将所述鼓风机转速设定值输入鼓风机房控制系统的PID控制器，对曝气系统的鼓风机的转速进行控制；
所述第一气体产率参数计算模块，具体包括：
根据厌氧反应器和好氧反应器内的气体产物成分参数和各气体产物的浓度参数，利用公式W(i)＝[wsensor(i)·V1+wT(i)·V2]/[△t·MLSS·f]，计算厌氧反应器和好氧反应器内的各气体产物的气体产率参数；
其中，W(i)表示反应器内第i种气体产物的气体产率；wsensor(i)表示反应器内第i种气体产物的浓度；V1为反应器上部空间体积；wT(i)为温度为T时，第i种成分在水中的溶解度；V2为反应器中混合液的体积；△t为连续两次测定之间的间隔时间；MLSS为混合液悬浮固体浓度；f为混合液挥发性悬浮固体浓度与悬浮固体浓度的比值，所述反应器为厌氧反应器或好氧反应器。
6.根据权利要求5所述的基于气体监测的污水处理智能控制系统，其特征在于，所述智能控制系统还包括：
第一训练数据向量监测模块，用于监测污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数，获得包括污水处理系统的进水口、出水口的污水水质参数，污水处理系统的厌氧反应器、好氧反应器内的污水水质参数和活性污泥泥质参数，以及污水处理系统的运行参数的第一训练数据向量；
气体产物成分参数监测模块，用于监测第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数；
第二气体产率参数计算模块，用于根据不同第一训练数据向量对应的厌氧反应器、好氧反应器内的气体产物成分参数和各气体产物的浓度参数，计算不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数；
第一训练集建立模块，用于将不同第一训练数据向量对应的厌氧反应器、好氧反应器内的各气体的气体产率参数及污水处理系统的运行参数作为输入，将第一训练数据向量中的污水水质参数和活性污泥泥质参数作为输出，建立第一训练集；
气体产率模拟模型训练模块，用于利用所述第一训练集训练气体产率模拟模型，使气体产率模拟模型输出的污水水质参数和活性污泥泥质参数的预测值与第一训练数据向量中的污水水质参数和活性污泥泥质参数的实测值的差值小于第一预设阈值，获得训练后的气体产率模拟模型。
7.根据权利要求5所述的基于气体监测的污水处理智能控制系统，其特征在于，所述智能控制系统还包括：
第二训练数据向量监测模块，用于监测污水处理系统的进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数，建立包括污水处理系统进水口、出水口的污水水质参数，厌氧反应器及好氧反应器内的污水水质参数和活性污泥泥质参数以及污水处理系统的运行参数的第二训练数据向量；
初始化模块，用于初始化曝气量设定值，初始化后的曝气量设定值大于第二预设阈值；
转速设定值获取模块，用于将曝气量设定值输入鼓风机转速预测模型，获得转速设定值；
水质参数测量模块，用于将所述转速设定值输入PID控制器，控制鼓风机的转速，测量在转速设定值控制下的出水口的水质参数；
判断模块，用于判断在转速设定值控制下的出水口的水质参数是否满足水质输出要求，获得判断结果；
曝气量设定值更新模块，用于若所述判断结果表示是，则降低曝气量设定值，返回步骤“将曝气量设定值输入鼓风机转速预测模型，获得转速设定值”；
最优曝气量设定值输出模块，用于若所述判断结果表示否，将上一次迭代降低前的曝气量设定值，作为第二训练数据向量对应的最优曝气量设定值；
第二训练集建立模块，用于将第二训练数据向量作为输入，将不同第二训练数据向量对应的最优曝气量设定值作为输出，建立第二训练集；
鼓风机曝气量预测模型训练模块，用于利用所述第二训练集训练鼓风机曝气量预测模型，获得训练后的鼓风机曝气量预测模型。
8.根据权利要求5所述的基于气体监测的污水处理智能控制系统，其特征在于，所述智能控制系统还包括：
曝气量监测模块，用于监测鼓风机在不同转速下的曝气量；
第三训练集建立模块，用于将鼓风机的曝气量作为输入，将鼓风机的转速作为输出，建立第三训练集；
鼓风机转速预测模型训练模块，用于利用所述第三训练集训练鼓风机转速预测模型，获得训练后的鼓风机转速预测模型。
CN202011391701.4A 2020-12-02 2020-12-02 一种基于气体监测的污水处理智能控制系统与方法 Active CN112624336B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011391701.4A CN112624336B (zh) 2020-12-02 2020-12-02 一种基于气体监测的污水处理智能控制系统与方法
AU2021100260A AU2021100260A4 (en) 2020-12-02 2021-01-15 Intelligent control system and method for sewage treatment based on gas monitoring

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011391701.4A CN112624336B (zh) 2020-12-02 2020-12-02 一种基于气体监测的污水处理智能控制系统与方法

Publications (2)

Publication Number Publication Date
CN112624336A CN112624336A (zh) 2021-04-09
CN112624336B true CN112624336B (zh) 2022-11-04

Family

ID=75307418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011391701.4A Active CN112624336B (zh) 2020-12-02 2020-12-02 一种基于气体监测的污水处理智能控制系统与方法

Country Status (2)

Country Link
CN (1) CN112624336B (zh)
AU (1) AU2021100260A4 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4437992A (en) * 1979-05-16 1984-03-20 Hitachi, Ltd. Process for controlling an aeration tank in an activated sludge sewage treatment
CN103508556A (zh) * 2013-10-28 2014-01-15 上海纯元环保科技有限公司 好氧污水处理曝气量调节系统
CN109879410A (zh) * 2019-03-27 2019-06-14 上海西派埃智能化系统有限公司 一种污水处理曝气控制系统
CN110642393A (zh) * 2019-10-15 2020-01-03 重庆大学 一种基于神经网络模型的曝气控制系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI625308B (zh) * 2016-11-10 2018-06-01 財團法人工業技術研究院 污水曝氣控制系統與方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4437992A (en) * 1979-05-16 1984-03-20 Hitachi, Ltd. Process for controlling an aeration tank in an activated sludge sewage treatment
CN103508556A (zh) * 2013-10-28 2014-01-15 上海纯元环保科技有限公司 好氧污水处理曝气量调节系统
CN109879410A (zh) * 2019-03-27 2019-06-14 上海西派埃智能化系统有限公司 一种污水处理曝气控制系统
CN110642393A (zh) * 2019-10-15 2020-01-03 重庆大学 一种基于神经网络模型的曝气控制系统

Also Published As

Publication number Publication date
AU2021100260A4 (en) 2021-04-15
CN112624336A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN110378533A (zh) 一种基于大数据分析的智能曝气管理方法
CN104360035B (zh) 一种基于自组织粒子群-径向基神经网络的污水总磷tp软测量方法
CN106430662B (zh) 一种曝气控制系统及方法
CN101364083B (zh) 污水处理控制设备和方法及污水处理系统
Ingildsen et al. Dissolved oxygen controller based on on-line measurements of ammonium combining feed-forward and feedback
CN106082430B (zh) 一种曝气控制系统与曝气控制方法
CN112661259A (zh) 一种曝气过程自适应控制方法及系统
CN104090488B (zh) 污水厂自动实时控制溶解氧、污泥负荷和污泥龄的方法
CN112782975A (zh) 一种基于深度学习的污水处理曝气智能控制方法及系统
US20230047297A1 (en) Control method based on adaptive neural network model for dissolved oxygen of aeration system
CN106277383B (zh) 一种基于耗氧速率测定仪的曝气控制系统与方法
CN110510740B (zh) 污水同时硝化反硝化曝气控制系统及曝气方法
CN205740480U (zh) 一种生物池智能曝气系统
CN106277299A (zh) 一种基于耗氧速率测定仪的曝气控制系统与方法
CN115754207A (zh) 一种污水生物处理工艺模拟仿真方法和系统
KR101016394B1 (ko) 급속 미생물 호흡률 측정장치와 에스에스, 이시 측정기가 결합한 실시간 하수처리장 유입하수 성분분석 장치
CN112624336B (zh) 一种基于气体监测的污水处理智能控制系统与方法
CN115180719A (zh) 一种a2o工艺污水处理设施的智能控制方法及系统
CN113941257B (zh) 一种检测mabr工艺氧气利用效能的系统及方法
CN211813677U (zh) 污水生化处理系统
CN213601093U (zh) 一种污泥外回流泵的控制装置
CN207877400U (zh) 一种污水处理曝气系统
Moazeni Real-Time Monitoring of Wastewater Treatment Facilities
Harmand et al. Model based prediction of the clogging of an anaerobic fixed bed reactor
CN117263367B (zh) 一种用于污水处理活性污泥工艺的在线控制方法及系统

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