CN112939209A - 基于人工神经网络的污水处理曝气控制系统及其运行方法 - Google Patents
基于人工神经网络的污水处理曝气控制系统及其运行方法 Download PDFInfo
- Publication number
- CN112939209A CN112939209A CN202110146447.XA CN202110146447A CN112939209A CN 112939209 A CN112939209 A CN 112939209A CN 202110146447 A CN202110146447 A CN 202110146447A CN 112939209 A CN112939209 A CN 112939209A
- Authority
- CN
- China
- Prior art keywords
- module
- biological
- parameter
- data
- 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.)
- Pending
Links
- 238000005273 aeration Methods 0.000 title claims abstract description 95
- 239000010865 sewage Substances 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 28
- 230000003993 interaction Effects 0.000 claims abstract description 52
- 238000007405 data analysis Methods 0.000 claims abstract description 32
- 238000013500 data storage Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical group N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 77
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 64
- 239000001301 oxygen Substances 0.000 claims description 64
- 229910052760 oxygen Inorganic materials 0.000 claims description 64
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 54
- 239000010802 sludge Substances 0.000 claims description 22
- 239000007788 liquid Substances 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 239000003344 environmental pollutant Substances 0.000 claims description 3
- 231100000719 pollutant Toxicity 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
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
- C02F3/02—Aerobic processes
- C02F3/12—Activated sludge processes
- C02F3/1278—Provisions for mixing or aeration of the mixed liquor
-
- 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
- C02F2209/005—Processes using a programmable logic controller [PLC]
-
- 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
- C02F2209/14—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
- C02F2209/22—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
- C02F2209/40—Liquid 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
Abstract
本发明公开了基于人工神经网络的污水处理曝气控制系统及其运行方法，包括数据采集模块、曝气控制模块、数据存储模块、数据分析模块和人机交互模块；数据采集模块采集数据，并将数据依次传输给曝气控制模块、数据存储模块和数据分析模块；曝气控制模块和数据分析模块均与人机交互模块连接，将根据数据获得的结果通过人机交互模块向操作者展示；数据分析模块通过人机交互模块获得操作者的指令，并根据指令对数据进行处理，同时通过人机交互模块向操作者展示；曝气控制模块通过读取人机交互模块的计算结果实现对设置于污水处理生物池的鼓风机，以及相应的空气管道上的阀门的控制。本发明的应用使污水处理工艺更高效、运行更稳定。
Description
技术领域
本发明涉及污水处理技术领域，特别涉及基于人工神经网络的污水处理曝气控制系统及其运行方法。
背景技术
水是人类赖以生存的必要物质，水污染严重危害人类健康、影响人类的长远发展，加强污水治理对人类的发展生存具有重要意义。活性污泥法是污水处理行业常用的一种方法，鼓风曝气是确保活性污泥法污水处理工艺正常运行的关键，据统计，以活性污泥法为处理工艺的污水处理厂，全厂50％-70％的电能是在曝气阶段消耗的，因此对曝气过程进行控制具有重大实际意义。
目前国内外学者所提控制方法主要包括传统的人工就地控制、衡量控制、溶解氧-阀门PID(Proportion-Integral-Differential,PID)及模糊控制、专家控制等智能控制技术。
但传统的生物曝气控制过程中溶解氧(Dissolved Oxygen,简称DO)波动较大、阀门调节频率高，不但造成出水水质不稳定，而且造成了曝气量浪费；
同时，生物池阀门频繁调节，导致磨损大，增加维修成本；模糊控制和专家控制是基于模糊数学知识或专家知识将专家经验表示成相应控制规则，进而用这些规则去控制生物池曝气系统，同样存在阀门频繁调节问题。
人工神经网络方法(Artificial neural network,简称ANN)是人工智能领域的研究热点，具有较强的自适应学习能力和非线性映射能力，适合具有大滞后、非线性、多变量等特点的活性污泥法污水处理工艺过程的控制。
为解决污水处理生物曝气过程中DO波动较大、阀门调节频繁的问题，本文拟发明一种基于人工神经网络的污水处理曝气控制系统和方法。
发明内容
有鉴于现有技术的上述缺陷，本发明提供基于人工神经网络的污水处理曝气控制系统及其运行方法，实现的目的是以实时预测污水处理生物曝气池末端氨氮、自动计算生物处理所需曝气量，根据预测结果对鼓风机和阀门进行自动调节，确保污水处理出水水质稳定达标，降低污水处理生物曝气设备调整频率，使污水处理工艺高效、稳定运行。
为实现上述目的，本发明公开了基于人工神经网络的污水处理曝气控制系统，包括数据采集模块、曝气控制模块、数据存储模块、数据分析模块和人机交互模块。
其中，所述数据采集模块、所述曝气控制模块、所述数据存储模块和所述数据分析模块依次连接；
所述数据采集模块从污水处理生物池采集数据，并将所述数据依次传输给所述所述曝气控制模块、所述数据存储模块和所述数据分析模块；
所述数据存储模块用于存储所述数据；
所述所述曝气控制模块和所述数据分析模块均与所述人机交互模块连接，将根据所述数据获得的结果通过所述人机交互模块向操作者展示；
所述数据分析模块通过所述人机交互模块获得所述操作者的指令，并根据所述指令对所述数据进行处理；
所述指令包括控制模式的设定值、控制目标的设定值；
所述数据分析模块根据所述指令，采用人工神经网络方法，预测所述污水处理生物池的末端氨氮值，同时计算所述污水处理生物池所需的曝气量；
所述末端氨氮值和所述曝气量均存入所述数据存储模块，同时通过所述人机交互模块向操作者展示；
所述曝气控制模块通过读取所述人机交互模块的计算结果实现对设置于所述污水处理生物池的鼓风机，以及相应的空气管道上的阀门的控制。
优选的，所述数据采集模块包括进水参数采集部分、生物池参数采集部分、空气总管参数采集部分和鼓风机参数采集部分；
所述进水参数采集部分包括进水流量传感器、进水化学需氧量传感器和进水氨氮传感器，采集的参数具体如下：
所述进水参数采集部分分别通过所述进水流量传感器采集进水流量参数，通过所述进水化学需氧量传感器采集进水化学需氧量参数，通过所述进水氨氮传感器采集进水氨氮参数；
所述生物池参数采集部分包括生物池溶解氧传感器、生物池混合液污泥浓度传感器和生物池氨氮传感器，采集的参数具体如下：
所述生物池参数采集部分通过所述生物池溶解氧传感器采集生物池溶解氧参数，通过所述生物池混合液污泥浓度传感器采集生物池混合液污泥浓度参数，通过所述生物池氨氮传感器采集生物池末端氨氮参数；
所述空气总管参数采集部分包括总管空气流量计和电动调节阀，采集的参数具体如下：
所述空气总管参数采集部分通过所述总管空气流量计采集总管空气流量参数，通过所述电动调节阀的反馈获得调节阀开度参数；
所述鼓风机参数采集部分从鼓风机获取所述鼓风机的风量参数、频率参数及运行信号参数。
更优选的，所述曝气控制模块包括PLC控制柜和鼓风机控制柜；
所述PLC控制柜分别与所述数据采集模块和所述数据存储模块连接，将所述进水参数采集部分、所述生物池参数采集部分和所述空气总管参数采集部分采集的所有参数均传输至所述数据存储模块进行存储；
所述PLC控制柜与所述人机交互模块，根据所述操作者通过所述人机交互模块发出的控制指令，控制所述电动调节阀；
所述鼓风机控制柜分别与所述鼓风机参数采集部分和所述人机交互模块连接，将所述风量参数、所述频率参数及所述运行信号参数发送给所述人机交互模块进行展示，同时根据所述操作者通过所述人机交互模块发出的控制指令对所述鼓风机进行控制。
更优选的，所述数据分析模块包括生物池末端氨氮预测子模块、生物池溶解氧预测子模块和曝气量预测子模块；
所述生物池末端氨氮预测子模块根据所述数据采集模块所采集的所述进水流量参数、所述生物池溶解氧参数、所述生物池混合液污泥浓度参数和所述总管空气流量参数对所述污水处理生物池的末端氨氮值进行预测；
所述生物池溶解氧预测子模块通过将所述操作者在所述人机交互模块所设定的氨氮目标值与所述生物池末端氨氮参数的差值进行模糊控制算法对所述污水处理生物池的溶解氧值进行预测；
所述曝气量预测子模块根据所述进水流量参数、所述生物池混合液污泥浓度参数，以及所述操作者在所述人机交互模块所设定的溶解氧目标值或生物池溶解氧预测值，对所述污水处理生物池所需的曝气量进行预测。
更优选的，所述生物池末端氨氮预测子模块是根据污水处理厂历史运行数据，以所述历史运行数据中历史进水参数、历史生物池溶解氧、历史混合液污泥浓度参数、历史总管空气流量参数为输入，以历史曝气池末端氨氮参数和历史出水化学需氧量参数为输出，采用人工神经网络算法所建立；
所述曝气量预测子模块是以所述历史运行数据中历史进水参数、历史生物池参数为输入，以历史总管空气流量参数为输出，采用人工神经网络算法所建立。
优选的，所述人机交互模块包括数据显示子模块和参数设定子模块；
所述数据显示子模块包括用于显示所述数据采集模块所采集的所述数据的采集参数显示部分，以及用于显示所述数据分析模块计算结果的结果显示部分；
所述参数设定子模块包括控制模式设置部分和控制目标设置部分；
所述控制模式设置部分用于在溶解氧控制模式和氨氮控制模式之间切换；
所述控制目标设置部分用于在所述溶解氧控制模式或所述氨氮控制模式，分别输入相应的溶解氧目标值或氨氮目标值。
本发明还提供基于人工神经网络的污水处理曝气控制系统的运行方法，步骤如下：
步骤1、通过人机交互模块获得控制模式的设定值和控制目标的设定值；
步骤2、数据分析模块中的生物池末端氨氮预测子模块、生物池溶解氧预测子模块和曝气量预测子模块根据所述控制模式的设定值和所述控制目标的设定值以1-5min频率进行计算；
当生物池末端氨氮预测子模块预测出水氨氮满足《城镇污水处理厂污染物排放标准》时，生物池溶解氧预测子模块和曝气量预测子模块计算结果无需传输至曝气控制模块，以减少鼓风机、阀门调整频率；
当生物池末端氨氮预测子模块预测出水氨氮高于氨氮控制目标设定值时，生物池溶解氧预测子模块和曝气量预测子模块计算结果需传输至曝气控制模块，由所述曝气控制模块对鼓风机、阀门进行调整，并重新执行步骤2，直至生物池末端氨氮预测子模块或生物池溶解氧预测子模块的结果满足所述控制模式的设定值和所述控制目标的设定值。
本发明的有益效果：
本发明能够实时预测污水处理生物曝气池末端氨氮、自动计算生物处理所需曝气量，根据预测结果对鼓风机和阀门进行自动调节，确保污水处理出水水质稳定达标，降低污水处理生物曝气设备调整频率，使污水处理工艺高效、稳定运行。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1示出本发明一实施例中污水处理曝气控制系统的结构示意图。
图2示出本发明一实施例中数据采集模块和曝气控制模块结构示意图。
图3示出本发明一实施例中数据分析模块结构示意图。
图4示出本发明一实施例中人机交互模块结构示意图。
具体实施方式
实施例
如图1所示，基于人工神经网络的污水处理曝气控制系统，包括数据采集模块101、曝气控制模块102、数据存储模块103、数据分析模块104和人机交互模块105。
其中，数据采集模块101、曝气控制模块102、数据存储模块103和数据分析模块104依次连接；
数据采集模块101从污水处理生物池采集数据，并将数据依次传输给曝气控制模块102、数据存储模块103和数据分析模块104；
数据存储模块103用于存储数据；
曝气控制模块102和数据分析模块104均与人机交互模块105连接，将根据数据获得的结果通过人机交互模块105向操作者展示；
数据分析模块104通过人机交互模块105获得操作者的指令，并根据指令对数据进行处理；
指令包括控制模式的设定值、控制目标的设定值；
数据分析模块104根据指令，采用人工神经网络方法，预测污水处理生物池的末端氨氮值，同时计算污水处理生物池所需的曝气量；
末端氨氮值和曝气量均存入数据存储模块103，同时通过人机交互模块105向操作者展示；
曝气控制模块102通过读取人机交互模块105的计算结果实现对设置于污水处理生物池的鼓风机，以及相应的空气管道上的阀门的控制。
本发明的原理如下：
本发明以实时预测污水处理生物曝气池末端氨氮、自动计算生物处理所需曝气量，根据预测结果对鼓风机和阀门进行自动调节，与现有技术相比，能够确保污水处理出水水质稳定达标，降低污水处理生物曝气设备调整频率，使污水处理工艺更加高效、运行更加稳定。
如图2所示，在某些实施例中，数据采集模块101包括进水参数采集部分201、生物池参数采集部分202、空气总管参数采集部分203和鼓风机参数采集部分204；
进水参数采集部分201包括进水流量传感器、进水化学需氧量传感器和进水氨氮传感器，采集的参数具体如下：
进水参数采集部分201分别通过进水流量传感器采集进水流量参数，通过进水化学需氧量传感器采集进水化学需氧量参数，通过进水氨氮传感器采集进水氨氮参数；
生物池参数采集部分202包括生物池溶解氧传感器、生物池混合液污泥浓度传感器和生物池氨氮传感器，采集的参数具体如下：
生物池参数采集部分202通过生物池溶解氧传感器采集生物池溶解氧参数，通过生物池混合液污泥浓度传感器采集生物池混合液污泥浓度参数，通过生物池氨氮传感器采集生物池末端氨氮参数；
空气总管参数采集部分203包括总管空气流量计和电动调节阀，采集的参数具体如下：
空气总管参数采集部分203通过总管空气流量计采集总管空气流量参数，通过电动调节阀的反馈获得调节阀开度参数；
鼓风机参数采集部分204从鼓风机获取鼓风机的风量参数、频率参数及运行信号参数。
在某些实施例中，曝气控制模块102包括PLC控制柜205和鼓风机控制柜206；
PLC控制柜205分别与数据采集模块101和数据存储模块103连接，将进水参数采集部分201、生物池参数采集部分202和空气总管参数采集部分203采集的所有参数均传输至数据存储模块103进行存储；
PLC控制柜205与人机交互模块105，根据操作者通过人机交互模块105发出的控制指令，控制电动调节阀；
鼓风机控制柜206分别与鼓风机参数采集部分204和人机交互模块105连接，将风量参数、频率参数及运行信号参数发送给人机交互模块105进行展示，同时根据操作者通过人机交互模块105发出的控制指令对鼓风机进行控制。
如图3所示，在某些实施例中，数据分析模块104包括生物池末端氨氮预测子模块301、生物池溶解氧预测子模块302和曝气量预测子模块303；
生物池末端氨氮预测子模块301根据数据采集模块101所采集的进水流量参数、生物池溶解氧参数、生物池混合液污泥浓度参数和总管空气流量参数对污水处理生物池的末端氨氮值进行预测；
生物池溶解氧预测子模块302通过将操作者在人机交互模块105所设定的氨氮目标值与生物池末端氨氮参数的差值进行模糊控制算法对污水处理生物池的溶解氧值进行预测；
曝气量预测子模块303根据进水流量参数、生物池混合液污泥浓度参数，以及操作者在人机交互模块105所设定的溶解氧目标值或生物池溶解氧预测值，对污水处理生物池所需的曝气量进行预测。
在某些实施例中，生物池末端氨氮预测子模块301是根据污水处理厂历史运行数据，以历史运行数据中历史进水参数、历史生物池溶解氧、历史混合液污泥浓度参数、历史总管空气流量参数为输入，以历史曝气池末端氨氮参数和历史出水化学需氧量参数为输出，采用人工神经网络算法所建立；
曝气量预测子模块303是以历史运行数据中历史进水参数、历史生物池参数为输入，以历史总管空气流量参数为输出，采用人工神经网络算法所建立。
如图4所示，在某些实施例中，人机交互模块105包括数据显示子模块401和参数设定子模块402；
数据显示子模块401包括用于显示数据采集模块101所采集的数据的采集参数显示部分403，以及用于显示数据分析模块104计算结果的结果显示部分404；
参数设定子模块402包括控制模式设置部分405和控制目标设置部分406；
控制模式设置部分405用于在溶解氧控制模式和氨氮控制模式之间切换；
控制目标设置部分406用于在溶解氧控制模式或氨氮控制模式，分别输入相应的溶解氧目标值或氨氮目标值。
本发明还提供基于人工神经网络的污水处理曝气控制系统的运行方法，步骤如下：
步骤1、通过人机交互模块105获得控制模式的设定值和控制目标的设定值；
步骤2、数据分析模块104中的生物池末端氨氮预测子模块301、生物池溶解氧预测子模块302和曝气量预测子模块303根据控制模式的设定值和控制目标的设定值以1-5min频率进行计算；
当生物池末端氨氮预测子模块301预测出水氨氮满足《城镇污水处理厂污染物排放标准》时，生物池溶解氧预测子模块302和曝气量预测子模块303计算结果无需传输至曝气控制模块，以减少鼓风机、阀门调整频率；
当生物池末端氨氮预测子模块301预测出水氨氮高于氨氮控制目标设定值时，生物池溶解氧预测子模块302和曝气量预测子模块303计算结果需传输至曝气控制模块102，由曝气控制模块102对鼓风机、阀门进行调整，并重新执行步骤2，直至生物池末端氨氮预测子模块301或生物池溶解氧预测子模块302的结果满足控制模式的设定值和控制目标的设定值。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (7)
1.基于人工神经网络的污水处理曝气控制系统，包括数据采集模块(101)、曝气控制模块(102)、数据存储模块(103)、数据分析模块(104)和人机交互模块(105)；其特征在于：
所述数据采集模块(101)、所述曝气控制模块(102)、所述数据存储模块(103)和所述数据分析模块(104)依次连接；
所述数据采集模块(101)从污水处理生物池采集数据，并将所述数据依次传输给所述所述曝气控制模块(102)、所述数据存储模块(103)和所述数据分析模块(104)；
所述数据存储模块(103)用于存储所述数据；
所述所述曝气控制模块(102)和所述数据分析模块(104)均与所述人机交互模块(105)连接，将根据所述数据获得的结果通过所述人机交互模块(105)向操作者展示；
所述数据分析模块(104)通过所述人机交互模块(105)获得所述操作者的指令，并根据所述指令对所述数据进行处理；
所述指令包括控制模式的设定值、控制目标的设定值；
所述数据分析模块(104)根据所述指令，采用人工神经网络方法，预测所述污水处理生物池的末端氨氮值，同时计算所述污水处理生物池所需的曝气量；
所述末端氨氮值和所述曝气量均存入所述数据存储模块(103)，同时通过所述人机交互模块(105)向操作者展示；
所述曝气控制模块(102)通过读取所述人机交互模块(105)的计算结果实现对设置于所述污水处理生物池的鼓风机，以及相应的空气管道上的阀门的控制。
2.根据权利要求1所述的基于人工神经网络的污水处理曝气控制系统，其特征在于，所述数据采集模块(101)包括进水参数采集部分(201)、生物池参数采集部分(202)、空气总管参数采集部分(203)和鼓风机参数采集部分(204)；
所述进水参数采集部分(201)包括进水流量传感器、进水化学需氧量传感器和进水氨氮传感器，采集的参数具体如下：
所述进水参数采集部分(201)分别通过所述进水流量传感器采集进水流量参数，通过所述进水化学需氧量传感器采集进水化学需氧量参数，通过所述进水氨氮传感器采集进水氨氮参数；
所述生物池参数采集部分(202)包括生物池溶解氧传感器、生物池混合液污泥浓度传感器和生物池氨氮传感器，采集的参数具体如下：
所述生物池参数采集部分(202)通过所述生物池溶解氧传感器采集生物池溶解氧参数，通过所述生物池混合液污泥浓度传感器采集生物池混合液污泥浓度参数，通过所述生物池氨氮传感器采集生物池末端氨氮参数；
所述空气总管参数采集部分(203)包括总管空气流量计和电动调节阀，采集的参数具体如下：
所述空气总管参数采集部分(203)通过所述总管空气流量计采集总管空气流量参数，通过所述电动调节阀的反馈获得调节阀开度参数；
所述鼓风机参数采集部分(204)从鼓风机获取所述鼓风机的风量参数、频率参数及运行信号参数。
3.根据权利要求2所述的基于人工神经网络的污水处理曝气控制系统，其特征在于，所述曝气控制模块(102)包括PLC控制柜(205)和鼓风机控制柜(206)；
所述PLC控制柜(205)分别与所述数据采集模块(101)和所述数据存储模块(103)连接，将所述进水参数采集部分(201)、所述生物池参数采集部分(202)和所述空气总管参数采集部分(203)采集的所有参数均传输至所述数据存储模块(103)进行存储；
所述PLC控制柜(205)与所述人机交互模块(105)，根据所述操作者通过所述人机交互模块(105)发出的控制指令，控制所述电动调节阀；
所述鼓风机控制柜(206)分别与所述鼓风机参数采集部分(204)和所述人机交互模块(105)连接，将所述风量参数、所述频率参数及所述运行信号参数发送给所述人机交互模块(105)进行展示，同时根据所述操作者通过所述人机交互模块(105)发出的控制指令对所述鼓风机进行控制。
4.根据权利要求2所述的基于人工神经网络的污水处理曝气控制系统，其特征在于，所述数据分析模块(104)包括生物池末端氨氮预测子模块(301)、生物池溶解氧预测子模块(302)和曝气量预测子模块(303)；
所述生物池末端氨氮预测子模块(301)根据所述数据采集模块(101)所采集的所述进水流量参数、所述生物池溶解氧参数、所述生物池混合液污泥浓度参数和所述总管空气流量参数对所述污水处理生物池的末端氨氮值进行预测；
所述生物池溶解氧预测子模块(302)通过将所述操作者在所述人机交互模块(105)所设定的氨氮目标值与所述生物池末端氨氮参数的差值进行模糊控制算法对所述污水处理生物池的溶解氧值进行预测；
所述曝气量预测子模块(303)根据所述进水流量参数、所述生物池混合液污泥浓度参数，以及所述操作者在所述人机交互模块(105)所设定的溶解氧目标值或生物池溶解氧预测值，对所述污水处理生物池所需的曝气量进行预测。
5.根据权利要求4所述的基于人工神经网络的污水处理曝气控制系统，其特征在于，所述生物池末端氨氮预测子模块(301)是根据污水处理厂历史运行数据，以所述历史运行数据中历史进水参数、历史生物池溶解氧、历史混合液污泥浓度参数、历史总管空气流量参数为输入，以历史曝气池末端氨氮参数和历史出水化学需氧量参数为输出，采用人工神经网络算法所建立；
所述曝气量预测子模块(303)是以所述历史运行数据中历史进水参数、历史生物池参数为输入，以历史总管空气流量参数为输出，采用人工神经网络算法所建立。
6.根据权利要求1所述的基于人工神经网络的污水处理曝气控制系统，其特征在于，所述人机交互模块(105)包括数据显示子模块(401)和参数设定子模块(402)；
所述数据显示子模块(401)包括用于显示所述数据采集模块(101)所采集的所述数据的采集参数显示部分(403)，以及用于显示所述数据分析模块(104)计算结果的结果显示部分(404)；
所述参数设定子模块(402)包括控制模式设置部分(405)和控制目标设置部分(406)；
所述控制模式设置部分(405)用于在溶解氧控制模式和氨氮控制模式之间切换；
所述控制目标设置部分(406)用于在所述溶解氧控制模式或所述氨氮控制模式，分别输入相应的溶解氧目标值或氨氮目标值。
7.基于人工神经网络的污水处理曝气控制系统的运行方法，步骤如下：
步骤1、通过人机交互模块(105)获得控制模式的设定值和控制目标的设定值；
步骤2、数据分析模块(104)中的生物池末端氨氮预测子模块(301)、生物池溶解氧预测子模块(302)和曝气量预测子模块(303)根据所述控制模式的设定值和所述控制目标的设定值以1-5min频率进行计算；
当生物池末端氨氮预测子模块(301)预测出水氨氮满足《城镇污水处理厂污染物排放标准》时，生物池溶解氧预测子模块(302)和曝气量预测子模块(303)计算结果无需传输至曝气控制模块，以减少鼓风机、阀门调整频率；
当生物池末端氨氮预测子模块(301)预测出水氨氮高于氨氮控制目标设定值时，生物池溶解氧预测子模块(302)和曝气量预测子模块(303)计算结果需传输至曝气控制模块(102)，由所述曝气控制模块(102)对鼓风机、阀门进行调整，并重新执行步骤2，直至生物池末端氨氮预测子模块(301)或生物池溶解氧预测子模块(302)的结果满足所述控制模式的设定值和所述控制目标的设定值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110146447.XA CN112939209A (zh) | 2021-02-03 | 2021-02-03 | 基于人工神经网络的污水处理曝气控制系统及其运行方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110146447.XA CN112939209A (zh) | 2021-02-03 | 2021-02-03 | 基于人工神经网络的污水处理曝气控制系统及其运行方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112939209A true CN112939209A (zh) | 2021-06-11 |
Family
ID=76241966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110146447.XA Pending CN112939209A (zh) | 2021-02-03 | 2021-02-03 | 基于人工神经网络的污水处理曝气控制系统及其运行方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112939209A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114031193A (zh) * | 2021-12-08 | 2022-02-11 | 湖北鑫嘉鸿诚环保科技有限公司 | 一种氧转移率高的印染废水处理用智慧曝气系统 |
| CN116375233A (zh) * | 2023-03-24 | 2023-07-04 | 寿县国祯水处理有限公司 | 一种分区联动提升的曝气系统及需氧量联动计算方法 |
| CN117003324A (zh) * | 2023-10-07 | 2023-11-07 | 北京赛科康仑环保科技有限公司 | 一种氨氮废水处理人工智能控制方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833281A (zh) * | 2010-02-26 | 2010-09-15 | 华南理工大学 | 污水处理曝气节能控制方法 |
| CN202758178U (zh) * | 2011-12-02 | 2013-02-27 | 深圳达实智能股份有限公司 | 一种智能动态曝气控制系统 |
| CN103197539A (zh) * | 2013-04-01 | 2013-07-10 | 鞍山市海汇自动化有限公司 | 污水处理智能优化控制曝气量的方法 |
| US20180127286A1 (en) * | 2016-11-10 | 2018-05-10 | Industrial Technology Research Institute | Aeration control system and method for wastewater |
| 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 |
| CN209583779U (zh) * | 2018-12-28 | 2019-11-05 | 中原环保股份有限公司 | 一种污水处理精确曝气系统 |
| 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 |
-
2021
- 2021-02-03 CN CN202110146447.XA patent/CN112939209A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833281A (zh) * | 2010-02-26 | 2010-09-15 | 华南理工大学 | 污水处理曝气节能控制方法 |
| CN202758178U (zh) * | 2011-12-02 | 2013-02-27 | 深圳达实智能股份有限公司 | 一种智能动态曝气控制系统 |
| CN103197539A (zh) * | 2013-04-01 | 2013-07-10 | 鞍山市海汇自动化有限公司 | 污水处理智能优化控制曝气量的方法 |
| US20180127286A1 (en) * | 2016-11-10 | 2018-05-10 | Industrial Technology Research Institute | Aeration control system and method for wastewater |
| CN209583779U (zh) * | 2018-12-28 | 2019-11-05 | 中原环保股份有限公司 | 一种污水处理精确曝气系统 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 刘红丽: "《传感与检测技术》", 30 September 2012, 国防工业出版社 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114031193A (zh) * | 2021-12-08 | 2022-02-11 | 湖北鑫嘉鸿诚环保科技有限公司 | 一种氧转移率高的印染废水处理用智慧曝气系统 |
| CN116375233A (zh) * | 2023-03-24 | 2023-07-04 | 寿县国祯水处理有限公司 | 一种分区联动提升的曝气系统及需氧量联动计算方法 |
| CN116375233B (zh) * | 2023-03-24 | 2024-04-12 | 寿县国祯水处理有限公司 | 一种分区联动提升的曝气系统及需氧量联动计算方法 |
| CN117003324A (zh) * | 2023-10-07 | 2023-11-07 | 北京赛科康仑环保科技有限公司 | 一种氨氮废水处理人工智能控制方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112939209A (zh) | 基于人工神经网络的污水处理曝气控制系统及其运行方法 | |
| CN103197539B (zh) | 污水处理智能优化控制曝气量的方法 | |
| KR940005029B1 (ko) | 프로세스 운전지원방법 및 시스템 | |
| CN102122134A (zh) | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 | |
| CN202758178U (zh) | 一种智能动态曝气控制系统 | |
| AU2021100130A4 (en) | Intelligent control method and system for sewage treatment aeration based on deep learning | |
| CN111362328B (zh) | 一种基于水质水量的污水处理设施动态优化调度系统及方法 | |
| CN101993151B (zh) | 污水生化处理过程回路控制方法 | |
| CN103570190A (zh) | 一种基于模糊控制的再生水厂化学除磷药剂投加量方法 | |
| Chen et al. | Smart energy savings for aeration control in wastewater treatment | |
| Kandare et al. | Adaptive predictive expert control of dissolved oxygen concentration in a wastewater treatment plant | |
| KR20060092660A (ko) | 퍼지제어를 이용한 하·폐수 처리장의 자동제어장치 및 방법 | |
| CN207380527U (zh) | 一种污水处理自动化控制系统 | |
| CN212276259U (zh) | 一种污水生物处理过程的集成智能控制系统及装置 | |
| US6569335B1 (en) | Wastewater treatment control method and apparatus | |
| CN117105461A (zh) | 基于机器学习的大数据污水预测处理方法 | |
| CN116088450A (zh) | 一种污水处理厂智能终端控制系统、构建方法及控制方法 | |
| JPH0852458A (ja) | 下水処理場の運転支援装置 | |
| CN115353223A (zh) | 一种基于anfis模型的实验室废水处理一体化方法及装置 | |
| CN1387099A (zh) | Sbr工艺模糊控制方法及控制装置 | |
| Puñal et al. | Automatic start-up of UASB reactors | |
| Ding et al. | Research on intelligent control system of A/A/O process for wastewater treatment pilot based on ASM2D and fuzzy model | |
| CN205821012U (zh) | 一种可控曝气量的鼓风装置 | |
| Abdallah et al. | Advanced Monitoring and Control of Anaerobic Digestion in Bioreactor Landfills | |
| CN115259360B (zh) | 一种农村户用sbr污水处理装备的多模式控制方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |
|
| RJ01 | Rejection of invention patent application after publication |