CN112978919A - 污水处理厂碳源投加系统和方法 - Google Patents
污水处理厂碳源投加系统和方法 Download PDFInfo
- Publication number
- CN112978919A CN112978919A CN202110123193.XA CN202110123193A CN112978919A CN 112978919 A CN112978919 A CN 112978919A CN 202110123193 A CN202110123193 A CN 202110123193A CN 112978919 A CN112978919 A CN 112978919A
- Authority
- CN
- China
- Prior art keywords
- carbon source
- module
- amount
- nitrate nitrogen
- value
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 137
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000010865 sewage Substances 0.000 title claims abstract description 35
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims abstract description 85
- 238000013500 data storage Methods 0.000 claims abstract description 33
- 230000003993 interaction Effects 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 73
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 45
- 238000010992 reflux Methods 0.000 claims description 24
- 229910052757 nitrogen Inorganic materials 0.000 claims description 23
- 229910002651 NO3 Inorganic materials 0.000 claims description 17
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000006396 nitration reaction Methods 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling 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
- C02F3/30—Aerobic and anaerobic processes
- C02F3/302—Nitrification and denitrification treatment
-
- 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
- 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
- C02F2209/005—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
- C02F2209/14—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
- C02F2209/40—Liquid flow rate
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)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明提供了一种污水处理厂碳源投加系统和方法,所述碳源投加系统包括:依次通信连接的采集模块、PLC控制模块、数据存储模块和分析模块以及与所述PLC控制模块、数据存储模块和分析模块分别通信相连的人机交互模块,所述分析模块根据采集模块实时采集的第一参数和人机交互模块输入的硝氮目标值通过机器学习与模糊控制相结合的方法得到最终碳源投加量,并将结果传输至PLC控制模块,PLC控制系统反馈调节投加流量。本发明根据各项参数,实时在线预测满足出水水质所需的加药量的值,根据计算结果对投加流量进行调节,确保出水水质稳定达标同时还能准确控制碳源投加量,减少了成本。
Description
技术领域
本发明涉及污水处理技术领域,特别是涉及一种污水处理厂碳源投加系统和方法。
背景技术
随着城市化进程的发展,水体富营养化日趋严重,水环境问题受到越来越多的重视。因此,对污水处理厂出水水质指标的控制尤为重要。目前我国大部分污水处理厂采用生物脱氮工艺去除水中的含氮化合物,由硝化反应和反硝化反应两部分组成。为保证硝化反应的正常进行,大部分污水处理厂采用加碳源的方式来提高反硝化的效果。目前,碳源投加方式大多为恒量投加,根据处理效果人工进行调节。由于污水处理厂进水水质水量波动较大,整个系统具有非线性、滞后性的特点,因此动态控制碳源投加量,保证硝氮的去除率达标的同时降低处理成本,是目前污水处理工艺中关注的热点。
目前针对药剂投加控制研究,大多数基于外加碳源量的计算公式计算出恒定的碳源投加量,通过硝氮值反馈控制进行调节,但是污水处理工艺受到水质水量影响较大,控制系统往往存在延迟,滞后性,且外加碳源量和进水量、硝氮值之间存在复杂非线性的关系,造成系统调节效果不佳。
因此,急需提供一种污水处理厂碳源投加系统和方法,以适用于解决污水处理过程中的不确定性和高度非线性问题,确保硝氮去除率达标的同时节约成本,且保证污水处理过程的稳定运行。
发明内容
基于此,本发明提供一种污水处理厂碳源投加系统和方法,用以解决污水处理过程中的不确定性和高度非线性问题,确保硝氮去除率达标的同时节约成本,且保证污水处理过程的稳定运行。
本发明提供了一种污水处理厂碳源投加系统,所述碳源投加系统包括采集模块、与所述采集模块通信相连的PLC控制模块、与所述PLC控制模块通信相连的数据存储模块、与所述数据存储模块通信相连的分析模块以及与所述PLC 控制模块、数据存储模块和分析模块分别通信相连的人机交互模块,
所述采集模块用于实时采集污水处理厂的第一参数,所述第一参数包括进水流量、进水水质、硝化区和反硝化区之间的内回流流量、反硝化区内加药泵的投加流量以及经过反硝化区末端过程水的硝氮实测值;
所述人机交互模块用于输入预设的反硝化区末端的硝氮目标值;
所述分析模块调用所述第一参数和所述硝氮目标值,基于机器学习的方法对碳源投加量进行前馈预测,基于模糊控制对碳源投加量进行反馈预测,通过所述前馈预测和所述反馈预测相结合的控制方法确定最终碳源投加量并将其反馈给所述PLC控制模块,
所述PLC控制模块根据所述分析模块的反馈信息反馈调节所述投加流量。
优选的,所述采集模块包括设于进水区的进水流量计和进水水质仪表、设于硝化区和反硝化区之间的内回流流量计、设于加药泵出口的加药泵流量计以及设于反硝化区末端的硝氮在线仪表,所述进水水质仪表用于采集进水COD、进水氨氮以及进水总氮。
优选的,所述分析模块包括加药量前馈预测单元,加药量反馈预测单元和判断单元;
所述加药量前馈预测单元调用所述进水流量、进水水质、内回流流量以及所述硝氮目标值输入内部的加药量前馈预测模型,经过所述加药量前馈预测模型获得所述第一碳源投加量,所述第一碳源投加量为所述前馈预测的结果;
所述加药量反馈预测单元调用所述第一参数中的投加流量、硝氮实测值和所述硝氮目标值计算硝氮偏差值和偏差变化率,通过模糊控制获得第二碳源投加量,所述第二碳源投加量为所述反馈预测的结果,所述硝氮偏差值为所述硝氮目标值和所述硝氮实测值的差值,所述偏差变化率为单位时间内硝氮值的变化量;
所述判断单元根据所述第一碳源投加量和所述第二碳源投加量确定最终碳源投加量,在人机交互界面显示并传至所述PLC控制模块进行对加药泵的控制。
本发明还提供了一种污水处理厂碳源投加方法,用于以上所述的碳源投加系统,包括以下步骤:
采集污水处理厂的第一参数,所述第一参数包括进水流量、进水水质、硝化区和反硝化区之间的内回流流量、反硝化区内加药泵的投加流量以及经过反硝化区末端过程水的硝氮实测值;
输入预设的反硝化区末端的硝氮目标值;
调用所述第一参数和所述硝氮目标值,通过机器学习进行碳源投加量的前馈预测获得第一碳源投加量;通过模糊控制进行碳源投加量的反馈预测获得第二碳源投加量;
调用所述第一参数中的硝氮实测值以及所述硝氮目标值,若硝氮实测值逐渐接近所述硝氮目标值,选择前馈预测的所述第一碳源投加量传输至所述PLC 控制模块,反之,选择反馈预测的所述第二碳源投加量传输至PLC控制模块。
优选的,所述通过机器学习进行碳源投加量的前馈预测获得第一碳源投加量,包括:
调用所述进水流量、进水水质、内回流流量以及硝氮目标值输入加药量前馈预测模型,经过所述加药量前馈预测模型预测获得所述第一碳源投加量。
优选的,所述碳源投加方法还包括建立所述加药量前馈预测模型,具体包括:
获取历史第一参数,将历史第一参数的进水流量、进水水质、内回流流量和硝氮实测值作为输入层以及对应历史的碳源投加量作为输出层进行机器学习训练调参,获取训练好的模型作为所述加药量前馈预测模型。
优选的,所述通过模糊控制进行碳源投加量的反馈预测获得第二碳源投加量,包括:
调用所述第一参数中的投加流量、硝氮实测值和所述硝氮目标值计算硝氮偏差值和偏差变化率,通过mamdani模糊控制方法获得第二碳源投加量,所述硝氮偏差值为所述硝氮目标值和所述硝氮实测值的差值,所述偏差变化率为单位时间内硝氮值的变化量。
优选的,所述碳源投加方法还包括:存储所述第一参数、所述硝氮目标值以及所述反馈信息并进行动态显示。
本发明的有益效果在于:提供了一种污水处理厂碳源投加系统和方法,所述系统包括:采集模块、与所述采集模块通信相连的PLC控制模块、与所述PLC 控制模块通信相连的数据存储模块、与所述数据存储模块通信相连的分析模块以及与所述PLC控制模块、数据存储模块和分析模块分别通信相连的人机交互模块,所述分析模块根据采集模块实时采集的第一参数和人机交互模块输入的硝氮目标值通过机器学习及模糊控制相结合的方法确定最终碳源投加量并反馈给PLC控制模块,从而控制加药泵的投加流量。本发明根据前馈和反馈的各项参数,实时在线预测满足出水水质所需的加药量的值,根据计算结果对加药泵的流量进行调节,确保出水水质稳定达标同时还能准确控制碳源投加量,减少了成本。
附图说明
图1为本发明实施例的碳源投加系统的结构示意图;
图2为图1所示的PLC控制模块和采集模块配合的结构示意图;
图3为图1所示的PLC控制模块、数据存储模块以及人机交互模块的结构示意图;
图4为图1所示的数据存储模块、分析模块以及人机交互模块结构示意图;
图5为图1所示的碳源投加系统中人机交互模块与其他各模块的配合结构示意图;
图6为本发明实施例的碳源投加系统的流程示意图;
附图中各标号的含义为:碳源投加系统100;采集模块001;进水流量计101;进水水质仪表102;加药泵流量计103;硝态氮在线仪表104;内回流流量计105; PLC控制模块002;数据存储模块003;仪表数据存储单元301;计算数据存储单元302;分析模块004;加药量前馈预测单元401;加药量反馈预测单元402;人机交互模块005;仪表数据实时显示单元501;仪表数据历史查询单元502;计算数据历史查询单元503;加药量前馈预测结果显示单元504;加药量反馈预测结果显示单元505;目标参数设定单元506。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
如图1至图6所示,其为本发明的一种污水处理厂碳源投加系统100,碳源投加系统100包括采集模块001、PLC控制模块002、数据存储模块003、分析模块004和人机交互模块005。采集模块001、PLC控制模块002、数据存储模块003和分析模块004依次通信相连,且人机交互模块005与PLC控制模块002、数据存储模块003和分析模块004分别通信相连。
采集模块001包括进水流量计101、进水水质仪表102、加药泵流量计103、硝氮在线仪表104和内回流流量计105。进水流量计101和进水水质仪表102安装在污水处理厂的进水区,进水流量计101用于测量进水水量、进水水质仪表 102用于测量进水水质,进水水质包括进水COD、进水氨氮及进水总氮值;加药泵流量计103安装在反硝化区前端的加药泵处,用于测量加药泵内碳源的投加流量,且根据投加流量可以获得碳源投加量;硝氮在线仪表104安装在反硝化区末端,用于测量经过反硝化区末端过程水的硝氮实测值;内回流流量计105安装在反硝化区和硝化区之间,用于测量硝化区和反硝化区之间内回流污水的内回流流量。采集模块001主要用于实时采集以上污水处理厂安装的各仪表的数据,采集模块001采集的第一参数包括进水流量、进水水质、硝化区和反硝化区之间的内回流流量、反硝化区内加药泵的投加流量以及经过反硝化区末端过程水的硝氮实测值。
采集模块001所采集的第一参数通过PLC控制模块002传输至人机交互模块005中进行动态显示,同时存入数据存储模块003供分析模块004调用;分析模块004在调用所采集的第一参数的同时,从人机交互模块005获取人工输入的硝氮目标值计算碳源投加量,根据计算结果获取计算投加量,并将投加量存入数据存储模块003,输出至人机交互模块005进行显示,同时通过PLC控制模块002对采集模块001的加药泵的投加流量进行控制,进而调控碳源投加量。
数据存储模块003包括仪表数据存储单元301和计算数据存储单元302。仪表数据存储单元301保存采集模块采集的第一参数,供分析模块004调用,并将第一参数上传至人机交互模块005的仪表数据历史查询单元502中显示;计算数据存储单元302保存分析模块004的反馈信息,并将反馈信息上传至人机交互模块005在计算数据历史查询单元503中显示。
分析模块004调用所述第一参数和所述硝氮目标值,通过机器学习进行碳源投加量的预测获得第一碳源投加量;通过模糊控制进行碳源投加量的预测获得第二碳源投加量。分析模块004包括加药量前馈预测单元401、加药量反馈预测单元402以及判断单元403。
加药量前馈预测单元401通过调用数据存储模块003存储的部分第一参数 (进水流量、进水水质、内回流流量)和人机交互模块005输入的第二参数(硝氮目标值),通过加药量预测模型计算出第一碳源投加量作为预测值。
具体的,述加药量前馈预测单元401对碳源投加量进行预测具体包括:
建立模型:所述加药量前馈预测单元401是根据污水处理厂历史运行数据,以历史进水流量、进水水质(进水COD、进水NH4-N和进水TN)、内回流流量和反硝化区的过程水硝氮实测值作为神经网络输入层神经元,以历史对应的反硝化区前的碳源投加量(根据历史第一参数中投加流量计算)作为输出层神经元进行训练调参,建立的加药量前馈预测模型。
预测第一碳源投加量:训练模型建立后,以实时的进水流量、进水水质(进水COD、进水NH4-N和进水TN)、内回流流量值和硝氮实测值作为输入参数,利用加药量前馈预测单元401对反硝化区前端的碳源投加量(投加流量)进行预测,这里的预测结果记为第一碳源投加量。
所述加药量反馈预测单元402,调用数据存储模块003存储的过程水硝氮实测值、投加流量以及结合所述人机交互模块005中的第二参数即硝氮目标值,通过模糊控制的方法计算得到的结果记为第二碳源投加量;并将第一碳源投加量或第二碳源投加量传输至数据存储模块003中的进行存储,同时传输至人机交互模块005中进行显示。
具体的,所述加药量反馈预测单元402对碳源投加量的预测具体包括:
调用第一参数中的投加流量、硝氮实测值和所述硝氮目标值计算硝化区末端硝氮值偏差e和偏差变化率ec,所述硝氮偏差值e为所述硝氮目标值和所述硝氮实测值的差值,所述偏差变化率ec为单位时间内硝氮值的变化量,即所述硝氮测量值上一时刻和这一时刻的变化值与采样时间间隔的比值;利用模糊控制模型计算的结果即为第二碳源投加量。
判断单元403,调用数据存储模块003中硝氮实测值和硝氮目标值,若硝氮实测值逐渐接近目标值,根据前馈预测选则所述第一碳源投加量传输至PLC控制模块002中,反之,根据反馈预测选择第二碳源投加量传输并至PLC控制模块002中。
人机交互模块005包括仪表数据实时显示单元501、仪表数据历史查询单元 502、计算数据历史查询单元503、加药量前馈预测结果显示单元504和加药量反馈预测结果显示单元505和目标参数设定值单元506。
所述仪表数据实时显示单元501用于调用所述PLC控制模块002从采集模块001中获得的各仪表实时数据并显示。
所述仪表数据历史查询单元502、计算数据历史查询单元503用于调用所述数据存储模块003中存储的历史仪表数据单元301、加药量计算历史数据单元 302的历史数据(历史第一参数、历史反馈信息及包括历史第一碳源投加量和历史第二碳源投加量)并显示。
所述加药量前馈预测结果显示单元504、加药量反馈预测结果显示单元505 用于显示所述分析模块004中的加药量前馈预测单元401和加药量反馈预测单元402所计算出的结果(即反馈信息或分别对应的第一碳源投加量和第二碳源投加量),并根据加药量调整反馈的结果,将信号传输至PLC控制模块002,调整加药泵的流量。
所述目标参数设定值单元506为可调的输入单元,根据现场情况由工作人员设定,作为模糊控制模型输入参数之一的硝氮目标值,即为反硝化区末端硝氮的预期浓度。
本发明还提供了一种污水处理厂碳源投加方法,所述污水处理厂碳源投加方法包括:
步骤S100,采集污水处理厂的第一参数,所述第一参数包括进水流量、进水水质、硝化区和反硝化区之间的内回流流量、反硝化区内加药泵的投加流量以及经过反硝化区末端过程水的硝氮实测值。
步骤S200,输入预设的反硝化区末端的硝氮目标值。
步骤S300,调用所述第一参数和所述硝氮目标值,通过机器学习进行碳源投加量的前馈预测获得第一碳源投加量;通过模糊控制进行碳源投加量的反馈预测获得第二碳源投加量。
步骤S400,调用所述第一参数中的投加流量和硝氮实测值,若硝氮实测值逐渐接近目标值,根据前馈预测选则所述第一碳源投加量传输至PLC,反之,根据反馈预测选择第二碳源投加量传输至PLC。
优选的,在步骤S300中通过机器学习进行碳源投加量的预测获得第一碳源投加量,具体包括以下步骤:
步骤S310建立加药量前馈预测模型,具体包括:
获取历史第一参数,将历史第一参数的进水流量、进水水质、内回流流量和硝氮实测值作为输入层以及对应历史的碳源投加量作为输出层进行机器学习训练调参,获取训练好的模型即为加药量前馈预测模型。
步骤S320,调用所述进水流量、进水水质、内回流流量以及硝氮实测值输入加药量前馈预测模型,预测获得所述第一碳源投加量。
优选的,通过模糊控制获得第二碳源投加量,还包括步骤S330,具体包括:
调用所述第一参数中的投加流量、硝氮实测值和所述硝氮目标值计算硝氮偏差值和偏差变化率,通过mamdani模糊控制方法获得第二碳源投加量,所述硝氮偏差值为所述硝氮目标值和所述硝氮实测值的差值,所述偏差变化率为单位时间内硝氮值的变化量。
以上步骤S300中的计算过程(即第一碳源投加量和第二碳源投加量的计算) 均是通过分析模块004进行。
优选的,所述污水处理厂碳源投加方法还包括:存储并动态显示所述第一参数、硝氮目标值、第一碳源投加量和第二碳源投加量。将以上数据存储在数据存储模块003中,在人机交互模块005中动态显示。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的优选的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种污水处理厂碳源投加系统,其特征在于,所述碳源投加系统包括采集模块、与所述采集模块通信相连的PLC控制模块、与所述PLC控制模块通信相连的数据存储模块、与所述数据存储模块通信相连的分析模块以及与所述PLC控制模块、数据存储模块和分析模块分别通信相连的人机交互模块,
所述采集模块用于实时采集污水处理厂的第一参数,所述第一参数包括进水流量、进水水质、硝化区和反硝化区之间的内回流流量、反硝化区内加药泵的投加流量以及经过反硝化区末端过程水的硝氮实测值;
所述人机交互模块用于输入预设的反硝化区末端的硝氮目标值;
所述分析模块调用所述第一参数和所述硝氮目标值,基于机器学习的方法对碳源投加量进行前馈预测,基于模糊控制对碳源投加量进行反馈预测,通过所述前馈预测和所述反馈预测相结合的控制方法确定最终碳源投加量并将其反馈给所述PLC控制模块,
所述PLC控制模块根据所述分析模块的反馈信息反馈调节所述投加流量。
2.如权利要求1所述的碳源投加系统,其特征在于,
所述采集模块包括设于进水区的进水流量计和进水水质仪表、设于硝化区和反硝化区之间的内回流流量计、设于加药泵出口的加药泵流量计以及设于反硝化区末端的硝氮在线仪表,所述进水水质仪表用于采集进水COD、进水氨氮以及进水总氮。
3.如权利要求1所述的碳源投加系统,其特征在于,所述分析模块包括加药量前馈预测单元,加药量反馈预测单元和判断单元;
所述加药量前馈预测单元调用所述进水流量、进水水质、内回流流量以及所述硝氮目标值输入内部的加药量前馈预测模型,经过所述加药量前馈预测模型获得所述第一碳源投加量,所述第一碳源投加量为所述前馈预测的结果;
所述加药量反馈预测单元调用所述第一参数中的投加流量、硝氮实测值和所述硝氮目标值计算硝氮偏差值和偏差变化率,通过模糊控制获得第二碳源投加量,所述第二碳源投加量为所述反馈预测的结果,所述硝氮偏差值为所述硝氮目标值和所述硝氮实测值的差值,所述偏差变化率为单位时间内硝氮值的变化量;
所述判断单元根据所述第一碳源投加量和所述第二碳源投加量确定最终碳源投加量,在人机交互界面显示并传至所述PLC控制模块进行对加药泵的控制。
4.一种污水处理厂碳源投加方法,其特征在于,用于权利要求1至3任一项所述的碳源投加系统,包括以下步骤:
采集污水处理厂的第一参数,所述第一参数包括进水流量、进水水质、硝化区和反硝化区之间的内回流流量、反硝化区内加药泵的投加流量以及经过反硝化区末端过程水的硝氮实测值;
输入预设的反硝化区末端的硝氮目标值;
调用所述第一参数和所述硝氮目标值,通过机器学习进行碳源投加量的前馈预测获得第一碳源投加量;通过模糊控制进行碳源投加量的反馈预测获得第二碳源投加量;
调用所述第一参数中的硝氮实测值以及所述硝氮目标值,若硝氮实测值逐渐接近所述硝氮目标值,选择前馈预测的所述第一碳源投加量传输至所述PLC控制模块,反之,选择反馈预测的所述第二碳源投加量传输至PLC控制模块。
5.如权利要求4所述的碳源投加方法,其特征在于,所述通过机器学习进行碳源投加量的前馈预测获得第一碳源投加量,包括:
调用所述进水流量、进水水质、内回流流量以及硝氮目标值输入加药量前馈预测模型,经过所述加药量前馈预测模型预测获得所述第一碳源投加量。
6.如权利要求5所述的碳源投加方法,其特征在于,所述碳源投加方法还包括建立所述加药量前馈预测模型,具体包括:
获取历史第一参数,将历史第一参数的进水流量、进水水质、内回流流量和硝氮实测值作为输入层以及对应历史的碳源投加量作为输出层进行机器学习训练调参,获取训练好的模型作为所述加药量前馈预测模型。
7.如权利要求4所述的碳源投加方法,其特征在于,所述通过模糊控制进行碳源投加量的反馈预测获得第二碳源投加量,包括:
调用所述第一参数中的投加流量、硝氮实测值和所述硝氮目标值计算硝氮偏差值和偏差变化率,通过mamdani模糊控制方法获得第二碳源投加量,所述硝氮偏差值为所述硝氮目标值和所述硝氮实测值的差值,所述偏差变化率为单位时间内硝氮值的变化量。
8.如权利要求4所述的污水处理厂碳源投加方法,其特征在于,所述碳源投加方法还包括:存储所述第一参数、所述硝氮目标值以及所述反馈信息并进行动态显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110123193.XA CN112978919A (zh) | 2021-01-29 | 2021-01-29 | 污水处理厂碳源投加系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110123193.XA CN112978919A (zh) | 2021-01-29 | 2021-01-29 | 污水处理厂碳源投加系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112978919A true CN112978919A (zh) | 2021-06-18 |
Family
ID=76345784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110123193.XA Pending CN112978919A (zh) | 2021-01-29 | 2021-01-29 | 污水处理厂碳源投加系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112978919A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111661884A (zh) * | 2020-06-15 | 2020-09-15 | 上海水成环保科技股份有限公司 | 一种基于水处理的控制方法、装置、终端及可读存储介质 |
CN113931689A (zh) * | 2021-11-11 | 2022-01-14 | 重庆大学 | 一种反坡隧道排水及净化系统及方法 |
CN114538612A (zh) * | 2022-01-26 | 2022-05-27 | 哈尔滨工业大学(深圳) | 一种外加碳源精确加药系统及其控制方法 |
CN114626642A (zh) * | 2022-05-16 | 2022-06-14 | 武汉华信数据系统有限公司 | 投药系统控制方法、装置、存储介质及电子设备 |
CN114995161A (zh) * | 2022-07-18 | 2022-09-02 | 武汉华信数据系统有限公司 | 投药系统控制方法、装置以及计算机可读存储介质 |
CN117602767A (zh) * | 2023-12-20 | 2024-02-27 | 石家庄正中科技有限公司 | 高效集约型脱氮除磷污水处理工艺 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101028956A (zh) * | 2007-02-06 | 2007-09-05 | 北京工业大学 | 多段进水a/o生物脱氮溶解氧和碳源投加控制装置及方法 |
CN101556458A (zh) * | 2009-05-19 | 2009-10-14 | 江汉大学 | 自来水混凝投矾自动化控制算法 |
CN103570190A (zh) * | 2013-10-20 | 2014-02-12 | 北京化工大学 | 一种基于模糊控制的再生水厂化学除磷药剂投加量方法 |
CN109809560A (zh) * | 2019-02-25 | 2019-05-28 | 北控水务(中国)投资有限公司 | 一种多点进水多级a/o工艺的碳源精确投加控制装置及方法 |
CN110127863A (zh) * | 2019-06-25 | 2019-08-16 | 北京首创股份有限公司 | 碳源精准投加系统及方法 |
WO2020199743A1 (zh) * | 2019-03-29 | 2020-10-08 | 创新先进技术有限公司 | 用于训练学习模型的方法、装置和计算设备 |
CN111847634A (zh) * | 2020-07-10 | 2020-10-30 | 北控水务(中国)投资有限公司 | 一种用于泥膜复合污水处理工艺的曝气和碳源投加优化控制系统及方法 |
-
2021
- 2021-01-29 CN CN202110123193.XA patent/CN112978919A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101028956A (zh) * | 2007-02-06 | 2007-09-05 | 北京工业大学 | 多段进水a/o生物脱氮溶解氧和碳源投加控制装置及方法 |
CN101556458A (zh) * | 2009-05-19 | 2009-10-14 | 江汉大学 | 自来水混凝投矾自动化控制算法 |
CN103570190A (zh) * | 2013-10-20 | 2014-02-12 | 北京化工大学 | 一种基于模糊控制的再生水厂化学除磷药剂投加量方法 |
CN109809560A (zh) * | 2019-02-25 | 2019-05-28 | 北控水务(中国)投资有限公司 | 一种多点进水多级a/o工艺的碳源精确投加控制装置及方法 |
WO2020199743A1 (zh) * | 2019-03-29 | 2020-10-08 | 创新先进技术有限公司 | 用于训练学习模型的方法、装置和计算设备 |
CN110127863A (zh) * | 2019-06-25 | 2019-08-16 | 北京首创股份有限公司 | 碳源精准投加系统及方法 |
CN111847634A (zh) * | 2020-07-10 | 2020-10-30 | 北控水务(中国)投资有限公司 | 一种用于泥膜复合污水处理工艺的曝气和碳源投加优化控制系统及方法 |
Non-Patent Citations (1)
Title |
---|
李公法等: "《人工智能与计算智能及其应用》", 武汉:华中科技大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111661884A (zh) * | 2020-06-15 | 2020-09-15 | 上海水成环保科技股份有限公司 | 一种基于水处理的控制方法、装置、终端及可读存储介质 |
CN113931689A (zh) * | 2021-11-11 | 2022-01-14 | 重庆大学 | 一种反坡隧道排水及净化系统及方法 |
CN113931689B (zh) * | 2021-11-11 | 2024-03-22 | 重庆大学 | 一种反坡隧道排水及净化系统及方法 |
CN114538612A (zh) * | 2022-01-26 | 2022-05-27 | 哈尔滨工业大学(深圳) | 一种外加碳源精确加药系统及其控制方法 |
CN114626642A (zh) * | 2022-05-16 | 2022-06-14 | 武汉华信数据系统有限公司 | 投药系统控制方法、装置、存储介质及电子设备 |
CN114995161A (zh) * | 2022-07-18 | 2022-09-02 | 武汉华信数据系统有限公司 | 投药系统控制方法、装置以及计算机可读存储介质 |
CN117602767A (zh) * | 2023-12-20 | 2024-02-27 | 石家庄正中科技有限公司 | 高效集约型脱氮除磷污水处理工艺 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112978919A (zh) | 污水处理厂碳源投加系统和方法 | |
CA2620824C (en) | Denitrification process and system | |
CN108439580B (zh) | 溶解氧浓度控制系统、方法和装置 | |
EP1376276A1 (en) | An AI based control system and method for treating sewage/waste water by means of a neural network and a back-propagation algorithm | |
CN108562709A (zh) | 一种基于卷积自编码器极限学习机的污水处理系统水质监测预警方法 | |
CN103663674A (zh) | 一种污水处理厂鼓风曝气过程实时控制装置及控制方法 | |
US11709463B2 (en) | Control method based on adaptive neural network model for dissolved oxygen of aeration system | |
JP4366244B2 (ja) | 浄水場の凝集剤注入制御システム及びアルカリ剤注入制御システム | |
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 | |
CN113325702B (zh) | 一种曝气控制方法及装置 | |
CN106495321A (zh) | 生物池工艺优化及运行控制系统及其控制方法 | |
US10274975B2 (en) | Method and apparatus for controlling acid concentration for pickling in cold rolling | |
CN106651032A (zh) | Sbr法氨氧化过程神经网络智能控制的方法 | |
CN112266073B (zh) | 一种用于污水处理碳源投加的智能控制方法及系统 | |
CN117113719A (zh) | 一种污水处理仿真建模系统搭建方法 | |
CN112320972A (zh) | 采用云数据管理的碳源智能精准投加系统及方法 | |
CN115806344B (zh) | 一种orp控制精准曝气的系统 | |
CN116578124A (zh) | 一种基于机器学习的节约型污水除磷控制系统 | |
CN116969616A (zh) | 基于软测量的一体化污水处理设施控制方法、装置及设备 | |
CN102087523A (zh) | 一种生物脱氮除磷中污泥龄的自动控制系统及方法 | |
US20220383062A1 (en) | Optimal Control Method for Wastewater Treatment Process based on Self-Adjusting Multi-Task Particle Swarm Optimization | |
CN116143269A (zh) | 一种低碳源投加智慧控制系统及方法 | |
JP6726954B2 (ja) | 下水処理制御装置 | |
CN217677002U (zh) | 一种污水处理智能碳源投加装置及其系统 | |
CN220467720U (zh) | 一种碳源精确投加系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210618 |