CN113428976A - 一种biocos生物池工艺智能控制方法 - Google Patents
一种biocos生物池工艺智能控制方法 Download PDFInfo
- Publication number
- CN113428976A CN113428976A CN202110818224.3A CN202110818224A CN113428976A CN 113428976 A CN113428976 A CN 113428976A CN 202110818224 A CN202110818224 A CN 202110818224A CN 113428976 A CN113428976 A CN 113428976A
- Authority
- CN
- China
- Prior art keywords
- pool
- model
- tank
- biocos
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 101
- 230000008569 process Effects 0.000 title claims abstract description 65
- OETHQSJEHLVLGH-UHFFFAOYSA-N metformin hydrochloride Chemical compound Cl.CN(C)C(=N)N=C(N)N OETHQSJEHLVLGH-UHFFFAOYSA-N 0.000 title claims abstract description 31
- 238000013178 mathematical model Methods 0.000 claims abstract description 24
- 101100436085 Caenorhabditis elegans asm-3 gene Proteins 0.000 claims abstract description 23
- 239000010865 sewage Substances 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 239000000463 material Substances 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 46
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 26
- 229910052760 oxygen Inorganic materials 0.000 claims description 26
- 239000001301 oxygen Substances 0.000 claims description 26
- 239000010802 sludge Substances 0.000 claims description 25
- 238000004062 sedimentation Methods 0.000 claims description 20
- 238000010992 reflux Methods 0.000 claims description 18
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 12
- 229910052799 carbon Inorganic materials 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 10
- 238000005842 biochemical reaction Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 241000894006 Bacteria Species 0.000 claims description 8
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 8
- 238000010206 sensitivity analysis Methods 0.000 claims description 8
- 238000001556 precipitation Methods 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 229910052698 phosphorus Inorganic materials 0.000 claims description 4
- 239000011574 phosphorus Substances 0.000 claims description 4
- 238000011112 process operation Methods 0.000 claims description 4
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 claims description 3
- 229910002651 NO3 Inorganic materials 0.000 claims description 3
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 3
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 claims description 3
- 230000001651 autotrophic effect Effects 0.000 claims description 3
- 238000005189 flocculation Methods 0.000 claims description 3
- 230000016615 flocculation Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 230000031852 maintenance of location in cell Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 239000007790 solid phase Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000012986 modification Methods 0.000 abstract description 4
- 230000004048 modification Effects 0.000 abstract description 4
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 2
- 210000003719 b-lymphocyte Anatomy 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 210000004457 myocytus nodalis Anatomy 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 1
- 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 description 1
- 238000005273 aeration Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 230000001131 transforming effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- C02F2209/06—Controlling or monitoring parameters in water treatment pH
-
- 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
- C02F2209/10—Solids, e.g. total solids [TS], total suspended solids [TSS] or volatile solids [VS]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Microbiology (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Artificial Intelligence (AREA)
- Environmental & Geological Engineering (AREA)
- Hydrology & Water Resources (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Activated Sludge Processes (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明属于污水处理技术领域,具体涉及一种BIOCOS生物池工艺智能控制方法,包括以下步骤:设置输入参数;根据所述输入参数、ASM3数学模型及物质数量模型的建模原则建立BIOCOS生物池工艺模型;对模型进行稳态模拟,校正模型参数;深度学习自适应优化,更高级筛选目标控制参数;输出最优控制参数,PLC接收数据执行。本发明可以为污水处理厂智能化控制系统改造及优化提供技术指导,实现更高的污水处理效率,降低污水厂的运行能耗,节约运行成本。
Description
技术领域
本发明属于污水处理技术领域,具体涉及一种BIOCOS生物池工艺智能控制方法。
背景技术
近年来,污水处理的理论研究和处理工艺日趋成熟,但在污水处理过程中的优化控制技术还需更进一步地完善。活性污泥法具有优良的污水处理性能,但在工艺设计和运行等方面却主要采用经验或半经验的方法,使得污水处理厂缺乏科学合理的管理和控制,增加了资源的消耗,提高了污水处理的成本。
BIOCOS工艺叫做生物联合系统,即Biological Combined System,可以被看作是在活性污泥法基础上的继续研发,主要区别是二沉池的应用和污泥的回流方法。ASM3数学模型自研发以来不断应用于控制和仿真实验,对工艺设计和运行过程中出现的问题提供了强有力的解决办法。将二者进行耦合,并引入智能控制的概念形成一种智能控制方法,结合精密的在线检测仪器,用于污水处理厂的仿真模拟。该方法不仅可以提前预判尚未发生的工况并提前计算出控制信号,调整模型运行,实现真正意义上的前馈控制,而且能够结合深度学习分析虚拟运行结果,对目标值进行筛选和优化,获得最优值。
综上,该BIOCOS生物池工艺智能控制方法可以提高污水处理系统的智能化控制水平,为其他污水处理厂的优化改造提供技术参考。
发明内容
本发明的目的在于提供一种BIOCOS生物池工艺智能控制方法,该方法可通过软件实现。所述BIOCOS生物池工艺智能控制方法的建模步骤如下:
步骤1:设置输入参数;
步骤2:根据所述输入参数、ASM3数学模型及物质数量模型的建模原则建立BIOCOS生物池工艺模型。所述BIOCOS生物池工艺模型包括P池工艺模型、B池工艺模型、SU池工艺模型;
步骤3:对模型进行稳态模拟,并利用灵敏度分析法在原参数值的基础上逐个调整固定百分数,校正模型参数,使得模型模拟结果与污水处理厂的实际运行结果相吻合;
步骤4:模拟调整B池DO浓度及P池和B池的污泥回流比两个工艺运行参数的出水水质,在出水水质满足排放要求的前提下进行深度学习自适应优化,更高级筛选目标控制参数;
步骤5:输出最优控制参数,PLC接收数据执行。
优选地,步骤1所述的输入参数包括进水流量、污泥回流量、构筑物体积和常规水质参数。其中,常规水质参数包括化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N、pH值;
优选地,将步骤1所述的常规水质参数按照物质组成的规则拆分为ASM3数学模型所需要的13种组分;
进一步地,步骤2所述物质数量模型的建模原则为:
式1中,V为反应器体积,单位为m3;ρj为组分j的质量浓度,单位为g/m3;qV,in为流入流量,单位为m3/d;qV,out为流出流量,单位为m3/d;rj,n为组分j在第n个反应中浓度变化速率。
所述P池(厌氧池)工艺模型包含的微分方程如下:
所述B池(好氧缺氧交替进行)工艺模型包含的微分方程如下:缺氧部分:
好氧部分:
所述SU池(不发生生化反应,SU1池和SU2池交替运行)工艺模型包含的微分方程如下:
公式2-53中,qV,r1、qV,r2表示SU池的污泥回流量,q1为P池出水量,q2为B池出水量,qw为废弃污泥量,其中q1=qV,in+qV,r1,q2=q1+qV,r2,qV,out=q2-qV,r1-qV,r2-qw,V1为P池的容积,V2为B池的容积,V3为SU1池或SU2池容积,t为反应时间,KLa为氧传质系数,SO、SI、SS、 SALK均为溶解性组分,SO、SI、SS、SALK分别表示溶解氧、惰性有机碳、易降解有机碳、铵加氨氮、氮气、硝酸盐氮加亚硝酸盐氮、污水碱度。XI、XS、XH、XSTO、XA、XSS均为颗粒性组分,XI、XS、XH、XSTO、XA、XSS分别表示颗粒惰性有机碳、缓慢降解有机碳、异养菌、异养菌的胞内贮存产物、自养菌、悬浮固体。下标逗号后的1、2、3分别代表P池、B池、SU1池或SU2池,组分下标SU表示该组分来自SU1池或SU2池。式中动力学参数和化学计量系数暂时采用国际水协(IWA)颁布的20℃默认的典型值。
优选地,上述微分方程中的过程速率ρ1......ρ13采用国际水协(IWA)颁布的关于ASM3的系数表。
进一步地,除ASM3数学模型外SU池还包括沉淀过程数学模型。SU池的固液分离模块假设为一个10层无生化反应的单元,从底部到顶部第三层设为进水层。
由重力引起的固相流为其中vs为沉降速度,Xsc是总污泥密度,沉降速度公式为:
其中Xmin=fnsXf,Xf为从生化反应池来的总固体浓度。v′0为最大沉降速度,单位为m/d;v0为最大Vesilind沉降速度,单位为m/d;rh为阻碍区沉降系数,单位为m3/(g SS);rp为絮凝区沉降系数,单位为m3/(g SS);fns为不易沉降率,单位为无量纲。
向上流速vup和向下流速vdn可以由下式表示:
污泥的质量守恒可写为:
对于近水层(m=3)
对于底层与进水层之间(m=2)
对于底层(m=1)
对于进水层和顶层之间的中间层(m=4到m=10)
对于顶层(m=10)
其中Xt为阈浓度。
优选地,将上述的各池的ASM3数学模型和SU池沉淀过程模型首先由C语言编写,再转化为软件可调用的函数用于模拟P池、B池和SU池。
优选地,在模型进行稳态模拟之前,先对动力学参数和化学计量数进行赋值。而大多数参数与温度有关,故在输入参数前需对温度进行校正。
k(T)=k(20)exp[θT(T-20)]
式中,k(20)表示20℃时ASM中定义的动力学或计量学参数;θT表示此动力学或计量学参数对应的温度系数;T表示计算条件下的反应器温度;k(T)表示计算温度下的动力学或计量学参数。
优选地,步骤3所选取的灵敏度分析方法为莫尔斯分类筛选法。
莫尔斯分类筛选法是目前应用比较广泛的灵敏度分析方法。采用自变量固定步长变化见下式:
式中S为某一输出值的摩尔斯系数;Yi为模型第i次运行输出值;Yi+1为模型第i+1次运行输出值;Y0代表初始参数模型计算结果;Pi为第i次模型运算参数值相对于初始参数值的变化百分率;Pi+1为第i+1次模型运算参数值相对于初始参数值的变化百分率;n为模型运行次数也就是改变步长的次数。
优选地,步骤3所述固定百分数为10%。
优选地,步骤3中模型整体运行时间16秒,每秒对应的实际天数为1天。
优化地,所述的出水水质排放要求参照《城镇污水处理厂污染物排放标准》(GB18918-2002)中一级A标准。
本发明的有益效果为:
本发明结合了ASM3模型的原理,建立了BIOCOS工艺的数学模型智能控制系统,通过深度学习自适应优化曝气量、回流比等运行参数及控制信号,在满足出水指标前提下,选取能耗最低的最优参数值,降低水厂的工艺运行成本。
附图说明
图1为本发明实施例中BIOCOS生物池工艺模型建立方法流程示意图;
图2为溶解氧自适应逻辑控制图;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面将结合附图对其进行详细描述。但是,本发明的保护范围不局限于所述实施例。
参见图1,本实施例提供了一种BIOCOS生物池工艺智能控制方法,建模步骤如下:
步骤1:设置输入参数;
具体地,本步骤所述的输入参数包括进水流量、污泥回流量、构筑物体积和常规水质参数;
具体地,将上述的常规水质参数,即化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N,按照物质组成的规则拆分为ASM3数学模型所需要的13种组分;
步骤2:根据所述输入参数、ASM3数学模型及物质数量模型的建模原则建立BIOCOS生物池工艺模型。所述BIOCOS生物池工艺模型包括P池工艺模型、B池工艺模型、SU池工艺模型;
具体地,所述物质数量模型的建模原则为:
式1中,V为反应器体积,单位为m3;ρj为组分j的质量浓度,单位为g/m3;qV,in为流入流量,单位为m3/d;qV,out为流出流量,单位为m3/d;rj,n为组分j在第n个反应中浓度变化速率。
该实施例中采用的模型是国际水协(IWA)颁布的ASM3数学模型,包含13种组分,12个子过程、6个化学计量参数和21个动力学参数。
所述P池(厌氧池)工艺模型包含的微分方程如下:
所述B池(好氧缺氧交替进行)工艺模型包含的微分方程如下:缺氧部分:
好氧部分:
所述SU池(不发生生化反应,SU1池和SU2池交替运行)工艺模型包含的微分方程如下:
公式2-53中,qV,r1、qV,r2表示SU池的污泥回流量,q1为P池出水量,q2为B池出水量,qw为废弃污泥量,其中q1=qV,in+qV,r1,q2=q1+qV,r2,qV,out=q2-qV,r1-qV,r2-qw,V1为P池的容积,V2为B池的容积,V3为SU1池或SU2池容积,t为反应时间,KLa为氧传质系数,SO、SI、SS、 SALK均为溶解性组分,SO、SI、SS、SALK分别表示溶解氧、惰性有机碳、易降解有机碳、铵加氨氮、氮气、硝酸盐氮加亚硝酸盐氮、污水碱度。XI、XS、XH、XSTO、XA、XSS均为颗粒性组分,XI、XS、XH、XSTO、XA、XSS分别表示颗粒惰性有机碳、缓慢降解有机碳、异养菌、异养菌的胞内贮存产物、自养菌、悬浮固体。下标逗号后的1、2、3分别代表P池、B池、SU1池或SU2池,组分下标SU表示该组分来自SU1池或SU2池。式中动力学参数和化学计量系数暂时采用国际水协(IWA)颁布的20℃默认的典型值。
具体地,上述微分方程中的过程速率ρ1......ρ13采用国际水协(IWA)颁布的关于ASM3的系数表。
进一步地,除ASM3数学模型外SU池还包括沉淀过程数学模型。SU池的固液分离模块假设为一个10层无生化反应的单元,从底部到顶部第三层设为进水层。
由重力引起的固相流为其中vs为沉降速度,Xsc是总污泥密度,沉降速度公式为:
其中Xmin=fnsXf,Xf为从生化反应池来的总固体浓度。v′0为最大沉降速度,单位为m/d;v0为最大Vesilind沉降速度,单位为m/d;rh为阻碍区沉降系数,单位为m3/(g SS);rp为絮凝区沉降系数,单位为m3/(g SS);fns为不易沉降率,单位为无量纲。
向上流速vup和向下流速vdn可以由下式表示:
污泥的质量守恒可写为:
对于近水层(m=3)
对于底层与进水层之间(m=2)
对于底层(m=1)
对于进水层和顶层之间的中间层(m=4到m=10)
对于顶层(m=10)
其中Xt为阈浓度。
具体地,将上述的各池的ASM3数学模型和SU池沉淀过程模型首先由C语言编写,再转化为软件可调用的函数用于模拟P池、B池和SU池。
其中,ASM3数学模型还包括限制条件:ASM3不适用于工业废水主导污水特性的情形;基于的温度范围为8-23℃;不能使用该模型模拟厌氧区容积≧50%的反应器;基于的pH范围为6.5-7.5;不能处理亚硝酸盐浓度升高的情况;不适用于超高负荷或泥龄SRT小(<1d)的活性污泥系统;ASM3提出了模型结构,但未提出模型参数的绝对值,故在应用时要根据实际情况确定参数和相应的污水特性值。以上限制条件也明确了该BIOCOS生物池工艺控制方法的应用范围。
步骤3:对模型进行稳态模拟,并利用灵敏度分析法在原参数值的基础上逐个调整固定百分数,校正模型参数,使得模型模拟结果与污水处理厂的实际运行结果相吻合;
在模型进行稳态模拟之前,先对动力学参数和化学计量数进行赋值。而大多数参数与温度有关,故在输入参数前需对温度进行校正。
k(T)=k(20)exp[θT(T-20)]
式中,k(20)表示20℃时ASM中定义的动力学或计量学参数;θT表示此动力学或计量学参数对应的温度系数;T表示计算条件下的反应器温度;k(T)表示计算温度下的动力学或计量学参数。
具体地,步骤3所选取的灵敏度分析方法为莫尔斯分类筛选法。
莫尔斯分类筛选法是目前应用比较广泛的灵敏度分析方法。采用自变量固定步长变化见下式:
式中S为某一输出值的摩尔斯系数;Yi为模型第i次运行输出值;Yi+1为模型第i+1次运行输出值;Y0代表初始参数模型计算结果;Pi为第i次模型运算参数值相对于初始参数值的变化百分率;Pi+1为第i+1次模型运算参数值相对于初始参数值的变化百分率;n为模型运行次数也就是改变步长的次数。
步骤5:模拟调整B池DO浓度及P池和B池的污泥回流比两个工艺运行参数的出水水质,在出水水质满足排放要求的前提下进行深度学习自适应优化,更高级筛选目标控制参数;
具体地,参见图2表示的内容即以溶解氧为例的自适应控制逻辑图。
溶解氧的控制方法是通过溶解氧的控制程序实现的。该程序主要是通过进水参数及出水水质要求计算出理想反应需氧量,以该需氧量为参考值。通过数学模型的计算,计算出各个单元的溶氧浓度,与参考值进行比较并计算出达到出水要求的最优需氧量,将需氧量换算成需风量,输出到自控系统的数据库平台,指导溶氧控制。
回流比的控制也编辑了相应的控制程序。首先在当下进水参数以及设计回流比条件下,收集由数学模型计算出P池及B池的MLSS、氨氮、硝氮的浓度等参数,以这些参数为初值,达到出水水质要求最小回流比为目标函数,计算优化回流比。
最优的溶解氧和回流比在实际运行过程中不断地被记忆保留、计算、覆盖,最终得到最优化的控制参数。
步骤6:输出最优控制参数,PLC接收数据执行。
具体地,所述的出水水质排放要求参照《城镇污水处理厂污染物排放标准》(GB18918-2002)中一级A标准。
根据某污水处理厂提升改造的实际情况,取生物池进水日平均流量qV,in为15万m3/d、生物池进水测量的常规水质参数(化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N)、P池总池容V1=6007.8m3、B池总池容V2=51109.9m3、SU池总池容433396.0m3、污泥回流比100%-200%、BIOCOS工艺的单池运行周期为2.5h(SU回流阶段9.0min、SU混合阶段6.0min、SU沉淀阶段60.0min、SU排水阶段75.0min)。ASM3号模型的过程速率方程参照国际水协(IWA)颁布的具体内容。将ASM3数学模型和SU池沉淀模型首先用C语言编写,再转化为软件可调用的函数,用于模拟P池、B池和SU池。模型整体运行时间16秒,每秒对应的实际天数为1天。然后对整体的BIOCOS数学模型进行稳态模拟,同时对模型的参数进行灵敏度分析,将其中影响较大的参数进行校正。再经过深度学习自适应优化,更高级筛选B池最优DO值及P池和B池的最佳污泥回流比,最后得到仿真结果。通过优化运行,对比改造前后雨季日最大处理水量可知,该污水处理厂改造后的BIOCOS工艺比原ICEAS工艺处理雨季水量增加了5万m3。同时,吨水耗电量节省显著,在雨季和旱季分别节省电量70.27万kw·h和34.94万kw·h,极大地降低了能耗。
需要说明的是,以上所述实施例仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种BIOCOS生物池工艺智能控制方法,其特征在于,包括以下步骤:
步骤1:设置输入参数;
步骤2:根据所述输入参数、ASM3数学模型及物质数量模型的建模原则建立BIOCOS生物池工艺模型;所述BIOCOS生物池工艺模型包括P池工艺模型、B池工艺模型、SU池工艺模型;
步骤3:对模型进行稳态模拟,并利用灵敏度分析法在原参数值的基础上逐个调整固定百分数,校正模型参数,使得模型模拟结果与污水处理厂的实际运行结果相吻合;
步骤4:模拟调整B池DO浓度及P池和B池的污泥回流比两个工艺运行参数的出水水质,在出水水质满足排放要求的前提下进行深度学习自适应优化,更高级筛选目标控制参数;
步骤5:输出最优控制参数,PLC接收数据执行。
2.根据权利要求1所述的BIOCOS生物池工艺智能控制方法,其特征在于:步骤1所述的输入参数包括进水流量、污泥回流量、构筑物体积和常规水质参数;其中,常规水质参数包括化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N、pH值。
3.根据权利要求1所述的BIOCOS生物池工艺智能控制方法,其特征在于:将步骤1所述的常规水质参数按照物质组成的规则拆分为ASM3数学模型所需要的13种组分。
5.根据权利要求1所述的BIOCOS生物池工艺智能控制方法,其特征在于:步骤2所述P池(厌氧池)工艺模型包含以下微分方程:
上述各式中,qV,r1表示SU池的污泥回流量,q1为P池出水量,q1=qV,in+qV,r1,V1为P池的容积,t为反应时间;SO、SI、SS、SALK均为溶解性组分,SO、SI、SS、SALK分别表示溶解氧、惰性有机碳、易降解有机碳、铵加氨氮、氮气、硝酸盐氮加亚硝酸盐氮、污水碱度;XI、XS、XH、XSTO、XA、XSS均为颗粒性组分,XI、XS、XH、XSTO、XA、XSS分别表示颗粒惰性有机碳、缓慢降解有机碳、异养菌、异养菌的胞内贮存产物、自养菌、悬浮固体;各组分下标逗号后的1代表P池,SU表示该组分来自SU1池或SU2池;式中动力学参数和化学计量系数采用国际水协(IWA)颁布的20℃默认的典型值。
8.根据权利要求1所述的BIOCOS生物池工艺智能控制方法,其特征在于:步骤2中除ASM3数学模型外SU池还包括沉淀过程数学模型;SU池的固液分离模块假设为一个10层无生化反应的单元,从底部到顶部第三层设为进水层;
由重力引起的固相流为其中vs为沉降速度,Xsc是总污泥密度,沉降速度公式为:
其中Xmin=fnsXf,Xf为从生化反应池来的总固体浓度。v′0为最大沉降速度,单位为m/d;v0为最大Vesilind沉降速度,单位为m/d;rh为阻碍区沉降系数,单位为m3/(g SS);rp为絮凝区沉降系数,单位为m3/(g SS);fns为不易沉降率,单位为无量纲。
向上流速vup和向下流速vdn可以由下式表示:
污泥的质量守恒可写为:
对于近水层(m=3)
对于底层与进水层之间(m=2)
对于底层(m=1)
对于进水层和顶层之间的中间层(m=4到m=10)
对于顶层(m=10)
其中Xt为阈浓度。
9.根据权利要求1所述的BIOCOS生物池工艺智能控制方法,其特征在于:将步骤2所述的各池的ASM3数学模型和SU池沉淀过程模型首先由C语言编写,再转化为软件可调用的函数用于模拟P池、B池和SU池。
10.根据权利要求1所述的BIOCOS生物池工艺智能控制方法,其特征在于:步骤3中,模型整体运行时间16秒,每秒对应的实际天数为1天。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110818224.3A CN113428976A (zh) | 2021-07-20 | 2021-07-20 | 一种biocos生物池工艺智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110818224.3A CN113428976A (zh) | 2021-07-20 | 2021-07-20 | 一种biocos生物池工艺智能控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113428976A true CN113428976A (zh) | 2021-09-24 |
Family
ID=77761096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110818224.3A Pending CN113428976A (zh) | 2021-07-20 | 2021-07-20 | 一种biocos生物池工艺智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113428976A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113955854A (zh) * | 2021-11-26 | 2022-01-21 | 昆明理工大学 | 一种氧化沟污水处理工艺建模及智能控制方法 |
CN113979541A (zh) * | 2021-11-26 | 2022-01-28 | 昆明理工大学 | 一种a2o生物池工艺智能控制方法 |
CN114044568A (zh) * | 2021-11-26 | 2022-02-15 | 昆明理工大学 | 一种基于biocos生物池工艺智能控制的数学模型辅助控制方法 |
CN114620843A (zh) * | 2022-03-21 | 2022-06-14 | 中国城市建设研究院有限公司 | 一种推流曝气强化河道固定生物膜去除污染物的智慧系统 |
CN116935991A (zh) * | 2023-06-07 | 2023-10-24 | 中原环保股份有限公司 | 一种用于污水处理厂生物处理的温室气体模拟方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000312894A (ja) * | 1999-04-30 | 2000-11-14 | Toshiba Corp | 担体投入型下水処理プロセスのシミュレーション装置 |
JP2006021168A (ja) * | 2004-07-09 | 2006-01-26 | Mitsubishi Rayon Co Ltd | 排水処理シミュレーションシステム |
US20100187173A1 (en) * | 2009-01-27 | 2010-07-29 | Biochem Technology, Inc. | Methods of providing an aerobic medium in a wastewater treatment bioreactor compartment and related systems |
CN205294951U (zh) * | 2015-12-02 | 2016-06-08 | 天津清华德人环境工程有限公司 | 组合式生物污水处理系统 |
CN105912824A (zh) * | 2016-05-11 | 2016-08-31 | 深圳市开天源自动化工程有限公司 | 一种a2o生物池工艺建模方法 |
CN108217916A (zh) * | 2017-12-18 | 2018-06-29 | 上海昊沧系统控制技术有限责任公司 | 一种连续流交替式污水处理工艺的两相循环模拟方法 |
US20200325050A1 (en) * | 2017-12-06 | 2020-10-15 | Kurt Ingerle | Method and Device for Biological Waste Water Purification |
-
2021
- 2021-07-20 CN CN202110818224.3A patent/CN113428976A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000312894A (ja) * | 1999-04-30 | 2000-11-14 | Toshiba Corp | 担体投入型下水処理プロセスのシミュレーション装置 |
JP2006021168A (ja) * | 2004-07-09 | 2006-01-26 | Mitsubishi Rayon Co Ltd | 排水処理シミュレーションシステム |
US20100187173A1 (en) * | 2009-01-27 | 2010-07-29 | Biochem Technology, Inc. | Methods of providing an aerobic medium in a wastewater treatment bioreactor compartment and related systems |
CN205294951U (zh) * | 2015-12-02 | 2016-06-08 | 天津清华德人环境工程有限公司 | 组合式生物污水处理系统 |
CN105912824A (zh) * | 2016-05-11 | 2016-08-31 | 深圳市开天源自动化工程有限公司 | 一种a2o生物池工艺建模方法 |
US20200325050A1 (en) * | 2017-12-06 | 2020-10-15 | Kurt Ingerle | Method and Device for Biological Waste Water Purification |
CN108217916A (zh) * | 2017-12-18 | 2018-06-29 | 上海昊沧系统控制技术有限责任公司 | 一种连续流交替式污水处理工艺的两相循环模拟方法 |
Non-Patent Citations (1)
Title |
---|
李松良: "ASM3应用于城市污水处理厂的模拟预测研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113955854A (zh) * | 2021-11-26 | 2022-01-21 | 昆明理工大学 | 一种氧化沟污水处理工艺建模及智能控制方法 |
CN113979541A (zh) * | 2021-11-26 | 2022-01-28 | 昆明理工大学 | 一种a2o生物池工艺智能控制方法 |
CN114044568A (zh) * | 2021-11-26 | 2022-02-15 | 昆明理工大学 | 一种基于biocos生物池工艺智能控制的数学模型辅助控制方法 |
CN113979541B (zh) * | 2021-11-26 | 2023-11-03 | 昆明理工大学 | 一种a2o生物池工艺智能控制方法 |
CN114620843A (zh) * | 2022-03-21 | 2022-06-14 | 中国城市建设研究院有限公司 | 一种推流曝气强化河道固定生物膜去除污染物的智慧系统 |
CN114620843B (zh) * | 2022-03-21 | 2023-10-13 | 中国城市建设研究院有限公司 | 一种推流曝气强化河道固定生物膜去除污染物的智慧系统 |
CN116935991A (zh) * | 2023-06-07 | 2023-10-24 | 中原环保股份有限公司 | 一种用于污水处理厂生物处理的温室气体模拟方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113428976A (zh) | 一种biocos生物池工艺智能控制方法 | |
CN107381813B (zh) | 污泥分段回流强化厌氧氨氧化脱氮工艺的装置及方法 | |
CN108640276A (zh) | 一种基于west模型的污水处理厂aao工艺优化运行方法 | |
CN102690015B (zh) | 动态多级缺氧/好氧污水处理方法 | |
CN103792844B (zh) | 一种基于有序聚类的污水处理控制方法 | |
CN111398548A (zh) | 一种基于植物作用的表面流湿地水体氮磷浓度预测方法 | |
Seco et al. | Plant-wide modelling in wastewater treatment: showcasing experiences using the Biological Nutrient Removal Model | |
Volcke et al. | Coupling the SHARON process with Anammox: Model-based scenario analysis with focus on operating costs | |
Amerlinck | Model refinements in view of wastewater treatment plant optimization: improving the balance in sub-model detail | |
Wałęga et al. | Nitrogen and phosphorus removal from sewage in biofilter–activated sludge combined systems | |
Volcke et al. | Plant-wide (BSM2) evaluation of reject water treatment with a SHARON-Anammox process | |
Simon-Várhelyi et al. | Dairy wastewater processing and automatic control for waste recovery at the municipal wastewater treatment plant based on modelling investigations | |
El Shorbagy et al. | Optimization of A2O BNR processes using ASM and EAWAG Bio-P models: model formulation | |
Henderson | Energy reduction methods in the aeration process at Perth wastewater treatment plant | |
CN113979541B (zh) | 一种a2o生物池工艺智能控制方法 | |
Flores-Alsina et al. | Benchmarking strategies to control GHG production and emissions | |
Fotso | Development of a Dynamic Simulation Model for Equalization Tanks | |
CN220597239U (zh) | 一种低碳源市政污水用高效脱氮系统 | |
CN215161405U (zh) | 一种污水脱氮除磷装置 | |
CN116253446B (zh) | 一种污水处理智能曝气设置方法 | |
Kraetsch | Nutrient Removal from Clarified Municipal Wastewater using Microalgae Raceway Ponds | |
Sochacki et al. | Modelling and simulation of a municipal WWTP with limited operational data | |
Osipchuk | Use of activated sludge process models. Application at small-scale wastewater treatment plant in Finland. | |
Shayan | Shortcut Nitrogen Removal in Photo-Sequencing Batch Reactor, Experiments, Dynamic Model and Full-Scale Design | |
Klingstedt | Modelling the COD Reducing Treatment Processes at Sjölunda WWTP |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210924 |
|
WD01 | Invention patent application deemed withdrawn after publication |