CN113955854A - 一种氧化沟污水处理工艺建模及智能控制方法 - Google Patents

一种氧化沟污水处理工艺建模及智能控制方法 Download PDF

Info

Publication number
CN113955854A
CN113955854A CN202111424540.9A CN202111424540A CN113955854A CN 113955854 A CN113955854 A CN 113955854A CN 202111424540 A CN202111424540 A CN 202111424540A CN 113955854 A CN113955854 A CN 113955854A
Authority
CN
China
Prior art keywords
model
oxidation ditch
modeling
sewage treatment
asm2d
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111424540.9A
Other languages
English (en)
Inventor
施宇震
刘书铭
关清卿
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.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202111424540.9A priority Critical patent/CN113955854A/zh
Publication of CN113955854A publication Critical patent/CN113955854A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/30—Aerobic and anaerobic processes
    • C02F3/301—Aerobic and anaerobic treatment in the same reactor
    • 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
    • C02F3/1236—Particular type of activated sludge installations
    • C02F3/1257—Oxidation ditches
    • 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
    • C02F3/28—Anaerobic digestion processes
    • C02F3/286—Anaerobic digestion processes including two or more steps
    • 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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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
    • C02F2209/06—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
    • 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
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2301/00—General aspects of water treatment
    • C02F2301/08—Multistage treatments, e.g. repetition of the same process step under different conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Microbiology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Hydrology & Water Resources (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
  • Activated Sludge Processes (AREA)

Abstract

本发明公开了一种氧化沟污水处理工艺建模及智能控制方法，包括以下步骤：收集所需数据并处理；对氧化沟反应器进行流体动力学分析，建立活性污泥（ASM2D）模型；结合流体动力学分析与ASM2D模型，建立氧化沟反应器模型；建立终沉池沉淀过程数学模型以及其他处理单元模型；模型各单元按要求完成流体动力学模型与ASM2D模型耦合，完成整个工艺建模；对模型进行稳态模拟、灵敏度分析、参数矫正；设置天气模式和昼夜模式；模型进行自我学习自我矫正输出最优溶解氧控制、回流控制以及碳源投加控制。本发明可实现前馈控制、智能控制、自主学习，精确指导生产，将现有水厂工艺、设备等潜能挖掘到最大，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

一种氧化沟污水处理工艺建模及智能控制方法
技术领域
本发明属于污水处理技术领域，智能模型控制，具体涉及一种氧化沟污水处 理工艺建模及智能控制方法。
背景技术
随着污水处理的要求越来越高，污水处理的理论研究和处理工艺日趋成熟。 但目前的污水处理厂管理和控制缺乏科学合理的方式，自动化、智能化程度较低。 传统的PID控制对工艺调控不灵活、调控滞后、控制模式单一等问题。从而导 致污水处理厂的生产运行能耗加大、运行成本增加。
氧化沟工艺由于处理效果好、抗符合冲击能力强、出水稳定、操作简单等优 点，在污水处理领域被广泛应用。污水处理流体力学(CFD)模型，可对构筑物 内的各相态进行准确的模拟和分析，氧化沟作为连续处理构筑物，要想更好地对 好氧段、厌氧段、缺氧段的生化反应进行分析，则可通过对好氧段、厌氧段、缺 氧段进行拆分。ASM系列活性污泥模型能对对生化反应机理进行准确的模拟， 可对工艺设计以及工艺运行过程中出现的问题提供指导意见，其中ASM2D在良 好的硝化-反硝化过程中加入生物除磷过程可较好地与氧化沟契合。将三者进行 耦合，结合人工神经网络自主学习新思路设计一种智能控制方法，与精密在线监 测仪器相结合，完成对污水处理厂的仿真模拟与控制。该控制方法可对曝气、回流流量、碳源投加实现前馈控制、智能控制、自主学习，精确指导生产，将现有 水厂工艺、设备等潜能挖掘到最大。
综上所述，一种氧化沟工艺智能控制方法可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。
发明内容
本发明提供一种氧化沟污水处理智能控制方法的建模，包括以下步骤：
步骤1：收集所需数据并处理；
步骤2：对氧化沟反应器进行流体动力学分析，建立活性污泥(ASM2D) 模型；
步骤3：结合流体动力学分析与活性污泥(ASM2D)模型，建立氧化沟反 应器模型；
步骤4：建立终沉池沉淀过程数学模型以及富氧池、缺氧池等其他处理单元 模型；
步骤5：模型各单元按工艺要求完成流体动力学(CFD)模型与生化反应 (ASM2D)模型耦合，完成整个工艺建模；
步骤6：对工艺模型进行稳态模拟、灵敏度分析、参数矫正；
步骤7：设置天气模式和昼夜模式；
步骤8：模型进行自我学习和自我矫正；
步骤9：输出最终结果，包括最优溶解氧控制、回流控制以及碳源投加控制。
优选地，步骤1所述数据包括流量、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和pH值，所述处理为将上述 数据拆分成活性污泥(ASM2D)模型所需20种组分。
优选地，步骤2所述，由于氧化沟是一个一体且连续的反应器，缺氧、厌氧、 好氧过程均在其内部发生，通过流体动力学模型分析，包括构建氧化沟的几何结 构，考虑包括物理场、重力和压力因素进行网格化，计算溶氧分布，可直观地观 察氧化沟内部各相之间的传递，从而为厌氧段、缺氧段、好氧段的拆分提供参考； 同时通过软件建立活性污泥(ASM2D)模型，包括建立基本速率方程，建立组 分总速率方程，方程联立以及参数输入。
优选地，步骤3所述，其中所涉及到的物质数量模型的建模原则为：
Figure BDA0003378494050000021
式1中，V为反应器体积，单位为m3；ρj,in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；
所涉及到氧溶解氧DO浓度随时间的变化速率为：
Figure BDA0003378494050000031
式2中，SO为溶解氧浓度，SO,S为饱和溶解氧浓度，KLa为氧传质系数。
进一步地，将所述氧化沟拆分为缺氧段、厌氧段、好氧段、缺氧段、厌氧段、 好氧段、缺氧段、厌氧段、好氧段、缺氧段、厌氧段、好氧段；
所述第一段缺氧段模型包括以下微分方程：
Figure BDA0003378494050000032
Figure BDA0003378494050000033
Figure BDA0003378494050000034
Figure BDA0003378494050000035
Figure BDA0003378494050000041
Figure BDA0003378494050000042
Figure BDA0003378494050000043
Figure BDA0003378494050000044
Figure BDA0003378494050000045
Figure BDA0003378494050000046
Figure BDA0003378494050000047
Figure BDA0003378494050000051
Figure BDA0003378494050000052
Figure BDA0003378494050000053
Figure BDA0003378494050000054
Figure BDA0003378494050000055
Figure BDA0003378494050000056
Figure BDA0003378494050000057
Figure BDA0003378494050000058
Figure BDA0003378494050000059
所述其他缺氧段模型包括以下微分方程：
Figure BDA0003378494050000061
Figure BDA0003378494050000062
Figure BDA0003378494050000063
Figure BDA0003378494050000064
Figure BDA0003378494050000065
Figure BDA0003378494050000066
Figure BDA0003378494050000067
Figure BDA0003378494050000071
Figure BDA0003378494050000072
Figure BDA0003378494050000073
Figure BDA0003378494050000074
Figure BDA0003378494050000075
Figure BDA0003378494050000076
Figure BDA0003378494050000077
Figure BDA0003378494050000078
Figure BDA0003378494050000081
Figure BDA0003378494050000082
Figure BDA0003378494050000083
Figure BDA0003378494050000084
所述厌氧段模型包括以下微分方程：
Figure BDA0003378494050000085
Figure BDA0003378494050000086
Figure BDA0003378494050000087
Figure BDA0003378494050000088
Figure BDA0003378494050000091
Figure BDA0003378494050000092
Figure BDA0003378494050000093
Figure BDA0003378494050000094
Figure BDA0003378494050000095
Figure BDA0003378494050000096
Figure BDA0003378494050000097
Figure BDA0003378494050000098
Figure BDA0003378494050000101
Figure BDA0003378494050000102
Figure BDA0003378494050000103
Figure BDA0003378494050000104
Figure BDA0003378494050000105
Figure BDA0003378494050000106
Figure BDA0003378494050000107
Figure BDA0003378494050000108
所述好氧段模型包括以下微分方程：
Figure BDA0003378494050000111
Figure BDA0003378494050000112
Figure BDA0003378494050000113
Figure BDA0003378494050000114
Figure BDA0003378494050000115
Figure BDA0003378494050000116
Figure BDA0003378494050000117
Figure BDA0003378494050000121
Figure BDA0003378494050000122
Figure BDA0003378494050000123
Figure BDA0003378494050000124
Figure BDA0003378494050000125
Figure BDA0003378494050000126
Figure BDA0003378494050000127
Figure BDA0003378494050000128
Figure BDA0003378494050000131
Figure BDA0003378494050000132
Figure BDA0003378494050000133
Figure BDA0003378494050000134
公式3-77中，qe为氧化沟进水流量，qr为污泥回流量，qin为综合进水流量， qout为氧化沟出水流量,且qin＝qe+qr，下标i代表反应单元，例如：
Figure BDA0003378494050000135
代表 第四段进水的
Figure BDA0003378494050000136
V代表容积，t表示时间。ASM2D数学模型包含20种组分以 及21个过程速率，其中用ρ1、ρ2......ρ20、ρ21来表示过程速率。20种组分中， X开头表示不可溶组分或颗粒组分，S开头表示可溶性组分，下标S表示易降解 有机底物，下标I表示惰性有机物，下标O表示氧气，下标NH表示氨氮，下标 NO表示硝态氮，下标ALK表示碱度。SO2为溶解氧、SF为易生物降解基质、SA为发酵产物、SNH4为氨氮、SNO3为硝酸盐氮(包括亚硝酸盐氮)、SPO4为磷酸盐、 SI为惰性溶解性有机物、SALK为碱度、SN2为氮气、XI为惰性颗粒性有机物、XAUT为硝化菌、XH为异氧菌、XMeOH为金属氢氧化物、XMeP为金属磷酸盐、XPAO为 聚磷菌、XPHA为聚磷菌的细胞内储存物、XPP为聚磷酸盐、XS为慢速可降解基 质、TSS为总悬浮固体。
优选地，步骤4所述建立终沉池沉淀过程数学模型为根据对沉淀过程分层质 量守恒的分析，建立沉淀过程数学模型；利用C语言对沉淀过程进行编写，并 转化成软件可调用的S函数，将沉淀过程模型封装构成二沉池沉淀模型子模块； 所述缺氧池、富氧池构筑物参考氧化沟反应器建模方法，结合活性污泥(ASM2D) 模型进行建立。
优选地，如步骤6所述对模型进行对模型进行稳态模拟、灵敏度分析、参数 矫正是以实际情况作为参照，观察模型运行是否稳定，对进水条件变化的反应是 否灵敏，对其敏感参数进行调整，使模型与实际情况相吻合。
优选地，步骤7所述天气模式为通过对近2017年到2020年进水数据整理分 析，并对其当地用水情况的调研，设置天气模式，所述天气模式包括干旱、暴雨、 暴雪中的一种或多种。
优选地，如步骤8所述模型进行自我学习是模型将进水参数进行随机变型进 行计算，利用迭代思路，计算出的最优值进行保存，下一次出现相同进水时具有 较高优先级，每次进水都会重复进行随机变型计算，若计算出更优值则将原有值 进行覆盖，完成自学习的过程；同理，所述自我矫正是将敏感参数在给定范围内 进行随机变型，不断计算，储存最优值，完成自我矫正的过程。
优选地，如步骤9所述，本发明最终结果是模型优化计算输出曝气风量，最 优风量反馈到控制系统完成曝气控制；同理，模型优化计算回流比，控制系统根 据进水输出回流量；同理，根据设定的目标出水水质，模型优化计算无法获得满 足最佳出水水质的情况下，计算最小需要碳源投加量，实现最优控制。
优选地，所述出水水质严格对照云南省昆明市严于国标《城镇污水处理厂污 染物排放标准》(GB18918-2002)中一级A标准的地方标准。
本发明通过建立活性污泥(ASM2)模型结合各反应单元的流体动力学(CFD) 模型，融入人工神经网络自主学习新思路，结合精密在线监测仪器，建立了一种 氧化沟工艺智能控制系统，完成对实际氧化沟工艺的仿真与控制。
本发明可实现前馈控制、智能控制、自主学习，精确指导生产，将现有水厂 工艺、设备等潜能挖掘到最大，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。
附图说明
图1为本发明具体涉及到的一种氧化沟工艺智能控制模型的建模流程图；
图2为本发明的自我矫正逻辑图；
图3为活性污泥(ASM2D)模型部分封装形式；
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 行进一步地详细描述。应当理解，此处描述的例子仅用于解释说明，本发明的保 护范围不局限于所述实施例。
如图1所述，本实施例提供了一种氧化沟工艺智能控制方法，其建模步骤如 下：
步骤1：收集所需数据并进行处理；
述数据包括流量、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和pH值，所述处理为将上述数据拆分成活 性污泥(ASM2D)模型所需20种组分。
步骤2：对氧化沟反应器进行流体动力学分析，建立活性污泥(ASM2D) 模型；
由于氧化沟是一个一体且连续的反应器，缺氧、厌氧、好氧过程均在其内部 发生，通过流体动力学模型分析，包括构建氧化沟的几何结构，考虑包括物理场、 重力和压力因素进行网格化，计算溶氧分布，可直观地观察氧化沟内部各相之间 的传递，从而为厌氧段、缺氧段、好氧段的拆分提供参考；同时通过软件建立活 性污泥(ASM2D)模型，包括建立基本速率方程，建立组分总速率方程，方程 联立以及参数输入，由于氧化沟是一个一体且连续的反应器，缺氧、厌氧、好氧 过程均在其内部发生，通过流体动力学模型分析，可直观地观察氧化沟内部各相 之间的传递，从而为厌氧段、缺氧段、好氧段的拆分提供参考；同时通过软件 建立活性污泥(ASM2D)模型，其封装形式的部分如图3所示。
步骤3：结合流体动力学分析与活性污泥(ASM2D)模型，建立氧化沟反 应器模型；
通过软件将以上参数拆分为活性污泥(ASM2D)模型所需组分，方便参数 进入模型计算。
步骤3：建立ASM2D生化反应模型结合氧化沟流体动力学分析与物质数量 模型的建模原则，建立氧化沟模型；
其中所涉及到的物质数量模型的建模原则为：
Figure BDA0003378494050000161
式1中，V为反应器体积，单位为m3；ρj,in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；
所涉及到氧溶解氧DO浓度随时间的变化速率为：
Figure BDA0003378494050000162
式2中，SO为溶解氧浓度，So,S为饱和溶解氧浓度，KLa为氧传质系数。
进一步地，将氧化沟拆分为缺氧段、厌氧段、好氧段、缺氧段、厌氧段、好 氧段、缺氧段、厌氧段、好氧段、缺氧段、厌氧段、好氧段；
所述第一段缺氧段模型包括以下微分方程：
Figure BDA0003378494050000163
Figure BDA0003378494050000171
Figure BDA0003378494050000172
Figure BDA0003378494050000173
Figure BDA0003378494050000174
Figure BDA0003378494050000175
Figure BDA0003378494050000176
Figure BDA0003378494050000181
Figure BDA0003378494050000182
Figure BDA0003378494050000183
Figure BDA0003378494050000184
Figure BDA0003378494050000185
Figure BDA0003378494050000186
Figure BDA0003378494050000187
Figure BDA0003378494050000188
Figure BDA0003378494050000191
Figure BDA0003378494050000192
Figure BDA0003378494050000193
Figure BDA0003378494050000194
Figure BDA0003378494050000195
所述其他缺氧段模型包括以下微分方程：
Figure BDA0003378494050000196
Figure BDA0003378494050000197
Figure BDA0003378494050000198
Figure BDA0003378494050000201
Figure BDA0003378494050000202
Figure BDA0003378494050000203
Figure BDA0003378494050000204
Figure BDA0003378494050000205
Figure BDA0003378494050000206
Figure BDA0003378494050000207
Figure BDA0003378494050000211
Figure BDA0003378494050000212
Figure BDA0003378494050000213
Figure BDA0003378494050000214
Figure BDA0003378494050000215
Figure BDA0003378494050000216
Figure BDA0003378494050000217
Figure BDA0003378494050000218
Figure BDA0003378494050000219
Figure BDA0003378494050000221
所述厌氧段模型包括以下微分方程：
Figure BDA0003378494050000222
Figure BDA0003378494050000223
Figure BDA0003378494050000224
Figure BDA0003378494050000225
Figure BDA0003378494050000226
Figure BDA0003378494050000227
Figure BDA0003378494050000228
Figure BDA0003378494050000231
Figure BDA0003378494050000232
Figure BDA0003378494050000233
Figure BDA0003378494050000234
Figure BDA0003378494050000235
Figure BDA0003378494050000236
Figure BDA0003378494050000237
Figure BDA0003378494050000238
Figure BDA0003378494050000241
Figure BDA0003378494050000242
Figure BDA0003378494050000243
Figure BDA0003378494050000244
所述好氧段模型包括以下微分方程：
Figure BDA0003378494050000245
Figure BDA0003378494050000246
Figure BDA0003378494050000247
Figure BDA0003378494050000248
Figure BDA0003378494050000251
Figure BDA0003378494050000252
Figure BDA0003378494050000253
Figure BDA0003378494050000254
Figure BDA0003378494050000255
Figure BDA0003378494050000256
Figure BDA0003378494050000257
Figure BDA0003378494050000258
Figure BDA0003378494050000261
Figure BDA0003378494050000262
Figure BDA0003378494050000263
Figure BDA0003378494050000264
Figure BDA0003378494050000265
Figure BDA0003378494050000266
Figure BDA0003378494050000267
Figure BDA0003378494050000268
公式3-78中，qe为氧化沟进水流量，qr为污泥回流量，qin为综合进水流量，qout为氧化沟出水流量,且qin＝qe+qr，下标i代表反应单元，例如：
Figure BDA0003378494050000271
代表 第四段进水的
Figure BDA0003378494050000272
V代表容积，t表示时间。ASM2D数学模型包含20种组分以 及21个过程速率，其中用ρ1、ρ2......ρ20、ρ21来表示过程速率。20种组分中， X开头表示不可溶组分或颗粒组分，S开头表示可溶性组分，下标S表示易降解 有机底物，下标I表示惰性有机物，下标O表示氧气，下标NH表示氨氮，下标 NO表示硝态氮，下标ALK表示碱度。SO2为溶解氧、SF为易生物降解基质、SA为发酵产物、SNH4为氨氮、SNO3为硝酸盐氮(包括亚硝酸盐氮)、SPO4为磷酸盐、 SI为惰性溶解性有机物、SALK为碱度、SN2为氮气、XI为惰性颗粒性有机物、XAUT为硝化菌、XH为异氧菌、XMeOH为金属氢氧化物、XMeP为金属磷酸盐、XPAO为 聚磷菌、XPHA为聚磷菌的细胞内储存物、XPP为聚磷酸盐、XS为慢速可降解基 质、TSS为总悬浮固体。其中ASM2D模型所存在一下限制：
1、该模型只对城市污水有效；
2、pH应接近于中性；
3、温度应在10-25℃之间。
步骤4：建立终沉池沉淀过程数学模型以及富氧池等其他处理单元模型；
根据对沉淀过程分层质量守恒的分析，建立沉淀过程数学模型；利用C语 言对沉淀过程进行编写，并转化成软件可调用的S函数，将沉淀过程模型封装构 成二沉池沉淀模型子模块；同理，缺氧池、富氧池构筑物参考氧化沟反应器建模 方法，结合活性污泥(ASM2D)模型进行建立。
步骤5：模型各单元按工艺要求完成流体动力学(CFD)模型与生化反应 (ASM2D)模型耦合；
要达到模型控制的要求，需要对整个工艺进行数学建模，只针对各个处理单 元进行建模时不足的，需要将处理单元的模块进行耦合。建立工艺模型需考虑理 想数学计算与实际工业过程的区别，需要考虑实际检测水质数据和模型计算特征 组分的换算，以及复杂生化反应过程的反应组分与沉淀过程的溶解相及沉降相的 对应。
步骤6：对工艺模型进行稳态模拟、灵敏度分析、参数矫正；
对模型进行稳态模拟、灵敏度分析、参数矫正是以与实际情况作为参照，观 察模型运行是否稳定，对进水条件变化的反应是否灵敏，对其敏感参数进行调整， 使模型与实际情况相吻合。
步骤7：设置天气模式和昼夜模式；
由于进水易受到天气、昼夜的影响，避免极端进水条件造成事故，通过对 2017年到2020年进水数据整理分析，并对其当地用水情况的调研，设置天气模 式，所述天气模式包括干旱模式和暴雨模式。
步骤8：模型进行自我学习自我矫正
所述模型进行自我学习是模型将进水参数进行随机变型进行计算，利用迭代 思路，计算出的最优值进行保存，下一次出现相同进水时具有较高优先级，每次 进水都会重复进行随机变型计算，若计算出更优值则将原有值进行覆盖，完成自 我学习的过程；同理，所述自我矫正是将敏感参数在给定范围内进行随机变型， 不断计算，储存最优值，进行自我矫正的过程。
步骤9：输出最优溶解氧控制、回流控制以及碳源投加控制。
本发明最终结果是模型优化计算输出曝气风量，最优风量反馈到控制系统完 成曝气控制；同理，模型优化计算回流比，控制系统根据进水输出回流量；同理， 根据设定的目标出水水质，模型优化计算无法获得满足最佳出水水质的情况下， 计算最小需要碳源投加量，实现最优控制。
具体地，所述出水水质严格对照云南省昆明市严于国标《城镇污水处理厂污 染物排放标准》(GB18918-2002)中一级A标准的地方标准。
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)

1.一种氧化沟污水处理工艺建模及智能控制方法，其特征在于，包括以下步骤：
步骤1：收集所需数据并进行处理；
步骤2：对氧化沟反应器进行流体动力学分析，建立活性污泥(ASM2D)模型；
步骤3：将溶氧传质系数KLa转化为溶解氧，根据物质数量模型的建模原则，结合流体动力学分析与活性污泥(ASM2D)模型，建立氧化沟反应器模型；
步骤4：建立终沉池沉淀过程数学模型以及富氧池、缺氧池处理单元模型；
步骤5：模型各单元按工艺要求完成流体动力学(CFD)模型与生化反应(ASM2D)模型耦合，完成整个工艺建模；
步骤6：对工艺模型进行稳态模拟、灵敏度分析、参数矫正；
步骤7：设置天气模式和昼夜模式；
步骤8：模型进行自我学习和自我矫正；
步骤9：输出最优溶解氧控制、回流控制以及碳源投加控制。
2.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤1所述数据包括流量、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和pH值，所述处理为将上述数据拆分成活性污泥(ASM2D)模型所需20种组分。
3.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤2所述对氧化沟反应器进行流体动力学分析，由于氧化沟是一个一体且连续的反应器，缺氧、厌氧、好氧过程均在其内部发生，通过流体动力学(CFD)模型分析，包括构建氧化沟的几何结构，考虑包括物理场、重力和压力因素进行网格化，计算溶氧分布；同时通过软件建立活性污泥(ASM2D)模型，包括建立基本速率方程，建立组分总速率方程，方程联立以及参数输入。
4.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤3所述物质数量模型的建模原则为：
Figure FDA0003378494040000021
式1中，V为反应器体积，单位为m3；ρj，in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。
5.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤3所述溶解氧DO浓度随时间的变化速率为：
Figure FDA0003378494040000022
式2中，SO为溶解氧浓度，SO，S为饱和溶解氧浓度，KLa为氧传质系数。
6.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤3所述将氧化沟拆分为缺氧段、厌氧段、好氧段、缺氧段、厌氧段、好氧段、缺氧段、厌氧段、好氧段、缺氧段、厌氧段、好氧段；
所述第一段缺氧段模型包括以下微分方程：
Figure FDA0003378494040000023
Figure FDA0003378494040000024
Figure FDA0003378494040000031
Figure FDA0003378494040000032
Figure FDA0003378494040000033
Figure FDA0003378494040000034
Figure FDA0003378494040000035
Figure FDA0003378494040000036
Figure FDA0003378494040000041
Figure FDA0003378494040000042
Figure FDA0003378494040000043
Figure FDA0003378494040000044
Figure FDA0003378494040000045
Figure FDA0003378494040000046
Figure FDA0003378494040000047
Figure FDA0003378494040000048
Figure FDA0003378494040000051
Figure FDA0003378494040000052
Figure FDA0003378494040000053
所述其他缺氧段模型包括以下微分方程：
Figure FDA0003378494040000054
Figure FDA0003378494040000055
Figure FDA0003378494040000056
Figure FDA0003378494040000057
Figure FDA0003378494040000058
Figure FDA0003378494040000061
Figure FDA0003378494040000062
Figure FDA0003378494040000063
Figure FDA0003378494040000064
Figure FDA0003378494040000065
Figure FDA0003378494040000066
Figure FDA0003378494040000067
Figure FDA0003378494040000068
Figure FDA0003378494040000071
Figure FDA0003378494040000072
Figure FDA0003378494040000073
Figure FDA0003378494040000074
Figure FDA0003378494040000075
Figure FDA0003378494040000076
Figure FDA0003378494040000077
所述厌氧段模型包括以下微分方程：
Figure FDA0003378494040000078
Figure FDA0003378494040000081
Figure FDA0003378494040000082
Figure FDA0003378494040000083
Figure FDA0003378494040000084
Figure FDA0003378494040000085
Figure FDA0003378494040000086
Figure FDA0003378494040000087
Figure FDA0003378494040000091
Figure FDA0003378494040000092
Figure FDA0003378494040000093
Figure FDA0003378494040000094
Figure FDA0003378494040000095
Figure FDA0003378494040000096
Figure FDA0003378494040000097
Figure FDA0003378494040000098
Figure FDA0003378494040000101
Figure FDA0003378494040000102
Figure FDA0003378494040000103
所述好氧段模型包括以下微分方程：
Figure FDA0003378494040000104
Figure FDA0003378494040000105
Figure FDA0003378494040000106
Figure FDA0003378494040000107
Figure FDA0003378494040000111
Figure FDA0003378494040000112
Figure FDA0003378494040000113
Figure FDA0003378494040000114
Figure FDA0003378494040000115
Figure FDA0003378494040000116
Figure FDA0003378494040000117
Figure FDA0003378494040000118
Figure FDA0003378494040000121
Figure FDA0003378494040000122
Figure FDA0003378494040000123
Figure FDA0003378494040000124
Figure FDA0003378494040000125
Figure FDA0003378494040000126
Figure FDA0003378494040000127
Figure FDA0003378494040000128
公式3-77中，qe为氧化沟进水流量，qr为污泥回流量，qin为综合进水流量，qout为氧化沟出水流量,且qin＝qe+qr，下标i代表反应单元，例如：
Figure FDA0003378494040000129
代表第四段进水的
Figure FDA0003378494040000131
V代表容积，t表示时间；ASM2D数学模型包含20种组分以及21个过程速率，其中用ρ1、ρ2......ρ20、ρ21来表示过程速率；20种组分中，X开头表示不可溶组分或颗粒组分，S开头表示可溶性组分，下标S表示易降解有机底物，下标I表示惰性有机物，下标O表示氧气，下标NH表示氨氮，下标NO表示硝态氮，下标ALK表示碱度；SO2为溶解氧、SF为易生物降解基质、SA为发酵产物、SNH4为氨氮、SNO3为硝酸盐氮(包括亚硝酸盐氮)、SPO4为磷酸盐、SI为惰性溶解性有机物、SALK为碱度、SN2为氮气、XI为惰性颗粒性有机物、XAUT为硝化菌、XH为异氧菌、XMeOH为金属氢氧化物、XMeP为金属磷酸盐、XPAO为聚磷菌、XPHA为聚磷菌的细胞内储存物、XPP为聚磷酸盐、XS为慢速可降解基质、TSS为总悬浮固体。
7.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤4所述建立终沉池沉淀过程数学模型为根据对沉淀过程分层质量守恒的分析，建立沉淀过程数学模型；具体为利用C语言对沉淀过程进行编写，并转化成软件可调用的S函数，将沉淀过程模型封装构成二沉池沉淀模型子模块；所述缺氧池、富氧池处理单元参考氧化沟反应器建模方法，结合活性污泥(ASM2D)模型进行建立。
8.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤7所述天气模式为通过对近2017年到2020年进水数据整理分析，并对其当地用水情况的调研，设置天气模式，所述天气模式包括干旱、暴雨、冬天中的一种或多种。
9.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤8所述模型进行自我学习是模型将进水参数进行随机变型进行计算，利用迭代思路，计算出的最优值进行保存，下一次出现相同进水时具有较高优先级，每次进水都会重复进行随机变型计算，若计算出更优值则将原有值进行覆盖，完成自我学习的过程；同理，所述自我矫正是将敏感参数在给定范围内进行随机变型，不断计算，储存最优值，进行自我矫正的过程。
10.根据权利要求1所述的氧化沟污水处理工艺建模及智能控制方法，其特征在于：步骤9所述，本发明最终结果是模型优化计算输出曝气风量，最优风量反馈到控制系统完成曝气控制；同理，模型优化计算回流比，控制系统根据进水输出回流量；同理，根据设定的目标出水水质，模型优化计算无法获得满足最佳出水水质的情况下，计算最小需要碳源投加量，实现最优控制。
CN202111424540.9A 2021-11-26 2021-11-26 一种氧化沟污水处理工艺建模及智能控制方法 Pending CN113955854A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111424540.9A CN113955854A (zh) 2021-11-26 2021-11-26 一种氧化沟污水处理工艺建模及智能控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111424540.9A CN113955854A (zh) 2021-11-26 2021-11-26 一种氧化沟污水处理工艺建模及智能控制方法

Publications (1)

Publication Number Publication Date
CN113955854A true CN113955854A (zh) 2022-01-21

Family

ID=79472277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111424540.9A Pending CN113955854A (zh) 2021-11-26 2021-11-26 一种氧化沟污水处理工艺建模及智能控制方法

Country Status (1)

Country Link
CN (1) CN113955854A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115140786A (zh) * 2022-07-08 2022-10-04 日照职业技术学院 一种智能化调整污水处理设备参数方法及系统
CN115215436A (zh) * 2022-07-15 2022-10-21 山东博厚数据科技有限公司 一种基于同步除磷的智能加药除磷控制系统及控制方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001334286A (ja) * 2000-05-29 2001-12-04 Hitachi Ltd オキシデーションディッチ法のシミュレーション装置
JP2003285095A (ja) * 2002-03-29 2003-10-07 Kubota Corp オキシデーションディッチ方法および装置
JP2006224001A (ja) * 2005-02-17 2006-08-31 Jfe Engineering Kk 排水の生物処理プロセスシミュレーション方法及び装置
KR100683477B1 (ko) * 2005-11-18 2007-02-16 효성에바라엔지니어링 주식회사 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법
CN101182069A (zh) * 2007-11-13 2008-05-21 清华大学 基于入水变化的氧化沟智能控制系统
CN103810309A (zh) * 2012-11-08 2014-05-21 连晓峰 基于约束理论的a2o城市污水处理工艺的软测量建模方法
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
CN110577278A (zh) * 2019-07-04 2019-12-17 广东省环境保护工程研究设计院有限公司 预测氧化沟池型aao工艺溶解氧浓度空间分布的方法及介质
CN111222253A (zh) * 2020-01-20 2020-06-02 中国科学院生态环境研究中心 Cfd-asm耦合模拟模型、其建立方法及污水处理系统优化方法
CN111762958A (zh) * 2020-05-12 2020-10-13 中铁第四勘察设计院集团有限公司 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置
CN113428976A (zh) * 2021-07-20 2021-09-24 昆明理工大学 一种biocos生物池工艺智能控制方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001334286A (ja) * 2000-05-29 2001-12-04 Hitachi Ltd オキシデーションディッチ法のシミュレーション装置
JP2003285095A (ja) * 2002-03-29 2003-10-07 Kubota Corp オキシデーションディッチ方法および装置
JP2006224001A (ja) * 2005-02-17 2006-08-31 Jfe Engineering Kk 排水の生物処理プロセスシミュレーション方法及び装置
KR100683477B1 (ko) * 2005-11-18 2007-02-16 효성에바라엔지니어링 주식회사 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법
CN101182069A (zh) * 2007-11-13 2008-05-21 清华大学 基于入水变化的氧化沟智能控制系统
CN103810309A (zh) * 2012-11-08 2014-05-21 连晓峰 基于约束理论的a2o城市污水处理工艺的软测量建模方法
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
CN110577278A (zh) * 2019-07-04 2019-12-17 广东省环境保护工程研究设计院有限公司 预测氧化沟池型aao工艺溶解氧浓度空间分布的方法及介质
CN111222253A (zh) * 2020-01-20 2020-06-02 中国科学院生态环境研究中心 Cfd-asm耦合模拟模型、其建立方法及污水处理系统优化方法
CN111762958A (zh) * 2020-05-12 2020-10-13 中铁第四勘察设计院集团有限公司 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置
CN113428976A (zh) * 2021-07-20 2021-09-24 昆明理工大学 一种biocos生物池工艺智能控制方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
QI XU等: "An efficient hydrodynamic-biokinetic model for the optimization of operational strategy applied in a full-scale oxidation ditch by CFD integrated with ASM2", vol. 193, pages 1 - 13 *
李云;李君超;白璐;蒋进元;: "北京某CASS污水处理厂BioWin模拟诊断研究", no. 04 *
杨敏;徐荣乐;袁星;罗南;郁达伟;魏源送;樊耀波;: "膜生物反应器ASM-CFD耦合仿真研究进展", no. 06 *
王西俜, 李旭东, 王廷放, 刘之慧: "利用下水管网系统净化城市污水的模拟试验", 应用与环境生物学报, no. 06 *
赵松浩;毛献忠;李钦鼎;: "基于对流扩散方程和ASM2D的氧化沟耦合模型研究", no. 1 *
雪宸: "多级多段AO生活污水处理工艺系统研究与应用", pages 54 - 56 *
龙川: "基于ASM2D模型对污水处理工艺的模拟及优化", 中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑, pages 10 - 29 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115140786A (zh) * 2022-07-08 2022-10-04 日照职业技术学院 一种智能化调整污水处理设备参数方法及系统
CN115215436A (zh) * 2022-07-15 2022-10-21 山东博厚数据科技有限公司 一种基于同步除磷的智能加药除磷控制系统及控制方法
CN115215436B (zh) * 2022-07-15 2024-01-09 山东博厚数据科技有限公司 一种基于同步除磷的智能加药除磷控制系统及控制方法

Similar Documents

Publication Publication Date Title
Schmitt et al. Development of artificial neural networks to predict membrane fouling in an anoxic-aerobic membrane bioreactor treating domestic wastewater
CN106873379B (zh) 一种基于迭代adp算法的污水处理最优控制方法
AU2021101438A4 (en) Adaptive control method and system for aeration process
Kaelin et al. Extension of ASM3 for two-step nitrification and denitrification and its calibration and validation with batch tests and pilot scale data
CN113955854A (zh) 一种氧化沟污水处理工艺建模及智能控制方法
CN101121564B (zh) A/o工艺分段进水深度脱氮的模糊控制装置及其方法
CN103810309B (zh) 基于约束理论的a2o 城市污水处理工艺的软测量建模方法
Do et al. A design of higher-level control based genetic algorithms for wastewater treatment plants
CN106495321A (zh) 生物池工艺优化及运行控制系统及其控制方法
CN113341711A (zh) 一种地表与地下多水源智能循环分配控制系统
CN111762958A (zh) 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置
CN112875859A (zh) 基于aoa工艺的污水脱氮除磷控制系统
Chen et al. Optimal strategies evaluated by multi-objective optimization method for improving the performance of a novel cycle operating activated sludge process
Piotrowski et al. Mixed integer nonlinear optimization of biological processes in wastewater sequencing batch reactor
Insel et al. Are standard wastewater treatment plant design methods suitable for any municipal wastewater?
CN113428976A (zh) 一种biocos生物池工艺智能控制方法
Drewnowski et al. Modelling AOB-NOB competition in shortcut nitrification compared with conventional nitrification-denitrification process
CN114314823A (zh) 一种曝气环节溶解氧控制系统与方法
Hartley Tuning biological nutrient removal plants
CN201191473Y (zh) A/o工艺分段进水深度脱氮的模糊控制教学装置
Szilveszter et al. Mathematical models for domestic biological wastewater treatment process
Harja et al. Control of an activated sludge wastewater treatment process based on a Calibrated and modified BSM1 Model
Qiao et al. Recurrent neural network-based control for wastewater treatment process
CN117150966A (zh) 一种一体化mbr工艺建模及智能控制方法
Soehartanto et al. Dissolved oxygen control system in polishing unit using logic solver

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