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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 230000008569 process Effects 0.000 title claims abstract description 78
- 230000003647 oxidation Effects 0.000 title claims abstract description 60
- 238000007254 oxidation reaction Methods 0.000 title claims abstract description 60
- 239000010865 sewage Substances 0.000 title claims abstract description 31
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 42
- 239000001301 oxygen Substances 0.000 claims abstract description 42
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 37
- 239000010802 sludge Substances 0.000 claims abstract description 25
- 239000012530 fluid Substances 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000004062 sedimentation Methods 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 16
- 238000010992 reflux Methods 0.000 claims abstract description 14
- 238000013178 mathematical model Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 8
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 6
- 230000008878 coupling Effects 0.000 claims abstract description 4
- 238000010168 coupling process Methods 0.000 claims abstract description 4
- 238000005859 coupling reaction Methods 0.000 claims abstract description 4
- 238000001556 precipitation Methods 0.000 claims description 18
- 241000894006 Bacteria Species 0.000 claims description 12
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 7
- 238000005273 aeration Methods 0.000 claims description 7
- 238000005842 biochemical reaction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 229910052698 phosphorus Inorganic materials 0.000 claims description 7
- 239000011574 phosphorus Substances 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 206010021143 Hypoxia Diseases 0.000 claims description 6
- 229910019142 PO4 Inorganic materials 0.000 claims description 6
- 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 description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 239000005416 organic matter Substances 0.000 claims description 4
- 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
- 229920000388 Polyphosphate Polymers 0.000 claims description 3
- 229910006722 SNO3 Inorganic materials 0.000 claims description 3
- 229910001873 dinitrogen Inorganic materials 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000000855 fermentation Methods 0.000 claims description 3
- 230000004151 fermentation Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000007954 hypoxia Effects 0.000 claims description 3
- 230000001146 hypoxic effect Effects 0.000 claims description 3
- 229910000000 metal hydroxide Inorganic materials 0.000 claims description 3
- 150000004692 metal hydroxides Chemical class 0.000 claims description 3
- 229910001463 metal phosphate Inorganic materials 0.000 claims description 3
- OKKJLVBELUTLKV-UHFFFAOYSA-N methanol Substances OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 claims description 3
- 230000001546 nitrifying effect Effects 0.000 claims description 3
- -1 nitrite nitrogen) Chemical compound 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 239000002846 particulate organic matter Substances 0.000 claims description 3
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 claims description 3
- 239000010452 phosphate Substances 0.000 claims description 3
- 239000001205 polyphosphate Substances 0.000 claims description 3
- 235000011176 polyphosphates Nutrition 0.000 claims description 3
- 150000003839 salts Chemical class 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 2
- 229910000069 nitrogen hydride Inorganic materials 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000010841 municipal wastewater Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- 101100436078 Caenorhabditis elegans asm-2 gene Proteins 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 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
- C02F3/30—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
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:
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:
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:
所述其他缺氧段模型包括以下微分方程:
所述厌氧段模型包括以下微分方程:
所述好氧段模型包括以下微分方程:
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:代表 第四段进水的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:
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:
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:
所述其他缺氧段模型包括以下微分方程:
所述厌氧段模型包括以下微分方程:
所述好氧段模型包括以下微分方程:
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:代表 第四段进水的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。
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:
所述其他缺氧段模型包括以下微分方程:
所述厌氧段模型包括以下微分方程:
所述好氧段模型包括以下微分方程:
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:代表第四段进水的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。
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)
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)
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 |
-
2021
- 2021-11-26 CN CN202111424540.9A patent/CN113955854A/zh active Pending
Patent Citations (11)
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)
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)
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 |