CN113979541B - 一种a2o生物池工艺智能控制方法 - Google Patents
一种a2o生物池工艺智能控制方法 Download PDFInfo
- Publication number
- CN113979541B CN113979541B CN202111424546.6A CN202111424546A CN113979541B CN 113979541 B CN113979541 B CN 113979541B CN 202111424546 A CN202111424546 A CN 202111424546A CN 113979541 B CN113979541 B CN 113979541B
- Authority
- CN
- China
- Prior art keywords
- model
- tank
- biological
- secondary sedimentation
- intelligent control
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 123
- 230000008569 process Effects 0.000 title claims abstract description 86
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 45
- 238000004062 sedimentation Methods 0.000 claims abstract description 41
- 238000013178 mathematical model Methods 0.000 claims abstract description 32
- 239000010865 sewage Substances 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims abstract description 17
- 101100436085 Caenorhabditis elegans asm-3 gene Proteins 0.000 claims abstract description 14
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims abstract description 6
- 238000001556 precipitation Methods 0.000 claims abstract description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 28
- 229910052760 oxygen Inorganic materials 0.000 claims description 28
- 239000001301 oxygen Substances 0.000 claims description 28
- 239000010802 sludge Substances 0.000 claims description 25
- 238000010992 reflux Methods 0.000 claims description 20
- 241000894006 Bacteria Species 0.000 claims description 19
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 229910052698 phosphorus Inorganic materials 0.000 claims description 10
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 9
- 239000011574 phosphorus Substances 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 239000000758 substrate Substances 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 7
- 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 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
- 230000031852 maintenance of location in cell Effects 0.000 claims description 6
- 230000001546 nitrifying effect Effects 0.000 claims description 6
- 239000002846 particulate organic matter Substances 0.000 claims description 6
- 229920002627 poly(phosphazenes) Polymers 0.000 claims description 6
- 230000035484 reaction time Effects 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000005842 biochemical reaction Methods 0.000 claims description 5
- 238000000855 fermentation Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 5
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- 229920000388 Polyphosphate Polymers 0.000 claims description 4
- 238000005273 aeration Methods 0.000 claims description 4
- 230000004151 fermentation Effects 0.000 claims description 4
- 239000011259 mixed solution Substances 0.000 claims description 4
- 239000001205 polyphosphate Substances 0.000 claims description 4
- 235000011176 polyphosphates Nutrition 0.000 claims description 4
- 238000011112 process operation Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 239000007790 solid phase Substances 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract 1
- 239000005014 poly(hydroxyalkanoate) Substances 0.000 description 6
- 229920000903 polyhydroxyalkanoate Polymers 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004836 empirical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000695274 Processa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 239000011232 storage material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- C02F3/34—Biological treatment of water, waste water, or sewage characterised by the microorganisms used
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F9/00—Multistage treatment of water, waste water or sewage
-
- 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
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
- C02F1/5209—Regulation methods for flocculation or precipitation
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F2001/007—Processes including a sedimentation step
-
- 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
- C02F2101/00—Nature of the contaminant
- C02F2101/30—Organic compounds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- Microbiology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (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)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明公开了一种A2O生物池工艺智能控制方法。本发明包括以下步骤：设定建模所需输入参数；建立A2O生物池的ASM2D模型；建立二沉池的ASM3数学模型；建立二沉池的沉淀过程数学模型；以上模型采用C语言编写，并转化为软件可调用的用于模拟A2O工艺的S函数；对以上模型进行稳态模拟，校正各模型参数，模拟调整出水水质；进行深度学习自适应控制和自适应校正，筛选目标控制参数；输出模型模拟之后的最佳控制参数；最佳控制参数输出到PLC控制平台，对工艺进行控制。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，降低污水处理厂的运行能耗，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A2O生物池工艺智能控制方法。
背景技术
目前在污水处理行业中，科技手段发展的智慧水务、成熟的工艺以及暴露的问题，使得污水处理过程中的优化控制技术成为了亟需解决的问题。活性污泥法所衍生出的水处理工艺成熟稳定，处理效果良好；但其在工艺设计和运行维护等方面仍然采用经验法或半经验法。因此，目前大多数污水处理厂在设计和运维方面缺乏科学的管理和控制，导致投资、运行的成本的增加。
A2O(Anaerobic-Anoxic-Oxic)工艺，即厌氧-缺氧-好氧工艺，是一种常用的二级污水处理工艺，并被广泛应用于城市污水处理厂。A2O工艺采用活性污泥法，具有良好的脱氮除磷效果，可用于城市污水处理厂中的二级污水处理或三级污水处理。ASM2D数学模型自研发以来不断被应用于污水处理中的仿真与控制实验，给污水处理厂的工艺设计和运行维护过程中出现的问题提供了科学的解决办法。将污水处理中的仿真与控制进行耦合，并引入智能控制的概念，从而形成一种智能工艺控制方法。在实际运行中，采用这种智能工艺控制方法并结合利用精密的在线检测仪器，从而实现对污水处理厂工艺过程的仿真模拟。该方法不仅可以提前预测尚未发生的工况，根据该工况提前计算出控制信号，由此调整模型的运行，从而实现真正意义上的前馈控制；而且该方法还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，A2O生物池工艺智能控制方法可以提高污水处理系统的智能控制水平，为其他污水处理厂的升级改造提供了技术参考。
发明内容
本发明的目的在于提供一种A2O生物池工艺智能控制方法。该方法通过软件实现，其所述特征和步骤如下：
步骤1，设定输入参数；
步骤2，建立模型：
1)根据ASM2D数学模型、物料平衡方程原则和物质数量模型的建模原则建立A2O生物池工艺模型；
2)根据ASM3数学模型和物质数量模型的建模原则建立二沉池的ASM3数学模型；
3)根据分布参数建模方法和子空间物质能量传递守恒原则建立二沉池的沉淀过程数学模型；
步骤3，以上模型采用C语言编写，并转化为软件可调用的用于模拟A2O生物池工艺的S函数。
步骤4，对模型进行稳态模拟，校正模型参数，调整污泥回流比、混合液内回流比以及DO浓度三个工艺运行参数的出水水质，并进行深度学习自适应控制和自适应校正，筛选目标控制参数；
步骤5，输出模型模拟之后的最佳控制参数；
步骤6，最佳控制参数输出到PLC控制平台，对工艺进行控制。
优选地，步骤1所述的输入参数包括生物池进水流量q0、污泥回流量混合液内回流量/>排泥量qw、构筑物体积和生物池进水组分浓度；其中生物池进水组分浓度包括化学需氧量CODCr、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3-N等。
优选地，步骤2所述的物料平衡方程的原则为：
进入量-排出量+反应量＝积累量
物质数量模型的建模原则为：
式中：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个反应中浓度的变化速率。
优选地，1)所述的A2O生物池工艺模型包含厌氧池工艺模型、缺氧池工艺模型和好氧池工艺模型；所述的厌氧池工艺模型包含以下微分方程：
所述的缺氧池工艺模型包含以下微分方程：
所述的好氧池工艺模型包含以下微分方程：
上述公式2-40中，q0为生物池进水流量，为污泥回流量，/>为混合液回流量，qw为二沉池排泥量，q1为厌氧池出水量，q2为缺氧池出水量，q3为好氧池出水量；其中V1表示厌氧池体积，V2表示缺氧池体积，V3表示好氧池体积；t为反应时间，KLa为溶解氧传质系数；/>SF、SA、/>均为溶解性组分，它们分别表示溶解氧、可发酵的易生物降解有机物、发酵产物、铵态氮和氨氮、硝酸盐氮与亚硝酸盐氮、溶解性无机磷；XI、XS、XH、XPAO、XPP、XPHA、XAUT均为颗粒性组分，它们分别表示惰性颗粒性有机物质、慢速可降解基质、异养菌、聚磷菌PAO、聚磷酸盐、聚磷菌的细胞内贮存物、硝化菌；ρ1至ρ19表示ASM2D模型中的过程反应速率；公式2-40中/>SF、SA、/>XI、XS、XH、XPAO、XPP、XPHA的下标逗号后的0表示生物池，下标逗号的1、2、3、4分别表示厌氧池、缺氧池、好氧池和二沉池；ρ1至ρ19过程速率采用IWA颁布的系数表。
优选地，在使用A2O生物池工艺模型时，还包括模型限制条件，对ASM2D较主要的限制是：该模型只对城市污水有效；它不能模拟有SA溢流至曝气池的过程；pH值应接近于中性(6.8-7.5)；温度应在10-25℃之间；另外，不推荐模型在上述范围之外的应用。
优选地，二沉池内主要发生内源呼吸反应，而ASM3数学模型是基于更为先进的內源呼吸理论，因此二沉池的生化反应模型采用了ASM3数学模型。根据权利要求1所述的A2O生物池工艺智能控制方法，2)所述的二沉池ASM3的数学模型包含以下微分方程：
上述公式41-53中，q3为好氧池出水量，q4为二沉池出水流量，V4表示二沉池体积，t为反应时间，/>SI、SS、/>SALK均为溶解性组分，它们分别表示溶解氧、惰性溶解性有机物、易生物降解有机底物、铵态氮和氨氮、氮气、硝酸盐氮加亚硝酸盐氮、污水碱度；XI、XS、XH、XSTO、XA、XSS、XAUT均为颗粒性组分，它们分别表示惰性颗粒性有机物质、慢速可生物降解底物、异养菌、异养菌的胞内贮存产物、硝化菌、悬浮固体；下标逗号的1、2、3、4分别表示厌氧池、缺氧池、好氧池和二沉池。ρ1至ρ12过程速率采用IWA颁布的系数表。
优选地，据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，3)所述的沉淀模型的建模过程如下：
二沉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JS＝vS·XSC·XSC其中vS为沉降速度，XSC为污泥密度，沉降速度公式为：
其中Xmin＝fnsXf，Xf为生化池的总固体浓度。
向上流vup和向下流vdn可以由下式表示：
污泥质量守恒：
进水层(m＝3)：
底层与进水层之间(m＝2)：
底层(m＝1)：
进水层和顶层之间的中间层(m＝4到m＝10):
顶层(m＝10)：
优选地，步骤3中采用Matlab软件对该工艺建模，将编写的数学模型采用C语言编写，转化为Matlab软件可以调用的S函数。
优选地，步骤4所述中模型整体运行时间为16秒，每秒对应的实际天数为1天。
优选地，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。
相比现有的技术，本发明的有益效果为：本发明在提供一种A2O生物池工艺建模方法的基础上，进一步建立了A2O工艺智能控制系统，通过深度学习自适应优化曝气量、混合液内回流比、污泥回流比等运行参数及控制信号。在满足出水指标的前提之下，选取能耗最低的最优参数值，从而降低污水处理系统的工艺运行成本。
附图说明
为了更清楚地说明本发明在实例中的技术方案，下面对描述实例所需要的附图作简单介绍。
图1为本发明实例中A2O生物池工艺智能控制方法流程示意图；
图2为溶解氧自适应逻辑控制图；
图3为在线自适应自校正逻辑图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解的是，此处的所描述的具体实施例仅仅用于解释说明本发明，并不用于限定本发明。
图1展示出了本发明一实施例提供的A2O生物池工艺智能控制方法的流程图(如图1所示)，该方法所包含步骤如下：
步骤1，设定输入参数；
具体地，所述的输入参数包括生物池进水流量q0、污泥回流量混合液内回流量排泥量qw、构筑物体积和生物池进水组分浓度；其中生物池进水组分浓度包括化学需氧量CODCr、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3-N等。
步骤2，建立数学模型；
具体地，该实施例采用IWA颁布的ASM2D模型，该模型由19个组分的微分方程组成，由于19个组分的微分方程在A2O生物池工艺建模并非都是必须的，因此根据实际情况进行合理的假设，优化该ASM2D模型。该模型假设条件包括：假设pH值恒定且接近中性；假设速率表达式中的系数为恒定值；假设模型中不考虑除N、P之外其它无机营养物对有机物去除和细胞生长的限制；假设模型中的异养菌在好氧、缺氧、厌氧发酵的条件下生长；假设发酵产物是能被聚磷菌吸收的唯一有机基质；假设聚磷菌只能靠贮存的PHA，而不是直接以SA为基质，并在好氧条件下生长；假设聚磷菌不具备反硝化的能力；假设聚羟基烷酸代表模型中聚磷菌细胞中所有的碳贮存物质。
具体地，步骤2所述的物料平衡方程的原则为：
进入量-排出量+反应量＝积累量
所述物质数量模型的建模原则为：
式中：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个反应中浓度的变化速率。
1)根据ASM2D数学模型、物料平衡方程原则和物质数量模型的建模原则建立A2O生物池工艺模型；
具体地，A2O生物池工艺模型包含厌氧池工艺模型、缺氧池工艺模型和好氧池工艺模型；所述的厌氧池工艺模型包含以下微分方程：
具体地，所述的缺氧池工艺模型包含以下微分方程：
具体地，所述的好氧池工艺模型包含以下微分方程：
上述公式2-40中，q0为生物池进水流量，为污泥回流量，/>为混合液回流量，qw为二沉池排泥量，q1为厌氧池出水量，q2为缺氧池出水量，q3为好氧池出水量；其中V1表示厌氧池体积，V2表示缺氧池体积，V3表示好氧池体积；t为反应时间，KLa为溶解氧传质系数；/>SF、SA、/>均为溶解性组分，它们分别表示溶解氧、可发酵的易生物降解有机物、发酵产物、铵态氮和氨氮、硝酸盐氮与亚硝酸盐氮、溶解性无机磷；XI、Xs、XH、XPAO、XPP、XPHA、XAUT均为颗粒性组分，它们分别表示惰性颗粒性有机物质、慢速可降解基质、异养菌、聚磷菌PAO、聚磷酸盐、聚磷菌的细胞内贮存物、硝化菌；ρ1至ρ19表示ASM2D模型中的过程反应速率；公式2-40中/>SF、SA、/>XI、XS、XH、XPAO、XPP、XPHA的下标逗号后的0表示生物池，下标逗号的1、2、3、4分别表示厌氧池、缺氧池、好氧池和二沉池；ρ1至ρ19过程速率采用IWA颁布的系数表。
另外，对ASM2D数学模型较为主要限制条件是：该模型只对城市污水有效；不能模拟有SA溢流至曝气池的过程；pH值应接近于中性(6.8-7.5)；温度应在10-25℃之间；另外，不推荐模型在上述范围之外的应用。
2)根据ASM3数学模型和物质数量模型的建模原则建立二沉池的ASM3数学模型；
具体地，二沉池内主要发生内源呼吸反应，而ASM3数学模型是基于更为先进的內源呼吸理论，因此二沉池的生化反应模型采用了ASM3数学模型。根据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，2)所述的二沉池ASM3的数学模型包含以下微分方程：
/>
上述公式41-53中，q3为好氧池出水量，q4为二沉池出水流量，V4表示二沉池体积，t为反应时间，/>SI、SS、/>SALK均为溶解性组分，它们分别表示溶解氧、惰性溶解性有机物、易生物降解有机底物、铵态氮和氨氮、氮气、硝酸盐氮加亚硝酸盐氮、污水碱度；XI、XS、XH、XSTO、XA、XSS、XAUT均为颗粒性组分，它们分别表示惰性颗粒性有机物质、慢速可生物降解底物、异养菌、异养菌的胞内贮存产物、硝化菌、悬浮固体；下标逗号的1、2、3、4分别表示厌氧池、缺氧池、好氧池和二沉池。ρ1至ρ12过程速率采用IWA颁布的系数表。
3)根据分布参数建模方法和子空间物质能量传递守恒原则建立二沉池的沉淀过程数学模型；
具体地，据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，3)所述的沉淀模型的建模过程如下：
二沉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JS＝vS·XSC·XSC其中vS为沉降速度，XSC为污泥密度，沉降速度公式为：
/>
其中Xmin＝fnsXf，Xf为生化池的总固体浓度。
向上流vup和向下流vdn可以由下式表示：
污泥质量守恒：
进水层(m＝3)：
底层与进水层之间(m＝2)：
底层(m＝1)：
进水层和顶层之间的中间层(m＝4到m＝10):
顶层(m＝10)：
步骤3，采用Matlab软件对该工艺建模，将编写的数学模型采用C语言编写，转化为Matlab软件可以调用的S函数。
步骤4，对模型进行稳态模拟，调整污泥回流比、混合液内回流比以及DO浓度三个工艺运行参数的出水水质，并进行深度学习自适应控制和自适应校正，筛选目标控制参数；
具体地，参见图2以溶解氧为例的自适应控制逻辑图；图3在线自适应自校正逻辑；
溶解氧的控制方法是通过溶解氧的控制程序实现的。该程序主要通过进水参数和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，计算出好氧池各单元的溶解氧浓度，并与参考值比较、计算出达到出水水质要求的最佳需氧量，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。
步骤5，输出模型模拟之后最佳控制参数；
步骤6，最佳控制参数输出到PLC控制平台，对工艺进行控制。
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q0为20万·m3/d，生物池进水的常规水质参数有：化学需氧量CODCr平均值为310mg/L、五日生化需氧量BOD5平均值为143mg/L、悬浮物SS平均值为140mg/L、总氮TN平均值为35mg/L、总磷TP平均值为4.8mg/L、氨氮NH3-N平均值为28mg/L；生化池厌氧池总有效容积16732m3、缺氧池总有效容积40494.4m3、好氧池总有效容积62425.6m3；污泥回流比80-130％、混合液内回流比180-270％。
该A2O工艺生物池运行周期为14小时(各阶段厌氧池HRT为2小时、缺氧池HRT为4.8小时、好氧池HRT为7.2小时)。ASM2D号数学模型的过程速率方程参照IWA颁布的具体内容。将该A2O生物池工艺的ASM2D号模型首先采用C语言编写，再转化为软件可调用的用于模拟厌氧池、缺氧池、好氧池的函数。模型整体运行时间为16秒，每秒对应的实际天数为1天。然后对整体的A2O生物池工艺的数学模型进行稳态模拟，同时对该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。然后再经过深度学习自适应控制和自适应校正，筛选好氧池的最佳溶解氧DO值、降低回流混合液DO值及生化池所需最佳回流比，最后得到仿真结果。通过优化运行，对比改造前后日处理水量可知，污水厂的吨水电耗将会在目前的基础上降低5-10％，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，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种A2O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，设定输入参数；
步骤2，建立模型：
1)根据ASM2D数学模型、物料平衡方程原则和物质数量模型的建模原则建立A2O生物池工艺模型；A2O生物池工艺模型包含厌氧池工艺模型、缺氧池工艺模型和好氧池工艺模型；
2)根据ASM3数学模型和物质数量模型的建模原则建立二沉池ASM3数学模型；
3)根据分布参数建模方法和子空间物质能量传递守恒原则建立二沉池的沉淀过程数学模型；
步骤3，以上模型采用C语言编写，并转化为软件可调用的用于模拟A2O生物池工艺的S函数；
步骤4，对模型进行稳态模拟，校正模型参数，调整污泥回流比、混合液内回流比以及DO浓度三个工艺运行参数的出水水质，并进行深度学习自适应控制和自适应校正，筛选目标控制参数；
步骤5，输出模型模拟之后最佳控制参数；
步骤6，最佳控制参数输出到PLC控制平台，对工艺进行控制；
步骤2所述的二沉池ASM3数学模型包含以下微分方程：
式中：q3为好氧池出水量，q4为二沉池出水流量，V4表示二沉池体积，t为反应时间，/>SI、SS、/>SALK均为溶解性组分，它们分别表示溶解氧、惰性溶解性有机物、易生物降解有机底物、铵态氮和氨氮、氮气、硝酸盐氮加亚硝酸盐氮、污水碱度；XI、XS、XH、XSTO、XA、XSS、XAUT均为颗粒性组分，它们分别表示惰性颗粒性有机物质、慢速可生物降解底物、异养菌、异养菌的胞内贮存产物、硝化菌、悬浮固体；下标逗号的1、2、3、4分别表示厌氧池、缺氧池、好氧池和二沉池；ρ1至ρ12过程速率采用IWA颁布的系数表。
2.根据权利要求1所述的A2O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生物池进水流量q0、污泥回流量混合液内回流量/>排泥量qw、构筑物体积和生物池进水组分浓度；其中生物池进水组分浓度包括化学需氧量CODCr、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3-N。
3.根据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，步骤2所述的物料平衡方程原则为：
进入量-排出量+反应量＝积累量
物质数量模型的建模原则为：
式中：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个反应中浓度的变化速率。
4.根据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，所述的厌氧池工艺模型包含以下微分方程：
所述的缺氧池工艺模型包含以下微分方程：
所述的好氧池工艺模型包含以下微分方程：
式中：q0为生物池进水流量，为污泥回流量，/>为混合液回流量，qw为二沉池排泥量，q1为厌氧池出水量，q2为缺氧池出水量，q3为好氧池出水量；其中V1表示厌氧池体积，V2表示缺氧池体积，V3表示好氧池体积；t为反应时间，KLa为溶解氧传质系数；/>均为溶解性组分，它们分别表示溶解氧、可发酵的易生物降解有机物、发酵产物、铵态氮和氨氮、硝酸盐氮与亚硝酸盐氮、溶解性无机磷；XI、XS、XH、XPAO、XPP、XPHA、XAUT均为颗粒性组分，它们分别表示惰性颗粒性有机物质、慢速可降解基质、异养菌、聚磷菌PAO、聚磷酸盐、聚磷菌的细胞内贮存物、硝化菌；ρ1至ρ19表示ASM2D模型中的过程反应速率；公式2-40中/>SF、SA、/>XI、XS、XH、XPAO、XPP、XPHA的下标逗号后的0表示生物池，下标逗号的1、2、3、4分别表示厌氧池、缺氧池、好氧池和二沉池；ρ1至ρ19过程速率采用IWA颁布的系数表。
5.根据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，在使用步骤2所述A2O生物池工艺模型时，还包括模型限制条件，对ASM2D的限制是：该模型只对城市污水有效；它不能模拟有SA溢流至曝气池的过程；pH值6.8-7.5；温度在10-25℃之间。
6.根据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，步骤2所述的沉淀过程数学模型的建模过程如下：
二沉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JS＝vS·XSC·XSC其中vS为沉降速度，XSC为污泥密度，沉降速度公式为：
其中Xmin＝fnsXf，Xf为生化池的总固体浓度；
向上流vup和向下流vdn由下式表示：
污泥质量守恒：
进水层(m＝3)：
底层与进水层之间
底层
进水层和顶层之间的中间层(m＝4到m＝10)：
顶层
。
7.根据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，步骤3中采用Matlab软件对该工艺建模，将编写的数学模型采用C语言编写，转化为Matlab软件可以调用的S函数。
8.根据权利要求1所述的A2O生物池工艺智能控制方法，其特征在于，步骤4中该模型稳态模拟的整体运行时间为16秒，每秒对应的实际天数为1天。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111424546.6A CN113979541B (zh) | 2021-11-26 | 2021-11-26 | 一种a2o生物池工艺智能控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111424546.6A CN113979541B (zh) | 2021-11-26 | 2021-11-26 | 一种a2o生物池工艺智能控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113979541A CN113979541A (zh) | 2022-01-28 |
| CN113979541B true CN113979541B (zh) | 2023-11-03 |
Family
ID=79732221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111424546.6A Active CN113979541B (zh) | 2021-11-26 | 2021-11-26 | 一种a2o生物池工艺智能控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113979541B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000167585A (ja) * | 1998-12-08 | 2000-06-20 | Yaskawa Electric Corp | 下水処理プロセスシミュレータ |
| CN1746117A (zh) * | 2004-09-10 | 2006-03-15 | 株式会社安川电机 | 污水处理系统 |
| 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 |
| CN101777084A (zh) * | 2009-11-27 | 2010-07-14 | 同济大学 | 一种污水处理厂a2/o工艺的优化设计方法 |
| 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 |
| CN106568913A (zh) * | 2016-11-04 | 2017-04-19 | 济南大学 | 一种基于不变观测器的活性污泥法污水处理进度估计方法 |
| KR20180104413A (ko) * | 2017-03-13 | 2018-09-21 | 주식회사 유앤유 | 하모니서치 알고리즘을 이용한 활성슬러지 공정의 산소공급량 제어 시스템 |
| CN112661259A (zh) * | 2020-12-15 | 2021-04-16 | 海天水务集团股份公司 | 一种曝气过程自适应控制方法及系统 |
| 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 CN202111424546.6A patent/CN113979541B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000167585A (ja) * | 1998-12-08 | 2000-06-20 | Yaskawa Electric Corp | 下水処理プロセスシミュレータ |
| CN1746117A (zh) * | 2004-09-10 | 2006-03-15 | 株式会社安川电机 | 污水处理系统 |
| 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 |
| CN101777084A (zh) * | 2009-11-27 | 2010-07-14 | 同济大学 | 一种污水处理厂a2/o工艺的优化设计方法 |
| 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 |
| CN106568913A (zh) * | 2016-11-04 | 2017-04-19 | 济南大学 | 一种基于不变观测器的活性污泥法污水处理进度估计方法 |
| KR20180104413A (ko) * | 2017-03-13 | 2018-09-21 | 주식회사 유앤유 | 하모니서치 알고리즘을 이용한 활성슬러지 공정의 산소공급량 제어 시스템 |
| CN112661259A (zh) * | 2020-12-15 | 2021-04-16 | 海天水务集团股份公司 | 一种曝气过程自适应控制方法及系统 |
| 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 (6)
| Title |
|---|
| A consistent modelling methodology for secondary settling tanks in wastewater treatment;Raimund Bűrger et al.;《Water Research》;第45卷(第6期);全文 * |
| 全耦合活性污泥模型(FCASM3)在A+A~2/O工艺污水处理厂中的数值模拟应用;孙培德;杨朋飞;楼菊青;王如意;马王钢;胡哲太;焦亮;林逸文;;环境科学学报(09);全文 * |
| 基于ASM2D模型对A~2/O污水处理工艺的模拟与优化;杜强;《中国优秀硕士学位论文全文数据库（电子期刊） 工程科技I辑》;全文 * |
| 李松良 ; 王鹏 ; 马希博 ; .ASM3应用于污水处理厂的模拟研究.扬州职业大学学报.2011,(02),全文. * |
| 赵玲 ; 彭党聪 ; 朱南文 ; .活性污泥3号模型对实际工艺的模拟与分析.环境科学与管理.2007,(11),全文. * |
| 鞠兴华 ; 李燕敏 ; .二沉池反硝化模拟分析.能源与环境.2017,(06),前言、第2节、第4节. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113979541A (zh) | 2022-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10399876B2 (en) | Ammonia-based aeration control with SRT Control | |
| Huang et al. | Impacts of dissolved oxygen control on different greenhouse gas emission sources in wastewater treatment process | |
| Salem et al. | Model-based evaluation of a new upgrading concept for N-removal | |
| CN107337272B (zh) | 一种投加碳源的污水处理优化控制方法 | |
| Seco et al. | Biological nutrient removal model No. 1 (BNRM1) | |
| CN108445757B (zh) | 一种基于动态多目标粒子群算法的污水处理过程优化控制方法 | |
| van Loosdrecht et al. | Modification of activated sludge model no. 3 considering direct growth on primary substrate | |
| CN113428976A (zh) | 一种biocos生物池工艺智能控制方法 | |
| Man et al. | Dissolved oxygen control strategies for the industrial sequencing batch reactor of the wastewater treatment process in the papermaking industry | |
| CN113044973B (zh) | 一种污水处理控制系统及出水tn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 | |
| CN102690015B (zh) | 动态多级缺氧/好氧污水处理方法 | |
| Lu et al. | Automatic control and optimal operation for greenhouse gas mitigation in sustainable wastewater treatment plants: A review | |
| Do et al. | A design of higher-level control based genetic algorithms for wastewater treatment plants | |
| Simon-Várhelyi et al. | Dairy wastewater processing and automatic control for waste recovery at the municipal wastewater treatment plant based on modelling investigations | |
| CN113955854A (zh) | 一种氧化沟污水处理工艺建模及智能控制方法 | |
| CN113979541B (zh) | 一种a2o生物池工艺智能控制方法 | |
| CN110655176B (zh) | 一种基于聚类的污水处理曝气量前馈控制方法 | |
| Ostace et al. | Operational costs reduction for the WWTP by means of substrate to dissolved oxygen correlation, a simulation study | |
| Kapumbe et al. | Modeling and simulation of membrane bioreactor model based on ASM3 for domestic wastewater treatment. | |
| CN107720975B (zh) | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 | |
| Henderson | Energy reduction methods in the aeration process at Perth wastewater treatment plant | |
| CN105138716B (zh) | 硝化及亚硝化过程的运行优化方法 | |
| Ayed et al. | Centralized model predictive control of the wastewater treatment plant of seine-aval | |
| Fotso | Development of a Dynamic Simulation Model for Equalization Tanks |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |