CN114751591A - 一种城市污水短程反硝化厌氧氨氧化脱氮方法 - Google Patents
一种城市污水短程反硝化厌氧氨氧化脱氮方法 Download PDFInfo
- Publication number
- CN114751591A CN114751591A CN202210414323.XA CN202210414323A CN114751591A CN 114751591 A CN114751591 A CN 114751591A CN 202210414323 A CN202210414323 A CN 202210414323A CN 114751591 A CN114751591 A CN 114751591A
- Authority
- CN
- China
- Prior art keywords
- short
- pipeline
- denitrification
- aerobic
- nitrogen
- 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.)
- Granted
Links
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 120
- 238000007254 oxidation reaction Methods 0.000 title claims abstract description 85
- 230000003647 oxidation Effects 0.000 title claims abstract description 84
- 239000010865 sewage Substances 0.000 title claims abstract description 74
- 229910021529 ammonia Inorganic materials 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 55
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 78
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 72
- 238000004062 sedimentation Methods 0.000 claims abstract description 58
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims abstract description 45
- 238000013528 artificial neural network Methods 0.000 claims abstract description 43
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 28
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 64
- 241000894006 Bacteria Species 0.000 claims description 13
- 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 8
- 238000007599 discharging Methods 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 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
- 239000000126 substance Substances 0.000 claims description 5
- 229910002651 NO3 Inorganic materials 0.000 claims description 4
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 241001453382 Nitrosomonadales Species 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 230000001546 nitrifying effect Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims 1
- 230000001590 oxidative effect Effects 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 description 9
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 7
- 229910052698 phosphorus Inorganic materials 0.000 description 7
- 239000011574 phosphorus Substances 0.000 description 7
- 230000007774 longterm Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 238000010992 reflux Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 241000108664 Nitrobacteria Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006396 nitration reaction Methods 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000010802 sludge Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011259 mixed solution Substances 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
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/30—Aerobic and anaerobic processes
- C02F3/302—Nitrification and denitrification treatment
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- 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
- C02F2209/40—Liquid flow rate
-
- 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)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明公开了一种城市污水短程反硝化厌氧氨氧化脱氮工艺智能控制方法。步骤如下：将对城市污水进行初沉，得到初沉出水，通过数据采集器以及流量检测设备获取初沉出水的检测值，作为神经网络的输入层，通过神经网络获得最终好氧进水中的氨氮和总氮预测值；预测值与检测值的比值为目标值，在控制面板上设定上下限值、阈值以及预测值的界限值，通过调节流量使得满足阈值同时保证预测值处于界限值中；本发明利用神经网络以解决城市污水本身所具有的复杂性、多变量、非线性等问题对短程反硝化厌氧氨氧化脱氮工艺的影响。
Description
技术领域
本发明涉及城市污水处理技术，特别是一种城市污水短程反硝化厌氧氨氧化脱氮方法。
背景技术
近年来随着人们的关注以及政策的要求，城市污水处理成为一个越来越重要的话题，若不对城市污水进行有效的处理，污水中的氮、磷等营养元素直接排入水中会造成水体富营养化，因此，需要对城市污水进行脱氮除磷后再排放。其中，短程反硝化-厌氧氨氧化技术由于具有低碳节能等优点，备受关注。
201710224882.3公开了短程反硝化-厌氧氨氧化脱氮耦合生物除磷的装置与方法属于污水处理领域。该装置由厌氧区、缺氧区Ⅰ、好氧区Ⅰ、缺氧区Ⅱ、缺氧区Ⅲ、好氧区Ⅱ、沉淀池组成。进水流量由PLC系统控制，60％的原水进入厌氧区完成厌氧释磷；随后混合液在缺氧区Ⅰ完成反硝化，在好氧区Ⅰ完成吸磷和硝化反应；混合液和40％原水同时进入缺氧区Ⅱ，完成短程反硝化反应；随后混合液进入IFAS方式运行的缺氧区Ⅲ，完成厌氧氨氧化反应，缺氧区Ⅲ的混合液在好氧区进一步完成吸磷、硝化反应。最后混合液进入沉淀池进行泥水分离，上清液直接排出系统外，浓缩污泥经回流泵回流至缺氧区Ⅰ，再经混合液回流泵从缺氧区Ⅰ回流至厌氧区。系统的剩余污泥定期排出系统外，实现同步脱氮除磷。
现有技术中由于城市污水本身所具有的复杂性、多变性以及非线性等特点，使得厌氧氨氧化工艺存在着不稳定的缺点，难以保证厌氧氨氧化工艺长期高效运行。
发明内容
针对现有技术中存在的问题，本发明提供了一种通过厌氧氨氧化工艺初沉出水的检测值与神经网络获取的好氧进水预测值比值的大小，及时调控厌氧氨氧化工艺中的流量输入，进而实现厌氧氨氧化工艺的长期高效稳定运行的城市污水短程反硝化厌氧氨氧化脱氮方法。
本发明的目的通过以下技术方案实现。
一种城市污水短程反硝化厌氧氨氧化脱氮方法，包括以下步骤：
1)将城市污水引入强化初沉池进行沉淀，得到初沉出水；
2)运用数据采集器测定当前初沉出水中的氨氮、COD、进水流量以及环境温度值，并将其作为神经网络的输入层，通过神经网络获得初沉出水在经过短程反硝化厌氧氨氧化脱氮工艺后好氧进水中的氨氮和总氮预测值；
3)将初沉出水通过第一管线、第二管线分别运输送至短程反硝化处理单元、短程反硝化-厌氧氨氧化处理单元中；
4)所述短程反硝化处理单元的出水进入所述短程反硝化-厌氧氨氧化处理单元中，与第二管线输入的初沉出水混合进行短程反硝化-厌氧氨氧化处理，得到氮气和短程反硝化-厌氧氨氧化出水；所述短程反硝化-厌氧氨氧化出水引入好氧处理单元进行好氧处理得到含硝酸盐好氧出水，将一部分好氧出水通过第三管线返回至短程反硝化处理单元进行短程反硝化处理，将剩余部分的好氧出水排放；通过好氧进水预测值与初沉出水检测值之间的比值大小，应用智能控制系统调节相应的第一管线、第二管线、第三管线的流量调节器，使得好氧出水中各参数达到城市污水处理标准，完成对所述城市污水的处理。
进一步的，当通过神经网络获得好氧进水的氨氮预测值大于5mg N/L时，则调节第一管线和第二管线上的流量调节器，使得第一管线上的流量减小，第二管线上的流量增大；当通过神经落网获得好氧进水的氨氮预测值小于2mg N/L时，则调节第一管线和第二管线上的流量调节器，使得第一管线上的流量增大，第二管线上的流量减小；当初沉出水的氨氮检测值处在2～5mg N/L之间，同时通过神经网络获得的此时好氧进水中的氨氮预测值也处在2～5mg N/L之间，则不调节第一管线和第二管线上的流量调节器。
进一步的，当通过神经网络获得好氧进水的总氮预测值与此时初沉出水的总氮检测值的比值大于1.1，则调节第三管线上的流量调节器，使得第三管线上的流量增大；当通过神经网络获得好氧进水的总氮预测值与此时初沉出水的总氮检测值的比值小于0.9，则不调节第三管线上的流量调节器。
进一步的，当通过神经网络获得好氧进水的总氮预测值大于10mg N/L，则调节第三管线上的流量调节器，使得第三管线上的流量增大；当通过神经网络获得好氧进水的总氮预测值小于8mg N/L，则调节第三管线上的流量调节器，使得第三管线上的流量减小。
进一步的，所述城市污水中的氨氮的浓度为30-80mg N/L，有机物的浓度为150-400mg/L。
进一步的，所述初沉出水中氨氮的浓度为30-80mg N/L，有机物浓度为75-200mg/L。
进一步的，应用于一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮控制系统，所述一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮控制系统包括城市污水短程反硝化厌氧氨氧化脱氮工艺装置、流量检测设备、流量自动调节阀、带有控制面板的数据采集器，所述装置包括初沉池、短程反硝化处理单元、短程反硝化-厌氧氨氧化处理单元、好氧处理单元，其中：
所述初沉池包括城市污水入口、第一出口、第二出口，所述城市污水入口用于输入城市污水，所述第一出口通过第一管线与所述短程反硝化处理单元连通，所述第二出口通过第二管线与所述短程反硝化-厌氧氨氧化处理单元连通；
所述短程反硝化处理单元的出口与所述短程反硝化-厌氧氨氧化处理单元的入口连通，所述短程反硝化-厌氧氨氧化处理单元的出口与所述好氧处理单元的入口连通，所述好氧处理单元的第一出口通过第三管线与所述短程反硝化处理单元的入口连通，所述好氧处理单元的第二出口用于排出处理后的城市污水。
进一步的，所述短程反硝化处理单元内设置有短程反硝化菌，所述短程反硝化菌能够利用初沉出水中的有机物将硝态氮还原为亚硝态氮。
进一步的，所述短程反硝化-厌氧氨氧化处理单元内设置有短程反硝化菌和厌氧氨氧化菌，所述厌氧氨氧化菌能够利用亚硝态氮和氨氮进行厌氧氨氧化，生成氮气。
进一步的，所述好氧处理单元内设置有硝化菌，所述硝化菌能够将氨氮氧化为硝态氮。
相比于现有技术，本发明的优点在于：本发明提供一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮工艺智能控制系统和方法，通过对城市污水进行初沉，得到初沉出水，然后对初沉出水进行检测和分流，通过处理工艺和处理工艺流程的合理安排以及运用神经网络对最终处理结果进行预测的新方法，不仅为厌氧氨氧化工艺提供了稳定的亚硝态氮来源，同时也降低了城市污水本身所具有的复杂性、多变性和非线性等特点对厌氧氨氧化工艺的影响，使得厌氧氨氧化工艺能保持长期高效稳定特点，有效提高了城市污水处理效率。本方法中采用了厌氧氨氧化工艺(ANAMMOX)，厌氧氨氧化工艺作为一种的新兴脱氮工艺，与传统的硝化反硝化过程存在有许多不同，该工艺所使用的厌氧氨氧化菌能够在厌氧的条件下利用氨氮和亚硝态氮生成氮气和少量的硝酸盐，无需加入额外的碳源。
附图说明
图1为本发明系统结构示意图。
具体实施方式
下面结合说明书附图和具体的实施例，对本发明作详细描述。
一种城市污水短程反硝化厌氧氨氧化脱氮方法，包括以下步骤：
1)将城市污水引入强化初沉池进行沉淀，得到初沉出水；
2)运用数据采集器测定当前初沉出水中的氨氮、COD、进水流量以及环境温度值，并将其作为神经网络的输入层，通过神经网络获得初沉出水在经过短程反硝化厌氧氨氧化脱氮工艺后好氧进水中的氨氮和总氮预测值；
3)将初沉出水通过第一管线、第二管线分别运输送至短程反硝化处理单元、短程反硝化-厌氧氨氧化处理单元中；
4)所述短程反硝化处理单元的出水进入所述短程反硝化-厌氧氨氧化处理单元中，与第二管线输入的初沉出水混合进行短程反硝化-厌氧氨氧化处理，得到氮气和短程反硝化-厌氧氨氧化出水；所述短程反硝化-厌氧氨氧化出水引入好氧处理单元进行好氧处理得到含硝酸盐好氧出水，将一部分好氧出水通过第三管线返回至短程反硝化处理单元进行短程反硝化处理，将剩余部分的好氧出水排放；通过好氧进水预测值与初沉出水检测值之间的比值大小，应用智能控制系统调节相应的第一管线、第二管线、第三管线的流量调节器，使得好氧出水中各参数达到城市污水处理标准，完成对所述城市污水的处理。
若通过神经网络获得好氧进水的氨氮预测值大于5mg N/L时，则调节第一管线和第二管线上的流量调节器，使得第一管线上的流量减小，第二管线上的流量增大；若通过神经落网获得好氧进水的氨氮预测值小于2mg N/L时，则调节第一管线和第二管线上的流量调节器，使得第一管线上的流量增大，第二管线上的流量减小；若初沉出水的氨氮检测值处在2～5mg N/L之间，同时通过神经网络获得的此时好氧进水中的氨氮预测值也处在2～5mgN/L之间，则不调节第一管线和第二管线上的流量调节器。
若通过神经网络获得好氧进水的总氮预测值与此时初沉出水的总氮检测值的比值大于1.1，则调节第三管线上的流量调节器，使得第三管线上的流量增大；若通过神经网络获得好氧进水的总氮预测值与此时初沉出水的总氮检测值的比值小于0.9，则不调节第三管线上的流量调节器。若出现其他情况，也不调节第三管线上的流量调节器
若通过神经网络获得好氧进水的总氮预测值大于10mg N/L，则调节第三管线上的流量调节器，使得第三管线上的流量增大；若通过神经网络获得好氧进水的总氮预测值小于8mg N/L，则调节第三管线上的流量调节器，使得第三管线上的流量减小；若出现其他情况，则不调节第三管线上的流量调节器。所述城市污水中的氨氮的浓度为30-80mg N/L，有机物的浓度为150-400mg/L。
所述初沉出水中氨氮的浓度为30-80mg N/L，有机物浓度为75-200mg/L。
应用于一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮控制系统，如图1所示，所述一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮控制系统包括城市污水短程反硝化厌氧氨氧化脱氮工艺装置、流量检测设备、流量自动调节阀、带有控制面板的数据采集器，所述装置包括初沉池、短程反硝化处理单元、短程反硝化-厌氧氨氧化处理单元、好氧处理单元，其中：
所述初沉池包括城市污水入口、第一出口、第二出口，所述城市污水入口用于输入城市污水，所述第一出口通过第一管线与所述短程反硝化处理单元连通，所述第二出口通过第二管线与所述短程反硝化-厌氧氨氧化处理单元连通；
所述短程反硝化处理单元的出口与所述短程反硝化-厌氧氨氧化处理单元的入口连通，所述短程反硝化-厌氧氨氧化处理单元的出口与所述好氧处理单元的入口连通，所述好氧处理单元的第一出口通过第三管线与所述短程反硝化处理单元的入口连通，所述好氧处理单元的第二出口用于排出处理后的城市污水。
所述短程反硝化处理单元内设置有短程反硝化菌，所述短程反硝化菌能够利用初沉出水中的有机物将硝态氮还原为亚硝态氮。
所述短程反硝化-厌氧氨氧化处理单元内设置有短程反硝化菌和厌氧氨氧化菌，所述厌氧氨氧化菌能够利用亚硝态氮和氨氮进行厌氧氨氧化，生成氮气。
所述好氧处理单元内设置有硝化菌，所述硝化菌能够将氨氮氧化为硝态氮。
本发明通过神经网络获得最终好氧进水中的氨氮和总氮预测值；预测值与检测值的比值Δf为目标值，在控制面板上设定Δf上下限值、阈值Δm以及预测值的界限值，通过调节流量使得Δf满足阈值Δm同时保证预测值处于界限值中；本发明利用神经网络以解决城市污水本身所具有的复杂性、多变量、非线性等问题对短程反硝化厌氧氨氧化脱氮工艺的影响，在保证城市污水处理效果的基础上，不仅保证了厌氧氨氧化脱氮工艺长期高效稳定运行，同时具有构建简单，操作简单等优点，降低了城市污水的处理成本。
实施例1
本实施例提供一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮工艺智能控制系统及方法，所述的智能控制系统包括城市污水短程反硝化厌氧氨氧化脱氮工艺装置、流量检测设备、流量自动调节阀、带有控制面板的数据采集器。所述装置如图1所示，装置包括初沉池、短程反硝化处理单元、短程反硝化-厌氧氨氧化处理单元、好氧处理单元，其中：
初沉池包括城市污水入口，第一出口、第二出口，城市污水入口用于输入城市污水，第一出口通过第一管线于短程反硝化处理单元连通，其流量大小为Q1，第二出口通过第二管线于短程反硝化-厌氧氨氧化处理单元连通，其流量大小为Q2；
短程反硝化处理单元的出口与短程反硝化-厌氧氨氧化处理单元的入口连通，短程反硝化-厌氧氨氧化处理单元的出口与好氧处理单元的入口连通，好氧处理单元的第一出口通过第三管线与短程反硝化处理单元的入口连通，其流量大小为Q3，好氧处理单元的第二出口用于排出处理后的城市污水。
进一步地，第一管线、第二管线和第三管线上分别设置有流量调节器，用于调节处理污水的流量。
此外，数据采集器与初沉出水相连，用于测定初沉出水中的氨氮、COD、出水流量和环境温度值，通过将这些设定值输入至已训练好的神经网络中，获取好氧进水的预测值。通过检测值与预测值比值的大小，利用智能控制单元来调节相应管线上的流量调节阀，以此来改变Q1、Q2、Q3的大小。
具体地：经测定，该初沉出水中氨氮浓度为50mg N/L，有机物(COD)浓度为90mg/L，进水流量的值为，回流比的值为，环境温度为25°；
通过数据采集器将测定数据传输至已训练好的神经网络输入层，得到好氧进水的氨氮预测值为3.8mg N/L，总氮预测值为11mg N/L；此时氨氮预测值处在正常范围之内，而总氮预测值大于10mg N/L，从而通过智能控制系统自动调节第三管线上的流量调节阀使得Q3变为原来的1.1倍，通过调节后得到此时好氧进水的氨氮预测值为2.9mg N/L，总氮预测值为9.7mg N/L，均处在正常范围之内，调节成功。
实施例2
本实施例提供一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮工艺智能控制系统及方法，所述的智能控制系统包括城市污水短程反硝化厌氧氨氧化脱氮工艺装置、流量检测设备、流量自动调节阀、带有控制面板的数据采集器。所述装置如图1所示，装置包括初沉池、短程反硝化处理单元、短程反硝化-厌氧氨氧化处理单元、好氧处理单元，其中：
初沉池包括城市污水入口，第一出口、第二出口，城市污水入口用于输入城市污水，第一出口通过第一管线于短程反硝化处理单元连通，其流量大小为Q1，第二出口通过第二管线于短程反硝化-厌氧氨氧化处理单元连通，其流量大小为Q2；
短程反硝化处理单元的出口与短程反硝化-厌氧氨氧化处理单元的入口连通，短程反硝化-厌氧氨氧化处理单元的出口与好氧处理单元的入口连通，好氧处理单元的第一出口通过第三管线与短程反硝化处理单元的入口连通，其流量大小为Q3，好氧处理单元的第二出口用于排出处理后的城市污水。
进一步地，第一管线、第二管线和第三管线上分别设置有流量调节器，用于调节处理污水的流量。
此外，数据采集器与初沉出水相连，检测初沉出水中的氨氮、COD、出水流量和温度值，通过将这些设定值输入至已训练好的神经网络中，以此来获取好氧进水的预测值。通过检测值与预测值的比值大小，利用智能控制单元来调节相应管线上的流量调节阀，以此来改变Q1、Q2、Q3的大小。
具体地：经测定，该初沉出水中氨氮浓度为40mg N/L，有机物(COD)浓度为120mg/L，进水流量的值为，回流比的值为，环境温度为15°；
通过数据采集器将测定数据传输至已训练好的神经网络输入层，得到好氧进水的氨氮预测值为1.6mg N/L，总氮预测值为8.7mg N/L；此时总氮预测值处在正常范围之内，而氨氮预测值小于2mg N/L，从而通过智能控制系统调节第一管线和第二管线上的流量调节阀使得的值增大变为原来的1.1倍，通过调节后得到此时好氧进水的氨氮预测值为2.3mgN/L，总氮预测值为8.9mg N/L，均处在正常范围之内，调节成功。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，包括以下步骤：
1)将城市污水引入强化初沉池进行沉淀，得到初沉出水；
2)运用数据采集器测定当前初沉出水中的氨氮、COD、进水流量以及环境温度值，并将其作为神经网络的输入层，通过神经网络获得初沉出水在经过短程反硝化厌氧氨氧化脱氮工艺后好氧进水中的氨氮和总氮预测值；
3)将初沉出水通过第一管线、第二管线分别运输送至短程反硝化处理单元、短程反硝化-厌氧氨氧化处理单元中；
4)所述短程反硝化处理单元的出水进入所述短程反硝化-厌氧氨氧化处理单元中，与第二管线输入的初沉出水混合进行短程反硝化-厌氧氨氧化处理，得到氮气和短程反硝化-厌氧氨氧化出水；所述短程反硝化-厌氧氨氧化出水引入好氧处理单元进行好氧处理得到含硝酸盐好氧出水，将一部分好氧出水通过第三管线返回至短程反硝化处理单元进行短程反硝化处理，将剩余部分的好氧出水排放；通过好氧进水预测值与初沉出水检测值之间的比值大小，应用智能控制系统调节相应的第一管线、第二管线、第三管线的流量调节器，使得好氧出水中各参数达到城市污水处理标准，完成对所述城市污水的处理。
2.根据权利要求1所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，当通过神经网络获得好氧进水的氨氮预测值大于5mg N/L时，则调节第一管线和第二管线上的流量调节器，使得第一管线上的流量减小，第二管线上的流量增大；当通过神经落网获得好氧进水的氨氮预测值小于2mg N/L时，则调节第一管线和第二管线上的流量调节器，使得第一管线上的流量增大，第二管线上的流量减小；当初沉出水的氨氮检测值处在2～5mgN/L之间，同时通过神经网络获得的此时好氧进水中的氨氮预测值也处在2～5mg N/L之间，则不调节第一管线和第二管线上的流量调节器。
3.根据权利要求1所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，当通过神经网络获得好氧进水的总氮预测值与此时初沉出水的总氮检测值的比值大于1.1，则调节第三管线上的流量调节器，使得第三管线上的流量增大；当通过神经网络获得好氧进水的总氮预测值与此时初沉出水的总氮检测值的比值小于0.9，则不调节第三管线上的流量调节器。
4.根据权利要求1所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，当通过神经网络获得好氧进水的总氮预测值大于10mg N/L，则调节第三管线上的流量调节器，使得第三管线上的流量增大；当通过神经网络获得好氧进水的总氮预测值小于8mg N/L，则调节第三管线上的流量调节器，使得第三管线上的流量减小。
5.根据权利要求1所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，所述城市污水中的氨氮的浓度为30-80mg N/L，有机物的浓度为150-400mg/L。
6.根据权利要求1所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，所述初沉出水中氨氮的浓度为30-80mg N/L，有机物浓度为75-200mg/L。
7.根据权利要求1-6任意一项所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，应用于一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮控制系统，所述一种基于神经网络的城市污水短程反硝化厌氧氨氧化脱氮控制系统包括城市污水短程反硝化厌氧氨氧化脱氮工艺装置、流量检测设备、流量自动调节阀、带有控制面板的数据采集器，所述装置包括初沉池、短程反硝化处理单元、短程反硝化-厌氧氨氧化处理单元、好氧处理单元，其中：
所述初沉池包括城市污水入口、第一出口、第二出口，所述城市污水入口用于输入城市污水，所述第一出口通过第一管线与所述短程反硝化处理单元连通，所述第二出口通过第二管线与所述短程反硝化-厌氧氨氧化处理单元连通；
所述短程反硝化处理单元的出口与所述短程反硝化-厌氧氨氧化处理单元的入口连通，所述短程反硝化-厌氧氨氧化处理单元的出口与所述好氧处理单元的入口连通，所述好氧处理单元的第一出口通过第三管线与所述短程反硝化处理单元的入口连通，所述好氧处理单元的第二出口用于排出处理后的城市污水。
8.根据权利要求7所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，所述短程反硝化处理单元内设置有短程反硝化菌，所述短程反硝化菌能够利用初沉出水中的有机物将硝态氮还原为亚硝态氮。
9.根据权利要求7所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，所述短程反硝化-厌氧氨氧化处理单元内设置有短程反硝化菌和厌氧氨氧化菌，所述厌氧氨氧化菌能够利用亚硝态氮和氨氮进行厌氧氨氧化，生成氮气。
10.根据权利要求7所述的一种城市污水短程反硝化厌氧氨氧化脱氮方法，其特征在于，所述好氧处理单元内设置有硝化菌，所述硝化菌能够将氨氮氧化为硝态氮。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210414323.XA CN114751591B (zh) | 2022-04-20 | 2022-04-20 | 一种城市污水短程反硝化厌氧氨氧化脱氮方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210414323.XA CN114751591B (zh) | 2022-04-20 | 2022-04-20 | 一种城市污水短程反硝化厌氧氨氧化脱氮方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114751591A true CN114751591A (zh) | 2022-07-15 |
| CN114751591B CN114751591B (zh) | 2023-11-03 |
Family
ID=82330634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210414323.XA Active CN114751591B (zh) | 2022-04-20 | 2022-04-20 | 一种城市污水短程反硝化厌氧氨氧化脱氮方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114751591B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105461178A (zh) * | 2016-01-09 | 2016-04-06 | 北京工业大学 | 短程硝化-厌氧氨氧化后接短程反硝化-厌氧氨氧化处理城市污水的系统和方法 |
| CN108975509A (zh) * | 2018-08-17 | 2018-12-11 | 北京城市排水集团有限责任公司 | 一种城市污水二级处理与深度脱氮耦合装置及其使用方法 |
| CN112250181A (zh) * | 2020-09-23 | 2021-01-22 | 北京工业大学 | 短程硝化厌氧氨氧化一体化-内源短程反硝化厌氧氨氧化一体化处理生活污水工艺 |
| WO2021051781A1 (zh) * | 2019-09-16 | 2021-03-25 | 北京工业大学 | 一种基于deamox污泥双回流aoao污水深度脱氮除磷的装置与方法 |
-
2022
- 2022-04-20 CN CN202210414323.XA patent/CN114751591B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105461178A (zh) * | 2016-01-09 | 2016-04-06 | 北京工业大学 | 短程硝化-厌氧氨氧化后接短程反硝化-厌氧氨氧化处理城市污水的系统和方法 |
| CN108975509A (zh) * | 2018-08-17 | 2018-12-11 | 北京城市排水集团有限责任公司 | 一种城市污水二级处理与深度脱氮耦合装置及其使用方法 |
| WO2021051781A1 (zh) * | 2019-09-16 | 2021-03-25 | 北京工业大学 | 一种基于deamox污泥双回流aoao污水深度脱氮除磷的装置与方法 |
| CN112250181A (zh) * | 2020-09-23 | 2021-01-22 | 北京工业大学 | 短程硝化厌氧氨氧化一体化-内源短程反硝化厌氧氨氧化一体化处理生活污水工艺 |
Non-Patent Citations (1)
| Title |
|---|
| 纪鸿飞等著: "《水源型水库富营养化自动监测与控制技术研究》", 中国海洋大学出版社, pages: 56 - 57 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114751591B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105461178B (zh) | 短程硝化‑厌氧氨氧化后接短程反硝化‑厌氧氨氧化处理城市污水的系统和方法 | |
| Pedrouso et al. | Pilot-scale ELAN® process applied to treat primary settled urban wastewater at low temperature via partial nitritation-anammox processes | |
| CN107381815B (zh) | 一种主流内源短程反硝化/厌氧氨氧化工艺实现生活污水深度脱氮的装置和方法 | |
| CN105283424A (zh) | 用于从废水中最大化脱氮的方法和装置 | |
| CN103482763A (zh) | 多形态微生物聚集体自养脱氮一体化装置及运行方法 | |
| CN103936151A (zh) | 一种低碳源城市污水高效脱氮除磷的装置及方法 | |
| CN103241904A (zh) | 多点进水曝气缺氧好氧高效脱氮除磷方法 | |
| CN110342638B (zh) | 基于双回流和梯度限氧的低碳氮比污水脱氮装置及其方法 | |
| US20230264994A1 (en) | A sewage treatment system and method of continuous flow step-feed short-cut denitrification-anaerobic ammonia oxidation coupled with denitrification | |
| CN112875859A (zh) | 基于aoa工艺的污水脱氮除磷控制系统 | |
| Solon et al. | Process schemes for future energy-positive water resource recovery facilities | |
| CN107162186A (zh) | 一种基于颗粒污泥的城市污水厌氧氨氧化自养脱氮的装置和方法 | |
| CN104891655A (zh) | 处理高氨氮废水的装置及方法 | |
| CN114212885B (zh) | 两级全程氨氧化-短程反硝化厌氧氨氧化处理主流低碳氮比生活污水的装置与方法 | |
| CN214829330U (zh) | 连续流分段进水短程反硝化-厌氧氨氧化耦合反硝化污水处理系统 | |
| CN115259375B (zh) | 通过分段进水强化aoa工艺厌氧氨氧化与反硝化除磷的装置与方法 | |
| CN114751591B (zh) | 一种城市污水短程反硝化厌氧氨氧化脱氮方法 | |
| CN114853172B (zh) | 一种低碳氮比生活污水的连续流低碳脱氮工艺 | |
| CN116177717A (zh) | 一种精细化脱氮控制系统与处理流程 | |
| CN113072184B (zh) | 基于厌氧氨氧化的独立反硝化“耦合”的系统和水处理方法 | |
| CN115321683A (zh) | 污泥双回流aoa工艺的可切换区与污泥回流控制系统与方法 | |
| McCullough et al. | Decarbonization potentials in nitrogen management | |
| CN210163206U (zh) | 一种短程生物脱氮除磷系统 | |
| CN115028265A (zh) | 连续流分段进水耦合预处理发酵污泥分段回流强化pd/a处理城市污水的装置与方法 | |
| Carrio et al. | Practical considerations for design of a step-feed biological nutrient removal system |
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 |