CN115536130B - 碳源投加方法、智能碳源投加系统及污水处理系统 - Google Patents

碳源投加方法、智能碳源投加系统及污水处理系统 Download PDF

Info

Publication number
CN115536130B
CN115536130B CN202211524801.9A CN202211524801A CN115536130B CN 115536130 B CN115536130 B CN 115536130B CN 202211524801 A CN202211524801 A CN 202211524801A CN 115536130 B CN115536130 B CN 115536130B
Authority
CN
China
Prior art keywords
load
cod
total
carbon source
concentration
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
Application number
CN202211524801.9A
Other languages
English (en)
Other versions
CN115536130A (zh
Inventor
杨健
杨凌柯
王海牛
黄一驰
鲜红清
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.)
Ji'an Yonglan Beijing Engineering Technology Development Co ltd
Original Assignee
Ji'an Yonglan Beijing Engineering Technology Development Co ltd
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 Ji'an Yonglan Beijing Engineering Technology Development Co ltd filed Critical Ji'an Yonglan Beijing Engineering Technology Development Co ltd
Priority to CN202211524801.9A priority Critical patent/CN115536130B/zh
Publication of CN115536130A publication Critical patent/CN115536130A/zh
Application granted granted Critical
Publication of CN115536130B publication Critical patent/CN115536130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • C02F3/006—Regulation methods for biological treatment
    • 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
    • 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
    • C02F2305/00—Use of specific compounds during water treatment
    • C02F2305/06—Nutrients for stimulating the growth of microorganisms
    • 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)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)

Abstract

本发明属于污水处理技术，具体涉及一种污水处理工艺中的碳源投加方法、智能碳源投加系统及污水处理系统；碳源投加量计算方法包括以下步骤：对待处理污水进行数据采集并计算各排放指标成分的负荷状态；对待处理污水进行负荷模式划分；基于COD对总磷、总氮、氨氮的生物反应方程式，分别计算消耗总磷、总氮、氨氮所需额外提升的COD经验浓度；获取对应负荷模式下总磷、总氮与氨氮的COD最佳参数，并计算所需外加COD总浓度，结合进水量，计算得到待处理污水所需外加COD总量,然后进行外部碳源投加。本发明通过对待测污水进行负荷模式识别结合通过机器学习方式获得的不同对应负荷模式下总磷、总氮与氨氮的COD最佳参数对不同模式下外部碳源的投加进行最优控制。

Description

碳源投加方法、智能碳源投加系统及污水处理系统
技术领域
本发明涉及污水处理技术，具体涉及一种污水处理工艺中的碳源投加方法、智能碳源投加系统及污水处理系统。
背景技术
为了缓解和控制水体的富营养化，国家污水排放氮磷的标准越来越严格。其中，生物脱氮除磷是目前性价比最高的脱氮除磷工艺，其包括生物脱氮步骤和生物除磷步骤，具体的，各步骤原理如下：
（1）生物脱氮原理
一般来说，生物脱氮过程可分为三步：第一步是氨化作用，即水中的有机氮在氨化细菌的作用下转化成氨氮。在普通活性污泥法中，氨化作用进行得很快，无需采取特殊的措施。第二步是硝化作用，即在供氧充足的条件下，水中的氨氮首先在亚硝酸菌的作用下被氧化成亚硝酸盐，然后再在硝酸菌的作用下进一步氧化成硝酸盐。为防止生长缓慢的亚硝酸细菌和硝酸细菌从活性污泥系统中流失，要求很长的污泥龄。第三步是反硝化作用，即硝化产生的亚硝酸盐和硝酸盐在反硝化细菌的作用下被还原成氮气。这一步速率也比较快，但由于反硝化细菌是兼性厌氧菌，只有在缺氧或厌氧条件下才能进行反硝化，因此需要为其创造一个缺氧或厌氧的环境（好氧池的混合液回流到缺氧池）。
具体的，脱氮反应方程式如下：
a）亚硝化反应：
Figure 890478DEST_PATH_IMAGE001
b）硝化反应：
Figure 663262DEST_PATH_IMAGE002
a）+ b）的总反应方程如下：
Figure 610490DEST_PATH_IMAGE003
c）反硝化反应：
Figure 785119DEST_PATH_IMAGE004
Figure 41657DEST_PATH_IMAGE005
Figure 36158DEST_PATH_IMAGE006
。
但是，目前的生物脱氮技术也存脱氮效果不稳定的缺陷，主要原因是由于目前大多数污水处理厂普遍具有低碳、氮磷相对较高的特点，从而使得污水中的有机物含量低，而有机物含量低会导致常规上述反硝化工艺无法满足缺氧反硝化阶段对碳源的需求，使得反硝化过程受阻，厌氧和好氧细菌的增殖受到抑制，从而降低了氨氮的同化作用，极大地影响了污水处理厂的反硝化效果。
另外需要说明的是，在硝化与反硝化过程中，因内回流携带溶解氧的影响，实际中投加的碳源量往往是按照经验公式来计算的，脱氮过程中的碳氮比（C/N）的经验值一般控制在4~6，通常会采用中间值5来计算。此外，碳氨氮比（C/NH3-N）通常为20:1。
（2）生物除磷原理
所谓生物除磷，是指利用聚磷菌一类的微生物，在厌氧条件下释放磷。而在好氧条件下，能够过量地从外部环境摄取磷，在数量上超过其生理需要，并将磷以聚合的形态储藏在菌体内，形成高磷污泥排出系统，达到从污水中除磷的效果。
生物除磷过程可分为细菌的压抑放磷、过渡积累和吸收。在厌氧阶段，聚磷菌把储存的聚磷酸盐进行分解，提供能量，并大量吸收污水中的BOD（生化需氧量）、释放磷（聚磷酸盐水解为正磷酸盐），使污水中BOD下降，磷含量升高。在好氧阶段，微生物利用被氧化分解所获得的能量，大量吸收在厌氧阶段释放的磷和原污水中的磷，完成磷的过渡积累和最后的吸收，在细胞体内合成聚磷酸盐而储存起来，从而达到去除BOD和磷的目的。
具体的，除磷反应方程式如下：
a）聚磷菌摄取磷：
Figure 52655DEST_PATH_IMAGE007
b）聚磷菌的放磷：
Figure 206425DEST_PATH_IMAGE008
。
其中，聚磷菌在厌氧阶段释磷所产生的能量，主要用于其吸收低分子有机基质以作为厌氧条件下生存的基础。因此，进水中是否含有足够的有机质，是关系到聚磷菌能否在厌氧条件下顺利生存的重要因素。一般认为，进水中COD/TP要高于15，才能保证聚磷菌有足够的基质，从而获得理想的除磷效果。
综上，对于生物脱氮除磷工艺而言，无论是其生物脱氮步骤还是生物除磷步骤，碳源是否充足决定了最终的处理效果，而我国相当一部分城镇污水存在碳源不足的问题，因此严重制约了脱氮除磷效率，出水COD、总磷、总氮、氨氮等往往不能达标，已成为污水处理厂迫切需要解决的问题。
当污水处理系统本身的内碳源不足时，虽然通过投加外部碳源是比较有效的手段，但事实上，污水处理的排放标准包括COD、总磷、总氮、氨氮等若干指标，在不同的情况下，如何有针对性地进行外部碳源投放是一个非常复杂的多目标最优控制问题，一旦外部碳源过度投放，一是影响出水COD指标，二是造成处理成本上升；而如果外部碳源不足，将造成总磷、总氮与氨氮出水超标。目前未见到综合考虑COD、总磷、总氮、氨氮多指标进行精准脱氮除磷的技术。
发明内容
为了解决现有技术中存在的至少一个技术问题，本发明提供了一种污水处理工艺中的碳源投加方法、智能碳源投加系统及污水处理系统。具体如下：
本发明的第一方面，提供一种污水处理工艺中的碳源投加方法，包括以下步骤：
S1.对预定时间段内的污水处理数据进行采集，并计算该时间段内各排放指标成分的负荷状态：负荷正常或负荷超常；
负荷正常是指无需外加碳源的情况下该排放指标成分能低于排放指标；
负荷超常是指不外加碳源的情况下该排放指标成分会超过排放指标；
S2.根据排放指标成分的负荷状态的组合方式对该时间段内的待处理污水进行负荷模式划分；
S3.基于COD对各排放指标成分的生物反应方程式，分别计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度；
S4.获取对应负荷模式下各排放指标成分的COD最佳参数，并计算消耗全部负荷超常的排放指标成分所需的外加COD总浓度；
所述外加COD总浓度其等于各负荷超常的排放指标成分的外加COD经验浓度各自乘以该模式下对应排放指标成分的COD最佳参数之后再相加之和；
S5.根据进水量，和S4中计算得到的所需外加COD总浓度计算得到该时间段内处理的污水所需外加COD总量，然后进行外部碳源投加。
本发明中，对每个待处理时段的污水进行负荷模式划分，以所述排放指标成分包括总磷、总氮、氨氮为例，基于S1步骤中的计算结果，步骤S2中所述待处理污水的负荷模式被划分为以下负荷模式其中的一种：
负荷模式1：总磷负荷超常、总氮负荷正常、氨氮负荷正常；
负荷模式2：总磷负荷正常、总氮负荷超常、氨氮负荷正常；
负荷模式3：总磷负荷正常、总氮负荷正常、氨氮负荷超常；
负荷模式4：总磷负荷超常、总氮负荷超常、氨氮负荷正常；
负荷模式5：总磷负荷超常、总氮负荷正常、氨氮负荷超常；
负荷模式6：总磷负荷正常、总氮负荷超常、氨氮负荷超常；
负荷模式7：总磷负荷超常、总氮负荷超常、氨氮负荷超常；
负荷模式8：总磷负荷正常、总氮负荷正常、氨氮负荷正常。对应地，步骤S4获取对应负荷模式下各排放指标成分的COD最佳参数，并计算消耗负荷超常的所有排放指标成分所需的外加COD总浓度，具体如下：
采用以下模型计算对应负荷模式下所需的外加COD总浓度：
Figure 509230DEST_PATH_IMAGE009
其中n表示负荷模式的编号；
其中
Figure 131973DEST_PATH_IMAGE010
为第n种负荷模式下t时刻所需外加COD总浓度；
Figure 545637DEST_PATH_IMAGE011
分别表示第n种负荷模式下针对总磷、总氮与氨氮的COD最佳参数；
Figure 288334DEST_PATH_IMAGE012
为t时刻为处理总磷负荷超常所需提升的外加COD经验浓度，总磷负荷正常时其值取0；
Figure 762040DEST_PATH_IMAGE013
为t时刻为处理总氮负荷超常所需提升的外加COD经验浓度，总氮负荷正常时其值取0；
Figure 340920DEST_PATH_IMAGE014
为t时刻为处理氨氮负荷超常所需提升的外加COD经验浓度，总氨氮负荷正常时其值取0。
在本发明的实施方案中，最重要的，是步骤S4获取对应负荷模式下各排放指标成分的COD最佳参数，是以下方式获得并且是动态实时优化的：
针对模式 n=1，2，3，4，5，6，7，每种负荷模式下
Figure 823854DEST_PATH_IMAGE015
的初始值取1，采用以下参数优化模型，基于历史大数据 (包括其它污水处理点或同一污水处理点采集的多期实际运行或试运行数据），依据人工智能算法进行训练优化，获得在最小碳源投加量的前提下使得出水水质达标的实时最优
Figure 686637DEST_PATH_IMAGE016
；
具体COD最佳参数优化模型如下：
Figure 331245DEST_PATH_IMAGE017
s.t.
Figure 663000DEST_PATH_IMAGE018
其中k是用于训练上述模型的若干历史时刻中的任一时刻，k+1是指k时刻的下一时刻；
通过步长加速法（step length acceleration method）求解上述模型，获得动态 最佳参数向量
Figure 418467DEST_PATH_IMAGE019
，带入步骤S4中作为t时刻的
Figure 401335DEST_PATH_IMAGE020
。
本发明的第二方面，基于与上述碳源投加方法相同的构思，提供了一种智能碳源投加系统，包括：数据处理服务器和碳源投加装置，
其中，所述数据处理服务器，包括数据处理模块，用于调取和运行本地存储或远程存储的计算模型和参数，进行以下部分或全部处理过程：
基于预定时间段的待处理污水所采集的数据，根据指标成分负荷状态计算模型计算该时间段内各排放指标成分的负荷状态；
根据各排放指标成分的负荷状态的组合方式与存储的负荷模式集进行对比从而划分该时间段内的待处理污水的负荷模式；
基于COD对各排放指标成分的生物反应方程式，分别计算消耗各负荷超常的排放指标成
分所需的外加COD经验浓度；
获取对应负荷模式下各排放指标成分的COD最佳参数及外加COD总浓度的计算模型，计算消耗全部负荷超常的所述排放指标成分所需的外加COD总浓度；
根据进水量和所需外加COD总浓度计算得到该时间段内处理的污水所需外加COD总量，并生成与所述外加COD总量相对应的碳源投加控制指令，同时对外传输指令；
基于已经获得的若干历史时刻的污水采集数据和碳源投加数据，调取COD最佳参数优化模型对各负荷模式下各排放指标成分的COD最佳参数进行优化；
所述碳源投加装置，用于接收所述碳源投加控制指令，并根据所述碳源投加控制指令进行外部碳源投加；
其中，各排放指标成分的负荷状态：负荷正常或负荷超常；
负荷正常是指无需外加碳源的情况下该排放指标成分能达到排放指标；
负荷超常是指不外加碳源的情况下该排放指标成分会超过排放指标；
所述外加COD总浓度其等于各负荷超常的排放指标成分的外加COD经验浓度各自乘以该模式下对应排放指标成分的COD最佳参数之后相加之和。
在优选方案中，该系统还包括数据采集装置，用于对预定时间段内的待测污水进行数据采集，并将采集数据传输给所述数据处理服务器；
其中所述数据采集装置包括用于设置在厌氧池入水口处以及二沉池出水口处的自动传感测量装置，用于采集预定时段内厌氧池入水口处污水中各排放指标成分的浓度、COD的浓度，以及厌氧池入水口处污水的流量，以及二沉池出水口处污水中的各排放指标成分和COD的浓度，其中，所述排放指标成分包括总磷、总氮、氨氮。
在优选方案中，所述数据处理服务器包括数据存储模块，其存储有所述计算模型和参数，包括：
（1）指标成分负荷状态计算模型；
（2）负荷模式集；
（3）COD对各排放指标成分的生物反应方程式及经验参数；
（4）用于计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度的计算模型及参数；
（5）外加COD总浓度的计算模型：
（6）与每种负荷模式对应的COD最佳参数优化模型。
本发明的再一方面，提供一种污水处理系统，包括污水处理基础设施和任一所述的智能碳源投加系统；
所述污水处理基础设施包含依污水流动方向连通的厌氧池、缺氧池、好氧池、二沉池；
所述智能碳源投加系统中的所述数据采集装置设置在厌氧池入水口处以及二沉池出水口处，所述智能碳源投加系统中的所述智能碳源投加装置被配置为对所述厌氧池入水口到所述二沉池出水口之间的工艺段进行碳源投加。
本发明的主要技术优势：
本发明针对污水处理的排放标准包括COD、总磷、总氮、氨氮等若干指标，在不同的情况下，如何有针对性地进行外部碳源投放这个多目标最优控制问题提供了有效的解决方案：本发明的碳源投加方法和智能碳源投加系统，单独测算了污水中各排放指标成分（总磷、总氮以及氨氮）出现负荷超常时所需要提升的COD浓度，为精准的外源碳源投加提供了数据基础；同时引入了对污水进行负荷模式划分的创新思路，基于排放指标成分的负荷状态组合，对每个时段的待处理污水进行模式划分，进而针对不同负荷模式采用不同的外加COD总浓度模型得到针对该时段的实时的有针对性的碳源投放量。
在进一步的优化方案中，本发明为不同负荷模式的外加COD总浓度模型提供了每种排放指标成分的COD最佳参数及其优化模型，基于历史数据通过机器学习方法和实时运行数据对每种模式下每种排放指标成分的COD最佳参数进行不断优化，实现对外加碳源的动态优化控制，使整个系统对碳源的添加控制越来越精确、高效和经济。应用案例显示，本发明的方法和系统通过动态控制碳源投放进行削峰填谷，与固定碳源投放方法相比，碳源投加量可以节省30%左右。
附图说明
图1是本发明污水处理工艺中的碳源投加量方法流程图。
图2是本发明污水处理系统的结构拓扑图，
其中1-数据处理服务器，11-数据存储模块；2-碳源投加装置，21-数据采集装置，211-自动传感测量装置，22-碳源存储设备，23-智能投加泵；3-中控室，31-中控设备；4-远程数据中心；5-移动终端。
图3是应用例的193个测量点，按照本发明的碳源投加量计算方法得到的外部碳源投加量进行智能碳源投加控制后的各成分的浓度变化曲线图。
图4是应用例中的193个测量点，按照现有固定碳源投加方法进行碳源投加控制后的各成分的浓度变化曲线图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
第一组实施例示例了本发明的第一方面：污水处理工艺中的碳源投加方法。
实施例1. 一种污水处理工艺中的碳源投加方法，包括以下步骤：
S1.对预定时间段内的污水处理数据进行采集，并计算该时间段内各排放指标成分的负荷状态：负荷正常或负荷超常；
负荷正常是指无需外加碳源的情况下该排放指标成分能低于排放指标；
负荷超常是指不外加碳源的情况下该排放指标成分会超过排放指标；
S2.根据各排放指标成分的负荷状态的组合方式对该时间段内处理的污水进行负荷模式划分；
S3.基于COD对各排放指标成分的生物反应方程式，分别计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度；
S4.获取对应负荷模式下各排放指标成分的COD最佳参数，并计算消耗全部负荷超常的排放指标成分所需的外加COD总浓度；
外加COD总浓度其等于各负荷超常的排放指标成分的外加COD经验浓度各自乘以该模式下对应排放指标成分的COD最佳参数之后相加之和；
S5.根据进水量，和S4中计算得到的所需外加COD总浓度计算得到该时间段内处理的污水所需外加COD总量，然后进行外部碳源投加。
实施例2. 结合实施例1的碳源投加方法，在步骤S1中，是对污水处理工艺中的从厌氧池入水口到二沉池出水口的这一工艺段的污水处理数据进行采集，其中，排放指标成分包括总磷、总氮、氨氮。
实施例3. 结合实施例2的碳源投加方法，以排放指标成分包括总磷、总氮、氨氮为例，步骤S2中t时刻待测污水的负荷模式可以划分为以下负荷模式其中的一种：
负荷模式1：总磷负荷超常、总氮负荷正常、氨氮负荷正常；
负荷模式2：总磷负荷正常、总氮负荷超常、氨氮负荷正常；
负荷模式3：总磷负荷正常、总氮负荷正常、氨氮负荷超常；
负荷模式4：总磷负荷超常、总氮负荷超常、氨氮负荷正常；
负荷模式5：总磷负荷超常、总氮负荷正常、氨氮负荷超常；
负荷模式6：总磷负荷正常、总氮负荷超常、氨氮负荷超常；
负荷模式7：总磷负荷超常、总氮负荷超常、氨氮负荷超常；
负荷模式8：总磷负荷正常、总氮负荷正常、氨氮负荷正常。
依据本发明的构思，如果排放指标成分更多，依据对排放指标负荷模式进行排列组合，得出所有负荷模式。
实施例4. 结合实施例2的碳源投加方法，步骤S4获取对应负荷模式下各排放指标成分的COD最佳参数，并计算消耗负荷超常的所有排放指标成分所需的外加COD总浓度；以排放指标成分包括总磷、总氮、氨氮为例，具体如下：
采用以下模型计算对应负荷模式下所需的外加COD总浓度：
Figure 216844DEST_PATH_IMAGE021
；
其中n代表负荷模式的编号；
其中
Figure 35896DEST_PATH_IMAGE022
为第n种负荷模式下t时刻所需外加COD总浓度；
Figure 329474DEST_PATH_IMAGE011
分别表示第n种负荷模式下针对总磷、总氮与氨氮的COD最佳参数；
所以针对不同的负荷模式，会有不同的针对总磷、总氮与氨氮的COD最佳参数：
负荷模式1
Figure 432428DEST_PATH_IMAGE023
；
负荷模式2
Figure 294205DEST_PATH_IMAGE024
；
负荷模式3
Figure 725186DEST_PATH_IMAGE025
；
...
负荷模式7
Figure 218527DEST_PATH_IMAGE026
；
Figure 520196DEST_PATH_IMAGE012
为t时刻为处理总磷负荷超常所需提升的外加COD经验浓度，总磷负荷正常时其值取0；
Figure 552874DEST_PATH_IMAGE027
t为t时刻为处理总氮负荷超常所需提升的外加COD经验浓度，总氮负荷正常时其值取0；
Figure 205572DEST_PATH_IMAGE014
为t时刻为处理氨氮负荷超常所需提升的外加COD经验浓度，总氨氮负荷正常时其值取0；
所以，在负荷模式1下，外加COD总浓度的计算式是：
Figure 231166DEST_PATH_IMAGE028
；
在负荷模式2下，外加COD总浓度的计算式是：
Figure 918499DEST_PATH_IMAGE029
；
在负荷模式3下，外加COD总浓度的计算式是：
Figure 122078DEST_PATH_IMAGE030
；
在负荷模式4下，外加COD总浓度的计算式是：
Figure 262073DEST_PATH_IMAGE031
；
在负荷模式5下， 外加COD总浓度的计算式是：
Figure 825778DEST_PATH_IMAGE032
；
在负荷模式6下，外加COD总浓度的计算式是：
Figure 367618DEST_PATH_IMAGE033
；
在负荷模式7下，外加COD总浓度的计算式是：
Figure 742098DEST_PATH_IMAGE034
；
在负荷模式8下，无需计算。
实施例5. 结合实施例2的碳源投加方法，步骤S1. 对待处理污水进行数据采集并计算各排放指标成分的负荷状态，具体如下：
在污水处理工艺中的厌氧池入水口到二沉池出水口的这一工艺段上，检测t时刻厌氧池入水总磷、总氮、氨氮、COD的浓度以及二沉池出水总磷、总氮、氨氮的浓度，和t-1时刻厌氧池入水总磷、总氮、氨氮、COD的浓度；
结合二沉池出水总磷、总氮、氨氮、COD的排放标准，分别计算t-1至t时刻这一时段内流经的污水中总磷、总氮以及氨氮的负荷量是否超常。
实施例6. 结合实施例5的碳源投加方法，通过如下关系式（1）、（2）来判断进入污水中的总磷的负荷正常状态和负荷超常状态：
总磷的负荷正常：
Figure 634968DEST_PATH_IMAGE035
（1）；
总磷的负荷正常：
Figure 736785DEST_PATH_IMAGE036
（2）；
其中，
Figure 398711DEST_PATH_IMAGE037
为t时刻厌氧池入水总磷浓度，
Figure 944093DEST_PATH_IMAGE038
为t－1时刻厌氧池入水总磷浓度，
Figure 58679DEST_PATH_IMAGE039
为二沉池总磷排放指标，
Figure 229766DEST_PATH_IMAGE040
为t时刻二沉池总磷出水浓度；
通过如下关系式（3）、（4）来判断进入污水中的总氮的负荷正常状态和负荷超常状态：、
总氮的负荷正常：
Figure 480619DEST_PATH_IMAGE041
（3）；
总氮的负荷正常：
Figure 196902DEST_PATH_IMAGE042
（4）；
其中，
Figure 798785DEST_PATH_IMAGE043
为t时刻厌氧池入水总氮浓度mg/l，
Figure 507984DEST_PATH_IMAGE044
为t－1时刻厌氧池入水总氮浓度mg/l，
Figure 878922DEST_PATH_IMAGE045
为二沉池总氮排放指标l，
Figure 766107DEST_PATH_IMAGE046
为t时刻二沉池总氮出水浓度；
通过如下关系式（5）、（6）来判断进入污水中的氨氮的负荷正常状态和负荷超常状态：
氨氮的负荷正常：
Figure 855286DEST_PATH_IMAGE047
（5）；
氨氮的负荷正常：
Figure 102596DEST_PATH_IMAGE048
（6）；
其中，
Figure 593620DEST_PATH_IMAGE049
为t时刻厌氧池入水氨氮浓度，
Figure 917286DEST_PATH_IMAGE050
为t－1时刻厌氧池入水氨氮浓度，
Figure 352815DEST_PATH_IMAGE051
为二沉池氨氮排放指标，
Figure 279183DEST_PATH_IMAGE052
为t时刻二沉池氨氮出水浓度。
实施例7. 结合实施例2的碳源投加方法，步骤S3中，生物反应方程式包括：
计算去除总磷所需的外加COD经验浓度的方程式（7）：
Figure 500080DEST_PATH_IMAGE053
（7）；
其中，
Figure 853701DEST_PATH_IMAGE054
为t时刻处理总磷负荷超常所需提升的外加COD经验浓度，
Figure 36246DEST_PATH_IMAGE055
，
Figure 766304DEST_PATH_IMAGE056
为t时刻厌氧池入水COD浓度，
Figure 841708DEST_PATH_IMAGE057
为经验系数，取值为15～18；
计算去除总氮所需的外加COD经验浓度的方程式（8）：
Figure 366230DEST_PATH_IMAGE058
（8）；
其中，
Figure 776352DEST_PATH_IMAGE059
为t时刻处理总氮负荷超常所需提升的外加COD经验浓度，
Figure 310101DEST_PATH_IMAGE060
，
Figure 240011DEST_PATH_IMAGE061
为经验系数，取值为4～6；
计算去除氨氮所需的外加COD经验浓度的方程式（9）：
Figure 935435DEST_PATH_IMAGE062
（9）；
其中，
Figure 832852DEST_PATH_IMAGE063
为t时刻处理氨氮负荷超常所需提升的外加COD经验浓度，
Figure 904714DEST_PATH_IMAGE064
，
Figure 689130DEST_PATH_IMAGE065
为除氨氮效率，取值为16～20。
实施例8. 结合实施例4的碳源投加方法，在步骤S5中，是通过如下公式（10）计算对应负荷模式下的外加COD总量
Figure 821034DEST_PATH_IMAGE066
：
Figure 940169DEST_PATH_IMAGE067
（10）；
其中，
Figure 815721DEST_PATH_IMAGE068
对应第n种负荷模式下的t时刻所需外加COD总浓度（mg/L）；
Figure 454644DEST_PATH_IMAGE069
为t时刻厌氧池入水处的流量（L/h）。
实施例9.结合实施例8的碳源投加方法，还包括根据公式（11）计算外部碳源的投加量（L/h）：
Figure 757449DEST_PATH_IMAGE070
（11）；
其中，
Figure 629459DEST_PATH_IMAGE071
为对应外部碳源的COD当量（mg/L）。
实施例10. COD最佳参数的获得方法如下：
本发明上述实施例中S4步骤中获取的COD最佳参数，是通过以下方式获得：每种负荷模式下
Figure 918489DEST_PATH_IMAGE072
的初始值取1，然后针对各负荷模式（n=1，2，3，4，5，6或7）基于大数据，包括其它污水处理点或同一污水处理点采集的多期历史时刻的数据经实际运行步骤1～5后得到的数据），依据人工智能算法进行训练优化，获得在最小碳源投加量的前提下使得出水水质达标的最优
Figure 802131DEST_PATH_IMAGE073
。
具体COD最佳参数优化模型如下：
Figure 400472DEST_PATH_IMAGE017
（12）
s.t.
Figure 369565DEST_PATH_IMAGE074
其中k是用于训练上述模型的若干历史时刻中的任一时刻，k+1是指k时刻的下一时刻；
通过步长加速法（step length acceleration method）求解上述模型，获得动态 最佳参数向量
Figure 462286DEST_PATH_IMAGE075
，带入步骤S4中作为t时刻的
Figure 466014DEST_PATH_IMAGE020
。
注：本实施例中把
Figure 235256DEST_PATH_IMAGE073
以及最佳参数优化模型中的脚标t换成了k，是为了区别于本发明方法中步骤S1～S5中定义的t时刻，因为，用于训练模型依据的是当前t时刻之前的若干时刻的历史数据（大数据），得到的COD最佳参数
Figure 691645DEST_PATH_IMAGE076
用于当前t时刻运行本发明方法，成为步骤S4中COD最佳参数
Figure 588057DEST_PATH_IMAGE073
；
本发明的实施例中为了方便描述，大多是以排放指标成分包括总磷、总氮、氨氮为例示例了本发明的方案，当实际处理中排放指标更多时，依据采用本发明的构思进行扩展得出的具体实施方案仍然在本发明保护的范围内。
第二组实施例示例了本发明第二方面，是与第一方面具有相同构思的智能碳源投加装置。
实施例11. 一种智能碳源投加系统，如图2所示：包括：数据处理服务器1和碳源投加装置2，其中，数据处理服务器1包括数据处理模块，用于调取和运行本地存储或远程存储的计算模型和参数，进行以下部分或全部处理过程：基于对预定时间段的待处理污水所采集的数据，根据指标成分负荷状态计算模型计算该时间段内各排放指标成分的负荷状态；根据各排放指标成分的负荷状态的组合方式与存储的负荷模式集进行对比从而划分该时间段内的待处理污水的负荷模式；基于COD对各排放指标成分的生物反应方程式，分别计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度；获取对应负荷模式下各排放指标成分的COD最佳参数及外加COD总浓度的计算模型，计算消耗全部负荷超常的所述排放指标成分所需的外加COD总浓度；根据进水量和所需外加COD总浓度计算得到该时间段内处理的污水所需外加COD总量，并生成与所述外加COD总量相对应的碳源投加控制指令，同时对外传输指令；
基于已经获得的若干历史时刻的污水采集数据和碳源投加数据，调取COD最佳参数优化模型对各负荷模式下各排放指标成分的COD最佳参数进行优化。
所述碳源投加装置2用于接收所述碳源投加控制指令，并根据所述碳源投加控制指令进行外部碳源投加；
其中，各排放指标成分的负荷状态：负荷正常或负荷超常；
负荷正常是指无需外加碳源的情况下该排放指标成分能低于排放指标；
负荷超常是指不外加碳源的情况下该排放指标成分会超过排放指标；
所述外加COD总浓度其等于各负荷超常的排放指标成分的外加COD经验浓度各自乘以该模式下对应排放指标成分的COD最佳参数之后相加之和。
实施例12. 结合实施例11的智能碳源投加系统，还包括数据采集装置21，用于对预定时间段内的待测污水进行数据采集，并将采集数据传输给数据处理服务器1。
具体的，数据采集装置21包括用于设置在厌氧池入水口处以及二沉池出水口处的自动传感测量装置211，用于采集预定时段内厌氧池入水口处污水中各排放指标成分的浓度、COD的浓度，以及厌氧池入水口处污水的流量，以及二沉池出水口处污水中的各排放指标成分和COD的浓度，其中，排放指标成分包括总磷、总氮、氨氮。
实施例13. 结合实施例11的智能碳源投加系统，所述数据处理服务器还包括数据存储模块11，其存储有计算模型和参数，包括：
（1）指标成分负荷状态计算模型；
（2）负荷模式集合；如实施例3中所示例的负荷模式1～8。
（3）COD对各排放指标成分的生物反应方程式及经验参数，如实施例6中的公式（1）～（6）；
（4）用于计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度的计算模型及参数，如实施例7中的计算模型（7）～（9）；
（5）外加COD总浓度的计算模型及COD最佳参数，如实施例4中的计算模型（11）；
（6）与每种负荷模式对应的COD最佳参数优化模型如实施例10中示例的模型（12）。
实施例14. 结合实施例13的智能碳源投加系统，碳源投加装置2包括：
碳源存储设备22，用于存储对应的外部碳源；和
智能投加泵23，用于根据接收的碳源投加控制指令，从碳源存储设备中将指定量的外部碳源投加到厌氧池与二沉池之间的待处理污水中。
实施例15. 结合实施例14的智能碳源投加系统，还包括：
与数据处理服务器1以通讯方式连接的中控室3，其内部设置有例如计算机、显示器、服务器等显示控制设备等中控设备31，用于对智能碳源投加装置2的所有数据进行实时监控，同时能够远程对其中的智能投加泵23进行手动控制；
与数据处理服务器1以通讯方式连接的远程数据中心4，用于存储智能碳源投加装置的所有数据以及其它污水处理点上传的数据形成大数据中心；
与远程数据中心4以通讯方式连接的若干移动终端5，用于远程访问远程数据中心4存储的数据从而对污水处理点的碳源投加进程进行远程监控。
在具体实施中，数据采集装置21可以是已知的例如浓度自动传感测量装置、流量自动测量装置等，主要设置在在污水处理工艺中的厌氧池入水口处和二沉池出水口处，用于在厌氧池入水口到二沉池出水口的这一工艺段，分别采集t时刻以及t－1时刻的厌氧池入水处总磷、总氮、氨氮浓度、COD浓度，以及t时刻厌氧池入水处的流量，以及t时刻二沉池出水处试验污水中的总磷、总氮、氨氮、COD浓度。
数据处理模块可以是基于PLC的数据处理设备，也可以基于计算机的处理软件。
碳源存储设备可以是例如存罐，用于存储对应的外部碳源。
智能投加泵用于接收数据处理模块发送的碳源投加控制指令，并根据碳源投加控制指令从碳源存储设备中将指定量的外部碳源投加到指定位置，该指定位置可根据具体运用情况而定，例如后续提及的缺氧池入水口处。
第三组实施例示例了本发明第三方面，是依赖第一方面的方法和第二方面的智能碳源投加系统的污水处理系统。
实施例16，如图2所示，其包括污水处理基础设施并采用了实施例11～15任一所述的智能碳源投加系统；其中，污水处理基础设施包含依污水流动方向连通的厌氧池、缺氧池、好氧池、二沉池；智能碳源投加系统中的数据采集装置设置在厌氧池入水口处以及二沉池出水口处，所述智能碳源投加系统中的智能碳源投加装置被配置为对厌氧池入水口到二沉池出水口之间的工艺段进行碳源投加。
实施例17. 结合实施例16的污水处理系统，还包括：依次设置在厌氧池入水口前的粗格栅、细格栅以及曝气沉砂池。
实施例18. 结合实施例17的污水处理系统，还包括：依次设置在二沉池出水口后的高效沉淀池、反硝化深床滤池、消毒池粗格栅、细格栅以及曝气沉砂池。
实际运用中，本发明提供的智能碳源投加系统对于污水处理基础设施具有灵活的兼容性。
具体应用例：
下面以具体应用例对本发明的污水处理工艺中的碳源投加方法和智能碳源投加系统进行进一步说明：
以某水厂污水处理为例：
设备安装：将智能碳源投加系统中的自动传感测量装置设置在厌氧池入水口处以及二沉池出水口处，在厌氧池入水口到二沉池出水口之间设置好碳源存储设备22和智能投加泵23，并根据实施例例11～15描述的智能碳源投加系统连接关系和工作原理连接各组件。
S1.在厌氧池入水口处以及二沉池出水口处的设置自动传感测量装置211，对在污水处理工艺中的厌氧池入水口到二沉池出水口的这一工艺段中，共设置193个连续测量点（指时间维度，本应用例中，每个测量点至下一测量点对应60分钟时长，193测量点时间总长度共193小时），任意相邻两个测量点相隔t-1时刻到t时刻的时间间隔中，各排放指标成分的浓度、COD的浓度，以及厌氧池入水口处污水的进水量，以及二沉池出水口处污水中的各排放指标成分和COD的浓度；并将采集数据传输给数据处理服务器1；
S2.
Figure 180712DEST_PATH_IMAGE077
以（请参见图3，大概在第23个测量点）时刻为例，数据处理服务器1根据各排放指标成分的负荷状态（可见其中总磷、总氮、氨氮的负荷状态为：总氮负荷超常，氨氮符合超常，总磷符合正常）将
Figure 855276DEST_PATH_IMAGE077
时刻污水的负荷状态划分负荷模式6；
S3. 数据处理服务器1调取COD对各排放指标成分的生物反应方程式，计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度；
Figure 798961DEST_PATH_IMAGE078
；
Figure 499064DEST_PATH_IMAGE079
；
S4. 数据处理服务器1调取负荷模式6下各排放指标成分的COD最佳参数，并计算消耗全部负荷超常的排放指标成分所需的外加COD总浓度；
外加COD总浓度是通过如下公式计算得到：
Figure 946226DEST_PATH_IMAGE080
；
其中，
Figure 328709DEST_PATH_IMAGE081
为负荷超常模式6下的
Figure 369477DEST_PATH_IMAGE077
时刻所需外加COD总浓度；
Figure 466746DEST_PATH_IMAGE082
为对基于多期采集数据运行，运行实施例10示范的COD最佳参数优化模型得到的负荷模式6中针对处理总氮与氨氮所需的COD最佳参数，分别为0.66和0.21；所以
Figure 424206DEST_PATH_IMAGE083
。
S5. 数据处理服务器1根据S1测得的进水量，和S4中计算得到的所需外加COD总浓度计算得到该时间段内处理污水所需外加COD总量：
Figure 581518DEST_PATH_IMAGE084
时刻进水流量
Figure 109583DEST_PATH_IMAGE085
为1828000 L/h，则
Figure 10543DEST_PATH_IMAGE077
时刻外加COD总量为：
Figure 822510DEST_PATH_IMAGE086
；
本应用例中选用乙酸钠为外加碳源物质，其COD当量
Figure 150723DEST_PATH_IMAGE071
为0.68kg/L，则
Figure 166083DEST_PATH_IMAGE077
时刻所需外加乙酸钠的投加量为：
Figure 605155DEST_PATH_IMAGE087
。
数据处理服务器1将计算得到的投加量生成碳源投加控制指令发送至智能投加泵23进行外部碳源的投加。
本应用例中，对193个连续测量点进行测试后（即判断出负荷超常模式后计算出最终外加碳源投加量，并通过智能投加泵进行投加的完整过程），仅有一个时刻（参见图3中大概191测量点位置）出现出水氨氮超标的情况，出水合格率192/193=99.48%，在总共193个测量点时间段内（即193小时内）碳源物质（乙酸钠）共计消耗52303791mg，相当于平均每小时的碳源物质（乙酸钠）添加量为271004mg/h。
对照研究：在同等环境与设备条件下，即同一水厂的同一污水处理点，进水量、进水污染程度基本相同的另一193小时时间段，以传统的固定碳源物质投加方法，即按该水厂过去采用常规方法能基本达到各指标排放标准的最低添加量经验值400000mg/h投加乙酸钠。进行碳源投加后，测量数据结果。如图4，可以看出，在193个连续测量点中，有3个时刻出现（参见图4中圈出来的位置）出水总氮或总磷超标的情况，出水合格率为190/193=98.45%，碳源物质（乙酸钠）共计消耗77200000mg。
通过应用案例数据可以看出，在同等环境与设备条件下，采用本发明的智能碳源投加方案，由于对每个测量点（预定时段）的污水进行数据采集计算、负荷模式划分、针对性地采用相应的计算模型及COD最佳参数，得出针对每个划分的时段内的污水的精确碳源需求量，因此在投加量（与传统方法相比碳源节约量达到（1-271004/400000）×100%=32%）与合格率两方面均优于固定碳源投加方案，在保证排放达标更优的情况下极显著地降低了成本。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种污水处理工艺中的碳源投加方法，其特征在于，包括以下步骤：
S1.对预定时间段内的污水处理数据进行采集，并计算该时间段内各排放指标成分的负荷状态：负荷正常或负荷超常；
负荷正常是指无需外加碳源的情况下该排放指标成分低于排放指标；
负荷超常是指不外加碳源的情况下该排放指标成分会超过排放指标；
S2.根据各排放指标成分的负荷状态的组合方式对该时间段内处理的污水进行负荷模式划分；
S3.基于COD对各排放指标成分的生物反应方程式，分别计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度；
S4.获取对应负荷模式下各排放指标成分的COD最佳参数，并计算消耗全部负荷超常的所述排放指标成分所需的外加COD总浓度，具体是采用以下模型计算对应负荷模式下所需的外加COD总浓度：
Figure QLYQS_1
其中n表示负荷模式的编号，
Figure QLYQS_2
为第n种负荷模式下t时刻所需外加COD总浓度；
Figure QLYQS_3
为t时刻为处理总磷负荷超常所需提升的外加COD经验浓度，总磷负荷正常时其值取0；
Figure QLYQS_4
为t时刻为处理总氮负荷超常所需提升的外加COD经验浓度，总氮负荷正常时其值取0；
Figure QLYQS_5
为t时刻为处理氨氮负荷超常所需提升的外加COD经验浓度，总氨氮负荷正常时其值取0；
所述外加COD总浓度其等于各负荷超常的排放指标成分的外加COD经验浓度各自乘以该模式下对应排放指标成分的COD最佳参数之后相加之和；
S5.根据进水量，和S4中计算得到的所需外加COD总浓度计算得到该时间段内处理的污水所需外加COD总量，然后进行外部碳源投加；
其中所述排放指标成分包括总磷、总氮、氨氮；
每种负荷模式下总磷、总氮、氨氮的COD最佳参数的初始值取1，然后采用以下参数最优化模型，基于历史大数据, 依据人工智能算法进行训练优化，获得最小碳源投加量的前提下使得出水水质达标的实时总磷、总氮、氨氮的COD最佳参数
Figure QLYQS_6
，具体COD最佳参数优化模型如下：
Figure QLYQS_7
s.t.
Figure QLYQS_8
其中k是用于训练上述模型的若干历史时刻中的任一时刻，k+1是指k时刻的下一时刻；
通过步长加速法求解上述模型，获得动态最佳参数向量
Figure QLYQS_9
，作为步骤S4中所需获取的各排放指标成分的COD最佳参数
Figure QLYQS_10
，即第n种负荷模式下针对总磷、总氮与氨氮的COD最佳参数。
2.根据权利要求1所述的碳源投加方法，其特征在于，在所述步骤S1中，是对污水处理工艺中的从厌氧池入水口到二沉池出水口的这一工艺段的污水处理数据进行采集。
3.根据权利要求1所述的碳源投加方法，其特征在于，
以所述排放指标成分包括总磷、总氮、氨氮为例，步骤S2中待测污水的负荷模式可以划分为以下负荷模式其中的一种：
负荷模式1：总磷负荷超常、总氮负荷正常、氨氮负荷正常；
负荷模式2：总磷负荷正常、总氮负荷超常、氨氮负荷正常；
负荷模式3：总磷负荷正常、总氮负荷正常、氨氮负荷超常；
负荷模式4：总磷负荷超常、总氮负荷超常、氨氮负荷正常；
负荷模式5：总磷负荷超常、总氮负荷正常、氨氮负荷超常；
负荷模式6：总磷负荷正常、总氮负荷超常、氨氮负荷超常；
负荷模式7：总磷负荷超常、总氮负荷超常、氨氮负荷超常；
负荷模式8：总磷负荷正常、总氮负荷正常、氨氮负荷正常。
4.根据权利要求1所述的碳源投加方法，其特征在于，步骤S1.对待处理污水进行数据采集并计算各排放指标成分的负荷状态，具体如下：
在污水处理工艺中的厌氧池入水口到二沉池出水口的这一工艺段上，检测t时刻厌氧池入水总磷、总氮、氨氮、COD的浓度以及二沉池出水总磷、总氮、氨氮的浓度，和t-1时刻厌氧池入水总磷、总氮、氨氮、COD的浓度；
结合二沉池出水总磷、总氮、氨氮、COD的排放标准，分别计算t-1至t时刻这一时段内流经的污水中总磷、总氮以及氨氮的负荷量是否超常。
5.根据权利要求4所述的碳源投加方法，其特征在于，通过如下关系式（1）、（2）来判断进入污水中的总磷的负荷正常状态和负荷超常状态：
总磷的负荷正常：
Figure QLYQS_11
（1）；
总磷的负荷正常：
Figure QLYQS_12
（2）；
其中，
Figure QLYQS_13
为t时刻厌氧池入水总磷浓度，
Figure QLYQS_14
为t-1时刻厌氧池入水总磷浓度，
Figure QLYQS_15
为二沉池总磷排放指标，
Figure QLYQS_16
为t时刻二沉池总磷出水浓度；
通过如下关系式（3）、（4）来判断进入污水中的总氮的负荷正常状态和负荷超常状态：
总氮的负荷正常：
Figure QLYQS_17
（3）；
总氮的负荷正常：
Figure QLYQS_18
（4）；
其中，
Figure QLYQS_19
为t时刻厌氧池入水总氮浓度，
Figure QLYQS_20
为t-1时刻厌氧池入水总氮浓度，
Figure QLYQS_21
为二沉池总氮排放指标，
Figure QLYQS_22
为t时刻二沉池总氮出水浓度；
通过如下关系式（5）、（6）来判断进入污水中的氨氮的负荷正常状态和负荷超常状态：
氨氮的负荷正常：
Figure QLYQS_23
（5）；
氨氮的负荷正常：
Figure QLYQS_24
（6）；
其中，
Figure QLYQS_25
为t时刻厌氧池入水氨氮浓度，
Figure QLYQS_26
为t-1时刻厌氧池入水氨氮浓度，
Figure QLYQS_27
为二沉池氨氮排放指标，
Figure QLYQS_28
为t时刻二沉池氨氮出水浓度。
6.根据权利要求1所述的碳源投加方法，其特征在于，步骤S3中，所述生物反应方程式包括：
计算去除总磷所需的外加COD经验浓度的方程式（7）：
Figure QLYQS_29
（7）；
其中，
Figure QLYQS_30
为t时刻处理总磷负荷超常所需提升的外加COD经验浓度，
Figure QLYQS_31
，
Figure QLYQS_32
为t时刻厌氧池入水COD浓度，
Figure QLYQS_33
为经验系数，取值为15～18；
计算去除总氮所需的外加COD经验浓度的方程式（8）：
Figure QLYQS_34
（8）；
其中，
Figure QLYQS_35
为t时刻处理总氮负荷超常所需提升的外加COD经验浓度，
Figure QLYQS_36
，
Figure QLYQS_37
为经验系数，取值为4～6；
计算去除氨氮所需的外加COD经验浓度的方程式（9）：
Figure QLYQS_38
（9）；
其中，
Figure QLYQS_39
为t时刻处理氨氮负荷超常所需提升的外加COD经验浓度，
Figure QLYQS_40
，
Figure QLYQS_41
为除氨氮效率，取值为20。
7.根据权利要求1所述的碳源投加方法，其特征在于，在所述步骤S5中，是通过如下公式（10）计算对应负荷模式下的外加COD总量
Figure QLYQS_42
：
Figure QLYQS_43
（10）；
其中，
Figure QLYQS_44
对应第n种负荷模式下的t时刻所需外加COD总浓度；
Figure QLYQS_45
为t时刻厌氧池入水处的流量。
8.根据权利要求7所述的碳源投加方法，其特征在于，还包括根据公式（11）计算外部碳源的投加量：
Figure QLYQS_46
（11）；
其中，
Figure QLYQS_47
为对应外部碳源的COD当量。
9.一种智能碳源投加系统，其特征在于，包括：数据处理服务器和碳源投加装置，其中，所述数据处理服务器，包括数据处理模块，用于调取和运行本地存储或远程存储的计算模型和参数，进行以下部分或全部处理过程：
基于预定时间段的待处理污水所采集的数据，根据指标成分负荷状态计算模型计算该时间段内各排放指标成分的负荷状态；
根据各排放指标成分的负荷状态的组合方式与存储的负荷模式集进行对比从而划分该时间段内的待处理污水的负荷模式；
基于COD对各排放指标成分的生物反应方程式，分别计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度；
获取对应负荷模式下各排放指标成分的COD最佳参数及外加COD总浓度的计算模型，计算消耗全部负荷超常的所述排放指标成分所需的外加COD总浓度；
根据进水量和所需外加COD总浓度计算得到该时间段内处理的污水所需外加COD总量，并生成与所述外加COD总量相对应的碳源投加控制指令，同时对外传输指令；
基于已经获得的若干历史时刻的污水采集数据和碳源投加数据，调取COD最佳参数优化模型对各负荷模式下各排放指标成分的COD最佳参数进行优化；
所述碳源投加装置，用于接收所述碳源投加控制指令，并根据所述碳源投加控制指令进行外部碳源投加；
其中，各排放指标成分的负荷状态：负荷正常或负荷超常；
负荷正常是指无需外加碳源的情况下该排放指标成分能达到排放指标；
负荷超常是指不外加碳源的情况下该排放指标成分会超过排放指标；
所述外加COD总浓度其等于各负荷超常的排放指标成分的外加COD经验浓度各自乘以该模式下对应排放指标成分的COD最佳参数之后相加之和；
其中，所述排放指标成分包括总磷、总氮、氨氮；
采用以下模型计算对应负荷模式下所需的外加COD总浓度：
Figure QLYQS_48
其中n表示负荷模式的编号，
Figure QLYQS_49
为第n种负荷模式下t时刻所需外加COD总浓度；
Figure QLYQS_50
为t时刻为处理总磷负荷超常所需提升的外加COD经验浓度，总磷负荷正常时其值取0；
Figure QLYQS_51
为t时刻为处理总氮负荷超常所需提升的外加COD经验浓度，总氮负荷正常时其值取0；
Figure QLYQS_52
为t时刻为处理氨氮负荷超常所需提升的外加COD经验浓度，总氨氮负荷正常时其值取0；
每种负荷模式下总磷、总氮、氨氮的COD最佳参数的初始值取1，然后采用以下参数最优化模型，基于历史大数据, 依据人工智能算法进行训练优化，获得最小碳源投加量的前提下使得出水水质达标的实时总磷、总氮、氨氮的COD最佳参数
Figure QLYQS_53
，具体COD最佳参数优化模型如下：
Figure QLYQS_54
s.t.
Figure QLYQS_55
其中k是用于训练上述模型的若干历史时刻中的任一时刻，k+1是指k时刻的下一时刻；
通过步长加速法求解上述模型，获得动态最佳参数向量
Figure QLYQS_56
，作为步骤S4中所需获取的各排放指标成分的COD最佳参数
Figure QLYQS_57
，即第n种负荷模式下针对总磷、总氮与氨氮的COD最佳参数。
10.用于权利要求9所述的智能碳源投加系统，其特征在于，还包括数据采集装置，用于对预定时间段内的待测污水进行数据采集，并将采集数据传输给所述数据处理服务器；
其中所述数据采集装置包括用于设置在厌氧池入水口处以及二沉池出水口处的自动传感测量装置，用于采集预定时段内厌氧池入水口处污水中各排放指标成分的浓度、COD的浓度，以及厌氧池入水口处污水的流量，以及二沉池出水口处污水中的各排放指标成分和COD的浓度，其中，所述排放指标成分包括总磷、总氮、氨氮。
11.根据权利要求10所述的智能碳源投加系统，其特征在于，所述数据处理服务器包括数据存储模块，其存储有所述计算模型和参数，包括
（1）指标成分负荷状态计算模型；
（2）负荷模式集；
（3）COD对各排放指标成分的生物反应方程式及经验参数；
（4）用于计算消耗各负荷超常的排放指标成分所需的外加COD经验浓度的计算模型及参数；
（5）外加COD总浓度的计算模型：
（6）与每种负荷模式对应的COD最佳参数优化模型。
12.根据权利要求11所述的智能碳源投加系统，其特征在于，所述碳源投加装置包括：
碳源存储设备，用于存储对应的外部碳源；
智能投加泵，用于根据接收的所述碳源投加控制指令，从所述碳源存储设备中将指定量的外部碳源投加到所述厌氧池与二沉池之间的待处理污水中。
13.根据权利要求12所述的智能碳源投加系统，其特征在于，还包括：
与数据处理服务器以通讯方式连接的中控室，用于对所述碳源投加装置的所有数据进行实时监控，同时能够远程对其中的所述智能投加泵进行手动控制；
与数据处理服务器以通讯方式连接的远程数据中心，用于存储所述碳源投加装置的所有数据以及其它污水处理点上传的数据形成大数据中心；
与远程数据中心以通讯方式连接的移动终端，用于远程访问所述远程数据中心存储的数据对污水处理点的碳源投加进程进行远程监控。
14.一种污水处理系统，其特征在于，包括污水处理基础设施和权利要求10～13任一所述的智能碳源投加系统；
所述污水处理基础设施包含依污水流动方向连通的厌氧池、缺氧池、好氧池、二沉池；
所述智能碳源投加系统中的所述数据采集装置设置在厌氧池入水口处以及二沉池出水口处，所述智能碳源投加系统中的所述碳源投加装置被配置为对所述厌氧池入水口到所述二沉池出水口之间的工艺段进行碳源投加。
CN202211524801.9A 2022-12-01 2022-12-01 碳源投加方法、智能碳源投加系统及污水处理系统 Active CN115536130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211524801.9A CN115536130B (zh) 2022-12-01 2022-12-01 碳源投加方法、智能碳源投加系统及污水处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211524801.9A CN115536130B (zh) 2022-12-01 2022-12-01 碳源投加方法、智能碳源投加系统及污水处理系统

Publications (2)

Publication Number Publication Date
CN115536130A CN115536130A (zh) 2022-12-30
CN115536130B true CN115536130B (zh) 2023-03-14

Family

ID=84722299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211524801.9A Active CN115536130B (zh) 2022-12-01 2022-12-01 碳源投加方法、智能碳源投加系统及污水处理系统

Country Status (1)

Country Link
CN (1) CN115536130B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116395849B (zh) * 2023-04-11 2024-01-12 深圳市水务(集团)有限公司 一种用于aoa工艺快速启动的碳源投加方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010029666A (ko) * 1999-07-03 2001-04-06 장기훈 외부 유기 탄소원을 이용한 하수의 질소, 인 제거방법
JP2002177985A (ja) * 2000-12-13 2002-06-25 Kubota Corp 脱窒用有機炭素源の効率的添加方法
CN107720975A (zh) * 2017-07-26 2018-02-23 安徽国祯环保节能科技股份有限公司 一种乙醇类物质作为外加碳源的污水处理优化模拟方法
CN112794443A (zh) * 2020-12-23 2021-05-14 联合环境技术(天津)有限公司 一种优化碳源剂量实现生物脱氮和碳源降耗的方法
CN114380378A (zh) * 2022-03-23 2022-04-22 济安永蓝(北京)工程技术开发有限公司 智能控磷药品投加方法、装置及存储介质
CN114920358A (zh) * 2022-05-07 2022-08-19 北京航天威科环保科技有限公司 污水厂rbs智能控制方法
CN115403226A (zh) * 2022-09-30 2022-11-29 北控水务(中国)投资有限公司 一种平衡系统内碳源的厂网联调控制方法、系统及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010029666A (ko) * 1999-07-03 2001-04-06 장기훈 외부 유기 탄소원을 이용한 하수의 질소, 인 제거방법
JP2002177985A (ja) * 2000-12-13 2002-06-25 Kubota Corp 脱窒用有機炭素源の効率的添加方法
CN107720975A (zh) * 2017-07-26 2018-02-23 安徽国祯环保节能科技股份有限公司 一种乙醇类物质作为外加碳源的污水处理优化模拟方法
CN112794443A (zh) * 2020-12-23 2021-05-14 联合环境技术(天津)有限公司 一种优化碳源剂量实现生物脱氮和碳源降耗的方法
CN114380378A (zh) * 2022-03-23 2022-04-22 济安永蓝(北京)工程技术开发有限公司 智能控磷药品投加方法、装置及存储介质
CN114920358A (zh) * 2022-05-07 2022-08-19 北京航天威科环保科技有限公司 污水厂rbs智能控制方法
CN115403226A (zh) * 2022-09-30 2022-11-29 北控水务(中国)投资有限公司 一种平衡系统内碳源的厂网联调控制方法、系统及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
典型城镇污水处理厂碳源智能投加控制生产性试验;吴宇行等;《环境工程》;20220630;第40卷(第6期);212-217 *
某污水深度处理厂人工精细化调控碳源投加量的探究;包遵胜等;《环境工程》;20220914;1-11 *

Also Published As

Publication number Publication date
CN115536130A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
Sun et al. Study on emission characteristics and reduction strategy of nitrous oxide during wastewater treatment by different processes
CN110790381A (zh) 一种基于aao污水处理工艺的全流程智能控制系统
JP4931495B2 (ja) 下水からのりん及び窒素の除去方法並びに除去装置
Gajewska et al. Efficiency of pollutant removal by five multistage constructed wetlands in a temperate climate
CN101870540B (zh) 城市污水中氮磷的处理系统及方法
Cottingham et al. Aeration to promote nitrification in constructed wetlands
CN109574224B (zh) 一种畜禽废水处理的系统和方法
CN115536130B (zh) 碳源投加方法、智能碳源投加系统及污水处理系统
Rajesh Banu et al. Trends in biological nutrient removal for the treatment of low strength organic wastewaters
CN104176824A (zh) 一种硝酸铵废水生化处理装置及运行方法
Tsitouras et al. Two moving bed biofilm reactors in series for carbon, nitrogen, and phosphorous removal from high organic wastewaters
Picot et al. Twenty years’ monitoring of Mèze stabilisation ponds: part I–removal of organic matter and nutrients
CN110655176A (zh) 一种基于聚类的污水处理曝气量前馈控制方法
Wang et al. Nitrification-denitrification via nitrite for nitrogen removal from high nitrogen soybean wastewater with on-line fuzzy control
CN111995055A (zh) 一种反硝化除磷菌快速富集两段式sbr反应设备
CN115477388B (zh) 一种硝酸铵废水处理装置及其方法
CN116589096A (zh) 一种多模式aao-mbr工艺过程控制系统及方法
CN112340947B (zh) 一种污水脱氮除磷调节系统及其调节方法
Kayser et al. Controlling a combined lagoon/reed bed system using the oxidation-reduction potential (ORP)
JP2015016410A (ja) 排水の処理方法および排水の処理装置、並びに制御方法、制御装置、およびプログラム
CN210974077U (zh) 一种应用于小型污水处理的序批式活性污泥法变型的设备
JPH07136687A (ja) 低水温期における活性汚泥循環変法の運転制御方法
CN110002678B (zh) Pna系统后置短程反硝化实现城市污水深度脱氮的装置与方法
CN210855704U (zh) 基于巴颠甫多段进水及多点回流的深度脱氮除磷装置
CN117069241B (zh) 一种好氧池溶解氧浓度控制方法及控制系统

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