CN116382393A - 一种水资源多级循环控制系统及方法 - Google Patents
一种水资源多级循环控制系统及方法 Download PDFInfo
- Publication number
- CN116382393A CN116382393A CN202310292357.0A CN202310292357A CN116382393A CN 116382393 A CN116382393 A CN 116382393A CN 202310292357 A CN202310292357 A CN 202310292357A CN 116382393 A CN116382393 A CN 116382393A
- Authority
- CN
- China
- Prior art keywords
- feedback controller
- controller
- sewage treatment
- error
- output
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000010865 sewage Substances 0.000 claims abstract description 71
- 238000005457 optimization Methods 0.000 claims description 27
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 125000004122 cyclic group Chemical group 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 4
- 230000009123 feedback regulation Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 description 5
- 239000003344 environmental pollutant Substances 0.000 description 5
- 244000005700 microbiome Species 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000005273 aeration Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 239000013043 chemical agent Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000010802 sludge Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- XFXPMWWXUTWYJX-UHFFFAOYSA-N Cyanide Chemical compound N#[C-] XFXPMWWXUTWYJX-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009388 chemical precipitation Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- -1 demulsifier Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000008394 flocculating agent Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000002265 redox agent Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 238000004065 wastewater treatment 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
- C02F1/00—Treatment of water, waste water, or sewage
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
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)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Heat Treatment Of Water, Waste Water Or Sewage (AREA)
Abstract
一种水资源多级循环控制系统，它包括污水处理装置、温度反馈控制器、流量反馈控制器、判定器、反馈控制器组；污水处理装置的输出端分别与温度反馈控制器、流量反馈控制器、反馈控制器组的输入端连接，温度反馈控制器、流量反馈控制器的输出端与判定器的输入端连接，判定器的输出端分别与污水处理装置、反馈控制器组的输入端连接，反馈控制器组的输出端与污水处理装置的输入端连接。本发明的目的是保证出水水质达标，从而实现高效的污水处理，以解决传统污水处理技术智能化不足、能耗物耗浪费、水质数据在线获取滞后、水质在线监测方法不足等问题。
Description
技术领域
本发明属于环境工程技术领域，具体涉及一种水资源多级循环控制系统及方法。
背景技术
在现有技术中，污水处理技术主要分为物理法处理、化学法处理、生物法处理。物理法处理是指利用物理作用，分离污水中主要呈悬浮状态的污染物的方法，主要包括沉淀、筛选、气浮、离心与旋流分离。化学法处理是指向污水投加化学物质，利用化学反应来分离回收污水中的污染物，或使其转为无害物质的方法，主要包括中和法、氧化还原法、电解法、吸附法、化学沉淀法等。生物法处理是指采取一定的人工措施，创造有利于微生物生长、繁殖的环境，使微生物大量增殖，以提高微生物氧化、分解有机污染物被降解并转化为无害物质，使污水得以净化的方法，可分为好氧处理法和厌氧处理法两种。
一般情况下，流量和水温作为污水处理的反应条件，对于污染物去除率有很大影响。由于处理后水资源的用途和去向不同，在污水处理过程中需要监测的水质指标和出水标准也不同，与之相应的需要投放的药剂也不同。由于我国污水处理事业基础相对薄弱，传统污水处理技术仍有较多缺陷，存在在设备安装及应用中失衡失调等现象。
例如殷逢俊、徐泽宇、刘鸿提出的基于机理模型与数据模型融合的污水处理智能控制系统构建思路，在实际运行中,污水厂设计运行状态与现场水质及工况等存在脱节现象,导致能耗物耗浪费,运营成本增加。智能化是污水处理技术发展的必然趋势，但污水处理智能化发展缺乏推动模式创新，需要突破水质数据在线获取难题，进一步建立、细化机理与数据驱动模型融合的智能控制技术方案；所以现阶段需要更加智能自动化的控制系统，不断优化完善处理体系，以达到在水质达标的同时节省药剂成本、时间成本及人力成本的目的。
发明内容
本发明的目的是提供一种水资源多级循环反馈控制系统及方法，根据进水实时调整温度、流量、化学药剂投放量、曝气参数、微生物投放量等污水处理条件，保证出水水质达标，从而实现高效的污水处理，以解决传统污水处理技术智能化不足、能耗物耗浪费、水质数据在线获取滞后、水质在线监测方法不足等问题。
为解决上述技术问题，本发明采用的技术方案为：
一种水资源多级循环控制系统，它包括污水处理装置、温度反馈控制器、流量反馈控制器、判定器、反馈控制器组；
污水处理装置的输出端分别与温度反馈控制器、流量反馈控制器、反馈控制器组的输入端连接，温度反馈控制器、流量反馈控制器的输出端与判定器的输入端连接，判定器的输出端分别与污水处理装置、反馈控制器组的输入端连接，反馈控制器组的输出端与污水处理装置的输入端连接。
反馈控制器组包括y1反馈控制器、y2反馈控制器、y3反馈控制器……ym反馈控制器，其中，m为正整数；
判定器的输出端分别与污水处理装置及y1反馈控制器的输入端连接，y1反馈控制器的输出端分别与污水处理装置及y2反馈控制器的输入端连接，y2反馈控制器的输出端分别与污水处理装置及y3反馈控制器的输入端连接，以此类推，ym反馈控制器的输出端与污水处理装置的输入端连接。
温度反馈控制器、流量反馈控制器、反馈控制器组内部均设置有预测调节器，预测调节器包括传感器、优化器、仿真器、控制器、被控元件，传感器的输出端与优化器的输入端连接，优化器的输出端与仿真器的输入端连接，控制器的输出端分别与仿真器、被控元件连接；
在优化器与控制器的输出端之间设有第一误差调节器，优化器与控制器输出的信息向第一误差调节器传递，第一误差调节器根据优化器与控制器之间的误差进行调节后作用于控制器更新控制变量；
在仿真器输出端与被控元件输出端之间设有第二误差调节器，第二误差调节器根据仿真器输出端与被控元件之间的误差进行调节后作用于仿真器更新内部优化模型，从而修正下一轮优化的期望状态，不断进行循环反馈调节；内部控制需要在每一个时间阶段内通过反复的智能算法预测和优化来求解最优控制步骤，当得到优化问题最优解后，再将求解控制器的输出作用给污水处理装置。
预测调节器在使用时，采用以下步骤：
步骤S1：传感器t+ta时刻检测得到水资源进水指标X(t+ta)，向优化器传递信息，进入步骤S2；
步骤S2：优化器根据设定的水质目标值以及仿真器输入的实时仿真模型进行优化求解，给出当前控制变量U(t+ta)，同时进入步骤S3和步骤S4；
步骤S3：将控制变量U(t+ta)作用于仿真器进行仿真，输出结果Yd(t+ta+△t)，进入步骤S7；
步骤S4：控制器接收到优化器传递的信息后，根据已有的数据实际输出控制变量U’(t+ta)，进入步骤S5；
步骤S5：优化器计算控制输出U(t+ta)与控制器实际输出的信息U’(t+ta)向第一误差调节器传递，第一误差调节器根据两者之间的误差进行调节后作用于控制器用于控制器自适应稳定性调整，进入步骤S6；
步骤S6：实际输出控制变量U’(t+ta)作用于污水处理装置输出实际输出量Y(t+ta+△t)；若实际输出量Y(t+ta+△t)与目标值的误差大于允许误差，则进入步骤S7；若实际输出量Y(t+ta+△t)与目标值的误差小于允许误差，则进入步骤S8；
步骤S7：仿真器与被控元件输出的信息向第二误差调节器传递，第二误差调节器根据两者之间的误差进行调节后作用于仿真器用于更新实时仿真模型,进入步骤S2；
步骤S8：不断进行循环反馈调整优化目标，当实际水处理效果与目标值的误差小于允许误差时优化控制过程实现。
温度反馈控制器、流量反馈控制器、反馈控制器组内部仿真器的具体实时仿真模型如下
s.t.
y(t+1)＝f(y(k),u(t)) (1)
外部约束：目标函数表示系统的状态y(t+k)和期望的状态yd(t+k)在末来N个时间步长内都要尽量接近，约束(1)表示被控对象的动态特性，f为预测模型，这里不限于循环神经网络在内的各种机器学习算法，约束(2)和(3)分别表示水处理控制参数u(t)和状态参数y(t)受到的上下限约束。
与现有技术相比，本发明具有如下技术效果：
1)该水资源多级循环控制方法首先对废水处理的影响因素如温度、流量等可控变量做出调整，使得药剂的使用效率、设备运行效率等达到最高，进而减少药剂成本、电费成本、设备运维成本等；
2)各种反馈控制器串并联组合构建成水资源多级循环控制系统，减小了污水处理工艺最小独立单元的尺寸，降低了机理模型复杂程度，增强了反应单元的可控性和可预测性；
3)可以拓展控制指标，向控制系统内添加其他进水指标，如向一级循环内添加pH值，向多级循环内添加COD、BOD、NH3-N、NO- 3-N、NO- 2-N、TN、TP、DO浓度、色度、浊度等多个水质指标；
4)操作简便，有更强的适用性与灵活性，可以应用于物理、化学、生物等多种处理方法及一级、二级、三级等多种处理场景，满足各种水资源指标要求；
5)对水质数据进行在线监测，实时关注污水处理过程状态以及进水异常状态，实现快速调控的目的，以保证出水水质符合相关标准，并保证系统时刻处于最优状态。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1是水资源多级循环控制系统图；
图2是反馈控制器框图；
图3是水资源多级循环控制方法流程图。
具体实施方式
如图1至图3所示，一种水资源多级循环控制系统，它包括污水处理装置1、温度反馈控制器2、流量反馈控制器3、判定器4、反馈控制器组；
污水处理装置1的输出端分别与温度反馈控制器2、流量反馈控制器3、反馈控制器组的输入端连接，温度反馈控制器2、流量反馈控制器3的输出端与判定器4的输入端连接，判定器4的输出端分别与污水处理装置1、反馈控制器组的输入端连接，反馈控制器组的输出端与污水处理装置1的输入端连接。
反馈控制器组包括y1反馈控制器5、y2反馈控制器6、y3反馈控制器7……ym反馈控制器，其中，m为正整数；
判定器4的输出端分别与污水处理装置1及y1反馈控制器5的输入端连接，y1反馈控制器5的输出端分别与污水处理装置1及y2反馈控制器6的输入端连接，y2反馈控制器6的输出端分别与污水处理装置1及y3反馈控制器7的输入端连接，以此类推，ym反馈控制器的输出端与污水处理装置1的输入端连接。
温度反馈控制器2、流量反馈控制器3、反馈控制器组内部均设置有预测调节器，预测调节器包括传感器8、优化器9、仿真器10、控制器11、被控元件12，传感器8的输出端与优化器9的输入端连接，优化器9的输出端与仿真器10的输入端连接，控制器11的输出端分别与仿真器10、被控元件12连接；
在优化器9与控制器11的输出端之间设有第一误差调节器13，优化器9与控制器11输出的信息向第一误差调节器13传递，第一误差调节器13根据优化器9与控制器11之间的误差进行调节后作用于控制器11更新控制变量；
在仿真器10输出端与被控元件12输出端之间设有第二误差调节器14，第二误差调节器14根据仿真器10输出端与被控元件12之间的误差进行调节后作用于仿真器10更新内部优化模型，从而修正下一轮优化的期望状态，不断进行循环反馈调节；内部控制需要在每一个时间阶段内通过反复的智能算法预测和优化来求解最优控制步骤，当得到优化问题最优解后，再将求解控制器的输出作用给污水处理装置1。
预测调节器在使用时，采用以下步骤：
步骤S1：传感器8t+ta时刻检测得到水资源进水指标X(t+ta)，向优化器9传递信息，进入步骤S2；
步骤S2：优化器9根据设定的水质目标值以及仿真器10输入的实时仿真模型进行优化求解，给出当前控制变量U(t+ta)，同时进入步骤S3和步骤S4；
步骤S3：将控制变量U(t+ta)作用于仿真器10进行仿真，输出结果Yd(t+ta+△t)，进入步骤S7；
步骤S4：控制器11接收到优化器9传递的信息后，根据已有的数据实际输出控制变量U’(t+ta)，进入步骤S5；
步骤S5：优化器9计算控制输出U(t+ta)与控制器11实际输出的信息U’(t+ta)向第一误差调节器13传递，第一误差调节器13根据两者之间的误差进行调节后作用于控制器(11)用于控制器11自适应稳定性调整，进入步骤S6；
步骤S6：实际输出控制变量U’(t+ta)作用于污水处理装置输出实际输出量Y(t+ta+△t)；若实际输出量Y(t+ta+△t)与目标值的误差大于允许误差，则进入步骤S7；若实际输出量Y(t+ta+△t)与目标值的误差小于允许误差，则进入步骤S8；
步骤S7：仿真器10与被控元件12输出的信息向第二误差调节器14传递，第二误差调节器14根据两者之间的误差进行调节后作用于仿真器10用于更新实时仿真模型,进入步骤S2；
步骤S8：不断进行循环反馈调整优化目标，当实际水处理效果与目标值的误差小于允许误差时优化控制过程实现。
温度反馈控制器2、流量反馈控制器3、反馈控制器组内部仿真器10的具体实时仿真模型如下
s.t.
y(t+1)＝f(y(k),u(t)) (1)
外部约束：目标函数表示系统的状态y(t+k)和期望的状态yd(t+k)在末来N个时间步长内都要尽量接近，约束(1)表示被控对象的动态特性，f为预测模型，这里不限于循环神经网络在内的各种机器学习算法，约束(2)和(3)分别表示水处理控制参数u(t)和状态参数y(t)受到的上下限约束。
在本发明中，ym：为进水目标，可以包括：物理指标，如透明度、嗅味，浑浊度、颜色、温度等；单一成分指标，如NH3-N、Cr6+等离子或有机物浓度；综合成分指标，如总有机碳、总磷、总氮、PH值、细菌总数等；评估性综合指标，如COD、硬度、碱度、BOD等；生物毒性指标，如氰化物、汞、铅等有毒物质浓度；水质转化潜能指标，如叶绿素、总磷、总氮、高锰酸盐指数等；工艺指标，如污泥体积指数(SVI)、污染指数(SDI)等，共有m个。
本发明中y指的是输出量，为出水指标，即最佳进水量、最佳温度、各污染物的去除率等，与进水指标一一对应，共有m个；u指的是可控变量，为实际污水处理过程中运用到的各种操作条件，可以包括：絮凝剂、破乳剂、氧化还原剂等某种化学药剂的投放量；曝气强度、吸气量、过泵流量等曝气参数；鼓风机、压滤机、水泵等机器运行功率；某种微生物投放量；活性污泥投放量等，共有n个；X指的是输入信号的m阶向量；U指的是可控变量的n阶向量；Y指的是输出量的m阶向量。
实施例：一种水资源多级循环反馈控制系统，它包括污水处理装置、温度反馈控制器、流量反馈控制器、判定器、m-2个水质指标反馈控制器。污水处理装置的输出端分别与温度反馈控制器、流量反馈控制器、m-2个水质指标反馈控制器的输入端连接，温度反馈控制器、流量反馈控制器的输出端与判定器的输入端连接，判定器的输出端分别与污水处理装置和y3反馈控制器的输入端连接，y3反馈控制器的输出端分别与污水处理装置和y4反馈控制器的输入端连接，y4反馈控制器的输出端分别与污水处理装置和y5反馈控制器的输入端连接，以此类推，ym反馈控制器的输出端与污水处理装置的输入端连接。
该系统在使用时，包括以下步骤：
步骤一：获取进水指标的目标值，建立进水指标优化控制模型；
步骤二：调整温度及流量；
步骤三：判定温度及流量条件是否满足要求；
步骤四：调整其他操作条件；
步骤五：达到水质指标目标值。
在步骤二中，温度反馈控制器及流量反馈控制器t时刻检测得到水资源进水指标X1(t)，先对水温及流量进行反馈调节。
在步骤三中，判定器判定温度反馈控制器或流量反馈控制器本次输出结果与上一次输出结果之间的差值是否满足最低要求Δy1min或Δy2min。若满足要求，则将输出的温度和流量结果作用于污水处理装置后进行下一步水质调节；若不满足要求，则需循环进行温度及流量的反馈调节。
在步骤四中，将进水指标中的水温与流量指标反馈调节达到最优后，再将进水指标中的其他操作条件通过多级循环反馈调节达到最优。调整其他操作条件时，外部控制系统采用以下步骤：
S1：一个多级循环ya反馈控制器只对一个水质指标ya进行反馈调节，通过优化与调节，输出针对这一水质指标ya的最优操作条件Ua；
S2：将最优操作条件Ua作用于污水处理装置，得到在此操作条件下的总体水质指标输出量Ya，并将此总体水质指标输出量Ya作为下一个多级循环ya+1反馈控制器的输入量Xa+1。
内部控制器采用以下步骤：
S1：传感器t+ta时刻检测得到水资源进水指标X(t+ta)，向优化器传递信息，进入S2；
S2：优化器根据设定的水质目标值以及仿真器输入的实时仿真模型进行优化求解，给出当前控制变量U(t+ta)，进入S3和S4；
S3：U(t+ta)作用于仿真器进行仿真，输出结果Yd(t+ta+△t)；
S4：优化器向控制器传递信息后，控制器根据已有的数据实际输出控制变量U’(t+ta)，进入S5；
S5：优化器计算控制输出与控制器实际输出的信息向第一误差调节器传递，第一误差调节器根据两者之间的误差进行调节后作用于控制器用于控制器自适应稳定性调整；
S6：实际输出控制变量U’(t+ta)作用于水处理装置输出实际输出量Y(t+ta+△t)进入S7,S8；
S7：仿真器与阀门输出的信息向第二误差调节器传递，第二误差调节器根据两者之间的误差进行调节后作用于仿真器用于更新预测模型,进入S2；
S8：不断进行循环反馈调整优化目标，当实际输出量与目标值的误差小于允许误差时优化控制过程实现。
在步骤五中，最后一个多级循环ym反馈控制器优化调节完成，向污水处理装置执行相应操作条件以后，此时整个水资源多级循环控制系统的出水水质指标都已达到目标值。控制系统在污水处理过程中一直运行，随进水水质指标的变化实时调整温度、流量、化学药剂投放量、曝气参数、微生物投放量等。污水处理结束后，整个多级循环控制系统结束。
需要指出，某一个操作条件并非固定对应某一个或某几个水质指标，而是会交叉影响、相互发挥作用，所以对于任意一个多级循环反馈控制器，都需要进水水质指标、出水水质指标、操作条件的一同输入或输出。
Claims (5)
1.一种水资源多级循环控制系统，其特征在于，它包括污水处理装置(1)、温度反馈控制器(2)、流量反馈控制器(3)、判定器(4)、反馈控制器组；
污水处理装置(1)的输出端分别与温度反馈控制器(2)、流量反馈控制器(3)、反馈控制器组的输入端连接，温度反馈控制器(2)、流量反馈控制器(3)的输出端与判定器(4)的输入端连接，判定器(4)的输出端分别与污水处理装置(1)、反馈控制器组的输入端连接，反馈控制器组的输出端与污水处理装置(1)的输入端连接。
2.根据权利要求1所述的系统，其特征在于，反馈控制器组包括y1反馈控制器(5)、y2反馈控制器(6)、y3反馈控制器(7)、……、ym反馈控制器，其中，m为正整数；
判定器(4)的输出端分别与污水处理装置(1)及y1反馈控制器(5)的输入端连接，y1反馈控制器(5)的输出端分别与污水处理装置(1)及y2反馈控制器(6)的输入端连接，y2反馈控制器(6)的输出端分别与污水处理装置(1)及y3反馈控制器(7)的输入端连接，以此类推，ym反馈控制器的输出端与污水处理装置(1)的输入端连接。
3.根据权利要求1所述的系统，其特征在于，温度反馈控制器(2)、流量反馈控制器(3)、反馈控制器组内部均设置有预测调节器，预测调节器包括传感器(8)、优化器(9)、仿真器(10)、控制器(11)、被控元件(12)，传感器(8)的输出端与优化器(9)的输入端连接，优化器(9)的输出端与仿真器(10)的输入端连接，控制器(11)的输出端分别与仿真器(10)、被控元件(12)连接；
在优化器(9)与控制器(11)的输出端之间设有第一误差调节器(13)，优化器(9)与控制器(11)输出的信息向第一误差调节器(13)传递，第一误差调节器(13)根据优化器(9)与控制器(11)之间的误差进行调节后作用于控制器(11)更新控制变量；
在仿真器(10)输出端与被控元件(12)输出端之间设有第二误差调节器(14)，第二误差调节器(14)根据仿真器(10)输出端与被控元件(12)之间的误差进行调节后作用于仿真器(10)更新内部优化模型，从而修正下一轮优化的期望状态，不断进行循环反馈调节；内部控制需要在每一个时间阶段内通过反复的智能算法预测和优化来求解最优控制步骤，当得到优化问题最优解后，再将求解控制器的输出作用给污水处理装置(1)。
4.根据权利要求1所述的系统，其特征在于，预测调节器在使用时，采用以下步骤：
步骤S1：传感器(8)t+ta时刻检测得到水资源进水指标X(t+ta)，向优化器(9)传递信息，进入步骤S2；
步骤S2：优化器(9)根据设定的水质目标值以及仿真器(10)输入的实时仿真模型进行优化求解，给出当前控制变量U(t+ta)，同时进入步骤S3和步骤S4；
步骤S3：将控制变量U(t+ta)作用于仿真器(10)进行仿真，输出结果Yd(t+ta+△t)，进入步骤S7；
步骤S4：控制器(11)接收到优化器(9)传递的信息后，根据已有的数据实际输出控制变量U’(t+ta)，进入步骤S5；
步骤S5：优化器(9)计算控制输出U(t+ta)与控制器(11)实际输出的信息U’(t+ta)向第一误差调节器(13)传递，第一误差调节器(13)根据两者之间的误差进行调节后作用于控制器(11)用于控制器(11)自适应稳定性调整，进入步骤S6；
步骤S6：实际输出控制变量U’(t+ta)作用于污水处理装置输出实际输出量Y(t+ta+△t)；若实际输出量Y(t+ta+△t)与目标值的误差大于允许误差，则进入步骤S7；若实际输出量Y(t+ta+Δt)与目标值的误差小于允许误差，则进入步骤S8；
步骤S7：仿真器(10)与被控元件(12)输出的信息向第二误差调节器(14)传递，第二误差调节器(14)根据两者之间的误差进行调节后作用于仿真器(10)用于仿真器(10)更新实时仿真模型，进入步骤S2；
步骤S8：不断进行循环反馈调整优化目标，当实际水处理效果与目标值的误差小于允许误差时优化控制过程实现。
5.根据权利要求1所述的系统，其特征在于，温度反馈控制器(2)、流量反馈控制器(3)、反馈控制器组内部仿真器(10)的具体实时仿真模型如下
s.t.
y(t+1)＝f(y(k)，u(t)) (1)
外部约束：目标函数表示系统的状态y(t+k)和期望的状态yd(t+k)在末来N个时间步长内都要尽量接近，约束(1)表示被控对象的动态特性，f为预测模型，这里不限于循环神经网络在内的各种机器学习算法，约束(2)和(3)分别表示水处理控制参数u(t)和状态参数y(t)受到的上下限约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310292357.0A CN116382393A (zh) | 2023-03-23 | 2023-03-23 | 一种水资源多级循环控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310292357.0A CN116382393A (zh) | 2023-03-23 | 2023-03-23 | 一种水资源多级循环控制系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116382393A true CN116382393A (zh) | 2023-07-04 |
Family
ID=86966800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310292357.0A Pending CN116382393A (zh) | 2023-03-23 | 2023-03-23 | 一种水资源多级循环控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116382393A (zh) |
-
2023
- 2023-03-23 CN CN202310292357.0A patent/CN116382393A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103744293B (zh) | 基于模糊神经网络的废水处理监控方法和系统 | |
| CN103197539B (zh) | 污水处理智能优化控制曝气量的方法 | |
| US9747544B2 (en) | Method and system for wastewater treatment based on dissolved oxygen control by fuzzy neural network | |
| CN106495321B (zh) | 生物池工艺优化及运行控制系统及其控制方法 | |
| CN101759290B (zh) | 连续流工艺中快速实现并稳定维持短程硝化的方法 | |
| CN109052633B (zh) | 智慧型污水处理无级调控系统 | |
| CN103570190B (zh) | 一种基于模糊控制的再生水厂化学除磷药剂投加量方法 | |
| AU2021100130A4 (en) | Intelligent control method and system for sewage treatment aeration based on deep learning | |
| CN112216354A (zh) | 一种基于cfd数值模拟和机器学习的智能加药系统和方法 | |
| CN108569756B (zh) | 一种智能化污水处理工艺控制新方法（ebis） | |
| DE60214988D1 (de) | Ein auf künstlicher Intelligenz basierendes Regelungssystem und Verfahren zur Abwasseraufbereitung mittels neuronalem Netz und einem Back-Propagation Algorithmus | |
| CN101376554A (zh) | 污水处理动态控制方法及装置 | |
| CN107986428A (zh) | 一种污水处理精确曝气方法 | |
| CN109669352A (zh) | 基于自适应多目标粒子群的含油污水处理过程优化控制方法 | |
| CN114275912A (zh) | 一种基于自适应神经网络模型的曝气系统溶解氧控制方法 | |
| Chen et al. | Optimal strategies evaluated by multi-objective optimization method for improving the performance of a novel cycle operating activated sludge process | |
| CN201276471Y (zh) | 污水处理动态控制装置 | |
| Åmand et al. | The optimal dissolved oxygen profile in a nitrifying activated sludge process–comparisons with ammonium feedback control | |
| CN103771582B (zh) | 污水处理的曝气控制方法 | |
| CN111777138A (zh) | 一种基于物联网的污水处理精细化控制系统及控制方法 | |
| CN111484124A (zh) | 一种污水处理智能控制与生化工艺集约方法及系统 | |
| CN111847628A (zh) | 水处理控制系统及方法 | |
| CN116382393A (zh) | 一种水资源多级循环控制系统及方法 | |
| CN207845269U (zh) | 基于实时our的恒do控制系统 | |
| CN113429022B (zh) | 一种模块化的养殖沼液废水快速处理系统及其运行方法 |
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 |