CN116395831B - 一种污水处理工艺的碳源投加智能控制系统和方法 - Google Patents
一种污水处理工艺的碳源投加智能控制系统和方法 Download PDFInfo
- Publication number
- CN116395831B CN116395831B CN202310665138.2A CN202310665138A CN116395831B CN 116395831 B CN116395831 B CN 116395831B CN 202310665138 A CN202310665138 A CN 202310665138A CN 116395831 B CN116395831 B CN 116395831B
- Authority
- CN
- China
- Prior art keywords
- methanol
- tank
- water
- denitrification
- data
- 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 103
- 230000008569 process Effects 0.000 title claims abstract description 75
- 239000010865 sewage Substances 0.000 title claims abstract description 59
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 32
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 31
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 claims abstract description 513
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 188
- 239000010802 sludge Substances 0.000 claims abstract description 72
- 238000004062 sedimentation Methods 0.000 claims abstract description 39
- 238000010992 reflux Methods 0.000 claims abstract description 29
- 230000007246 mechanism Effects 0.000 claims abstract description 24
- 238000007599 discharging Methods 0.000 claims abstract description 15
- 238000007790 scraping Methods 0.000 claims abstract description 8
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 42
- 239000007788 liquid Substances 0.000 claims description 39
- 239000003814 drug Substances 0.000 claims description 30
- 238000009826 distribution Methods 0.000 claims description 27
- 229910052757 nitrogen Inorganic materials 0.000 claims description 27
- 238000002360 preparation method Methods 0.000 claims description 27
- 238000004088 simulation Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 15
- 238000011112 process operation Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 14
- 238000011010 flushing procedure Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- GBMDVOWEEQVZKZ-UHFFFAOYSA-N methanol;hydrate Chemical compound O.OC GBMDVOWEEQVZKZ-UHFFFAOYSA-N 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 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 8
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000005273 aeration Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 229910052698 phosphorus Inorganic materials 0.000 claims description 6
- 239000011574 phosphorus Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 5
- 244000005700 microbiome Species 0.000 claims description 5
- CKUAXEQHGKSLHN-UHFFFAOYSA-N [C].[N] Chemical compound [C].[N] CKUAXEQHGKSLHN-UHFFFAOYSA-N 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000033116 oxidation-reduction process Effects 0.000 claims description 4
- 241000894006 Bacteria Species 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010206 sensitivity analysis Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 abstract description 7
- 229910002651 NO3 Inorganic materials 0.000 abstract description 4
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 abstract description 4
- 238000000926 separation method Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- VMHLLURERBWHNL-UHFFFAOYSA-M Sodium acetate Chemical compound [Na+].CC([O-])=O VMHLLURERBWHNL-UHFFFAOYSA-M 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 235000017281 sodium acetate Nutrition 0.000 description 3
- 239000001632 sodium acetate Substances 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 1
- 238000011001 backwashing Methods 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 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
- C02F3/006—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
- C02F3/28—Anaerobic digestion 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
- C02F3/30—Aerobic and anaerobic processes
- C02F3/302—Nitrification and denitrification treatment
- C02F3/305—Nitrification and denitrification treatment characterised by the denitrification
-
- 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
- C02F2209/005—Processes using a programmable logic controller [PLC]
-
- 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)
- Microbiology (AREA)
- Biodiversity & Conservation Biology (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
本方案公开了一种污水处理工艺的碳源投加智能控制系统和方法，属于污水处理技术领域，包括脱氮除磷装置、与脱氮除磷装置连接且用于深度脱氮的反硝化装置，脱氮除磷装置包括进水池、通过进水管道与进水池连接的生化池、通过外回流管与生化池连接的污泥回流池、与污泥回流池连接的二沉池、与二沉池连接的自动刮泥机构，二沉池内还设置有排泥机构，二沉池用于进行泥水分离。本发明公开的污水处理工艺的碳源投加智能控制系统和方法，能够实时检测污水中的硝酸盐等物质的含量，并且根据对应的物质含量自动对甲醇进行精准投加，无需人工手动添加，使甲醇的投加量更加精准。
Description
技术领域
本发明涉及污水处理技术领域，具体涉及一种污水处理工艺的碳源投加智能控制系统和方法。
背景技术
脱氮是再生水处理工艺中的重要环节，污水处理厂出水中氮含量是评价其是否符合排放标准的重要指标，使得城镇污水处理厂的出水总氮排放标准日益严格，近年来，生物脱氮技术因经济效益高、环保优势突出，已经被越来越多地应用于实际污水处理工艺中，生物脱氮技术往往需要经历反硝化过程，使硝酸盐在缺氧条件下通过外界有机物提供电子，使其被还原为氮气，需要甲醇以确保反应所需的有机物充足，常见的碳源如乙酸钠、甲醇、葡萄糖等药剂；
反硝化脱氮的原理是必须要以有机物碳源作为电子供体，将亚硝氮或硝氮还原为氮气。目前国内城市生活污水处理厂普遍因进水碳氮比低而造成的脱氮效率低的情况，尤其是在低温季节，情况更为突出。为了提高系统的脱氮效率，为保证出水总氮能达标排放，在处理过程中需补充碳源。
目前国内对于强化脱氮中碳源投加模式的研究较少，投加量常常基于调试的经验来确定，而且污水处理厂处理后的污水中，有机质含量大大降低，当再生水厂中的碳源不足时，就会不足以支撑功能微生物发挥作用，将使脱氮达不到预期效果，影响出水水质达标，为了应对处理单元进水的水量以及水质的实时变化，当碳源足够时，通常会采用过量投加的策略，而碳源的过量投加不仅会造成碳源的浪费，同时也容易存在出水有机物浓度超标的问题，并且也会造成浪费，使企业效益受损，因此，确定反硝化滤池的甲醇投加量尤为重要，本发明针对这一技术问题进行解决。
发明内容
本发明公开了一种污水处理工艺的碳源投加智能控制系统和方法，能够实时检测污水中的硝酸盐等物质的含量，并且根据对应的物质含量自动对甲醇进行精准投加，无需人工手动添加，使甲醇的投加量更加精准。
一种污水处理工艺的碳源投加智能控制系统，包括脱氮除磷装置、与所述脱氮除磷装置连接且用于深度脱氮的反硝化装置，所述脱氮除磷装置包括进水池、通过进水管道与所述进水池连接的生化池、通过外回流管与所述生化池连接的污泥回流池、与所述污泥回流池连接的二沉池、与所述二沉池连接的自动刮泥机构，所述二沉池内还设置有排泥机构，所述二沉池用于进行泥水分离。
当二沉池内的污泥过多时，会通过排泥机构将部分污泥排出到污泥浓缩池内，防止过多的污泥影响到正常工作的进行。
所述生化池包括厌氧池、与所述厌氧池连通的缺氧池、与所述缺氧池连通的好氧池，所述厌氧池通过外回流管与所述污泥回流池连接，且所述厌氧池通过进水管与所述进水池连接，所述污泥回流池与甲醇溶液储存装置连接，所述好氧池与所述二沉池连通。
所述好氧池还与内回流管的一端连接，所述内回流管的另一端设置在缺氧池内，所述二沉池还与出水管连接，所述好氧池底部设置有微孔曝气头，所述微孔曝气头与鼓风机一连接。
所述脱氮除磷装置、所述反硝化装置分别设置有用于投放甲醇的加药点，多个所述加药点分别与药液制备罐连接，所述加药点上设置有电磁阀，所述电磁阀与用于采集进水管流量和生化池数据的PLC自控柜连接，所述脱氮除磷装置和所述反硝化装置内分别设置有若干用于测量各项数据的工艺仪表系统，若干所述工艺仪表系统分别与所述PLC自控柜连接，所述PLC自控柜通过4GRTU通讯信号将数据上传到云数据中心的云端服务器。
进一步的，所述反硝化装置包括与所述二沉池通过管路连接的进水箱、与所述进水箱连通的滤柱，所述滤柱内下方设置有与所述进水池连通的配水配气室，所述配水配气室的上方设置有人工陶粒，所述进水池和所述配水配气室之间还连通有装有甲醇的液体甲醇储罐，所述配水配气室与鼓风机二连通，出水口设置在所述滤柱上。
所述液体甲醇储罐和所述配水配气室之间设置有反冲洗水箱，反冲洗排水口设置在所述滤柱上。
进一步的，所述厌氧池、所述缺氧池和所述污泥回流池内分别设置有搅拌机，所述搅拌机能够将投加的甲醇与污水更好地进行混合。
进一步的，所述药液制备罐内设置有液位计，所述药液制备罐上设置有药液输送泵，所述药液输送泵配套变频器，本方案中的药液输送泵采用变频控制，所述液位计、所述变频器、所述药液输送泵分别与所述PLC自控柜连接。
进一步的，所述工艺仪表系统包括用于测量进水瞬时流量的瞬时流量计、用于检测硝酸盐氮含量的在线硝酸盐氮测量仪，还包括氧化还原电位测量仪、溶解氧测量仪、污泥浓度测量仪、pH值测定仪、用于测量气温的温度计，若干的所述工艺仪表系统能够检测到各项对应的数据，检测到的数据会通过PLC自控柜上传到云端服务器，并通过云端服务器对数据预处理，进行外甲醇投加神经网络的计算等甲醇投加的智能控制算法，从而得到精准的甲醇投加量。
本方案中可以预先设定污泥的最大浓度值，当所述污泥浓度测量仪的测定值超过设定的最大浓度值时，可以通过PLC控制柜控制排泥机构启动，或者采用定时排泥的方式，每隔一段时间后通过所述排泥机构进行排泥。
一种碳源投加方法，基于上述污水处理工艺的碳源投加智能控制系统，具体包括以下步骤：
S1、通过所述脱氮除磷装置，对污水中的氮元素和磷元素进行去除，并将处理后的污水排放到二沉池中，使水与污泥分离。
S2、在二沉池中分离的污水会通过所述反硝化装置，来进行深度脱氮工作，并在脱氮工作完成后在滤柱内进行反冲洗工作。
S3、建立数学模型，用于计算甲醇投加量。
S4、根据工艺仪表系统采集到的数据，通过数学模型，计算出对应的甲醇投加量。
S5、向经过反硝化装置加工后的水中投入甲醇，进一步进行脱氮。
S6、对工艺仪表系统进行数据清洗，删除在线数据中的重复信息，纠正数据存在的各类错误。
进一步的，所述脱氮除磷装置的工作过程分为如下四个阶段：
S11、进水池内甲醇充足的条件下，碳氮比C/N为5.0~7.5，装置进行微生物驯化、培养及稳定运行。
S12、其它调节不变的情况下，降低进水池内的甲醇投放量，使得C/N为2.0~4.0。
S13、维持低甲醇进水条件，C/N为2.0~4.0，并向污泥回流池中投加甲醇，提升进水池内甲醇ρ（COD）达到20~30mg/L。
S14、维持低甲醇进水条件，C/N为2.0~4.0，直接于进水池投加甲醇，提升进水ρ（COD）达到20~30mg/L。
S15、上述过程中，装置运行温度为室温25~28℃，pH为7.0~8.0，厌氧池、缺氧池及好氧池溶解氧的范围分别在0，0~0.5，1.5~2.5mg/L。
进一步的，所述反硝化装置的脱氮过程分为如下几个阶段：
S21、从二沉池中分离的水在进水箱中存放。
S22、建立网络模型，通过检测获取NO3 --N、NO2 --N、DO、ORP、pH值、温度以及外甲醇投加量的数据信息，为降低试验检测方法与设备的误差，以假设检验莱特准则剔除异常值：
≥3/>；
式中，为数据样本的平均值，为平衡神经网络中各权值与阈值的波动性，对不同数量级间的变量进行归一化处理：
=/>；
式中，与/>分别为数据样本的最小值与最大值，/>为/>的归一化值。
S23、神经网络模型分为外甲醇投加与脱氮效果预测两部分，模型会选择进水NO3 --N浓度、DO浓度、ORP、pH值和温度作为输入参数，外甲醇投加模型的输出参数为投加量，用到的数据为预处理后脱氮率>70%的69组数据,脱氮效果预测模型的输出参数为NO3 --N和NO2 --N浓度,用到的数据为预处理后的100组数据。
S24、网络结构根据万能近似定理采用3层结构，隐含层节点个数遵循常规取值方法：
；
式中，m与n分别为输入层和输出层的神经元个数，c为0~10的常数。
S25、通过上述网络模型计算出外加甲醇的投加量，并投加甲醇，进水箱中的水再与外加甲醇在管道中混合后进入滤柱。
S26、滤柱中的反硝化菌利用外加甲醇对NO3 --N进行还原后完成反硝化过程。
进一步的，所述云端服务器需要对设备的数据进行数学建模，所述数据建模的过程依次如下：
S31、绘制污水处理工艺流程，包括组合工艺单元、选择单元模型、生成工艺运行模型。
S32、定义工艺运行模型，包括给定组分浓度初值、确定构筑物尺寸、模型参数赋值。
S33、稳态模拟，包括输入稳态入流水质水量、确定工艺运行参数、输出稳态模拟结果。
S34、动态模拟，包括输入动态入流水质水量、重置初值和工艺运行参数、输出动态模拟结果，之后与实际出水水质进行比较，如果吻合则进入模型验证，如不吻合，则通过敏感性分析与参数估计，重新进行动态模拟。
S35、进行模型验证。
S36、工艺模拟，包括现状模拟与评估、控制策略模拟与评估、预测模拟。
进一步的，本装置通过所述工艺仪表系统采集的数据，进行甲醇投加自动调控，具体包括以下步骤：
S41、实时监控计算数据，设定时间间隔周期。
S42、每达到间隔周期，计算甲醇的体积投配浓度。
S43、根据甲醇的体积投配浓度，计算甲醇投加流量。
S44、以甲醇投加流量为目标数值，通过PID控制，调整药液输送泵频率，耦合匹配目标数值，实现动态调整。
进一步的，投入甲醇前的步骤如下：
S51、对污水处理厂历年的各项数据进行统计，计算投入甲醇前需要计算甲醇的投配率。
S52、以甲醇投配率为因变量，以进、出水总氮质量浓度、日均气温为自变量，进行最小二乘法线性拟合，经方差分析得F值为161.919，sigma值为0.000，说明可信度为100%。
S53、经共线性诊断可知，各自变量参数之间相互独立，方程拟合结果为：
R甲醇=11.014+2.13N进-2.153N出-0.269T；
其中，R甲醇为甲醇投配率，N进、N出分别为进、出水中的总氮质量浓度，T为日均气温。
S54、为了考虑到方程使用的简便性，将上式进行变形，甲醇密度按照0.7918kg/L计算，换算成体积，得到：
V甲醇=（11.014+2.13N进-2.153N出-0.269T）×V水×10-3/0.7918；
式中，V甲醇为甲醇添加体积、V水为每小时处理再生水量，在变形后的公式中，N进和N出分别可以通过在线监测仪读数快速读出，T可以根据所述温度计来检测，也可以通过天气预报来获取，V水可以利用流量计进行监控，将V水、N进、N出、T实时数值代入到：
V甲醇=（11.014+2.13N进-2.153N出-0.269T）×V水×10-3/0.7918；
即能确定每小时需要的甲醇添加体积V甲醇。
本方案还包括对污水厂中若干的工艺仪表系统进行数据清洗，指的是对污水厂内氨氮、COD、TN、TP等水质在线监测仪表，以及流量在线监测仪表的在线数据经过数据初步异常检测、冲击负荷与异常界定以及异常值处理等主要环节，删除在线数据中的重复信息、纠正数据存在的各类错误，并为污水厂在线仿真模型提供可靠、稳定的输入数据，包括异常数据检测和异常数据替换。
异常数据检测：在污水处理领域，由于现场传感器采集的数据常常带有偏差，设备自身并不能确保数据质量的可靠性，因此在特定的数值仿真算法执行前的数据概化常常是非常重要的，这有助于探测型挖掘的进行，更有针对性地发现异常数据。数据中异常一般是由两种原因造成的：一是数据固有变异性造成的，另外一种则是由于度量或执行错误导致的，本方案同时考虑了这两方面因素。
基本步骤主要分两个环节来解决：第一步是数据概化，即采用数理统计的方法对数据分布进行概化描述，以自动化地获得数据的总体分布特征，以此作为进一步分析的基础；第二步是定义异常数据的规则，如数据根据与平均水平的距离划分成层，然后对每个层统计数据特征，根据定义的距离计算层中的各个数据点与中心距离的远近来判断可能的异常。
上下限的计算公式如下：
IQR=上四分位–下四分位；
上边缘=上四分位+1.5×IQR；
下边缘=下四分位+1.5×IQR。
异常数据替换：污水处理厂传感器数据主要为时序数据，每个时刻的数据依赖于历史数据的变化规律，因此采用LSTM算法对当前时刻进行预测并填补缺失数据或者替换异常数据。
长短期记忆网络（LSTM，LongShort-TermMemory）是一种特殊的循环神经网络，在处理长序列数据上有更好的表现，可作为污水处理厂缺失/异常数据预测的手段。其特有的遗忘门功能可以选择性地丢弃或者保留之前的历史信息，以确保长序列的历史重要信息能被记忆。
简单来说，LSTM主要通过门机制来实现信息的遗忘和记忆：
1.遗忘门：确定前一个状态中哪些信息需要被保留或者被遗忘；
ft=σ(Wf·[ht-1,xt]+bf)。
2.输入门：确定当前哪些信息是重要的，需要被保留或者遗忘；
it=σ(Wi·[ht-1,xt]+bi)；
Ct=tanh(WC·[ht-1,xt]+bC)。
3.细胞状态更新：上一个隐藏状态*遗忘门结果+备选*输入门结果；
Ct=ft*Ct-1+it*Ct。
4.输出门：确定下一个隐藏状态是什么。
Ot=σ(Wo·[ht-1,xt]+bo)；
ht=Ot*tanh(Ct)。
本发明的技术效果如下：
（1）本发明通过脱氮除磷装置和反硝化装置对污水进行脱氮处理，并且通过网络模型来对采集到的各项数据进行计算，得出准确的甲醇投加量，解决了现有技术中甲醇投加量过多或过少的问题，使甲醇的投加量更加准确，并且无需人工进行投放甲醇，实现了智能控制甲醇投加的功能。
（2）本方案中的工艺仪表系统和各个检测器等用于检测各项数据的部件，会将数据传输到PLC自控柜内，由PLC自控柜完成数据采集及控制指令的输出，并将各项数据上传至云端，由云端服务器根据建立的模型来计算甲醇的最佳投放量，并通过PLC自控柜控制变频器和加药点上的电磁阀，来控制甲醇的用量，实现了自动计算和控制。
（3）本申请通过云端服务器对数据进行预处理，并进行外甲醇投加神经网络计算等甲醇投加的智能控制算法，克服了人工调控甲醇投加所存在的过量投放、调控滞后、碳排放量高以及工艺稳定性等问题，能够计算出精准的甲醇投加量，并将其通过网络输出到PLC自控柜，使PLC自控柜对变频器和电磁阀输出相应指令，从而进行调节。
（4）本申请能够根据缺氧区进水总氮的负荷，对污水厂多个加药点进行外置甲醇投加，并对投加的甲醇药剂量进行全自动的计算与控制，确保反硝化的完全、总氮的出水达标率，而且能够优化投药量，从而降低了甲醇药剂的使用成本。
附图说明
图1为本发明中脱氮除磷装置的结构示意图。
图2为本发明中反硝化装置的结构示意图。
图3为本发明中数据建模过程的程序框图。
图4为本发明中生化池的工作流程示意图一。
图5为本发明中生化池的工作流程示意图二。
图6为本发明中PLC自控柜的控制原理图。
其中，附图标记为：1、进水池；2、搅拌机；3、自动刮泥机构；4、二沉池；5、排泥机构；6、污泥回流池；7、甲醇溶液储存装置；8、外回流管；9、鼓风机一；10、缺氧池；11、厌氧池；12、好氧池；13、内回流管；14、反冲洗水箱；15、鼓风机二；16、配水配气室；17、人工陶粒；18、反冲洗排水口；19、出水口；20、进水箱；21、液体甲醇储罐。
实施方式
下面将结合具体的实施例及附图，对本发明的技术方案进行清楚、完整的描述。
参见图1，一种污水处理工艺的碳源投加智能控制系统，包括脱氮除磷装置、与脱氮除磷装置连接且用于深度脱氮的反硝化装置，脱氮除磷装置包括进水池1、通过进水管道与进水池1连接的生化池、通过外回流管8与生化池连接的污泥回流池6、与污泥回流池6连接的二沉池4、与二沉池4连接的自动刮泥机构3，二沉池4内还设置有排泥机构5，二沉池4用于进行泥水分离，本实施例中的进水管上设置有进水泵。
当二沉池4内的污泥过多时，会通过排泥机构5将部分污泥排出到污泥浓缩池内，防止过多的污泥影响到正常工作的进行。
生化池包括厌氧池11、与厌氧池11连通的缺氧池10、与缺氧池10连通的好氧池12，厌氧池11通过外回流管8与污泥回流池6连接，且厌氧池11通过进水管与进水池1连接，污泥回流池6与甲醇溶液储存装置7连接，好氧池12与二沉池4连通，好氧池12还与内回流管13的一端连接，内回流管13的另一端设置在缺氧池10内，二沉池4还与出水管连接，好氧池12底部设置有微孔曝气头，微孔曝气头与鼓风机一9连接。
参见图6，脱氮除磷装置、反硝化装置分别设置有用于投放甲醇的加药点，多个加药点分别与药液制备罐连接，每个加药点分别与用于检测进水管流量和生化池数据的PLC自控柜连接，脱氮除磷装置和反硝化装置内分别设置有若干用于测量各项数据的工艺仪表系统，若干工艺仪表系统分别与PLC自控柜连接，PLC自控柜通过4GRTU通讯信号将数据上传到云数据中心的云端服务器。
参见图4、图5，本方案中的好氧池12内的混合后的液体会通过内回流管13回流至缺氧池10内，二沉池4内的污泥会通过外回流管8回流至厌氧池11内，二沉池4内的多余的污泥会通过排泥机构5排出，本实施例中的排泥机构5为现有技术，在此不再详述。
本实施例中的鼓风机一9与气体流量计连接，通过气体流量计能够测量在鼓风机一9作用下的气体的流量。
经研究表明，碳源的碳链越短，其被微生物吸收的效率就越高，经实验证明，乙酸钠作为碳源的吸收效率仅次于甲醇(葡萄糖<乙酸钠<甲醇)，因此本方案主要是以甲醇为碳源进行的发明开发。
本实施例中的若干加药点分别设置在生化池和进水箱20内，本领域技术人员也可以根据实际情况，将加药点设置在其它位置，或在其他位置也设置加药点，这是可以根据实际情况自行进行设置的，在此不再详述。
参见图2，反硝化装置包括与二沉池4通过管路连接的进水箱20、与进水箱20连通的滤柱，滤柱内下方设置有与进水池1连通的配水配气室16，位于配水配气室16的上方设置有人工陶粒17，进水池1和配水配气室16之间还连通有装有甲醇的液体甲醇储罐21，配水配气室16与鼓风机二15连通，出水口19设置在滤柱上。
液体甲醇储罐21和配水配气室16之间设置有反冲洗水箱14，反冲洗排水口18设置在滤柱上。
本方案中的液体甲醇储罐21可以作为备用，当药液制备罐内的甲醇不足时，可以采用液体甲醇储罐21内的液体甲醇进行脱氮。
本方案中的厌氧池11、缺氧池10和污泥回流池6内分别设置有搅拌机2，搅拌机2能够将投加的甲醇与污水更好地进行混合。
进一步的，加药点上设置有电磁阀，药液制备罐内设置有液位计，药液制备罐上设置有药液输送泵，药液输送泵配套变频器，电磁阀、液位计、变频器、药液输送泵分别与PLC自控柜连接，本方案中的药液输送泵采用变频控制。
进一步的，工艺仪表系统包括用于测量进水瞬时流量的瞬时流量计、用于检测硝酸盐氮含量的在线硝酸盐氮测量仪，还包括氧化还原电位测量仪、溶解氧测量仪、污泥浓度测量仪、pH值测定仪、用于测量气温的温度计，若干的工艺仪表系统能够检测到各项对应的数据，检测到的数据会通过PLC自控柜上传到云端服务器，并通过云端服务器对数据预处理，进行甲醇投加神经网络的计算等甲醇投加的智能控制算法，从而得到精准的甲醇投加量。
本方案中的工艺仪表系统可以根据其具体功能，将其设置在对应的位置，例如污泥浓度检测仪设置在沉淀池内，多个瞬时流量计分别设置在与生化池连通的水管内、与进水箱20连通的水管内，还可以在生化池内和进水箱20内分别设置在线硝酸盐氮测量仪、氧化还原电位测量仪、溶解氧测量仪、pH值测定仪和温度计。
本方案中可以预先设定污泥的最大浓度值，当污泥浓度测量仪的测定值超过设定的最大浓度值时，可以通过PLC控制柜控制排泥机构5启动，或者采用定时排泥的方式，每隔一段时间后通过排泥机构5进行排泥。
一种碳源投加方法，基于上述污水处理工艺的碳源投加智能控制系统，具体包括以下步骤：
S1、通过脱氮除磷装置，对污水中的氮元素和磷元素进行去除，并将处理后的污水排放到二沉池4中，使水与污泥分离。
S2、在二沉池4中分离的污水会通过反硝化装置，来进行深度脱氮工作，并在脱氮工作完成后在滤柱内进行反冲洗工作。
S3、向经过反硝化装置加工后的水中投入甲醇，进一步进行脱氮。
进一步的，脱氮除磷装置的工作过程分为如下四个阶段：
S11、进水池1内甲醇充足的条件下，碳氮比C/N为5.0~7.5，装置进行微生物驯化、培养及稳定运行。
S12、其它调节不变的情况下，降低进水池1内的甲醇投放量，使得C/N为2.0~4.0。
S13、维持低甲醇进水条件，C/N为2.0~4.0，并向污泥回流池6中投加甲醇，提升进水池1内甲醇ρ（COD）达到20~30mg/L。
S14、维持低甲醇进水条件，C/N为2.0~4.0，直接于进水池1投加甲醇，提升进水ρ（COD）达到20~30mg/L。
S15、上述过程中，装置运行温度为室温25~28℃，pH为7.0~8.0，厌氧池11、缺氧池10及好氧池12溶解氧的范围分别在0，0~0.5，1.5~2.5mg/L。
进一步的，反硝化装置的脱氮过程分为如下几个阶段：
S21、从二沉池4中分离的水在进水箱20中存放。
S22、建立网络模型，通过检测获取NO3 --N、NO2 --N、DO、ORP、pH值、温度以及甲醇投加量的数据信息，为降低试验检测方法与设备的误差，以假设检验莱特准则剔除异常值：
；
式中，为数据样本的平均值，为平衡神经网络中各权值与阈值的波动性，对不同数量级间的变量进行归一化处理：
；
式中，与/>分别为数据样本的最小值与最大值，/>为/>的归一化值。
S23、神经网络模型分为甲醇投加与脱氮效果预测两部分，模型会选择进水NO3 --N浓度、DO浓度、ORP、pH值和温度作为输入参数，甲醇投加模型的输出参数为投加量，用到的数据为预处理后脱氮率>70%的69组数据,脱氮效果预测模型的输出参数为NO3 --N和NO3 --N浓度,用到的数据为预处理后的100组数据;
S24、网络结构根据万能近似定理采用3层结构，隐含层节点个数遵循常规取值方法：
L+c；
式中，m与n分别为输入层和输出层的神经元个数，c为0~10的常数。
S25、通过上述网络模型计算出甲醇的投加量，并投加甲醇，进水箱20中的水再与甲醇在管道中混合后进入滤柱。
S26、滤柱中的反硝化菌利用甲醇对进行还原后完成反硝化过程。
参见图3，云端服务器需要对设备的数据进行数学建模，数据建模的过程依次如下：
S1、绘制污水处理工艺流程，包括组合工艺单元、选择单元模型、生成工艺运行模型。
S2、定义工艺运行模型，包括给定组分浓度初值、确定构筑物尺寸、模型参数赋值。
S3、稳态模拟，包括输入稳态入流水质水量、确定工艺运行参数、输出稳态模拟结果。
S4、动态模拟，包括输入动态入流水质水量、重置初值和工艺运行参数、输出动态模拟结果，之后与实际出水水质进行比较，如果吻合则进入模型验证，如不吻合，则通过敏感性分析与参数估计，重新进行动态模拟。
S5、进行模型验证。
S6、工艺模拟，包括现状模拟与评估、控制策略模拟与评估、预测模拟。
进一步的，本装置通过所述工艺仪表系统采集的数据，进行甲醇投加自动调控，具体包括以下步骤：
S41、实时监控计算数据，设定时间间隔周期。
S42、每达到间隔周期，计算甲醇的体积投配浓度。
S43、根据甲醇的体积投配浓度，计算甲醇投加流量。
S44、以甲醇投加流量为目标数值，通过PID控制，调整药液输送泵频率，耦合匹配目标数值，实现动态调整。
进一步的，投入甲醇前的步骤如下：
S51、对污水处理厂历年的各项数据进行统计，计算投入甲醇前需要计算甲醇的投配率。
S52、以甲醇投配率为因变量，以进、出水总氮质量浓度、日均气温为自变量，进行最小二乘法线性拟合，经方差分析得F值为161.919，sigma值为0.000，说明可信度为100%。
S53、经共线性诊断可知，各自变量参数之间相互独立，方程拟合结果为：
R甲醇=11.014+2.13N进-2.153N出-0.269T；
其中，R甲醇为甲醇投配率，N进、N出分别为进、出水中的总氮质量浓度，T为日均气温。
S54、为了考虑到方程使用的简便性，将上式进行变形，甲醇密度按照0.7918kg/L计算，换算成体积，得到：
V甲醇=（11.014+2.13N进-2.153N出-0.269T）×V水×10-3/0.7918；
式中，V甲醇为甲醇添加体积、V水为每小时处理再生水量，在变形后的公式中，N进和N出分别可以通过在线监测仪读数快速读出，T可以根据天气预报或通过温度计的检测来获取，V水可以利用流量计进行监控，将V水、N进、N出、T的实时数值代入到：
V甲醇=（11.014+2.13N进-2.153N出-0.269T）×V水×10-3/0.7918；
即可确定每小时需要的甲醇添加体积V甲醇。
本方案还包括对污水厂中若干的工艺仪表系统进行数据清洗，指的是对污水厂内氨氮、COD、TN、TP等水质在线监测仪表，以及流量在线监测仪表的在线数据经过数据初步异常检测、冲击负荷与异常界定以及异常值处理等主要环节，删除在线数据中的重复信息、纠正数据存在的各类错误，并为污水厂在线仿真模型提供可靠、稳定的输入数据，包括异常数据检测和异常数据替换。
异常数据检测：在污水处理领域，由于现场传感器采集的数据常常带有偏差，设备自身并不能确保数据质量的可靠性，因此在特定的数值仿真算法执行前的数据概化常常是非常重要的，这有助于探测型挖掘的进行，更有针对性地发现异常数据。数据中异常一般是由两种原因造成的：一是数据固有变异性造成的，另外一种则是由于度量或执行错误导致的，本方案同时考虑了这两方面因素。
基本步骤主要分两个环节来解决：第一步是数据概化，即采用数理统计的方法对数据分布进行概化描述，以自动化地获得数据的总体分布特征，以此作为进一步分析的基础。第二步是定义异常数据的规则，如数据根据与平均水平的距离划分成层，然后对每个层统计数据特征，根据定义的距离计算层中的各个数据点与中心距离的远近来判断可能的异常。
上下限的计算公式如下：
IQR=上四分位–下四分位；
上边缘=上四分位+1.5×IQR；
下边缘=下四分位+1.5×IQR。
异常数据替换：污水处理厂传感器数据主要为时序数据，每个时刻的数据依赖于历史数据的变化规律，因此采用LSTM算法对当前时刻进行预测并填补缺失数据或者替换异常数据。
长短期记忆网络（LSTM，LongShort-TermMemory）是一种特殊的循环神经网络，在处理长序列数据上有更好的表现，可作为污水处理厂缺失/异常数据预测的手段。其特有的遗忘门功能可以选择性地丢弃或者保留之前的历史信息，以确保长序列的历史重要信息能被记忆。
简单来说，LSTM主要通过门机制来实现信息的遗忘和记忆：
1.遗忘门：确定前一个状态中哪些信息需要被保留或者被遗忘。
ft=σ(Wf·[ht-1,xt]+bf)。
2.输入门：确定当前哪些信息是重要的，需要被保留或者遗忘。
it=σ(Wi·[ht-1,xt]+bi)；
Ct=tanh(WC·[ht-1,xt]+bC)。
3.细胞状态更新：上一个隐藏状态*遗忘门结果+备选*输入门结果。
Ct=ft*Ct-1+it*Ct。
4.输出门：确定下一个隐藏状态是什么。
Ot=σ(Wo·[ht-1,xt]+bo)；
ht=Ot*tanh(Ct)。
本发明的具体工作过程如下：
将进水池1中的污水通入到生化池中的厌氧池11内，厌氧池11内的水会依次经过缺氧池10、好氧池12，位于生化池内的各个工艺仪表系统会检测到生化池内的各项数据，PLC自控柜会收集到这些数据，并将其发送到云端，云端服务器会根据网络模型进行计算，计算出最佳的甲醇投加量，之后，PLC自控柜会打开药液制备罐内的变频器和加药点上的电磁阀，从而使甲醇通过药液制备罐进入到加药点内，并从加药点流入到生化池内，当达到最佳的投放量时，PLC自控柜会关闭电磁阀并调节变频器，停止甲醇的投加。
生化池内设置有若干个搅拌机2，能够将污水与甲醇进行混合，便于能够更好地进行脱氮工作，鼓风机一9会将空气通过曝气头吹入到好氧池12内，从好氧池12流出的水会经过内回流管13回到厌氧池11中，再次进行脱氮工作，确保脱氮的效果。
本方案中的工艺仪表系统中包括瞬时流量计，用于测量进水瞬时流量，气体流量计可以测量在鼓风机一9的作用下的气体流量，本方案可以在各个管道上分别设置流量计，便于检测各个管道中的流量，从而能够得知管网流量。
完成脱氮工作后，污水会从好氧池12流入到二沉池4内，进行泥水分离，分离后的水会流入到反硝化装置的进水箱20内，污泥会流入到污泥回流池6中，甲醇溶液储存装置7会向污泥回流池6内投入甲醇，污泥回流池6内的污泥会通过外回流管8流入到厌氧池11内，当污泥浓度测量仪检测到二沉池4内的污泥浓度超标时，会启动自动刮泥机构3将污泥刮下，并通过排泥机构5将部分污泥排出，排出后的污泥可以根据实际工作情况，由操作人员进行处理，在此不再详述，剩余的污泥会通过外回流管8流到厌氧池11内，用于后续污水处理的工作，本实施例中的自动刮泥机构3、排泥机构5和搅拌机2均为现有技术，是本领域技术人员能够想到，并可以在市面上见到的机械设备，其结构在此不再详述。
进水箱20中的各个工艺仪表系统会检测水中的各项数据，并通过PLC自控柜控制甲醇的投加，PLC自控柜控制甲醇投加的方式在上述内容已经说明，在此不再详述。
之后，进水箱20中的水会通过管道排放到滤柱中的配水配气室16内，在鼓风机二15的作用下，水会经过人工陶粒17，并从滤柱的出水口19排出，完成上述工作后，可以将反冲洗水箱14中的水流入到滤柱内，对滤柱进行清洗，清洗后的水会从滤柱的反冲洗排水口18流出。
为了进一步确保脱氮工作的完成，可以将从出水口19排出后的水再次进行检测，当依然需要脱氮时，可以在此通过PLC自控柜向水中加甲醇，直至使其完成脱氮工作，本方案可根据实际需求，在各个管道上分别阀门和蠕动泵，这是本领域技术人员容易想到的，在此不再详述。
本装置中的工艺仪表系统可以对进、出水进行在线数据采集，工作人员可以根据生产条件变化设定参数,依据实际情况实现不同的投加模式，实现甲醇投加的自动调控，并且调整合适的间隔周期计算时间及时更新新的生产数据，从而控制出水总氮量稳定在控制区间内，达到优化甲醇投加同时稳定出水水质的效果。
该方法包括：实时监控计算数据，设定时间间隔周期。每达到间隔周期，计算甲醇的体积投配浓度。根据甲醇的体积投配浓度，计算甲醇投加流量。以甲醇投加流量为目标数值，通过PID控制，调整加药泵频率，耦合匹配目标数值，实现动态调整。
之后，对工艺仪表系统进行数据清洗，删除在线数据中的重复信息、纠正数据存在的各类错误，并为污水厂在线仿真模型提供可靠、稳定的输入数据。
上述实施例仅为本申请的优选实施例，本领域技术人员可以在不付出创造性劳动的前提下，从上述实施例得到其他的实施例，故本申请不仅保护上述实施例，而是保护与本方案的原理与特征相一致的范围。
Claims (4)
1.一种碳源投加方法，其特征在于，包括以下步骤：
采用一种污水处理工艺的碳源投加智能控制系统，包括脱氮除磷装置、与所述脱氮除磷装置连接且用于深度脱氮的反硝化装置，所述脱氮除磷装置包括进水池（1）、与所述进水池（1）通过进水管道连接的生化池、与所述生化池通过外回流管（8）连接的污泥回流池（6）、与所述污泥回流池（6）连接的二沉池（4）、与所述二沉池（4）连接的自动刮泥机构（3）；
所述生化池包括厌氧池（11）、与所述厌氧池（11）连通的缺氧池（10）、与所述缺氧池（10）连通的好氧池（12），所述厌氧池（11）通过外回流管（8）与所述污泥回流池（6）连接，且所述厌氧池（11）通过进水管与所述进水池（1）连接，所述污泥回流池（6）与甲醇溶液储存装置（7）连接，所述好氧池（12）与所述二沉池（4）连通；
所述好氧池（12）还与内回流管（13）的一端连接，所述内回流管（13）的另一端设置在缺氧池（10）内，所述二沉池（4）还与出水管连接，所述好氧池（12）底部设置有微孔曝气头，所述微孔曝气头与鼓风机一（9）连接；
所述脱氮除磷装置、所述反硝化装置分别设置有用于投放甲醇的加药点，多个所述加药点分别与用于存放甲醇的药液制备罐连接，所述加药点上设置有电磁阀，所述电磁阀与用于采集进水管流量和生化池数据的PLC自控柜连接，所述脱氮除磷装置和所述反硝化装置内分别设置有若干用于测量各项数据的工艺仪表系统，若干所述工艺仪表系统分别与所述PLC自控柜连接，所述PLC自控柜通过4GRTU通讯信号将数据上传到云数据中心的云端服务器；
所述反硝化装置包括与所述二沉池（4）通过管路连接的进水箱（20）、与所述进水箱（20）连通的滤柱，所述滤柱内下方设置有与所述进水池（1）连通的配水配气室（16），所述配水配气室（16）的上方设置有人工陶粒（17），所述进水池（1）和所述配水配气室（16）之间还连通有装有甲醇的液体甲醇储罐（21），所述配水配气室（16）与鼓风机二（15）连通，出水口（19）设置在所述滤柱上；
所述液体甲醇储罐（21）和所述配水配气室（16）之间设置有反冲洗水箱（14），反冲洗排水口（18）设置在所述滤柱上；
所述药液制备罐内设置有液位计，所述药液制备罐上设置有药液输送泵，所述药液输送泵配套变频器，所述液位计、所述变频器、所述药液输送泵分别与所述PLC自控柜连接；
所述工艺仪表系统包括用于测量进水瞬时流量的瞬时流量计、用于检测硝酸盐氮含量的在线硝酸盐氮测量仪，还包括氧化还原电位测量仪、溶解氧测量仪、污泥浓度测量仪、pH值测定仪、用于测量气温的温度计；
S1、通过所述脱氮除磷装置，对污水中的氮元素和磷元素进行去除，并将处理后的污水排放到二沉池（4）中，使水与污泥分离；
S2、在二沉池（4）中分离的污水会通过所述反硝化装置，来进行深度脱氮工作，并在脱氮工作完成后在滤柱内进行反冲洗工作；
S3、建立数学模型，用于计算甲醇投加量；
S4、根据工艺仪表系统采集到的数据，通过数学模型，计算出对应的甲醇投加量；
S5、向经过反硝化装置加工后的水中投入甲醇，再次进行脱氮；
S6、对工艺仪表系统进行数据清洗，删除在线数据中的重复信息，纠正数据存在的各类错误；
所述反硝化装置的脱氮过程分为以下阶段：
S21、从二沉池（4）中分离的水在进水箱（20）中存放；
S22、建立网络模型，通过检测获取NO3 --N、NO2 --N、DO、ORP、pH值、温度以及甲醇投加量的数据信息，为降低试验检测方法与设备的误差，以假设检验莱特准则剔除异常值：
；
为数据样本的平均值，为平衡神经网络中各权值与阈值的波动性，对不同数量级间的变量进行归一化处理：
；
与/>分别为数据样本的最小值与最大值，/>为/>的归一化值；
S23、神经网络模型分为甲醇投加与脱氮效果预测两部分，模型会选择进水NO3 --N浓度、DO浓度、ORP、pH值和温度作为输入参数，甲醇投加模型的输出参数为投加量，用到的数据为预处理后脱氮率>70%的69组数据,脱氮效果预测模型的输出参数为NO3 --N和NO2 --N浓度,用到的数据为预处理后的100组数据;
S24、网络结构根据万能近似定理采用3层结构，隐含层节点个数遵循常规取值方法：
L=m与n分别为输入层和输出层的神经元个数，c为0~10的常数；
S25、通过上述网络模型计算出甲醇的投加量，并投加甲醇，进水箱（20）中的水再与甲醇在管道中混合后进入滤柱；
S26、滤柱中的反硝化菌利用甲醇对NO3 --N进行还原后完成反硝化过程；
投入甲醇前的步骤依次为：
S51、对污水处理厂历年的各项数据进行统计，计算投入甲醇前需要计算甲醇的投配率；
S52、以甲醇投配率为因变量，以进、出水总氮质量浓度、日均气温为自变量，进行最小二乘法线性拟合，经方差分析得F值为161.919，sigma值为0.000，说明可信度为100%；
S53、经共线性诊断得知，各自变量参数之间相互独立，方程拟合结果为：
R甲醇=11.014+2.13N进-2.153N出-0.269T；
其中，R甲醇为甲醇投配率，N进、N出分别为进、出水中的总氮质量浓度，T为日均气温；
S54、为了考虑到方程使用的简便性，将上式进行变形，甲醇密度按照0.7918kg/L计算，换算成体积，得到：
V甲醇=（11.014+2.13N进-2.153N出-0.269T）×V水×10-3/0.7918；
V甲醇为甲醇添加体积、V水为每小时处理再生水量，在变形后的公式中，N进和N出分别能够通过在线监测仪读数读出，T能够通过所述温度计获取，V水能够通过流量计进行监控，将V水、N进、N出、T的实时数值代入到：
V甲醇=（11.014+2.13N进-2.153N出-0.269T）×V水×10-3/0.7918；
即能确定每小时需要的甲醇添加体积V甲醇。
2.根据权利要求1所述的碳源投加方法，其特征在于，所述脱氮除磷装置工作过程分为以下四个阶段：
S11、进水池（1）内甲醇充足的条件下，碳氮比C/N为5.0~7.5，装置进行微生物驯化、培养及稳定运行；
S12、其它调节不变的情况下，降低进水池（1）内的甲醇投放量，使得C/N为2.0~4.0；
S13、维持低甲醇进水条件，C/N为2.0~4.0，并向污泥回流池（6）中投加甲醇，提升进水池（1）内甲醇ρ（COD）达到20~30mg/L；
S14、维持低甲醇进水条件，C/N为2.0~4.0，直接于进水池（1）投加甲醇，提升进水ρ（COD）达到20~30mg/L；
S15、上述过程中，装置运行温度为室温25~28℃，pH为7.0~8.0，厌氧池（11）、缺氧池（10）及好氧池（12）溶解氧的范围分别在0，0~0.5、1.5~2.5mg/L。
3.根据权利要求1所述的碳源投加方法，其特征在于，所述步骤S3中，所述云端服务器需要对设备的数据进行数学建模，所述数据建模的过程依次为：
S31、绘制污水处理工艺流程，包括组合工艺单元、选择单元模型、生成工艺运行模型；
S32、定义工艺运行模型，包括给定组分浓度初值、确定构筑物尺寸、模型参数赋值；
S33、稳态模拟，包括输入稳态入流水质水量、确定工艺运行参数、输出稳态模拟结果；
S34、动态模拟，包括输入动态入流水质水量、重置初值和工艺运行参数、输出动态模拟结果，之后与实际出水水质进行比较，如果吻合则进入模型验证，如不吻合，则通过敏感性分析与参数估计，重新进行动态模拟；
S35、进行模型验证；
S36、工艺模拟，包括现状模拟与评估、控制策略模拟与评估、预测模拟。
4.根据权利要求1所述的碳源投加方法，其特征在于，所述步骤S4中，本装置通过所述工艺仪表系统采集的数据，进行甲醇投加自动调控，具体包括以下步骤：
S41、实时监控计算数据，设定时间间隔周期；
S42、每达到间隔周期，计算甲醇的体积投配浓度；
S43、根据甲醇的体积投配浓度，计算甲醇投加流量；
S44、以甲醇投加流量为目标数值，通过PID控制，调整药液输送泵频率，耦合匹配目标数值，实现动态调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310665138.2A CN116395831B (zh) | 2023-06-07 | 2023-06-07 | 一种污水处理工艺的碳源投加智能控制系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310665138.2A CN116395831B (zh) | 2023-06-07 | 2023-06-07 | 一种污水处理工艺的碳源投加智能控制系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116395831A CN116395831A (zh) | 2023-07-07 |
| CN116395831B true CN116395831B (zh) | 2023-08-29 |
Family
ID=87018316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310665138.2A Active CN116395831B (zh) | 2023-06-07 | 2023-06-07 | 一种污水处理工艺的碳源投加智能控制系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116395831B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101381183A (zh) * | 2008-06-05 | 2009-03-11 | 北京桑德环保集团有限公司 | 具有生物除磷与侧路化学除磷的污水处理系统及处理方法 |
| EP2196438A1 (de) * | 2008-12-11 | 2010-06-16 | Envicon Klärtechnik Verwaltungsgesellschaft mbH | Verfahren zur belastungsabhängigen Regelung der Nitrifikation und Denitrifikation in Abwasserbehandlungsanlagen mit vorgeschalteter Denitrifikation |
| CN108264202A (zh) * | 2018-03-30 | 2018-07-10 | 安徽华骐环保科技股份有限公司 | 一种达标至地表水ⅳ类水的城镇污水处理工艺 |
| CN111847634A (zh) * | 2020-07-10 | 2020-10-30 | 北控水务(中国)投资有限公司 | 一种用于泥膜复合污水处理工艺的曝气和碳源投加优化控制系统及方法 |
| CN113860496A (zh) * | 2021-10-12 | 2021-12-31 | 山东建筑大学 | 一种基于bp神经网络的aao外加碳源智慧投加系统及方法 |
| CN216141333U (zh) * | 2021-03-16 | 2022-03-29 | 北控水务(中国)投资有限公司 | 一种aoa+mabr耦合工艺的碳源投加优化控制系统 |
| CN216997850U (zh) * | 2021-06-21 | 2022-07-19 | 昆山市污水处理有限公司 | 用于aao工艺污水处理的碳源投加装置 |
| CN115304208A (zh) * | 2022-06-15 | 2022-11-08 | 中煤科工集团杭州研究院有限公司 | 一种乳化炸药生产废水处理方法 |
| WO2022242107A1 (zh) * | 2021-05-19 | 2022-11-24 | 北控水务(中国)投资有限公司 | 利用污泥内碳源强化污水深度脱氮的aaoa处理系统与方法 |
| CN218810847U (zh) * | 2022-11-23 | 2023-04-07 | 涟源市海川达水务有限公司 | 一种改良的aao污水处理系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IL262742A (en) * | 2018-11-04 | 2020-05-31 | SHIMONI Moria | A method of constructing a digital model of a fermentation process |
-
2023
- 2023-06-07 CN CN202310665138.2A patent/CN116395831B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101381183A (zh) * | 2008-06-05 | 2009-03-11 | 北京桑德环保集团有限公司 | 具有生物除磷与侧路化学除磷的污水处理系统及处理方法 |
| EP2196438A1 (de) * | 2008-12-11 | 2010-06-16 | Envicon Klärtechnik Verwaltungsgesellschaft mbH | Verfahren zur belastungsabhängigen Regelung der Nitrifikation und Denitrifikation in Abwasserbehandlungsanlagen mit vorgeschalteter Denitrifikation |
| CN108264202A (zh) * | 2018-03-30 | 2018-07-10 | 安徽华骐环保科技股份有限公司 | 一种达标至地表水ⅳ类水的城镇污水处理工艺 |
| CN111847634A (zh) * | 2020-07-10 | 2020-10-30 | 北控水务(中国)投资有限公司 | 一种用于泥膜复合污水处理工艺的曝气和碳源投加优化控制系统及方法 |
| CN216141333U (zh) * | 2021-03-16 | 2022-03-29 | 北控水务(中国)投资有限公司 | 一种aoa+mabr耦合工艺的碳源投加优化控制系统 |
| WO2022242107A1 (zh) * | 2021-05-19 | 2022-11-24 | 北控水务(中国)投资有限公司 | 利用污泥内碳源强化污水深度脱氮的aaoa处理系统与方法 |
| CN216997850U (zh) * | 2021-06-21 | 2022-07-19 | 昆山市污水处理有限公司 | 用于aao工艺污水处理的碳源投加装置 |
| CN113860496A (zh) * | 2021-10-12 | 2021-12-31 | 山东建筑大学 | 一种基于bp神经网络的aao外加碳源智慧投加系统及方法 |
| CN115304208A (zh) * | 2022-06-15 | 2022-11-08 | 中煤科工集团杭州研究院有限公司 | 一种乳化炸药生产废水处理方法 |
| CN218810847U (zh) * | 2022-11-23 | 2023-04-07 | 涟源市海川达水务有限公司 | 一种改良的aao污水处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116395831A (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111553468B (zh) | 一种准确预测污水处理厂出水水质的方法 | |
| CN114230110B (zh) | 用于污水处理的短程智能除磷加药控制方法、设备及系统 | |
| CN103018416B (zh) | 供水管网水质在线监测、预测方法 | |
| CN112784476B (zh) | 不同工艺类型农污处理设施出水氨氮软测量方法及装置 | |
| CN111579618B (zh) | 基于微生物燃料电池的生化需氧量在线自动检测系统及方法 | |
| CN107402586A (zh) | 基于深度神经网络的溶解氧浓度控制方法及系统 | |
| CN106745739A (zh) | 一种基于神经网络模型预测pH变化实现SBR短程硝化的方法 | |
| CN110132629B (zh) | 一种利用支持向量机预测农村生活污水处理设施运行有效性的方法 | |
| CN105439285B (zh) | 一种污水处理的调控方法 | |
| US11365140B2 (en) | Decision support system and method for water treatment | |
| CN112786119B (zh) | 多工艺类型农污设施tn处理效果预测方法、装置、介质 | |
| KR102311657B1 (ko) | 하폐수 처리 스마트 관리 시스템 | |
| CN103592334A (zh) | 基于序批式生物毒性监测预警系统及监测方法 | |
| Nawaz et al. | Intelligent Human–Machine Interface: An Agile Operation and Decision Support for an ANAMMOX SBR System at a Pilot-Scale Wastewater Treatment Plant | |
| CN106706491B (zh) | 膜生物反应器-mbr出水透水率的智能检测方法 | |
| CN110642393A (zh) | 一种基于神经网络模型的曝气控制系统 | |
| CN116395831B (zh) | 一种污水处理工艺的碳源投加智能控制系统和方法 | |
| Pan et al. | A new approach to estimating oxygen off-gas fraction and dynamic alpha factor in aeration systems using hybrid machine learning and mechanistic models | |
| CN117196883A (zh) | 一种基于人工智能的污水处理决策优化方法及系统 | |
| CN112782232A (zh) | 基于人工神经网络的农污设施出水总磷软测量方法及装置 | |
| CN115403226B (zh) | 一种平衡系统内碳源的厂网联调控制方法、系统及装置 | |
| CN112573641A (zh) | 一种污水处理量确定方法及装置 | |
| CN115809749A (zh) | 污水处理综合性在线预测模型的建立方法及预测预警方法 | |
| CN203053955U (zh) | 一种污水生物毒性在线监测系统 | |
| Strömberg et al. | Computer simulation of control strategies for optimal anaerobic digestion |
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 |