CN116484584A - 一种两级污水处理系统的智能控制方法 - Google Patents
一种两级污水处理系统的智能控制方法 Download PDFInfo
- Publication number
- CN116484584A CN116484584A CN202310301002.3A CN202310301002A CN116484584A CN 116484584 A CN116484584 A CN 116484584A CN 202310301002 A CN202310301002 A CN 202310301002A CN 116484584 A CN116484584 A CN 116484584A
- Authority
- CN
- China
- Prior art keywords
- reaction tank
- tank
- water
- concentration
- correlation coefficient
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000006243 chemical reaction Methods 0.000 claims abstract description 219
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 167
- 238000005273 aeration Methods 0.000 claims abstract description 104
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 79
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 79
- 230000004044 response Effects 0.000 claims abstract description 36
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 10
- 231100000719 pollutant Toxicity 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims abstract description 6
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 84
- 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 72
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 24
- 239000001301 oxygen Substances 0.000 claims description 24
- 229910052760 oxygen Inorganic materials 0.000 claims description 24
- 238000010992 reflux Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 230000033116 oxidation-reduction process Effects 0.000 claims description 9
- 229910052757 nitrogen Inorganic materials 0.000 claims description 8
- 239000003814 drug Substances 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 claims description 4
- 229940079593 drug Drugs 0.000 claims description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 2
- 230000002068 genetic effect Effects 0.000 claims description 2
- 238000007792 addition Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001546 nitrifying effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/30—Aerobic and anaerobic processes
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/006—Regulation methods for biological treatment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Water Supply & Treatment (AREA)
- Mathematical Optimization (AREA)
- Environmental & Geological Engineering (AREA)
- Marketing (AREA)
- Mathematical Analysis (AREA)
- Hydrology & Water Resources (AREA)
- General Business, Economics & Management (AREA)
- Microbiology (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Molecular Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
Abstract
本发明公开了一种两级污水处理系统的智能控制设置方法,涉及污水处理技术领域。通过统计学数据,核算固定周期内第一反应池代表污染物去除负荷及代表曝气量/碳源加药量进行稳定控制。第二反应池通过对相关运行参数与曝气量/碳源加药量进行相关性计算,筛选显著响应参数,利用数据拟合工具形成曝气量/碳源加药量理论函数模型,系统进入智能运行期后,利用设置出水控制指标修正理论函数模型得到的理论曝气量/碳源加药量,获得实际曝气量/碳源加药量,并间隔固定时间,构建实际曝气量/碳源加药量和理论曝气量/碳源加药量之间的损失函数,通过优化算法矫正理论函数模型相关系数,使损失函数最小。
Description
技术领域
本发明涉及污水处理领域,具体涉及一种两级污水处理系统的智能控制方法。
背景技术
根据E20研究院《中国水务行业市场分析报告2021版》数据估计,国内整个市政污水市场容量约12600万吨/天,包括3100万吨/天新建和7500万吨/天一级A提标改造和2000万吨/天准IV类提标改造;污水厂新建或提标改造面临的首要问题来自缺地和运行不稳定,移动床生物膜工艺(MBBR)通过强化污水处理功能菌群的富集,使系统处理能力显著提升,从而具有显著优势,当前在国内的应用规模已达到2500万吨/天以上。MBBR工艺多采用分级布置的方式,以实现功能菌的专性、高效富集,常见的多为两级工艺。关于分级工艺的实现分级曝气和精确碳源加药是MBBR采用多级工艺控制的主要难点,采用人工控制存在调整频繁、调节滞后、能耗浪费大等问题,采用智能曝气或加药控制具有现实的必要性和可行性。
现有的污水处理两级智能控制技术相关方面的研究主要有:
CN 105739325 A公布了一种污水处理过程曝气智能控制系统,其在计算机存储模块中存储n个检测仪表组所检测到的每个曝气池的现场数据,模型存储模块中存储n个曝气控制量的理论计算模型和n个用于计算曝气控制修正量的人工神经网络模型。每个曝气数学模型对应一个曝气池,分别计算每个曝气池的理论曝气控制量;每个人工神经网络模型对应一个曝气池,用以计算该曝气池的曝气控制修正量。该方式在应用于分级处理工艺上,需要每一级均形成单独的曝气算法模型,由此对于现场仪表的数量需求过多,且计算量过大。因此有必要对现有分级曝气方法进行更新,从工艺底层逻辑出发,优化气量分配,实现只能曝气。
发明内容
本发明的目是提供一种两级污水处理系统的智能控制方法,结合污水处理基质沿程削减规律,利用第一反应池在高负荷条件下污染物去除负荷相对稳定,第二反应池在低负荷条件下污染物去除负荷相对易受进水及运行参数影响的特性,通过统计学数据,核算固定周期内第一反应池代表污染物去除负荷及代表曝气量或碳源加药量进行稳定控制。第二反应池通过对相关运行参数与曝气量或碳源加药量进行相关性计算,筛选显著响应参数,利用数据拟合工具形成曝气量或碳源加药量理论函数模型,系统进入智能运行期后,利用设置出水氨氮或硝氮修正理论函数模型得到的理论曝气量或碳源投加量,获得实际曝气量或碳源投加量,并间隔固定时间,构建实际曝气量或实际碳源投加量和理论曝气量或理论碳源投加量之间的损失函数,通过优化算法矫正理论函数模型相关系数,使损失函数最小,完成曝气量理论函数模型更新。从而实现曝气量或碳源投加量的按需控制,降低污水处理能耗药耗。
为了实现上述目的,本发明采用了以下技术方案:
一种两级污水处理系统的智能控制方法,两级污水处理系统包括进水管路、生化池、出水管路,所述的生化池包括相连接的第一反应池和第二反应池;
智能曝气设置方法包括以下步骤;
步骤1:原始数据积累:按照污水处理系统实际运行情况,采集第一反应池连续30天的运行数据;
若所述的生化池为好氧池时,则采集第一反应池的运行数据包括曝气量、进水水量、进水氨氮浓度和出水氨氮浓度数据。
若所述的生化池为缺氧池时,则采集第一反应池的运行数据包括碳源加药量、进水水量、进水硝氮浓度和出水硝氮浓度;
采集第二反应池中的相关运行参数数据,形成参数序列;
若所述的生化池为好氧池时,则第二反应池的相关运行参数数据包括第二反应池的曝气量、进水水量、溶解氧量、进水氨氮浓度、进水悬浮物浓度、进水TN浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、回流比、水温和气压;
若所述的生化池为缺氧池时,则第二反应池的相关运行参数包括第二反应池的碳源加药量、进水水量、氧化还原点位、进水TN浓度、进水硝氮浓度、进水悬浮物浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、出水硝氮浓度、回流比、水温和气压。
第二反应池中除了曝气量或碳源加药量之外的其他相关运行参数的选取并不固定,可以根据实际情况进行选取。
步骤2:第一反应池代表污染物去除负荷及代表曝气量/碳源加药量计算;按照污水厂第一反应池的污染物去除负荷可以维持较高水平且符合正态分布,则可根据统计学概率,按照污染物去除负荷的较大值作为代表污染物去除负荷。
若所述的生化池为好氧池时,则分析步骤1中采集的第一反应池的连续30天的运行数据,通过第一反应池的进水水量、进水氨氮浓度和出水氨氮浓度核算第一反应池的氨氮去除负荷,求得连续30天的氨氮去除负荷均值μ1与标准差σ1,以30天内(μ1+3σ1)作为其代表氨氮去除负荷L,以同样方法核算第一反应池代表曝气量QH;
若所述的生化池为缺氧池时,则分析步骤1中采集的第一反应池连续30天的运行数据,通过第一反应池的进水水量、进水硝氮浓度和出水硝氮浓度核算第一反应池的硝氮去除负荷,求得联系30天的硝氮去除负荷均值μ1′与标准差σ1′,以30天内(μ1′+3σ1′)作为其代表硝氮去除负荷L′;以同样方法核算第一反应池代表碳源加药量QO。
步骤3:第二反应池的响应参数选取;
若所述的生化池为好氧池时,则计算第二反应池的曝气量与第二反应池的其它各个相关运行参数之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为曝气量与各个相关运行参数之间的相关系数,根据相关系数的大小判断各个相关运行参数对曝气量影响的大小;
若所述的生化池为缺氧池时,则计算第二反应池的碳源加药量与第二反应池的其它各个相关运行参数之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为碳源加药量与各个相关运行参数之间的相关系数,根据相关系数的大小判断各个相关运行参数对碳源加药量影响的大小。
步骤4:第二反应池的响应参数筛选;
若所述的生化池为好氧池时,则将对第二反应池的曝气量影响大的第二反应池的相关运行参数保留作为响应参数,将对第二反应池的曝气量影响小的相关运行参数删除;单独采集第二反应池中的进水氨氮浓度,并将第二反应池的进水氨氮浓度添加为响应参数;
由于第二好氧池进水氨氮浓度对其曝气量必然具备显著影响,因此需单独采集第二好氧池中的进水氨氮浓度,并将进水氨氮浓度添加为响应参数。
若所述的生化池为缺氧池时,则将对第二反应池的碳源加药量影响大的第二反应池的相关运行参数保留作为响应参数,将对第二反应池碳源加药量小的相关运行参数删除;单独采集第二反应池中的进水硝氮浓度,并将第二反应池进水硝氮浓度添加作为响应参数。
由于第二好氧池进水硝氮浓度对其碳源加药量必然具备显著影响,因此需单独采集第二好氧池中的进水硝氮浓度,并将进水氨氮浓度添加为响应参数。
步骤5:第二反应池控制模型拟合;
若所述的生化池为好氧池时,则以第二反应池的曝气量为输出值,以保留的第二反应池的响应参数为输入值,利用数据拟合工具拟合形成第二反应池的理论曝气量函数模型;
若所述的生化池为缺氧池时,则以第二反应池的碳源加药量为输出值,以保留的第二反应池的响应参数为输入值,利用数据拟合工具拟合形成第二反应池的理论碳源加药量函数模型。
步骤6:第一反应池理论出水水质核算;
若所述的生化池为好氧池时,则两级污水处理系统实际运行后,根据第一反应池的实际的进水水量、实际的进出水氨氮浓度及步骤2核算的第一反应池的代表氨氮去除负荷和代表曝气量,核算出第一反应池的理论出水氨氮NHT;
若所述的生化池为缺氧池时,则两级污水处理系统实际运行后,根据第一反应池的实际的进水水量、实际的进出水硝氮浓度及步骤2核算的第一反应池的代表硝氮去除负荷和代表碳源加药量,核算出第一反应池的理论出水硝氮NOT。
步骤7:第二反应池理论控制参数获取;
若所述的生化池为好氧池时,则两级污水处理系统实际运行后,利用第一反应池的理论出水氨氮浓度NHT作为第二反应池进水氨氮浓度输入到第二反应池的理论曝气量函数模型,并配合其它实际测量的响应参数的数据求得第二反应池的理论曝气量QHT;
若所述的生化池为缺氧池时,则两级污水处理系统实际运行后,利用第一反应池的理论出水硝氮浓度NOT作为第二反应池进水硝氮浓度输入到第二反应池的理论碳源加药量函数模型,并配合其它实际测量的响应参数的数据求得第二反应池的理论碳源加药量QOT;
步骤8:第二反应池理论控制参数修正;
若所述的反应池为好氧池时,则设定控制出水氨氮指标为NHc,以控制出水氨氮指标为基准进行后馈补偿,当第二好氧池的实际的出水氨氮值NHe满足|NHe-NHc|≤10% NHc时,认为系统出水围绕控制值小幅度波动,不具备超标风险,不进行后馈补偿。
当NHe-NHc>10% NHc时,认为该参数出水浓度较高,可能存在超标风险,则设置补偿系数k为1.2。
当NHc-NHe>10% NHc,认为该参数出水浓度过低,为节省能耗药耗,设置补偿系数k为0.9;输出实际的曝气量为QA=kQHT;
同理,若所述的反应池为缺氧池时,则设定控制出水硝氮指标为NOc,以控制出水硝氮指标为基准进行后馈补偿,当第二反应池的实际的出水硝氮值NOe满足|NOe-NOc|≤10%NOc时,不进行后馈补偿;当NOe-NOc>10% NOc时,则设置补偿系数k为1.2;当NOc-NOe>10% NOc,设置补偿系数k为0.9;输出实际的碳源加药量为QB=kQOT;
步骤9:第二反应池模型矫正;每间隔一定阶段,具体为每间隔30天,以这30天内积累的数据,构建QA-QHT或者QB-QOT的损失函数,采用优化算法矫正第二反应池的理论曝气量函数模型或者理论碳源加药量函数模型的系数,使损失函数最小,重复步骤2到步骤9。
优选地,步骤1具体包括:
原始数据积累过程中,采集不小于30天的第二反应池的相关运行参数数据,每次采集的相关运行参数数据为一组相关运行参数数据。
优选地,步骤3具体包括:
若所述的反应池为好氧池时,则计算第二反应池曝气量与溶解氧量之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为曝气量与溶解氧量之间的相关系数,根据相关系数的大小判断溶解氧量对曝气量的影响的大小;以同样的方法计算第二反应池曝气量与进水水量、进水氨氮浓度、进水悬浮物浓度、进水TN浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、回流比、温度和气压之间的相关系数,并判断进水水量、进水氨氮浓度、进水悬浮物浓度、进水TN浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、回流比、温度和气压对第二反应池曝气量的影响的大小;
若所述的反应池为缺氧池时,则计算第二反应池的碳源加药量与氧化还原点位之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为第二反应池的碳源加药量与氧化还原点位之间的相关系数,根据相关系数的大小判断氧化还原点位对第二反应池的碳源加药量影响的大小;以同样的方法计算第二反应池的碳源加药量与进水水量、进水TN浓度、进水硝氮浓度、进水悬浮物浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、出水硝氮浓度、回流比、水温和气压之间的相关系数,并判断进水水量、进水TN浓度、进水硝氮浓度、进水悬浮物浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、出水硝氮浓度、回流比、水温和气压对第二反应池的碳源加药量影响的大小;
将所得的所有的相关系数从大到小进行排列为相关系数列,取相关系数列中前80%为显著相关系数,显著相关系数对应的相关运行参数数据为将对控制参数影响大的相关运行参数数据;取关系数列中后20%为非显著相关系数,非显著相关系数对应的相关运行参数数据为将对控制参数影响小的相关运行参数数据。
优选地,步骤5所述的数据拟合工具建议为1stopt软件。
优选地,当所述的反应池为好氧池时,设计出水氨氮值为NHs,步骤8所述的设置的控制出水氨氮指标NHc应满足NHs-NHc≥30%NHs。
当所述的反应池为缺氧池时,设计出水硝氮值为NOs,步骤8所述的设置的控制出水硝氮指标NOc应满足NOs-NOc≥30%NOs。
优选地,步骤9采用的优化算法为梯度下降或Adam算法或遗传算法。
与现有技术相比,本发明带来了以下有益技术效果:
1)技术适应性好;充分运行了MBBR等水处理工艺在分级设置时的技术底层逻辑,针对第一反应池在高负荷条件下污染物去除负荷相对稳定,第二好氧池在低负荷条件下污染物去除负荷易受进水及控制参数影响的特性进行气量分配,达到按需曝气或加药。
2)出水水质稳定;出水水质变异系数(水质标准差与均值之比,CV)<0.3。
3)抗冲击能力强;在出水水质稳定达标的基础上,出水水质变异系数低于进水水质变异系数。
4)成本控制好;通过智能化、精细化控制,实现较传统人工控制可降低脱氮、除磷药剂投加30%以上。
附图说明
图1为实施例1中两级污水处理项目智能控制期第一好氧池进水氨氮、第一好氧池出水氨氮和第二好氧池出水氨氮情况图。
图2为实施例2中两级污水处理项目智能控制期进出水TN情况图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明:
首先,对本发明中所涉及的相关技术术语解释如下:
代表氨氮去除负荷:代表污水处理系统可去除的氨氮量,g/d;如第一好氧池的代表氨氮去除负荷=(第一好氧池进水氨氮浓度-第一好氧池出水氨氮浓度)×进水水量。
实施例1
某污水处理项目,设计处理水量20万吨/d,项目设计进出水水质如表1所示。采用两级MBBR工艺进行氨氮去除,通过如下步骤进行智能曝气设置。
表1.某污水处理项目设计进出水水质
指标 | CODcr | SS | TN | NH3-N | TP | pH |
设计进水 | 500 | 300 | 70 | 50 | 7.0 | 6~9 |
设计出水 | 40 | 10 | 15 | 5 | 0.4 | 6~9 |
步骤1:原始数据积累:按照污水处理系统实际运行情况,采集第一好氧池连续30天的曝气量Q1、进水水量A1、进水氨氮浓度N1和出水氨氮浓度N2。
采集第二好氧池中两个月的相关运行参数数据,形成参数序列。第二好氧池的相关运行参数数据包括第二好氧池的曝气量、进水水量、溶解氧量、进水TN浓度、出水TN浓度、进水化学需氧量、出水化学需氧量、硝化液回流比、温度。
步骤2:第一反应池代表氨氮去除负荷及代表曝气量计算;分析步骤1中采集的第一好氧池的连续30天的运行数据,通过第一好氧池的进水水量、进水氨氮浓度和出水氨氮浓度核算第一好氧池的氨氮去除负荷,求得连续30天的氨氮去除负荷均值μ1与标准差σ1,以30天内(μ1+3σ1)作为其代表氨氮去除负荷L,以同样方法核算第一好氧池代表曝气量QH。
步骤3:第二反应池的响应参数选取;计算第二好氧池曝气量与第二好氧池各个相关运行参数之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为曝气量与各个相关运行参数之间的相关系数,根据相关系数的大小判断各个相关运行参数对曝气量影响的大小。
表2.曝气量与各相关运行参数之间的相关系数
步骤4:第二反应池的响应参数筛选;相关系数计算结果如表2所示,其中温度为对曝气量影响小的相关运行参数数据,将其删除;其它为对曝气量影响大的相关运行参数数据,为响应参数。
单独采集第二反应池中的进水氨氮浓度,并将进水氨氮浓度添加为响应参数。
步骤5:第二反应池的曝气模型拟合;以第二好氧池的曝气量为输出值,以保留的第二好氧池的响应参数为输入值,利用1stopt软件拟合形成第二好氧池的理论曝气量函数模型。
步骤6:第一反应池理论出水氨氮核算;两级污水处理系统实际运行后,根据第一好氧池的实际的进水流量、实际的氨氮浓度及步骤2核算的第一好氧池氨氮的代表负荷和代表曝气量,核算出第一好氧池理论出水氨氮NHT。
步骤7:第二反应池理曝气量获取;两级污水处理系统实际运行后,利用第一反应池理论出水氨氮浓度NHT作为第二反应池的进水氨氮浓度输入到第二反应池的理论曝气量函数模型,并配合其它实际测量的响应参数的数据求得第二反应池的理论曝气量QHT。
步骤8:第二反应池池理论曝气量修正;以设置的出水氨氮指标3mg/L为基准进行后馈补偿,当第二反应池的实际的出水氨氮值NHe满足|NHe-3|≤0.3mg/L时,不进行后馈补偿,当NHe-3>0.3mg/L时,则设置补偿系数k为1.2;当3-NHe>0.3mg/L,设置补偿系数k为0.9;输出实际的第二反应池碳源加药量QA=kQHT;
步骤9:第二反应池模型矫正;每间隔30天,以30天内积累的数据,构建QA-QHT的损失函数,采用梯度下降算法矫正第二反应池理论曝气量函数模型的系数,使损失函数最小,重复步骤2到步骤9。
该污水厂采用智能加药后,进水氨氮和出水氨氮如图1所示,其中进水氨氮浓度为第一反应池的进水氨氮浓度,一级出水氨氮浓度为第一反应池的出水氨氮浓度,二级出水氨氮浓度为第二反应池的出水氨氮浓度。从处理效果上看,在进水氨氮均值和标准差分别为20.42mg/L、6.67的基础上,通过智能控制,出水氨氮均值和标准差分别为2.76mg/L、0.66,核算进出水变异系数CV分别为0.33、0.24。从运行成本上看,智能控制通过按需调整曝气量,实现了明显的节能降耗,相比人工控制曝气能耗降低22%。
实施例2
某污水处理项目,设计处理水量60万吨/d,项目设计进出水水质如表3所示。采用MBBR工艺脱氮,缺氧区设置两级工艺,通过如下步骤进行智能加药设置。
表3.某污水处理项目设计进出水水质
指标 | CODcr | SS | TN | NH3-N | TP |
设计进水 | 600 | 400 | 85 | 60 | 7.0 |
设计出水 | 50 | 10 | 15 | 5 | 0.5 |
步骤1:原始数据积累:按照污水处理系统实际运行情况,采集第一反应池的碳源加药量、进水水量、进水硝氮浓度和出水硝氮浓度。
采集第二反应池中50天的相关运行参数数据,形成参数序列。第二反应池的相关运行参数数据包括第二好氧池的碳源加药量、进水水量、ORP(氧化还原点位)、进水TN浓度、进水硝氮浓度、进水悬浮物浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、出水硝氮浓度、回流比、水温。
步骤2:第一反应池代表硝氮去除负荷及代表碳源加药量计算;分析步骤1中采集的第一反应池的连续30天的运行数据,通过第一反应池的进水水量、进水硝氮浓度和出水硝氮浓度核算第一反应池的硝氮去除负荷,求得连续30天的硝氮去除负荷均值μ1′与标准差σ1′,以30天内(μ1′+3σ1′)作为其代表硝氮去除负荷L′;以同样方法核算第一反应池代表碳源加药量QO。
步骤3:第二反应池的响应参数选取;计算第二反应池碳源加药量与第二反应池各个相关运行参数之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为曝气量与各个相关运行参数之间的相关系数,根据相关系数的大小判断各个相关运行参数对第二反应池碳源加药量影响的大小。
步骤4:第二反应池的响应参数筛选;相关系数计算结果如表4所示,其中回流比和水温为对第二反应池碳源加药量影响小的相关运行参数数据,将其删除;其它为对第二反应池碳源加药量影响大的相关运行参数数据,为响应参数。单独采集第二反应池池中的进水硝氮浓度,并将进水氨氮浓度添加为响应参数。
表4.曝气量与各相关运行参数之间的相关系数
步骤5:第二反应池的碳源加药模型拟合;以第二反应池的碳源加药量为输出值,以保留的第二反应池的响应参数为输入值,利用1stopt软件拟合形成第二反应池的理论碳源加药量函数模型;
步骤6:第一反应池理论出水氨氮核算;两级污水处理系统实际运行后,根据第一反应池的实际的进水流量、实际的硝氮浓度及步骤2核算的第一反应池代表硝氮去除负荷和代表碳源加药量,核算出第一反应池理论出水硝氮NOT;
步骤7:第二反应池理论碳源加药量获取;两级污水处理系统实际运行后,利用第一反应池理论出水硝氮浓度NOT作为第二反应池的进水硝氮浓度输入到第二反应池的理论碳源加药量函数模型,并配合其它实际测量的响应参数的数据求得第二反应池的理论曝气碳源加药量QOT。
步骤8:第二反应池理论碳源加药量修正;以设置的出水硝氮指标6mg/L为基准进行后馈补偿,当第二反应池的实际的出水硝氮值NOe满足|NOe-6|≤0.6mg/L时,不进行后馈补偿,当NOe-6>0.6mg/L时,则设置补偿系数k为1.2;当6-N3>0.6mg/L,设置补偿系数k为0.9;输出实际的曝气量QB=kQOT;
步骤9:第二反应池模型矫正;每间隔30天,以30天内积累的数据,构建QB-QOT的损失函数,采用梯度下降算法矫正第二反应池理论碳源加药量函数模型的相关系数,使损失函数最小,重复步骤2到步骤9。
该污水厂采用智能加药后,进出水TN如图2所示,其中进水TN浓度为第一反应池的进水TN浓度,一级出水TN浓度为第一反应池的出水TN浓度,二级出水TN浓度为第二反应池的出水TN浓度。从处理效果上看,在进水TN均值和标准差分别为47.10mg/L、8.15的基础上,出水TN均值和标准差分别为10.50mg/L、1.47。进出水TN变异系数分别为0.17、0.14。=从运行成本上看,智能控制通过按需调整碳源加药量,实现了明显的药剂节省,相比人工控制加药成本降低24%。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (6)
1.一种两级污水处理系统的智能控制方法,其特征在于:两级污水处理系统包括进水管路、生化池、出水管路,所述的生化池包括相连接的第一反应池和第二反应池;
智能曝气设置方法包括以下步骤;
步骤1:原始数据积累:按照污水处理系统实际运行情况,采集第一反应池连续30天的运行数据;
若所述的生化池为好氧池时,则采集第一反应池的运行数据包括曝气量、进水水量、进水氨氮浓度和出水氨氮浓度数据。
若所述的生化池为缺氧池时,则采集第一反应池的运行数据包括碳源加药量、进水水量、进水硝氮浓度和出水硝氮浓度;
采集第二反应池中的相关运行参数数据,形成参数序列;
若所述的生化池为好氧池时,则第二反应池的相关运行参数数据包括第二反应池的曝气量、进水水量、溶解氧量、进水氨氮浓度、进水悬浮物浓度、进水TN浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、回流比、水温和气压;
若所述的生化池为缺氧池时,则第二反应池的相关运行参数包括第二反应池的碳源加药量、进水水量、氧化还原点位、进水TN浓度、进水硝氮浓度、进水悬浮物浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、出水硝氮浓度、回流比、水温和气压;
步骤2:第一反应池代表污染物去除负荷及代表曝气量/碳源加药量计算;
若所述的生化池为好氧池时,则分析步骤1中采集的第一反应池的连续30天的运行数据,通过第一反应池的进水水量、进水氨氮浓度和出水氨氮浓度核算第一反应池的氨氮去除负荷,求得连续30天的氨氮去除负荷均值μ1与标准差σ1,以30天内(μ1+3σ1)作为其代表氨氮去除负荷L,以同样方法核算第一反应池代表曝气量QH;
若所述的生化池为缺氧池时,则分析步骤1中采集的第一反应池连续30天的运行数据,通过第一反应池的进水水量、进水硝氮浓度和出水硝氮浓度核算第一反应池的硝氮去除负荷,求得联系30天的硝氮去除负荷均值μ1′与标准差σ1′,以30天内(μ1′+3σ1′)作为其代表硝氮去除负荷L′;以同样方法核算第一反应池代表碳源加药量QO;
步骤3:第二反应池的响应参数选取;
若所述的生化池为好氧池时,则计算第二反应池的曝气量与第二反应池的其它各个相关运行参数之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为曝气量与各个相关运行参数之间的相关系数,根据相关系数的大小判断各个相关运行参数对曝气量影响的大小;
若所述的生化池为缺氧池时,则计算第二反应池的碳源加药量与第二反应池的其它各个相关运行参数之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为碳源加药量与各个相关运行参数之间的相关系数,根据相关系数的大小判断各个相关运行参数对碳源加药量影响的大小;
步骤4:第二反应池的响应参数筛选;
若所述的生化池为好氧池时,则将对第二反应池的曝气量影响大的第二反应池的相关运行参数保留作为响应参数,将对第二反应池的曝气量影响小的相关运行参数删除;单独采集第二反应池中的进水氨氮浓度,并将第二反应池的进水氨氮浓度添加为响应参数;
若所述的生化池为缺氧池时,则将对第二反应池的碳源加药量影响大的第二反应池的相关运行参数保留作为响应参数,将对第二反应池碳源加药量小的相关运行参数删除;单独采集第二反应池中的进水硝氮浓度,并将第二反应池进水硝氮浓度添加作为响应参数;
步骤5:第二反应池控制模型拟合;
若所述的生化池为好氧池时,则以第二反应池的曝气量为输出值,以保留的第二反应池的响应参数为输入值,利用数据拟合工具拟合形成第二反应池的理论曝气量函数模型;
若所述的生化池为缺氧池时,则以第二反应池的碳源加药量为输出值,以保留的第二反应池的响应参数为输入值,利用数据拟合工具拟合形成第二反应池的理论碳源加药量函数模型;
步骤6:第一反应池理论出水水质核算;
若所述的生化池为好氧池时,则两级污水处理系统实际运行后,根据第一反应池的实际的进水水量、实际的进出水氨氮浓度及步骤2核算的第一反应池的代表氨氮去除负荷和代表曝气量,核算出第一反应池的理论出水氨氮NHT;
若所述的生化池为缺氧池时,则两级污水处理系统实际运行后,根据第一反应池的实际的进水水量、实际的进出水硝氮浓度及步骤2核算的第一反应池的代表硝氮去除负荷和代表碳源加药量,核算出第一反应池的理论出水硝氮NOT;
步骤7:第二反应池理论控制参数获取;
若所述的生化池为好氧池时,则两级污水处理系统实际运行后,利用第一反应池的理论出水氨氮浓度NHT作为第二反应池进水氨氮浓度输入到第二反应池的理论曝气量函数模型,并配合其它实际测量的响应参数的数据求得第二反应池的理论曝气量QHT;
若所述的生化池为缺氧池时,则两级污水处理系统实际运行后,利用第一反应池的理论出水硝氮浓度NOT作为第二反应池进水硝氮浓度输入到第二反应池的理论碳源加药量函数模型,并配合其它实际测量的响应参数的数据求得第二反应池的理论碳源加药量QOT;
步骤8:第二反应池理论控制参数修正;
若所述的反应池为好氧池时,则设定控制出水氨氮指标为NHc,以控制出水氨氮指标为基准进行后馈补偿,当第二好氧池的实际的出水氨氮值NHe满足|NHe-NHc|≤10%NHc时,不进行后馈补偿;当NHe-NHc>10%NHc时,则设置补偿系数k为1.2;当NHc-NHe>10%NHc,设置补偿系数k为0.9;输出实际的曝气量为QA=kQHT;
若所述的反应池为缺氧池时,则设定控制出水硝氮指标为NOc,以控制出水硝氮指标为基准进行后馈补偿,当第二反应池的实际的出水硝氮值NOe满足|NOe-NOc|≤10%NOc时,不进行后馈补偿;当NOe-NOc>10%NOc时,则设置补偿系数k为1.2;当NOc-NOe>10%NOc,设置补偿系数k为0.9;输出实际的碳源加药量为QB=kQOT;
步骤9:第二反应池模型矫正;每间隔一定阶段,以本阶段内积累的数据,构建QA-QHT或者QB-QOT的损失函数,采用优化算法矫正第二反应池的理论曝气量函数模型或者理论碳源加药量函数模型的系数,使损失函数最小,重复步骤2到步骤9。
2.根据权利要求1所述的一种两级污水处理系统的智能控制方法,其特征在于,步骤1具体包括:
原始数据积累过程中,采集不小于30天的第二反应池的相关运行参数数据,每次采集的相关运行参数数据为一组相关运行参数数据。
3.根据权利要求1所述的一种两级污水处理系统的智能控制方法,其特征在于,步骤3具体包括:
若所述的反应池为好氧池时,则计算第二反应池曝气量与溶解氧量之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为曝气量与溶解氧量之间的相关系数,根据相关系数的大小判断溶解氧量对曝气量的影响的大小;以同样的方法计算第二反应池曝气量与进水水量、进水氨氮浓度、进水悬浮物浓度、进水TN浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、回流比、温度和气压之间的相关系数,并判断进水水量、进水氨氮浓度、进水悬浮物浓度、进水TN浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、回流比、温度和气压对第二反应池曝气量的影响的大小;
若所述的反应池为缺氧池时,则计算第二反应池的碳源加药量与氧化还原点位之间的皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数,以皮尔逊相关系数、余弦相似度、欧式距离及Sperman秩相关系数的平均值作为第二反应池的碳源加药量与氧化还原点位之间的相关系数,根据相关系数的大小判断氧化还原点位对第二反应池的碳源加药量影响的大小;以同样的方法计算第二反应池的碳源加药量与进水水量、进水TN浓度、进水硝氮浓度、进水悬浮物浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、出水硝氮浓度、回流比、水温和气压之间的相关系数,并判断进水水量、进水TN浓度、进水硝氮浓度、进水悬浮物浓度、进水化学需氧量、出水化学需氧量、出水TN浓度、出水硝氮浓度、回流比、水温和气压对第二反应池的碳源加药量影响的大小;
将所得的所有的相关系数从大到小进行排列为相关系数列,取相关系数列中前80%为显著相关系数,显著相关系数对应的相关运行参数数据为将对控制参数影响大的相关运行参数数据;取关系数列中后20%为非显著相关系数,非显著相关系数对应的相关运行参数数据为将对控制参数影响小的相关运行参数数据。
4.根据权利要求1所述的一种两级污水处理系统的智能控制方法,其特证在于,步骤5所述的数据拟合工具建议为1stopt软件。
5.根据权利要求1所述的一种两级污水处理系统的智能控制方法,其特证在于,当所述的反应池为好氧池时,设计出水氨氮值为NHs,步骤8所述的设置的控制出水氨氮指标NHc应满足NHs-NHc≥30%NHs。
当所述的反应池为缺氧池时,设计出水硝氮值为NOs,步骤8所述的设置的控制出水硝氮指标NOc应满足NOs-NOc≥30%NOs。
6.根据权利要求1所述的一种两级污水处理系统的智能控制方法,其特证在于,步骤9采用的优化算法为梯度下降或Adam算法或遗传算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310301002.3A CN116484584B (zh) | 2023-03-24 | 2023-03-24 | 一种两级污水处理系统的智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310301002.3A CN116484584B (zh) | 2023-03-24 | 2023-03-24 | 一种两级污水处理系统的智能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116484584A true CN116484584A (zh) | 2023-07-25 |
CN116484584B CN116484584B (zh) | 2024-03-29 |
Family
ID=87214682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310301002.3A Active CN116484584B (zh) | 2023-03-24 | 2023-03-24 | 一种两级污水处理系统的智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116484584B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120079899A (ko) * | 2011-01-06 | 2012-07-16 | 주식회사 에코니티 | 혐기조 및 반송라인과 결합된 2단탈질 방식의 엠비알 폐수처리 장치 |
CN103864209A (zh) * | 2014-04-09 | 2014-06-18 | 中持(北京)水务运营有限公司 | 反硝化深床滤池碳源智能精密投加系统 |
CN106745707A (zh) * | 2016-12-30 | 2017-05-31 | 天津创业环保集团股份有限公司 | 一种污水处理污泥物料平衡的控制系统及控制方法 |
CN111170456A (zh) * | 2020-01-20 | 2020-05-19 | 青岛思普润水处理股份有限公司 | 基于mbbr的无亚氮积累的canon系统及运行方法 |
CN111762958A (zh) * | 2020-05-12 | 2020-10-13 | 中铁第四勘察设计院集团有限公司 | 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置 |
CN112062179A (zh) * | 2020-08-24 | 2020-12-11 | 华南理工大学 | 用于造纸污水处理ghg减排的溶解氧分层优化控制方法 |
JP2021159890A (ja) * | 2020-04-02 | 2021-10-11 | 栗田工業株式会社 | 好気性生物処理方法および装置 |
CN114132980A (zh) * | 2022-01-27 | 2022-03-04 | 广东省广业环保产业集团有限公司 | 用于污水处理的短程智能精确曝气控制方法、设备及系统 |
CN114275912A (zh) * | 2021-12-25 | 2022-04-05 | 盐城工学院 | 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 |
-
2023
- 2023-03-24 CN CN202310301002.3A patent/CN116484584B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120079899A (ko) * | 2011-01-06 | 2012-07-16 | 주식회사 에코니티 | 혐기조 및 반송라인과 결합된 2단탈질 방식의 엠비알 폐수처리 장치 |
CN103864209A (zh) * | 2014-04-09 | 2014-06-18 | 中持(北京)水务运营有限公司 | 反硝化深床滤池碳源智能精密投加系统 |
CN106745707A (zh) * | 2016-12-30 | 2017-05-31 | 天津创业环保集团股份有限公司 | 一种污水处理污泥物料平衡的控制系统及控制方法 |
CN111170456A (zh) * | 2020-01-20 | 2020-05-19 | 青岛思普润水处理股份有限公司 | 基于mbbr的无亚氮积累的canon系统及运行方法 |
JP2021159890A (ja) * | 2020-04-02 | 2021-10-11 | 栗田工業株式会社 | 好気性生物処理方法および装置 |
CN111762958A (zh) * | 2020-05-12 | 2020-10-13 | 中铁第四勘察设计院集团有限公司 | 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置 |
CN112062179A (zh) * | 2020-08-24 | 2020-12-11 | 华南理工大学 | 用于造纸污水处理ghg减排的溶解氧分层优化控制方法 |
CN114275912A (zh) * | 2021-12-25 | 2022-04-05 | 盐城工学院 | 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 |
CN114132980A (zh) * | 2022-01-27 | 2022-03-04 | 广东省广业环保产业集团有限公司 | 用于污水处理的短程智能精确曝气控制方法、设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116484584B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elawwad et al. | Plant-wide modeling and optimization of a large-scale WWTP using BioWin’s ASDM model | |
CN100361909C (zh) | A/o生物脱氮反应器、硝化过程的调节方法及其在线模糊控制装置、方法 | |
CN111847634A (zh) | 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 | |
CN111398548B (zh) | 一种基于植物作用的表面流湿地水体氮磷浓度预测方法 | |
CN112875859A (zh) | 基于aoa工艺的污水脱氮除磷控制系统 | |
CN113044973B (zh) | 一种污水处理控制系统及出水tn控制方法 | |
CN110577278B (zh) | 预测氧化沟池型aao工艺溶解氧浓度空间分布的方法及介质 | |
CN105439285A (zh) | 一种污水处理的调控方法 | |
CN111762958A (zh) | 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置 | |
CN109279695A (zh) | 一种ao工艺反硝化碳源投加优化控制装置 | |
CN114565154A (zh) | 一种渗滤液生化段碳源投加量的预测方法及优化算法 | |
Awad et al. | Comparative assessment of different scenarios for upgrading activated sludge wastewater treatment plants in developing countries | |
CN116484584B (zh) | 一种两级污水处理系统的智能控制方法 | |
CN113860633A (zh) | 一种高速公路服务区一体化污水处理装置与方法 | |
CN110655176B (zh) | 一种基于聚类的污水处理曝气量前馈控制方法 | |
Katsogiannis et al. | Adaptive optimization of a nitrifying sequencing batch reactor | |
CN111087073A (zh) | 一种基于同步硝化反硝化机制的污水处理生化需氧控制系统及方法 | |
Bury et al. | Dynamic simulation of chemical industry wastewater treatment plants | |
CN212425586U (zh) | 一种基于同步硝化反硝化机制的生化需氧控制系统 | |
McKinney | Design and operational model for complete mixing activated sludge system | |
CN113003692A (zh) | 一种基于案例推理的城市污水处理脱氮过程加药控制方法 | |
CN116253446B (zh) | 一种污水处理智能曝气设置方法 | |
JPH05169089A (ja) | 硝化脱窒プロセスシミュレータ | |
CN114291912B (zh) | 基于生物数学模型的污水处理曝气系统改造方法 | |
CN216584395U (zh) | 一种加碳脱氮控制结构 |
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 |