CN117172157A - 一种间歇曝气一体化mbr建模及控制方法 - Google Patents
一种间歇曝气一体化mbr建模及控制方法 Download PDFInfo
- Publication number
- CN117172157A CN117172157A CN202311194360.5A CN202311194360A CN117172157A CN 117172157 A CN117172157 A CN 117172157A CN 202311194360 A CN202311194360 A CN 202311194360A CN 117172157 A CN117172157 A CN 117172157A
- Authority
- CN
- China
- Prior art keywords
- model
- intermittent aeration
- integrated mbr
- modeling
- dissolved oxygen
- 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
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000005273 aeration Methods 0.000 title claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 60
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 49
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 49
- 239000001301 oxygen Substances 0.000 claims abstract description 49
- 239000010865 sewage Substances 0.000 claims abstract description 43
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 31
- 101100436085 Caenorhabditis elegans asm-3 gene Proteins 0.000 claims abstract description 30
- 239000010802 sludge Substances 0.000 claims abstract description 27
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 25
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 17
- 239000012530 fluid Substances 0.000 claims abstract description 12
- 238000005094 computer simulation Methods 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 claims abstract description 9
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 8
- 238000013178 mathematical model Methods 0.000 claims abstract description 7
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 238000013480 data collection Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000000126 substance Substances 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 11
- 238000005842 biochemical reaction Methods 0.000 claims description 10
- 239000003344 environmental pollutant Substances 0.000 claims description 10
- 231100000719 pollutant Toxicity 0.000 claims description 10
- 241000894006 Bacteria Species 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 7
- 239000000758 substrate Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 229910052717 sulfur Inorganic materials 0.000 claims description 4
- 229910002651 NO3 Inorganic materials 0.000 claims description 3
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 claims description 3
- 230000001684 chronic effect Effects 0.000 claims description 3
- 229910001873 dinitrogen Inorganic materials 0.000 claims description 3
- 230000031852 maintenance of location in cell Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- NHNBFGGVMKEFGY-UHFFFAOYSA-N nitrate group Chemical group [N+](=O)([O-])[O-] NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 3
- 230000001546 nitrifying effect Effects 0.000 claims description 3
- 239000002846 particulate organic matter Substances 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 3
- 238000010992 reflux Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 description 11
- 230000002060 circadian Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000003814 drug Substances 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 organic matters Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明涉及污水智能控制技术领域，具体涉及一种间歇曝气一体化MBR建模及控制方法，包括：数据收集处理；对间歇曝气一体化MBR进行流体动力学分析，建立活性污泥模型；结合流体动力学分析与ASM3模型，建立间歇曝气一体化MBR数学模型；间歇曝气一体化MBR按要求完成流体动力学从与ASM3模型耦合，完成整个工艺建模；对模型进行稳态模拟、动态模拟、敏感性分析、参数矫正；设置天气模式、昼夜模式；模型验证；模型进行自我学习和自我矫正输出最佳间歇曝气比实现最优溶解氧控制、碳源投加控制，实现水厂前馈控制、智慧控制、自学习自适应，在现有工艺设备的基础上，实现最大的污水处理效率，降低污水厂运行能耗，节约运营成本。
Description
技术领域
本发明涉及污水智能控制技术领域，具体涉及一种间歇曝气一体化MBR建模及控制方法。
背景技术
当前，在各个层面都强调保护水资源和加强污水处理，全国新建了许多大大小小的污水厂，在水污染治理方面取得了不错的成效，但是许多的污水处理厂依然是手动控制或半自动控制，智能化、自动化程度不高，升级改造的必要性很大。在当前信息技术的飞速发展背景下，利用人工智能实现污水厂智能化、自动化的应用将会越来越广。
一体化MBR由于其有效容积大、耐冲击负荷、污泥龄较长，具有污染物去除效果好、脱氮除磷佳、出水水质好、剩余污泥少、占地面积小等优点，故而自从诞生以来被广泛应用。ASM3活性污泥模型自研发以来就不断应用于污水厂生化反应控制和仿真，是水污染模拟仿真先进理论的代表，对工艺设计和运行工况提供指导建议；MBR通过间歇曝气可将其分为好氧、缺氧、厌氧段，进而进行生化反应分析；利用comsol进行流体动力学分析，建立CFD模型可以对反应器内各相态进行准确模拟分析；将ASM3与CFD二者耦合，加入人工神经网络自学习形成一种智能控制方法，并结合在线精密仪器监测，完成对污水处理厂的仿真模拟与控制。该智能控制方法可真正意义上实现对曝气、碳源投加的前馈控制、智能控制、自主学习、自动矫正，精准指导污水厂的生产运行，最大限度发挥现有工艺设备的作用。
综上所述，一种间歇曝气一体化MBR建模及控制方法可为污水处理厂智能化控制系统改造及优化提供技术指导，实现更高的污水处理效率，降低污水厂的运行能耗，节约运行成本。
发明内容
本发明的目的在于提供一种间歇曝气一体化MBR建模及控制方法，模型进行自我学习和自我矫正输出最佳间歇曝气比实现最优溶解氧控制、碳源投加控制，实现水厂前馈控制、智慧控制、自学习自适应，在现有工艺设备的基础上，实现最大的污水处理效率，降低污水厂运行能耗，节约运营成本。
为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：
一种间歇曝气一体化MBR污水处理工艺建模及控制方法，包括以下步骤：
S1：数据收集处理；
S2：对间歇曝气一体化MBR进行流体动力学分析，建立活性污泥(ASM3)模型；
S3：将溶氧传质系数KLa转化为溶解氧，根据物质数量模型的建模原则，结合流体动力学分析与活性污泥(ASM3)模型，建立间歇曝气一体化MBR模型；
S4：间歇曝气一体化MBR按工艺要求完成流体动力学(CFD)模型与生化反应(ASM3)模型耦合，完成整个工艺建模；
S5：对工艺模型进行稳态模拟、动态模拟、灵敏度分析、参数矫正；
S6：设置天气模式和昼夜模式；
S7：模型验证及校正；
S8：模型进行自我学习和自我矫正；
S9：输出最优溶解氧控制、碳源投加控制。
进一步的，所述步骤1数据包括流量、化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N和pH值，所述处理为将上述数据拆分成活性污泥(ASM3)模型所需13种组分。
进一步的，所述步骤2对间歇曝气一体化MBR进行流体动力学分析是由于间歇曝气使一体化MBR集好养、厌氧、缺氧于一体，好养、厌氧、缺氧过程均在反应器内部发生，通过流体动力学(CFD)模型分析，包括构建一体化MBR的几何结构，考虑包括物理场、重力和压力因素进行网格化，计算溶氧分布；同时通过软件建立活性污泥(ASM3)模型，包括建立基本速率方程，建立组分总速率方程，方程联立以及参数输入。
进一步的，所述步骤3物质数学模型的建模原则为：
式1中，V为反应器体积，单位为m3；ρj,in为组分j的质量浓度，单位为g/m3；qv,in为流入流量，单位为m3/d；qv,out为流出流量，单位为m3/d；rj,n为组分j在第n个反应中浓度变化速率。
进一步的，所述步骤3溶解氧DO浓度随时间的变化速率为：
式2中，SO为溶解氧浓度，SO,S为饱和溶解氧浓度，KLa为氧传质系数。
进一步的，所述步骤3通过间歇曝气将一体化MBR划分为好氧段、厌氧段、缺氧段三个时段，下面是结合ASM3号模型编写的三个时段的模型，与ASM2D模型不一样，原理、过程不同，参数设置及取值也有很大区别。
所述好氧段模型包括以下微分方程：
所述厌氧段模型包括以下微分方程：
所述缺氧段模型包括以下微分方程：
上述各式中，qin为综合进水流量，其中包括进水流量以及污泥回流量；qout为间歇曝气一体化MBR工艺出水流量；V表示各反应器容积；i为各反应段标号。t为反应时间，KLa为溶解氧传质系数；ASM3数学模型包含13种组分以及12个过程速率。ρi表示各反应过程，SO为溶解氧、SS为易生物降解有机底物、SNH4为氨氮、SN2为氮气、SNOX为硝酸盐及亚硝酸盐、SALK为碱度、XI为惰性颗粒性有机物、XS为慢性可生物降解底物、XSTO为异养菌的胞内贮存产物、XA为硝化菌、XSS为悬浮固体、XH为异氧菌。
进一步的，步骤4结合前面的所做的流体动力学模型及ASM3模型，有效的将二者耦合，后对污水中污染物质进行研究，实现更高效的处理。
进一步的，步骤5在模型耦合后，对模型进行稳态模拟、动态模拟、敏感性分析、参数矫正，模拟污染物去除真实状况，对其中的参数进行分析，对影响较大的敏感参数进行矫正，使模型与实际情况吻合。
进一步的，步骤6在前面所做工作的基础上，加上天气条件和昼夜模式，天气模式通过近五年的进水数据整理分析，并利用调研情况，设置天气条件，包括干旱、暴雨、冬天的一种或多种。研究这两个方面对模型的影响，以便在不同天气与昼夜条件下开发出适合不同天气条件及昼夜模式的模型。
进一步的，步骤7在模型建好的基础上，需要对模型进行验证和校正，对比实际情况，看此模型应用效果如何，同时可能还需要对其进行相应的校正。
进一步的，步骤8在模型验证及校正的基础上，本发明的模型还具有自主学习和自我矫正的功能，模型会自主进行迭代计算，每一次计算结束，若出现更优值，则会将原有值覆盖，完成自学习，同时该计算会循环往复，直至有新的最优值出现。同理，自我矫正是将敏感参数在给定范围内随机变型，不断进行迭代计算，存储最优值，进行自我矫正的过程。
进一步的，步骤9是通过迭代计算最优溶解氧值和碳源值后，系统会按照得出的最优值自动曝气和投加碳源，在满足水厂当地水排放标准的情况下、现有设施装备的基础上，通过系统的改造，实现曝气和碳源的优化控制，给予最小的曝气量和碳源投加量，最大限度为水厂节省电耗、药耗、能耗，节约运行成本。
进一步的，所述出水水质严格对照云南省昆明市严于国标《城镇污水处理厂污染物排放标准》(GB18918-2002)中一级A标准的地方标准。
本发明的有益效果：
本发明所采用的活性污泥ASM3号模型较之一种一体式MBR污水处理工艺建模及智能控制方法所采用的活性污泥ASM2D模型理论更为先进，即内源呼吸理论，更加注重微生物体内的反应过程及微生物在污水中生命活动的描述，对于间歇曝气下的MBR工艺中的微生物生命活动描述更为准确恰当，因此可以更清楚间歇曝气MBR中的生化反应过程。在此基础上，本发明较之一种一体式MBR污水处理工艺建模及智能控制方法增加了两个步骤，一个是动态模拟，可以模拟动态变化下的污水处理情况，一种一体式MBR污水处理工艺建模及智能控制方法则并没有涉及到动态模拟这一块内容，只能实现静态模拟，不够完整。另一个是模型验证及校正，在完成前面的工作的基础上，需要对模型进行验证及校正，如此，才能及时调整，摸索出更适合间歇曝气的MBR工艺ASM3号模型，实现真正意义上的有效模拟。通过使用更为先进的ASM3号理论模型，在一种一体式MBR污水处理工艺建模及智能控制方法的基础上加上动态模拟与模型验证及校正，可以更清楚MBR中微生物生命活动情况与生化反应过程，实现比一种一体式MBR污水处理工艺建模及智能控制方法更为精准的曝气控制与碳源投加控制。下面是具体的技术优势。
实现智能控制：通过将流体动力学分析与ASM3模型耦合，可以准确预测和模拟污水处理过程中的氧传质、生化反应等关键参数，并通过人工神经网络的自学习功能，从历史数据中学习并优化控制策略。这样的智能控制系统可以实时调整间歇曝气比和碳源投加量，以实现最佳溶解氧控制和碳源供应，提高处理效率。
自适应调节能力：通过模型的自我学习与自我矫正功能，系统可以根据不同的运行条件和水质要求，自动调节间歇曝气比和碳源投加量，实现污水处理工艺的自适应调节。这意味着系统可以及时响应变化的进水特性和水质情况，以保持工艺的高效性和稳定性。
降低运行成本：智能控制系统可以优化污水处理工艺，最大限度地减少曝气和碳源投加量，从而降低能耗、药耗和运行成本。通过精确控制和优化，系统可以避免不必要的能源和化学药剂的浪费，提高资源利用效率，并延长设备的使用寿命，减少维护和运维成本。
提高水质标准：该方法严格按照云南省昆明市严于国标的地方标准进行水质控制，确保出水水质达到一级A标准。智能控制系统通过精确的溶解氧控制、碳源投加控制和污泥回流控制等手段，可以有效去除污水中的有机物、氮、磷等污染物，达到更高的处理效果。同时，系统还具备实时监测和报警功能，能够及时发现和处理异常情况，保证水质稳定可靠。
综上所述，该间歇曝气一体化MBR建模及控制方法通过智能化、自适应控制，实现了更高的污水处理效率、降低了运行成本，并能够保证出水水质达标，具有重要的技术和经济价值，为污水处理厂的智能化改造和优化提供了有力的技术支持。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的整体建模流程图；
图2为本发明的自我矫正逻辑图；
图3为活性污泥(ASM3)模型部分封装形式示意图。
具体实施方式
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清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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它实施例，都属于本发明保护的范围。
实施例1
如图1-3所示
本实施例所述的一种间歇曝气一体化MBR污水处理工艺建模及控制方法，包括以下步骤：
S1：数据收集处理；
S2：对间歇曝气一体化MBR进行流体动力学分析，建立活性污泥(ASM3)模型；
S3：将溶氧传质系数KLa转化为溶解氧，根据物质数量模型的建模原则，结合流体动力学分析与活性污泥(ASM3)模型，建立间歇曝气一体化MBR模型；
S4：间歇曝气一体化MBR按工艺要求完成流体动力学(CFD)模型与生化反应(ASM3)模型耦合，完成整个工艺建模；
S5：对工艺模型进行稳态模拟、动态模拟、灵敏度分析、参数矫正；
S6：设置天气模式和昼夜模式；
S7：模型验证及校正；
S8：模型进行自我学习和自我矫正；
S9：输出最优溶解氧控制、碳源投加控制。
在本实施例中，所述步骤1数据包括流量、化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N和pH值，所述处理为将上述数据拆分成活性污泥(ASM3)模型所需13种组分。
在本实施例中，所述步骤2对间歇曝气一体化MBR进行流体动力学分析是由于间歇曝气使一体化MBR集好养、厌氧、缺氧于一体，好养、厌氧、缺氧过程均在反应器内部发生，通过流体动力学(CFD)模型分析，包括构建一体化MBR的几何结构，考虑包括物理场、重力和压力因素进行网格化，计算溶氧分布；同时通过软件建立活性污泥(ASM3)模型，包括建立基本速率方程，建立组分总速率方程，方程联立以及参数输入。
在本实施例中，所述步骤3物质数学模型的建模原则为：
式1中，V为反应器体积，单位为m3；ρj,in为组分j的质量浓度，单位为g/m3；qv,in为流入流量，单位为m3/d；qv,out为流出流量，单位为m3/d；rj,n为组分j在第n个反应中浓度变化速率。
在本实施例中，所述步骤3溶解氧DO浓度随时间的变化速率为：
式2中，SO为溶解氧浓度，SO,S为饱和溶解氧浓度，KLa为氧传质系数。
在本实施例中，所述步骤3通过间歇曝气将一体化MBR划分为好氧段、厌氧段、缺氧段三个时段。
所述好氧段模型包括以下微分方程：
所述厌氧段模型包括以下微分方程：
所述缺氧段模型包括以下微分方程：
上述各式中，qin为综合进水流量，其中包括进水流量以及污泥回流量；qout为间歇曝气一体化MBR工艺出水流量；V表示各反应器容积；i为各反应段标号。t为反应时间，KLa为溶解氧传质系数；ASM3数学模型包含13种组分以及12个过程速率。ρi表示各反应过程，SO为溶解氧、SS为易生物降解有机底物、SNH4为氨氮、SN2为氮气、SNOX为硝酸盐及亚硝酸盐、SALK为碱度、XI为惰性颗粒性有机物、XS为慢性可生物降解底物、XSTO为异养菌的胞内贮存产物、XA为硝化菌、XSS为悬浮固体、XH为异氧菌。
在本实施例中，步骤4结合前面的所做的流体动力学模型及ASM3模型，有效的将二者耦合，后对污水中污染物质进行研究，实现更高效的处理。
在本实施例中，步骤5在模型耦合后，对模型进行稳态模拟、动态模拟、敏感性分析、参数矫正，模拟污染物去除真实状况，对其中的参数进行分析，对影响较大的敏感参数进行矫正，使模型与实际情况吻合。
在本实施例中，步骤6在前面所做工作的基础上，加上天气条件和昼夜模式，天气模式通过近五年的进水数据整理分析，并利用调研情况，设置天气条件，包括干旱、暴雨、冬天的一种或多种。研究这两个方面对模型的影响，以便在不同天气与昼夜条件下开发出适合不同天气条件及昼夜模式的模型。
在本实施例中，步骤7在模型建好的基础上，需要对模型进行验证和校正，对比实际情况，看此模型应用效果如何，同时可能还需要对其进行相应的校正。
在本实施例中，步骤8在模型验证及校正的基础上，本发明的模型还具有自主学习和自我矫正的功能，模型会自主进行迭代计算，每一次计算结束，若出现更优值，则会将原有值覆盖，完成自学习，同时该计算会循环往复，直至有新的最优值出现。同理，自我矫正是将敏感参数在给定范围内随机变型，不断进行迭代计算，存储最优值，进行自我矫正的过程。
在本实施例中，步骤9是通过迭代计算最优溶解氧值和碳源值后，系统会按照得出的最优值自动曝气和投加碳源，在满足水厂当地水排放标准的情况下、现有设施装备的基础上，通过系统的改造，实现曝气和碳源的优化控制，给予最小的曝气量和碳源投加量，最大限度为水厂节省电耗、药耗、能耗，节约运行成本。
在本实施例中，所述出水水质严格对照云南省昆明市严于国标《城镇污水处理厂污染物排放标准》(GB18918-2002)中一级A标准的地方标准。
实施例2
如本实施例所述的一种间歇曝气一体化MBR建模及控制方法，包括如下步骤：
S1：数据收集处理；
所述数据包括流量、化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N和pH值，所述处理为将上述数据拆分成活性污泥(ASM3)模型所需13种组分。
S2：对间歇曝气一体化MBR反应器进行流体动力学分析，建立活性污泥(ASM3)模型；
由于间歇曝气使一体化MBR集好养、厌氧、缺氧于一体，好养、厌氧、缺氧过程均在反应器内部发生，通过流体动力学(CFD)模型分析，包括构建一体化MBR的几何结构，考虑包括物理场、重力和压力因素进行网格化，计算溶氧分布；同时通过软件建立活性污泥(ASM3)模型，包括建立基本速率方程，建立组分总速率方程，方程联立以及参数输入。
S3：结合活性污泥(ASM3)模型对一体化MBR反应器内的好氧、厌氧、缺氧区段进行建模。
其中所涉及到的物质数量模型的建模原则为：
式1中，V为反应器体积，单位为m3；ρj,in为组分j的质量浓度，单位为g/m3；qv,in为流入流量，单位为m3/d；qv,out为流出流量，单位为m3/d；rj,n为组分j在第n个反应中浓度变化速率；
所涉及到氧溶解氧DO浓度随时间的变化速率为：
式2中，SO为溶解氧浓度，SO,S为饱和溶解氧浓度，KLa为氧传质系数。
其中ASM3模型存在以下限制：
1、该模型只对城镇污水有效；
2、PH应在6.5-7.5范围内；
3、对厌氧区占比很大的反应器的模拟将导致严重误差；
4、碱度必须由碳酸氢盐控制
S4：间歇曝气一体化MBR按工艺要求完成流体动力学(CFD)模型与生化反应(ASM3)模型耦合；
要达到模型控制的要求，需要对整个膜工艺进行数学建模，将里面包含模块耦合。建立工艺模型需考虑理想数学计算与实际工业过程的区别，需要考虑实际检测水质数据和模型计算特征组分的换算，以及复杂生化反应过程的反应组分
S5：对工艺模型进行稳态模拟、灵敏度分析、参数矫正；
在模型耦合后，以实际情况作为参照对模型进行稳态模拟、动态模拟、敏感性分析、参数矫正，模拟污染物去除真实状况，对其中的参数进行分析，对影响较大的敏感参数进行调整，使模型与实际情况相吻合。
S6：设置天气模式和昼夜模式；
在前面所做工作的基础上，加上天气条件和昼夜模式，天气模式通过近五年的进水数据整理分析，并利用调研情况，设置天气条件，包括干旱、暴雨、冬天的一种或多种。研究这两个方面对模型的影响，以便在不同天气与昼夜条件下开发出适合不同天气条件及昼夜模式的模型。
S7：模型验证及校正；
在模型建好的基础上，需要对模型进行验证和校正，看看此模型适用效果如何，同时可能还需要对其进行相应的校正。
S8：模型进行自我学习自我矫正；
在进行模型验证及校正后，本发明的模型还具有自主学习和自我矫正的功能，模型会自主进行迭代计算，每一次计算结束，若出现更优值，则会将原有值覆盖，完成自学习，同时该计算会循环往复，直至有新的最优值出现。同理，自我矫正是将敏感参数在给定范围内随机变型，不断进行迭代计算，存储最优值，进行自我矫正的过程。。
S9：输出最优溶解氧控制、碳源投加控制；
通过迭代计算最优溶解氧值和碳源值后，系统会按照得出的最优值自动曝气和投加碳源，在满足水厂当地水排放标准的情况下、现有设施装备的基础上，通过系统的改造，实现曝气和碳源的优化控制，给予最小的曝气量和碳源投加量，最大限度为水厂节省电耗、药耗、能耗，节约运行成本。
综上所述本发明通过建立活性污泥(ASM3)模型结合反应器内的流体动力学(CFD)模型，融入人工神经网络自主学习新思路，结合精密在线监测仪器，建立了一种间歇曝气一体化MBR工艺智能控制系统，完成对间歇曝气一体化MBR工艺的仿真与控制。
本发明可实现前馈控制、智能控制、自主学习、自适应矫正，精准指导生产运行，发挥现有工艺、设备、系统的最大作用，实现更高的污水处理效率，降低污水厂的运行能耗，节约运行成本。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种间歇曝气一体化MBR污水处理工艺建模及控制方法，其特征在于，包括以下步骤：
S1：数据收集处理；
S2：对间歇曝气一体化MBR进行流体动力学分析，建立活性污泥模型；
S3：将溶氧传质系数KLa转化为溶解氧，根据物质数量模型的建模原则，结合流体动力学分析与活性污泥模型，建立间歇曝气一体化MBR模型；
S4：间歇曝气一体化MBR按工艺要求完成流体动力学模型与生化反应模型耦合，完成整个工艺建模；
S5：对工艺模型进行稳态模拟、动态模拟、灵敏度分析、参数矫正，模拟污染物去除真实状况，对其中的参数进行分析，对影响较大的敏感参数进行矫正，使模型与实际情况吻合；
S6：设置天气模式和昼夜模式，通过近五年的进水数据整理分析，并利用调研情况，设置天气条件，包括干旱、暴雨、冬天的一种或多种；
S7：模型验证及校正；
S8：模型进行自我学习和自我矫正；
S9：输出最优溶解氧控制、碳源投加控制。
2.如权利要求1所述的间歇曝气一体化MBR污水处理工艺建模及控制方法，其特征在于：所述步骤2对间歇曝气一体化MBR进行流体动力学分析是由于间歇曝气使一体化MBR集好养、厌氧、缺氧于一体，好养、厌氧、缺氧过程均在反应器内部发生，通过流体动力学模型分析，包括构建一体化MBR的几何结构，考虑包括物理场、重力和压力因素进行网格化，计算溶氧分布；同时通过软件建立活性污泥模型，包括建立基本速率方程，建立组分总速率方程，方程联立以及参数输入。
3.如权利要求1所述的间歇曝气一体化MBR污水处理工艺建模及控制方法，其特征在于：所述步骤3物质数学模型的建模原则为：
式1中，V为反应器体积，单位为m3；ρj,in为组分j的质量浓度，单位为g/m3；qv,in为流入流量，单位为m3/d；qv,out为流出流量，单位为m3/d；rj,n为组分j在第n个反应中浓度变化速率；
溶解氧DO浓度随时间的变化速率为：
式2中，SO为溶解氧浓度，SO,S为饱和溶解氧浓度，KLa为氧传质系数。
4.如权利要求1所述的间歇曝气一体化MBR污水处理工艺建模及控制方法，其特征在于：所述步骤3通过间歇曝气将一体化MBR划分为好氧段、厌氧段、缺氧段三个时段；所述好氧段模型包括以下微分方程：
所述厌氧段模型包括以下微分方程：
所述缺氧段模型包括以下微分方程：
上述各式中，qin为综合进水流量，其中包括进水流量以及污泥回流量；qout为间歇曝气一体化MBR工艺出水流量；V表示各反应器容积；i为各反应段标号；t为反应时间，KLa为溶解氧传质系数；ASM3数学模型包含13种组分以及12个过程速率；ρi表示各反应过程，SO为溶解氧、SS为易生物降解有机底物、SNH4为氨氮、SN2为氮气、SNOX为硝酸盐及亚硝酸盐、SALK为碱度、XI为惰性颗粒性有机物、XS为慢性可生物降解底物、XSTO为异养菌的胞内贮存产物、XA为硝化菌、XSS为悬浮固体、XH为异氧菌。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311194360.5A CN117172157A (zh) | 2023-09-15 | 2023-09-15 | 一种间歇曝气一体化mbr建模及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311194360.5A CN117172157A (zh) | 2023-09-15 | 2023-09-15 | 一种间歇曝气一体化mbr建模及控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117172157A true CN117172157A (zh) | 2023-12-05 |
Family
ID=88939280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311194360.5A Pending CN117172157A (zh) | 2023-09-15 | 2023-09-15 | 一种间歇曝气一体化mbr建模及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117172157A (zh) |
-
2023
- 2023-09-15 CN CN202311194360.5A patent/CN117172157A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2021101438A4 (en) | Adaptive control method and system for aeration process | |
| US11530139B2 (en) | Type-2 fuzzy neural network-based cooperative control method for wastewater treatment process | |
| Daigger | A practitioner’s perspective on the uses and future developments for wastewater treatment modelling | |
| US20140052422A1 (en) | Method and system for wastewater treatment based on dissolved oxygen control by fuzzy neural network | |
| US20190359510A1 (en) | Cooperative optimal control method and system for wastewater treatment process | |
| CN108445757B (zh) | 一种基于动态多目标粒子群算法的污水处理过程优化控制方法 | |
| Do et al. | A design of higher-level control based genetic algorithms for wastewater treatment plants | |
| 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 | |
| CN111398548A (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 | |
| CN108319150A (zh) | 沼气系统全运行状态信息感知与最优控制系统及方法 | |
| CN101694586A (zh) | 基于混沌优化的支持向量机预测污水处理节能控制系统 | |
| CN117390549A (zh) | 一种城镇污水厂曝气控制方法 | |
| CN115356930A (zh) | 一种污水处理过程中的多目标优化控制系统及方法 | |
| CN116029612A (zh) | 一种基于深度学习的城镇污水厂外加碳源精准控制方法 | |
| Huang et al. | Energy consumption model for wastewater treatment process control | |
| CN102161551A (zh) | 前置反硝化污水处理过程的优化控制方法 | |
| CN113955854A (zh) | 一种氧化沟污水处理工艺建模及智能控制方法 | |
| Sulaiman et al. | Modeling anaerobic process for wastewater treatment: new trends and methodologies | |
| CN101201592A (zh) | 废水处理过程控制仿真方法及其仿真系统 | |
| CN117634707A (zh) | 一种低碳污水处理过程多指标建模与优化运行方法 | |
| Wang et al. | An online intelligent management method for wastewater treatment supported by coupling data-driven and mechanism models | |
| CN105912824A (zh) | 一种a2o生物池工艺建模方法 | |
| CN105138716B (zh) | 硝化及亚硝化过程的运行优化方法 | |
| Swarnalatha | Simulation and Analysis of Ammonium-Based Aeration Control Strategies to Enhance Efficiency in Wastewater Treatment Plant | |
| CN117172157A (zh) | 一种间歇曝气一体化mbr建模及控制方法 |
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 |