CN117682656B - 一种针对aao污水处理工艺气量计算及控制系统和方法 - Google Patents
一种针对aao污水处理工艺气量计算及控制系统和方法 Download PDFInfo
- Publication number
- CN117682656B CN117682656B CN202410155837.7A CN202410155837A CN117682656B CN 117682656 B CN117682656 B CN 117682656B CN 202410155837 A CN202410155837 A CN 202410155837A CN 117682656 B CN117682656 B CN 117682656B
- Authority
- CN
- China
- Prior art keywords
- air
- blower
- value
- flow
- valve
- 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 97
- 230000008569 process Effects 0.000 title claims abstract description 83
- 239000010865 sewage Substances 0.000 title claims abstract description 43
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 84
- 239000001301 oxygen Substances 0.000 claims abstract description 84
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 84
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 66
- 238000005273 aeration Methods 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000005276 aerator Methods 0.000 claims abstract description 11
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 52
- 230000001105 regulatory effect Effects 0.000 claims description 43
- 230000001276 controlling effect Effects 0.000 claims description 29
- 229910003460 diamond Inorganic materials 0.000 claims description 14
- 239000010432 diamond Substances 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 14
- 239000007789 gas Substances 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 7
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 claims description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N nitrogen Substances N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000011112 process operation Methods 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000004065 wastewater treatment Methods 0.000 claims 1
- 230000009467 reduction Effects 0.000 abstract description 6
- 238000004134 energy conservation Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 10
- 230000010354 integration Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 239000010802 sludge Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000012369 In process control Methods 0.000 description 1
- 241000735234 Ligustrum Species 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009347 mechanical transmission Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 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
- Activated Sludge Processes (AREA)
Abstract
一种针对AAO污水处理工艺气量计算及控制系统和方法，属于污水处理领域，包括与进水管连通的厌氧池、与厌氧池连接的缺氧池、与缺氧池连接的好氧池、与好氧池连通的出水管，还包括设置在好氧池内的曝气器、与曝气器连接的空气支管、与若干空气支管连接的空气总管、与空气总管连接的若干鼓风机，好氧池设置有若干，空气总管和空气支管上设置有用于采集溶解氧、空气流量、空气压力的反馈信号采集单元。本发明提供的针对AAO污水处理工艺气量计算及控制系统和方法，通过曝气系统的精确运行，提高了污水处理过程的平稳性，确保了出水水质的稳定，大幅节约了曝气量,促进了节能减排，同时提高鼓风机房的自动化程度，节约了人力成本。
Description
技术领域
本发明属于污水处理领域，具体涉及一种针对AAO污水处理工艺气量计算及控制系统和方法。
背景技术
AAO(厌氧-缺氧-好氧）工艺是在20世纪70年代，由美国的一些污水处理专家在厌氧-好氧（Anarerobic-Oxic)法脱氮工艺的基础上，经历了Wuhrmann工艺、改良Ludzack-Ettinger工艺、Bardenpho工艺和PhoreDOx工艺几个阶段的基础开发的，其宗旨是开发一项能够同步脱氮除磷的污水处理工艺，国内从20世纪80年代初开始以A2/O工艺对污水生物脱氮除磷进行小试研究，并在八十年代末成功地应用于城市污水处理，目前已经积累了很多成功实践的经验。
在污水处理厂现行运行工艺中，多采用鼓风机给生物池供气的方式，鼓风机曝气电耗占到整污水处理厂全部电耗的45～50%左右,因此选择曝气量精确控制决定污水厂的处理效率和功耗高低，当曝气量小于需求值时，厌氧区内的消化反应会被抑制,反硝化过程不充分，系统脱氮功能降低，还会导致曝气池中丝状菌滋长，污泥膨胀，当曝气量较大的时候，曝气池中污泥沉降性能降低，且增加污水处理成本，曝气系统的节能主要解决曝气系统效率不高和过度曝气问题，选择效率较高的曝气设备和高效鼓风机是主要手段能解决系统效率不高的问题，采用DO控制能有效的减少氧过量供给的过度曝气问题，自动控制系统的科技发展，也为污水处理节能开辟了新的思路，DO控制转向采用模糊逻辑控制策略,以精确控制曝气池内的氧浓度，收到更为显著的节能效果。
污水处理传统管理流程主要依靠人工日常经验来操作工艺设备，因而工艺相对简单，但是随着不同工人的素质和经验不同，操作的结果也不同，并且人员素质和经验相对简单，对于相对复杂的工艺流程，一旦污水处理过于依靠工人的经验操作，容易产生失误，进而影响污水达标排放，导致污水处理厂系统不能很好的稳定工作，很难提高污水处理厂的生产规模和经济效益，许多污水处理的重要设备仍然采用手动操作的方式，或者部分采用自动控制，导致污水处理效率低，控制精度低，对于生化处理区域的精确曝气处理工艺的控制系统设计不完善，自动控制模式随着自控设备、技术、网络科技的发展取得了长足的进步和发展，污水处理厂采用先进的自动控制技术来处理污水，那么处理车间、泵站等会实现无人看守，节省劳动力，减少操作设备失误，同时保证了出水厂的水质稳定，因此研究设计一整套处理污水效果明显、处理污水效率高、运行稳定、自动化水平高的自动控制系统是势在必行的，本发明针对上述技术问题进行解决。
发明内容
本发明提供了一种针对AAO污水处理工艺气量计算及控制系统，通过曝气系统的精确运行，提高了污水处理过程的平稳性，确保了出水水质的稳定，大幅节约了曝气量,促进了节能减排，同时提高鼓风机房的自动化程度，节约了人力成本。
一种针对AAO污水处理工艺气量计算及控制系统，包括与进水管连通的厌氧池、与所述厌氧池连接的缺氧池、与所述缺氧池连接的好氧池、与所述好氧池连通的出水管，还包括设置在所述好氧池内的曝气器、与所述曝气器连接的空气支管、与若干所述空气支管连接的空气总管、与所述空气总管连接的若干鼓风机，所述好氧池设置有若干；
所述空气总管和空气支管上设置有用于空气流量、空气压力的反馈信号采集单元，所述进水管、所述厌氧池、所述好氧池末端连接有用于采集溶解氧、检测氨氮量、进水流量的前馈信号采集单元，所述反馈信号采集单元和所述前馈信号采集单元分别与精确曝气系统连接，所述精确曝气系统用于计算和调节曝气量，且与PLC柜连接。
进一步的，所述精确曝气系统包括用于对采集到的数据进行预处理的数据处理模块、用于根据预处理后的前馈信号和反馈信号计算出各个好氧池的需气量和总需气量的生物需气量计算模块、用于调节所述鼓风机输出气量的鼓风机控制模块、用于将气量分配到各个好氧池的气量分配模块，所述精确曝气系统与PLC柜连接；
所述鼓风机控制模块通过控制鼓风机导叶的开度，来调节鼓风机的输出气量，所述气量分配模块通过调节设置在空气支管上的电动线性菱形调节阀，来实现气量的分配。
进一步的，所述鼓风机控制模块包括与若干所述鼓风机连接的若干LCP柜，若干所述LCP柜与MCP柜采用dp-profibus环网通讯电性连接，所述LCP柜用于控制鼓风机导叶的开度、变频器的频率和电气保护及工艺操作，所述鼓风机的MCP用于控制鼓风机的启停次序和启停的台数，所述LCP柜和MCP柜与所述PLC柜连接。
进一步的，所述前馈信号采集单元包括用于采集溶解氧量、氨氮量的在线水质仪表、用于采集进水流量的进水流量计，所述在线水质仪表包括溶解氧测量仪和氨氮测量仪；所述反馈信号采集单元包括设置在所述空气总管上的空气流量计和空气压力计。
进一步的，所述生物需气量计算模块为PID控制回路，所述PID控制回路包括与所述电动线性菱形调节阀电性连接的PID控制器一、与所述PID控制器一连接的PID控制器二和溶解氧测量仪，所述PID控制器二与氨氮测量仪连接；
所述PID控制器二用于控制出水的氨氮量目标值，根据所述氨氮测量仪测量的数据来进行调节，并将输出的数据输入到所述PID控制器一，所述PID控制器一还会根据进水流量、进水氨氮量、溶解氧量（DO）的数据，来控制电动线性菱形调节阀的开度，调节曝气量。
本发明还提供了一种针对AAO污水处理工艺气量计算及控制方法，基于上述的针对AAO污水处理工艺气量计算及控制系统，包括以下步骤：
S1、通过进水管向厌氧池内供水，水依次经过缺氧池和若干好氧池后从出水管流出，所述曝气器向所述好氧池中曝气；
S2、所述进水流量计用来采集进水管中的进水流量，厌氧池和出水管中的氨氮量分别由所述氨氮测量仪采集，采集到的进水流量和厌氧池内的进水氨氮量为前馈信号；
好氧池内的溶解氧测量仪采集的溶解氧量和好氧池末端的出水氨氮量为反馈信号，所述前馈信号和所述反馈信号分别由精确曝气系统接收并处理；
S3、经过数据处理模块对采集到的数据进行预处理后，通过生物需气量计算模块根据处理后的前馈信号和反馈信号，计算出各个好氧池的需气量，和所有好氧池的总需气量，并将总需气量信号发送至鼓风机控制模块；
S4、鼓风机控制模块自动控制鼓风机导叶的开度，调节鼓风机的输出气量；
S5、通过电动阀门的调节，将气量分配至各个好氧池，实现按需供气；
S6、建立神经网络模型，用于更好地控制DO浓度，减少控制过程的时滞性；
S7、opc数据采集软件会采集各个仪表检测到的数据，然后通过4G网卡将数据上传到云服务器；
S8、云服务器用于按照周期性的数据，预测气量相关数据，然后提供给MCP柜；
S9、MCP柜会根据得到的数据，调整鼓风机的开启次序和电动线性菱形阀门的动态调整，来实现风量的分配。
本方案采用单个曝气区域控制的策略，即针对每一个好氧池单独采用一个控制回路，各个好氧池的曝气独立运行、互不干扰。
进一步的，所述步骤S4具体包括如下步骤：
S41、通过MCP柜预先设定风压值，并在供气主管上安装压力变送器，压力变送器将压力值实时传输至MCP柜，从而得知供气主管内的实际风压值；
S42、通过MCP柜来选择鼓风机的工作模式，分为恒风压模式和优化模式；
S43、当采用恒风压模式时，所述鼓风机工作时的风压与设定的风压相同，所述鼓风机稳定不变地运行；
S44、当采用优化模式时，若电动线性菱形调节阀开到最大，并且在延迟一段时间后，溶解氧量仍低于设定值，则MCP柜会提高鼓风机的设定压力值,直到溶解氧在设定值范围内；
若电动线性菱形调节阀开到最小，延迟一段时间后溶解氧量仍然高于设定值，则MCP柜降低鼓风机的设定压力值,直到溶解氧在设定值范围内；
S45、将所述压力变送器输送的实时风压，与设定的压力值进行比较，若是实际风压高于设定值则降低鼓风机的风量，若风压低于设定值则提高风量，直至风压稳定在设定值附近；
S46、风压的设定值不会超出鼓风机的极限值，若是风压超出极限值，则与所述鼓风机连接的防喘振装置会发出报警，并且鼓风机的风量不会增加或减少。
进一步的，所述步骤S45中提高风量的具体步骤如下：
S451、MCP柜接收到实际的风压值后，会结合设定的风压值进行运算，给每个LCP柜发出相关风量的数据；
S452、LCP柜的系统会通过自身控制逻辑来调节鼓风机的开度；
S453、当运行的鼓风机达到最大运行负荷，空气总管内的风压还不能达到设定值时，MCP柜将自动给LCP柜发送命令，再开启一台鼓风机；
S454、为避免鼓风机在启动过程中出现喘振现象，MCP柜会先让正在运行的鼓风机处于最小负荷状态，然后根据运行时间和设备状态依次启动新的鼓风机；
S455、新启动的鼓风机完全启动完成后，再调节正在运行的鼓风机开度。
进一步的，所述步骤S5中阀门开度的调节方式如下：
S51、实际流量大于设定流量时：
阀门开度=阀门过程值-流量高于设定值比例因子×(阀门过程值-阀门最小开度）×(流量过程值-流量设定值）/流量设定值；
S52、实际流量小于设定流量时：
阀门开度=阀门过程值+流量低于设定值比例因子×(流量设定值-流量过程值）×(阀门最大开度-阀门过程值）/流量设定值；
S53、计算出的阀门开度处于最小设定值和最大设定值之间时，输出计算得出的设定的阀门开度；
计算出的阀门开度小于最小设定值时，输出最小设定值；
计算出的阀门开度大于最大设定值时，输出最大设定值；
S54、电动线性菱形调节阀处于手动模式下时，输出的设定值为手动输入的设定值，当处于自动模式下时，会根据调节阀时序控制开关判断是否由当前阀门动作，然后根据步骤S53的情况，来输出对应的值；
S55、为避免阀门调节频繁，设置一个流量值作为流量死区，若实际流量超出死区范围则计算阀门开度，当若实际流量超过死区范围持续超过8秒，则控制电动线性菱形调节阀按照计算结果来调节阀门开度，若流量低于流量死区则复位电动线性菱形调节阀的计时功能。
所述步骤S6中神经网络模型的建立方法如下：
S61、对于单输入单输出非线性系统，用离散非线性函数来表示：
y（k+1）=f（x（k））；
x(k)=[y(k),y(k-1),…,y(k-ny)；
u(k-nd)；
u(k- nd-1), …,u(k-nd-nu)]T；
其中，u和y为系统的输入和输出；nu和ny为系统输入和输出变量的阶次，nd为系统延迟；
S62、将非线性系统描述为一个被控过程线性化的ARX模型和一个线性化误差模型：y(k+1)=ARX(x(k))+F(x(k)),其中，F表示非线性函数，然后采用FNN来估算F：y(k+1)=ARX(x(k))+FNNM(x(k))，ARX模型采用最小二乘法表示，FNNM为线性化误差模型；
S63、对FNNM模型训练样本进行聚类，对于第k组训练数据：
x(k)={x1(k), x2(k), …, xM(k)},按照相似性判断计算第k组的训练数据，每组聚类中心CＬ＝(L-1，2，…,N)的相似性，并找到具有最大相似性的聚类L，即找到X（k）属于的模糊聚类，相似性依据为：；
其中，e为被控过程的输出和ARX模型输出的差，以中心距离约束判断建立新的聚类，直至所有样本训练结束；
S64、被控过程的输出为：y=Gu=Gub+Guf,其中ub为前馈ARX模型的输出，uf为基于FNN的反馈控制器输出，G为被控过程，u为被控过程的输入，y为ARX模型的输出；
S65、，/>，其中，d为误差模型的输出，k为增益，通过控制系统的设计，来找到一个/>，使得目标函数E最小：E (k)=0.5(yL(k)-y(k))2+λ(u(k-1)-u(k-2))2,其中：yL=GLub；GL为线性化ARX模型；
S66、当FNNM能够完全学习误差特性，即E=0时，则yL=y=GLub，由于ub=C（r-y）,r为设定值，则y=(1+GLC)-1GLCr。
本发明的技术效果如下：
（1）本发明通过系统的计算得出准确的曝气量，并对鼓风机、电动线性菱形调节阀等部件进行精准的控制，保证了曝气量的准确度，提高了污水处理过程的平稳性，确保了出水水质的稳定，并且通过上述精准控制，可以大幅节约曝气量,促进了节能减排，同时提高了鼓风机房的自动化程度，节约了人力成本；
（2）系统能有效地对鼓风机进行控制，实现准确的曝气，实现了各个生物池每个好氧池的气量按需分配，从而实时优化好氧池的 DO，并精确把控每个好氧区的DO测量值，确保实际的DO接近设定的DO值，避免实际值与设定值的差距过大，从而保障污水处理厂的出水水质稳定达到所需的排放标准；
（3）系统可根据污水处理厂进水流量的变化，实时调整鼓风机风量，减少系统波动，从而在保障设备稳定运行的同时，达到节能降耗的效果；
（4）通过本方案的系统和工艺，使对生物池的控制更稳定可靠，控制效果更稳定合理，出水总氮下降，气水比下降，使得系统有助于提升污水处理厂工艺的稳定性，并实现节能降耗，具有明显的环境效益和经济效益。
附图说明
图1为本发明的控制原理图。
图2为本发明中PID控制回路的原理图。
图3为本发明中PID对溶解氧的控制原理图。
图4为本发明中鼓风机风量调节的原理框图。
图5为AAO工艺流程图。
图6为本系统的网络拓扑架构。
图7为本系统的仪表状态策略选择的原理框图。
其中，附图说明为：1、MCP柜；2、PLC柜；3、LCP柜；4、鼓风机；5、数据处理模块；6、生物需气量计算模块；7、空气流量计；8、空气压力计；9、溶解氧测量仪；10、厌氧池；11、缺氧池；12、好氧池；13、PID控制器二；14、PID控制器一；15、电动线性菱形调节阀；16、氨氮测量仪；17、变频器。
具体实施方式
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，需要注意的是，本申请所描述的实施例并非对本方案的限定，凡是与本方案的原理和技术特征相同的，均处于本申请的保护范围内。
参见图1-图5，一种针对AAO污水处理工艺气量计算及控制系统，包括与进水管连通的厌氧池10、与厌氧池10连接的缺氧池11、与缺氧池11连接的好氧池12、与好氧池12连通的出水管，还包括设置在好氧池12内的曝气器、与曝气器连接的空气支管、与若干空气支管连接的空气总管、与空气总管连接的若干鼓风机4，好氧池12设置有若干；
空气总管和空气支管上设置有用于采集溶解氧（DO）、空气流量、空气压力的反馈信号采集单元，进水管、厌氧池10、好氧池12末端连接有用于检测氨氮量、进水流量的前馈信号采集单元，反馈信号采集单元和前馈信号采集单元分别与精确曝气系统连接，精确曝气系统用于计算和调节曝气量，且与PLC柜2连接。
参见图1，AAO工艺流程如图所示，本方案不包括二沉池，故本方案中的出水流量为与好氧池12连通的出水管内的流量。
进一步的，精确曝气系统包括用于对采集到的数据进行预处理的数据处理模块5、用于根据预处理后的前馈信号和反馈信号计算出各个好氧池12的需气量和总需气量的生物需气量计算模块6、用于调节鼓风机4输出气量的鼓风机控制模块、用于将气量分配到各个好氧池12的气量分配模块，精确曝气系统与PLC柜2连接；
鼓风机控制模块通过控制鼓风机4导叶的开度，来调节鼓风机4的输出气量，气量分配模块通过调节设置在空气支管上的电动线性菱形调节阀15，来实现气量的分配。
进一步的，鼓风机控制模块包括与若干鼓风机4连接的若干LCP柜3，若干LCP柜3与MCP柜1采用dp-profibus环网通讯电性连接，LCP柜3用于控制鼓风机4导叶的开度、变频器17的频率和电气保护及工艺操作，鼓风机4的MCP用于控制鼓风机4的启停次序和启停的台数，LCP柜3和MCP柜1与PLC柜2连接。
进一步的，前馈信号采集单元包括用于采集溶解氧量、氨氮量的在线水质仪表、用于采集进水流量的进水流量计，在线水质仪表包括溶解氧测量仪9和氨氮测量仪16；反馈信号采集单元包括设置在空气总管上的空气流量计7和空气压力计8。
进一步的，生物需气量计算模块6为PID控制回路，PID控制回路包括与电动线性菱形调节阀15电性连接的PID控制器一14、与PID控制器一14连接的PID控制器二13和溶解氧测量仪9，PID控制器二13与氨氮测量仪16连接；
PID控制器二13用于控制出水的氨氮量目标值，根据氨氮测量仪16测量的数据来进行调节，并将输出的数据输入到PID控制器一14，PID控制器一14还会根据进水流量、进水氨氮量、溶解氧量的数据，来控制电动线性菱形调节阀15的开度，调节曝气量。
好氧池12工艺处理是一个复杂的非线性过程，为维持曝气量与当前环境实际需求匹配，避免过量曝气节约能耗，又要保证在各种干扰条件下出水水质稳定达标，系统采用“前馈+反馈+控制模型”相结合的控制模式调节曝气量，以进水流量和进水氨氮测量值为前馈信号，以生化反应池好氧池12末端的溶解氧量和出水的氨氮测量值为反馈信号，设定溶解氧目标值，通过PID控制回路控制空气支管上的电动线性菱形调节阀15的开度，从而调节曝气量。
本实施例中的PID控制器二13需要控制出水的氨氮目标值在1.2mg/l左右，PID控制器一14用于控制好氧池12末端的溶解氧目标值在2~4mg/l区间，好氧区末端溶解氧设定值的变化量会根据PID控制器二13的输出来变化，PID控制器二13的CV输出0~100%对应PID控制器一14的SP设定值2~4mg/l;
利用前馈信号FF(Feed Forward)作用于PID控制器一14，进水流量的变化量-100%~100%对应前馈信号FF的-8%~8%,进水氨氮的变化量-100%~100%对应前馈信号FF的-5%~5%,把上述2个信号叠加后付给PID控制器一14的前馈信号FF,使得进水流量和进水氨氮的变化能迅速作用到PID控制器一14对应的控制回路，减缓溶解氧控制的滞后现象。
优选的，本实施例中的空气支管上均安装有电动阀门，而之在同一个溶解氧控制区的两根空气支管中的其中一根上安装气体流量计，并在改溶解氧控制区的中间位置安装一个溶氧仪，通过两根普契只管来实现空气阀的同步调节，通过上述安装方式，可以使气体流量计和溶氧仪的数量减半，大大降低了仪表的采购成本。
本发明还提供了一种针对AAO污水处理工艺气量计算及控制方法，基于上述的针对AAO污水处理工艺气量计算及控制系统，包括以下步骤：
S1、通过进水管向厌氧池10内供水，水依次经过缺氧池11和若干好氧池12后从出水管流出，曝气器向好氧池12中曝气；
S2、进水流量计用来采集进水管中的进水流量，厌氧池10和出水管中的氨氮量分别由氨氮测量仪16采集，采集到的进水流量和厌氧池10内的进水氨氮量为前馈信号；
好氧池12内的溶解氧测量仪9采集的溶解氧量和好氧池12末端的出水氨氮量为反馈信号，前馈信号和反馈信号分别由精确曝气系统接收并处理；
S3、经过数据处理模块5对采集到的数据进行预处理后，通过生物需气量计算模块根据处理后的前馈信号和反馈信号，计算出各个好氧池12的需气量，和所有好氧池12的总需气量，并将总需气量信号发送至鼓风机控制模块；
S4、鼓风机控制模块自动控制鼓风机4导叶的开度，调节鼓风机4的输出气量；
S5、通过电动阀门的调节，将气量分配至各个好氧池12，实现按需供气；
S6、建立神经网络模型，用于更好地控制DO浓度，减少控制过程的时滞性；
S7、opc数据采集软件会采集各个仪表检测到的数据，然后通过4G网卡将数据上传到云服务器；
S8、云服务器用于按照周期性的数据，预测气量相关数据，然后提供给MCP柜1；
S9、MCP柜1会根据得到的数据，调整鼓风机4的开启次序和电动线性菱形阀门的动态调整，来实现风量的分配。
优选的，本实施例中的云服务去采用GPU 服务器，云服务器内安装实时数据库，通过数据处理，将不合规的数据排除，然后通过内部的数据模型，进行数据处理，得出拟合数据公式，从而按照周期性 数据预测出气量的相关数据。
本实施例中的MCP柜1还通过TCP/IP通讯与中心控制室内的工作站连接，工作站与服务器连接。
进一步的，步骤S4具体包括如下步骤：
S41、通过MCP柜1预先设定风压值，并在供气主管上安装压力变送器，压力变送器将压力值实时传输至MCP柜1，从而得知供气主管内的实际风压值；
S42、通过MCP柜1来选择鼓风机4的工作模式，分为恒风压模式和优化模式；
S43、当采用恒风压模式时，鼓风机4工作时的风压与设定的风压相同，鼓风机4稳定不变地运行；
S44、当采用优化模式时，若电动线性菱形调节阀15开到最大，并且在延迟一段时间后，溶解氧量仍低于设定值，则MCP柜1会提高鼓风机4的设定压力值,直到溶解氧在设定值范围内；
若电动线性菱形调节阀15开到最小，延迟一段时间后溶解氧量仍然高于设定值，则MCP柜1降低鼓风机4的设定压力值,直到溶解氧在设定值范围内；
S45、将压力变送器输送的实时风压，与设定的压力值进行比较，若是实际风压高于设定值则降低鼓风机4的风量，若风压低于设定值则提高风量，直至风压稳定在设定值附近；
S46、风压的设定值不会超出鼓风机4的极限值，若是风压超出极限值，则与鼓风机4连接的防喘振装置会发出报警，并且鼓风机4的风量不会增加或减少。
本实施例中的压力变送器的量程范围为：0~2bar,且测量精度不低于1.5mbar，在鼓风机4处于恒风压模式下时，会确保压力的稳定控制，控制精度可以达到设定值±3mbar。
进一步的，步骤S45中提高风量的具体步骤如下：
S451、MCP柜1接收到实际的风压值后，会结合设定的风压值进行运算，给每个LCP柜3发出相关风量的数据；
S452、LCP柜3的系统会通过自身控制逻辑来调节鼓风机4的开度；
S453、当运行的鼓风机4达到最大运行负荷，空气总管内的风压还不能达到设定值时，MCP柜1将自动给LCP柜3发送命令，再开启一台鼓风机4；
S454、为避免鼓风机4在启动过程中出现喘振现象，MCP柜1会先让正在运行的鼓风机4处于最小负荷状态，然后根据运行时间和设备状态依次启动新的鼓风机4；
S455、新启动的鼓风机4完全启动完成后，再调节正在运行的鼓风机4开度，从而通过上述方式，使空气总管压力达到设定值，本实施例中采用的设定值为7.6bar。
MCP柜1用于实现鼓风机4机组的综合控制策略，LCP柜3主要用于单台鼓风机4的控制，通过变频器17控制实现单台鼓风机4有效风量从0～100%的变化。
本实施例中使用的鼓风机4为变频鼓风机4，鼓风机4作为曝气气体的供给系统，在特定的压力条件下，负责提供相应的总体气量，一般以压力作为控制信号，实现风量的自动调节;为了保证曝气精确分配控制系统与鼓风机4的完美匹配及联动运行，鼓风机4厂家须配套提供总的MCP控制柜，每台鼓风机4都有独立的LCP控制柜。鼓风机4能够实现自动恒压控制，且能接受来自中控室或本系统给定的压力设定值，由MCP控制柜对鼓风机4进行自动调节，包括多台鼓风机4之间的联动调节。鼓风机4在配置过程中应该做到风量调节区间的连续性，防止出现风量调节死区。
本实施例中，风压的计算过程如下：
①当某一组好氧池12的溶解氧高于设定值，而且阀门开度已经达到最小值时，则每10分钟减小鼓风机4风压1kpa,直到溶解氧在设定值范围内；
②当某一组好氧池12的溶解氧低于设定值，而且阀门开度已经达到最大值时，则每10分钟增大鼓风机4风压1kpa,直到溶解氧在设定值范围内；
③从MCP柜1读取的压力数据减1kpa,再写入MCP柜1内，若计算的压力设定值大于78kpa,或者小于65kpa,则输出极值；
④如果阀门在有效区间（0-100%内），溶解氧高于设定值或者低于设定值，通过PID算法进行调节阀门开度，来进行调节溶解氧变化。
参见图4，如果需要改变污水厂曝气池中溶解氧DO的浓度，以达到预期目的，通常采用的手段就是调整鼓风机4的曝气风量，因为微生物在曝气池中要进行好氧反应，所以需要鼓风机4来对其输送氧气，在实际操作时，要改变曝气风量，就可以选择改变鼓风机4频率的方式，进一步来控制污水厂曝气池当中的溶解氧浓度。
当中控室设置溶解氧与风量联动时，设定溶解氧与实时溶解氧进行比较，当溶解氧大于设定值则减小管中风量，当溶解氧小于设定值时则增加管中风量，电动线性菱形调节阀15的开度会通过系统自动控制，并且好氧池12出水氨氮会实时反馈，与设定数值比较；
当氨氮补偿功能开启后，PID控制器一14会计算出当前溶解氧给定值，实时氨氮高于设定值则增大溶解氧给定值，小于或等于氨氮设定值，则保持溶解氧给定值不变。
①通过在线氨氮分析仪采集数据，将4-20ma信号转换为工程量实数，生物池氨氮量程在0-100mg/l。根据经验及工艺要求，出水要求氨氮不能大于2mg/l,持续3分钟超过0.3mg/l,则增加溶解氧设定值0.5mg/l,持续3分钟超过1mg/l,则增加溶解氧设定值1mg/l。
②若溶解氧设定值大于等于6mg/l,则保持不变，若出水氨氮小于2mg/l则复位溶解氧设定值为2.5mg/l。
当溶解氧与流量优化控制运行时,计算得出的某一管道压力设定值（SP_INT)与过程溶解氧值（PV_IN)比较，再通过PID计算得出输出的流量控制值（LMN),因为溶解氧和流量控制均有大滞后性，而且阀门有时序控制时间，所以溶解氧和流量的采集间隔为10分钟，采集10分钟内20个数据的平均值作为PID输入值，每10分钟做一次PID计算。某一管道流量应在设计范围内，根据风机总风量/管路组数计算得到最小值（LMNLLM)和最大值（LMN_HLM),单台风机流量范围2800-5500m³/h,生物池共有4条管路，所以得到极值为1400和2750m³/h。
在西门子PLC中编辑程序PID调节需要调用FB41,因为调用FB41需要用时钟脉冲或者在OB30-OB86中才可以连续调用所以在FB41之前加上1秒脉冲作为触发条件。FB41中SP_INT为内部设定值输入用于指定的设定值，在这里就是流量的给定值。
PV_IN为输入设置的初始化值，在这里就是实际流量值。
GAIN为比例值，输入指定控制器增益。
TI为复位时间，输入决定积分器的时间响应。
TD为微分时间，输入决定微分单元的时间响应。
LMNPER将I/O格式的操作值连接到输出的控制器。在这里就是输出阀门开度，是一个16进制的数用于直接给定到执行器或者控制器等。
在调用FB41的同时程序会需要建立一个背景DB,背景DB中保存了所有PID调用的参数，包含GAIN、TI、TD等，在调试期间一般通过DB块访问FB41一些参。另外还可以对输出值设置限制值，相当于一个保护值，当流量不能满足溶解氧要求时，阀门停止动作，同时延时发出报警。FB41可以输出错误信息，比如超限错误、过程值错误等。
PID是过程控制中最常用的控制算法，在PLC程序中需要调用FB41来使用PID功能，并且为FB41建立背景DB,连接好各种变量后，需要根据实际情况调节比例、积分、微分等参数，调节原理通过PID基本公式可以了解。
PID 基本公式如下：；
Kp为比例常数，Ti为积分时间常量，Td为微分时间常量，e(t)为当前时间系统的偏差，简单解释一下比例环节就是成比例的反应控制系统的偏差值，偏差值有时很小，有时候比较大，Kp越大控制器产生作用越快，减少偏差值，反之，反应速度越慢。通过溶解氧个和流量的PID控制调试过程发现，当溶解氧与设定值出现偏差时，Ti已经做出了调整，静态误差也比较小，但是系统总是相对动作较慢，此时可以将Kp慢慢增加发现流量设定开始变化，变化频率越来越快，溶解氧变化也同时加快。
积分环节主要用于消除静态误差，积分就是曲线与X轴包围的面积，当在X轴上下部分面积在Ti时间内相等时则表示静态误差为0,积分控制强弱取决于Ti时间，Ti越大积分作用越弱，反之则越强。当发现溶解氧在一段时间内仍然不能达到设定溶解氧，而且流量基本保持稳定，则可以适当调节积分时间Ti,减小这种静态误差，调整时需要注意改变流量和阀门之间的动作时间和比例参数。微分环节主要反映了系统误差的变化趋势，当e(t)越大，通过公式中"可以看出微分的绝对值越大，那么在Td周期时间内，微分对误差减小，速度是起de(t)为0,微分停止作用，微分可以反映输入值到抑制作用，直到曲线的斜率得变化趋势，从而在系统出现变化之前提前干预，修正误差，从而提高系统的稳定性。在溶解氧和流量PID控制中，溶解氧属于大滞后被控对象，若是输入溶解氧在Ti内波动很大，为了提前预判调整流量，则适当调整微分Td参数，这样可以改善系统的动态性能。
本实施例中的鼓风机4最小风量为2700,最大风量5500,所以写入1#鼓风机4的风量低于2700或者大于5500的风量均不会超过限制值。
鼓风机4压力最高不得超过78KPA,最低不得超过65KPA,超出此限制值可以将压力优化模式按钮复位，解除自动控制模式，并且发出报警。
鼓风机4的初始压力由人工给定，在第一次开启鼓风机4后，并且生物池溶解氧稳定运行后，再切换鼓风机4的风压优化模式，通过本系统与阀门联动，鼓风机4的控制应尽量保持低风压，低流量，大阀门开度控制，如此可以降低风机转速，达到节省电耗的目的。
进一步的，由于流量和阀门开度之间具有一定线性关系，但是西门子PLC没有特定的曝气PID模块，若选择PID直接调节反而波动较大。根据流量与设定流量比较得到的差值可以计算出阀门调节范围，加入流量高于设定值比例因子或低于设定比例因子可以提高阀门动作精度，故步骤S5中阀门开度的调节方式如下：
S51、实际流量大于设定流量时：
阀门开度=阀门过程值-流量高于设定值比例因子×(阀门过程值-阀门最小开度）×(流量过程值-流量设定值）/流量设定值；
S52、实际流量小于设定流量时：
阀门开度=阀门过程值+流量低于设定值比例因子×(流量设定值-流量过程值）×(阀门最大开度-阀门过程值）/流量设定值；
S53、计算出的阀门开度处于最小设定值和最大设定值之间时，输出计算得出的设定的阀门开度；
计算出的阀门开度小于最小设定值时，输出最小设定值；
计算出的阀门开度大于最大设定值时，输出最大设定值；
S54、电动线性菱形调节阀15处于手动模式下时，输出的设定值为手动输入的设定值，当处于自动模式下时，会根据调节阀时序控制开关判断是否由当前阀门动作，然后根据步骤S53的情况，来输出对应的值；
S55、为避免阀门调节频繁，设置一个流量值作为流量死区，若实际流量超出死区范围则计算阀门开度，当若实际流量超过死区范围持续超过8秒，则控制电动线性菱形调节阀15按照计算结果来调节阀门开度，若流量低于流量死区则复位电动线性菱形调节阀15的计时功能；
调用FC106,自动计算出的阀门开度为实数转换为整形值，并输出到OUT；
完成阀门开度计算的块程序编写后，再经过FC20调用，对调用块进行编写连接、流量过程值、生物池内的电动线性菱形调节阀15开度反馈信号。
其中步骤S6中神经网络模型的建立方法如下：
S61、对于单输入单输出非线性系统，用离散非线性函数来表示：
y（k+1）=f（x（k）），
x(k)=[y(k),y(k-1),…,y(k-ny),
u(k-nd),
u(k- nd-1), …,u(k-nd-nu)]T；
其中，u和y为系统的输入和输出；nu和ny为系统输入和输出变量的阶次，nd为系统延迟；
S62、将非线性系统描述为一个被控过程线性化的ARX模型和一个线性化误差模型：y(k+1)=ARX(x(k))+F(x(k)),其中，F表示非线性函数，然后采用FNN来估算F：y(k+1)=ARX(x(k))+FNNM(x(k))，ARX模型采用最小二乘法表示，FNNM为线性化误差模型；
S63、对FNNM模型训练样本进行聚类，对于第k组训练数据：
x(k)={x1(k), x2(k), …, xM(k)},按照相似性判断计算第k组的训练数据，对FNNM模型训练样本进行聚类，对于第k组训练数据x(k)={ x1(k)，x2(k), …, xM(k) }，按照相似性判据计算第k组训练数据,每组聚类中心CＬ＝(L-1，2，…,N)的相似性，并找到具有最大相似性的聚类L，即找到X（k）属于的模糊聚类，相似性依据为：；
其中，e为被控过程的输出和ARX模型输出的差，以中心距离约束判断建立新的聚类，直至所有样本训练结束；
S64、被控过程的输出为：y=Gu=Gub+Guf,其中ub为前馈ARX模型的输出，uf为基于FNN的反馈控制器输出，G为被控过程，u为被控过程的输入，y为ARX模型的输出；
S65、，/>，其中，d为误差模型的输出，k为增益，通过控制系统的设计，来找到一个/>，使得目标函数E最小：E (k)=0.5(yL(k)-y(k))2+λ(u(k-1)-u(k-2))2,其中：yL=GLub；GL为线性化ARX模型；
S66、当FNNM能够完全学习误差特性，即E=0时，则yL=y=GLub，由于ub=C（r-y）,r为设定值，则y=(1+GLC)-1GLCr。
由于系统计算溶解氧需求量的计算过程，线性化动态特性占主要作用，但其线性化误差也很明显，控制过程具有很大的时滞性，而且反馈部分为非线性关系，故采用上述模糊神经网络模型，通过对参数进行在线调节，使得系统的计算的输出值能够较快的跟踪设定值。
通过上述模型，使得本系统对DO浓度的控制更快，稳定性更好。
本实施例中的电动线性菱形调节阀15为VACOMASS Jet流线型空气调节阀，为提高设备使用寿命，可以加入空气质量流量计，引入阀门时序控制，模拟线性计算调节阀开度，如果出现控制偏差，PLC柜2内的PLC控制器会精确计算新的阀位设定，这样只需要最少的控制步进就能保证阀门的精确调节，电动线性菱形调节阀15的流通形状：始终保持环形，并具有高精度的机械传动，不会产生素流的导流件，通过文丘里效应使阀后压力得到有效恢复，满足节能降耗。
上述实施例仅为本发明的优选实施例，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它的实施例，故本申请保护的不仅为上述实施例，而是保护与本申请的原理和特征相一致的范围。
Claims (2)
1.一种针对AAO污水处理工艺气量计算及控制方法，应用于该方法的系统包括与进水管连通的厌氧池（10）、与所述厌氧池（10）连接的缺氧池（11）、与所述缺氧池（11）连接的好氧池（12）、与所述好氧池（12）连通的出水管，其特征在于，还包括设置在所述好氧池（12）内的曝气器、与所述曝气器连接的空气支管、与若干所述空气支管连接的空气总管、与所述空气总管连接的若干鼓风机（4），所述好氧池（12）设置有若干；
所述空气总管和空气支管上设置有用于采集空气流量、空气压力的反馈信号采集单元，所述进水管、所述厌氧池（10）、所述好氧池（12）末端连接有用于采集溶解氧、检测氨氮量、进水流量的前馈信号采集单元，所述反馈信号采集单元和所述前馈信号采集单元分别与精确曝气系统连接，所述精确曝气系统用于计算和调节曝气量，且与PLC柜（2）连接;
所述精确曝气系统包括用于对采集到的数据进行预处理的数据处理模块（5）、用于根据预处理后的前馈信号和反馈信号计算出各个好氧池（12）的需气量和总需气量的生物需气量计算模块（6）、用于调节所述鼓风机（4）输出气量的鼓风机控制模块、用于将气量分配到各个好氧池（12）的气量分配模块，所述精确曝气系统与PLC柜（2）连接；
所述鼓风机控制模块通过控制鼓风机（4）导叶的开度，来调节鼓风机（4）的输出气量，所述气量分配模块通过调节设置在空气支管上的电动线性菱形调节阀（15），来实现气量的分配；
所述鼓风机控制模块包括与若干所述鼓风机（4）连接的若干LCP柜（3），若干所述LCP柜（3）与MCP柜（1）采用dp-profibus环网通讯电性连接，所述LCP柜（3）用于控制鼓风机（4）导叶的开度、变频器（17）的频率和电气保护及工艺操作，所述鼓风机（4）的MCP用于控制鼓风机（4）的启停次序和启停的台数，所述LCP柜（3）和MCP柜（1）与所述PLC柜（2）连接；
所述前馈信号采集单元包括用于采集溶解氧量、氨氮量的在线水质仪表、用于采集进水流量的进水流量计，所述在线水质仪表包括溶解氧测量仪（9）和氨氮测量仪（16）；所述反馈信号采集单元包括设置在所述空气总管上的空气流量计（7）和空气压力计（8）；
所述生物需气量计算模块（6）为PID控制回路，所述PID控制回路包括与所述电动线性菱形调节阀（15）电性连接的PID控制器一（14）、与所述PID控制器一（14）连接的PID控制器二（13）和溶解氧测量仪（9），所述PID控制器二（13）与氨氮测量仪（16）连接；
所述PID控制器二（13）用于控制出水的氨氮量目标值，根据所述氨氮测量仪（16）测量的数据来进行调节，并将输出的数据输入到所述PID控制器一（14），所述PID控制器一（14）还会根据进水流量、进水氨氮量、溶解氧量的数据，来控制电动线性菱形调节阀（15）的开度，调节曝气量；
S1、通过进水管向厌氧池（10）内供水，水依次经过缺氧池（11）和若干好氧池（12）后从出水管流出，所述曝气器向所述好氧池（12）中曝气；
S2、所述进水流量计用来采集进水管中的进水流量，厌氧池（10）和出水管中的氨氮量分别由所述氨氮测量仪（16）采集，采集到的进水流量和厌氧池（10）内的进水氨氮量为前馈信号；
好氧池（12）内的溶解氧测量仪（9）采集的溶解氧量和好氧池（12）末端的出水氨氮量为反馈信号，所述前馈信号和所述反馈信号分别由精确曝气系统接收并处理；
S3、经过数据处理模块（5）对采集到的数据进行预处理后，通过生物需气量计算模块根据处理后的前馈信号和反馈信号，计算出各个好氧池（12）的需气量，和所有好氧池（12）的总需气量，并将总需气量信号发送至鼓风机控制模块；
S4、鼓风机控制模块自动控制鼓风机（4）导叶的开度，调节鼓风机（4）的输出气量；
S5、通过电动阀门的调节，将气量分配至各个好氧池（12），实现按需供气；
S6、建立神经网络模型，用于更好地控制DO浓度，减少控制过程的时滞性；
S7、opc数据采集软件会采集各个仪表检测到的数据，然后通过4G网卡将数据上传到云服务器；
S8、云服务器用于按照周期性的数据，预测气量相关数据，然后提供给MCP柜（1）；
S9、MCP柜（1）会根据得到的数据，调整鼓风机（4）的开启次序和电动线性菱形阀门的动态调整，来实现风量的分配；
S41、通过MCP柜（1）预先设定风压值，并在供气主管上安装压力变送器，压力变送器将压力值实时传输至MCP柜（1），从而得知供气主管内的实际风压值；
S42、通过MCP柜（1）来选择鼓风机（4）的工作模式，分为恒风压模式和优化模式；
S43、当采用恒风压模式时，所述鼓风机（4）工作时的风压与设定的风压相同，所述鼓风机（4）稳定不变地运行；
S44、当采用优化模式时，若电动线性菱形调节阀（15）开到最大，并且在延迟一段时间后，溶解氧量仍低于设定值，则MCP柜（1）会提高鼓风机（4）的设定压力值,直到溶解氧在设定值范围内；
若电动线性菱形调节阀（15）开到最小，延迟一段时间后溶解氧量仍然高于设定值，则MCP柜（1）降低鼓风机（4）的设定压力值,直到溶解氧在设定值范围内；
S45、将所述压力变送器输送的实时风压，与设定的压力值进行比较，若是实际风压高于设定值则降低鼓风机（4）的风量，若风压低于设定值则提高风量，直至风压稳定在设定值附近；
S46、风压的设定值不会超出鼓风机（4）的极限值，若是风压超出极限值，则与所述鼓风机（4）连接的防喘振装置会发出报警，并且鼓风机（4）的风量不会增加或减少；
S451、MCP柜（1）接收到实际的风压值后，会结合设定的风压值进行运算，给每个LCP柜（3）发出相关风量的数据；
S452、LCP柜（3）的系统会通过自身控制逻辑来调节鼓风机（4）的开度；
S453、当运行的鼓风机（4）达到最大运行负荷，空气总管内的风压还不能达到设定值时，MCP柜（1）将自动给LCP柜（3）发送命令，再开启一台鼓风机（4）；
S454、为避免鼓风机（4）在启动过程中出现喘振现象，MCP柜（1）会先让正在运行的鼓风机（4）处于最小负荷状态，然后根据运行时间和设备状态依次启动新的鼓风机（4）；
S455、新启动的鼓风机（4）完全启动完成后，再调节正在运行的鼓风机（4）开度；
S51、实际流量大于设定流量时：
阀门开度=阀门过程值-流量高于设定值比例因子×(阀门过程值-阀门最小开度）×(流量过程值-流量设定值）/流量设定值；
S52、实际流量小于设定流量时：
阀门开度=阀门过程值+流量低于设定值比例因子×(流量设定值-流量过程值）× (阀门最大开度-阀门过程值）/流量设定值；
S53、计算出的阀门开度处于最小设定值和最大设定值之间时，输出计算得出的设定的阀门开度；
计算出的阀门开度小于最小设定值时，输出最小设定值；
计算出的阀门开度大于最大设定值时，输出最大设定值；
S54、电动线性菱形调节阀（15）处于手动模式下时，输出的设定值为手动输入的设定值，当处于自动模式下时，会根据调节阀时序控制开关判断是否由当前阀门动作，然后根据步骤S53的情况，来输出对应的值；
S55、为避免阀门调节频繁，设置一个流量值作为流量死区，若实际流量超出死区范围则计算阀门开度，当若实际流量超过死区范围持续超过8秒，则控制电动线性菱形调节阀（15）按照计算结果来调节阀门开度，若流量低于流量死区则复位电动线性菱形调节阀（15）的计时功能。
2.根据权利要求1所述的针对AAO污水处理工艺气量计算及控制方法，其特征在于，所述步骤S6中神经网络模型的建立方法如下：
S61、对于单输入单输出非线性系统，用离散非线性函数来表示：
y（k+1）=f（x（k）），
x(k)=[y(k),y(k-1),…,y(k-ny),
u(k-nd),
u(k- nd-1), …,u(k-nd-nu)]T；
其中，u和y为系统的输入和输出；nu和ny为系统输入和输出变量的阶次，nd为系统延迟；
S62、将非线性系统描述为一个被控过程线性化的ARX模型和一个线性化误差模型：y(k+1)=ARX(x(k))+F(x(k)),其中，F表示非线性函数，然后采用FNN来估算F：y(k+1)=ARX(x(k))+FNNM(x(k))，ARX模型采用最小二乘法表示，FNNM为线性化误差模型；
S63、对FNNM模型训练样本进行聚类，对于第k组训练数据：
x(k)={x1(k), x2(k), …, xM(k)},按照相似性判断计算第k组的训练数据，每组聚类中心CＬ＝(L-1，2，…,N)的相似性，并找到具有最大相似性的聚类L，即找到X（k）属于的模糊聚类，相似性依据为：；
其中，e为被控过程的输出和ARX模型输出的差，以中心距离约束判断建立新的聚类，直至所有样本训练结束；
S64、被控过程的输出为：y=Gu=Gub+Guf,其中ub为前馈ARX模型的输出，uf为基于FNN的反馈控制器输出，G为被控过程，u为被控过程的输入，y为ARX模型的输出；
S65、，/>；
其中，d为误差模型的输出，k为增益，通过控制系统的设计，来找到一个，使得目标函数E最小：E (k)=0.5(yL(k)-y(k))2+λ(u(k-1)-u(k-2))2,其中：yL=GLub；GL为线性化ARX模型；
S66、当FNNM能够完全学习误差特性，即E=0时，则yL=y=GLub，由于ub=C（r-y）,r为设定值，则y=(1+GLC)-1GLCr。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410155837.7A CN117682656B (zh) | 2024-02-04 | 2024-02-04 | 一种针对aao污水处理工艺气量计算及控制系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410155837.7A CN117682656B (zh) | 2024-02-04 | 2024-02-04 | 一种针对aao污水处理工艺气量计算及控制系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117682656A CN117682656A (zh) | 2024-03-12 |
| CN117682656B true CN117682656B (zh) | 2024-04-30 |
Family
ID=90137598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410155837.7A Active CN117682656B (zh) | 2024-02-04 | 2024-02-04 | 一种针对aao污水处理工艺气量计算及控制系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117682656B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100114000A (ko) * | 2010-10-04 | 2010-10-22 | 엄태경 | 소규모 하수처리시설의 자동 운전 시스템 |
| CN102122134A (zh) * | 2011-02-14 | 2011-07-13 | 华南理工大学 | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 |
| CN107555590A (zh) * | 2017-10-27 | 2018-01-09 | 中冶华天南京电气工程技术有限公司 | 一种多点组合式精确曝气控制方法 |
| CN109879410A (zh) * | 2019-03-27 | 2019-06-14 | 上海西派埃智能化系统有限公司 | 一种污水处理曝气控制系统 |
| CN209583779U (zh) * | 2018-12-28 | 2019-11-05 | 中原环保股份有限公司 | 一种污水处理精确曝气系统 |
| CN113023881A (zh) * | 2021-03-16 | 2021-06-25 | 北控水务(中国)投资有限公司 | 一种基于mabr工艺的曝气量与内回流量优化控制系统及方法 |
-
2024
- 2024-02-04 CN CN202410155837.7A patent/CN117682656B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100114000A (ko) * | 2010-10-04 | 2010-10-22 | 엄태경 | 소규모 하수처리시설의 자동 운전 시스템 |
| CN102122134A (zh) * | 2011-02-14 | 2011-07-13 | 华南理工大学 | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 |
| CN107555590A (zh) * | 2017-10-27 | 2018-01-09 | 中冶华天南京电气工程技术有限公司 | 一种多点组合式精确曝气控制方法 |
| CN209583779U (zh) * | 2018-12-28 | 2019-11-05 | 中原环保股份有限公司 | 一种污水处理精确曝气系统 |
| CN109879410A (zh) * | 2019-03-27 | 2019-06-14 | 上海西派埃智能化系统有限公司 | 一种污水处理曝气控制系统 |
| CN113023881A (zh) * | 2021-03-16 | 2021-06-25 | 北控水务(中国)投资有限公司 | 一种基于mabr工艺的曝气量与内回流量优化控制系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于模糊神经网络的自适应精确曝气系统设计;孙骞 等;《桂林电子科技大学学报》;20111031;第31卷(第5期);第382-385页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117682656A (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107986428A (zh) | 一种污水处理精确曝气方法 | |
| CN107176628B (zh) | 一种用于污水系统的调度控制系统和方法 | |
| CN201433129Y (zh) | 曝气生物滤池溶解氧智能控制系统 | |
| CN202758178U (zh) | 一种智能动态曝气控制系统 | |
| CN106495321B (zh) | 生物池工艺优化及运行控制系统及其控制方法 | |
| CN102156432A (zh) | 一种实时控制生化反应池中曝气量的方法 | |
| CN111206647B (zh) | 城市供水的区域性加压泵站的无人值守控制器及控制方法 | |
| CN109592804B (zh) | 一种污水处理趋近循优精确曝气方法 | |
| CN110482687A (zh) | 一种基于自动控制的精确曝气方法 | |
| CN107555590A (zh) | 一种多点组合式精确曝气控制方法 | |
| CN108678986B (zh) | 污水处理厂鼓风机自动调节及编组运行的控制方法及装置 | |
| CN111547948B (zh) | 一种一体化污水处理设备优化运行方法 | |
| CN210795894U (zh) | 一种全自动曝气节能控制系统 | |
| CN110204067B (zh) | 一种曝气控制系统及方法 | |
| CN117682656B (zh) | 一种针对aao污水处理工艺气量计算及控制系统和方法 | |
| CN112783115B (zh) | 一种蒸汽动力系统的在线实时优化方法及装置 | |
| CN110436609B (zh) | 一种具有自学习功能的智能化污水处理曝气控制方法 | |
| CN201071325Y (zh) | 曝气池智能供氧系统 | |
| CN113325693B (zh) | 用于scr脱硝系统的改进型pid控制方法、装置 | |
| CN208413970U (zh) | 精确曝气控制系统 | |
| CN214174904U (zh) | 一种污水处理智能曝气量计算控制系统 | |
| CN116088450A (zh) | 一种污水处理厂智能终端控制系统、构建方法及控制方法 | |
| CN113277687A (zh) | 一种降低小规模生活污水处理能耗的控制系统及方法 | |
| CN211635936U (zh) | 用于压缩空气露点温度调节的干燥系统 | |
| CN113847551A (zh) | 压力温度调节系统及控制方法 |
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 | ||
| GR01 | Patent grant |