CN1730409A - 生物处理污水工艺中在线控制曝气量的方法 - Google Patents

Abstract

一种生物处理污水工艺中在线控制曝气量的方法，其特点是在曝气控制系统中的溶解氧测量仪与气体流量调节阀门之间加入作为生化池处理过程模型模块的仿真数学模型和曝气流量计算模块。用曝气流量计算模块计算的曝气流量设定值和鼓风机设定压力值控制气体流量调节阀门的开度和鼓风机的压力。其中仿真数学模型中包括实际运行过程中的相关干扰量，使得本发明的方法具有更高的可靠性和更强的适应性。用本发明的方法能够在线控制曝气的流量，使得污水处理池中溶解氧的波动限制在设定的范围内,能够限制在±0.2mg/L的范围内。并同时减少总的曝气量，获得节能的效果。

Description

生物处理污水工艺中在线控制曝气量的方法

技术领域

本发明涉及一种控制曝气量的方法，特别是涉及一种生物处理污水工艺中在线控制曝气量的方法。

背景技术

采用生物处理污水的处理工艺中，经过曝气，将污水中的一部分有机物经过微生物呼吸作用转化为二氧化碳和水，而一部分有机物被微生物吸收或吸附到污泥中。我们通常希望更多的有机物转移到污泥中，不仅因为污泥的处理成本较低，而且意味着消耗更少的溶解氧。如果溶解氧(DO)浓度值过高，其结果是更多的有机物转化为二氧化碳和水，即经由污泥的呼吸作用而消耗。但这个过程要消耗大量的氧，造成曝气的浪费，而且污泥容易老化。如果DO值过低，则影响到了微生物的呼吸和吸附有机物的过程，造成出水有机物含量过高。所以，如何精确地控制生化反应池中的DO值，一方面使得污水处理达到既定的标准，另一方面又能节约能源，具有十分重要的意义。

在先技术中，大多数污水厂的曝气系统采用了两类简单的控制回路来自动或人工地控制曝气。一是采用溶解氧检测仪和电动调节蝶阀作为简单的控制回路。如图1所示，当生化反应池1内的DO值大于某一个设定值时，关闭电动蝶阀3；当DO值小于某一个设定值时则打开电动蝶阀3。二是采用了PID(比例-积分-微分)进行定值调节，根据池中溶解氧检测仪的DO反馈信号与DO设定值进行比较，将偏差通过PID运算后传给阀门的行程控制器调节阀门的开度，进而控制池内的DO值。上述在先技术控制方法的缺点在于：一是由于时间延迟，即从开始曝气到池内DO变化需要一段时间，造成溶解氧的控制波动很大；二是实际运行中存在大量的干扰，上述的方法不能及时根据实际变化及时调节曝气量；三是上述的方法能耗高，为了保证安全运行，系统的DO设定值只能保持在较高的数值上，保持了过大的余度而造成浪费；四是过大的波动会使得池内的生物环境不稳定，干扰生物系统的工作。

发明内容

本发明的一个目的在于，改进上述在先技术的曝气控制系统，使得曝气系统能够根据生化反应池的需要提供曝气量。本发明的另外一个目在于，在改进了的曝气控制系统和精确确定曝气流量的方法基础上，使得出水达到既定的污水排放标准的情况下，能适当降低曝气量，从而减少耗电量、节约运营成本。

为了达到上述的目的，本发明所采取的技术方案是在线控制曝气流量。其方法是：将曝气控制系统中的溶解氧测量仪置放在生化反应池内测量其生化反应池内的溶解氧；将带有行程控制机构的气体流量调节阀门置放在通入生化反应池内的曝气管道上用于控制曝气流量；在气体流量调节阀门输出端的曝气管道上安装气体流量计检查设定的曝气流量和实际和实际的曝气流量；在溶解氧测量仪与带有行程控制机构的气体流量调节阀门之间加入生化池处理过程模型模块和曝气流量计算模块；用曝气流量计算模块计算的曝气流量设定值和鼓风机设定压力值控制气体流量调节阀门的开度和鼓风机的压力。

如上述本发明的方法主要特征是在曝气控制系统中添加生化池处理过程模型模块和曝气流量计算模块。所述的生化池处理过程模型模块采用仿真数学模型。所采用的仿真数学模型是仿真氧扩散过程，或是仿真微生物呼吸过程，或是仿真有机碳的吸附过程，或是仿真氨氮反硝化过程，或是仿真污泥的回流过程，或是仿真水力学过程的数学模型。也就是说，在生化池处理过程模型模块中，可建立氧扩散过程、微生物呼吸过程、有机碳的吸附过程、氨氮反硝化过程、污泥的回流过程、水力学过程等的仿真数学模型。一般说来，这些过程的仿真数学模型为相互耦合的、具有一定刚性的非线性常微分方程组(ODEs)。在这些数学模型的基础上，曝气流量计算模块的功能在于以最优化控制的方式计算曝气流量，并以此为依据对阀门开度的进行控制。

上述仿真数学模型可简单地采用国际水污染研究与控制协会(IAWPRC)所提出的第一模型(ASM1)或第二模型(ASM2)，但这些模型没有包括在实际运行过程中可能出现的干扰因素(包括：污水流量、进水COD(化学需氧量)、BOD(生物需氧量)、PH值、污泥回流比、温度)。为弥补这一不足之处，在本实施例中，一方面进一步考虑这些可能存在的干扰因素，同时考虑可将各个变量的初始值设定为相应变量在某一实际运行时段内的统计平均值。从而使得本发明的生物处理污水工艺中在线控制曝气量的方法具有更高的可靠性和更强的适应性。

可利用可编程逻辑语言(PLC)或其它方式将上述两个模块固化至曝气控制系统中。

本发明的在线控制曝气量的方法效果显著。因为本发明的方法是以曝气流量计算模块计算出的曝气流量设定值和鼓风机的设定压力值来实时控制气体流量调节阀门的开度和鼓风机压力；而不是像在先技术中，当溶解氧(DO)浓度值高了，关闭气体流量调节阀门；当溶解氧(DO)浓度值低了，再开启气体流量调节阀门。因此，本发明的方法不仅实现了在线控制曝气流量，而且能够精确地控制曝气流量。由于能够精确地控制曝气的流量，所以，使得污水处理池中溶解氧的波动能够限制在设定的范围内。通常可以限制在±0.2mg/L的波动范围内。并同时减少了总的曝气量。即达到了减少耗电量，节约运营成本的目的。

本发明的仿真数学模型中包括实际运行过程中的相关干扰量，使得本的方法具有更高的可靠性和更强的适应性。

本发明另外一个显著的特点在于开始设计时，就可以设定比较低的溶解氧设定值，这就能够减少曝气量。由于在先技术中的控制方法溶解氧波动过大，生化处理系统在设计阶段会为溶解氧设定值留有较大的余度。而使用本发明在线控制曝气量的方法，可以将溶解氧波动限制在±0.2mg/L的波动范围内(在先技术方法的溶解氧波动范围在±1-2mg/L范围内)。随着溶解氧波动的减少，便能够降低溶解氧设定值，从而带来更大的节能空间。

附图说明

图1为在先技术的曝气控制系统示意图。

图2为本发明改进的曝气控制系统示意图。

图3为曝气控制系统的控制方法流程示意图。

图4为有机碳去除过程的工艺流程示意图。

图5为曝气流量计算模块中的计算流程图。

图6为本发明方法的一个实施例的DO浓度和曝气量随时间变化的曲线图。其中横座标为时间(Time)，Y1纵座标SO代表DO浓度，Y2纵座标q_a代表曝气量。

具体实施方式

下面结合附图和实施例详细描述本发明的方法。但该实施例为非限定性的实例，即可在本发明的范围内，对实施例做出适当的改进和变化。

图1是在先技术的曝气控制系统的示意图。如图1所示，在先技术中曝气控制系统是将溶解氧测量仪2置放在生化反应池(或称污水处理池)1内，测量其生化反应池1内的溶解氧(DO)。当溶解氧值过高时，使行程控制机构打开连接在通入到生化反应池1中的曝气管道4上的气体流量调节阀门3，当溶解氧值过低时，则关门气体流量调节阀门3。

图2是本发明方法中所采用的曝气控制系统的示意图。由图2与图1对比，显示出：本发明的方法是在溶解氧测量仪2与带有行程控制机构的气体流量调节阀门3之间加入生化池处理过程模型模块5和曝气流量计算模块6。将曝气流量计算模块6的输出连接到气体流量调节阀门3的行程控制机构和鼓风机10上，以便用曝气流量计算模块6计算的曝气流量设定值来控制气体流量调节阀门3的开度大小，以及用曝气流量计算模块6计算出来的鼓风机设定压力值控制鼓风机10的压力。为了能够检查和确切地显示曝气流量，在气体流量调节阀门3与生化反应池1之间的曝气管道4上安装一气体流量计8。在气体流量调节阀门3的进气的曝气管道4上装一压力变送器9，用于检测管道漏损，阀门泄漏，曝气头堵塞等异常现象。

在生化池处理过程模型模块5上加上一参数预置模块7，用于预置生化池处理过程模型模块5中所需要的参数，包括：生化反应池的尺寸、平均的污水流量、平均的进水COD(化学需氧量)，BOD(生物需氧量)参数，平均的PH值、平均的污泥回流比及扰动范围、正常的曝气压力限值。

图3是本发明曝气控制系统控制方法的流程图。

需要注明的是图3中控制模式即系统模型1、2、3分别对应：本地自动控制(正常模式)、安全模式、人工强制控制模式三种控制方式。系统模型1和2分别包括不同控制模式下的生化池处理过程模型和曝气流量计算模块，这两种模式下模型相同，区别在于参数设置的不同。人工强制控制是指完全由人工接管控制，自动控制模型不发挥作用。控制模式1、2下所求得的设定流量和设定压力的数值是不同的，同样这两种控制方式下的DO的设定值也是不同的。

虽然气体流量控制可以选择本地自动控制，人工强制控制，或安全模式三种控制方式。本地自动控制是推荐控制方式，用于污水厂污水处理工艺正常运行、精确曝气控制系统的气体流量计、溶解氧测量仪、压力变送器工作正常情况下，具有最大的节气效能；人工强制控制是在污水厂污水处理工艺处于非正常运行条件下，例如污水负荷突然大幅度改变、污水含有有毒物质、生化反应池处于异常状态等情况下，直接允许人工操纵的控制方式；安全模式是一种大余度的自动控制方式，用于污水厂污水处理工艺经常处于大扰动条件下，比如进水的污水负荷较大范围的经常性变动、进入生化反应池的水量有较大的变化情况下，大余度控制的本质是提高系统抵抗大扰动的能力，提高安全运行系数。

图3的流程中，开始前，首先收集、设定预置参数即由参数预置模块7设定参数。开始后，首先选择控制模式，选择生化池处理过程模型；将曝气流量计算模块6求得设定流量Q1和求得鼓风机设定压力并分别输送到调节气体流量阀门3和鼓风机10上；根据设定流量值Q1调整调节气体流量阀门3的开度大小；再将由气体流量计8测得的流量值Q2与设定流量值Q1比较，若没到达了目标值再调整调节气体流量阀门3；若已经到达了目标值则测量DO值，将测得的DO值与设定的DO值比较，若ΔDO(观测值和设定值之间的差值)在±0.2mg/L的范围内，则正常运行；否则分析故障。

在本实施例中，生化池处理过程模型模块所采用的仿真数学模型是采用有机碳的去除模型。图4所示为有机碳去除过程的工艺流程示意图。在该过程中，入流的污水在生化反应池中与空气进行化学反应，去除污水中的有机碳，然后在沉淀池中沉淀。可排出沉淀池中各项指标均达到标准的上层水。而沉淀池底部的污泥，一部分被排出，一部分回流至生化反应池。如上述，在本实施例中所采用的仿真数学模型中，加入实际运行过程中相关干扰量，扩展了国际水污染研究与控制协会(IAWPRC)所提出的第一模型ASM1(或第二模型ASM2)，用以计算实际处理过程中的干扰对动态过程和曝气量的影响，例如

$\frac{{\mathrm{dS}}_S}{\mathrm{dt}}=\frac{q_F}{V}(S_{\mathrm{SF}}-S_S)-\frac{{\mathrm{\μ}}_H}{Y_H}\left(\frac{S_S}{K_S+S_S}\right)\left(\frac{S_O}{K_{\mathrm{OH}}+S_O}\right)X_H+(1-f_p)b_H{X}_H+p_1$

$\frac{{\mathrm{dS}}_O}{\mathrm{dt}}=\frac{q_F}{V}{S}_{\mathrm{OF}}-\frac{q_F+q_R}{V}{S}_O+\frac{Y_H-1}{Y_H}{\mathrm{\μ}}_H\left(\frac{S_S}{K_S+S_S}\right)\left(\frac{S_O}{K_{\mathrm{OH}}+S_O}\right)X_H+a(1-e^{-\mathrm{qA}/b})(S_{O,\mathrm{sat}}-S_O)+p_2$

$\frac{{\mathrm{dX}}_H}{\mathrm{dt}}=\frac{q_F}{V}{X}_{\mathrm{HF}}-\frac{q_W}{V}\left(\frac{q_F+q_R}{q_W+q_R}\right)X_H+{\mathrm{\μ}}_H\left(\frac{S_S}{K_S+S_S}\right)\left(\frac{S_O}{K_{\mathrm{OH}}+S_O}\right)X_H-b_H{X}_H+p_3$

其中，

分别为曝气池底物、溶解氧的浓度和异氧菌的浓度；在ASM1(或ASM2)模型的基础上所增加的干扰变量p₁，p₂，p₃，在具体的实施例中，可设定为任何相关变量(例如PH值、温度的变化，或状态变量的波动等)。进一步地，将这些干扰变量在数学上可以采用随机变量的形式。在本实施例中，将进水流量q_F设置成干扰变量。在计算中取其一个区间段内的平均值。需要指出的是，这一选择是示例性的，不具排他性，可在小实施例实质的范围内扩充与改进这一选择。其中，空气流量和氧总转移系数设定为指数关系(即采用Monod模型)。公式中的符号所代表的变量如下表所示。

V	曝气池容积	bH	异氧菌衰亡系数
				SSF	进水物浓度	fP	惰性组分
SOF	进水溶解氧浓度	qR	污泥回流量
				SO，sal	溶解氧饱和浓度	qw	剩余污泥排放量
SS	曝气池底物的浓度	qA	空气流量
				KOH	氧饱和系数	qF	进水流量
KS	底物饱和系数	a	曝气量最大时空气氧扩散系数
				YH	产率系数	b	Monod模型中的衰减系数
XH	曝气池内异氧菌浓度	μH	异氧菌最大生长速率
				XHF	进水异氧菌浓度

记状态变量为 $\stackrel{\→}{X}={(S_S,S_O,X_H)}^T,$ 干扰变量为

控制变量为q，并用

代表数值仿真模型中的动态关系式，即以上方程组中的右端项，可得到，

$\stackrel{.}{\stackrel{\→}{X}}=\stackrel{\→}{F}(\stackrel{\→}{X},q,\stackrel{\→}{p}),---\left(1\right)$

状态变量的初始值

和干扰变量 可设定为，实际污水处理工艺中对相应变量在某一时段内的统计平均值。如此，在实际的状态变量稍微偏离其名义值时、而且在干扰变量处于许可范围内时，依据本发明的控制方法仍可达到既定的控制目标，即本发明的生物处理污水工艺中在线控制曝气量的方法具有更高的可靠性和更强的适应性。

优化控制中的目标函数设定为

$\underset{q}{\min }J=\underset{0}{\overset{T}{\∫}}{(S_O-{\stackrel{\‾}{S}}_O)}^2\mathrm{dt}+\mathrm{\α}\underset{0}{\overset{T}{\∫}}\mathrm{qdt},$

其中，T为总时间。该目标函数包括两项积分，第一项中，S_O为DO浓度， 为DO浓度的期望值，该第一项度量了实际的DO浓度值偏离其期望值的大小；第二项即为总的空气曝气量。通过最小化目标函数，一方面可确保DO浓度仅在其期望值附近的较小区间内波动，另一方面，可减小总的曝气量，从而达到节能的目的；α∈R⁺为权值，用于调节第一项和第二项在目标函数中的相对比重。

在优化控制中，引入状态变量 的对偶变量 $\stackrel{\→}{\mathrm{\λ}}\∈R^N,$ N为状态变量或其对偶变量的个数。并使其满足对偶方程

$-\stackrel{.}{\stackrel{\→}{\mathrm{\λ}}}-{\left(\frac{\∂\stackrel{\→}{F}}{\∂\stackrel{\→}{X}}\right)}^{\′}\stackrel{\→}{\mathrm{\λ}}+\frac{\∂J}{\∂\stackrel{\→}{X}}=0,---\left(2\right)$

其中，

为动态系统对于状态变量的Jacobian(雅可比)矩阵，而

为目标函数相对于状态变量的梯度。该对偶变量在t＝T时刻的值应满足 $\stackrel{\→}{\mathrm{\λ}}\left(T\right)=0\∈R^N.$ 采用数值方法求得方程(1，2)的数值解以后，可以计算目标函数相对于控制变量的一阶导数，

$\frac{\∂J}{\∂q}=\underset{0}{\overset{T}{\∫}}(-\stackrel{\→}{\mathrm{\λ}}\frac{\∂\stackrel{\→}{F}}{\∂q})\mathrm{dt}+\underset{0}{\overset{T}{\∫}}\mathrm{\αdt}.---\left(3\right)$

于是可通过最速下降法、即采用迭代公式

$q^{n+1}=q^n-\mathrm{\β}\frac{\∂J}{\∂q}---\left(4\right)$

来计算控制变量(此处即为曝气流量)，其中系数β可由经验或其它方法确定。

所述的曝气流量计算模块中的计算步骤是：

(1)首先将控制变量以分段恒定的方式离散，即按照运行时间等间隔地划分区间，在每一区间内，取控制变量的值恒定；

(2)设定包括曝气量和溶解氧波动量在内的目标函数；

(3)求解仿真数学模型及其对偶方程；

(4)依据上述步骤求解的结果，计算目标函数相对于控制变量的一阶导数值；

(5)依据上述步骤的导数值，采用数值优化方法，计算出控制变量值；

(6)上述步骤计算出的控制变量值，如果迭代过程收敛，则输出该控制变量值；否则，重复上述迭代过程。

上述曝气流量计算模块中的计算步骤如流程图5所示。首先将控制变量(即曝气流量)以分段恒定的方式离散，划分成区间，取每一个区间中的恒定值(即平均值)。并设定目标函数，该目标函数包括曝气量和DO波动量；然后求解仿真数学模型公式(1)及其对偶方程公式(2)，在这些解的基础上，根据公式(3)计算目标函数相对于控制变量(即曝气流量)的一阶导数值公式(3)；利用该一阶导数值，通过数值优化方法计算出最优的控制变量值；所述的数值优化方法可以是最速下降法，或是牛顿法，或是置信区间法等，在本实施例中采用最速下降法公式(4)；如果迭代过程收敛，则输出该控制变量值；否则，重复上述迭代过程。在数值优化中，可采用不同的收敛准则来判定迭代过程是否收敛。在本实施例中所采用的收敛准则基于相邻两次迭代中，迭代变量的相对变化值，即收敛应满足

$\frac{\left|\right|q^{k+1}-q^k\left|\right|}{\left|\right|q^k\left|\right|}\≤\mathrm{\ϵ},$

其中ε为预先选定的一个正的小值，其取值范围可为10^-2至10^-6，优选地为10^-3至10^-4。

离散控制变量时，将运行时间等间隔地划分为M个区间，在每一区间内，控制变量的值恒定，从而便于操作流量控制阀门和/或其它相关设备。该M的取值范围取决于运行时间、所需满足的控制精度、相关计算设备的硬件条件等因素。在本实施例中总的运行时间为T＝24小时，相应地，M取值范围为20至480。本实施例将该时段划分为M＝24个等间隔的区间。如前所述，这一离散方式可简化控制系统。这里划分的区间越多，计算的精度越高，但运算量大。其中目标函数包括两项，其一为DO的波动量，另一项为曝气总量；它取决于计算中所采用的计量单位，可以选取该权值α来调节前述两项的相对比重关系。在本实施例中，其取值范围在10^-3至10^-4，优选地为5×10^-4。

图6的曲线为本实施例中考虑进水量的扰动对最优曝气量的影响。在图6中，两个箭头6标明优化进行的方向。曲线1、2、3为优化过程中，即采用不同的，但并非最优曝气量时DO的浓度曲线。这些曲线的取值从图6中的Y1纵坐标中读取，可以看到这些曲线所代表的DO波动范围较大。其中曲线4为本实施例采用最优曝气量时的DO浓度值，从图6中可见，此时DO浓度的波动在两条直线7与8的范围内，换言之位于±0.2mg/L的范围内。从曲线4与曲线1、2、3比较清楚地显示出用本发明方法能够控制溶解氧浓度在波动较小的范围内。而且在溶解氧浓度波动较小的范围内时，曝气量的设定值比较低。图6中的折线5为分段恒定的最优曝气量，其值从y2纵坐标中读取。总的曝气量较优化前减少了5.36％。需要特别指出的是，本说明书中所描述的最优控制方法同样适合于扰动量是其它任意相关变量，如温度变化、污水的PH值等的情形。

Claims (7)

1.一种生物处理污水工艺中在线控制曝气量的方法，将曝气控制系统中的溶解氧测量仪置放在生化反应池内测量其生化反应池内的溶解氧，将带有行程控制机构的气体流量调节阀门置放在通入生化反应池内的曝气管道上用于控制曝气流量，其特征在于在气体流量调节阀门输出端的曝气管道上安装气体流量计检查设定的曝气流量和实际的曝气流量；在溶解氧测量仪与带有行程控制机构的气体流量调节阀门之间加入生化池处理过程模型模块和曝气流量计算模块；用曝气流量计算模块计算的曝气流量设定值和鼓风机设定压力值控制气体流量调节阀门的开度和鼓风机的压力。

2.根据权利要求1的生物处理污水工艺中在线控制曝气量的方法，其特征在于所述的生化池处理过程模型模块是采用仿真数学模型。

3.根据权利要求2的生物处理污水工艺中在线控制曝气量的方法，其特征在于所述的采用的仿真数学模型是仿真氧扩散过程，或是仿真微生物呼吸过程，或是仿真有机碳的吸附过程，或是仿真氨氮反硝化过程，或是仿真污泥的回流过程，或是仿真水力学过程的数学模型。

4.根据权利要求2或3的生物处理污水工艺中在线控制曝气量的方法，其特征在于所述的仿真数学模型中包括实际运行过程中的相关干扰量。

5.根据权利要求1的生物处理污水工艺中在线控制曝气量的方法，其特征在于所述的曝气流量计算模块中的计算步骤是：

(1)首先将控制变量以分段恒定的方式离散，即按照运行时间等间隔地划分区间，在每一区间内，取控制变量的值恒定；

(2)设定包括曝气量和溶解氧波动量在内的目标函数；

(3)求解仿真数学模型及其对偶方程；

(4)依据上述步骤求解的结果，计算目标函数相对于控制变量的一阶导数值；

(5)依据上述步骤的导数值，采用数值优化方法，计算出控制变量值；

(6)上述步骤计算出的控制变量值，如果迭代过程收敛，则输出该控制变量值；否则，重复上述迭代过程。

6.根据权利要求1的生物处理污水工艺中在线控制曝气量的方法，其特征在于所述的采用的数值优化方法是最速下降法，或是牛顿法，或是置信区间法。

7.根据权利要求1的生物处理污水工艺中在线控制曝气量的方法，其特征在于所述的生化池处理过程模型模块和曝气流量计算模块可利用可编程逻辑语言将其固化在曝气控制系统中。

Images