JP2015157239A - Method and device for controlling water treatment process - Google Patents
Method and device for controlling water treatment process Download PDFInfo
- Publication number
- JP2015157239A JP2015157239A JP2014032164A JP2014032164A JP2015157239A JP 2015157239 A JP2015157239 A JP 2015157239A JP 2014032164 A JP2014032164 A JP 2014032164A JP 2014032164 A JP2014032164 A JP 2014032164A JP 2015157239 A JP2015157239 A JP 2015157239A
- Authority
- JP
- Japan
- Prior art keywords
- treated water
- water quality
- value
- injection rate
- flocculant
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 425
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000008569 process Effects 0.000 title claims abstract description 40
- 238000002347 injection Methods 0.000 claims abstract description 192
- 239000007924 injection Substances 0.000 claims abstract description 192
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 159
- 239000000126 substance Substances 0.000 claims abstract description 93
- 238000011156 evaluation Methods 0.000 claims abstract description 65
- 238000004886 process control Methods 0.000 claims description 22
- 239000002245 particle Substances 0.000 claims description 14
- 239000000701 coagulant Substances 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 6
- 239000000243 solution Substances 0.000 abstract 1
- LFYXNXGVLGKVCJ-FBIMIBRVSA-N 2-methylisoborneol Chemical compound C1C[C@@]2(C)[C@](C)(O)C[C@@H]1C2(C)C LFYXNXGVLGKVCJ-FBIMIBRVSA-N 0.000 description 20
- LFYXNXGVLGKVCJ-UHFFFAOYSA-N 2-methylisoborneol Natural products C1CC2(C)C(C)(O)CC1C2(C)C LFYXNXGVLGKVCJ-UHFFFAOYSA-N 0.000 description 20
- DTGKSKDOIYIVQL-UHFFFAOYSA-N dl-isoborneol Natural products C1CC2(C)C(O)CC1C2(C)C DTGKSKDOIYIVQL-UHFFFAOYSA-N 0.000 description 20
- JLPUXFOGCDVKGO-TUAOUCFPSA-N (-)-geosmin Chemical compound C1CCC[C@]2(O)[C@@H](C)CCC[C@]21C JLPUXFOGCDVKGO-TUAOUCFPSA-N 0.000 description 14
- 239000001075 (4R,4aR,8aS)-4,8a-dimethyl-1,2,3,4,5,6,7,8-octahydronaphthalen-4a-ol Substances 0.000 description 14
- JLPUXFOGCDVKGO-UHFFFAOYSA-N dl-geosmin Natural products C1CCCC2(O)C(C)CCCC21C JLPUXFOGCDVKGO-UHFFFAOYSA-N 0.000 description 14
- 229930001467 geosmin Natural products 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 238000002156 mixing Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 244000144992 flock Species 0.000 description 5
- 239000008239 natural water Substances 0.000 description 5
- 238000004062 sedimentation Methods 0.000 description 5
- 238000005054 agglomeration Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 229940079593 drug Drugs 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- DIZPMCHEQGEION-UHFFFAOYSA-H aluminium sulfate (anhydrous) Chemical compound [Al+3].[Al+3].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O DIZPMCHEQGEION-UHFFFAOYSA-H 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000003518 caustics Substances 0.000 description 1
- 238000005660 chlorination reaction Methods 0.000 description 1
- 238000004332 deodorization Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 239000008394 flocculating agent Substances 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 239000011802 pulverized particle Substances 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Separation Of Suspended Particles By Flocculating Agents (AREA)
- Water Treatment By Sorption (AREA)
Abstract
Description
本発明は、水処理プロセスの制御方法及び制御装置に関するものである。 The present invention relates to a control method and a control apparatus for a water treatment process.
水処理施設では、一般的に、処理対象とする原水は、活性炭処理、凝集剤などによる薬品処理、固液分離、塩素処理等を施されて配水される。カビ臭物質（ジェオスミン及び２−メチルイソボルネオール（２‐ＭＩＢ））は、人体に対して健康被害を及ぼすことは無い物質であるが、水道水の異臭味の原因物質であるため、水道水質基準で所定濃度以下にすることが定められている。 In a water treatment facility, generally, raw water to be treated is subjected to activated carbon treatment, chemical treatment using a flocculant, solid-liquid separation, chlorination, and the like to be distributed. Moldy odor substances (geosmin and 2-methylisoborneol (2-MIB)) are substances that do not cause health damage to the human body. It is stipulated that the concentration is below a predetermined concentration.
例えば、浄水場などの水処理施設では、原水は、湖沼、河川、及び原水調整池等から供給される。季節変動や、湖沼における富栄養化、降雨等により、原水水質は変動する。従来、このような原水水質の変動に対応して、常に一定水質の処理水を提供するために、熟練した操作員の経験則により薬品注入率が決定されてきた。しかし、そのような制御は、操作員の熟練度や判断ミスなどの影響を受け易く、結果的に処理水の水質の変動や、薬品の過剰注入及び過少注入を引き起こしていた。 For example, in a water treatment facility such as a water purification plant, raw water is supplied from a lake, a river, a raw water adjustment pond, or the like. The quality of raw water changes due to seasonal fluctuations, eutrophication in lakes, and rainfall. Conventionally, in order to always provide treated water with constant water quality in response to such fluctuations in raw water quality, the chemical injection rate has been determined based on the empirical rules of skilled operators. However, such control is easily affected by the skill level of the operator and misjudgment, resulting in fluctuations in the quality of the treated water and excessive and under-injection of chemicals.
そこで、従来、原水の水質と薬品の注入率とをニューラルネットワークに供給して、処理水の水質を予測した後、この予測値を目標値と比較し、この比較結果に基づき、該薬品注入率を調整する薬品注入率制御方法が提案されてきた（例えば、特許文献１参照）。特許文献１に係る薬品注入率制御方法では、予測値が目標値以下である場合、そのときの薬品注入率を、原水に対し適切な薬品注入率として採用し、予測値が目標値以上である場合、薬品注入率を演算によって補正した後に、再度、ニューラルネットワークに供給する。このような、特許文献１に係る薬品注入率制御方法によれば、変動し易い原水の水質に対して、自動運転制御を実現し、さらに、薬品注入率を最適化することで、一定の水質を維持するために必要最小限の薬品消費量を実現することができる。 Therefore, conventionally, the quality of raw water and the injection rate of chemicals are supplied to a neural network, and the quality of treated water is predicted. Then, the predicted value is compared with a target value, and the chemical injection rate is calculated based on the comparison result. There has been proposed a chemical injection rate control method for adjusting (see, for example, Patent Document 1). In the chemical injection rate control method according to Patent Document 1, when the predicted value is less than or equal to the target value, the chemical injection rate at that time is adopted as an appropriate chemical injection rate for the raw water, and the predicted value is equal to or higher than the target value. In this case, the chemical injection rate is corrected by calculation and then supplied to the neural network again. According to such a chemical injection rate control method according to Patent Document 1, automatic operation control is realized with respect to the quality of raw water that is likely to fluctuate, and furthermore, a constant water quality is achieved by optimizing the chemical injection rate. The minimum amount of chemical consumption necessary to maintain
また、従来、被処理水の水質に基づいて、水処理プロセスにおいて注入する薬品の量をリアルタイムに補正する水処理プロセスの制御方法が提案されてきた（例えば、特許文献２参照）。特許文献２に係る水処理プロセスの制御方法によれば、時間遅れなく水処理プロセスにおいて注入する薬品の量を補正することができ、処理水の水質を良好に維持することができる。
Conventionally, a method for controlling a water treatment process has been proposed in which the amount of chemicals injected in the water treatment process is corrected in real time based on the quality of the water to be treated (see, for example, Patent Document 2). According to the method for controlling a water treatment process according to
また、従来、処理水の水質を予測した後、この予測値と目標値との乖離度を考慮しつつ、薬品処理に用いる薬品のコストを低減する薬品注入制御方法が提案されてきた（例えば、特許文献３参照）。特許文献３に係る薬品注入制御方法では、処理水の水質を維持しながら、薬品処理に用いる薬品のコストを低減することができる。
Conventionally, after predicting the quality of treated water, a chemical injection control method has been proposed that reduces the cost of chemicals used for chemical treatment while considering the degree of deviation between the predicted value and the target value (for example, (See Patent Document 3). In the chemical injection control method according to
ここで、特許文献１に記載の薬品注入率制御方法は、原水水温、原水ｐＨ、原水濁度、原水アルカリ度、原水導電率、ＰＡＣ注入率、前苛性注入率、前塩素注入率、及び原水紫外線可視光分光光度値（ＵＶ−ＶＩＳ値）等を入力データとして、所定時間後の処理水濁度及びＵＶ−ＶＩＳ値を予測していた。また、特許文献２に記載の水処理プロセスの制御方法では、原水濁度、原水ｐＨ、及び原水アルカリ度等に応じて、水処理プロセスにおいて注入する凝集剤の量を決定していた。さらに、特許文献３に記載の薬品注入制御方法では、原水紫外線吸光度、原水アンモニア濃度、原水濁度、原水ｐＨ、原水塩素濃度、原水水温、ＰＡＣ注入率、及び活性炭注入率等に応じて、ＰＡＣ及び活性炭の注入率を決定していた。
従って、特許文献１及び２に記載の方法により決定された薬品注入率を採用しても、処理水のカビ臭値が所望の値を上回る虞があった。また、特許文献３に記載の方法では、処理水の水質を目標値以下に制御しつつ薬品注入率を低減させることができるものの、薬品注入率の低減とカビ臭値の低減とを両立させることについては全く考慮されていなかった。
そこで、本発明は、原水の水質の変動に対応可能であるとともに、薬品注入率の低減及び処理水のカビ臭値の低減を両立することができる、水処理プロセスの制御方法を提供することを目的とする。
Here, the chemical injection rate control method described in Patent Document 1 includes raw water temperature, raw water pH, raw water turbidity, raw water alkalinity, raw water conductivity, PAC injection rate, pre-caustic injection rate, pre-chlorine injection rate, and raw water. The treated water turbidity and UV-VIS value after a predetermined time were predicted using the ultraviolet visible light spectrophotometric value (UV-VIS value) and the like as input data. Moreover, in the control method of the water treatment process of
Therefore, even if the chemical injection rate determined by the methods described in
Therefore, the present invention provides a method for controlling a water treatment process that can cope with fluctuations in the quality of raw water and that can achieve both a reduction in the chemical injection rate and a reduction in the musty odor value of treated water. Objective.
本発明者らは、上記目的を達成するために鋭意検討を行った。そして、本発明者らは、種々の入力データに併せて、原水カビ臭値及び原水濁度を含む原水水質値と、かかる原水水質値に基づいて決定された薬品注入率とを用いて、処理水カビ臭値を含む処理水水質を予測し、かかる処理水水質及び薬品の費用等に基づいて算出した評価指数を用いて、薬品コストを抑制しつつ処理水のカビ臭値を低減するために最適な薬品注入率を決定できることを新たに見出して、この発明を完成した。 The present inventors have intensively studied to achieve the above object. Then, the present inventors combined the various input data with the raw water quality value including the raw water mold odor value and the raw water turbidity, and the chemical injection rate determined based on the raw water quality value. To predict the quality of treated water including water mold odor value, and to reduce the mold odor value of treated water while controlling the chemical cost by using the evaluation index calculated based on the quality of treated water quality and chemical cost, etc. The present invention was completed by newly discovering that an optimal chemical injection rate can be determined.
この発明は、上記課題を有利に解決することを目的とするものであり、本発明による水処理プロセスの制御方法は、原水に対して凝集剤処理及び活性炭処理を含む薬品処理を実施して処理水を得る水処理プロセスの制御方法であって、原水濁度及び原水カビ臭値を含む原水水質値を取得する原水水質値取得ステップと、前記原水水質値、複数の凝集剤注入率、及び複数の活性炭注入率に基づいて、複数の予測処理水カビ臭値を含む予測処理水水質値を予測する予測ステップと、前記予測ステップで得られた複数の予測処理水水質値、予め設定された目標処理水水質値、及び前記凝集剤及び前記活性炭の費用に基づいて、複数の評価指数を算出する評価ステップと、前記評価ステップで得られた前記複数の評価指数に基づいて、最適な凝集剤注入率及び活性炭注入率を決定するステップと、を含み、前記予測ステップは、前記原水濁度に基づいて、前記凝集剤処理で注入する凝集剤の基本注入率を決定し、さらに、前記原水カビ臭値に基づいて、前記凝集剤処理で注入する凝集剤の最大注入率を決定して、前記基本注入率及び前記最大注入率の範囲内で、前記複数の凝集剤注入率を選択するステップをさらに含むことを特徴とする。このように、原水カビ臭値と、原水濁度と、かかる原水カビ臭値及び原水濁度に基づいて決定された薬品注入率とを用いて処理水水質を予測し、かかる処理水水質及び薬品処理に使用する薬品の費用等に基づいて算出した評価指数を用いることで、原水の水質の変動に対応可能であるとともに、薬品注入率の低減及び処理水のカビ臭値の低減を両立することができる。 An object of the present invention is to advantageously solve the above-described problems, and a method for controlling a water treatment process according to the present invention is performed by performing chemical treatment including flocculant treatment and activated carbon treatment on raw water. A method for controlling a water treatment process for obtaining water, the raw water quality value obtaining step for obtaining a raw water quality value including a raw water turbidity and a raw water mold odor value, the raw water quality value, a plurality of coagulant injection rates, and a plurality A prediction step of predicting a predicted treated water quality value including a plurality of predicted treated water musty odor values based on the activated carbon injection rate of the plurality, a plurality of predicted treated water quality values obtained in the predicting step, a preset target Based on the treated water quality value and the costs of the flocculant and the activated carbon, an evaluation step for calculating a plurality of evaluation indexes, and an optimum flocculant injection based on the plurality of evaluation indexes obtained in the evaluation step Determining a rate and an activated carbon injection rate, wherein the predicting step determines a basic injection rate of the flocculant to be injected in the flocculant treatment based on the raw water turbidity, and further, the raw water mold odor Determining a maximum injection rate of the flocculant to be injected in the flocculant treatment based on the value, and selecting the plurality of flocculant injection rates within the range of the basic injection rate and the maximum injection rate It is characterized by including. Thus, the quality of the treated water is predicted using the raw water mold odor value, the raw water turbidity, and the chemical injection rate determined based on the raw water mold odor value and the raw water turbidity. By using an evaluation index calculated based on the cost of chemicals used for treatment, it is possible to cope with fluctuations in the quality of raw water, and at the same time, reduce the rate of chemical injection and reduce the musty odor value of treated water Can do.
ここで、本発明の水処理プロセスの制御方法において、前記凝集剤の最大注入率は、さらに、前記凝集剤のカビ臭除去率及び前記凝集剤の注入率の相関関係に基づいて決定されることが好ましい。凝集剤のカビ臭除去率を考慮することで、一層高精度の凝集剤の最大注入率が得られ、薬品注入率を一層最適化することができるからである。 Here, in the method for controlling a water treatment process of the present invention, the maximum injection rate of the flocculant is further determined based on a correlation between the mold odor removal rate of the flocculant and the injection rate of the flocculant. Is preferred. This is because by considering the mold odor removal rate of the flocculant, the maximum injection rate of the flocculant with higher accuracy can be obtained, and the chemical injection rate can be further optimized.
また、本発明の水処理プロセスの制御方法において、前記予測処理水水質値は、さらに、予測処理水濁度を含むことが好ましい。予測処理水濁度を用いて得た評価指数に基づくことで、薬品注入率を一層最適化することができるからである。 In the water treatment process control method of the present invention, it is preferable that the predicted treated water quality value further includes predicted treated water turbidity. This is because the chemical injection rate can be further optimized based on the evaluation index obtained using the predicted treated water turbidity.
また、本発明の水処理プロセスの制御方法において、前記予測ステップで、さらに、前記活性炭の複数の粒度に基づいて、前記予測処理水水質値を予測することが好ましい。種々の入力データと活性炭の粒度とを併用して予測処理水水質値を算出することで、入力データとして用いる各パラメータ間の相互作用を考慮した予測処理水水質値を得ることができ、結果的に良好な水処理プロセスの制御を実現することができるからである。 In the water treatment process control method according to the present invention, it is preferable that the prediction step further predicts the predicted treated water quality value based on a plurality of particle sizes of the activated carbon. By calculating the predicted treated water quality value using a combination of various input data and the activated carbon particle size, it is possible to obtain a predicted treated water quality value that takes into account the interaction between parameters used as input data. This is because excellent control of the water treatment process can be realized.
さらに、本発明の水処理プロセスの制御方法において、前記処理水の処理水水質値を測定するステップと、前記予測処理水水質値及び前記処理水水質値に基づいて、前記目標処理水水質値を再設定するステップと、をさらに含み、前記評価ステップにて、前記再設定された前記目標処理水水質値を使用することが好ましい。処理水水質を一層向上させることができるからである。 Furthermore, in the control method of the water treatment process of the present invention, the target treated water quality value is determined based on the step of measuring the treated water quality value of the treated water, the predicted treated water quality value, and the treated water quality value. And resetting, and it is preferable to use the reset target treated water quality value in the evaluation step. This is because the quality of treated water can be further improved.
また、この発明は、上記課題を有利に解決することを目的とするものであり、本発明による水処理プロセスの制御装置は、原水に対して凝集剤処理及び活性炭処理を含む薬品処理を実施して処理水を得る水処理プロセスの制御装置であって、原水濁度及び原水カビ臭値を含む原水水質値を取得する原水水質値取得部と、前記原水水質値、複数の凝集剤注入率、及び複数の活性炭注入率に基づいて、複数の予測処理水カビ臭値を含む予測処理水水質値を予測する処理水水質予測部と、前記処理水水質予測部により得られた複数の予測処理水水質値、予め設定された目標処理水水質値、及び前記凝集剤及び前記活性炭の費用に基づいて、複数の評価指数を算出する評価部と、前記評価部により得られた前記複数の評価指数に基づいて、最適な凝集剤注入率及び活性炭注入率を決定する薬品注入量決定部と、を含み、前記予測部は、前記原水濁度に基づいて、前記凝集剤処理で注入する凝集剤の基本注入率を決定し、さらに、前記原水カビ臭値に基づいて、前記凝集剤処理で注入する凝集剤の最大注入率を決定して、前記基本注入率及び前記最大注入率の範囲内で、前記複数の凝集剤注入率を選択することを特徴とする。このように、原水カビ臭値と、原水濁度と、かかる原水カビ臭値及び原水濁度に基づいて決定された薬品注入率とを用いて処理水水質を予測し、かかる処理水水質及び薬品処理に使用する薬品の費用等に基づいて算出した評価指数を用いることで、原水の水質の変動に対応可能であるとともに、薬品注入率の低減及び処理水のカビ臭値の低減を両立することができる。 Moreover, this invention aims at solving the said subject advantageously, The control apparatus of the water treatment process by this invention implements the chemical | medical agent process including a flocculant process and an activated carbon process with respect to raw | natural water. A raw water quality value acquisition unit for obtaining raw water quality values including raw water turbidity and raw water musty odor value, and the raw water quality value, a plurality of coagulant injection rates, And a treated water quality prediction unit for predicting a predicted treated water quality value including a plurality of predicted treated water mold odor values based on a plurality of activated carbon injection rates, and a plurality of predicted treated water obtained by the treated water quality prediction unit Based on the water quality value, the preset target treated water quality value, and the cost of the flocculant and the activated carbon, an evaluation unit that calculates a plurality of evaluation indexes, and the plurality of evaluation indexes obtained by the evaluation unit Based on optimal agglomeration A chemical injection amount determination unit that determines an injection rate and an activated carbon injection rate, and the prediction unit determines a basic injection rate of the flocculant to be injected in the flocculant treatment based on the raw water turbidity, and Determining the maximum injection rate of the flocculant to be injected in the flocculant treatment based on the raw water mold odor value, and determining the plurality of flocculant injection rates within the range of the basic injection rate and the maximum injection rate. It is characterized by selecting. Thus, the quality of the treated water is predicted using the raw water mold odor value, the raw water turbidity, and the chemical injection rate determined based on the raw water mold odor value and the raw water turbidity. By using an evaluation index calculated based on the cost of chemicals used for treatment, it is possible to cope with fluctuations in the quality of raw water, and at the same time, reduce the rate of chemical injection and reduce the musty odor value of treated water Can do.
本発明の水処理プロセスの制御方法及び制御装置によれば、原水の水質の変動に対応可能であるとともに、薬品注入率の低減及び処理水のカビ臭値の低減を両立することができる。 According to the control method and control apparatus for a water treatment process of the present invention, it is possible to cope with fluctuations in the quality of raw water, and at the same time, to reduce the chemical injection rate and to reduce the musty odor value of treated water.
以下、本発明の水処理プロセスの制御方法（以下、本法とも言う）及び制御装置を、図面に基づき詳細に説明する。 Hereinafter, a control method (hereinafter also referred to as the present method) and a control apparatus of a water treatment process of the present invention will be described in detail with reference to the drawings.
図１に示す水処理システム１００は、水処理プロセス制御装置１０と、着水井２０と、薬品混和池３０と、フロック形成池４０と、沈殿池５０と、ろ過池６０と、を備える。さらに、水処理システム１００は、水処理プロセス制御装置１０に接続された、原水カビ臭センサ１０１と、原水濁度計１０２と、原水水温・ｐＨ計１０３と、活性炭注入手段１０４と、凝集剤注入手段１０５と、処理水カビ臭センサ１０６と、処理水濁度計１０７とを備える。
A
水処理システム１００は、着水井２０に供給された原水について、着水井２０において活性炭処理を実施し、薬品混和池３０及びフロック形成池４０において凝集処理を実施して、得られた被処理水を沈殿池５０及びろ過池６０に順に供給し、最終的な処理水を得て、配水する。
The
より詳細には、水処理システム１００は、水処理プロセス制御装置１０により決定された注入率の活性炭を、活性炭注入手段１０４によって着水井２０に供給し、着水井２０において原水のカビ臭を除去する。活性炭注入手段１０４は、例えば、活性炭貯蔵部、弁及びポンプなどにより構成される。そして、水処理システム１００は、水処理プロセス制御装置１０により決定された注入率の凝集剤を、凝集剤注入手段１０５によって薬品混和池３０に供給し、攪拌した後、フロック形成池４０にて、凝集剤と混和された被処理水を穏やかに攪拌して沈降性のフロックを得る。なお、凝集剤注入手段１０５は、凝集剤貯蔵部、弁及びポンプなどにより構成される。なお、凝集剤としては、特に限定されることなく凝集剤として使用可能な既知のあらゆる薬品を使用することができるが、例えば、ポリ塩化アルミニウム（ＰＡＣ）や硫酸アルミニウム（硫酸バンドともいう）を使用することができる。以下、本法において凝集剤としてＰＡＣを使用したものとして説明する。そして、水処理システム１００は、沈殿池５０にてフロックを固液分離し、得られた処理水をろ過池６０に供給してろ過する。
なお、活性炭や凝集剤などの薬品の「注入率」とは、処理対象である原水の流量に対する注入率であり、例えば、ｍｇ／Ｌの単位で表される値である。
More specifically, the
The “injection rate” of chemicals such as activated carbon and aggregating agent is an injection rate with respect to the flow rate of raw water to be treated, and is a value expressed in units of mg / L, for example.
ここで、水処理プロセス制御装置１０に接続された各センサの機能について説明する。原水カビ臭センサ１０１は、着水井２０中の原水のカビ臭値を測定し、測定したカビ臭値を水処理プロセス制御装置１０に提供するセンサである。原水濁度計１０２は、着水井２０中の原水の濁度を測定し、測定した濁度を水処理プロセス制御装置１０に提供するセンサである。原水水温・ｐＨ計１０３は、着水井２０中の原水の水温及びｐＨを測定し、測定した水温及びｐＨを水処理プロセス制御装置１０に提供するセンサである。なお、原水水温・ｐＨ計１０３に代えて、水温計及びｐＨ計が別個に設けられていても良い。処理水カビ臭センサ１０６は、ろ過池６０を経た処理水のカビ臭値を測定し、測定したカビ臭値を水処理プロセス制御装置１０に提供するセンサである。処理水濁度計１０７は、ろ過池６０を経た処理水の濁度を測定し、測定した濁度を水処理プロセス制御装置１０に提供するセンサである。
ここで、原水カビ臭センサ１０１及び処理水カビ臭センサ１０６は、同様の構成のセンサであり、例えば、ガスクロマトグラフ質量分析計（ＧＣ−ＭＳ）により実現することができる。
Here, the function of each sensor connected to the water treatment process control apparatus 10 will be described. The raw water
Here, the raw water
水処理プロセス制御装置１０は、原水水質取得部（Ｉ／Ｆ）１１、処理水水質予測部１２、評価部１３、及び薬品注入率決定部１４を備え、これらの機能部を利用して、候補となる複数の薬品注入率について評価指数を算出し、算出した評価指数に基づいて、実際に注入すべき最適な薬品注入率を決定する機能を有する。水処理プロセス制御装置１０は、例えば、ＣＰＵ（central processing unit）等の演算部を有する汎用の情報処理装置を含んで構成される。なお、処理水水質予測部１２、評価部１３、及び薬品注入率決定部１４は、一つの演算部内に含まれても良いし、それぞれが独立したハードウエア資源を用いて構成されていても良い。 The water treatment process control apparatus 10 includes a raw water quality acquisition unit (I / F) 11, a treated water quality prediction unit 12, an evaluation unit 13, and a chemical injection rate determination unit 14. An evaluation index is calculated for a plurality of drug injection rates, and an optimum drug injection rate to be actually injected is determined based on the calculated evaluation index. The water treatment process control apparatus 10 includes a general-purpose information processing apparatus having a calculation unit such as a CPU (central processing unit). The treated water quality prediction unit 12, the evaluation unit 13, and the chemical injection rate determination unit 14 may be included in one calculation unit, or may be configured using independent hardware resources. .
原水水質取得部１１は、例えば、インターフェース（Ｉ／Ｆ）により構成され、上述した各センサから、原水濁度及び原水カビ臭値を含む原水水質値を取得する。
処理水水質予測部１２は、原水カビ臭センサ１０１により測定された原水カビ臭値を含む原水水質値と、活性炭やＰＡＣなどの薬品注入率を入力データとして処理水水質値を予測する。なお、本明細書において、「水質値」とは、カビ臭値や濁度を意味する。
評価部１３は、処理水水質予測部１２により得られた複数の予測処理水水質値、予め設定された目標処理水水質値、及び凝集剤及び活性炭の費用に基づいて、複数の評価指数を算出する。
薬品注入量決定部１４は、評価部１３により得られた複数の評価指数に基づいて、最適な薬品注入率を決定する。
The raw water quality acquisition unit 11 is configured by, for example, an interface (I / F), and acquires raw water quality values including the raw water turbidity and the raw water mold odor value from each sensor described above.
The treated water quality prediction unit 12 predicts the treated water quality value using the raw water quality value including the raw water mold odor value measured by the raw water
The evaluation unit 13 calculates a plurality of evaluation indices based on the plurality of predicted treated water quality values obtained by the treated water quality prediction unit 12, the preset target treated water quality values, and the costs of the flocculant and activated carbon. To do.
The chemical injection amount determination unit 14 determines an optimal chemical injection rate based on the plurality of evaluation indexes obtained by the evaluation unit 13.
ここで、図２に示すように、処理水水質予測部１２における処理水水質予測は、ニューラルネットワークを利用した水質予測モデルにより実施することができる。かかるニューラルネットワークは、水処理プロセス制御装置１０に接続された各センサの出力値、並びにＰＡＣ及び活性炭の注入率を入力データとし、処理水のカビ臭値（予測処理水カビ臭値）を出力データとする。さらに、図２のニューラルネットワークは、８個のニューロンＸ０〜Ｘ７を有する入力層Ｌ１と、８個のニューロンＹ０〜Ｙ７を有する中間層Ｌ２、及び、１個のニューロンＺ１を有する出力層Ｌ３からなる階層構造を形成している。ニューラルネットワークの学習方法としては、既知のあらゆる学習方法を採用することができ、例えば、バックプロパゲーションに代表される教師あり学習や、教師なし学習を採用することができる。 Here, as shown in FIG. 2, the treated water quality prediction in the treated water quality prediction unit 12 can be performed by a water quality prediction model using a neural network. This neural network uses the output value of each sensor connected to the water treatment process control device 10 and the injection rate of PAC and activated carbon as input data, and outputs the mold odor value (predicted treated water mold odor value) of the treated water as output data. And Further, the neural network of FIG. 2 includes an input layer L 1 having eight neuron X 0 to X 7, the intermediate layer L 2 having eight neurons Y 0 to Y 7, and one neuron Z 1 forming a hierarchical structure composed of the output layer L 3 having a. As a learning method of the neural network, any known learning method can be employed. For example, supervised learning represented by backpropagation or unsupervised learning can be employed.
なお、図２においては、入力データとして、原水水温、原水ｐＨ、原水濁度、原水カビ臭（２−メチルイソボルネオール（２‐ＭＩＢ）濃度値）、原水カビ臭（ジェオスミン濃度値）、ＰＡＣ注入率、及び活性炭注入率を用いるものとして例示しているが、これらの全てを用いることは必須ではなく、原水カビ臭（２‐ＭＩＢ濃度値）及び原水カビ臭（ジェオスミン濃度値）の少なくとも何れか、ＰＡＣ注入率、並びに活性炭注入率を入力データとして使用しても良い。 In addition, in FIG. 2, raw water temperature, raw water pH, raw water turbidity, raw water musty odor (2-methylisoborneol (2-MIB) concentration value), raw water musty odor (geosmin concentration value), PAC injection However, it is not essential to use all of them, and at least one of raw water musty odor (2-MIB concentration value) and raw water musty odor (geosmin concentration value). , PAC injection rate, and activated carbon injection rate may be used as input data.
また、入力データとして使用しうるデータは、上述のものに限られず、例えば、有機性汚濁物質測定装置(ＵＶ計)で測定した測定値（ＵＶ値）、蛍光スペクトルの測定値、溶存有機炭素濃度（ＤＯＣ値）、及び活性炭の粒度（サイズ）を入力データとして使用しても良い。これにより、出力データ（予測処理水カビ臭値）の精度を一層向上させることができる。 The data that can be used as input data is not limited to those described above. For example, the measured value (UV value) measured with an organic pollutant measuring device (UV meter), the measured value of the fluorescence spectrum, the dissolved organic carbon concentration (DOC value) and the particle size (size) of activated carbon may be used as input data. Thereby, the accuracy of the output data (predicted treated water mold odor value) can be further improved.
特に、活性炭の粒度を入力データとして加えて使用することで、処理水水質の向上及び水処理プロセスの経済性を高水準で並立することができる。理由を以下に説明する。
活性炭は多くの細孔を有し、その細孔内に入る大きさの物質を吸着する性質があるので、従来、浄水場にて市販の粉末活性炭が脱臭処理に利用されてきた。近年、粉末活性炭を破砕機により微細に粉砕した微粉炭を使用して脱臭処理する浄水場も増えてきた。ここで、粉末活性炭の粉砕粒度が小さいほど、単位量あたりの活性炭の表面積が大きくなり、吸着能が向上する。従って、微粉炭を使用することで、活性炭の使用量を低減することができる。その一方で、微粉炭を用いるにあたり、単位量あたりの吸着効率を向上させることを重視するあまり、微粉炭の粉砕に用いる破砕機の性能限界まで破砕してしまえば、破砕機を過剰に磨耗させて破砕機の寿命を縮めてしまい、結果的に破砕コストを増大させてしまう虞がある。そこで、本法では、活性炭の粒度を入力データとして用いた水質予測モデルを使用することで、所望の処理水水質を達成するために適切な活性炭の粒度を決定して、活性炭を過剰に粉砕することを回避することができる。なお、活性炭の粒度は、ＪＩＳ Ｋ １４７４に基づいて算出することができる。
In particular, by using the activated carbon particle size as input data, it is possible to improve the quality of the treated water and the economics of the water treatment process at a high level. The reason will be described below.
Activated carbon has many pores and has a property of adsorbing a substance having a size within the pores. Conventionally, powdered activated carbon commercially available at water purification plants has been used for deodorization treatment. In recent years, an increasing number of water purification plants have been deodorized using pulverized coal obtained by finely pulverizing powdered activated carbon with a crusher. Here, the smaller the pulverized particle size of the powdered activated carbon, the larger the surface area of the activated carbon per unit amount, thereby improving the adsorption capacity. Therefore, the amount of activated carbon used can be reduced by using pulverized coal. On the other hand, when using pulverized coal, emphasis is placed on improving the adsorption efficiency per unit amount, and if it is crushed to the performance limit of the pulverizer used to pulverize the pulverized coal, the crusher will be excessively worn. This may shorten the life of the crusher and consequently increase the crushing cost. Therefore, in this method, by using a water quality prediction model using the activated carbon particle size as input data, an appropriate activated carbon particle size is determined to achieve the desired treated water quality, and the activated carbon is excessively pulverized. You can avoid that. The particle size of the activated carbon can be calculated based on JIS K 1474.
さらに、活性炭の粒度が小さいと、着水井での有機物の除去量が多くなるため、薬品混和池での有機物量が減り、必要となる凝集剤の量が少なくなる。そのため、活性炭の粒度は、薬品混和池３０及びフロック形成池４０における凝集処理の際の凝集効率にも影響する。従って、活性炭の粒度は、処理水のカビ臭値だけではなく、濁度にも影響することが考えられる。よって、比較的粒度が小さい活性炭を着水井２０に注入した場合には、ＰＡＣ注入率を低減しても、良好な処理水水質を維持することができる可能性がある。従って、処理水水質予測部１２において、種々の入力データと活性炭の粒度とを併用することで、入力データとして用いる各パラメータ間の相互作用を考慮した予測処理水水質値を得ることができ、結果的に良好な水処理プロセスの制御を実現することができる。
Furthermore, when the particle size of the activated carbon is small, the amount of organic matter removed in the landing well is increased, so the amount of organic matter in the chemical mixing pond is reduced and the amount of coagulant required is reduced. Therefore, the particle size of the activated carbon also affects the agglomeration efficiency in the agglomeration treatment in the
ニューラルネットワークによる水質予測モデル以外では、処理水水質予測部１２は、重回帰分析による水質予測モデルを用いることができる。或いは、処理水水質予測部１２は、予め蓄積された原水カビ臭（２‐ＭＩＢ濃度値）、原水カビ臭（ジェオスミン濃度値）の少なくとも何れか、ＰＡＣ注入率、及び活性炭注入率の関係に関するデータとの照合により、処理水カビ臭値を算出しても良い。 Other than the water quality prediction model based on the neural network, the treated water quality prediction unit 12 can use a water quality prediction model based on multiple regression analysis. Alternatively, the treated water quality prediction unit 12 may store at least one of the raw water musty odor (2-MIB concentration value) and the raw water musty odor (geosmin concentration value), the PAC injection rate, and the activated carbon injection rate. The treated water musty odor value may be calculated by comparing with the above.
処理水水質予測部１２は、予測に際して、複数のＰＡＣ注入率及び活性炭注入率の値を入力する。具体的には、凝集剤（ＰＡＣ）注入率及び活性炭注入率について、予め複数の値を設定し、これらの値の様々な組合せと、原水水質の測定値とを組み合わせて入力する。ここで、後に詳述するが、ＰＡＣ注入率の値は、原水濁度に基づいて決定された基本注入率と、原水カビ臭値に基づいて決定された最大注入率との間のあらゆる値でありうる。そして、活性炭注入率の値は、例えば０ｍｇ／Ｌ（注入なし）〜各水処理システムについて経済的観点から定めることができる活性炭の最大注入率の範囲内のあらゆる値でありうる。従って、処理水水質予測部１２は、複数のＰＡＣ注入率及び活性炭注入率に対応する、予測処理水水質値（この場合は、カビ臭値）を算出することとなる。 The treated water quality predicting unit 12 inputs a plurality of PAC injection rates and activated carbon injection rates. Specifically, a plurality of values are set in advance for the flocculant (PAC) injection rate and the activated carbon injection rate, and various combinations of these values and the measured values of the raw water quality are input in combination. Here, as described in detail later, the value of the PAC injection rate is any value between the basic injection rate determined based on the raw water turbidity and the maximum injection rate determined based on the raw water mold odor value. It is possible. The value of the activated carbon injection rate can be any value within the range of, for example, 0 mg / L (no injection) to the maximum injection rate of activated carbon that can be determined from an economic viewpoint for each water treatment system. Therefore, the treated water quality prediction unit 12 calculates predicted treated water quality values (in this case, musty odor values) corresponding to a plurality of PAC injection rates and activated carbon injection rates.
評価部１３は、処理水水質予測部１２により予測された、予測処理水水質値を、予め設定された目標処理水水質値、及び薬品処理に使用する薬品（活性炭及びＰＡＣ）の費用に基づいて、複数の評価指数（Ｆ）を算出する。評価指数（Ｆ）は、例えば下式（１）に示す評価モデルに基づいて算出することができる。
Ｆ＝ａ１×（ＰＡＣ注入率（ｍｇ／Ｌ））＋ａ２×（活性炭注入率（ｍｇ／Ｌ））
＋ｂ１×（目標処理水２‐ＭＩＢ値−予測処理水２‐ＭＩＢ値）２
＋ｂ２×（目標処理水ジェオスミン値−予測処理水ジェオスミン値）２
＋ｃ
・・・（１）
ここで、式（１）において、係数ａ１及びａ２は、それぞれ、ＰＡＣ及び活性炭の単価に比例する係数である。そして、係数ｂ１及びｂ２は、それぞれ、水質（特に、かび臭）の予測値が目標値を上回ることにより生じるリスクをコストに換算するための係数である。例えば、係数ｂ１は、予測された２‐ＭＩＢ値が目標とする２‐ＭＩＢ値を上回った場合に想定される損害金額や、追加薬品投入コスト等に基づいて決定することができる。係数ｂ２についても同様である。係数ｂ１及びｂ２は、それぞれ、予測処理水２‐ＭＩＢ値／ジェオスミン値が目標処理水２‐ＭＩＢ値／ジェオスミン値以下であれば、０とする。また、ｃはペナルティ値であり、例えば「１０００」である。ｃの項は、予測処理水２‐ＭＩＢ値又は予測処理水ジェオスミン値がそれぞれの処理水水質基準値を超えた場合にのみ有効となる。この場合、評価指数（Ｆ）の値は１０００超となる。ただし、薬品注入率決定部１４は、評価指数（Ｆ）の値が１０００超となった場合、かかる評価指数（Ｆ）は無効な値として、出力しないものとする。
ここで、目標処理水２‐ＭＩＢ値／ジェオスミン値などの「目標処理水水質値（目標値）」とは、基準値よりも良好な水質を維持するための値であり、「処理水水質基準値（基準値）」とは、水質基準に関する省令により規定されている水質基準値であり、遵守することが必須である。したがって、予測値が目標値を下回る場合には、水質は十分に良好なので、コストのみを考慮して薬品注入率が決定される。また、予測値が基準値を上回る場合には、かかる予測値に対応する薬品注入率を採用することはできないため、薬品注入率の候補から外す。
The evaluation unit 13 uses the predicted treated water quality value predicted by the treated water quality prediction unit 12 based on the target treated water quality value set in advance and the cost of the chemicals (activated carbon and PAC) used for the chemical treatment. A plurality of evaluation indices (F) are calculated. The evaluation index (F) can be calculated based on, for example, an evaluation model shown in the following formula (1).
F = a1 × (PAC injection rate (mg / L)) + a2 × (activated carbon injection rate (mg / L))
+ B1 × (target treated
+ B2 × (target treated water geosmin value−predicted treated water geosmin value) 2
+ C
... (1)
Here, in formula (1), coefficients a1 and a2 are coefficients proportional to the unit price of PAC and activated carbon, respectively. The coefficients b1 and b2 are coefficients for converting the risk caused by the predicted value of water quality (especially musty odor) exceeding the target value into cost. For example, the coefficient b1 can be determined based on the amount of damage assumed when the predicted 2-MIB value exceeds the target 2-MIB value, the additional medicine input cost, or the like. The same applies to the coefficient b2. The coefficients b1 and b2 are set to 0 if the predicted treated water 2-MIB value / geosmin value is less than or equal to the target treated water 2-MIB value / geosmin value, respectively. C is a penalty value, for example, “1000”. The term c is effective only when the predicted treated water 2-MIB value or the predicted treated water geosmin value exceeds the respective treated water quality reference value. In this case, the value of the evaluation index (F) is over 1000. However, when the value of the evaluation index (F) exceeds 1000, the chemical injection rate determination unit 14 does not output the evaluation index (F) as an invalid value.
Here, the “target treated water quality value (target value)” such as the target treated water 2-MIB value / geosmin value is a value for maintaining a better water quality than the reference value. “Value (standard value)” is a water quality standard value stipulated by a ministerial ordinance concerning water quality standards, and must be observed. Therefore, when the predicted value is lower than the target value, the water quality is sufficiently good, and the chemical injection rate is determined considering only the cost. Further, when the predicted value exceeds the reference value, the chemical injection rate corresponding to the predicted value cannot be adopted, and is excluded from the chemical injection rate candidates.
さらに、係数ａ１、ａ２、ｂ１、及びｂ２は下式（２）
ａ＋ｂ＝１ ・・・（２）
を満たすように選択される。ここで、ａ＝（ａ１＋ａ２）であり、ｂ＝（ｂ１＋ｂ２）である。ｂは、かび臭の予測値が目標値を上回ることにより生じるリスクをコストに換算するための係数である。例えば、ｂの値は、複数の組合せの凝集剤（ＰＡＣ）注入率及び活性炭注入率と、原水水質の測定値との組み合わせについて算出したリスクやコストの平均値を基準として、リスクにより生じるコストが、かかるコストと薬品（ＰＡＣ及び活性炭）のコストの合計値に対して占める割合として定めることができる。また、例えば、ｂの値は、複数組の凝集剤（ＰＡＣ）注入率及び活性炭注入率と、原水水質の測定値との組み合わせについて算出したリスクやコストの分散値を基準として定めることもできる。
上述の通り、評価部１３は、予測処理水２‐ＭＩＢ値及び予測処理水ジェオスミン値の何れかが、それらの基準値を上回った場合、評価部１３は、評価指数（Ｆ）を算出しない。一方、予測処理水２‐ＭＩＢ値及び予測処理水ジェオスミン値がそれらの目標値を下まわった場合、下式（３）が成り立つ。
ａ１＋ａ２＝ａ＝１ ・・・（３）
ここで、係数ａ１及びａ２は、それぞれ、０以上１以下の値である。そして、ａ１とａ２の値は、上述したように、それぞれ、ＰＡＣ及び活性炭の単価に比例して合計値が１となる範囲で割り振られる。
Further, the coefficients a1, a2, b1, and b2 are expressed by the following equation (2).
a + b = 1 (2)
Selected to meet. Here, a = (a1 + a2) and b = (b1 + b2). b is a coefficient for converting the risk generated when the predicted value of musty odor exceeds the target value into cost. For example, the value of b is a cost caused by the risk based on the average value of the risk and cost calculated for the combination of the flocculant (PAC) injection rate and activated carbon injection rate of a plurality of combinations and the measured value of the raw water quality. , It can be determined as a ratio of the cost and the total cost of chemicals (PAC and activated carbon). In addition, for example, the value of b can be determined based on risk and cost variance values calculated for a combination of a plurality of sets of flocculant (PAC) injection rate and activated carbon injection rate and measured values of raw water quality.
As described above, when any one of the predicted treated water 2-MIB value and the predicted treated water geosmin value exceeds the reference value, the evaluating unit 13 does not calculate the evaluation index (F). On the other hand, when the predicted treated water 2-MIB value and the predicted treated water geosmin value are lower than their target values, the following expression (3) is established.
a1 + a2 = a = 1 (3)
Here, the coefficients a1 and a2 are values of 0 or more and 1 or less, respectively. And the value of a1 and a2 is each allocated in the range in which the total value becomes 1 in proportion to the unit price of PAC and activated carbon, as described above.
さらに、処理水水質予測部１２及び評価部１３は、カビ臭値と同様に、濁度についても予測値を算出し、評価指数の算出に寄与させることが好ましい。濁度を考慮して評価指数を算出することによって、ＰＡＣ注入率及び活性炭注入率を一層最適化することができるからである。この場合の処理水水質予測部１２における予測処理水濁度の算出方法の一例を、図３を参照して説明する。 Furthermore, it is preferable that the treated water quality prediction unit 12 and the evaluation unit 13 calculate the predicted value for the turbidity as well as the mold odor value, and contribute to the calculation of the evaluation index. This is because the PAC injection rate and the activated carbon injection rate can be further optimized by calculating the evaluation index in consideration of turbidity. An example of a method for calculating the predicted treated water turbidity in the treated water quality predicting unit 12 in this case will be described with reference to FIG.
図３は、本法における処理水濁度予測モデルの一例を説明するための図である。図３にかかるニューラルネットワークは、水処理プロセス制御装置１０に接続された原水濁度計１０２と、原水水温・ｐＨ計１０３の出力値、並びにＰＡＣ注入率を入力データとし、処理水の濁度を出力データとする。さらに、図３のニューラルネットワークは、５個のニューロンＸ０〜Ｘ４を有する入力層Ｌ１と、５個のニューロンＹ０〜Ｙ４を有する中間層Ｌ２、及び、１個のニューロンＺ１を有する出力層Ｌ３からなる階層構造を形成している。
FIG. 3 is a diagram for explaining an example of the treated water turbidity prediction model in the present method. The neural network according to FIG. 3 uses the raw
評価部１３は、得られた処理水濁度を用いて、下式（４）に示す評価モデルを用いて評価指数（Ｆ）を算出することが好ましい。
Ｆ＝ａ１×（ＰＡＣ注入率（ｍｇ／Ｌ））＋ａ２×（活性炭注入率（ｍｇ／Ｌ））
＋ｂ１×（目標処理水２‐ＭＩＢ値−予測処理水２‐ＭＩＢ値）２
＋ｂ２×（目標処理水ジェオスミン値−予測処理水ジェオスミン値）２
＋ｂ３×（目標処理水濁度−予測処理水濁度）２
＋ｃ
・・・（４）
ここで、ａ１〜ｂ２、ｃについては、上記式（１）と同様であり、新たに加えられたｂ３は、濁度の予測値が目標値を上回ることにより生じるリスクをコストに換算するための係数であり、上記ｂ１及びｂ２と同様にして定めることができる。ｂ３は、予測処理水２‐ＭＩＢ値が目標処理水２‐ＭＩＢ値以下であれば、０とする。そして、ｂ３の項は予測処理水濁度と目標処理水濁度との乖離を表す項である。なお、評価部１３は、評価指数（Ｆ）の値が１０００超となった場合、かかる評価指数（Ｆ）は無効な値として、出力しないものとする。
It is preferable that the evaluation part 13 calculates an evaluation index (F) using the evaluation model shown to the following Formula (4) using the obtained treated water turbidity.
F = a1 × (PAC injection rate (mg / L)) + a2 × (activated carbon injection rate (mg / L))
+ B1 × (target treated
+ B2 × (target treated water geosmin value−predicted treated water geosmin value) 2
+ B3 × (target treated water turbidity−predicted treated water turbidity) 2
+ C
... (4)
Here, about a1-b2, c, it is the same as that of said formula (1), and newly added b3 is for converting the risk which arises when the predicted value of turbidity exceeds a target value into cost. It is a coefficient, and can be determined in the same manner as b1 and b2. b3 is set to 0 if the predicted treated water 2-MIB value is less than or equal to the target treated water 2-MIB value. The term b3 is a term representing the difference between the predicted treated water turbidity and the target treated water turbidity. Note that, when the value of the evaluation index (F) exceeds 1000, the evaluation unit 13 does not output the evaluation index (F) as an invalid value.
上述したように、処理水水質予測部１２は、入力データとして入力するＰＡＣ注入率として、原水濁度に応じて定められる基本注入率及び原水カビ臭値に基づいて定められる最大注入率の範囲内の複数の注入率を使用する。例えば、処理水水質予測部１２は、まず、予め蓄積されたジャーテストのデータを参照することで、原水濁度に応じたＰＡＣの基本注入率を決定する。図４に、原水濁度とＰＡＣ注入率との関係を示すデータの一例を示す。このようなデータを参照することで、処理水水質予測部１２は、原水濁度からＰＡＣの基本注入率を一義的に導き出すことができる。さらに、処理水水質予測部１２は、原水のカビ臭値データに基づいて、ＰＡＣの最大注入率を決定する。ＰＡＣの最大注入率の決定にあたり、処理水水質予測部１２は、原水のカビ臭値データに加えて、予め蓄積されているＰＡＣ注入率とカビ臭除去率との関係に基づいてＰＡＣ注入率を加算して、ＰＡＣの最大注入率を決定することが好ましい。ＰＡＣのカビ臭除去率を考慮することで、一層高精度のＰＡＣの最大注入率が得られ、薬品注入率を一層最適化することができるからである。例えば、ＰＡＣの最大注入率は、予めジャーテストなどにより蓄積されている、ＰＡＣ注入率とカビ臭値除去率との相関関係のデータを参照することで、決定することができる。或いは、予めジャーテストにより決定した所定の係数αを利用した線形関数：「最大注入率＝基本収入率＋α×カビ臭値」に基づいてＰＡＣの最大注入率を決定することができる。ＰＡＣを含む一般的な凝集剤のカビ臭除去効果には限界があり、所定の閾値までは凝集剤の注入率を増加させることに応じてカビ臭除去効果も向上するが、所定の閾値を過ぎれば、カビ臭除去効果は飽和する傾向がある。従って、凝集剤の最大注入率を決定するにあたり、原水カビ臭値に併せて、凝集剤の注入率と凝集剤のカビ臭除去率との相関関係のデータを参照することで、所望のカビ臭除去効果を発揮させるために必要十分の凝集剤の注入率を得ることができる。 As described above, the treated water quality prediction unit 12 is within the range of the maximum injection rate determined based on the basic injection rate and the raw water mold odor value determined according to the raw water turbidity as the PAC injection rate input as input data. Use multiple injection rates. For example, the treated water quality prediction unit 12 first determines the basic injection rate of PAC according to the raw water turbidity by referring to jar test data accumulated in advance. FIG. 4 shows an example of data indicating the relationship between raw water turbidity and PAC injection rate. By referring to such data, the treated water quality prediction unit 12 can uniquely derive the basic injection rate of PAC from the raw water turbidity. Further, the treated water quality prediction unit 12 determines the maximum injection rate of PAC based on the mold odor value data of the raw water. In determining the maximum PAC injection rate, the treated water quality prediction unit 12 calculates the PAC injection rate based on the relationship between the PAC injection rate and the mold odor removal rate accumulated in advance, in addition to the mold odor value data of the raw water. In addition, it is preferable to determine the maximum injection rate of PAC. This is because by taking into account the mold odor removal rate of PAC, the maximum injection rate of PAC with higher accuracy can be obtained, and the chemical injection rate can be further optimized. For example, the maximum injection rate of PAC can be determined by referring to the data on the correlation between the PAC injection rate and the mold odor value removal rate accumulated in advance by a jar test or the like. Alternatively, the maximum injection rate of the PAC can be determined based on a linear function using a predetermined coefficient α determined in advance by a jar test: “maximum injection rate = basic income rate + α × mold odor value”. The mold odor removal effect of general flocculants including PAC is limited, and the mold odor removal effect is improved by increasing the injection rate of the flocculant up to a predetermined threshold, but the predetermined threshold is exceeded. For example, the mold odor removal effect tends to be saturated. Therefore, when determining the maximum injection rate of the flocculant, by referring to the data on the correlation between the injection rate of the flocculant and the mold odor removal rate of the flocculant in addition to the raw water mold odor value, the desired mold odor A sufficient and sufficient flocculant injection rate can be obtained to exert the removal effect.
そして、処理水水質予測部１２において、複数のＰＡＣ注入率を、原水濁度及び原水カビ臭値に応じて予め定められている基本注入率及び最大注入率の範囲内の値から選択すれば、上述したようなニューラルネットワークを用いた水質予測モデルや、重回帰分析による水質予測モデルを用いた計算における計算量を低減させることができる。複数のＰＡＣ注入率を設定可能な数値範囲が限定されるため、水質予測モデルに入力すべき薬品注入率の組合せの数を低減することができるからである。そのようにして、水質予測モデルにおける計算量を低減させることで、迅速に予測処理水水質値を得ることができる。また、予測モデルによらず、予め蓄積された原水カビ臭、ＰＡＣ注入率、及び活性炭注入率の関係に関するデータとの照合により、予測処理水水質値を得る場合であっても、照合対象とするＰＡＣ注入率の値の範囲が狭くなるため、迅速に予測処理水水質値を得ることができる。さらに、このようにして得られた予測処理水水質値は、顕著に逸脱した値となることが無いため、結果的に水処理プロセスの制御を安定化させることができる。 Then, in the treated water quality prediction unit 12, if a plurality of PAC injection rates are selected from values within the range of the basic injection rate and the maximum injection rate that are determined in advance according to the raw water turbidity and the raw water mold odor value, It is possible to reduce the amount of calculation in the calculation using the water quality prediction model using the neural network as described above and the water quality prediction model by multiple regression analysis. This is because the numerical range in which a plurality of PAC injection rates can be set is limited, and the number of combinations of chemical injection rates to be input to the water quality prediction model can be reduced. As such, by reducing the amount of calculation in the water quality prediction model, the predicted treated water quality value can be obtained quickly. In addition, regardless of the prediction model, even if the predicted treated water quality value is obtained by collating with the data related to the relationship between the raw water mold odor, the PAC injection rate, and the activated carbon injection rate, which is accumulated in advance, it is the target of verification. Since the range of the PAC injection rate is narrowed, the predicted treated water quality value can be obtained quickly. Furthermore, since the predicted treated water quality value obtained in this way does not become a value that deviates significantly, the control of the water treatment process can be stabilized as a result.
なお、処理水水質予測部１２は、複数の活性炭注入率を、ＰＡＣ注入率と同様に、原水カビ臭値及び原水濁度に基づいて算出した、基本注入率及び最大注入率の範囲内から選択しても良い。 In addition, the treated water quality prediction unit 12 selects a plurality of activated carbon injection rates from the range of the basic injection rate and the maximum injection rate calculated based on the raw water mold odor value and the raw water turbidity in the same manner as the PAC injection rate. You may do it.
上述したような、処理水水質予測部１２、評価部１３、及び薬品注入率決定部１４において実施される水処理プロセスの制御方法について、図５を参照して説明する。図５は、本発明に従う水処理プロセスの制御方法の一例を説明するフローチャートである。まず、処理水水質予測部１２は、原水水質取得部１１を介して、原水カビ臭センサ１０１により測定された原水カビ臭値と、活性炭やＰＡＣなどの薬品注入率を入力データとして取得する（ステップＳ０１）。既に述べたとおり、入力データはこれらに限定されるものではない。原水カビ臭値のような測定により得られる入力データの取得頻度は、例えば、１時間又は３０分に一回である。もちろん季節の変わり目などの原水水質の変動が激しい時期に入力データの取得頻度を高めても良いし、或いは、比較的原水水質が安定している時期に入力データの取得頻度を低くしても良い。また、活性炭の粒度の変更頻度は、例えば、月単位、或いは季節単位である。
The control method of the water treatment process implemented in the treated water quality prediction part 12, the evaluation part 13, and the chemical injection rate determination part 14 as mentioned above is demonstrated with reference to FIG. FIG. 5 is a flowchart illustrating an example of a method for controlling a water treatment process according to the present invention. First, the treated water quality prediction unit 12 acquires, as input data, the raw water mold odor value measured by the raw water
そして、処理水水質予測部１２は、所定の水質予測モデル或いは蓄積データとの照合により、処理水水質予測値を算出する（ステップＳ０２）。既に述べた通り、水質予測モデルとしては、既知のあらゆる予測モデルを採用することができる。なお、処理水水質予測値は、測定によらずに得ることができる、活性炭やＰＡＣなどの薬品注入率の入力データのあらゆる組合せに対応して、複数算出される。 And the treated water quality prediction part 12 calculates a treated water quality prediction value by collation with a predetermined water quality prediction model or accumulation data (Step S02). As already described, any known prediction model can be adopted as the water quality prediction model. A plurality of predicted values of treated water quality are calculated corresponding to all combinations of input data of chemical injection rates such as activated carbon and PAC that can be obtained without measurement.
そして、評価部１３は、所定の評価モデルを用いて、ステップＳ０２で算出された複数の処理水水質予測値のそれぞれに対応する、評価指数（Ｆ）を算出する（ステップＳ０３）。さらに、薬品注入率決定部１４は、ステップＳ０３にて得られた評価指数（Ｆ）に基づいて、最適な薬品注入率を決定する（ステップＳ０４）。薬品注入率決定部１４は、まず、最適な薬品注入率の決定に際して、活性炭やＰＡＣなどの薬品注入率の入力データのあらゆる組合せに対応する評価指数（Ｆ）の値から、予め定められた条件を満たす評価指数（Ｆ）を選定する。そして、薬品注入率決定部１４は、選定した評価指数（Ｆ）に対応する薬品注入率を、実際に投入する活性炭やＰＡＣなどの薬品注入率として決定する。ここで、「予め定められた条件」の一例として、「評価指数（Ｆ）の値が最も小さい」ことが挙げられる。
なお、予め定められた条件を満たす評価指数（Ｆ）が複数ある場合には、かかるＦ値に対応する入力データの組合せの中から、活性炭の注入率が一番小さいものを抽出する方法、またはかかる複数の評価指数（Ｆ）のそれぞれに対応する入力データの組合せの各項目の平均値を出力する方法などによって、薬品注入率を決定する。
Then, the evaluation unit 13 calculates an evaluation index (F) corresponding to each of the plurality of treated water quality prediction values calculated in step S02 using a predetermined evaluation model (step S03). Furthermore, the chemical injection rate determination unit 14 determines an optimal chemical injection rate based on the evaluation index (F) obtained in step S03 (step S04). The chemical injection rate determination unit 14 first determines the optimum chemical injection rate from the evaluation index (F) values corresponding to all combinations of chemical injection rate input data such as activated carbon and PAC. An evaluation index (F) satisfying the above is selected. Then, the chemical injection rate determination unit 14 determines the chemical injection rate corresponding to the selected evaluation index (F) as the chemical injection rate of activated carbon or PAC that is actually added. Here, as an example of the “predetermined condition”, “the value of the evaluation index (F) is the smallest” can be cited.
In addition, when there are a plurality of evaluation indexes (F) satisfying a predetermined condition, a method for extracting the one having the smallest activated carbon injection rate from the combination of input data corresponding to the F value, or The chemical injection rate is determined by a method of outputting the average value of each item of the combination of input data corresponding to each of the plurality of evaluation indices (F).
そして、水処理プロセス制御装置１０は、上述のステップＳ０１〜Ｓ０４を経て決定された薬品注入率で、活性炭注入手段１０４を用いて活性炭を着水井２０に注入し、凝集剤注入手段１０５を用いてＰＡＣを薬品混和池３０に注入する。さらに、本法は、ステップＳ０１〜Ｓ０４を経て決定された薬品注入率の下、得られた処理水について、処理水水質値を測定するステップと、予測処理水水質値及び処理水水質値に基づいて、目標処理水水質値を再設定するステップと、を含むことが好ましい。再設定された目標処理水水質値を、評価指数を算出する評価ステップ（ステップＳ０３）において使用して、得られた評価指数（Ｆ）に基づいて最適薬品注入率を再度決定することができるからである。このような、再設定するステップは、例えば、複数の予測処理水水質値を母集団とした、処理水水質値の偏差が所定の閾値（例えば２０％）以上となった場合にのみ、実行されるように設定することができる。この場合、複数の予測処理水水質値を母集団とした処理水水質値の偏差の一部（例えば、３０％）を、目標処理水水質値に加算し、目標処理水水質値を再設定することができる。なお、目標処理水水質値は、基準値よりも良好な水質を維持するための値であるため、基準値より良好な水質が維持される限りにおいて、値を増減させることができる。
このようなフィードバック制御を実施することにより、処理水水質を一層向上させることができる。
And the water treatment process control apparatus 10 inject | pours activated carbon into the landing well 20 using the activated carbon injection means 104 by the chemical injection rate determined through the above-mentioned steps S01-S04, and uses the flocculant injection means 105. PAC is injected into the
By performing such feedback control, the quality of treated water can be further improved.
以下、本法で採用可能な、上述のフィードバック制御の具体例について説明する。ここでは、水質値はカビ臭値であるものとして説明する。なお、明確のために、カビ臭値の数値は、実際の濃度（ｍｇ／Ｌ）ではなく、仮想の指数として説明する。まず、ステップＳ０２において得られた予測処理水水質値が、１．２であったとする。そして、上記ステップＳ０３で使用した目標処理水水質値が１．３であったとする。さらに、これらの値に基づいて上記ステップＳ０４で決定された薬品注入率の下、得られた処理水の処理水水質値が１．０であったとする。この場合、処理水水質値が予測処理水水質値を大幅に下回っていることから、ステップＳ０４で決定された薬品注入率は必要以上に高いことがわかる。よって、水処理プロセス制御装置１０は、例えば、下式（５）の値（目標処理水水質値調整量）を算出して、目標処理水水質値に加算する。
（目標処理水水質値調整量）＝（予測処理水水質値−処理水水質値）／２・・・（５）
上述の各水質値の数値を式（５）に当てはめると、（１．２−１．０）／２＝０．１が得られ、再設定にかかる目標処理水水質値は、（１．３＋０．１）＝１．４となる。
Hereinafter, specific examples of the above-described feedback control that can be employed in this method will be described. Here, the water quality value is described as a musty odor value. For the sake of clarity, the numerical value of the musty odor value is described as a hypothetical index, not the actual concentration (mg / L). First, it is assumed that the predicted treated water quality value obtained in step S02 is 1.2. The target treated water quality value used in step S03 is 1.3. Furthermore, it is assumed that the treated water quality value of the treated water obtained is 1.0 under the chemical injection rate determined in step S04 based on these values. In this case, since the treated water quality value is significantly lower than the predicted treated water quality value, it is understood that the chemical injection rate determined in step S04 is higher than necessary. Therefore, the water treatment process control apparatus 10 calculates, for example, the value of the following expression (5) (target treated water quality value adjustment amount) and adds it to the target treated water quality value.
(Target treated water quality value adjustment amount) = (Predicted treated water quality value−treated water quality value) / 2 (5)
When the numerical values of the above water quality values are applied to Equation (5), (1.2−1.0) /2=0.1 is obtained, and the target treated water quality value for resetting is (1.3 + 0). .1) = 1.4.
そして、水処理プロセス制御装置１０は、評価部１３に、再設定された目標処理水水質値を上記ステップＳ０３で用いて評価指数（Ｆ）を算出させ、得られた新たな評価指数（Ｆ）に基づいて、薬品注入率を決定する。 Then, the water treatment process control apparatus 10 causes the evaluation unit 13 to calculate the evaluation index (F) using the reset target treated water quality value in the above step S03, and to obtain the new evaluation index (F) obtained. The drug injection rate is determined based on the above.
以上、いくつかの例を用いて本発明の水処理プロセスの制御方法について説明したが、本発明の水処理プロセスの制御方法及び制御装置は、上記例に限定されることはなく、適宜変更を加えることができる。 As mentioned above, although the control method of the water treatment process of this invention was demonstrated using some examples, the control method and control apparatus of the water treatment process of this invention are not limited to the said example, A change is suitably carried out. Can be added.
本発明の水処理プロセスの制御方法及び制御装置によれば、原水の水質の変動に対応可能であるとともに、薬品注入率の低減及び処理水のカビ臭値の低減を両立することができる。 According to the control method and control apparatus for a water treatment process of the present invention, it is possible to cope with fluctuations in the quality of raw water, and at the same time, to reduce the chemical injection rate and to reduce the musty odor value of treated water.
１０ ：水処理プロセス制御装置
１１ ：原水水質取得部（Ｉ／Ｆ）
１２ ：処理水水質予測部
１３ ：評価部
１４ ：薬品注入率決定部
２０ ：着水井
３０ ：薬品混和池
４０ ：フロック形成池
５０ ：沈殿池
６０ ：ろ過池
１００ ：水処理システム
１０１ ：原水カビ臭センサ
１０２ ：原水濁度計
１０３ ：原水水温・ｐＨ計
１０４ ：活性炭注入手段
１０５ ：凝集剤注入手段
１０６ ：処理水カビ臭センサ
１０７ ：処理水濁度計
10: Water treatment process control device 11: Raw water quality acquisition unit (I / F)
12: treated water quality prediction unit 13: evaluation unit 14: chemical injection rate determination unit 20: landing well 30: chemical mixing basin 40: flock formation basin 50: sedimentation basin 60: filtration basin 100: water treatment system 101: raw water mold smell Sensor 102: Raw water turbidity meter 103: Raw water temperature / pH meter 104: Activated carbon injection means 105: Flocculant injection means 106: Treated water mold odor sensor 107: Treated water turbidity meter
Claims (6)
原水濁度及び原水カビ臭値を含む原水水質値を取得する原水水質値取得ステップと、
前記原水水質値、複数の凝集剤注入率、及び複数の活性炭注入率に基づいて、複数の予測処理水カビ臭値を含む予測処理水水質値を予測する予測ステップと、
前記予測ステップで得られた複数の予測処理水水質値、予め設定された目標処理水水質値、及び前記凝集剤及び前記活性炭の費用に基づいて、複数の評価指数を算出する評価ステップと、
前記評価ステップで得られた前記複数の評価指数に基づいて、最適な凝集剤注入率及び活性炭注入率を決定するステップと、
を含み、
前記予測ステップは、
前記原水濁度に基づいて、前記凝集剤処理で注入する凝集剤の基本注入率を決定し、さらに、前記原水カビ臭値に基づいて、前記凝集剤処理で注入する凝集剤の最大注入率を決定して、前記基本注入率及び前記最大注入率の範囲内で、前記複数の凝集剤注入率を選択するステップをさらに含む
ことを特徴とする、水処理プロセスの制御方法。 A control method of a water treatment process for obtaining treated water by performing chemical treatment including flocculant treatment and activated carbon treatment on raw water,
Raw water quality value acquisition step for acquiring raw water quality values including raw water turbidity and raw water musty odor values;
A prediction step of predicting a predicted treated water quality value including a plurality of predicted treated water mold odor values based on the raw water quality value, a plurality of flocculant injection rates, and a plurality of activated carbon injection rates;
An evaluation step for calculating a plurality of evaluation indices based on a plurality of predicted treated water quality values obtained in the prediction step, a preset target treated water quality value, and costs of the flocculant and the activated carbon;
Determining an optimal flocculant injection rate and activated carbon injection rate based on the plurality of evaluation indices obtained in the evaluation step;
Including
The prediction step includes
Based on the raw water turbidity, the basic injection rate of the flocculant to be injected by the flocculant treatment is determined, and further, based on the raw water mold odor value, the maximum injection rate of the flocculant to be injected by the flocculant treatment is determined. The method of controlling a water treatment process, further comprising the step of determining and selecting the plurality of flocculant injection rates within the range of the basic injection rate and the maximum injection rate.
前記予測処理水水質値及び前記処理水水質値に基づいて、前記目標処理水水質値を再設定するステップと、
をさらに含み、
前記評価ステップにて、前記再設定された前記目標処理水水質値を使用することを特徴とする請求項１〜４の何れか一項に記載の水処理プロセスの制御方法。 Measuring the treated water quality value of the treated water;
Resetting the target treated water quality value based on the predicted treated water quality value and the treated water quality value;
Further including
The water treatment process control method according to any one of claims 1 to 4, wherein the reset target treated water quality value is used in the evaluation step.
原水濁度及び原水カビ臭値を含む原水水質値を取得する原水水質値取得部と、
前記原水水質値、複数の凝集剤注入率、及び複数の活性炭注入率に基づいて、複数の予測処理水カビ臭値を含む予測処理水水質値を予測する処理水水質予測部と、
前記処理水水質予測部により得られた複数の予測処理水水質値、予め設定された目標処理水水質値、及び前記凝集剤及び前記活性炭の費用に基づいて、複数の評価指数を算出する評価部と、
前記評価部により得られた前記複数の評価指数に基づいて、最適な凝集剤注入率及び活性炭注入率を決定する薬品注入量決定部と、
を含み、
前記予測部は、
前記原水濁度に基づいて、前記凝集剤処理で注入する凝集剤の基本注入率を決定し、さらに、前記原水カビ臭値に基づいて、前記凝集剤処理で注入する凝集剤の最大注入率を決定して、前記基本注入率及び前記最大注入率の範囲内で、前記複数の凝集剤注入率を選択することを特徴とする、水処理プロセスの制御装置。 A water treatment process control device that obtains treated water by performing chemical treatment including flocculant treatment and activated carbon treatment on raw water,
Raw water quality value acquisition unit for acquiring raw water quality values including raw water turbidity and raw water musty odor value;
A treated water quality prediction unit that predicts a predicted treated water quality value including a plurality of predicted treated water mold odor values based on the raw water quality value, a plurality of flocculant injection rates, and a plurality of activated carbon injection rates;
An evaluation unit that calculates a plurality of evaluation indexes based on a plurality of predicted treated water quality values obtained by the treated water quality prediction unit, preset target treated water quality values, and costs of the flocculant and the activated carbon When,
Based on the plurality of evaluation indexes obtained by the evaluation unit, a chemical injection amount determination unit that determines an optimal flocculant injection rate and activated carbon injection rate,
Including
The prediction unit
Based on the raw water turbidity, the basic injection rate of the flocculant to be injected by the flocculant treatment is determined, and further, based on the raw water mold odor value, the maximum injection rate of the flocculant to be injected by the flocculant treatment is determined. An apparatus for controlling a water treatment process, wherein the controller determines and selects the plurality of flocculant injection rates within the range of the basic injection rate and the maximum injection rate.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014032164A JP6250431B2 (en) | 2014-02-21 | 2014-02-21 | Water treatment process control method and control apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014032164A JP6250431B2 (en) | 2014-02-21 | 2014-02-21 | Water treatment process control method and control apparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015157239A true JP2015157239A (en) | 2015-09-03 |
| JP6250431B2 JP6250431B2 (en) | 2017-12-20 |
Family
ID=54181725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014032164A Active JP6250431B2 (en) | 2014-02-21 | 2014-02-21 | Water treatment process control method and control apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6250431B2 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022108659A1 (en) * | 2020-11-18 | 2022-05-27 | Hach Company | Process, system, and computer readable storage medium for determining optimal coagulant dosage |
| CN115140918A (en) * | 2022-08-30 | 2022-10-04 | 聊城集众环保科技有限公司 | Efficient control method for sewage treatment |
| CN115259318A (en) * | 2022-08-09 | 2022-11-01 | 北控水务(中国)投资有限公司 | Self-adaptive PAC dosing basic automation method |
| JP7443265B2 (en) | 2018-07-13 | 2024-03-05 | スエズ インターナショナル | How to determine the dosage of coagulant for treating raw water |
| JP7460267B2 (en) | 2019-11-14 | 2024-04-02 | 学校法人 中央大学 | Information processing device, information processing method, and program |
| JP7475853B2 (en) | 2019-12-10 | 2024-04-30 | メタウォーター株式会社 | Water treatment system, program, information processing device and water treatment method |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08309109A (en) * | 1995-05-15 | 1996-11-26 | Hitachi Ltd | Controlling device for pouring chemical in water purification plant |
| JP2001079310A (en) * | 1999-09-10 | 2001-03-27 | Meidensha Corp | Water quality control method and device therefor |
| JP2005288309A (en) * | 2004-03-31 | 2005-10-20 | Toshiba Corp | Water treatment method and water treatment system |
| JP2011045853A (en) * | 2009-08-28 | 2011-03-10 | Ebara Engineering Service Co Ltd | Water-purifying treatment apparatus and method |
| JP2012213759A (en) * | 2011-03-30 | 2012-11-08 | Metawater Co Ltd | Method of controlling chemical injection and device for controlling chemical injection |
-
2014
- 2014-02-21 JP JP2014032164A patent/JP6250431B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08309109A (en) * | 1995-05-15 | 1996-11-26 | Hitachi Ltd | Controlling device for pouring chemical in water purification plant |
| JP2001079310A (en) * | 1999-09-10 | 2001-03-27 | Meidensha Corp | Water quality control method and device therefor |
| JP2005288309A (en) * | 2004-03-31 | 2005-10-20 | Toshiba Corp | Water treatment method and water treatment system |
| JP2011045853A (en) * | 2009-08-28 | 2011-03-10 | Ebara Engineering Service Co Ltd | Water-purifying treatment apparatus and method |
| JP2012213759A (en) * | 2011-03-30 | 2012-11-08 | Metawater Co Ltd | Method of controlling chemical injection and device for controlling chemical injection |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7443265B2 (en) | 2018-07-13 | 2024-03-05 | スエズ インターナショナル | How to determine the dosage of coagulant for treating raw water |
| JP7460267B2 (en) | 2019-11-14 | 2024-04-02 | 学校法人 中央大学 | Information processing device, information processing method, and program |
| JP7475853B2 (en) | 2019-12-10 | 2024-04-30 | メタウォーター株式会社 | Water treatment system, program, information processing device and water treatment method |
| WO2022108659A1 (en) * | 2020-11-18 | 2022-05-27 | Hach Company | Process, system, and computer readable storage medium for determining optimal coagulant dosage |
| CN115259318A (en) * | 2022-08-09 | 2022-11-01 | 北控水务(中国)投资有限公司 | Self-adaptive PAC dosing basic automation method |
| CN115259318B (en) * | 2022-08-09 | 2024-01-09 | 北控水务(中国)投资有限公司 | Self-adaptive PAC dosing basic automation method |
| CN115140918A (en) * | 2022-08-30 | 2022-10-04 | 聊城集众环保科技有限公司 | Efficient control method for sewage treatment |
| CN115140918B (en) * | 2022-08-30 | 2022-11-22 | 聊城集众环保科技有限公司 | Efficient control method for sewage treatment |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6250431B2 (en) | 2017-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6250431B2 (en) | Water treatment process control method and control apparatus | |
| Zouboulis et al. | Comparison of efficiency between poly‐aluminium chloride and aluminium sulphate coagulants during full‐scale experiments in a drinking water treatment plant | |
| JP6422901B2 (en) | Management support system, management support method, and management support program | |
| Geerts et al. | Full-scale phosphorus recovery from digested wastewater sludge in Belgium–part II: economic opportunities and risks | |
| Piri et al. | Investigation on optimization of conventional drinking water treatment plant | |
| Yamamura et al. | Dosage optimization of polyaluminum chloride by the application of convolutional neural network to the floc images captured in jar tests | |
| dos Santos et al. | Intelligent system for improving dosage control | |
| Godo-Pla et al. | Benchmarking empirical models for THMs formation in drinking water systems: An application for decision support in Barcelona, Spain | |
| Al Hamedi et al. | Wastewater irrigation: A promising way for future sustainable agriculture and food security in the United Arab Emirates | |
| Dassey et al. | Evaluating coagulation pretreatment on poultry processing wastewater for dissolved air flotation | |
| Wolska | Removal of precursors of chlorinated organic compounds in selected water treatment processes | |
| Manamperuma et al. | Multi-parameter based coagulant dosing control | |
| Elbana et al. | New mathematical model for computing head loss across sand media filter for microirrigation systems | |
| Vicente et al. | Evaluation of the water quality in the Guadarrama river at the section of Las Rozas‐Madrid, Spain | |
| Chiavola et al. | A combined experimental-modeling approach for turbidity removal optimization in a coagulation–flocculation unit of a drinking water treatment plant | |
| JP2021524588A (en) | How to determine the dose of coagulant to treat raw water | |
| Van Leeuwen et al. | Modelling the application of inorganic coagulants and pH control reagents for removal of organic matter from drinking waters | |
| JP7337545B2 (en) | Control device, control method and computer program | |
| Annadurai et al. | Optimization of floc characteristics for treatment of highly turbid water | |
| Benítez-Cano et al. | Association of drought conditions and heavy rainfalls with the quality of drinking water in Barcelona (2010–2022) | |
| Wang et al. | Optimisation and improvement of in-line filtration performance in water treatment for a typical low turbidity source water | |
| Fazeli et al. | Selecting the optimal coagulant in turbidity removal and organic carbon of surface water Using AHP | |
| Mussared et al. | Implementation of predictive alum dose control systems | |
| Manamperuma et al. | Retrofitting coagulant dosing control using real-time water quality measurements to reduce coagulant consumption | |
| CN115605439A (en) | Method for limiting and regulating the dose of coagulant for coagulation treatment of raw water |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161017 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170516 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170530 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170711 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20171107 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171122 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6250431 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |