JP2022046281A - 排水処理シミュレータのパラメータ値予測方法及び装置並びに下水処理プラントの制御方法及び装置 - Google Patents
排水処理シミュレータのパラメータ値予測方法及び装置並びに下水処理プラントの制御方法及び装置 Download PDFInfo
- Publication number
- JP2022046281A JP2022046281A JP2020152230A JP2020152230A JP2022046281A JP 2022046281 A JP2022046281 A JP 2022046281A JP 2020152230 A JP2020152230 A JP 2020152230A JP 2020152230 A JP2020152230 A JP 2020152230A JP 2022046281 A JP2022046281 A JP 2022046281A
- Authority
- JP
- Japan
- Prior art keywords
- sludge
- image data
- parameter value
- data
- wastewater treatment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 54
- 238000004065 wastewater treatment Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims description 18
- 239000010802 sludge Substances 0.000 claims abstract description 92
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 39
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- 238000004088 simulation Methods 0.000 claims abstract description 11
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 21
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 12
- 239000011574 phosphorus Substances 0.000 description 12
- 229910052698 phosphorus Inorganic materials 0.000 description 12
- 229910052757 nitrogen Inorganic materials 0.000 description 10
- 239000000126 substance Substances 0.000 description 10
- 239000007788 liquid Substances 0.000 description 9
- 239000005416 organic matter Substances 0.000 description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 238000009795 derivation Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 244000005700 microbiome Species 0.000 description 5
- 230000001546 nitrifying effect Effects 0.000 description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 4
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000004062 sedimentation Methods 0.000 description 4
- 241000233866 Fungi Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 2
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 2
- 229910000147 aluminium phosphate Inorganic materials 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 229910017604 nitric acid Inorganic materials 0.000 description 2
- 230000033116 oxidation-reduction process Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000000249 desinfective effect Effects 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 244000059217 heterotrophic organism Species 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 125000001477 organic nitrogen group Chemical group 0.000 description 1
- 238000006864 oxidative decomposition reaction Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
-
- 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)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】排水処理シミュレータに精通していなくても、そのパラメータ値を的確に予測可能とする。
【解決手段】下水処理プラントのデータと排水処理シミュレータ（ＡＳＭ６４）によるシミュレーションの結果に対して、確からしい各パラメータ値を探索し、前記各パラメータ値の時系列データをデータベース６８に保存し、流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得し、得られた汚泥画像データの特徴量と水質データと前記パラメータ値の時系列データの関係を学習し、新しく得た汚泥画像データの特徴量と水質データから前記排水処理シミュレータ（ＡＳＭ６４）のパラメータ値を予測する。
【選択図】図３
【解決手段】下水処理プラントのデータと排水処理シミュレータ（ＡＳＭ６４）によるシミュレーションの結果に対して、確からしい各パラメータ値を探索し、前記各パラメータ値の時系列データをデータベース６８に保存し、流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得し、得られた汚泥画像データの特徴量と水質データと前記パラメータ値の時系列データの関係を学習し、新しく得た汚泥画像データの特徴量と水質データから前記排水処理シミュレータ（ＡＳＭ６４）のパラメータ値を予測する。
【選択図】図３
Description
本発明は、排水処理シミュレータのパラメータ値予測方法及び装置並びに下水処理プラントの制御方法及び装置に係り、特に、排水処理シミュレータに精通していなくても、そのパラメータ値を的確に予測することが可能な、排水処理シミュレータのパラメータ値予測方法及び装置並びに下水処理プラントの制御方法及び装置に関する。
有機物を含む排水の処理には、微生物を使用した生物処理が用いられる。この生物処理において、下水や排水中に含まれる有機物を基質として人為的に培養された微生物の集合体を活性汚泥と呼ぶ。この活性汚泥中では、細菌（従属栄養生物）、糸状菌、酵母、原生生物、後生生物など多様な生物種が相互作用し、水中の有機物、窒素、リンなどが処理される。
このような活性汚泥法による下水処理プラントの基本的な下水処理フローを図１に示す。この下水処理プラントは、下水ラインから流入する下水からトイレットペーパーなどの固形性汚濁物や砂等を除去するための最初沈殿池１０と、微生物群の働きにより有機物や窒素（アンモニア）、リン酸を除去するための生物反応槽２０と、活性汚泥と処理水を自然沈降により固液分離するための最終沈殿池３０とを主に備えている。
下水処理プラントの主要な処理対象物と項目は、有機物は、生物学的酸素要求量ＢＯＤ、化学的酸素要求量ＣＯＤ、浮遊状固形物ＳＳであり、窒素関係は、全窒素（有機体窒素＋無機窒素）Ｔ－Ｎ、アンモニア性窒素ＮＨ4－Ｎ、硝酸性窒素ＮＯ3－Ｎ、亜硝酸性窒素ＮＯ2－Ｎであり、リンは、全リン（有機体リン＋無機リン）Ｔ－Ｐ、リン酸性リンＰＯ4－Ｐである。
このような下水処理プラントの運転を支援する方法の一つに、数理モデルに基いた排水処理シミュレータが提案されている（特許文献１、特許文献２）。この排水処理シミュレータの一つに、活性汚泥を用いたＡＳＭ（Activated sludge model）がある。このＡＳＭでは、生物の代謝を数式化し、反応の進行に伴う物質収支と反応速度から有機物、窒素、リンのような処理対象物質の移動をシミュレートする。
このＡＳＭでは、モデルで定義しているパラメータ値の一般性が常に高いわけではなく、シミュレーションの精度を維持するため、個別の処理プラントやケース毎にその時の状況を的確に表現し得るパラメータセットを決めて適宜各パラメータ値をキャリブレーションする必要がある。
しかしながら、これらのパラメータは、処理原水あるいは反応槽中の有機物の成分（遅分解性有機物、発酵性有機物、発酵生産物）の割合や活性汚泥中の各微生物の割合及び活性などに由来するため、実験的に定めることは難しく、ＡＳＭに精通した技術者による適宜設定が必要であった。
本発明は、前記従来の問題点を解決するべくなされたもので、ＡＳＭのような排水処理シミュレータに精通していなくても、そのパラメータ値を的確に予測可能とすることを第１の課題とする。
本発明は、更に、予測されたパラメータ値を用いて下水処理プラントを的確に制御可能とすることを第２の課題とする。
本発明は、下水処理プラントのデータと排水処理シミュレータによるシミュレーションの結果に対して、確からしい各パラメータ値を探索し、前記各パラメータ値の時系列データをデータベースに保存し、流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得し、得られた汚泥画像データの特徴量と前記パラメータ値の時系列データの関係を学習し、新しく得た汚泥画像データの特徴量から前記排水処理シミュレータのパラメータ値を予測することにより、前記第１の課題を解決したものである。
ここで、前記汚泥画像データの特徴量に加えて水質データも用いることができる。
本発明は、又、下水処理プラントのデータと排水処理シミュレータによるシミュレーションの結果に対して、確からしい各パラメータ値を探索するモデルと、前記各パラメータ値の時系列データを保存するデータベースと、流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得する手段と、得られた汚泥画像データの特徴量と前記パラメータ値の時系列データの関係を学習する手段と、新しく得た汚泥画像データの特徴量から前記排水処理シミュレータのパラメータ値を予測するモデルと、を備えたことを特徴とする排水処理シミュレータのパラメータ値予測装置を提供するものである。
ここで、前記汚泥画像データの特徴量に加えて水質データも用いることができる。
本発明は、又、下水処理プラントのデータと排水処理シミュレータによるシミュレーションの結果に対して、確からしい各パラメータ値を探索し、前記各パラメータ値の時系列データをデータベースに保存し、流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得し、得られた汚泥画像データの特徴量と前記パラメータ値の時系列データの関係を学習し、新しく得た汚泥画像データの特徴量から前記排水処理シミュレータのパラメータ値を予測し、この予測したパラメータ値を前記排水処理シミュレータに設定し、水質データと新しく得た汚泥画像データを入力して下水処理プラントを制御することにより、前記第２の課題を解決したものである。
本発明は、又、下水処理プラントのデータと排水処理シミュレータによるシミュレーションの結果に対して、確からしい各パラメータ値を探索するモデルと、前記各パラメータ値の時系列データを保存するデータベースと、流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得する手段と、得られた汚泥画像データの特徴量と前記パラメータ値の時系列データの関係を学習する手段と、新しく得た汚泥画像データの特徴量から前記排水処理シミュレータのパラメータ値を予測するモデルと、該モデルで予測されたパラメータ値が設定される前記排水処理シミュレータと、水質データと新しく得た汚泥画像データを入力して下水処理プラントを制御する手段と、を備えたことを特徴とする下水処理プラントの制御装置を提供するものである。
本発明によれば、活性汚泥画像を解析することにより、ＡＳＭのような排水処理シミュレータに精通していなくても、そのパラメータ値を的確に予測することが可能となる。従って、この予測されたパラメータ値を用いた高精度な排水処理シミュレータにより下水処理プラントの的確な制御が可能となる。
以下、図面を参照して、本発明の実施の形態について詳細に説明する。なお、本発明は以下の実施形態に記載した内容により限定されるものではない。また、以下に記載した実施形態における構成要件には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。更に、以下に記載した実施形態で開示した構成要素は適宜組み合わせてもよいし、適宜選択して用いてもよい。
本発明の実施形態の構成を図２に示す。
本実施形態は、従来と同様の、下水ライン８から下水が流入する最初沈殿池１０と、該最初沈殿池１０と流入ライン１２を介して接続された生物反応槽２０と、最終沈殿池３０とを主に備えている。
なお、最初沈殿池１０の入側に、大きな重い夾雑物を除去して、ポンプ等を保護するための沈砂池（図示省略）が設けられる。
前記生物反応槽２０は、細胞内のリンを放出し、ＰＨＡを細胞内に合成するための嫌気槽２２と、硝酸内の酸素を用いて有機物を酸化分解し、硝酸を窒素ガスに還元するための無酸素槽２４と、溶存酸素を用いて有機物を酸化分解し、アンモニアを硝酸化、ＰＨＡを分解して、リン酸を細胞内に過剰蓄積させることによってリンを除去するための好気槽２６とを備えている。
前記最終沈殿池３０の出側には、処理水を消毒して河川等に放流するための処理水ライン３２と、汚泥の一部を生物反応槽２０の入側に返送するための汚泥返送ライン３４と、余剰汚泥を脱水して排出するための余剰汚泥ライン３６とが設けられている。
前記汚泥返送ライン３４には、返送ポンプ３８及び流量計３９が設けられており、最終沈殿池３０に蓄積した汚泥の一部が生物反応槽２０の入側に戻される。この返送ポンプ３８による返送汚泥量の調整により、ＭＬＳＳ（汚泥濃度）の維持や調整が図られる。
前記余剰汚泥ライン３６には、余剰汚泥ポンプ４０及び流量計４１が設けられており、余剰汚泥は脱水されて排出される。この余剰汚泥ポンプ４０による余剰汚泥量の調整により、系内の汚泥量の調整、汚泥の新陳代謝を整えて、汚泥滞留時間を制御する。
前記好気槽２６には、空気ブロワ４２と空気量計４３が設けられ、空気を吹き込むようにされている。この空気ブロワ４２の空気量は、ＤＯ（溶存酸素濃度）の維持及び制御に用いられる。
前記生物反応槽２０の好気槽２６の出側には、硝化液を無酸素槽２４に循環させるための硝化液循環ライン４４が設けられており、この硝化液循環ライン４４には、硝化液循環ポンプ４６が設けられている。この硝化液循環ポンプ４６による硝化液循環量は、無酸素槽２４への硝酸性窒素の供給量を調整して、窒素を除去するために用いられる。
前記流入ライン１２には水量センサ１４が設けられ、前記嫌気槽２２にはＯＲＰ（酸化還元電位）センサ５２が設けられ、前記無酸素槽２４には、例えばｐＨセンサ及びＯＲＰセンサからなるセンサ５４が設けられ、前記好気槽２６には、例えばＯ2センサ、ＭＬＳＳ（汚泥濃度）センサ、ｐＨセンサからなるセンサ５６が設けられ、処理水ライン３２には水質センサ５８が設けられている。
前記各センサ１４、５２、５４、５６、５８の出力は、コンピュータ６０に入力され、コンピュータ６０による演算処理結果に基づいて、各ポンプやブロワなどのアクチュエータが制御される。本実施形態では、前記コンピュータ６０にＡＳＭ６４が接続されている。
ここで、ｐＨは、環境条件の管理に用いられ、嫌気槽２２と無酸素槽２４では例えばｐＨ７～８、好気槽２６では例えばｐＨ６～７に保たれる。
又、前記ＯＲＰ（酸化還元電位）に関しても、やはり環境条件の管理に用いられ、嫌気槽２２では例えば－３００～－４００ｍＶ未満に維持され、無酸素槽２４では例えば０～－２００ｍＶ未満に維持される。
又、前記ＤＯ（溶存酸素濃度）に関しても、やはり環境条件の管理に用いられ、嫌気槽２２や無酸素槽２４では例えば０．２ｍｇ／Ｌ未満、好気槽２６では例えば１．０～２．０ｍｇ／Ｌに保たれる。
又、前記ＭＬＳＳ（汚泥濃度）は、活性汚泥中の微生物量の管理に用いられ、遠心分離汚泥の乾燥重量で全体的に例えば２，０００～３，０００ｍｇ／Ｌに保たれる。
汚泥性状としては、例えば前記ＭＬＳＳ、１Ｌメスシリンダで３０分沈殿させた場合の汚泥界面の目盛である活性汚泥沈殿率ＳＶ３０、３０分沈降後の汚泥１ｇが占める容積である汚泥沈降目標ＳＶＩ（＝ＳＶ３０×１０，０００／ＭＬＳＳ）が分析される。
本発明の第１実施形態のコンピュータ６０は、図３に示す如く、学習・モデル構築部６２とパラメータ値導出部９０を備えている。
前記学習・モデル構築部６２では、機械学習によるモデル構築を行う。
そのため、水質データと運転データを収集し、ＡＳＭ６４を介して自動キャリブレーションモデル部６６に入力することで、下水処理プラントのセンサデータとＡＳＭ６４によるシミュレーションの結果に対して確からしい各パラメータ値を探索する。探索された各パラメータ値の時系列データがデータベース６８に保存される。ここでの水質データは、センサから直接測定されたものでも良いし、ソフトセンサのような手法で一部間接的に求めても良い。又、水質データを省略することもできる。
そして、最初沈殿池１０の流出水又は反応槽タンクから得られた活性汚泥を汚泥観察部７０で観察し、画像解析部７２で図４に例示するような画像解析、例えばセグメンテーションといった手法を実施して、嫌気槽２２の流入水や最初沈殿池１０の流出水の場合には、例えば、下水の色、固形物の形状、色、濃度、大きさ、発泡度合いなどの数値情報を入手する。又、活性汚泥の場合には、例えばフロックの大きさ、フロックの色、フロックの数、フロックの形状、糸状菌の数、糸状菌の長さ、水の色、フロック近傍の水の色、原生生物の種類、原生生物の数などのパラメータについて数値情報を入手する。
そして、自動キャリブレーションモデル部６６で求められ、データベース６８に保存されている確からしいパラメータ値、画像解析部７２で画像解析により得られた数値、水質データについて機械学習部８０で機械学習を行い、モデル８２を構築する。
そして、操業時には、パラメータ値導出部９０で画像データから特徴量を抽出し、学習・モデル構築部６２で機械学習により構築されたモデル８２に対して、水質データと画像分析から得られた数値データを入力することでＡＳＭ６４内部のパラメータ値を導出する。
次に本発明の第２実施形態を説明する。
この第２実施形態は、図５に示す如く、第１実施形態と同様の学習・モデル構築部６２とパラメータ値導出部９０に、最適運転条件提案部１００を加えたものである。
前記最適運転条件提案部１００では、前記パラメータ値導出部９０で導出されたパラメータ値と、水質データをＡＳＭ６４に入力し、ＡＳＭ６４を利用して、処理水質を満足し、且つ、消費電力又は薬品使用量が最小となるような運転パラメータを提案する。
本実施形態では、第１実施形態と同様の学習・モデル構築部６２でモデル８２を構築し、パラメータ値導出部９０で、構築されたモデル８２に水質データと実際の汚泥画像データを入力してパラメータ値を導出した後、最適運転条件提案部１００のＡＳＭ６４に水質データと共に導入して、処理水質を満足し、且つ、消費電力量又は薬品使用量が最小となるような運転条件を提案することができる。
他の点については第１実施形態と同様であるので説明は省略する。
この第２実施形態によれば、最適運転条件を提案することが可能となる。
前記実施形態においては、いずれもＡＳＭのパラメータ値の算出に汚泥画像データと水質データを用いていたので高精度の算出が可能である。なお、水質データは省略することもできる。
又、前記実施形態においては、本発明が、嫌気－無酸素－好気法により有機物、窒素、リンを除去するための、生物反応槽２０が嫌気槽２２、無酸素槽２４及び好気槽２６を備えた下水処理プラントに適用されていたが、本発明の適用対象はこれに限定されず、例えば無酸素－好気法（循環式硝化脱窒素法）により有機物と窒素を除去するための、生物反応槽が嫌気槽を含まない下水処理プラントや、嫌気－好気法により有機物とリンを除去するための、生物反応槽が無酸素槽を含まず、嫌気槽と好気槽を備えた下水処理プラントや、標準活性汚泥法により有機物を除去するための、生物反応槽が好気槽のみからなる下水処理プラントにも適用できることは明らかである。
８…下水ライン
１０…最初沈殿池
１２…流入ライン
１４…水量センサ
２０…生物反応槽
２２…嫌気槽
２４…無酸素槽
２６…好気槽
３０…最終沈殿池
３２…処理水ライン
３４…汚泥返送ライン
３６…余剰汚泥ライン
３８…返送ポンプ
３９、４１…流量計
４０…余剰汚泥ポンプ
４２…空気ブロワ
４３…空気量計
４４…硝化液循環ライン
４６…硝化液循環ポンプ
５２…ＯＲＰセンサ
５４…ｐＨセンサ＋ＯＲＰセンサ
５６…Ｏ2センサ＋ＭＬＳＳセンサ＋ｐＨセンサ
５８…水質センサ
６０…コンピュータ
６２…学習・モデル構築部
６４…ＡＳＭ
６６…自動キャリブレーションモデル部
６８…データベース
７０…汚泥観察部
７２…画像解析部
８０…機械学習部
８２…モデル
９０…パラメータ値導出部
１００…最適運転条件提案部
１０…最初沈殿池
１２…流入ライン
１４…水量センサ
２０…生物反応槽
２２…嫌気槽
２４…無酸素槽
２６…好気槽
３０…最終沈殿池
３２…処理水ライン
３４…汚泥返送ライン
３６…余剰汚泥ライン
３８…返送ポンプ
３９、４１…流量計
４０…余剰汚泥ポンプ
４２…空気ブロワ
４３…空気量計
４４…硝化液循環ライン
４６…硝化液循環ポンプ
５２…ＯＲＰセンサ
５４…ｐＨセンサ＋ＯＲＰセンサ
５６…Ｏ2センサ＋ＭＬＳＳセンサ＋ｐＨセンサ
５８…水質センサ
６０…コンピュータ
６２…学習・モデル構築部
６４…ＡＳＭ
６６…自動キャリブレーションモデル部
６８…データベース
７０…汚泥観察部
７２…画像解析部
８０…機械学習部
８２…モデル
９０…パラメータ値導出部
１００…最適運転条件提案部
Claims (8)
- 下水処理プラントのデータと排水処理シミュレータによるシミュレーションの結果に対して、確からしい各パラメータ値を探索し、
前記各パラメータ値の時系列データをデータベースに保存し、
流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得し、
得られた汚泥画像データの特徴量と前記パラメータ値の時系列データの関係を学習し、
新しく得た汚泥画像データの特徴量から前記排水処理シミュレータのパラメータ値を予測することを特徴とする排水処理シミュレータのパラメータ値予測方法。 - 前記汚泥画像データの特徴量に加えて水質データも用いることを特徴とする請求項１に記載の排水処理シミュレータのパラメータ値予測方法。
- 下水処理プラントのデータと排水処理シミュレータによるシミュレーションの結果に対して、確からしい各パラメータ値を探索するモデルと、
前記各パラメータ値の時系列データを保存するデータベースと、
流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得する手段と、
得られた汚泥画像データの特徴量と前記パラメータ値の時系列データの関係を学習する手段と、
新しく得た汚泥画像データの特徴量から前記排水処理シミュレータのパラメータ値を予測するモデルと、
を備えたことを特徴とする排水処理シミュレータのパラメータ値予測装置。 - 前記汚泥画像データの特徴量に加えて水質データも用いることを特徴とする請求項３に記載の排水処理シミュレータのパラメータ値予測装置。
- 下水処理プラントのデータと排水処理シミュレータによるシミュレーションの結果に対して、確からしい各パラメータ値を探索し、
前記各パラメータ値の時系列データをデータベースに保存し、
流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得し、
得られた汚泥画像データの特徴量と前記パラメータ値の時系列データの関係を学習し、
新しく得た汚泥画像データの特徴量から前記排水処理シミュレータのパラメータ値を予測し、
この予測したパラメータ値を前記排水処理シミュレータに設定し、
水質データと新しく得た汚泥画像データを入力して下水処理プラントを制御することを特徴とする下水処理プラントの制御方法。 - 前記汚泥画像データの特徴量に加えて水質データも用いることを特徴とする請求項５に記載の下水処理プラントの制御方法。
- 下水処理プラントのデータと排水処理シミュレータによるシミュレーションの結果に対して、確からしい各パラメータ値を探索するモデルと、
前記各パラメータ値の時系列データを保存するデータベースと、
流入下水又は反応槽中の汚泥を観察して、その汚泥画像データを取得する手段と、
得られた汚泥画像データの特徴量と前記パラメータ値の時系列データの関係を学習する手段と、
新しく得た汚泥画像データの特徴量から前記排水処理シミュレータのパラメータ値を予測するモデルと、
該モデルで予測されたパラメータ値が設定される前記排水処理シミュレータと、
水質データと新しく得た汚泥画像データを入力して下水処理プラントを制御する手段と、
を備えたことを特徴とする下水処理プラントの制御装置。 - 前記汚泥画像データの特徴量に加えて水質データも用いることを特徴とする請求項７に記載の下水処理プラントの制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020152230A JP7494669B2 (ja) | 2020-09-10 | 2020-09-10 | 排水処理シミュレータのパラメータ値予測方法及び装置並びに下水処理プラントの制御方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020152230A JP7494669B2 (ja) | 2020-09-10 | 2020-09-10 | 排水処理シミュレータのパラメータ値予測方法及び装置並びに下水処理プラントの制御方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022046281A true JP2022046281A (ja) | 2022-03-23 |
| JP7494669B2 JP7494669B2 (ja) | 2024-06-04 |
Family
ID=80779835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020152230A Active JP7494669B2 (ja) | 2020-09-10 | 2020-09-10 | 排水処理シミュレータのパラメータ値予測方法及び装置並びに下水処理プラントの制御方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7494669B2 (ja) |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001252691A (ja) | 2000-03-10 | 2001-09-18 | Toshiba Corp | 下水処理場の水質制御装置 |
| JP2001334253A (ja) | 2000-05-30 | 2001-12-04 | Toshiba Corp | 水質シミュレータ |
| JP2006095440A (ja) | 2004-09-29 | 2006-04-13 | Toshiba Corp | 下水処理場の運転管理システム |
| JP5022610B2 (ja) | 2006-02-27 | 2012-09-12 | 株式会社東芝 | 下水処理場運転支援装置 |
| JP2019052985A (ja) | 2017-09-19 | 2019-04-04 | 株式会社明電舎 | フロックの定量評価装置及び定量評価方法 |
| JP2019215743A (ja) | 2018-06-13 | 2019-12-19 | 水ｉｎｇ株式会社 | データベースの製造方法、及び水処理または汚泥処理システム |
| JP7172302B2 (ja) | 2018-08-31 | 2022-11-16 | 株式会社明電舎 | 汚水処理運転状況評価装置及び汚水処理運転状況評価方法 |
-
2020
- 2020-09-10 JP JP2020152230A patent/JP7494669B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP7494669B2 (ja) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Impacts of temperature and nitrifying community on nitrification kinetics in a moving-bed biofilm reactor treating polluted raw water | |
| Fudala-Ksiazek et al. | Nitrogen removal via the nitrite pathway during wastewater co-treatment with ammonia-rich landfill leachates in a sequencing batch reactor | |
| KR100638158B1 (ko) | 하수 처리 시스템 | |
| JP2001252691A (ja) | 下水処理場の水質制御装置 | |
| JP2006055683A (ja) | 活性汚泥方式排水処理方法及び活性汚泥方式排水処理装置 | |
| KR100633831B1 (ko) | 수질 정보 연산 처리 장치 | |
| Petre et al. | Mathematical modelling and control for an activated sludge process in a wastewater treatment plant | |
| JP2022046281A (ja) | 排水処理シミュレータのパラメータ値予測方法及び装置並びに下水処理プラントの制御方法及び装置 | |
| Szeląg et al. | A Data Mining Approach to the Prediction of Food-to-Mass Ratio and Mixed Liquor Suspended Solids. | |
| Hong et al. | Pilot-testing an alternative on-site wastewater treatment system for small communities and its automatic control | |
| JP7484578B2 (ja) | 水処理施設の運転支援装置及び運転支援方法 | |
| JP7494668B2 (ja) | 下水処理プラントの処理水質予測方法及び装置 | |
| Choubert et al. | Anoxic and aerobic values for the yield coefficient of the heterotrophic biomass: Determination at full-scale plants and consequences on simulations | |
| Birs et al. | Modelling and calibration of a conventional activated sludge wastewater treatment plant | |
| JP2022046278A (ja) | 下水処理プラントの異常予測方法及び装置並びに相関データベース | |
| Chmielowski et al. | Using data mining to predict sludge and filamentous microorganism sedimentation | |
| JP2022046279A (ja) | 下水処理プラントの制御方法及び装置 | |
| Thapa et al. | Studying the performance and kinetic values for pollutant removal using lab scale plant | |
| Sweeney et al. | Modeling, Instrumentation, Automation, and Optimization of Water Resource Recovery Facilities | |
| JP2004066119A (ja) | 運転支援装置 | |
| Llerena et al. | Design and Implementation of a WWTP by Active Sludge System at Laboratory Scale, Faculty of Livestock Sciences ESPOCH | |
| El Basri | Development of a fault detection algorithm for an alternate aerobic/anoxic cycle nitrogen removal process | |
| Bernardes et al. | Modelling respiration rates in a nitrifying SBR treating domestic wastewater | |
| García-Olivares et al. | Calibration of a model for an A+ B acivated sludge pilot plant treating industrial wastewater | |
| Tran | Wastewater Treatment for Nitrogen Removal by Rotating Aeration Process with Model Predictive Control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230227 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231218 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240305 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20240305 |
|
| 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: 20240423 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240506 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7494669 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |