JP2024022090A - 脱水装置の運転条件決定システムおよび脱水装置の運転方法 - Google Patents

Abstract

【課題】スクリュープレスの最適な運転パラメータを決定することができる運転条件決定システムを提供する。【解決手段】運転条件決定システム３は、脱水装置１の運転パラメータの複数の候補を生成する候補生成部６２と、複数の候補のそれぞれを状態予測モデルに入力し、複数の状態予測指標を複数の状態予測モデルから出力する状態予測部６３と、複数の状態予測指標に対して予め定められた複数の目標条件をすべて満たす候補を選択し、選択された候補を構成する運転パラメータを脱水装置１の動作制御部２に送る選択指令部６４を備えている。【選択図】図１

Description

本発明は、スクリュープレスを備えた脱水装置の運転制御に関し、特に、最適な運転条件を自動的に決定し、脱水装置の安定した運転を達成する技術に関するものである。

従来から、下水処理場、し尿処理場、産業排水処理場などの液体処理施設から排出される懸濁液（例えば汚泥）を圧搾して、該懸濁液から水を分離する（すなわち、脱水する）脱水装置が使用されている。脱水工程においては、凝集剤が注入された懸濁液を凝集槽にて攪拌し、凝集フロックを形成し固液分離をし易い状態にした後に、濃縮装置あるいは脱水機により脱水をする。

脱水機の一例であるスクリュープレスは、汚泥脱水機として知られている。このスクリュープレスは、スクリーン（多孔板）から形成されたろ過筒と、ろ過筒の内部に配置されたスクリューを備えており、スクリューを回転させることにより、ろ過筒に投入された汚泥を圧搾し、脱水する。

ろ過筒の下流側開口端にケーキ（脱水された汚泥）を滞留させ、ケーキからなるプラグ（栓）を形成する。このプラグは、後から送り込まれるケーキに背圧を加えて、ケーキをさらに圧搾する。プラグを形成するケーキは、後続のケーキに押されてろ過筒から少しずつ排出される。このようにして低含水率のケーキがスクリュープレスによって生成される。

特開２０１９－５１４５８号公報 特開２０２１－１０２１９５号公報 特開２０２０－１１４５６９号公報 特開２０１５－９２５１号公報 特開２０１８－５１５８２号公報

スクリュープレスの運転パラメータの最適化について、従来から様々な提案がなされている。例えば、特許文献１は、懸濁液データ、運転データから濁質残渣の状態予測値を算出する脱水システムを開示する。この脱水システムは、状態予測値が目標範囲内に収まることができる運転パラメータを決定する。しかし、濁質残渣の状態によって脱水装置を制御するために、ろ液の状態については運転パラメータの決定は考慮されていない。

特許文献２は、遠心分離システムのための機械学習装置を開示する。この機械学習装置は、被処理液のスラリー濃度、脱水固形物の含水率、分離液の濃度、スクリューコンベヤのトルク値を含む入力データと、遠心分離システムの制御パラメータ（添加物の供給量、遠心力、差速のうち１つ以上）を含む出力データのデータセットを学習する。しかしながら、入力データ（説明変数）に脱水固形物の含水率や分離液の濃度が含まれており、これらを測定するか、または推定する必要がある。

本発明は、上記従来の課題に鑑み、成されたものであり、その目的とするところは、スクリュープレスの最適な運転パラメータを決定することができる運転条件決定システムおよび運転方法を提供することにある。

一態様では、汚泥に凝集剤を注入する凝集混和槽と、前記凝集剤が注入された前記汚泥を脱水ケーキとろ液とに分離するスクリュープレスを備えた脱水装置のための運転条件決定システムであって、汚泥への凝集剤の注入率、前記凝集混和槽内での前記汚泥および前記凝集剤の攪拌速度、および前記スクリュープレスのスクリュー回転速度を少なくとも含む運転パラメータの複数の候補を生成する候補生成部と、前記複数の候補のそれぞれを複数の状態予測モデルに入力し、複数の状態予測指標を前記複数の状態予測モデルからそれぞれ出力する状態予測部と、前記複数の状態予測指標に対して予め定められた複数の目標条件のすべてを満たす候補を前記複数の候補から選択し、前記選択された候補を構成する前記運転パラメータを前記脱水装置の動作制御部に送る選択指令部を備えていることを特徴とする脱水装置の運転条件決定システムが提供される。

一態様では、前記複数の状態予測モデルは、前記スクリュープレスの運転予測結果を示す状態予測指標を出力する運転予測モデルと、前記スクリュープレスから排出される脱水ケーキの予測含水率を示す状態予測指標を出力する含水率予測モデルと、前記スクリュープレスの予測ＳＳ回収率を示す状態予測指標を出力するＳＳ回収率予測モデルのうちの少なくとも２つを含むことを特徴とする。
一態様では、前記運転予測モデルから出力される状態予測指標は、前記スクリュープレスの汚泥投入口内の汚泥のレベルの予測値または予測変化率、前記スクリュープレスのスクリューの予測トルク、および前記スクリュープレスのスクリューと脱水ケーキとの供回りが発生するか否かの予測結果のうちの少なくとも１つであることを特徴とする。
一態様では、前記複数の目標条件は、前記スクリュープレスの安定的運転を定義する第１目標条件、前記予測含水率が含水率目標範囲内にあることを定める第２目標条件、および前記予測ＳＳ回収率がＳＳ回収率目標範囲内にあることを定める第３目標条件を含むことを特徴とする。

一態様では、前記選択指令部は、前記複数の目標条件のすべてを満たす候補であって、かつ前記運転パラメータに関する所定の制約条件を満たす候補を選択するように構成されていることを特徴とする。
一態様では、前記運転パラメータは、前記スクリュープレスに投入される汚泥の処理量をさらに含み、前記所定の制約条件は、前記汚泥の処理量と前記スクリュー回転速度との相関を制約する条件であることを特徴とする。
一態様では、前記所定の制約条件は、凝集剤の前記注入率と前記攪拌速度との相関を制約する条件であることを特徴とする。

一態様では、前記運転条件決定システムは、前記スクリュープレスの汚泥投入口内の汚泥のレベルの実際の値または前記レベルの実際の変化率が所定の許容範囲内にあるか否か、前記スクリューの実際のトルクが目標範囲内にあるか否か、または前記スクリューと脱水ケーキの供回りが前記スクリュープレス内で実際に起きているか否かを判定指標に基づいて判定する安定運転判定部をさらに備えており、前記判定指標は、前記スクリュープレスの汚泥投入口内の汚泥のレベルの測定値、前記スクリューのトルクの検出値、前記スクリュープレスのろ過筒内の汚泥に加わる圧力の測定値、および前記ろ過筒から排出された脱水ケーキの状態のうちの少なくとも１つであることを特徴とする。
一態様では、前記運転パラメータは、前記汚泥の濃度をさらに含むことを特徴とする。
一態様では、前記選択指令部は、前記複数の目標条件を満たす複数の候補のうち、前記脱水装置の予め設定された運転モードに最も適した候補を選択するように構成されていることを特徴とする。
一態様では、前記選択指令部は、前記複数の目標条件を満たす複数の候補に、前記複数の状態予測モデルの機械学習に使用された学習データに含まれる複数の実運転データからの乖離度をそれぞれ付与し、前記乖離度が所定の基準以下の候補を選択するように構成されていることを特徴とする。

一態様では、汚泥に凝集剤を注入する凝集混和槽と、前記凝集剤が注入された前記汚泥を脱水ケーキとろ液とに分離するスクリュープレスを備えた脱水装置の運転方法であって、汚泥への凝集剤の注入率、前記凝集混和槽内での前記汚泥および前記凝集剤の攪拌速度、および前記スクリュープレスのスクリュー回転速度を少なくとも含む運転パラメータの複数の候補を生成し、前記複数の候補のそれぞれを複数の状態予測モデルに入力し、複数の状態予測指標を前記複数の状態予測モデルからそれぞれ出力し、前記複数の状態予測指標に対して予め定められた複数の目標条件のすべてを満たす候補を前記複数の候補から選択し、前記選択された候補を構成する前記運転パラメータで前記脱水装置を運転させることを特徴とする脱水装置の運転方法が提供される。

一態様では、前記複数の状態予測モデルは、前記スクリュープレスの運転予測結果を示す状態予測指標を出力する運転予測モデルと、前記スクリュープレスから排出される脱水ケーキの予測含水率を示す状態予測指標を出力する含水率予測モデルと、前記スクリュープレスの予測ＳＳ回収率を示す状態予測指標を出力するＳＳ回収率予測モデルのうちの少なくとも２つを含むことを特徴とする。
一態様では、前記運転予測モデルから出力される状態予測指標は、前記スクリュープレスの汚泥投入口内の汚泥のレベルの予測値または予測変化率、前記スクリュープレスのスクリューの予測トルク、および前記スクリュープレスのスクリューと脱水ケーキとの供回りが発生するか否かの予測結果のうちの少なくとも１つであることを特徴とする。
一態様では、前記複数の目標条件は、前記スクリュープレスの安定的運転を定義する第１目標条件、前記予測含水率が含水率目標範囲内にあることを定める第２目標条件、および前記予測ＳＳ回収率がＳＳ回収率目標範囲内にあることを定める第３目標条件を含むことを特徴とする。

一態様では、前記複数の目標条件のすべてを満たす候補であって、かつ前記運転パラメータに関する所定の制約条件を満たす候補を選択することを特徴とする。
一態様では、前記運転パラメータは、前記スクリュープレスに投入される汚泥の処理量をさらに含み、前記所定の制約条件は、前記汚泥の処理量と前記スクリュー回転速度との相関を制約する条件であることを特徴とする。
一態様では、前記所定の制約条件は、凝集剤の前記注入率と前記攪拌速度との相関を制約する条件であることを特徴とする。

一態様では、前記スクリュープレスの汚泥投入口内の汚泥のレベルの実際の値または前記レベルの実際の変化率が所定の許容範囲内にあるか否か、前記スクリューの実際のトルクが目標範囲内にあるか否か、または前記スクリューと脱水ケーキの供回りが前記スクリュープレス内で実際に起きているか否かを判定指標に基づいて判定することをさらに含み、前記判定指標は、前記スクリュープレスの汚泥投入口内の汚泥のレベルの測定値、前記スクリューのトルクの検出値、前記スクリュープレスのろ過筒内の汚泥に加わる圧力の測定値、前記ろ過筒から排出された脱水ケーキの状態のうちの少なくとも１つであることを特徴とする。
一態様では、前記運転パラメータは、前記汚泥の濃度をさらに含むことを特徴とする。
一態様では、前記複数の目標条件を満たす複数の候補のうち、前記脱水装置の予め設定された運転モードに最も適した候補を選択することを特徴とする。
一態様では、前記複数の目標条件を満たす複数の候補に、前記複数の状態予測モデルの機械学習に使用された学習データに含まれる複数の実運転データからの乖離度をそれぞれ付与し、前記乖離度が所定の基準以下の候補を選択することを特徴とする。

本発明によれば、複数の目標条件をすべて満たすことができる最適な運転パラメータが決定され、この運転パラメータを用いて脱水装置が運転される。したがって、スクリュープレスを含む脱水装置の最適で安定した運転が実現される。

脱水システムの一実施形態を示す図である。 運転パラメータの複数の候補の一例を示す表である。 運転パラメータの複数の候補と、運転予測モデルによって得られた状態予測指標の一例を示す表である。 運転条件決定システムによる運転パラメータを決定する方法の一実施形態を説明するためのフローチャートである。 運転パラメータの複数の候補と、運転予測モデルによって得られた運転予測結果と、含水率予測モデルによって得られた予測含水率と、ＳＳ回収率予測モデルによって得られた予測ＳＳ回収率の一例を示す表である。 二軸型スクリュープレスを備えた脱水システムの一実施形態を示す図である。

以下、本発明の実施形態について図面を参照して説明する。
図１は、脱水システムの一実施形態を示す図である。脱水システムは、懸濁液の例である汚泥を脱水する、すなわち汚泥を脱水ケーキとろ液に分離する脱水装置１と、脱水装置１の動作を制御する動作制御部２と、脱水装置１の最適な運転パラメータを決定する運転条件決定システム３を備えている。本実施形態の脱水装置１は、汚泥を加圧して脱水するスクリュープレス６と、スクリュープレス６に汚泥を送る凝集混和槽７を含む。

脱水ケーキは、汚泥から液体を除去した後に残る低含水率の物質である。汚泥の具体例としては、下水またはし尿の処理時に発生する汚泥、食料品、化粧品、紙などの工業製品の製造時に発生する産業廃棄物を含む懸濁液、またはスラリーが挙げられる。

凝集混和槽７は、汚泥に凝集剤を注入し、汚泥と凝集剤を攪拌し、凝集剤が混合された汚泥をスクリュープレス６に送るように構成されている。凝集混和槽７は、汚泥を収容する容器１０と、容器１０内の汚泥を攪拌するための攪拌機１１を備えている。攪拌機１１は、容器１０内に配置された攪拌羽根１４と、攪拌羽根１４に連結された攪拌モータ１５を備えている。容器１０は汚泥導入管２０に接続されており、ポンプ２２が汚泥導入管２０に設けられている。汚泥はポンプ２２により汚泥導入管２０を通じて凝集混和槽７に移送される。

凝集混和槽７への汚泥の流量は、ポンプ２２の運転によって調整することが可能である。ポンプ２２は動作制御部２に接続されており、ポンプ２２の動作、すなわち凝集混和槽７への汚泥の流量は、動作制御部２によって制御される。汚泥導入管２０には汚泥濃度計２４が取り付けられており、凝集混和槽７に導入される汚泥の濃度（すなわち汚泥中の固形物または懸濁物質の割合）は汚泥濃度計２４によって測定される。汚泥濃度の測定値は運転条件決定システム３に入力される。汚泥濃度計２４は、汚泥を一定量採取して乾燥させ、その乾燥重量から汚泥濃度を算出するサンプリング濃度計であってもよい。

凝集混和槽７およびスクリュープレス６によって処理される汚泥の量、すなわち汚泥の処理量は、単位時間当たりの汚泥中の固形物（懸濁物質）の量である。運転条件決定システム３は、汚泥の濃度に汚泥の流量を乗算することで汚泥の処理量を算定するように構成されている。スクリュープレス６に投入される汚泥の流量は、ポンプ２２の運転速度から推定してもよいし、あるいは図示しない汚泥流量計で測定してもよい。

凝集混和槽７内の汚泥には凝集剤が注入される。汚泥は凝集剤とともに攪拌機１１によって攪拌される。凝集混和槽７内で凝集剤と汚泥を攪拌することにより、汚泥内の固形物（懸濁物質）が集合した凝集フロックが形成される。図１に示される凝集混和槽７は１段の槽であるが、凝集混和槽７は、複数段の槽であってもよい。汚泥の攪拌強度は、攪拌機１１の回転速度（以下、攪拌速度という）によって調整することができる。攪拌機１１は動作制御部２に接続されており、攪拌機１１の動作、すなわち攪拌速度は、動作制御部２によって制御される。

凝集混和槽７は、汚泥移送管２７によってスクリュープレス６の汚泥投入口２８に連結されている。凝集混和槽７内で凝集剤と混合された汚泥は、汚泥移送管２７を通ってスクリュープレス６に移送される。一実施形態では、凝集混和槽７とスクリュープレス６との間に濃縮機を設けてもよい。

スクリュープレス６は、ろ過筒３０と、ろ過筒３０内に同心状に配置されたスクリュー３２と、スクリュー３２を回転させて汚泥を排出室４１に向かって送るスクリューモータ３８とを有している。スクリュー３２は、スクリュー軸３５と、スクリュー軸３５の外面に固定されたスクリュー羽根３６を有している。ろ過筒３０は、パンチングメタルなどの多孔板から構成されている。ろ過筒３０の一端は閉塞壁４０によって密封されており、ろ過筒３０の他端は排出室４１に接続されている。ろ過筒３０には、閉塞壁４０に隣接する汚泥投入口２８が形成されている。

スクリュー軸３５は、ろ過筒３０内を貫通して延びている。スクリュー軸３５は、下流側に向かってその径が徐々に大きくなる円錐台形状を有している。スクリュー軸３５は閉塞壁４０を貫通して延びており、スクリュー軸３５の端部はスクリューモータ３８に連結されている。スクリューモータ３８は動作制御部２に接続されており、スクリューモータ３８の動作、すなわちスクリュー３２の回転速度は、動作制御部２によって制御される。

スクリュープレス６は、スクリューモータ３８に可変周波数の電流を供給するインバータ３９を備えている。動作制御部２は、インバータ３９からスクリューモータ３８に供給される電流に基づいて、スクリュー３２のトルクを検出するように構成されている。一実施形態では、スクリュープレス６は、スクリュー３２のトルクを検出するトルク検出器を備えてもよい。

スクリュー羽根３６は、スクリュー軸３５の長手方向に沿って螺旋状に延びる一枚羽根である。ろ過筒３０の内面とスクリュー羽根３６との間には微小な隙間が形成されており、スクリュー羽根３６はろ過筒３０に接触することなく回転することができる。汚泥投入口２８からろ過筒３０内に投入された汚泥は、回転するスクリュー羽根３６によりろ過筒３０内を排出室４１に向かって移送される。

汚泥がろ過筒３０内で移送される空間は、ろ過筒３０の内面と、スクリュー羽根３６と、スクリュー軸３５とによって形成される。この空間の容積は、汚泥の進行方向に沿って漸次減少する。したがって、この空間をスクリュー羽根３６によって移動されるに従って、汚泥は圧搾され、脱水される。ろ過筒３０を通過したろ液は、ろ過筒３０の下方に配置されたろ液受け４５によって回収された後に、排出される。

ろ過筒３０の下流側端部に対向して環状の背圧板５０が配置されている。この背圧板５０は、ろ過筒３０内を移送された脱水汚泥を受けるためのテーパー面を有する円錐台の形状を有している。背圧板５０の中央部には、スクリュー軸３５が貫通する貫通孔が形成されており、背圧板５０はスクリュー軸３５と同心状に配置されている。背圧板５０はスクリュー軸３５に固定されておらず、背圧板５０は回転しない。

背圧板５０は、背圧板駆動装置５１に連結されている。この背圧板駆動装置５１は、背圧板５０を、スクリュー軸３５の軸方向に移動させるように構成されている。背圧板５０とろ過筒３０の下流側端部との間の隙間は、背圧板５０によって調整される。背圧板駆動装置５１は、例えば油圧シリンダーまたは電動シリンダーなどから構成されている。背圧板駆動装置５１は運転条件決定システム３に接続されており、背圧板駆動装置５１の動作、すなわち背圧板５０の軸方向の位置は、動作制御部２によって制御される。

次に、スクリュープレス６の動作について説明する。汚泥は、汚泥投入口２８からろ過筒３０内に投入される。汚泥は、回転するスクリュー３２によりろ過筒３０内を排出室４１に向かって移送される。ろ過筒３０内を移動されるに従って、汚泥は圧搾され、脱水される。ろ過筒３０を通過したろ液は、ろ液受け４５によって回収され、排出される。汚泥は、ろ過筒３０内で脱水されて脱水ケーキを形成する。

ろ過筒３０内を移動してきた脱水ケーキは、背圧板５０に押し付けられる。脱水ケーキは、その移動を背圧板５０によって妨げられることで圧縮される。この圧縮された脱水ケーキは、ろ過筒３０の下流側端部をシールするプラグ５２を形成する。プラグ５２は、後続の脱水ケーキに背圧を加えることにより、ろ過筒３０内の脱水ケーキの含水率を低下させる。脱水ケーキは、ろ過筒３０内でプラグ５２を形成しながら、後続の脱水ケーキにより押されて背圧板５０とろ過筒３０の下流側端部との間の隙間を通過して、少しずつ排出室４１に排出される。脱水ケーキは、排出室４１の下部に設けられたシュート５３を通って排出室４１から排出される。このようにして、汚泥から液体が除去されて、低含水率の脱水ケーキが生成される。

背圧板５０の軸方向の位置によって背圧板５０とろ過筒３０の下流側端部との間の隙間が変わり、結果として、ろ過筒３０内の汚泥に加わる圧縮力が変わる。より具体的には、背圧板５０とろ過筒３０の下流側端部との間の隙間が小さくなると、プラグ５２を押し出すのにより大きな力が必要となるので、ろ過筒３０内の汚泥に加わる圧縮力が増加する。よって、スクリュー３２の回転速度のみならず、ろ過筒３０に対する背圧板５０の位置によっても、汚泥に加わる圧縮力を調整することができる。

運転条件決定システム３は、機械学習部６１と、候補生成部６２と、状態予測部６３と、選択指令部６４を備えている。運転条件決定システム３は、動作制御部２に接続されている。運転条件決定システム３は、少なくとも１台のコンピュータから構成されている。運転条件決定システム３は、プログラムが格納された記憶装置３ａと、これらプログラムに含まれる命令に従って演算を実行する演算装置３ｂを備えている。記憶装置３ａは、以下に説明する複数の状態予測モデル、複数の状態予測モデルから得られた複数の状態予測指標に基づいて脱水装置１の運転パラメータを決定するためのプログラム、および複数の状態予測モデルを構築する機械学習を実行するためのプログラムを格納している。記憶装置３ａは、ランダムアクセスメモリ（ＲＡＭ）などの主記憶装置と、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）などの補助記憶装置を備えている。演算装置３ｂの例としては、ＣＰＵ（中央処理装置）、ＧＰＵ（グラフィックプロセッシングユニット）が挙げられる。ただし、運転条件決定システム３の具体的構成はこれらの例に限定されない。

運転条件決定システム３は、複数のコンピュータから構成されてもよい。例えば、運転条件決定システム３は、エッジサーバおよびクラウドサーバの組み合わせであってもよい。一実施形態では、運転条件決定システム３および動作制御部２は、１つのコンピュータから構成されてもよい。

一実施形態では、以下に説明する機械学習部６１、候補生成部６２、状態予測部６３、および選択指令部６４は、運転条件決定システム３内に仮想的に構築された装置であり、記憶装置３ａと演算装置３ｂによって構成されている。運転条件決定システム３は、複数の記憶装置３ａと、複数の演算装置３ｂを備えてもよく、その具体的構成は、意図した機能を達成できる限りにおいて特に限定されない。例えば、機械学習部６１、候補生成部６２、状態予測部６３、および選択指令部６４は、それぞれ別々のコンピュータから構成されてもよい。

複数の状態予測モデルは、運転予測モデル、含水率予測モデル、およびＳＳ回収率予測モデルのうちの少なくとも２つを含む。本実施形態では、複数の状態予測モデルは、運転予測モデル、含水率予測モデル、およびＳＳ回収率予測モデルを含んでいる。運転予測モデル、含水率予測モデル、およびＳＳ回収率予測モデルは、運転条件決定システム３の記憶装置３ａ内に格納されている。運転予測モデル、含水率予測モデル、およびＳＳ回収率予測モデルは、スクリュープレス６の運転状態を表す複数の状態予測指標を出力（算定）するように構成されている。

運転予測モデルから出力される状態予測指標は、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率、スクリュープレス６のスクリュー３２の予測トルク、およびスクリュー３２と脱水ケーキとの供回りが発生するか否かの予測結果のうちの少なくとも１つである。汚泥のレベルの予測値は、汚泥投入口２８内の汚泥のレベルの予想高さであり、汚泥のレベルの予測変化率は、汚泥のレベルの設定時間当たりの予測変化量である。スクリュー３２と脱水ケーキの供回りとは、脱水ケーキ含水率の低下に伴う脱水ケーキの排出抵抗に起因して、脱水ケーキがスクリュー３２と共に回転する現象である。このような供回り現象が発生すると、ケーキ排出ができなくなり脱水処理が不能となる。

含水率予測モデルから出力される状態予測指標は、スクリュープレス６から排出される脱水ケーキの予測含水率である。ＳＳ回収率予測モデルから出力される状態予測指標は、スクリュープレス６の予測ＳＳ回収率である。

まず、運転予測モデルについて説明する。機械学習部６１は、学習データを用いた機械学習を実行して運転予測モデルを構築するように構成される。運転予測モデルは、脱水装置１の運転パラメータから、スクリュープレス６の運転予測結果を算定するモデルである。

本実施形態の運転予測モデルは、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率、スクリュープレス６のスクリュー３２の予測トルク、およびスクリュー３２と脱水ケーキとの供回りが発生するか否かの予測結果を状態予測指標として出力するように構成されている。一実施形態では、運転予測モデルは、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率、スクリュープレス６のスクリュー３２の予測トルク、およびスクリュー３２と脱水ケーキとの供回りが発生するか否かの予測結果のうちのいずれか１つまたは２つを状態予測指標として出力するように構成されてもよい。

脱水装置１の運転パラメータは、凝集混和槽７内の汚泥への凝集剤の注入率、凝集混和槽７内での汚泥および凝集剤の攪拌速度（攪拌機１１の回転速度）、およびスクリュープレス６のスクリュー３２の回転速度を少なくとも含む。

一実施形態では、脱水装置１の運転パラメータは、ろ過筒３０に対する背圧板５０の位置をさらに含んでもよい。さらに、一実施形態では、脱水装置１の運転パラメータは、脱水装置１に送られる汚泥の濃度、および／または脱水装置１に送られる汚泥の流量をさらに含んでもよい。汚泥濃度計２４は、凝集混和槽７に送られる前の汚泥の濃度を測定し、汚泥の濃度の測定値を運転条件決定システム３に送る。脱水装置１に送られる汚泥の流量は、ポンプ２２の運転速度から推定することができる。あるいは、脱水装置１に送られる汚泥の流量は、図示しない汚泥流量計によって測定してもよい。

機械学習に用いられる学習データは、脱水装置１で過去に使用された運転パラメータの複数の実運転データと、これら複数の実運転データにそれぞれ対応した正解ラベルである、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの測定値または測定値の変化率、スクリュー３２のトルクの検出値、およびスクリュー３２と脱水ケーキの供回りの有無の情報を含む。学習データは、記憶装置３ａ内に格納されている。学習データに使用される各種データは、センサにより取得されてもよく、あるいは手動測定または手動分析により取得されてもよい。

運転条件決定システム３は、スクリュー３２と脱水ケーキの供回りがスクリュープレス６内で実際に起きているか否かを複数の判定指標に基づいて判定する安定運転判定部６５をさらに備えている。複数の判定指標の例には、汚泥投入口２８内の汚泥のレベルの測定値、ろ過筒３０内の汚泥に加わる圧力の測定値、ろ過筒３０から排出室４１に排出された脱水ケーキの状態が挙げられる。汚泥投入口２８内の汚泥のレベルは、汚泥投入口２８の上方に配置されたレベルセンサ７０によって測定される。ろ過筒３０内の汚泥に加わる圧力は、ろ過筒３０内に配置された圧力センサ７１によって測定される。ろ過筒３０から排出室４１に排出された脱水ケーキの状態は、撮像装置７３によって生成された画像に基づいて検出される。

一実施形態では、レベルセンサ７０によって取得された汚泥投入口２８内の汚泥のレベルの測定値、圧力センサ７１によって取得された汚泥の圧力の測定値、および撮像装置７３によって生成された脱水ケーキの画像に基づいて、安定運転判定部６５は、スクリュー３２と脱水ケーキの供回りがスクリュープレス６内で起きているか否かを判定するように構成されてもよい。

一実施形態では、安定運転判定部６５は、汚泥投入口２８内の汚泥のレベルの実際の値または汚泥のレベルの実際の変化率が所定の許容範囲内にあるか否かを、レベルセンサ７０によって取得された汚泥投入口２８内の汚泥のレベルの測定値に基づいて判定するように構成されてもよい。上記許容範囲は、汚泥投入口２８内の汚泥のレベルの変動が小さく、汚泥投入口２８内の汚泥のレベルが概ね一定とみなせる範囲である。

一実施形態では、安定運転判定部６５は、スクリュー３２の実際のトルクが目標範囲内にあるか否かを、トルクの検出値に基づいて判定するように構成されてもよい。

上記学習データを用いた機械学習により構築された運転予測モデルは、学習済みモデルである。運転予測モデルは、回帰モデルまたは分類モデルであってもよい。学習済みモデルとしての運転予測モデルは、記憶装置３ａ内に格納される。

機械学習の例としては、ＳＶＲ法（サポートベクター回帰法）、ＰＬＳ法（部分最小二乗法：Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）、ディープラーニング法、ランダムフォレスト法、および決定木法などが挙げられる。一例では、運転予測モデルは、ディープラーニング法によって構築されたニューラルネットワークから構成されている。

候補生成部６２は、脱水装置１の運転パラメータの複数の候補を生成するように構成されている。図２は、運転パラメータの複数の候補の一例を示す表である。図２に示す例では、各候補は、凝集剤の注入率、凝集剤の攪拌速度（攪拌機１１の回転速度）、スクリュー３２の回転速度、および汚泥の濃度（汚泥濃度計２４によって測定される）を含む運転パラメータから構成される。運転パラメータの複数の候補を生成するアルゴリズムは特に限定されない。例えば、候補生成部６２は、基準となる運転パラメータを少しずつ変化させることで複数の候補を生成してもよいし、あるいは運転パラメータの予め設定された複数の値を組み合わせることで複数の候補を生成してもよい。

状態予測部６３は、候補生成部６２によって生成された運転パラメータの複数の候補のそれぞれを運転予測モデルに入力し、スクリュープレス６の運転予測結果を示す状態予測指標、すなわちスクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率、スクリュー３２の予測トルク、およびスクリュー３２と脱水ケーキとの供回りが発生するか否かの予測結果を運転予測モデルから出力する。

運転予測モデルから出力される汚泥のレベルの予測値または予測変化率の態様は、特に限定されない。例えば、汚泥のレベルの予測値は、汚泥のレベルを表す絶対値、または１０段階で表されてもよいし、汚泥のレベルの予測変化率は、パーセンテージで表されてもよい。

運転予測モデルから出力される供回りの予測結果の態様は、特に限定されない。例えば、運転予測モデルは、供回りが発生することを示す数値（例えば１）、または供回りが発生しないことを示す数値（例えば０）を出力するように構成されてもよい。他の例では、運転予測モデルは、供回りが発生する確率（例えば、０～１００％、または１０段階レベル）を出力するように構成されてもよい。この場合は、以下に説明する選択指令部６４は、供回りが発生する確率をしきい値と比較し、しきい値よりも大きい確率は供回りが発生する予測結果であると決定し、しきい値以下の確率は供回りが発生しない予測結果であると決定するように構成されてもよい。

図３は、運転パラメータの複数の候補と、運転予測モデルによって得られた状態予測指標の一例を示す表である。図３に示す例では、各候補を構成する運転パラメータは、凝集剤の注入率、凝集剤の攪拌速度（攪拌機１１の回転速度）、スクリュー３２の回転速度、および汚泥の濃度を含む。各候補について、運転予測モデルによって状態予測指標が得られる。運転パラメータに汚泥の濃度を含めることにより、スクリュートルク、供回り、および汚泥投入口２８内の汚泥のレベルをより精度高く予測することができる。

図３に示す例では、汚泥投入口２８内の汚泥のレベルの予測値が状態予測指標として算定されるが、汚泥のレベルの予測値に代えて、汚泥のレベルの予測変化率が状態予測指標として算定されてもよい。さらに、一実施形態では、運転予測モデルは、汚泥投入口２８内の汚泥のレベルの予測値または予測変化率、スクリュー３２の予測トルク、供回りの予測結果のうちのいずれか１つまたは２つを出力するように構成されてもよい。

次に、含水率予測モデルについて説明する。運転条件決定システム３は、運転予測モデルに加えて、含水率予測モデルをさらに有している。含水率予測モデルは、記憶装置３ａ内に格納されている。含水率予測モデルは、脱水装置１の運転パラメータから、スクリュープレス６から排出される脱水ケーキの含水率を予測するモデルである。含水率予測モデルは、状態予測指標として予測含水率を出力するように構成される。

機械学習部６１は、学習データを用いた機械学習を実行して含水率予測モデルを構築するように構成される。機械学習に用いられる学習データは、脱水装置１で過去に使用された運転パラメータの複数の実運転データと、これら複数の実運転データにそれぞれ対応した正解ラベルである、スクリュープレス６から排出された脱水ケーキの含水率を含む。学習データは、記憶装置３ａ内に格納されている。含水率予測モデルを構築するための学習データに含まれる実運転データの運転パラメータの種類は、運転予測モデルを構築するための学習データに含まれる実運転データの運転パラメータの種類と同じであってもよいし、または異なってもよいが、凝集剤の注入率、凝集剤の攪拌速度（攪拌機１１の回転速度）、スクリュー３２の回転速度を少なくとも含む。学習データに使用される各種データは、センサにより取得されてもよく、あるいは手動測定または手動分析により取得されてもよい。

上記学習データを用いた機械学習により構築された含水率予測モデルは、学習済みモデルである。含水率予測モデルは、回帰モデルまたは分類モデルであってもよい。学習済みモデルとしての含水率予測モデルは、記憶装置３ａ内に格納される。

次に、ＳＳ回収率予測モデルについて説明する。運転条件決定システム３は、運転予測モデルおよび含水率予測モデルに加えて、ＳＳ回収率予測モデルをさらに有している。ＳＳとは、Suspended Solids(浮遊懸濁物質)の略である。ＳＳ回収率予測モデルは、記憶装置３ａ内に格納されている。ＳＳ回収率予測モデルは、脱水装置１の運転パラメータから、スクリュープレス６のＳＳ回収率を予測するモデルである。ＳＳ回収率予測モデルは、状態予測指標として予測ＳＳ回収率を出力するように構成される。

機械学習部６１は、学習データを用いた機械学習を実行してＳＳ回収率予測モデルを構築するように構成される。機械学習に用いられる学習データは、脱水装置１で過去に使用された運転パラメータの複数の実運転データと、これら複数の実運転データにそれぞれ対応した正解ラベルである、スクリュープレス６のＳＳ回収率を含む。学習データは、記憶装置３ａ内に格納されている。ＳＳ回収率予測モデルを構築するための学習データに含まれる実運転データの運転パラメータの種類は、運転予測モデルを構築するための学習データに含まれる実運転データの運転パラメータの種類と同じであってもよいし、または異なってもよいが、凝集剤の注入率、凝集剤の攪拌速度（攪拌機１１の回転速度）、スクリュー３２の回転速度を少なくとも含む。学習データに使用される各種データは、センサにより取得されてもよく、あるいは手動測定または手動分析により取得されてもよい。

上記学習データを用いた機械学習により構築されたＳＳ回収率予測モデルは、学習済みモデルである。ＳＳ回収率予測モデルは、回帰モデルまたは分類モデルであってもよい。学習済みモデルとしてのＳＳ回収率予測モデルは、記憶装置３ａ内に格納される。

状態予測部６３は、候補生成部６２によって生成された複数の候補のそれぞれを運転予測モデル、含水率予測モデル、およびＳＳ回収率予測モデルに入力し、スクリュープレス６の運転予測結果を示す状態予測指標を運転予測モデルから出力し、スクリュープレス６から排出される脱水ケーキの予測含水率を示す状態予測指標を含水率予測モデルから出力し、かつスクリュープレス６の予測ＳＳ回収率を示す状態予測指標をＳＳ回収率予測モデルから出力するように構成されている。

選択指令部６４は、複数の候補のうち、運転予測モデルから出力された状態予測指標がスクリュープレス６の安定的な運転を示し、かつ予測含水率が含水率目標範囲内にあり、かつ予測ＳＳ回収率がＳＳ回収率目標範囲内にある候補を選択するように構成される。本実施形態によれば、スクリュープレス６の安定的運転と、脱水ケーキの低含水率と、高ＳＳ回収率を達成することができる。

運転条件決定システム３は、脱水ケーキの実際の含水率が、含水率目標範囲内にあるか否かを判定する含水率判定部６６をさらに備えてもよい。脱水ケーキの含水率は、スクリュープレス６から排出された脱水ケーキの含水率を測定する含水率計（図示せず）によって測定される。

運転条件決定システム３は、スクリュープレス６の実際のＳＳ回収率が、ＳＳ回収率目標範囲内にあるか否かを判定するＳＳ回収率判定部６７をさらに備えてもよい。ＳＳ回収率は、ＳＳ濃度計（図示せず）によって測定された、スクリュープレス６から排出されたろ液のＳＳ濃度の測定値から算出される。

図４は、運転条件決定システム３による運転パラメータを決定する方法の一実施形態を説明するためのフローチャートである。
ステップ１では、候補生成部６２は、脱水装置１の運転パラメータの複数の候補を生成する。運転パラメータは、汚泥への凝集剤の注入率、凝集混和槽７内での汚泥および凝集剤の攪拌速度、およびスクリュー３２の回転速度を少なくとも含む。
ステップ２では、状態予測部６３は、上記ステップ１で生成した複数の候補を運転予測モデルに入力し、学習済みモデルである運転予測モデルによって定義されたアルゴリズムに従って演算を実行することで、スクリュープレス６の運転予測結果（すなわちスクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率、スクリュー３２の予測トルク、およびスクリュー３２と脱水ケーキとの供回りが発生するか否かの予測結果のうちの少なくとも１つ）を各候補について決定（算定）する。

ステップ３では、状態予測部６３は、上記ステップ１で生成した複数の候補を含水率予測モデルに入力し、学習済みモデルである含水率予測モデルによって定義されたアルゴリズムに従って演算を実行することで、スクリュープレス６から排出される脱水ケーキの予測含水率を各候補について決定（算定）する。
ステップ４では、状態予測部６３は、上記ステップ１で生成した複数の候補をＳＳ回収率予測モデルに入力し、学習済みモデルであるＳＳ回収率予測モデルによって定義されたアルゴリズムに従って演算を実行することで、スクリュープレス６の予測ＳＳ回収率を各候補について決定（算定）する。
上記ステップ２，３，４が実行される順番は、特に限定されない。上記ステップ２，３，４は同時に実行されてもよい。

ステップ５では、選択指令部６４は、上記ステップ１で生成された複数の候補の中から、スクリュープレス６の運転予測結果、予測含水率、および予測ＳＳ回収率に対して予め定められた複数の目標条件のすべてを満たす候補を選択する。複数の目標条件は、スクリュープレス６の運転予測結果、予測含水率、および予測ＳＳ回収率についてそれぞれ設けられる。一実施形態では、上記複数の目標条件は、スクリュープレス６の安定的運転を定義する第１目標条件、スクリュープレス６から排出される脱水ケーキの予測含水率が含水率目標範囲内にあることを定める第２目標条件、およびスクリュープレス６の予測ＳＳ回収率がＳＳ回収率目標範囲内にあることを定める第３目標条件を含む。

スクリュープレス６の安定的運転を定義する第１目標条件は、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率が所定の許容範囲内にあること、スクリュー３２の予測トルクが所定の目標範囲内にあること、およびスクリュー３２と脱水ケーキとの供回りが発生しないことの少なくとも１つを含む。汚泥レベルの予測値または予測変化の上記許容範囲は、汚泥投入口２８内の汚泥のレベルの変動が小さく、汚泥投入口２８内の汚泥のレベルが概ね一定とみなせる範囲である。

運転予測モデルが、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率、スクリュー３２の予測トルク、およびスクリュープレス６のスクリュー３２と脱水ケーキとの供回りが発生するか否かの予測結果のすべてを出力するように構成されている場合は、第１目標条件は、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率が所定の許容範囲内にあり、かつスクリュー３２の予測トルクが所定の目標範囲内にあり、かつスクリュー３２と脱水ケーキとの供回りが発生しないことである。運転予測モデルが、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測値または予測変化率のみを出力するように構成されている場合は、第１目標条件は、スクリュープレス６の汚泥投入口２８内の汚泥のレベルが所定の許容範囲内にあることである。運転予測モデルが、スクリュー３２の予測トルクのみを出力するように構成されている場合は、第１目標条件は、スクリュー３２の予測トルクが所定の目標範囲内にあることである。運転予測モデルが、スクリュープレス６のスクリュー３２と脱水ケーキとの供回りが発生するか否かの予測結果のみを出力するように構成されている場合は、第１目標条件は、スクリュー３２と脱水ケーキとの供回りが発生しないことである。

ステップ６では、選択指令部６４は、上記ステップ５で選択した候補を構成する運転パラメータを動作制御部２に送る。動作制御部２は、運転条件決定システム３によって決定された運転パラメータを用いて脱水装置１の凝集混和槽７およびスクリュープレス６を運転する。

図５は、運転パラメータの複数の候補と、運転予測モデルによって得られたスクリュープレス６の運転予測結果と、含水率予測モデルによって得られた予測含水率と、ＳＳ回収率予測モデルによって得られた予測ＳＳ回収率の一例を示す表である。この例では、第１目標条件は、スクリュープレス６の汚泥投入口２８内の汚泥のレベルの予測変化率が所定の許容範囲内にあり、かつスクリュー３２と脱水ケーキとの供回りが発生しないことであり、第２目標条件は、脱水ケーキの予測含水率が含水率目標範囲である８３～８５％内にあることであり、第３目標条件は、予測ＳＳ回収率が含水率目標範囲である９３～９５％内にあることである。選択指令部６４は、第１目標条件、第２目標条件、および第３目標条件を全て満たす運転パラメータの候補Ｎｏ.４を選択する。

第１目標条件、第２目標条件、および第３目標条件を全て満たす複数の候補が存在することがある。この場合は、選択指令部６４は、第１目標条件、第２目標条件、および第３目標条件を全て満たす候補であって、かつ運転パラメータに関する所定の制約条件を満たす候補を選択する。制約条件は、第１目標条件、第２目標条件、および第３目標条件を全て満たすときの脱水装置１の過去の運転データに基づいて予め定められる。

一実施形態では、上記制約条件は、スクリュープレス６に投入される汚泥の処理量と、スクリュープレス６のスクリュー３２の回転速度との相関を制約する条件である。スクリュープレス６に投入される汚泥の処理量は、単位時間当たりの汚泥に含まれる固形物（懸濁物質）の量である。この汚泥の処理量は、スクリュープレス６に投入される汚泥の濃度に汚泥の流量を乗算することで算出することができる。スクリュープレス６に投入される汚泥の流量は、ポンプ２２の運転速度から推定してもよいし、あるいは図示しない汚泥流量計で測定してもよい。二軸型スクリュープレス６（後述する）においては、上記制約条件は、汚泥の処理量と後軸の第２スクリューの回転速度との相関を制約する条件である。

例えば、制約条件は、以下の関数により規定される。
スクリュー回転速度＝Ｃ１×汚泥の処理量＋Ｃ２
ここで、Ｃ１は予め設定された係数であり、Ｃ２は予め設定された許容範囲（例えば基準値±３）内で変動する係数である。これらの係数Ｃ１，Ｃ２は、第１目標条件、第２目標条件、および第３目標条件を全て満たすときの脱水装置１の過去の運転データに基づいて予め決定される。

一実施形態では、上記制約条件は、凝集混和槽７内の汚泥への凝集剤の注入率と、凝集混和槽７内での汚泥および凝集剤の攪拌速度（攪拌機１１の回転速度）との相関を制約する条件である。例えば、制約条件は、以下の関数により規定される。
攪拌速度＝Ｃ３×凝集剤注入率＋Ｃ４
ここで、Ｃ３は予め設定された係数であり、Ｃ４は予め設定された許容範囲（例えば基準値±１０）内で変動する係数である。これらの係数Ｃ３，Ｃ４は、第１目標条件、第２目標条件、および第３目標条件を全て満たすときの脱水装置１の過去の運転データに基づいて予め決定される。あるいは、上記制約条件は、物理化学式に基づいて決定された関数であってもよい。さらに、上記制約条件は、凝集剤の注入率と、汚泥および凝集剤の攪拌速度と、スクリュープレス６に投入される汚泥の処理量との相関を制約する条件であってもよい。このような制約条件を設けることで、運転条件決定システム３は、より高い精度で運転パラメータを決定することができる。

一実施形態では、選択指令部６４は、上述した複数の目標条件（第１目標条件、第２目標条件、および第３目標条件を含む）を満たす複数の候補のうち、脱水装置１の予め設定された運転モードに最も適した候補を選択するように構成されてもよい。運転モードは、例えば、凝集剤コストや汚泥搬出コスト等のトータルコストを最小に抑えるコスト最適化モード、脱水ケーキの含水率を可能な限り低減する含水率優先モード、凝集剤の注入率を最小に抑える凝集剤抑制モード等が挙げられる。

コスト最適化モードでは、上述した複数の目標条件（第１目標条件、第２目標条件、および第３目標条件を含む）を満たす複数の候補のそれぞれについて、トータルコストが算出され、最も低いトータルコストに対応する候補が選択される。含水率優先モードでは、含水率予測モデルを用いて算出された複数の予測含水率のうち、最も低い予測含水率に対応する候補が選択される。凝集剤抑制モードでは、上述した目標条件を満たす複数の候補のうち、凝集剤の注入率が最も低い候補が選択される。

一実施形態では、選択指令部６４は、上述した複数の目標条件（第１目標条件、第２目標条件、および第３目標条件を含む）を満たす複数の候補に、運転予測モデル、含水率予測モデル、およびＳＳ回収率予測モデルの機械学習で使用された学習データに含まれる複数の実運転データからの乖離度をそれぞれ付与し、乖離度が所定の基準以下の候補（一例では、距離が最も小さい候補）を選択するように構成されてもよい。乖離度は、運転パラメータの候補の信頼性を表している。すなわち、乖離度が小さいということは、運転パラメータの候補の信頼性が高いことを意味する。運転パラメータの候補の信頼性をより正確に決定するために、乖離度は、スクリュープレス６内で供回りが発生しなかった実運転データからの乖離度であってもよい。

一例では、乖離度は、各候補の運転パラメータと、学習データに含まれる実運転データとの差として表される。より具体的には、選択指令部６４は、上述した複数の目標条件を満たす各候補の運転パラメータと、複数の実運転データとの距離を算出し、距離が所定の基準以下の候補（一例では、距離が最も小さい候補）を選択するように構成されている。距離は、各候補の複数の運転パラメータと、各実運転データの対応する運転パラメータとの差の合計値とすることができる。ただし、距離の算出方法はこれに限定されない。距離が小さい候補の運転パラータは、実運転データからの乖離度が小さく、したがって信頼性が高いと期待される。

他の例では、乖離度は、予め予測された乖離度であってもよい。より具体的には、選択指令部６４は、上述した複数の目標条件を満たす各候補に最も近い代表データを、予め設定された複数の代表データから選択する。これら複数の代表データには、複数の予測乖離度がそれぞれ予め関連付けられている。そして、選択指令部６４は、予測乖離度が所定の基準以下の代表データ（一例では、予測乖離度が最も小さい代表データ）に対応する候補を選択するように構成されている。

選択指令部６４は、実運転データからの乖離度に基づいて、より精度の高い運転パラメータの候補を選択することができる。

今まで説明した実施形態は、図１に示す一軸型スクリュープレス６のみならず、以下に説明する二軸型スクリュープレスにも適用可能である。図６は、二軸型スクリュープレスを備えた脱水システムの一実施形態を示す図である。特に説明しない本実施形態の構成および動作は、図１乃至図４を参照して説明した実施形態と同じであるので、その重複する説明を省略する。

図６に示すように、二軸型スクリュープレス７５は、円筒状のろ過筒８０と、ろ過筒８０内で、該ろ過筒８０と同心状に配置され、汚泥を所定の移送方向Ｄに移送する第１スクリュー８１および第２スクリュー８２と、第１スクリュー８１を回転させる第１スクリューモータ８５と、第１スクリュー８１とは独立に第２スクリュー８２を回転させる第２スクリューモータ８６を備えている。汚泥投入口８８からろ過筒８０に投入された汚泥は、回転する第１スクリュー８１および第２スクリュー８２によりろ過筒８０内で所定の移送方向Ｄに移送される。第１スクリューモータ８５と第２スクリューモータ８６の動作、すなわち第１スクリュー８１の回転速度、および第２スクリュー８２の回転速度および回転方向は、動作制御部２によって制御される。

第２スクリュー８２は、第１スクリュー８１とは独立に回転可能なように、第１スクリュー８１に連結されている。第１スクリュー８１および第２スクリュー８２は、ろ過筒８０および排出室９０をそれぞれ貫通して延びている。排出室９０は、ろ過筒８０に接続されている。脱水ケーキは、ろ過筒８０から排出室９０に排出される。

第２スクリュー８２の軸方向の長さは、第１スクリュー８１の軸方向の長さよりも短い。第１スクリュー８１は、汚泥の移送方向Ｄにおける下流側に向かってその径が徐々に大きくなる円錐台形状（テーパ形状）の第１スクリュー軸８１Ａと、第１スクリュー軸８１Ａの外面に固定された第１スクリュー羽根８１Ｂとを有している。第２スクリュー８２は、円筒形状の第２スクリュー軸８２Ａと、第２スクリュー軸８２Ａの外面に固定された第２スクリュー羽根８２Ｂを有している。

第２スクリュー８２の第２スクリュー軸８２Ａは、第１スクリュー軸８１Ａと同心状に配置される。第２スクリュー軸８２Ａの外径は第１スクリュー軸８１Ａの最大径と同一である。第２スクリュー軸８２Ａは、排出室９０を貫通して延びている。

閉塞壁８９を貫通して延びる第１スクリュー軸８１Ａの上流側端部は、軸受９１，９２により回転可能に支持されている。第１スクリュー軸８１Ａは、第１スクリュー８１を回転させるための第１スクリューモータ８５に連結されている。第２スクリュー軸８２Ａは、第２スクリュー８２を回転させるための第２スクリューモータ８６に連結されている。

本実施形態では、第２スクリュー羽根８２Ｂの巻き方向（すなわち、螺旋方向）は、第１スクリュー羽根８１Ｂの巻き方向とは逆である。したがって、汚泥投入口８８から投入された汚泥を、排出室９０へ送り出すときは、図６に示されるように、第２スクリュー８２を第１スクリュー８１とは逆方向に回転させる。

第２スクリュー羽根８２Ｂの巻き方向を、第１スクリュー羽根８１Ｂの巻き方向と同一にしてもよい。この場合、汚泥投入口８８から投入された汚泥を、排出室９０へ送り出すときは、第２スクリュー８２を第１スクリュー８１と同方向に回転させることになる。

図６に示されるように、ろ過筒８０は、第１スクリュー８１が配置された脱水領域１００Ａと、第２スクリュー８２が配置されたプラグ形成領域１００Ｂとに分割される。脱水領域１００Ａで汚泥が移送される空間は、ろ過筒８０の内面と、第１スクリュー羽根８１Ｂと、第１スクリュー軸８１Ａとによって形成される。この移送空間の断面積は、図６に示されるように、汚泥の移送方向Ｄに沿って漸次減少する。したがって、汚泥投入口８８から投入された汚泥がこの移送空間を第１スクリュー羽根８１Ｂによって移送されるに従って、汚泥は圧搾され、脱水される。ろ過筒８０を通過したろ液は、ろ過筒８０の下方に配置されたろ液受け９３によって集められる。ろ液受け９３には、ドレイン９４が接続されており、ろ液受け９３によって集められたろ液は、ドレイン９４を介してスクリュープレス７５から排出される。

プラグ形成領域１００Ｂで汚泥が移送される空間は、ろ過筒８０の内面と、第２スクリュー羽根８２Ｂと、第２スクリュー軸８２Ａとによって形成される。図６に示されるように、この移送空間の断面積は一定である。プラグ形成領域１００Ｂでは、脱水領域１００Ａで脱水された汚泥からなる脱水ケーキによって、プラグケーキが形成される。

動作制御部２は、第２スクリュー８２を第１スクリュー８１の回転方向とは逆方向に回転させ、第２スクリュー羽根８２Ｂによってプラグケーキを少しずつ排出室９０に送り出す（すなわち、排出する）。第２スクリュー８２上のプラグケーキは、後続の脱水ケーキに背圧を加えながら、第２回転機構２０よって回転される第２スクリュー８２の第２スクリュー羽根８２Ｂによって排出室９０に排出される。

動作制御部２は、第２スクリュー８２の回転速度を変更することによって、排出室９０に排出されるプラグケーキの量を調整することができる。より具体的には、動作制御部２が第２スクリュー８２の回転速度を低下させると、プラグケーキの排出量が減少し、動作制御部２が第２スクリュー８２の回転速度を増加させると、プラグケーキの排出量が増加する。プラグケーキの排出量が減少すると、後続の脱水ケーキが脱水領域１００Ａに滞留して、該後続の脱水ケーキに加えられる背圧が増加する。したがって、動作制御部２が第２スクリュー８２の回転速度を低下させることにより、後続の脱水ケーキの含水率を低下させることができる。一実施形態では、第２スクリュー８２の回転と停止とを交互に繰り返す間欠運転を行うことにより、後続の脱水ケーキに加えられる背圧を調整してもよい。

第２スクリュー８２を第１スクリュー８１と同一方向に回転させてもよい。第２スクリュー８２を第１スクリュー８１と同一方向に回転させると、プラグ形成領域１００Ｂに形成されたプラグケーキが脱水領域１００Ａに向かって押し出され、脱水領域１００Ａ内の脱水ケーキにより大きな背圧を加えることができる。その結果、汚泥の脱水効率を向上させることができる。

第２スクリュー８２を第１スクリュー８１と同一方向に長時間回転させると、脱水領域１００Ａ内の脱水ケーキが第１スクリュー８１と供回りするおそれがある。したがって、第２スクリュー８２を第１スクリュー８１と同一方向にある程度の時間だけ回転させた後で、第２スクリュー８２の回転方向を、第１スクリュー８１の回転方向とは逆向きに戻す。

動作制御部２が第２スクリュー８２の回転速度および回転方向を変更することにより、従来のスクリュープレスでは達成することができない低含水率にまで汚泥を脱水することができる。

一実施形態では、運転予測モデルは、脱水装置１の運転パラメータから、スクリュープレス７５内において、第１スクリュー８１または第２スクリュー８２と脱水ケーキとが供回りするか否かを予測するように構成される。脱水装置１の運転パラメータは、凝集混和槽７内の汚泥への凝集剤の注入率、凝集混和槽７内での汚泥および凝集剤の攪拌速度（攪拌機１１の回転速度）、第１スクリュー８１の回転速度、および第２スクリュー８２の回転速度を少なくとも含む。一実施形態では、脱水装置１の運転パラメータは、第２スクリュー８２の回転方向をさらに含んでもよい。

上述した実施形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の種々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうる。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲に解釈されるものである。

１ 脱水装置
２ 動作制御部
３ 運転条件決定システム
６ スクリュープレス
７ 凝集混和槽
１０ 容器
１１ 攪拌機
１４ 攪拌羽根
１５ 攪拌モータ
２０ 汚泥導入管
２２ ポンプ
２４ 汚泥濃度計
２７ 汚泥移送管
２８ 汚泥投入口
３０ ろ過筒
３２ スクリュー
３５ スクリュー軸
３６ スクリュー羽根
３８ スクリューモータ
３９ インバータ
４０ 閉塞壁
４１ 排出室
４５ ろ液受け
５０ 背圧板
５１ 背圧板駆動装置
５２ プラグ
６１ 機械学習部
６２ 候補生成部
６３ 状態予測部
６４ 選択指令部
６５ 安定運転判定部
６６ 含水率判定部
６７ ＳＳ回収率判定部
７０ レベルセンサ
７１ 圧力センサ
７３ 撮像装置
７５ スクリュープレス
８０ ろ過筒
８１ 第１スクリュー
８１Ａ 第１スクリュー軸
８１Ｂ 第１スクリュー羽根
８２ 第２スクリュー
８２Ａ 第２スクリュー軸
８２Ｂ 第２スクリュー羽根
８５ 第１スクリューモータ
８６ 第２スクリューモータ
８９ 閉塞壁
９０ 排出室
９１，９２ 軸受
９３ ろ液受け
９４ ドレイン
１００Ａ 脱水領域
１００Ｂ プラグ形成領域

Claims (13)

1. 汚泥に凝集剤を注入する凝集混和槽と、前記凝集剤が注入された前記汚泥を脱水ケーキとろ液とに分離するスクリュープレスを備えた脱水装置のための運転条件決定システムであって、
   汚泥への凝集剤の注入率、前記凝集混和槽内での前記汚泥および前記凝集剤の攪拌速度、および前記スクリュープレスのスクリュー回転速度を少なくとも含む運転パラメータの複数の候補を生成する候補生成部と、
   前記複数の候補のそれぞれを複数の状態予測モデルに入力し、複数の状態予測指標を前記複数の状態予測モデルからそれぞれ出力する状態予測部と、
   前記複数の状態予測指標に対して予め定められた複数の目標条件のすべてを満たす候補を前記複数の候補から選択し、前記選択された候補を構成する前記運転パラメータを前記脱水装置の動作制御部に送る選択指令部を備えていることを特徴とする脱水装置の運転条件決定システム。
2. 前記複数の状態予測モデルは、前記スクリュープレスの運転予測結果を示す状態予測指標を出力する運転予測モデルと、前記スクリュープレスから排出される脱水ケーキの予測含水率を示す状態予測指標を出力する含水率予測モデルと、前記スクリュープレスの予測ＳＳ回収率を示す状態予測指標を出力するＳＳ回収率予測モデルのうちの少なくとも２つを含むことを特徴とする請求項１に記載の脱水装置の運転条件決定システム。
3. 前記運転予測モデルから出力される状態予測指標は、前記スクリュープレスの汚泥投入口内の汚泥のレベルの予測値または予測変化率、前記スクリュープレスのスクリューの予測トルク、および前記スクリュープレスのスクリューと脱水ケーキとの供回りが発生するか否かの予測結果のうちの少なくとも１つであることを特徴とする請求項２に記載の脱水装置の運転条件決定システム。
4. 前記複数の目標条件は、前記スクリュープレスの安定的運転を定義する第１目標条件、前記予測含水率が含水率目標範囲内にあることを定める第２目標条件、および前記予測ＳＳ回収率がＳＳ回収率目標範囲内にあることを定める第３目標条件を含むことを特徴とする請求項２に記載の脱水装置の運転条件決定システム。
5. 前記選択指令部は、前記複数の目標条件のすべてを満たす候補であって、かつ前記運転パラメータに関する所定の制約条件を満たす候補を選択するように構成されていることを特徴とする請求項１に記載の脱水装置の運転条件決定システム。
6. 前記運転パラメータは、前記スクリュープレスに投入される汚泥の処理量をさらに含み、
   前記所定の制約条件は、前記汚泥の処理量と前記スクリュー回転速度との相関を制約する条件であることを特徴とする請求項５に記載の脱水装置の運転条件決定システム。
7. 前記所定の制約条件は、凝集剤の前記注入率と前記攪拌速度との相関を制約する条件であることを特徴とする請求項５に記載の脱水装置の運転条件決定システム。
8. 前記運転条件決定システムは、前記スクリュープレスの汚泥投入口内の汚泥のレベルの実際の値または前記レベルの実際の変化率が所定の許容範囲内にあるか否か、前記スクリューの実際のトルクが目標範囲内にあるか否か、または前記スクリューと脱水ケーキの供回りが前記スクリュープレス内で実際に起きているか否かを判定指標に基づいて判定する安定運転判定部をさらに備えており、
   前記判定指標は、前記スクリュープレスの汚泥投入口内の汚泥のレベルの測定値、前記スクリューのトルクの検出値、前記スクリュープレスのろ過筒内の汚泥に加わる圧力の測定値、および前記ろ過筒から排出された脱水ケーキの状態のうちの少なくとも１つであることを特徴とする請求項１に記載の脱水装置の運転条件決定システム。
9. 前記運転パラメータは、前記汚泥の濃度をさらに含むことを特徴とする請求項１に記載の脱水装置の運転条件決定システム。
10. 前記選択指令部は、前記複数の目標条件を満たす複数の候補のうち、前記脱水装置の予め設定された運転モードに最も適した候補を選択するように構成されていることを特徴とする請求項１に記載の脱水装置の運転条件決定システム。
11. 前記選択指令部は、前記複数の目標条件を満たす複数の候補に、前記複数の状態予測モデルの機械学習に使用された学習データに含まれる複数の実運転データからの乖離度をそれぞれ付与し、前記乖離度が所定の基準以下の候補を選択するように構成されていることを特徴とする請求項１に記載の脱水装置の運転条件決定システム。
12. 汚泥に凝集剤を注入する凝集混和槽と、前記凝集剤が注入された前記汚泥を脱水ケーキとろ液とに分離するスクリュープレスを備えた脱水装置の運転方法であって、
    汚泥への凝集剤の注入率、前記凝集混和槽内での前記汚泥および前記凝集剤の攪拌速度、および前記スクリュープレスのスクリュー回転速度を少なくとも含む運転パラメータの複数の候補を生成し、
    前記複数の候補のそれぞれを複数の状態予測モデルに入力し、複数の状態予測指標を前記複数の状態予測モデルからそれぞれ出力し、
    前記複数の状態予測指標に対して予め定められた複数の目標条件のすべてを満たす候補を前記複数の候補から選択し、
    前記選択された候補を構成する前記運転パラメータで前記脱水装置を運転させることを特徴とする脱水装置の運転方法。
13. 前記複数の状態予測モデルは、前記スクリュープレスの運転予測結果を示す状態予測指標を出力する運転予測モデルと、前記スクリュープレスから排出される脱水ケーキの予測含水率を示す状態予測指標を出力する含水率予測モデルと、前記スクリュープレスの予測ＳＳ回収率を示す状態予測指標を出力するＳＳ回収率予測モデルのうちの少なくとも２つを含むことを特徴とする請求項１２に記載の脱水装置の運転方法。

Images