WO2023175825A1 - 曝気量制御装置および曝気量制御方法 - Google Patents

曝気量制御装置および曝気量制御方法 Download PDF

Info

Publication number
WO2023175825A1
WO2023175825A1 PCT/JP2022/012201 JP2022012201W WO2023175825A1 WO 2023175825 A1 WO2023175825 A1 WO 2023175825A1 JP 2022012201 W JP2022012201 W JP 2022012201W WO 2023175825 A1 WO2023175825 A1 WO 2023175825A1
Authority
WO
WIPO (PCT)
Prior art keywords
ammonia concentration
conductivity
water
treated
value
Prior art date
Application number
PCT/JP2022/012201
Other languages
English (en)
French (fr)
Inventor
健太 霜田
佳史 林
英二 今村
誉英 長瀬
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to JP2022542284A priority Critical patent/JP7170949B1/ja
Priority to PCT/JP2022/012201 priority patent/WO2023175825A1/ja
Priority to TW111144800A priority patent/TWI842219B/zh
Publication of WO2023175825A1 publication Critical patent/WO2023175825A1/ja

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/02—Aerobic processes
    • C02F3/12—Activated sludge processes
    • 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

Definitions

  • the present disclosure relates to an aeration amount control device and an aeration amount control method that control the amount of aeration, which is the amount of air supplied to a reaction tank that performs biological treatment.
  • activated sludge method as a method for treating wastewater containing organic matter and ammonia nitrogen.
  • activated sludge which is a group of microorganisms that have a purifying function
  • the activated sludge and waste water are mixed and brought into contact while supplying air with aeration to oxidize and oxidize pollutants in the waste water.
  • This is a method of decomposition. It is necessary to aerate the biological reaction tank with an appropriate amount of air in response to changes in the load of inflowing pollutants, and the amount of aeration is controlled in feedforward by measuring the ammonia concentration in the inflowing water.
  • ammonia concentration meters are expensive.
  • Patent Document 1 discloses that the conductivity value of inflow water is measured, the ammonia concentration value is estimated from the correlation between the conductivity value measured in advance and the ammonia concentration value, and the ammonia concentration value is further estimated.
  • An aeration amount control method for controlling the aeration amount based on is disclosed.
  • the inflow water contains coexisting substances such as other ions that affect conductivity.
  • An example of a coexisting substance is chloride ion.
  • the concentration of coexisting substances changes, the correlation between the conductivity value of the inflow water and the ammonia concentration value changes from the preset correlation. Therefore, an error may occur between the ammonia concentration value estimated based on the measured conductivity value and the actual ammonia concentration of the water to be treated.
  • the correlation between the conductivity value and the ammonia concentration value changes from the preset correlation, and the ammonia concentration is estimated based on the measured conductivity value.
  • the present disclosure has been made in view of the above, and even if the concentration of coexisting substances in the inflow water fluctuates, an appropriate amount of air is supplied to the biological reaction tank in response to the load fluctuation of inflowing ammonia.
  • the purpose of this invention is to obtain an aeration amount control device that can control the amount of aeration.
  • the present disclosure provides an aeration amount that controls the aeration amount, which is the amount of gas containing oxygen supplied to a biological reaction tank that performs biological treatment on water to be treated.
  • the control device includes an ammonia concentration sensor, a conductivity sensor, a conductivity concentration correlation information storage section, a first estimation section, a target aeration amount calculation section, and a conductivity concentration correlation information update section.
  • the ammonia concentration sensor measures the ammonia concentration of treated water in which the water to be treated in the biological reaction tank has been subjected to biological treatment.
  • the conductivity sensor measures the conductivity of the water to be treated flowing into the biological reaction tank.
  • the conductivity concentration correlation information storage unit stores conductivity concentration correlation information indicating the correlation between the conductivity of the water to be treated and the ammonia concentration of the water to be treated.
  • the first estimator estimates a first ammonia concentration estimate, which is an estimate of the ammonia concentration of the water to be treated, from the conductivity concentration correlation information based on the conductivity value measured by the conductivity sensor.
  • the target aeration amount calculation unit calculates a target value of the aeration amount to the biological reaction tank based on the first estimated ammonia concentration value of the treated water and the ammonia concentration value of the treated water measured by the ammonia concentration sensor.
  • the conductivity concentration correlation information update unit updates the conductivity concentration correlation information.
  • the conductivity concentration correlation information update section includes a reception section and an update processing section.
  • the receiving unit receives a second estimated ammonia concentration value that is a value of the ammonia concentration of the water to be treated that is measured or estimated using a method different from the method for estimating the first estimated ammonia concentration value.
  • the update processing unit updates the conductivity concentration correlation information based on the second ammonia concentration estimated value received by the reception unit and the conductivity value measured by the conductivity sensor.
  • the aeration amount control device is capable of supplying an appropriate amount of air to the biological reaction tank in response to load fluctuations of inflowing ammonia, even when fluctuations occur in the concentration of coexisting substances in inflowing water. be effective.
  • Flowchart showing an example of the processing procedure of the aeration amount control method according to Embodiment 1 A flowchart showing an example of a procedure for updating the conductivity concentration correlation information in the aeration amount control device according to the first embodiment
  • Flowchart showing an example of the procedure of learning processing by the learning device A diagram schematically showing an example of the configuration of the second estimating section of the aeration amount control device according to Embodiment 2.
  • Flowchart showing an example of the procedure of estimation processing by the second estimation unit of the aeration amount control device according to Embodiment 2 A flowchart showing an example of a procedure for updating the conductivity concentration correlation information in the aeration amount control device according to the second embodiment Diagram showing an example of the hardware configuration of the control circuit
  • FIG. 1 is a diagram schematically showing an example of the configuration of an aeration amount control system including an aeration amount control device according to a first embodiment.
  • the aeration amount control system 1 includes a biological reaction tank 10, a diffuser plate 11, a blower 12, an air volume adjustment section 13, a conductivity sensor 15, a treated water ammonia concentration sensor 14, an aeration amount control device 30, Equipped with
  • the biological reaction tank 10 is an aquarium that performs biological treatment on water to be treated.
  • the biological reaction tank 10 is a water tank that stores activated sludge inside and uses the activated sludge to biologically treat the water to be treated into treated water 101 whose nitrogen concentration is equal to or less than a predetermined nitrogen concentration.
  • the biological reaction tank 10 is installed in a water purification plant, a sewage treatment plant, a factory wastewater treatment facility, or the like.
  • An inflow section 102 and an outflow section 103 are connected to the biological reaction tank 10 .
  • the inflow portion 102 is a pipe or a waterway into which water to be treated flows.
  • the outflow portion 103 is a pipe or a waterway through which the treated water 101 treated in the biological reaction tank 10 flows out of the biological reaction tank 10 .
  • the air diffuser plate 11 is arranged at the bottom of the biological reaction tank 10 and supplies air to the water to be treated in the biological reaction tank 10. Note that here, a case where air is supplied is taken as an example, but any gas containing oxygen, such as air, may be used.
  • the blower 12 is connected to the air diffuser plate 11 via piping, and blows air to the air diffuser plate 11.
  • the air volume adjustment section 13 adjusts the amount of air flowing from the blower 12 to the diffuser plate 11 .
  • the air volume adjustment unit 13 is an air volume adjustment valve installed in a pipe connecting the blower 12 and the air diffuser plate 11. In this case, the amount of aeration supplied to the air diffuser plate 11 is adjusted by adjusting the opening degree of the air volume adjustment valve.
  • the air volume adjustment unit 13 adjusts the air volume according to the target value of the aeration volume from the aeration volume control device 30 .
  • the treated water ammonia concentration sensor 14 measures the ammonia concentration of the treated water 101 in the biological reaction tank 10.
  • the treated water 101 is obtained by subjecting the water to be treated in the biological reaction tank 10 to biological treatment. In one example, by installing it near or at the outflow part 103 of the biological reaction tank 10, the ammonia concentration of the treated water 101 treated with activated sludge in the biological reaction tank 10 can be appropriately measured.
  • the treated water ammonia concentration sensor 14 is connected to a later-described target aeration amount calculation section 33 of the aeration amount control device 30 via a signal line, and the measured ammonia concentration sensor 14 of the treated water 101 is sent to the target aeration amount calculation section. Send to 33.
  • the conductivity sensor 15 measures the conductivity of the water to be treated, that is, the electrical conductivity.
  • the conductivity sensor 15 is installed in the inlet 102 .
  • Methods for measuring electrical conductivity include an electrode method, an electromagnetic induction method, and the like.
  • the conductivity sensor 15 is connected to a first estimating unit 32 and a database updating unit 34, which will be described later, of the aeration amount control device 30 via a signal line, and is connected to a first estimating unit 32 and a database updating unit 34, which will be described later, of the aeration amount control device 30.
  • the value is transmitted to the first estimator 32 and the database updater 34.
  • the aeration amount control device 30 controls the aeration amount, which is the amount of air supplied to the biological reaction tank 10, based on the difference between the ammonia concentration value of the water to be treated and the ammonia concentration value of the treated water 101.
  • the aeration amount control device 30 includes a database 31 , a first estimation section 32 , a target aeration amount calculation section 33 , and a database update section 34 .
  • the database 31 stores conductivity concentration correlation information, which is information indicating the correlation between the conductivity of the water to be treated and the ammonia concentration of the water to be treated.
  • Conductivity concentration correlation information is information that shows the correlation between the conductivity of the water to be treated and the ammonia concentration, but even if it is information that shows the correlation between the amount of change in the conductivity of the water to be treated and the ammonia concentration. good.
  • the conductivity concentration correlation information may be information indicating a correlation between the conductivity of the water to be treated, other plant data regarding the water to be treated, and the ammonia concentration of the water to be treated.
  • the database 31 is connected to a database update section 34 and a first estimation section 32.
  • the database 31 corresponds to a conductivity concentration correlation information storage section.
  • the first estimation unit 32 generates a first ammonia which is an estimated value of the ammonia concentration of the water to be treated based on the conductivity concentration correlation information of the database 31 based on the conductivity value of the water to be treated measured by the conductivity sensor 15.
  • the estimated concentration value is estimated, and the estimated first ammonia concentration value of the water to be treated is output to the target aeration amount calculation unit 33.
  • the measurement result of the conductivity used for estimation is not particularly limited, and may be an instantaneous value, an average value over a predetermined period, an amount of change, or the like.
  • the The first estimation unit 32 may estimate the first ammonia concentration estimated value of the water to be treated from the conductivity concentration correlation information based on the conductivity measurement result and other plant data regarding the water to be treated.
  • the first estimation section 32 is connected to the conductivity sensor 15, the database 31, the target aeration amount calculation section 33, and the database update section 34.
  • the target aeration amount calculation unit 33 calculates the target value of the aeration amount from the blower 12 to the biological reaction tank 10 at every arbitrary cycle, and transmits the target value of the aeration amount to the air volume adjustment unit 13 via the signal line. Specifically, the target aeration amount calculation unit 33 calculates the first estimated ammonia concentration of the water to be treated sent from the first estimation unit 32 and the treatment in the biological reaction tank 10 measured by the treated water ammonia concentration sensor 14. Based on the ammonia concentration value of the water 101, a target value of the amount of aeration to the biological reaction tank 10 is calculated.
  • the cycle for calculating the target value of the aeration amount is preferably between 1 second and about 5 minutes, but can be set arbitrarily depending on the characteristics of the pumping station.
  • the air volume adjustment section 13 adjusts the amount of aeration so that the amount of aeration supplied to the aeration plate 11 is calculated by the target aeration amount calculation section 33 and becomes equal to the target value of the aeration amount. Note that the number of the air diffuser plates 11, the air volume adjustment section 13, and the target aeration amount calculation section 33 can be changed arbitrarily depending on the scale of the biological reaction tank 10 or the characteristics of the pump station.
  • the database update unit 34 updates the conductivity concentration correlation information stored in the database 31. As mentioned above, it is known that there is a correlation between electrical conductivity and ammonia concentration in treated water. It is also known that this correlation is influenced by the concentration of coexisting substances such as other ions in the water to be treated. Therefore, in the first embodiment, when the database update unit 34 determines that there is a change in the concentration of coexisting substances in the water to be treated and that it is necessary to update the conductivity concentration correlation information, the database update unit 34 updates the conductivity concentration correlation information. Update.
  • the database update section 34 corresponds to a conductivity concentration correlation information update section.
  • FIG. 2 is a block diagram schematically showing an example of the configuration of the database updating section of the aeration amount control device according to the first embodiment.
  • the database update section 34 includes a reception section 341 and an update processing section 342.
  • the reception unit 341 receives a second estimated ammonia concentration value, which is a value of the ammonia concentration of the water to be treated, from the outside.
  • the second estimated ammonia concentration value is the value of the ammonia concentration of the water to be treated that is measured or estimated using a method different from the method of estimating the first estimated ammonia concentration from the measured value of the conductivity of the water to be treated.
  • the reception unit 341 may simultaneously receive the date and time of the first estimated ammonia concentration of the water to be treated that is received from the outside.
  • the receiving unit 341 may measure the ammonia concentration of the water to be treated sampled by the worker using an analyzer such as an ion chromatograph analyzer, and may receive the measurement result as the second estimated ammonia concentration value.
  • the reception unit 341 may receive the estimated value of the ammonia concentration of the water to be treated by the estimation device as the second ammonia concentration estimated value.
  • An example of an apparatus for estimating the ammonia concentration of treated water will be described in Embodiment 2.
  • the reception unit 341 may receive a data set in which second ammonia concentration estimated values at a plurality of dates and times are input. The reception unit 341 transmits the received estimated second ammonia concentration of the water to be treated to the update processing unit 342.
  • the update processing unit 342 is connected to the first estimation unit 32, the conductivity sensor 15, and the database 31.
  • the update processing unit 342 updates the conductivity concentration correlation in the database 31 based on the difference between the first ammonia concentration estimate estimated by the first estimation unit 32 and the second ammonia concentration estimate accepted by the reception unit 341. Determine whether information needs to be updated.
  • the update processing unit 342 determines that the difference between the first ammonia concentration estimate estimated by the first estimation unit 32 and the second ammonia concentration estimate received by the reception unit 341 at the same time is set in advance.
  • the difference is less than the determination value, it is determined that updating of the conductivity-concentration correlation information is unnecessary, and if the difference between the two is greater than the determination value, it is determined that updating of the conductivity-concentration correlation information is necessary. If the difference between the two is equal to the determination value, it may be determined that updating the conductivity concentration correlation information is not necessary or may be determined to be necessary.
  • the determination value is a threshold value that allows it to be determined that the first estimated ammonia concentration value and the second estimated ammonia concentration value match within the range of error.
  • the determination as to whether or not it is necessary to update the conductivity concentration correlation information may be performed based on a preset ratio or the like. The same time does not need to be the same in seconds, and may be any period within a predetermined range. In one example, the predetermined period can be within one hour. However, from the viewpoint of increasing the accuracy of the determination, it is preferable that the predetermined period be short.
  • the update processing unit 342 updates the estimated second ammonia concentration of the water to be treated received by the reception unit 341 and the conductivity measured by the conductivity sensor 15. Based on the rate value and , conductivity concentration correlation information of the water to be treated is newly constructed, and the conductivity concentration correlation information in the database 31 is updated. At this time, the update processing unit 342 newly constructs conductivity concentration correlation information of the water to be treated using a plurality of data consisting of a set including the second ammonia concentration estimate and the conductivity at the same time of the water to be treated. do.
  • the correlation between the conductivity of the water to be treated and the ammonia concentration is determined by the conductivity concentration correlation information stored in the database 31 by changing the concentration of coexisting substances that affect the conductivity.
  • the database updating unit 34 updates the conductivity concentration correlation information at an appropriate timing. Therefore, the first estimation unit 32 estimates the first ammonia concentration estimation value of the water to be treated by referring to the conductivity concentration correlation information updated at an appropriate timing, and the target aeration amount calculation unit 33 estimates the first ammonia concentration estimation value of the water to be treated. 1 The target value of the aeration amount will be calculated using the estimated ammonia concentration value. As a result, an appropriate amount of air can be supplied to the biological reaction tank 10 in response to load fluctuations of inflowing ammonia.
  • the method of updating the conductivity concentration correlation information is performed when the aeration amount control method is being executed, and is a part of the aeration amount control method. That is, the aeration amount control method includes a method of updating conductivity concentration correlation information.
  • FIG. 3 is a flowchart illustrating an example of the processing procedure of the aeration amount control method according to the first embodiment.
  • the conductivity sensor 15 measures the conductivity of the water to be treated at a certain time t (step S11).
  • the conductivity sensor 15 outputs the measurement result to the first estimator 32 .
  • the first estimation unit 32 estimates the first ammonia concentration estimate of the water to be treated from the conductivity concentration correlation information in the database 31 based on the measured conductivity value (step S12).
  • the first estimating unit 32 outputs the first estimated ammonia concentration value of the water to be treated to the target aeration amount calculating unit 33.
  • the treated water ammonia concentration sensor 14 measures the ammonia concentration of the treated water 101 (step S13).
  • the treated water ammonia concentration sensor 14 outputs the measurement result to the target aeration amount calculation unit 33.
  • the target aeration amount calculation unit 33 uses the first estimated ammonia concentration of the water to be treated obtained from the first estimation unit 32 and the inside of the biological reaction tank 10 obtained from the treated water ammonia concentration sensor 14. A target value of the amount of aeration to be supplied to the biological reaction tank 10 is calculated based on the ammonia concentration value of the treated water 101 (step S14). In one example, the target aeration amount calculation unit 33 calculates the target value of the aeration amount using the difference between the first estimated ammonia concentration value and the ammonia concentration value of the treated water 101 as an index. The target aeration amount calculation unit 33 outputs the calculated target value of the aeration amount to the air volume adjustment unit 13.
  • the air volume adjustment unit 13 adjusts the air volume so that the aeration volume reaches the target value, and supplies air to the biological reaction tank 10 (step S15).
  • step S11 to step S15 is repeated at a certain time interval ⁇ t1.
  • ⁇ t1 be in a range of about 1 second to about 1 hour.
  • a time longer than the time required to process all steps from step S11 to step S15 is set as ⁇ t1.
  • FIG. 4 is a flowchart illustrating an example of a procedure for updating the conductivity concentration correlation information in the aeration amount control device according to the first embodiment.
  • the reception unit 341 of the database update unit 34 receives a data set of the estimated second ammonia concentration of the water to be treated at one or more dates and times from the outside (step S31).
  • the estimated secondary ammonia concentration of the water to be treated is the ammonia concentration of the water to be treated that is measured or estimated using a method different from the method of estimating the estimated primary ammonia concentration from the conductivity of the water to be treated.
  • the second estimated ammonia concentration value a value obtained by analyzing the ammonia concentration of sampled water to be treated using an analyzer, or a value estimated by an ammonia concentration estimation device for the water to be treated is used.
  • the reception unit 341 outputs the received data set to the update processing unit 342.
  • the process in step S31 corresponds to a second ammonia concentration estimated value receiving step.
  • the conductivity sensor 15 measures the conductivity of the water to be treated (step S32).
  • the conductivity sensor 15 outputs the measurement result to the first estimator 32 .
  • the process in step S32 corresponds to a conductivity acquisition step.
  • the first estimation unit 32 estimates the first ammonia concentration estimate of the water to be treated from the conductivity concentration correlation information in the database 31 based on the measured conductivity value (step S33).
  • the first estimation unit 32 outputs the first ammonia concentration estimated value, which is the estimation result, to the update processing unit 342.
  • the process in step S33 corresponds to a first ammonia concentration estimated value estimation step.
  • the update processing unit 342 calculates the conductivity of the database 31 from the first ammonia concentration estimate estimated by the first estimation unit 32 and the second ammonia concentration estimate received by the reception unit 341. It is determined whether the rate/concentration correlation information needs to be updated (step S34). In one example, the update processing unit 342 determines whether the difference between the first ammonia concentration estimate and the second ammonia concentration estimate at the same time is less than a preset determination value. If the difference between the two is less than the determination value, the update processing unit 342 determines that there is no need to update the conductivity concentration correlation information. Furthermore, if the difference between the two is larger than the determination value, the update processing unit 342 determines that the conductivity concentration correlation information needs to be updated. The process in step S34 corresponds to a determination step.
  • step S34 If it is determined that the conductivity concentration correlation information does not need to be updated (No in step S34), the process returns to step S31 and step S32. Further, if it is determined that the conductivity concentration correlation information needs to be updated (Yes in step S34), the update processing unit 342 updates the estimated second ammonia concentration of the water to be treated that the reception unit 341 has received. and the conductivity value measured by the conductivity sensor 15, a new correlation between the conductivity and ammonia concentration of the water to be treated is constructed, and the conductivity concentration correlation information in the database 31 is updated (step S35). ).
  • step S31 when the data set received in step S31 is the estimated value of the second ammonia concentration of the water to be treated at one date and time, the estimated value of the second ammonia concentration and the conductivity value of the water to be treated at the same time in the past are , to construct new conductivity concentration correlation information.
  • the process in step S35 corresponds to an update process.
  • step S31 to step S35 is repeated at a certain time interval ⁇ t2.
  • the correlation between the conductivity of the water to be treated and the ammonia concentration is determined by the conductivity stored in the database 31 by changing the coexisting substances that affect the conductivity of the water to be treated.
  • the database updating unit 34 determines whether the conductivity concentration correlation information needs to be updated based on the difference between the first estimated ammonia concentration value and the second estimated ammonia concentration value.
  • the database update unit 34 updates the to-be-treated water stored in the database 31 using the second ammonia concentration estimated value and the conductivity value of the to-be-treated water. Update conductivity concentration correlation information. In other words, the conductivity concentration correlation information is updated at appropriate timing. Therefore, even when coexisting substances change in the water to be treated, an appropriate amount of air can be supplied to the biological reaction tank 10 in response to changes in the ammonia load in the water to be treated.
  • Embodiment 2 The aeration amount control device 30 according to the second embodiment has the same configuration as that in FIG. 1 of the first embodiment, but the configuration of the database update section 34 is different.
  • FIG. 5 is a block diagram illustrating an example of the configuration of a database updating section of the aeration amount control device according to the second embodiment. Note that the same components as those in Embodiment 1 are given the same reference numerals, and the explanation thereof will be omitted, and the different parts will be explained.
  • the database update unit 34 of the aeration amount control device 30 according to the second embodiment includes a second estimation unit 343, a reception unit 341, and an update processing unit 342.
  • the second estimation unit 343 estimates the amount of water to be treated based on plant data including the amount of water flowing into the biological reaction tank 10 , the amount of aeration from the blower 12 , and the ammonia concentration value of the treated water 101 in the biological reaction tank 10 . Estimate a second ammonia concentration estimate.
  • the second estimation unit 343 outputs the estimated second ammonia concentration value of the water to be treated to the reception unit 341.
  • the second estimation unit 343 is equipped with a learned model using an estimation algorithm that estimates the estimated value of the ammonia concentration of the water to be treated.
  • the second estimator 343 uses the plant data including the amount of water flowing into the biological reaction tank 10, the aeration amount of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10 into the learned model.
  • the result obtained by inputting the data is used as the second ammonia concentration estimated value of the water to be treated.
  • This trained model is based on plant data including the amount of water flowing into the biological reaction tank 10, the aeration amount of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10. It is sufficient to adopt a method that can estimate the concentration.
  • the estimation algorithms used by the second estimation unit 343 include an activated sludge model (ASM) that models biological reactions, a linear regression model, a nonlinear regression model, machine learning, reinforcement learning, deep reinforcement learning, deep learning, Random forests, neural networks, and other prediction methods using artificial intelligence can be used.
  • ASM activated sludge model
  • the ammonia load expressed as the product of the ammonia concentration of the water to be treated and the amount of inflow water increases; If the amount is insufficient, the ammonia concentration value of the treated water 101 detected by the treated water ammonia concentration sensor 14 increases. Conversely, if the ammonia load in the water to be treated is small, the amount of aeration that needs to be supplied to the biological reaction tank 10 to treat this ammonia load will decrease, but if the amount of aeration is sufficient, The ammonia concentration value of the treated water 101 detected by the ammonia concentration sensor 14 decreases.
  • the relationship between the ammonia load, the aeration amount, and the ammonia concentration value of the treated water 101 more specifically, the ammonia concentration of the treated water, the inflow amount of the treated water, the aeration amount, and the ammonia concentration value of the treated water 101.
  • the ammonia concentration value and the ammonia concentration value There is a correlation between the ammonia concentration value and the ammonia concentration value.
  • the plant data including the ammonia concentration of the water to be treated, the amount of water flowing into the biological reaction tank 10, the aeration amount of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10. It becomes possible to express the correlation between the two using a learned model.
  • the trained model is generated using the estimation algorithm described above.
  • the second estimation unit 343 can then use the learned model to estimate the ammonia concentration of the water to be treated based on the plant data.
  • the second estimation unit 343 is an example of the ammonia concentration estimation device of the water to be treated according to
  • FIG. 6 is a diagram illustrating an example of the configuration of a learning device that generates a learned model of the aeration amount control device according to the second embodiment.
  • the learning device 50 includes a data acquisition section 51, a model generation section 52, and a learned model storage section 53.
  • the data acquisition unit 51 receives plant data including the amount of water flowing into the biological reaction tank 10, the amount of aeration of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10, and the ammonia concentration of the water to be treated. Obtain the value and as learning data.
  • the ammonia concentration value of the water to be treated can be determined by measuring the ammonia concentration of the water to be treated sampled by an operator using an analyzer such as an ion chromatograph analyzer. Furthermore, in the biological reaction tank 10 , the water to be treated that flows in from the inflow section 102 gradually flows toward the outflow section 103 .
  • the aeration amount of the blower 12 used to estimate the ammonia concentration of the treated water at time T and the data of the ammonia concentration value of the treated water 101 in the biological reaction tank 10 are obtained from the inflow part 102 to each measurement point. It is preferable to use data at time T+ ⁇ T, which is a flow time ⁇ T later.
  • the time is expressed as plant data. Plant data including the amount of water flowing into the biological reaction tank 10 at T, the aeration amount of the blower 12 at time T+ ⁇ T1, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10 at time T+ ⁇ T2 is used. This is desirable.
  • the model generation unit 52 generates an estimated value of the ammonia concentration of the water to be treated based on the plant data output from the data acquisition unit 51 and learning data created based on a combination of the ammonia concentration values of the water to be treated. learn. That is, a trained model is generated that infers an optimal estimated value of the ammonia concentration of the water to be treated from the plant data of the aeration amount control system 1 and the ammonia concentration value of the water to be treated.
  • the learning data is data in which the plant data and the ammonia concentration value of the water to be treated are associated with each other.
  • the learning device 50 is used to learn the estimated value of the ammonia concentration of the water to be treated by the aeration amount control system 1, and is connected to the aeration amount control system 1 via a network, for example, and is connected to the aeration amount control system 1 through a network. It may be a separate device from the control system 1. Furthermore, the learning device 50 may be built into the aeration amount control system 1, particularly the aeration amount control device 30, or may exist on a cloud server.
  • the trained model used by the model generation unit 52 can use known algorithms such as supervised learning and reinforcement learning. As an example, a case where a neural network is applied will be described.
  • the model generation unit 52 learns the estimated value of the ammonia concentration of the water to be treated, for example, by so-called supervised learning according to a neural network model.
  • supervised learning refers to a method in which a set of input and resultant label data is given to the learning device 50, thereby learning features in these learning data and inferring a result from the input.
  • a neural network is composed of an input layer consisting of multiple neurons, an intermediate layer consisting of multiple neurons, and an output layer consisting of multiple neurons.
  • the intermediate layer is also called a hidden layer, and may have one layer or two or more layers.
  • FIG. 7 is a diagram schematically showing an example of a neural network used by the model generation section of FIG. 6.
  • a three-layer neural network as shown in FIG. 7, when multiple inputs are input from input layer X1 to input layer X3, this value is multiplied by the weights w11 to w16 and It is input from Y1 to intermediate layer Y2.
  • Weights w11 to w16 are referred to as weights w1 when not individually distinguished.
  • the results from the intermediate layer Y1 to Y2 are further multiplied by weights shown by w21 to w26, and are outputted from the output layer Z1 to the output layer Z3.
  • Weights w21 to w26 are referred to as weights w2 if not distinguished individually.
  • the output results from output layer Z1 to output layer Z3 vary depending on the values of weights w1 and w2.
  • the neural network performs so-called supervised learning to determine the amount of water to be treated according to the learning data created based on the combination of the plant data acquired by the data acquisition unit 51 and the ammonia concentration value of the water to be treated. Learn the estimated ammonia concentration of
  • the neural network learns by inputting plant data into the input layer and adjusting the weights w1 and w2 so that the result output from the output layer approaches the ammonia concentration value of the water to be treated.
  • the model generation unit 52 generates and outputs a trained model by performing the learning described above.
  • the trained model storage unit 53 stores the trained model output from the model generation unit 52.
  • FIG. 8 is a flowchart illustrating an example of the procedure of learning processing by the learning device.
  • the data acquisition unit 51 acquires the plant data and the ammonia concentration value of the water to be treated (step S51). Although the plant data and the ammonia concentration value of the treated water are acquired at the same time, it is sufficient if the plant data and the ammonia concentration value of the treated water can be input in association with each other. may be obtained at different timings.
  • the model generation unit 52 calculates ammonia in the water to be treated by so-called supervised learning according to learning data created based on the combination of the plant data acquired by the data acquisition unit 51 and the ammonia concentration value of the water to be treated.
  • the estimated value of the concentration is learned, and the plant data including the amount of water flowing into the biological reaction tank 10, the aeration amount of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10, and the water to be treated are
  • a trained model is generated using an estimation algorithm that shows the correlation between the ammonia concentration value of and the ammonia concentration value of (step S52).
  • the trained model storage unit 53 stores the trained model generated by the model generation unit 52 (step S53). With this, the process ends.
  • FIG. 9 is a diagram schematically showing an example of the configuration of the second estimation section of the aeration amount control device according to the second embodiment.
  • the second estimation unit 343 learns plant data including the amount of water flowing into the biological reaction tank 10, the aeration amount of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10. This is an inference device that outputs the result obtained by inputting it into the predefined model as a second ammonia concentration estimated value.
  • the second estimation section 343 includes a data acquisition section 3431 and an inference section 3432.
  • the data acquisition unit 3431 acquires plant data including the amount of water to be treated flowing into the biological reaction tank 10, the amount of aeration of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10.
  • the water to be treated that has flowed in from the inflow part 102 gradually flows toward the outflow part 103.
  • concentration changes there is a time delay corresponding to the flow time until the ammonia concentration value of the treated water 101 changes after changing the amount of aeration required in the biological reaction tank 10.
  • the data acquisition unit 3431 sets the flow time of the water to be treated from the inflow part 102 to the position where the aeration process is performed as ⁇ T1, and the flow time of the treated water 101 from the inflow part 102 to the treated water ammonia concentration sensor 14 as ⁇ T2.
  • the plant data includes the amount of water flowing into the biological reaction tank 10 at time T, the aeration amount of the blower 12 at time T+ ⁇ T1, and the ammonia in the treated water 101 in the biological reaction tank 10 at time T+ ⁇ T2. It is desirable to use plant data including concentration values.
  • the inference unit 3432 infers the estimated second ammonia concentration of the water to be treated, which is obtained using the learned model. That is, by inputting the plant data acquired by the data acquisition unit 3431 into this learned model, it is possible to output the second ammonia concentration estimated value of the treated water inferred from the plant data.
  • a learned model learned from the plant data of the aeration amount control system 1 and the ammonia concentration value of the water to be treated is used.
  • a learned model learned from the plant data and the ammonia concentration value of the treated water in another aeration amount control system 1 is acquired from the outside, and the second estimated ammonia concentration value of the treated water is calculated based on this learned model. It may also be output.
  • FIG. 10 is a flowchart illustrating an example of the procedure of estimation processing by the second estimating section of the aeration amount control device according to the second embodiment.
  • the data acquisition unit 3431 acquires plant data (step S71).
  • the plant data includes the amount of water flowing into the biological reaction tank 10, the aeration amount of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10.
  • the inference unit 3432 inputs the plant data to the trained model stored in the trained model storage unit 53 to obtain the estimated second ammonia concentration of the water to be treated (step S72).
  • the inference unit 3432 sends the estimated second ammonia concentration value of the treated water obtained by the learned model to the reception unit 341 of the aeration amount control system 1, specifically, the database update unit 34 of the aeration amount control device 30. Output (step S73).
  • the reception unit 341 outputs the output estimated second ammonia concentration of the water to be treated to the update processing unit 342, and the update processing unit 342 outputs the estimated second ammonia concentration of the water to be treated, as described later. and the first estimated ammonia concentration value of the water to be treated outputted from the first estimation unit 32 to determine the deviation of the first estimated ammonia concentration value of the water to be treated from the actual ammonia concentration value ( Step S74).
  • the second ammonia concentration estimate inferred by the inference unit 3432 is calculated excluding the influence of fluctuations in the concentration of coexisting substances, so it is more likely to be compared to the first ammonia concentration estimate than the actual This value is close to the ammonia concentration value. This makes it possible to determine whether the change in conductivity of the water to be treated is due to the ammonia concentration or the influence of coexisting substances in the water to be treated. With this, the process ends.
  • supervised learning is applied to the learning algorithm used by the model generation unit 52, but the present invention is not limited to this.
  • the learning algorithm in addition to supervised learning, reinforcement learning, semi-supervised learning, etc. can also be applied.
  • the model generation unit 52 may learn the estimated value of the ammonia concentration of the water to be treated according to the learning data created for the plurality of aeration amount control systems 1.
  • the model generation unit 52 may acquire learning data from a plurality of aeration amount control systems 1 used in the same area, or may acquire learning data from a plurality of aeration amount control systems 1 that operate independently in different areas.
  • the estimated value of the ammonia concentration of the water to be treated may be learned using the collected learning data. It is also possible to add or remove the aeration amount control system 1 that collects learning data from the target during the process.
  • the learning device 50 that has learned the estimated value of the ammonia concentration of the water to be treated with respect to a certain aeration amount control system 1 is applied to another aeration amount control system 1, and the learning device 50 is applied to another aeration amount control system 1.
  • the estimated value of the ammonia concentration of the treated water may be re-learned and updated.
  • model generation unit 52 deep learning, which learns the extraction of the feature values themselves, can be used, and other known methods such as genetic programming, functional logic programming, Machine learning may be performed according to a support vector machine or the like.
  • the flow time ⁇ T1 of the water to be treated from the inlet part 102 to the position where the aeration treatment is performed must be calculated.
  • the ammonia concentration of the treated water 101 when a certain amount of inflow water is subjected to biological treatment with a certain amount of aeration is considered to be mainly influenced by the ammonia concentration in the water to be treated.
  • it is less susceptible to fluctuations in the concentration of coexisting substances such as other ions, which was a problem in estimating the ammonia concentration using the conductivity of the water to be treated.
  • the estimated value of the ammonia concentration of the water to be treated estimated by the second estimator 343 can be considered to represent the ammonia concentration under the situation where coexisting substances are present in the water to be treated.
  • the first estimated ammonia concentration of the treated water estimated by the first estimation unit 32 from the conductivity concentration correlation information based on the conductivity of the treated water measured by the conductivity sensor 15 is the actual value of the estimated ammonia concentration of the treated water. It becomes possible to use it as a standard when determining the deviation from the ammonia concentration.
  • the receiving unit 341 receives the estimated second ammonia concentration of the water to be treated estimated by the second estimating unit 343.
  • the reception unit 341 may also receive the date and time at which the second ammonia concentration estimate of the received water to be treated was estimated.
  • the update processing unit 342 updates the conductivity concentration in the database 31 based on the difference between the first ammonia concentration estimate estimated by the first estimation unit 32 and the second ammonia concentration estimate estimated by the second estimation unit 343. Determine whether it is necessary to update the correlation information.
  • the second ammonia concentration estimate estimated by the second estimator 343 can be considered as the actual ammonia concentration value of the water to be treated. Depending on the degree of deviation of the first estimated ammonia concentration value from the second estimated ammonia concentration value, it is determined whether or not the conductivity concentration correlation information needs to be updated.
  • the update processing unit 342 sets in advance the difference between the first ammonia concentration estimated value estimated by the first estimating unit 32 and the second ammonia concentration estimated value estimated by the second estimating unit 343 at the same time. If it is less than the determined value, it is determined that updating of the conductivity concentration correlation information is unnecessary. Further, the update processing unit 342 determines that the conductivity concentration correlation information needs to be updated if the difference between the two is larger than the determination value. The determination as to whether or not it is necessary to update the conductivity concentration correlation information may be based on a preset ratio or the like. Further, if the difference between the two is equal, it may be determined that updating the conductivity concentration correlation information is not necessary, or it may be determined that updating is necessary.
  • the update processing unit 342 updates the estimated second ammonia concentration of the water to be treated estimated by the second estimation unit 343 and the second ammonia concentration estimated by the conductivity sensor 15. Based on the conductivity value, a new correlation between the conductivity of the water to be treated and the ammonia concentration of the water to be treated is constructed, and the conductivity concentration correlation information in the database 31 is updated. At this time, it is desirable to use data for a plurality of sets of second estimated ammonia concentration values and conductivity values obtained at a plurality of different times.
  • the correlation between the conductivity and ammonia concentration of the water to be treated changes from the conductivity concentration correlation information stored in the database 31 due to a change in the coexisting substances that affect the conductivity.
  • the estimated secondary ammonia concentration of the water to be treated is the one in which the influence of the concentration of coexisting substances is suppressed, so the estimated value of the primary ammonia concentration found from the conductivity of the water to be treated is lower than the actual value. The value is close to the ammonia concentration of the water to be treated.
  • the database updating unit 34 can update the conductivity concentration correlation information of the water to be treated stored in the database 31 at an appropriate timing. As a result, an appropriate amount of air can be supplied to the biological reaction tank 10 while eliminating the influence of coexisting substances in response to load fluctuations of inflowing ammonia.
  • FIG. 11 is a flowchart illustrating an example of a procedure for updating the conductivity concentration correlation information in the aeration amount control device according to the second embodiment.
  • the second estimation unit 343 calculates the amount of water flowing into the biological reaction tank 10 , the aeration amount of the blower 12 , and the ammonia concentration value of the treated water 101 in the biological reaction tank 10 .
  • Data is acquired (step S91).
  • the process in step S91 becomes a plant data acquisition process.
  • the second estimation unit 343 estimates the amount of water to be treated based on plant data including the amount of water flowing into the biological reaction tank 10, the amount of aeration from the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10.
  • the second ammonia concentration estimated value of water is estimated (step S92). Specifically, the second estimating unit 343 inputs the plant data as input data to the learned model, and sets the output value as the estimated second ammonia concentration value of the water to be treated.
  • the second estimation unit 343 outputs the estimated second ammonia concentration value of the water to be treated to the reception unit 341.
  • the process of step S92 becomes a second ammonia concentration estimated value estimation step.
  • the receiving unit 341 receives the estimated second ammonia concentration of the water to be treated estimated by the second estimating unit 343 (step S93).
  • the reception unit 341 outputs the received data set of the estimated second ammonia concentration of the water to be treated to the update processing unit 342.
  • the process in step S93 corresponds to a second ammonia concentration estimated value receiving step.
  • the conductivity sensor 15 measures the conductivity of the water to be treated (step S94).
  • the conductivity sensor 15 outputs the measurement result to the first estimator 32 .
  • the process in step S94 corresponds to a conductivity acquisition step.
  • the first estimation unit 32 estimates the first ammonia concentration estimate of the water to be treated from the conductivity concentration correlation information in the database 31 based on the measured conductivity value (step S95).
  • the first estimation unit 32 outputs the first estimated ammonia concentration value of the water to be treated, which is the estimation result, to the update processing unit 342.
  • the process in step S95 corresponds to a first ammonia concentration estimated value estimation step.
  • the update processing unit 342 updates the first estimated ammonia concentration of the water to be treated estimated by the first estimating unit 32 and the second estimated ammonia concentration estimated by the second estimating unit 343. Based on the difference between and, it is determined whether the conductivity concentration correlation information in the database 31 needs to be updated (step S96). In one example, the update processing unit 342 determines that the difference between the first ammonia concentration estimate estimated by the first estimator 32 and the second ammonia concentration estimate estimated by the second estimator 343 at the same time is a preset value. If it is less than the determined determination value, it is determined that updating of the conductivity concentration correlation information is unnecessary. Furthermore, if the difference between the two is larger than the determination value, the update processing unit 342 determines that the conductivity concentration correlation information needs to be updated. The process in step S96 corresponds to a determination step.
  • step S96 If it is determined that the conductivity concentration correlation information does not need to be updated (No in step S96), the process returns to step S91 and step S94. Further, if it is determined that the conductivity concentration correlation information needs to be updated (Yes in step S96), the database update unit 34 updates the conductivity with the second ammonia concentration estimated value estimated by the second estimation unit 343. A new correlation between the conductivity and ammonia concentration of the water to be treated is constructed based on the conductivity value measured by the rate sensor 15, and the conductivity concentration correlation information in the database 31 is updated (step S97). In this process of updating the conductivity concentration correlation information, a plurality of data sets of the second ammonia concentration estimated value estimated by the second estimation unit 343 and the conductivity value measured by the conductivity sensor 15 are used. Ru. The process in step S97 corresponds to an update process.
  • step S91 to step S97 is repeated at a certain time interval ⁇ t3.
  • the correlation between the conductivity and ammonia concentration of the water to be treated changes from the conductivity concentration correlation information stored in the database 31 due to variations in the coexisting substances that affect the conductivity.
  • plant data including the amount of water flowing into the biological reaction tank 10, the aeration amount of the blower 12, and the ammonia concentration value of the treated water 101 in the biological reaction tank 10, coexisting substances in the water to be treated are determined.
  • An estimated value of the secondary ammonia concentration excluding the influence of is estimated.
  • the database update unit 34 can appropriately determine when to update the conductivity concentration correlation information of the water to be treated by comparing the first ammonia concentration estimate with the second ammonia concentration estimate.
  • the database update unit 34 updates the conductivity and ammonia concentration of the water to be treated based on the second estimated ammonia concentration value and the conductivity value measured by the conductivity sensor 15.
  • the conductivity concentration correlation information is updated using the newly constructed concentration correlation. Therefore, an appropriate amount of air can be supplied to the biological reaction tank 10 in response to load fluctuations of inflowing ammonia.
  • the target aeration amount calculation unit 33 outputs the target value of the aeration amount to the air volume adjustment unit 13, and the air volume adjustment unit 13 adjusts the opening degree of the air volume adjustment valve. .
  • any device that can ultimately adjust the amount of aeration may be used, so the air amount may be adjusted by the blower 12 instead of the air amount adjusting section 13. That is, the target aeration amount calculation unit 33 may output the target value of the aeration amount to the blower 12, and adjust the air amount so that the blower 12 reaches the target value of the aeration amount.
  • the aeration amount control device 30 shown in FIG. may be configured as one circuit or device. Moreover, each part may be realized by a control circuit including a memory and a processor that executes a program stored in the memory, or may be realized by dedicated hardware. Here, a case will be exemplified in which the aeration amount control device 30 is realized by a control circuit.
  • FIG. 12 is a diagram showing an example of the hardware configuration of the control circuit.
  • the control circuit 400 shown in FIG. 12 includes an input section 401, a processor 402, a memory 403, and an output section 404. Each part of the control circuit 400 is interconnected via a bus 411.
  • the input unit 401 receives signals from the outside.
  • the output unit 404 outputs the signal generated by the control circuit 400 to the outside.
  • the processor 402 is, for example, a CPU (Central Processing Unit), a central processing unit, a processing unit, an arithmetic unit, a microprocessor, a microcomputer, a DSP (Digital Signal Processor), or the like. Processor 402 executes various processes.
  • the memory 403 is, for example, RAM (Random Access Memory), ROM (Read Only Memory), flash memory, EPROM (Erasable Programmable Read Only Memory), or EEPROM (registered trademark) (Electrically Erasable Programmable Read Only Memory).
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory EPROM (Erasable Programmable Read Only Memory)
  • EEPROM registered trademark
  • Non-volatile it may be a volatile semiconductor memory, a magnetic disk, a flexible disk, an optical disk, a compact disk, a mini disk, a DVD (Digital Versatile Disk), or the like.
  • the memory 403 stores programs for operating the aeration amount control device 30, conductivity concentration correlation information, and the like.
  • the processor 402 reads out and executes the program stored in the memory 403 via the bus 411, and manages the processing and control of the aeration amount control device 30 as a whole.
  • the functions of the target aeration amount calculation section 33, first estimating section 32, and database updating section 34 of the aeration amount control device 30 shown in FIG. 1 are realized using the processor 402.
  • the memory 403 is used as a work area for the processor 402.
  • the memory 403 also stores programs such as a boot program, an aeration amount control program that executes an aeration amount control method, and an update method of conductivity concentration correlation information.
  • processor 402 loads the aeration amount control program into memory 403 and executes various processes.
  • each processing unit configuring the aeration amount control device 30, each processing unit configuring the database updating unit 34, each processing unit configuring the second estimating unit 343, or each processing unit configuring the learning device 50 is When implemented in hardware, the dedicated hardware includes, for example, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, an ASIC (Application Specific Integrated Circuit), and an FPGA (Field Programmable Gate Array). ), or a combination of these.
  • each processing section is realized by dedicated hardware, each processing section is connected via a signal line. Data is then communicated between each processing unit via the signal line.
  • the computer has the same function as the aeration amount control device 30.
  • the aeration amount control program described above is pre-stored in the memory 403, the present invention is not limited thereto.
  • the aeration amount control program described above is provided to the user in a state written on a recording medium such as a CD (Compact Disc)-ROM or a DVD (Digital Versatile Disc)-ROM, and is installed in the memory 403 by the user. Good too. Further, the aeration amount control program described above may be provided to the user via a network such as the Internet.
  • Aeration amount control system 10. Biological reaction tank, 11. Aeration plate, 12. Blower, 13. Air volume adjustment section, 14. Treated water ammonia concentration sensor, 15. Conductivity sensor, 30.
  • Aeration amount control device 31. Database, 32. First estimation section , 33 Target aeration amount calculation unit, 34 Database update unit, 50 Learning device, 51, 3431 Data acquisition unit, 52 Model generation unit, 53 Learned model storage unit, 101 Treated water, 102 Inflow unit, 103 Outflow unit, 341 Reception section, 342 update processing section, 343 second estimation section, 400 control circuit, 401 input section, 402 processor, 403 memory, 404 output section, 411 bus, 3432 inference section.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Microbiology (AREA)
  • Hydrology & Water Resources (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Activated Sludge Processes (AREA)
  • Biological Treatment Of Waste Water (AREA)

Abstract

曝気量制御装置は、アンモニア濃度センサ、導電率センサ、導電率濃度相関情報記憶部、第１推定部、目標曝気量算出部および導電率濃度相関情報更新部を備える。アンモニア濃度センサは、生物反応槽内の被処理水が生物処理された処理水のアンモニア濃度を測定する。導電率センサは、生物反応槽に流入する被処理水の導電率を測定する。第１推定部は、導電率値に基づいて導電率濃度相関情報から被処理水の第１アンモニア濃度推定値を推定する。目標曝気量算出部は、第１アンモニア濃度推定値およびアンモニア濃度センサによる測定値に基づいて、生物反応槽への曝気量の目標値を算出する。導電率濃度相関情報更新部は、第１アンモニア濃度推定値を推定する方法とは異なる方法で測定または推定される被処理水の第２アンモニア濃度推定値を受け付ける受付部と、第２アンモニア濃度推定値と導電率値とに基づいて導電率濃度相関情報を更新する更新処理部と、を有する。

Description

曝気量制御装置および曝気量制御方法
　本開示は、生物処理を行う反応槽へ供給する空気の量である曝気量を制御する曝気量制御装置および曝気量制御方法に関する。
　有機物およびアンモニア性窒素を含む下廃水処理方式として、活性汚泥法がある。活性汚泥法は、浄化機能をもつ微生物群である活性汚泥を反応槽に貯え、活性汚泥と排水とを混合、接触させつつ空気を供給する曝気を行うことによって、排水中の汚濁物を酸化、分解する方法である。流入する汚濁物の負荷変動に対して適切な量の空気を生物反応槽に曝気する必要があり、流入水のアンモニア濃度を測定することで曝気量をフィードフォワード制御している。ただし、アンモニア濃度計は高額である。このため、特許文献１には、流入水の導電率値を測定し、予め測定しておいた導電率値とアンモニア濃度値との相関関係からアンモニア濃度値を推定し、さらに推定したアンモニア濃度値に基づいて曝気量を制御する曝気量制御方法が開示されている。
特開２００９－１１９３２９号公報
　ところで、流入水にはアンモニア以外にも導電率に影響を与える他イオン等の共存物が含まれている。共存物の一例は、塩化物イオンである。共存物の濃度が変動した場合には、流入水の導電率値とアンモニア濃度値との相関関係が予め設定していた相関関係から変化する。このため、測定した導電率値に基づいて推定したアンモニア濃度値と実際の被処理水のアンモニア濃度との間には誤差が生じる可能性がある。しかしながら、従来の技術では、共存物の濃度の変動によって、導電率値とアンモニア濃度値との相関関係が予め設定していた相関関係から変化し、測定した導電率値に基づいて推定したアンモニア濃度値と実際のアンモニア濃度との間に誤差が生じることまで想定されていなかった。つまり、従来の技術では、流入水の共存物の濃度の変動が考慮されていないので、流入するアンモニアの負荷変動に対して適切な量の空気を生物反応槽に供給することができないという問題があった。
　本開示は、上記に鑑みてなされたものであって、流入水の共存物の濃度に変動が生じた場合でも、流入するアンモニアの負荷変動に対して適切な量の空気を生物反応槽に供給することができる曝気量制御装置を得ることを目的とする。
　上述した課題を解決し、目的を達成するために、本開示は、被処理水に対して生物処理を行う生物反応槽に供給される酸素を含む気体の量である曝気量を制御する曝気量制御装置であって、アンモニア濃度センサと、導電率センサと、導電率濃度相関情報記憶部と、第１推定部と、目標曝気量算出部と、導電率濃度相関情報更新部と、を備える。アンモニア濃度センサは、生物反応槽内の被処理水が生物処理された処理水のアンモニア濃度を測定する。導電率センサは、生物反応槽に流入する被処理水の導電率を測定する。導電率濃度相関情報記憶部は、被処理水の導電率と被処理水のアンモニア濃度との相関関係を示す導電率濃度相関情報を記憶する。第１推定部は、導電率センサで測定された導電率値に基づいて導電率濃度相関情報から被処理水のアンモニア濃度の推定値である第１アンモニア濃度推定値を推定する。目標曝気量算出部は、処理水の第１アンモニア濃度推定値およびアンモニア濃度センサによって測定された処理水のアンモニア濃度値に基づいて、生物反応槽への曝気量の目標値を算出する。導電率濃度相関情報更新部は、導電率濃度相関情報を更新する。導電率濃度相関情報更新部は、受付部と、更新処理部と、を有する。受付部は、第１アンモニア濃度推定値を推定する方法とは異なる方法で測定または推定される被処理水のアンモニア濃度の値である第２アンモニア濃度推定値を受け付ける。更新処理部は、受付部が受け付けた第２アンモニア濃度推定値と導電率センサで測定された導電率値と、に基づいて導電率濃度相関情報を更新する。
　本開示に係る曝気量制御装置は、流入水の共存物の濃度に変動が生じた場合でも、流入するアンモニアの負荷変動に対して適切な量の空気を生物反応槽に供給することができるという効果を奏する。
実施の形態１に係る曝気量制御装置を備える曝気量制御システムの構成の一例を模式的に示す図 実施の形態１に係る曝気量制御装置のデータベース更新部の構成の一例を模式的に示すブロック図 実施の形態１に係る曝気量制御方法の処理手順の一例を示すフローチャート 実施の形態１に係る曝気量制御装置における導電率濃度相関情報の更新方法の手順の一例を示すフローチャート 実施の形態２に係る曝気量制御装置のデータベース更新部の構成の一例を示すブロック図 実施の形態２に係る曝気量制御装置の学習済モデルを生成する学習装置の構成の一例を示す図 図６のモデル生成部が使用するニューラルネットワークの一例を模式的に示す図 学習装置による学習処理の手順の一例を示すフローチャート 実施の形態２に係る曝気量制御装置の第２推定部の構成の一例を模式的に示す図 実施の形態２に係る曝気量制御装置の第２推定部による推定処理の手順の一例を示すフローチャート 実施の形態２に係る曝気量制御装置における導電率濃度相関情報の更新方法の手順の一例を示すフローチャート 制御回路のハードウェア構成の一例を示す図
　以下に、本開示の実施の形態に係る曝気量制御装置および曝気量制御方法を図面に基づいて詳細に説明する。
実施の形態１．
　図１は、実施の形態１に係る曝気量制御装置を備える曝気量制御システムの構成の一例を模式的に示す図である。曝気量制御システム１は、生物反応槽１０と、散気板１１と、送風機１２と、風量調節部１３と、導電率センサ１５と、処理水アンモニア濃度センサ１４と、曝気量制御装置３０と、を備える。
　生物反応槽１０は、被処理水に対して生物処理を行う水槽である。具体的には、生物反応槽１０は、内部に活性汚泥を蓄え、活性汚泥を用いて被処理水を、定められた窒素濃度以下となる処理水１０１へと生物学的に処理する水槽である。生物反応槽１０は、浄水場、下水処理場、工場の排水処理施設等に設けられる。生物反応槽１０には、流入部１０２と流出部１０３とが接続される。流入部１０２は、処理対象である被処理水が流入する配管または水路である。流出部１０３は、生物反応槽１０で処理された処理水１０１を生物反応槽１０外に流出する配管または水路である。
　散気板１１は、生物反応槽１０の底部に配置され、生物反応槽１０内の被処理水に空気を供給する。なお、ここでは、空気を供給する場合を例に挙げるが、空気のように酸素を含む気体であればよい。
　送風機１２は、散気板１１と配管を介して接続され、散気板１１に空気を送風する。風量調節部１３は、送風機１２から散気板１１へと流れる風量を調節する。一例では、風量調節部１３は、送風機１２と散気板１１とを接続する配管に設置される風量調整弁である。この場合、風量調整弁の開度を調節することによって、散気板１１に供給される曝気量が調節される。風量調節部１３は、曝気量制御装置３０からの曝気量の目標値に従って、風量を調節する。
　処理水アンモニア濃度センサ１４は、生物反応槽１０内の処理水１０１のアンモニア濃度を測定する。処理水１０１は、生物反応槽１０内の被処理水が生物処理されることによって得られる。一例では、生物反応槽１０の流出部１０３の近傍または流出部１０３に設置することで、生物反応槽１０内の活性汚泥により処理された処理水１０１のアンモニア濃度を適切に測定することができる。処理水アンモニア濃度センサ１４は、信号線を介して曝気量制御装置３０の後述する目標曝気量算出部３３に接続されており、測定した処理水１０１のアンモニア濃度の測定データを目標曝気量算出部３３に送信する。
　導電率センサ１５は、被処理水の導電率、すなわち電気伝導率を測定する。一例では、導電率センサ１５は、流入部１０２に設置される。導電率の測定方法には、電極法、電磁誘導法等がある。導電率センサ１５は、信号線を介して曝気量制御装置３０の後述する第１推定部３２およびデータベース更新部３４に接続されており、測定した被処理水の導電率の測定データである導電率値を第１推定部３２およびデータベース更新部３４に送信する。
　曝気量制御装置３０は、被処理水のアンモニア濃度値と処理水１０１のアンモニア濃度値との差に基づいて、生物反応槽１０に供給する空気の量である曝気量を制御する。曝気量制御装置３０は、データベース３１と、第１推定部３２と、目標曝気量算出部３３と、データベース更新部３４と、を有する。
　データベース３１は、被処理水の導電率と被処理水のアンモニア濃度との相関関係を示す情報である導電率濃度相関情報を記憶する。導電率濃度相関情報は、被処理水の導電率とアンモニア濃度との相関関係を示す情報であるが、被処理水の導電率の変化量とアンモニア濃度との相関関係を示す情報であってもよい。また、導電率濃度相関情報は、被処理水の導電率および被処理水に関する他のプラントデータと、被処理水のアンモニア濃度と、の相関関係を示す情報であってもよい。被処理水に関する他のプラントデータは、被処理水に含まれる塩化物イオン等の他のイオン濃度の測定結果、被処理水の流量、測定日時等である。データベース３１は、データベース更新部３４および第１推定部３２に接続される。データベース３１は、導電率濃度相関情報記憶部に対応する。
　第１推定部３２は、少なくとも導電率センサ１５で測定された被処理水の導電率値に基づいて、データベース３１の導電率濃度相関情報から被処理水のアンモニア濃度の推定値である第１アンモニア濃度推定値を推定し、推定した被処理水の第１アンモニア濃度推定値を目標曝気量算出部３３に出力する。推定に用いる導電率の測定結果は、特に限定されるものではなく、瞬時値、定められた期間の平均値、変化量等である。また、データベース３１の導電率濃度相関情報が、導電率の測定結果と、被処理水に関する他のプラントデータと、被処理水のアンモニア濃度と、の相関関係を示す情報である場合には、第１推定部３２は、導電率の測定結果と被処理水に関する他のプラントデータとに基づいて、導電率濃度相関情報から被処理水の第１アンモニア濃度推定値を推定してもよい。第１推定部３２は、導電率センサ１５、データベース３１、目標曝気量算出部３３およびデータベース更新部３４と接続される。
　目標曝気量算出部３３は、送風機１２から生物反応槽１０への曝気量の目標値を任意の周期ごとに算出し、信号線を介して曝気量の目標値を風量調節部１３に送信する。具体的には、目標曝気量算出部３３は、第１推定部３２から送信された被処理水の第１アンモニア濃度推定値および処理水アンモニア濃度センサ１４によって測定された生物反応槽１０内の処理水１０１のアンモニア濃度値に基づいて、生物反応槽１０への曝気量の目標値を算出する。曝気量の目標値を算出する周期は、１秒以上５分程度以下の間が望ましいが、機場の特性に応じて任意に設定可能である。風量調節部１３は、散気板１１に供給される曝気量が目標曝気量算出部３３で算出され曝気量の目標値と等しくなるように、曝気量の調節を行う。なお、生物反応槽１０の規模または機場の特性に応じて散気板１１、風量調節部１３、目標曝気量算出部３３の個数は任意に変更可能である。
　データベース更新部３４は、データベース３１に記憶されている導電率濃度相関情報を更新する。上記したように、被処理水において、導電率とアンモニア濃度との間には相関関係があることが知られている。また、この相関関係は、被処理水中の他イオン等の共存物の濃度によって影響を受けることも知られている。そこで、実施の形態１では、データベース更新部３４が、被処理水中の共存物の濃度に変化が生じ、導電率濃度相関情報の更新が必要であると判断した場合に、導電率濃度相関情報を更新する。データベース更新部３４は、導電率濃度相関情報更新部に対応する。
　図２は、実施の形態１に係る曝気量制御装置のデータベース更新部の構成の一例を模式的に示すブロック図である。データベース更新部３４は、受付部３４１と、更新処理部３４２と、を備える。
　受付部３４１は、外部より被処理水のアンモニア濃度の値である第２アンモニア濃度推定値を受け付ける。第２アンモニア濃度推定値は、被処理水の導電率の測定値から第１アンモニア濃度推定値を推定する方法とは異なる方法で測定または推定される被処理水のアンモニア濃度の値である。このとき、受付部３４１は、外部より受け付けた被処理水の第１アンモニア濃度推定値の日時を同時に受け付けてもよい。一例では、受付部３４１は、作業者が採水した被処理水のアンモニア濃度をイオンクロマトグラフ分析装置などの分析装置で測定し、測定の結果を第２アンモニア濃度推定値として受け付けてもよい。また他の例では、受付部３４１は、被処理水のアンモニア濃度の推定装置による推定値を第２アンモニア濃度推定値として受け付けてもよい。被処理水のアンモニア濃度の推定装置の例については、実施の形態２で説明する。また、受付部３４１は、複数の日時の第２アンモニア濃度推定値が入力されたデータセットを受け付けてもよい。受付部３４１は、受け付けた被処理水の第２アンモニア濃度推定値を更新処理部３４２に送信する。
　更新処理部３４２は、第１推定部３２と、導電率センサ１５と、データベース３１と、に接続される。更新処理部３４２は、第１推定部３２で推定された第１アンモニア濃度推定値と、受付部３４１が受け付けた第２アンモニア濃度推定値と、の差に基づいて、データベース３１の導電率濃度相関情報の更新が必要か否かを判定する。一例では、更新処理部３４２は、同時刻における第１推定部３２で推定された第１アンモニア濃度推定値と、受付部３４１が受け付けた第２アンモニア濃度推定値と、の差が、予め設定された判定値未満である場合には、導電率濃度相関情報の更新を不要と判定し、両者の差が判定値よりも大きい場合には、導電率濃度相関情報の更新を必要と判定する。両者の差が判定値と等しい場合には、導電率濃度相関情報の更新を不要と判定してもよいし、必要と判定してもよい。
　判定値は、一例では、第１アンモニア濃度推定値と第２アンモニア濃度推定値とが誤差の範囲で一致していると判定することができる閾値である。導電率濃度相関情報の更新の要否の判定は、予め設定された割合などに基づいて行われてもよい。同時刻は、秒単位で同じである必要はなく、定められた範囲の期間であればよい。定められた期間は、一例では１時間以内とすることができる。ただし、判定の精度を高めることができる点から、定められた期間は短い方が好ましい。
　導電率濃度相関情報の更新が必要と判定された場合には、更新処理部３４２は、受付部３４１が受け付けた被処理水の第２アンモニア濃度推定値と、導電率センサ１５で測定された導電率値と、に基づいて、被処理水の導電率濃度相関情報を新しく構築し、データベース３１内の導電率濃度相関情報を更新する。このとき、更新処理部３４２は、被処理水の同時刻の第２アンモニア濃度推定値と導電率とを含む組からなる複数のデータを用いて、被処理水の導電率濃度相関情報を新しく構築する。
　したがって、実施の形態１では、導電率に影響を与える共存物の濃度が変動することで、被処理水の導電率とアンモニア濃度との相関関係が、データベース３１に記憶された導電率濃度相関情報から変化した場合に、データベース更新部３４が、導電率濃度相関情報を適切なタイミングで更新する。このため、第１推定部３２は、適切なタイミングで更新された導電率濃度相関情報を参照して、被処理水の第１アンモニア濃度推定値を推定し、目標曝気量算出部３３は、第１アンモニア濃度推定値を用いて、曝気量の目標値を算出することになる。この結果、流入するアンモニアの負荷変動に対して適切な量の空気を生物反応槽１０に供給することができる。
　つぎに、曝気量制御装置３０における曝気量制御方法および導電率濃度相関情報の更新方法について、順に説明する。なお、導電率濃度相関情報の更新方法は、曝気量制御方法が実行されているときに行われるものであり、曝気量制御方法の一部である。つまり、曝気量制御方法は、導電率濃度相関情報の更新方法を含むものである。
　図３は、実施の形態１に係る曝気量制御方法の処理手順の一例を示すフローチャートである。曝気量制御が開始されると、ある時刻ｔで、導電率センサ１５が被処理水の導電率を測定する（ステップＳ１１）。導電率センサ１５は、測定結果を第１推定部３２に出力する。
　ついで、第１推定部３２は、測定した導電率値に基づいて、データベース３１の導電率濃度相関情報から被処理水の第１アンモニア濃度推定値を推定する（ステップＳ１２）。第１推定部３２は、被処理水の第１アンモニア濃度推定値を目標曝気量算出部３３に出力する。
　また時刻ｔで、ステップＳ１１，Ｓ１２と並行して、処理水アンモニア濃度センサ１４は、処理水１０１のアンモニア濃度を測定する（ステップＳ１３）。処理水アンモニア濃度センサ１４は、測定結果を目標曝気量算出部３３に出力する。
　ステップＳ１２およびステップＳ１３の後、目標曝気量算出部３３は、第１推定部３２から取得した被処理水の第１アンモニア濃度推定値と、処理水アンモニア濃度センサ１４から取得した生物反応槽１０内の処理水１０１のアンモニア濃度値と、に基づいて生物反応槽１０へ供給する曝気量の目標値を算出する（ステップＳ１４）。一例では、目標曝気量算出部３３は、第１アンモニア濃度推定値と処理水１０１のアンモニア濃度値との差を指標として、曝気量の目標値を算出する。目標曝気量算出部３３は、算出した曝気量の目標値を風量調節部１３に出力する。
　その後、風量調節部１３は、曝気量の目標値になるように風量を調節し、生物反応槽１０に空気を供給する（ステップＳ１５）。
　以上のステップＳ１１からステップＳ１５までの処理が、ある時間間隔Δｔ１で繰り返される。ここで、Δｔ１は１秒から１時間程度までの範囲であることが望ましい。ただし、ステップＳ１１からステップＳ１５までを全て処理するのに要する時間よりも長い時間がΔｔ１として設定される。
　図４は、実施の形態１に係る曝気量制御装置における導電率濃度相関情報の更新方法の手順の一例を示すフローチャートである。まず、ある時刻ｔで、データベース更新部３４の受付部３４１が、外部より１つ以上の日時における被処理水の第２アンモニア濃度推定値のデータセットを受け付ける（ステップＳ３１）。被処理水の第２アンモニア濃度推定値は、上記したように、被処理水の導電率から第１アンモニア濃度推定値を推定する方法とは異なる方法で測定または推定される被処理水のアンモニア濃度の値である。一例では、第２アンモニア濃度推定値として、採水された被処理水のアンモニア濃度を分析装置で分析したもの、あるいは被処理水のアンモニア濃度の推定装置で推定されたものが用いられる。受付部３４１は、受け付けたデータセットを更新処理部３４２に出力する。ステップＳ３１の処理は、第２アンモニア濃度推定値受付工程に対応する。
　また時刻ｔで、ステップＳ３１と並行して、導電率センサ１５は、被処理水の導電率を測定する（ステップＳ３２）。導電率センサ１５は、測定結果を第１推定部３２に出力する。ステップＳ３２の処理は、導電率取得工程に対応する。また、第１推定部３２は、測定した導電率値に基づいて、データベース３１の導電率濃度相関情報から被処理水の第１アンモニア濃度推定値を推定する（ステップＳ３３）。第１推定部３２は、推定結果である第１アンモニア濃度推定値を更新処理部３４２に出力する。ステップＳ３３の処理は、第１アンモニア濃度推定値推定工程に対応する。
　ステップＳ３１およびステップＳ３３の後、更新処理部３４２は、第１推定部３２で推定された第１アンモニア濃度推定値と、受付部３４１が受け付けた第２アンモニア濃度推定値とから、データベース３１の導電率濃度相関情報の更新が必要であるかを判定する（ステップＳ３４）。一例では、更新処理部３４２は、同時刻における第１アンモニア濃度推定値と第２アンモニア濃度推定値との差が予め設定された判定値未満であるかを判定する。更新処理部３４２は、両者の差が判定値未満であれば、導電率濃度相関情報の更新は不要であると判定する。また、更新処理部３４２は、両者の差が判定値よりも大きい場合には、導電率濃度相関情報の更新が必要であると判定する。ステップＳ３４の処理は、判定工程に対応する。
　導電率濃度相関情報の更新が不要であると判定した場合（ステップＳ３４でＮｏの場合）には、処理がステップＳ３１およびステップＳ３２に戻る。また、導電率濃度相関情報の更新が必要であると判定した場合（ステップＳ３４でＹｅｓの場合）には、更新処理部３４２は、受付部３４１が受け付けた被処理水の第２アンモニア濃度推定値と、導電率センサ１５で測定された導電率値と、に基づいて被処理水の導電率とアンモニア濃度との相関関係を新しく構築し、データベース３１の導電率濃度相関情報を更新する（ステップＳ３５）。なお、ステップＳ３１で受け付けたデータセットが１つの日時における被処理水の第２アンモニア濃度推定値である場合には、過去の同時刻における被処理水の第２アンモニア濃度推定値と導電率値とを用いて、新たな導電率濃度相関情報を構築する。ステップＳ３５の処理は、更新処理工程に対応する。
　以上のステップＳ３１からステップＳ３５までの処理が、ある時間間隔Δｔ２で繰り返される。
　以上のように、実施の形態１では、被処理水の導電率に影響を与える共存物が変動することで被処理水の導電率とアンモニア濃度との相関関係がデータベース３１に記憶された導電率濃度相関情報から変化した場合に、データベース更新部３４が第１アンモニア濃度推定値と第２アンモニア濃度推定値との差から導電率濃度相関情報の更新が必要であるかを判定する。導電率濃度相関情報の更新が必要である場合には、データベース更新部３４は、第２アンモニア濃度推定値と被処理水の導電率値とを用いて、データベース３１に記憶された被処理水の導電率濃度相関情報を更新する。つまり、導電率濃度相関情報は、適切なタイミングで更新されることになる。このため、被処理水中で共存物が変動する場合でも、流入する被処理水のアンモニアの負荷変動に対して適切な量の空気を生物反応槽１０に供給することができる。
実施の形態２．
　実施の形態２に係る曝気量制御装置３０は、実施の形態１の図１と同じ構成であるが、データベース更新部３４の構成が異なる。図５は、実施の形態２に係る曝気量制御装置のデータベース更新部の構成の一例を示すブロック図である。なお、実施の形態１と同一の構成要素には、同一の符号を付して、その説明を省略し、異なる部分について説明を行う。実施の形態２に係る曝気量制御装置３０のデータベース更新部３４は、第２推定部３４３と、受付部３４１と、更新処理部３４２と、を備える。
　第２推定部３４３は、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量および生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータに基づいて被処理水の第２アンモニア濃度推定値を推定する。第２推定部３４３は、推定した被処理水の第２アンモニア濃度推定値を受付部３４１に出力する。第２推定部３４３は、一例では、被処理水のアンモニア濃度の推定値を推定する推定アルゴリズムを用いた学習済モデルを搭載する。すなわち、第２推定部３４３は、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量および生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータを学習済モデルに入力することで得られる結果を被処理水の第２アンモニア濃度推定値とする。この学習済モデルは、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量および生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータに基づいて被処理水のアンモニア濃度を推定できる手法を採用していればよい。第２推定部３４３が用いる推定アルゴリズムには、生物反応をモデル化した活性汚泥モデル（Activated　Sludge　Model：ＡＳＭ）、線形回帰モデル、非線形回帰モデル、機械学習、強化学習、深層強化学習、ディープラーニング、ランダムフォレスト、ニューラルネットワーク、その他人工知能を用いた予測手法等を用いることができる。
　被処理水のアンモニア濃度と流入水量との積で表されるアンモニア負荷が大きい場合には、このアンモニア負荷を処理するために生物反応槽１０に供給する必要がある曝気量は増加するが、曝気量が不足していれば、処理水アンモニア濃度センサ１４で検知される処理水１０１のアンモニア濃度値は上昇する。逆に、被処理水のアンモニア負荷が小さい場合には、このアンモニア負荷を処理するために生物反応槽１０に供給する必要がある曝気量は低下するが、曝気量が十分であれば、処理水アンモニア濃度センサ１４で検知される処理水１０１のアンモニア濃度値は減少する。このように、アンモニア負荷と曝気量と処理水１０１のアンモニア濃度値との間、より具体的には、被処理水のアンモニア濃度と、被処理水の流入水量、曝気量、および処理水１０１のアンモニア濃度値と、の間には相関関係が存在する。つまり、被処理水のアンモニア濃度と、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、および生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータと、の間の相関関係を、学習済モデルを用いて表現することが可能となる。学習済モデルは、上記した推定アルゴリズムを用いて生成される。そして、第２推定部３４３は、学習済モデルを用いて、プラントデータに基づいて被処理水のアンモニア濃度を推定することができる。第２推定部３４３は、実施の形態１の被処理水のアンモニア濃度の推定装置の一例である。
　第２推定部３４３で使用される学習済モデルを機械学習によって生成する一例を説明する。図６は、実施の形態２に係る曝気量制御装置の学習済モデルを生成する学習装置の構成の一例を示す図である。学習装置５０は、データ取得部５１と、モデル生成部５２と、学習済モデル記憶部５３と、を備える。
　データ取得部５１は、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータと、被処理水のアンモニア濃度値と、を学習用データとして取得する。被処理水のアンモニア濃度値は、一例では、作業者によって採水された被処理水のアンモニア濃度をイオンクロマトグラフ分析装置などの分析装置で測定したものとすることができる。また、生物反応槽１０において、流入部１０２から流入した被処理水は流出部１０３に向かって徐々に流れる。このため、流入部１０２の被処理水のアンモニア濃度が変化した場合に、生物反応槽１０内で必要となる曝気量を変化させ、処理水１０１のアンモニア濃度値が変化するまでには、流下時間分だけ時間遅れが生じる。そこで、時刻Ｔにおける被処理水のアンモニア濃度を推定するために用いる送風機１２の曝気量、および生物反応槽１０内の処理水１０１のアンモニア濃度値のデータは、流入部１０２から各測定点までの流下時間ΔＴ分だけ先の時刻Ｔ＋ΔＴにおけるデータを用いることが好ましい。流入部１０２から曝気処理が行われる位置までの被処理水の流下時間をΔＴ１とし、流入部１０２から処理水アンモニア濃度センサ１４までの処理水１０１の流下時間をΔＴ２とすると、プラントデータとして、時刻Ｔにおける生物反応槽１０への被処理水の流入水量と、時刻Ｔ＋ΔＴ１における送風機１２の曝気量と、時刻Ｔ＋ΔＴ２における生物反応槽１０内の処理水１０１のアンモニア濃度値と、を含むプラントデータを用いることが望ましい。
　モデル生成部５２は、データ取得部５１から出力されるプラントデータ、および被処理水のアンモニア濃度値の組合せに基づいて作成される学習用データに基づいて、被処理水のアンモニア濃度の推定値を学習する。すなわち、曝気量制御システム１のプラントデータと、被処理水のアンモニア濃度値と、から最適な被処理水のアンモニア濃度の推定値を推論する学習済モデルを生成する。ここで、学習用データは、プラントデータおよび被処理水のアンモニア濃度値を互いに関連付けたデータである。
　なお、学習装置５０は、曝気量制御システム１の被処理水のアンモニア濃度の推定値を学習するために使用されるが、例えば、ネットワークを介して曝気量制御システム１に接続され、この曝気量制御システム１とは別個の装置であってもよい。また、学習装置５０は、曝気量制御システム１、特に曝気量制御装置３０に内蔵されていてもよいし、クラウドサーバ上に存在していてもよい。
　モデル生成部５２が用いる学習済モデルは教師あり学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、ニューラルネットワークを適用した場合について説明する。
　モデル生成部５２は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習により、被処理水のアンモニア濃度の推定値を学習する。ここで、教師あり学習とは、入力と結果であるラベルのデータの組を学習装置５０に与えることで、これらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。
　ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層、および複数のニューロンからなる出力層で構成される。中間層は、隠れ層とも称され、１層でもよいし、２層以上でもよい。
　図７は、図６のモデル生成部が使用するニューラルネットワークの一例を模式的に示す図である。例えば、図７に示されるような３層のニューラルネットワークであれば、複数の入力が入力層Ｘ１から入力層Ｘ３に入力されると、この値にｗ１１からｗ１６で示される重みを掛けて中間層Ｙ１から中間層Ｙ２に入力される。重みｗ１１からｗ１６は、個々に区別しない場合には、重みｗ１と称される。また、中間層Ｙ１から中間層Ｙ２の結果にさらにｗ２１からｗ２６で示される重みを掛けて出力層Ｚ１から出力層Ｚ３より出力される。重みｗ２１からｗ２６は、個々に区別しない場合には、重みｗ２と称される。出力層Ｚ１から出力層Ｚ３の出力結果は、重みｗ１，ｗ２の値によって変わる。
　実施の形態１において、ニューラルネットワークは、データ取得部５１によって取得されるプラントデータおよび被処理水のアンモニア濃度値の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、被処理水のアンモニア濃度の推定値を学習する。
　すなわち、ニューラルネットワークは、入力層にプラントデータを入力して出力層から出力された結果が、被処理水のアンモニア濃度値に近づくように重みｗ１，ｗ２を調整することで学習する。
　モデル生成部５２は、以上のような学習を実行することで学習済モデルを生成し、出力する。
　学習済モデル記憶部５３は、モデル生成部５２から出力された学習済モデルを記憶する。
　次に、図８を用いて、学習装置５０が学習する処理について説明する。図８は、学習装置による学習処理の手順の一例を示すフローチャートである。
　データ取得部５１は、プラントデータおよび被処理水のアンモニア濃度値を取得する（ステップＳ５１）。なお、プラントデータおよび被処理水のアンモニア濃度値を同時に取得するものとしたが、プラントデータおよび被処理水のアンモニア濃度値を関連づけて入力できればよく、プラントデータおよび被処理水のアンモニア濃度値のデータをそれぞれ別のタイミングで取得してもよい。
　ついで、モデル生成部５２は、データ取得部５１によって取得されるプラントデータおよび被処理水のアンモニア濃度値の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、被処理水のアンモニア濃度の推定値を学習し、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、および生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータと、被処理水のアンモニア濃度値と、の相関関係を示す推定アルゴリズムを用いた学習済モデルを生成する（ステップＳ５２）。
　そして、学習済モデル記憶部５３は、モデル生成部５２が生成した学習済モデルを記憶する（ステップＳ５３）。以上で、処理が終了する。
　つぎに、第２推定部３４３の詳細について説明する。図９は、実施の形態２に係る曝気量制御装置の第２推定部の構成の一例を模式的に示す図である。第２推定部３４３は、上記したように、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータを学習済モデルに入力して得られる結果を第２アンモニア濃度推定値として出力する推論装置である。第２推定部３４３は、データ取得部３４３１と、推論部３４３２と、を備える。
　データ取得部３４３１は、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータを取得する。学習装置５０のデータ取得部５１でも述べたように、生物反応槽１０において、流入部１０２から流入した被処理水は流出部１０３に向かって徐々に流れるため、流入部１０２の被処理水のアンモニア濃度が変化した場合に、生物反応槽１０内で必要となる曝気量を変化させ、処理水１０１のアンモニア濃度値が変化するまでには、流下時間分だけ時間遅れが生じる。そこで、データ取得部３４３１は、流入部１０２から曝気処理が行われる位置までの被処理水の流下時間をΔＴ１とし、流入部１０２から処理水アンモニア濃度センサ１４までの処理水１０１の流下時間をΔＴ２とした場合に、プラントデータとして、時刻Ｔにおける生物反応槽１０への被処理水の流入水量と、時刻Ｔ＋ΔＴ１における送風機１２の曝気量と、時刻Ｔ＋ΔＴ２における生物反応槽１０内の処理水１０１のアンモニア濃度値と、を含むプラントデータを用いることが望ましい。
　推論部３４３２は、学習済モデルを利用して得られる被処理水の第２アンモニア濃度推定値を推論する。すなわち、この学習済モデルにデータ取得部３４３１で取得したプラントデータを入力することで、プラントデータから推論される被処理水の第２アンモニア濃度推定値を出力することができる。
　なお、実施の形態２では、曝気量制御システム１のプラントデータおよび被処理水のアンモニア濃度値から学習した学習済モデルを用いる場合を説明した。しかし、他の曝気量制御システム１におけるプラントデータおよび被処理水のアンモニア濃度値から学習した学習済モデルを外部から取得し、この学習済モデルに基づいて被処理水の第２アンモニア濃度推定値を出力するようにしてもよい。
　次に、図１０を用いて、第２推定部３４３を使って被処理水の第２アンモニア濃度推定値を得るための処理を説明する。図１０は、実施の形態２に係る曝気量制御装置の第２推定部による推定処理の手順の一例を示すフローチャートである。
　まず、データ取得部３４３１は、プラントデータを取得する（ステップＳ７１）。プラントデータは、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、生物反応槽１０内の処理水１０１のアンモニア濃度値を含むデータである。
　ついで、推論部３４３２は、学習済モデル記憶部５３に記憶された学習済モデルにプラントデータを入力し、被処理水の第２アンモニア濃度推定値を得る（ステップＳ７２）。
　その後、推論部３４３２は、学習済モデルにより得られた被処理水の第２アンモニア濃度推定値を曝気量制御システム１、具体的には曝気量制御装置３０のデータベース更新部３４の受付部３４１に出力する（ステップＳ７３）。
　そして、受付部３４１は、出力された被処理水の第２アンモニア濃度推定値を更新処理部３４２に出力し、更新処理部３４２は、後述するように、被処理水の第２アンモニア濃度推定値と、第１推定部３２から出力された被処理水の第１アンモニア濃度推定値と、を用いて、被処理水の第１アンモニア濃度推定値の実際のアンモニア濃度値からのずれを判定する（ステップＳ７４）。推論部３４３２で推論された第２アンモニア濃度推定値は、共存物の濃度の変動の影響を除いて算出されるものであるので、第１アンモニア濃度推定値に比して被処理水の実際のアンモニア濃度値に近い値である。これにより、被処理水の導電率の変化が、アンモニア濃度によるものなのか、被処理水の共存物の影響によるものなのかの切り分けを行うことが可能となる。以上で、処理が終了する。
　なお、実施の形態２では、モデル生成部５２が用いる学習アルゴリズムに教師あり学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師あり学習以外にも、強化学習、または半教師あり学習等を適用することも可能である。
　また、モデル生成部５２は、複数の曝気量制御システム１に対して作成される学習用データに従って、被処理水のアンモニア濃度の推定値を学習するようにしてもよい。なお、モデル生成部５２は、同一のエリアで使用される複数の曝気量制御システム１から学習用データを取得してもよいし、異なるエリアで独立して動作する複数の曝気量制御システム１から収集される学習用データを利用して被処理水のアンモニア濃度の推定値を学習してもよい。また、学習用データを収集する曝気量制御システム１を途中で対象に追加したり、対象から除去したりすることも可能である。さらに、ある曝気量制御システム１に関して被処理水のアンモニア濃度の推定値を学習した学習装置５０を、これとは別の曝気量制御システム１に適用し、当該別の曝気量制御システム１に関して被処理水のアンモニア濃度の推定値を再学習して更新するようにしてもよい。
　また、モデル生成部５２に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Deep　Learning）を用いることもでき、他の公知の方法、例えば遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。
　上述したように、第２推定部３４３で被処理水の第２アンモニア濃度推定値を推定するためには、流入部１０２から曝気処理が行われる位置までの被処理水の流下時間ΔＴ１だけ先の時刻Ｔ＋ΔＴ１における送風機１２の曝気量と、流入部１０２から処理水アンモニア濃度センサ１４までの処理水１０１の流下時間ΔＴ２だけ先の時刻Ｔ＋ΔＴ２における生物反応槽１０内の処理水１０１のアンモニア濃度値と、を含むプラントデータを用いる必要がある。このため、リアルタイムに被処理水のアンモニア濃度を推定することができない。しかし、ある流入水量の被処理水をある曝気量で生物処理したときの処理水１０１のアンモニア濃度は、主に被処理水中のアンモニア濃度によって影響を受けると考えられる。つまり、被処理水の導電率を用いたアンモニア濃度の推定における課題であった他イオン等の共存物濃度変動の影響を受けにくい。この結果、第２推定部３４３で推定される被処理水のアンモニア濃度の推定値は、被処理水に共存物が存在する状況下でのアンモニア濃度を表しているものと考えることができる。したがって、導電率センサ１５により測定された被処理水の導電率に基づいて導電率濃度相関情報から第１推定部３２が推定した被処理水の第１アンモニア濃度推定値の実際の被処理水のアンモニア濃度からのずれを判定する際の基準に用いることが可能となる。
　図５に戻り、受付部３４１は、第２推定部３４３で推定された被処理水の第２アンモニア濃度推定値を受け付ける。受付部３４１は、受け付けた被処理水の第２アンモニア濃度推定値を推定した日時も同時に受け付けてもよい。
　更新処理部３４２は、第１推定部３２で推定された第１アンモニア濃度推定値と第２推定部３４３で推定された第２アンモニア濃度推定値との差に基づいて、データベース３１の導電率濃度相関情報の更新が必要か否かを判定する。上記したように、第２推定部３４３で推定される第２アンモニア濃度推定値は、被処理水の実際のアンモニア濃度値と考えることができるため、更新処理部３４２は、第１推定部３２で推定される第１アンモニア濃度推定値の第２アンモニア濃度推定値からのずれの度合によって、導電率濃度相関情報の更新の要否を判定する。
　一例では、更新処理部３４２は、同時刻における第１推定部３２で推定された第１アンモニア濃度推定値と第２推定部３４３で推定された第２アンモニア濃度推定値との差が予め設定された判定値未満であれば導電率濃度相関情報の更新は不要であると判定する。また、更新処理部３４２は、両者の差が、判定値よりも大きければ導電率濃度相関情報の更新が必要であると判定する。導電率濃度相関情報の更新の要否の判定は、予め設定された割合などに基づいてもよい。また、両者の差が等しい場合には、導電率濃度相関情報の更新が不要であると判定してもよいし、必要であると判定してもよい。
　更新処理部３４２は、データベース３１の更新が必要であると判定された場合には、第２推定部３４３で推定された被処理水の第２アンモニア濃度推定値と導電率センサ１５で測定された導電率値とに基づいて、被処理水の導電率と被処理水のアンモニア濃度との相関関係を新しく構築し、データベース３１の導電率濃度相関情報を更新する。このとき、第２アンモニア濃度推定値と導電率値との複数の組のデータは、複数の異なる時刻で取得したものを用いることが望ましい。
　したがって、実施の形態２では、導電率に影響を与える共存物が変動することで被処理水の導電率とアンモニア濃度との相関関係がデータベース３１に記憶された導電率濃度相関情報から変化した場合でも、プラントデータに基づいて共存物の存在下における被処理水の第２アンモニア濃度推定値を推定することができる。推定した被処理水の第２アンモニア濃度推定値は、共存物の濃度の影響が抑えられたものであるので、被処理水の導電率から求められる第１アンモニア濃度推定値に比して実際の被処理水のアンモニア濃度に近い値となる。この被処理水の第２アンモニア濃度推定値を用いることで、データベース３１に記憶された被処理水の導電率濃度相関情報をデータベース更新部３４が適切なタイミングで更新することができる。この結果、流入するアンモニアの負荷変動に対して、共存物の影響を排除して適切な量の空気を生物反応槽１０に供給することができる。
　つぎに、実施の形態２の曝気量制御装置３０のデータベース更新部３４における導電率濃度相関情報の更新方法について説明する。図１１は、実施の形態２に係る曝気量制御装置における導電率濃度相関情報の更新方法の手順の一例を示すフローチャートである。
　まず、ある時刻ｔで、第２推定部３４３は、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、および生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータを取得する（ステップＳ９１）。ステップＳ９１の処理は、プラントデータ取得工程となる。
　ついで、第２推定部３４３は、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータに基づいて被処理水の第２アンモニア濃度推定値を推定する（ステップＳ９２）。具体的には、第２推定部３４３は、学習済モデルにプラントデータを入力データとして入力することによって出力される値を被処理水の第２アンモニア濃度推定値とする。第２推定部３４３は、推定された被処理水の第２アンモニア濃度推定値を受付部３４１に出力する。ステップＳ９２の処理は、第２アンモニア濃度推定値推定工程となる。
　受付部３４１は、第２推定部３４３で推定された被処理水の第２アンモニア濃度推定値を受け付ける（ステップＳ９３）。受付部３４１は、更新処理部３４２に、受け付けた被処理水の第２アンモニア濃度推定値のデータセットを出力する。ステップＳ９３の処理は、第２アンモニア濃度推定値受付工程に対応する。
　また時刻ｔで、ステップＳ９１からステップＳ９３の処理と並行して、導電率センサ１５は、被処理水の導電率を測定する（ステップＳ９４）。導電率センサ１５は、測定結果を第１推定部３２に出力する。ステップＳ９４の処理は、導電率取得工程に対応する。
　ついで、第１推定部３２は、測定した導電率値に基づいてデータベース３１の導電率濃度相関情報から被処理水の第１アンモニア濃度推定値を推定する（ステップＳ９５）。第１推定部３２は、推定結果である被処理水の第１アンモニア濃度推定値を更新処理部３４２に出力する。ステップＳ９５の処理は、第１アンモニア濃度推定値推定工程に対応する。
　ステップＳ９３およびステップＳ９５の後、更新処理部３４２は、第１推定部３２で推定された被処理水の第１アンモニア濃度推定値と、第２推定部３４３で推定された第２アンモニア濃度推定値と、の差に基づいて、データベース３１の導電率濃度相関情報の更新が必要かを判定する（ステップＳ９６）。一例では、更新処理部３４２は、同時刻における第１推定部３２で推定された第１アンモニア濃度推定値と第２推定部３４３で推定された第２アンモニア濃度推定値との差が、予め設定された判定値未満である場合には、導電率濃度相関情報の更新は不要であると判定する。また、更新処理部３４２は、両者の差が判定値よりも大きい場合には、導電率濃度相関情報の更新が必要であると判定する。ステップＳ９６の処理は、判定工程に対応する。
　導電率濃度相関情報の更新が不要であると判定した場合（ステップＳ９６でＮｏの場合）には、処理がステップＳ９１およびステップＳ９４に戻る。また、導電率濃度相関情報の更新が必要であると判定した場合（ステップＳ９６でＹｅｓの場合）には、データベース更新部３４は、第２推定部３４３が推定した第２アンモニア濃度推定値と導電率センサ１５で測定された導電率値とに基づいて被処理水の導電率とアンモニア濃度との相関関係を新しく構築し、データベース３１の導電率濃度相関情報を更新する（ステップＳ９７）。この導電率濃度相関情報の更新処理では、第２推定部３４３で推定された第２アンモニア濃度推定値と、導電率センサ１５で測定された導電率値と、の複数の組のデータが使用される。ステップＳ９７の処理は、更新処理工程に対応する。
　以上のステップＳ９１からステップＳ９７までの処理が、ある時間間隔Δｔ３で繰り返される。
　以上より、実施の形態２では、導電率に影響を与える共存物が変動することで被処理水の導電率とアンモニア濃度との相関関係が、データベース３１に記憶された導電率濃度相関情報から変化した場合に、生物反応槽１０への被処理水の流入水量、送風機１２の曝気量、および生物反応槽１０内の処理水１０１のアンモニア濃度値を含むプラントデータに基づいて被処理水の共存物の影響を排除した第２アンモニア濃度推定値が推定される。データベース更新部３４は、第１アンモニア濃度推定値を第２アンモニア濃度推定値と比較することで、被処理水の導電率濃度相関情報の更新時期を適切に判定することができる。また、導電率濃度相関情報を更新する場合には、データベース更新部３４は、第２アンモニア濃度推定値と導電率センサ１５で測定された導電率値とに基づいて被処理水の導電率とアンモニア濃度の相関関係を新しく構築したもので、導電率濃度相関情報を更新する。このため、流入するアンモニアの負荷変動に対して適切な量の空気を生物反応槽１０に供給することができる。
　なお、上記した説明では、目標曝気量算出部３３は、曝気量の目標値を風量調節部１３に出力して、風量調節部１３が風量調整弁の開度を調節する場合を例に挙げた。しかし、最終的に曝気量を調節することができるものであればよいので、風量調節部１３ではなく、送風機１２での風量を調節するものであってもよい。つまり、目標曝気量算出部３３は、曝気量の目標値を送風機１２の出力し、送風機１２が曝気量の目標値となるように風量を調節するものであってもよい。
　ここで、図１に示される曝気量制御装置３０は、単独の回路または装置として構成されてもよいし、データベース３１、第１推定部３２、目標曝気量算出部３３およびデータベース更新部３４の各部が１つの回路または装置として構成されてもよい。また、各部を、メモリおよびメモリに格納されるプログラムを実行するプロセッサを含む制御回路で実現してもよいし、専用のハードウェアで実現してもよい。ここでは、曝気量制御装置３０が制御回路によって実現される場合を例に挙げる。
　図１２は、制御回路のハードウェア構成の一例を示す図である。図１２に示される制御回路４００は、入力部４０１と、プロセッサ４０２と、メモリ４０３と、出力部４０４と、を備える。制御回路４００の各部は、バス４１１を介して相互に接続される。
　入力部４０１は、外部からの信号を受け付ける。出力部４０４は、制御回路４００で生成された信号を外部に出力する。プロセッサ４０２は、例えば、ＣＰＵ（Central　Processing　Unit）、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital　Signal　Processor）などである。プロセッサ４０２は、各種の処理を実行する。
　メモリ４０３は、例えば、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable　Programmable　Read　Only　Memory）、ＥＥＰＲＯＭ（登録商標）（Electrically　Erasable　Programmable　Read　Only　Memory）などの、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ（Digital　Versatile　Disk）などである。メモリ４０３は、曝気量制御装置３０を動作させるためのプログラム、導電率濃度相関情報等を記憶する。
　プロセッサ４０２は、メモリ４０３に記憶されているプログラムを、バス４１１を介して読み出して実行し、曝気量制御装置３０全体の処理と制御とを司る。図１に示される曝気量制御装置３０の目標曝気量算出部３３、第１推定部３２およびデータベース更新部３４の機能は、プロセッサ４０２を使用して実現される。
　メモリ４０３は、プロセッサ４０２のワーク領域として使用される。また、メモリ４０３には、ブートプログラム、曝気量制御方法および導電率濃度相関情報の更新方法を実行する曝気量制御プログラム等のプログラムが記憶されている。実施の形態１，２に示した曝気量制御方法が実行される場合には、プロセッサ４０２は、メモリ４０３に曝気量制御プログラムをロードして各種処理を実行する。
　また、曝気量制御装置３０を構成する各処理部、データベース更新部３４を構成する各処理部、第２推定部３４３を構成する各処理部、または学習装置５０を構成する各処理部が専用のハードウェアで実現される場合には、専用のハードウェアは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＦＰＧＡ（Field　Programmable　Gate　Array）、またはこれらを組み合わせたものである。各処理部が専用のハードウェアで実現される場合には、各処理部間は信号線を介して接続される。そして、データは、信号線を介して各処理部間で通信されることになる。
　さらに、上記した曝気量制御プログラムをコンピュータに実行させることで、コンピュータは曝気量制御装置３０と同様の機能を持つ。
　また、上記した曝気量制御プログラムはメモリ４０３に予め格納されているものとしたがこれに限定されない。上記した曝気量制御プログラムは、ＣＤ（Compact　Disc）－ＲＯＭ、ＤＶＤ（Digital　Versatile　Disc）－ＲＯＭなどの記録媒体に書き込まれた状態でユーザに供給され、ユーザがメモリ４０３にインストールする形態であってもよい。また、上記した曝気量制御プログラムは、インターネットなどのネットワークを介してユーザに提供される形態であってもよい。
　以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、実施の形態同士を組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
　１　曝気量制御システム、１０　生物反応槽、１１　散気板、１２　送風機、１３　風量調節部、１４　処理水アンモニア濃度センサ、１５　導電率センサ、３０　曝気量制御装置、３１　データベース、３２　第１推定部、３３　目標曝気量算出部、３４　データベース更新部、５０　学習装置、５１，３４３１　データ取得部、５２　モデル生成部、５３　学習済モデル記憶部、１０１　処理水、１０２　流入部、１０３　流出部、３４１　受付部、３４２　更新処理部、３４３　第２推定部、４００　制御回路、４０１　入力部、４０２　プロセッサ、４０３　メモリ、４０４　出力部、４１１　バス、３４３２　推論部。

Claims (8)

  1. 　被処理水に対して生物処理を行う生物反応槽に供給される酸素を含む気体の量である曝気量を制御する曝気量制御装置であって、
    　前記生物反応槽内の前記被処理水が生物処理された処理水のアンモニア濃度を測定するアンモニア濃度センサと、
    　前記生物反応槽に流入する前記被処理水の導電率を測定する導電率センサと、
    　前記被処理水の導電率と前記被処理水のアンモニア濃度との相関関係を示す導電率濃度相関情報を記憶する導電率濃度相関情報記憶部と、
    　前記導電率センサで測定された導電率値に基づいて前記導電率濃度相関情報から前記被処理水のアンモニア濃度の推定値である第１アンモニア濃度推定値を推定する第１推定部と、
    　前記処理水の前記第１アンモニア濃度推定値および前記アンモニア濃度センサによって測定された前記処理水のアンモニア濃度値に基づいて、前記生物反応槽への前記曝気量の目標値を算出する目標曝気量算出部と、
    　前記導電率濃度相関情報を更新する導電率濃度相関情報更新部と、
    　を備え、
    　前記導電率濃度相関情報更新部は、
    　前記第１アンモニア濃度推定値を推定する方法とは異なる方法で測定または推定される前記被処理水のアンモニア濃度の値である第２アンモニア濃度推定値を受け付ける受付部と、
    　前記受付部が受け付けた前記第２アンモニア濃度推定値と前記導電率センサで測定された前記導電率値と、に基づいて前記導電率濃度相関情報を更新する更新処理部と、
    　を有することを特徴とする曝気量制御装置。
  2. 　前記導電率濃度相関情報更新部は、前記生物反応槽への前記被処理水の流入水量、前記曝気量、および前記生物反応槽内の前記処理水のアンモニア濃度値を含むプラントデータから、前記被処理水の前記第２アンモニア濃度推定値を推論する学習済モデルを用いて、前記プラントデータから前記第２アンモニア濃度推定値を出力する第２推定部をさらに備え、
    　前記受付部は、前記第２推定部から前記第２アンモニア濃度推定値を受け付けることを特徴とする請求項１に記載の曝気量制御装置。
  3. 　前記更新処理部は、前記第１アンモニア濃度推定値と前記第２アンモニア濃度推定値とから前記導電率濃度相関情報の更新が必要であるかを判定し、前記導電率濃度相関情報の更新が必要な場合に前記導電率濃度相関情報の更新を実行することを特徴とする請求項１または２に記載の曝気量制御装置。
  4. 　前記更新処理部は、前記第１アンモニア濃度推定値と前記第２アンモニア濃度推定値との差が定められた判定値よりも大きい場合に、前記導電率濃度相関情報の更新が必要であると判定し、同時刻の前記第２アンモニア濃度推定値と前記導電率値とを用いて前記被処理水の導電率と前記被処理水のアンモニア濃度との相関関係を新しく構築し、前記導電率濃度相関情報記憶部の前記導電率濃度相関情報を更新することを特徴とする請求項３に記載の曝気量制御装置。
  5. 　時刻Ｔで前記被処理水が前記生物反応槽に流入してから、曝気される位置まで流下する時間をΔＴ１とし、前記アンモニア濃度センサの位置まで流下する時間をΔＴ２とした場合に、前記生物反応槽への被処理水の流入水量は時刻Ｔにおけるデータであり、前記曝気量は時刻Ｔ＋ΔＴ１におけるデータであり、前記生物反応槽内の前記処理水のアンモニア濃度値は時刻Ｔ＋ΔＴ２におけるデータであることを特徴とする請求項２に記載の曝気量制御装置。
  6. 　前記学習済モデルを生成する学習装置をさらに備え、
    　前記学習装置は、
    　前記生物反応槽への被処理水の流入水量、前記曝気量、および前記生物反応槽内の前記処理水のアンモニア濃度値を含む前記プラントデータと、前記被処理水のアンモニア濃度値と、を含む学習用データを取得するデータ取得部と、
    　前記学習用データを用いて、前記生物反応槽への被処理水の流入水量、前記曝気量、および前記生物反応槽内の前記処理水のアンモニア濃度値を含む前記プラントデータから前記第２アンモニア濃度推定値を推論するための学習済モデルを生成するモデル生成部と、
    　を有することを特徴とする請求項２または５に記載の曝気量制御装置。
  7. 　被処理水に対して生物処理を行う生物反応槽に流入する被処理水のアンモニア濃度の推定値である第１アンモニア濃度推定値を、前記被処理水の導電率とアンモニア濃度との相関関係を示す導電率濃度相関情報を用いて推定し、前記第１アンモニア濃度推定値を用いて前記生物反応槽に供給される酸素を含む気体の量である曝気量を制御する曝気量制御装置における曝気量制御方法であって、
    　前記曝気量制御装置が、前記生物反応槽に流入する前記被処理水の導電率値を取得する導電率取得工程と、
    　前記曝気量制御装置が、外部より、前記第１アンモニア濃度推定値を推定する方法とは異なる方法で測定または推定される前記被処理水のアンモニア濃度の値である第２アンモニア濃度推定値を受け付ける第２アンモニア濃度推定値受付工程と、
    　前記曝気量制御装置が、前記第２アンモニア濃度推定値と前記導電率値とに基づいて前記被処理水の前記導電率濃度相関情報を更新する更新処理工程と、
    　を含むことを特徴とする曝気量制御方法。
  8. 　前記曝気量制御装置が、取得した前記導電率値に基づいて、前記導電率濃度相関情報から前記被処理水の前記第１アンモニア濃度推定値を推定する第１アンモニア濃度推定値推定工程と、
    　前記曝気量制御装置が、前記第１アンモニア濃度推定値と前記第２アンモニア濃度推定値とから前記導電率濃度相関情報の更新が必要であるかを判定する判定工程と、
    　をさらに含み、
    　前記導電率濃度相関情報の更新が必要であると判定された場合に、前記更新処理工程が実行されることを特徴とする請求項７に記載の曝気量制御方法。
PCT/JP2022/012201 2022-03-17 2022-03-17 曝気量制御装置および曝気量制御方法 WO2023175825A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022542284A JP7170949B1 (ja) 2022-03-17 2022-03-17 曝気量制御装置および曝気量制御方法
PCT/JP2022/012201 WO2023175825A1 (ja) 2022-03-17 2022-03-17 曝気量制御装置および曝気量制御方法
TW111144800A TWI842219B (zh) 2022-03-17 2022-11-23 曝氣量控制裝置及曝氣量控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/012201 WO2023175825A1 (ja) 2022-03-17 2022-03-17 曝気量制御装置および曝気量制御方法

Publications (1)

Publication Number Publication Date
WO2023175825A1 true WO2023175825A1 (ja) 2023-09-21

Family

ID=84027172

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/012201 WO2023175825A1 (ja) 2022-03-17 2022-03-17 曝気量制御装置および曝気量制御方法

Country Status (2)

Country Link
JP (1) JP7170949B1 (ja)
WO (1) WO2023175825A1 (ja)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1177083A (ja) * 1997-08-29 1999-03-23 Hitachi Kiden Kogyo Ltd 曝気装置の自動運転制御方法
JP2009119329A (ja) * 2007-11-13 2009-06-04 Fuji Electric Holdings Co Ltd 窒素含有廃液の処理方法
US20130319938A1 (en) * 2010-10-18 2013-12-05 Veolia Water Solutions & Technologies Support Method for Treating Water Within a Sequencing Batch Reactor, Including an In-Line Measurement of the Nitrite Concentration
US20160140437A1 (en) * 2014-11-17 2016-05-19 Beijing University Of Technology Method to predict the effluent ammonia-nitrogen concentration based on a recurrent self-organizing neural network
JP2016120465A (ja) * 2014-12-25 2016-07-07 川崎重工業株式会社 水処理システムおよびその曝気風量制御方法
CN109879410A (zh) * 2019-03-27 2019-06-14 上海西派埃智能化系统有限公司 一种污水处理曝气控制系统
WO2020170364A1 (ja) * 2019-02-20 2020-08-27 三菱電機株式会社 水処理装置および水処理方法
JP2021013891A (ja) * 2019-07-12 2021-02-12 株式会社日立製作所 水処理プラントの運転支援装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1177083A (ja) * 1997-08-29 1999-03-23 Hitachi Kiden Kogyo Ltd 曝気装置の自動運転制御方法
JP2009119329A (ja) * 2007-11-13 2009-06-04 Fuji Electric Holdings Co Ltd 窒素含有廃液の処理方法
US20130319938A1 (en) * 2010-10-18 2013-12-05 Veolia Water Solutions & Technologies Support Method for Treating Water Within a Sequencing Batch Reactor, Including an In-Line Measurement of the Nitrite Concentration
US20160140437A1 (en) * 2014-11-17 2016-05-19 Beijing University Of Technology Method to predict the effluent ammonia-nitrogen concentration based on a recurrent self-organizing neural network
JP2016120465A (ja) * 2014-12-25 2016-07-07 川崎重工業株式会社 水処理システムおよびその曝気風量制御方法
WO2020170364A1 (ja) * 2019-02-20 2020-08-27 三菱電機株式会社 水処理装置および水処理方法
CN109879410A (zh) * 2019-03-27 2019-06-14 上海西派埃智能化系统有限公司 一种污水处理曝气控制系统
JP2021013891A (ja) * 2019-07-12 2021-02-12 株式会社日立製作所 水処理プラントの運転支援装置

Also Published As

Publication number Publication date
TW202337845A (zh) 2023-10-01
JP7170949B1 (ja) 2022-11-14
JPWO2023175825A1 (ja) 2023-09-21

Similar Documents

Publication Publication Date Title
Bagheri et al. Modeling of a sequencing batch reactor treating municipal wastewater using multi-layer perceptron and radial basis function artificial neural networks
WO2016205944A1 (en) Process and device for the treatment of a fluid containing a contaminant
KR20160027815A (ko) 수처리 시스템의 퍼지추정모델링을 이용한 제어방법
Robles et al. Model-based automatic tuning of a filtration control system for submerged anaerobic membrane bioreactors (AnMBR)
KR100920522B1 (ko) 하수처리공정 진단 및 제어장치 및 방법
Aghdam et al. Predicting quality parameters of wastewater treatment plants using artificial intelligence techniques
JPWO2020021688A1 (ja) 水処理プラントおよび水処理プラントの運転方法
Juntunen et al. Dynamic soft sensors for detecting factors affecting turbidity in drinking water
WO2023175825A1 (ja) 曝気量制御装置および曝気量制御方法
Li et al. Real-time predictive control for chemical distribution in sewer networks using improved elephant herding optimization
Nawaz et al. Intelligent Human–Machine Interface: An Agile Operation and Decision Support for an ANAMMOX SBR System at a Pilot-Scale Wastewater Treatment Plant
KR101799961B1 (ko) 정수장용 오존설비의 용존오존 제어시스템 및 제어방법
US11649183B2 (en) Water treatment plant
JP6655975B2 (ja) 曝気制御装置及び曝気制御方法
JP4922214B2 (ja) 水処理方法及び水処理装置
JP2010155189A (ja) 水処理方法及び水処理装置
JP2022175195A (ja) 運転指標の算出方法及び算出装置、生物処理方法並びに生物処理装置
CN111798134B (zh) 一种基于数据驱动模型的提高污水处理厂甲烷产量方法
JP3603182B2 (ja) 排水処理プロセスシミュレータ
JP2002045882A (ja) 下水処理場の水質制御装置
Madyastha et al. Reduced order model monitoring and control of a membrane bioreactor system via delayed measurements
Wadkar et al. Prediction of residual chlorine in a Water treatment plant using Generalized regression neural Network
JP2022189442A (ja) 排水処理方法及び排水処理装置
WO2023175658A1 (ja) 水処理システム、曝気量制御装置及び曝気量制御方法
TWI813437B (zh) 水處理控制系統及水處理裝置之控制方法

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2022542284

Country of ref document: JP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22932101

Country of ref document: EP

Kind code of ref document: A1