WO2023199525A1 - 水処理システム - Google Patents

水処理システム Download PDF

Info

Publication number
WO2023199525A1
WO2023199525A1 PCT/JP2022/017956 JP2022017956W WO2023199525A1 WO 2023199525 A1 WO2023199525 A1 WO 2023199525A1 JP 2022017956 W JP2022017956 W JP 2022017956W WO 2023199525 A1 WO2023199525 A1 WO 2023199525A1
Authority
WO
WIPO (PCT)
Prior art keywords
water quality
series
reaction tank
representative
dependent
Prior art date
Application number
PCT/JP2022/017956
Other languages
English (en)
French (fr)
Inventor
健太 霜田
勲 木本
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 PCT/JP2022/017956 priority Critical patent/WO2023199525A1/ja
Priority to TW111150170A priority patent/TWI842299B/zh
Publication of WO2023199525A1 publication Critical patent/WO2023199525A1/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
    • C02F3/30—Aerobic and anaerobic processes

Definitions

  • the present disclosure relates to a water treatment system that measures the quality of water to be treated, such as sewage, and performs purification treatment.
  • Activated sludge method is a widely adopted method for sewage treatment.
  • the activated sludge method is a treatment method that activates aerobic microorganisms such as nitrifying bacteria that exist in sewage by supplying air with a blower, etc., and processes water pollutants such as ammonia nitrogen in sewage. It is.
  • the present disclosure has been made in view of the above, and estimates water quality in series where sensors are not installed, taking into account individual differences between series and based on measured values from sensors installed in other series.
  • the purpose is to obtain a water treatment system that can control water quality.
  • the present disclosure provides a representative series that purifies water to be treated, a dependent series that purifies the water to be treated, a representative series and a dependent series, A water quality control unit that controls the quality of water to be treated; a dependent series water quality data acquisition unit that is provided in the subordinate series and obtains at least one type of water quality item from the water to be treated; and a subordinate series water quality data acquisition unit that is provided in the representative series and obtains dependent series water quality data.
  • Representative series water quality that acquires at least one of the same type of water quality item among the water quality items acquired by the acquisition unit and at least one type of water quality item that is different from the water quality item acquired by the dependent series water quality data acquisition unit from the water to be treated.
  • a data storage unit that stores data
  • a representative series water quality variation model derivation unit that derives a representative series water quality variation model, which is a mathematical model that shows changes in water quality items included in the representative series water quality data, based on the data stored in the data storage unit.
  • a dependent series water quality variation model which is a mathematical model showing variations in the dependent series of water quality items acquired by the representative series water quality data acquisition unit, is derived based on the representative series water quality variation model and the data stored in the data storage unit.
  • Water quality items that are different from the water quality items acquired by the dependent series water quality variation model derivation unit and the dependent series water quality data acquisition unit included in the representative series water quality data are stored in the representative series water quality variation model, dependent series water quality variation model, and data storage unit.
  • An estimator that makes an estimate based on the stored data.
  • a diagram showing a schematic configuration of a water treatment system according to Embodiment 1 A diagram showing a schematic configuration of a water treatment system according to Embodiment 2 A diagram showing an example of the hardware configuration of a data storage unit and a processing unit according to Embodiment 1 and Embodiment 2.
  • FIG. 1 is a diagram showing a schematic configuration of a water treatment system according to a first embodiment.
  • FIG. 1 shows a water treatment system of the present disclosure that is configured with two or more series, and here, to simplify the explanation, a water treatment system that is composed of two series, series 1 and series 2, is shown. This will be explained using a processing system as an example.
  • Series 1 is a series that includes an anaerobic tank 102, an anoxic tank 103, an aerobic tank 104, and a settling tank 105. Sewage, which is water to be treated, flows into the line 1 from the outside by a pump 101, and is then treated through an anaerobic tank 102, an anoxic tank 103, an aerobic tank 104, and a sedimentation tank 105, and then released. Further, in the line 1, a water quality control section 107 is installed which controls the quality of the water to be treated in the line 1.
  • the water quality control unit 107 is connected to the blower 106 installed in the aerobic tank 104, and the water quality control unit 107 sends an aeration amount command value to the blower 106, thereby controlling the aerobic atmosphere.
  • the water to be treated in the tank 104 is aerated to remove water pollutants such as ammonia nitrogen.
  • a sensor is installed in the aerobic tank 104 to measure water quality items of the water to be treated contained in the aerobic tank 104.
  • two sensors are installed: a dissolved oxygen concentration meter (sensor 108) that measures the concentration of oxygen dissolved in the water to be treated, and an ammonia nitrogen concentration meter that measures the concentration of ammonia nitrogen contained in the water to be treated. (sensor 109) is installed.
  • series 2 is a series that includes an anaerobic tank 202, an anoxic tank 203, an aerobic tank 204, and a settling tank 205.
  • Sewage which is water to be treated, flows into the line 2 from the outside by a pump 201, and then is treated through an anaerobic tank 202, an anoxic tank 203, an aerobic tank 204, and a sedimentation tank 205, and then released.
  • a water quality control section 207 is installed that controls the quality of the water to be treated in the line 2.
  • the water quality control unit 207 is connected to the blower 206 installed in the aerobic tank 204, and the water quality control unit 207 sends an aeration amount command value to the blower 206, thereby controlling the aerobic conditions.
  • the water to be treated in the tank 204 is aerated to remove water pollutants such as ammonia nitrogen.
  • the aerobic tank 204 is equipped with a sensor for measuring water quality items of the water to be treated contained in the aerobic tank 204 . Unlike Series 1, Series 2 has only one sensor installed, and only a dissolved oxygen concentration meter (sensor 208) that measures the concentration of oxygen dissolved in the water to be treated.
  • a series that can measure two or more types of water quality items among the water quality items included in the water to be treated is treated as a series that represents all series, and is called a representative series. Also, among the water quality items that can be measured in the representative series, the series that can measure at least one type of water quality item included in the water to be treated in each series are subordinated to the representative series. Treated as a series and called a dependent series. At least one or more of the water quality items that can be measured in the representative series is a water quality item that is different from the water quality items that can be obtained in the dependent series.
  • series 1 is treated as a representative series because it is equipped with a dissolved oxygen concentration meter (sensor 108) and an ammonia nitrogen concentration meter (sensor 109), and series 2 is treated as a representative series because it has only a dissolved oxygen concentration meter (sensor 208) installed. Therefore, it is treated as a dependent series.
  • the representative series includes a representative series water quality data acquisition unit 110 that acquires water quality items that can be measured in the representative series, and each dependent series acquires water quality items that can be measured in the respective dependent series.
  • a dependent series water quality data acquisition unit 209 is provided.
  • the water quality data collected by the representative series water quality data acquisition unit 110 and the dependent series water quality data acquisition unit 209 is transmitted to the data storage unit 301 and stored.
  • the data storage unit 301 stores not only water quality data of each series but also control data indicating the control content applied to the water to be treated in each series. This control data is stored by being transmitted to the data storage unit 301 by the water quality control units (water quality control unit 107 and water quality control unit 207) installed in each series.
  • the aeration amount command value sent to each blower 106, 206 by each water quality control unit 107, 207 to control the blower (blower 106 and blower 206) connected thereto is data. It is also transmitted to the storage unit 301 and stored. In addition, the data storage unit 301 also stores data regarding parameters included in the representative series water quality variation model, parameter correction amounts included in the dependent series water quality variation model, and water quality estimated values of the dependent series, which will be described later.
  • the water quality treatment system includes a treatment section 300.
  • the processing unit 300 includes a representative series water quality variation model deriving unit 302, a dependent series water quality variation model deriving unit 303, and an estimation unit 304.
  • the representative series water quality model derivation unit 302 derives a representative series water quality variation model, which is a mathematical model that indicates the variation in the representative series of water quality items that can be obtained in the representative series, based on various data stored in the data storage unit 301. do.
  • the representative series water quality fluctuation model derivation unit 302 A mathematical model is derived that shows the fluctuations in the representative series of these two types of water quality items.
  • a dependent series water quality variation model derivation unit 303 derives a dependent series water quality variation model.
  • the dependent series water quality variation model is a mathematical model that shows the variation in each dependent series of water quality items that can be obtained in the representative series, based on the representative series water quality variation model and various data stored in the data storage unit 301.
  • the first embodiment shows an example in which there is one dependent series, there may be a plurality of dependent series, and the derived dependent series water quality variation model is not necessarily one.
  • the water quality items that can be obtained in the representative series are two types, dissolved oxygen concentration and ammonia nitrogen concentration, as described above, and the dependent series is only series 2, so dependent series water quality fluctuations
  • the model derivation unit derives a mathematical model that shows the fluctuations in series 2 of these two types of water quality items.
  • the estimation unit 304 estimates parameters included in the representative series water quality variation model and can obtain them in the representative series based on the representative series water quality variation model, each dependent series water quality variation model, and various data stored in the data storage unit 301. Estimates are made for each dependent series of water quality items and the amount of parameter correction included in each dependent series water quality variation model. The estimation results are stored in the data storage unit 301.
  • the output unit 305 outputs various estimation results estimated by the estimation unit 304 and stored in the data storage unit 301.
  • the output means may be any means, such as outputting as an image on a display, outputting on paper using a printer, or outputting to another device via a network.
  • the representative series water quality variation model derivation unit 302 derives a representative series water quality variation model.
  • a mathematical model of the dissolved oxygen concentration and ammonia nitrogen concentration in series 1 which is a representative series, is derived.
  • an activated sludge model (ASM) is an example of a mathematical model that can be applied to the representative series water quality variation model.
  • the activated sludge model is a series of mathematical models for major water quality items contained in sewage proposed by the International Water Association (IWA), and includes versions of the mathematical model such as ASM1, ASM2, ASM2D, and ASM3. is described in ⁇ Shun Mino, ⁇ Activated Sludge Models - ASM1, ASM2, ASM2D, ASM3'' published by Kankyo Shimbunsha, January 31, 2005''.
  • any mathematical model can be applied as the representative series water quality fluctuation model.
  • Embodiment 1 will be described based on a case where the linear model shown in equation (2) is applied as a representative series water quality variation model.
  • the representative series water quality variation model derivation unit derives initial estimated values of parameters in the representative series water quality variation model using data stored in the data storage unit.
  • the parameters in the representative series water quality fluctuation model shown in equations (3) and (4), ⁇ (r) NH,NH , ⁇ (r) NH,0 , ⁇ (r) NH,u ,b , ⁇ (r) NH,B , ⁇ (r) 0,0 , ⁇ (r) 0,NH , ⁇ (r) 0,u,b and ⁇ (r) 0,B initial estimate ⁇ ( r) NH,NH , ⁇ (r) NH,0 , ⁇ (r) NH,u,b , ⁇ (r) NH,B , ⁇ (r) 0,0 ,NH , ⁇ (r) 0,u,b and ⁇ (r) 0,B are derived.
  • ⁇ indicates an initial estimated value.
  • the least squares method is used.
  • the initial estimated values of the parameters in formula (3) are ⁇ (r) NH,NH , ⁇ (r) NH,0 , ⁇ (r) NH,u,b , ⁇ (r) NH,B
  • the representative series of ammonia nitrogen concentration, dissolved oxygen concentration, and aeration amount from a certain time T in the past than the present to T+N T -1 stored in the data storage unit are Using the matrix A(T:T+N-1),
  • a matrix with -1 added to the upper right corner indicates the inverse matrix of the target matrix
  • a matrix with T added to the upper right corner indicates the transposed matrix of the target matrix
  • the initial estimates of the parameters in equation (4), ⁇ (r) 0,0 , ⁇ (r) 0,NH , ⁇ (r) 0,u,b and ⁇ (r) 0 ,B can also be derived.
  • the representative series water quality fluctuation model handles only two variables, the ammonia nitrogen concentration and the dissolved oxygen concentration.
  • the representative series water quality variation model is not a linear model such as formula (2) but a nonlinear model such as formula (1)
  • the dependent series water quality variation model derivation unit 303 derives each dependent series water quality variation model.
  • a mathematical model for the dissolved oxygen concentration and ammonia nitrogen concentration in series 2 which is a dependent series, is derived.
  • each series is a series that constitutes the same water treatment system, so sewage of the same quality flows into each series, and water temperature etc.
  • the sewage treatment environment can be considered to be almost the same between the series.
  • this reference series is assumed to be a representative series, and water quality fluctuations in each dependent series are considered to be similar to water quality fluctuations in the representative series, and parameters in the representative series water quality fluctuation model are We believe that each dependent series water quality fluctuation model can be derived by adding a sufficiently small parameter correction amount to the above.
  • Equation (3) a process in which the dependent series water quality variation model deriving unit 303 derives the water quality variation model of series 2, which is the dependent series, will be described.
  • the ammonia nitrogen concentration at time t is x (s,2) NH (t)
  • the dissolved oxygen concentration is x (s,2) 0 (t)
  • the aeration amount is u (s,2) 0 (t)
  • the parameter correction amounts for each parameter in the representative series water quality fluctuation model are ⁇ (s,2) NH,NH , ⁇ (s,2) NH,0 , ⁇ (s,2) NH, u,b , ⁇ (s,2) NH,B , ⁇ (s,2) 0,0 , ⁇ (s,2) 0,NH , ⁇ (s,2) 0,u,b and ⁇ (s, 2)
  • the dependent series water quality fluctuation model of series 2 can be expressed as follows.
  • the dependent series water quality variation model derivation unit derives initial estimated values of parameter correction amounts included in the dependent series water quality variation model.
  • the parameter correction amounts ⁇ (s,2) NH,NH , ⁇ (s,2) NH,0 , ⁇ ( s,2) NH,u,b , ⁇ (s,2) NH,B , ⁇ (s,2) 0,0 , ⁇ (s,2) 0,NH , ⁇ (s,2) 0,u,
  • the estimation unit 304 estimates the water quality items that can be measured in the representative series in each dependent series, and at the same time updates the estimated values of these parameter correction amounts to obtain the true values. Perform processing to bring it closer to .
  • the estimating unit 304 estimates water quality items that can be measured in the representative series in each dependent series, and at the same time estimates parameters in the representative series water quality variation model and parameter correction amounts included in each dependent series water quality variation model. do.
  • the ammonia nitrogen concentration of series 2, which is a dependent series, and parameters and parameter correction amounts in various models are estimated.
  • this estimation process is performed using a particle filter.
  • a particle filter is an algorithm that assumes a large number of virtual state variables called particles and uses these particles to perform estimation by approximating the probability distribution of the state variable to be estimated.
  • estimation using a particle filter it is first necessary to define the state equation and observation equation of the system to be estimated.
  • the state equation in this system, the water quality items to be measured in the representative series and each dependent series, and the various parameters and parameter correction amounts necessary to express the water quality fluctuations constitute the state equation of the system.
  • the observation equation in this system, water quality items that can be measured in the representative series and each dependent series constitute the observation equation of the system.
  • the variables and parameters constituting the equation of state are the ammonia nitrogen concentration and dissolved oxygen concentration in series 1, which is a representative series, and series 2, which is a dependent series, and to express these.
  • the variables that make up the observation equation are the dissolved oxygen concentration and ammonia nitrogen concentration in series 1, which can be measured by sensor 108 and sensor 109, and the dissolved oxygen concentration in series 2, which can be measured by sensor 208.
  • These state equations and observation equations can be expressed as follows using the representative series water quality variation model and dependent series water quality variation model described above.
  • Equation (11) expresses the state equation
  • Equation (12) expresses the observation equation of the water treatment system.
  • x(t) is composed of water quality items to be measured in the representative series and each dependent series at time t, and various parameters and parameter correction amounts necessary to express water quality fluctuations. It is a vector and is composed of the following vectors.
  • the vector u(t) in Equation (11) is a vector configured by control command values for the system.
  • the control command value is the aeration amount command value for the blower 106 or the blower 206 output by the water quality control unit 107 of the system 1 and the water quality control unit 207 of the system 2
  • the vector u(t) can be expressed as follows.
  • f(x(t),u(t)) in formula (11) is a vector function corresponding to each element composing the left side x(t+1), and in this example, it is as follows. It is composed of
  • the vector function f (x(r)) (x(t),u(t)) that constitutes Equation (19) corresponds to the representative series water quality variation model, and the first dimension is the right side of Equation (3), Further, the second dimension is equal to the right side of Equation (4).
  • the vector function f (x(s,2)) (x(t),u(t)) corresponds to the dependent series water quality fluctuation model of series 2, and the first dimension is the right side of equation (9), or The second dimension is equal to the right side of equation (10).
  • each vector function can be expressed as follows.
  • Equation (11) is system noise added to the state of the system at time t.
  • all elements of w x (t) are normally distributed with a mean of 0, and the system user can set an arbitrary value for the variance of the normal distribution of each element.
  • the vector y(t) in Formula (12) indicates an observed value vector, and is a vector composed of elements that can be measured at time t.
  • the vector function h(x(t)) is a vector function indicating a mathematical model for the observed vector y(t) obtained from the state x(t).
  • the observation vector y(t) and the vector function h(x (t)) can be expressed as follows.
  • Equation (12) the vector w y (t) included in Equation (12) is observation noise added to the observed value at time t.
  • w y (t) the vector w y (t) included in Equation (12) is observation noise added to the observed value at time t.
  • all elements of w y (t) have a normal distribution with a mean of 0, and the system user can set an arbitrary value for the variance of the normal distribution of each element.
  • the particle filter estimates the state of the system at each time.
  • N p be the assumed number of particles
  • the state of particle i (1 ⁇ i ⁇ N p ) at time t be vector x (i) (t).
  • each particle is treated as a sample of the system state vector x(t), so the state vector x (i) (t) of each particle has the same elements as the system state vector x(t).
  • the state transition and observation can be performed according to the same state equation and observation equation as the system shown in equations (11) and (12), the following equation holds true.
  • the state vector x (i) (t) of particle i the observation vector y (i) (t), the system noise w x (i) ( t), and the observation noise w y (i) (t) has the same configuration as the actual system described above, so the explanation is omitted.
  • the initial state of each particle is determined by taking samples from a normal distribution with each measured value or initial estimated value as the average. That is, in the first embodiment, the measured values x (r) NH (0), x (r) 0 (0), x (s,2) 0 (0) and the initial estimated value ⁇ (r) 0, 0 (0), ⁇ (r) 0,NH (0), ⁇ (r) 0,u,b (0), ⁇ (r) 0,B (0), ⁇ (r) NH, NH (0), ⁇ (r) NH,0 (0), ⁇ (r) NH,u,b (0), ⁇ (r) NH,B (0), ⁇ (r) 0, Generates a normal distribution with mean of 0 (0), ⁇ (r) 0,NH (0), ⁇ (r) 0,u,b (0), ⁇ (r) 0,B (0) Then, the sampling values obtained from these normal distributions are set as the initial state of each particle. However, system users can set arbitrary values for the variance
  • the first step in the estimation process in the particle filter is to transition the state of each particle according to the state equation.
  • the state x (i) (t) of each particle, the input u (t) applied to the system, and the system noise w (i) x (t) for each particle are generated by sampling, and the formula (26 ), calculate the transitioned state x (i) (t+1) of the particle.
  • the second step of the estimation process is to predict the observation vector y (i) (t+1) for each particle in the transitioned particle state x ( i ) (t+1).
  • the state x (i) (t+1) of the transitioned particle and the observation noise w (i) y (t) for each particle are generated by sampling, and the observation vector is calculated based on formula (24). Calculate the predicted value of y (i) (t+1).
  • the third step of the estimation process is the process that is performed after the actual observed value y(t+1) is obtained, and the observed predicted value y (i) (t+1) of each particle and the actual observed value are Based on y(t+1), calculate the likelihood representing the likelihood of each particle.
  • the likelihood in this example, a normal distribution is adopted as the likelihood function, and the likelihood l (i) (t+1) of particle i at time t+1 is calculated as follows.
  • Equation (28) is a parameter indicating the variance of the likelihood function, and is set to an arbitrary value by the system user.
  • is a function that returns the Euclidean norm of the vector y (i) (t+1) ⁇ y(t+1), and this time In the example, it is calculated as follows.
  • the fourth step of the estimation process is to normalize the calculated likelihood, weight the state of each particle using the normalized likelihood, and find the average value.
  • the vector obtained by this calculation becomes the estimated value x ⁇ (t+1) of the system x(t+1) at time t+1. This calculation is expressed as follows.
  • the fifth step of the estimation process is to perform particle resampling.
  • a particle filter is an algorithm that performs estimation by approximating the probability distribution of the state vector to be estimated using a large number of samples (particles).The larger the number of particles, the more accurately the desired probability distribution can be approximated. be.
  • degeneration occurs in which the likelihood of only a small number of particles increases.
  • resampling is a process of regenerating particles so that the likelihood of each particle approaches 1/N p . In this process, particles are regenerated by newly extracting N p particles based on the likelihood of each particle.
  • the estimated value of the system at each time that is, the water quality items targeted for estimation in each dependent series, and the parameters included in the representative series water quality fluctuation model. , and it becomes possible to estimate the correction parameters included in each dependent series water quality variation model.
  • the number of series is two, and the representative series is equipped with an ammonia nitrogen concentration meter and a dissolved oxygen concentration meter, and the subordinate series are equipped with only a dissolved oxygen concentration meter, and the control
  • this estimation method can be used regardless of the number of series, the type of water quality item to be measured, or the content of the control input. This is a feasible method.
  • the processing contents have been explained using a simple linear model as an example, but even a complex nonlinear model such as ASM1 can be realized without loss of generality.
  • a particle filter is used as the estimation algorithm, other state estimation algorithms such as an extended Kalman filter can also be applied, and the present disclosure is not limited by these elements.
  • FIG. 2 is a diagram showing a schematic configuration of a water treatment system according to a second embodiment.
  • a series that can measure two or more types of water quality items is defined as a representative series, and a series other than the representative series that cannot be measured in the representative series.
  • a series that can obtain at least one type of water quality item among the water quality items is defined as a dependent series, and the difference between each dependent series with respect to the representative series is expressed by a small number of small correction parameters, thereby measuring the representative series.
  • a similar estimation method is applied not to differences between series but to reaction vessels included in a certain series.
  • a reaction tank that can measure two or more types of water quality items is defined as the representative reaction tank
  • a reaction tank other than the representative reaction tank that is measured in the representative reaction tank is defined as the representative reaction tank.
  • the water treatment system according to the second embodiment includes one or more series, and one of the series includes two or more reaction tanks. This shows the system.
  • Embodiment 2 will be described using an example of a water treatment system in which the number of series is one and the series includes five reaction tanks.
  • Series 1 is a series that includes an anaerobic tank 402, an anoxic tank 403, an aerobic tank 404, an aerobic tank 405, and a sedimentation tank 406, and sewage, which is water to be treated, flows into series 1 from the outside by a pump 401. Thereafter, the inflowing sewage is treated through an anaerobic tank 402, an anoxic tank 403, an aerobic tank 404, an aerobic tank 405, and a settling tank 406, and then discharged. Further, in the line 1, a water quality control section 409 is installed which controls the quality of the water to be treated in the line 1.
  • the water quality control unit 409 is connected to a blower 407 and a blower 408, and the blower 407 aerates the aerobic tank 404 and the blower 408 aerates the aerobic tank 405.
  • the water quality control unit 409 aerates the water to be treated in the aerobic tanks 404 and 405 by transmitting an aeration amount command value to the blowers 407 and 408, thereby reducing water pollution such as ammonia nitrogen.
  • the substance is being removed.
  • the aerobic tank 404 is equipped with a sensor for measuring water quality items of the water to be treated contained in the aerobic tank 404 .
  • two sensors are installed in the aerobic tank 404, a dissolved oxygen concentration meter (sensor 410) that measures the concentration of oxygen dissolved in the water to be treated, and a sensor 410 that measures the concentration of oxygen dissolved in the water to be treated;
  • An ammonia nitrogen concentration (sensor 411) is installed to measure the ammonia nitrogen concentration.
  • the aerobic tank 405 is provided with a sensor for measuring water quality items of the water to be treated contained in the aerobic tank 405 .
  • the aerobic tank 405 is equipped with one sensor, including a dissolved oxygen concentration meter (sensor 413) that measures the concentration of oxygen dissolved in the water to be treated. is set up.
  • a reaction tank that can measure two or more types of water quality items contained in the water to be treated in each reaction tank in the series is treated as a reaction tank that is representative of all reaction tanks, and a representative reaction It is called a tank.
  • a reaction tank that can measure at least one type of water quality item included in the water to be treated in each reaction tank is selected as the representative reaction tank. It is treated as a subordinate reaction tank and is called a dependent reaction tank.
  • At least one or more of the water quality items that can be measured in the representative reaction tank is a water quality item that is different from the water quality items that can be obtained in the subordinate reaction tanks.
  • the aerobic tank 404 is equipped with a dissolved oxygen concentration meter (sensor 410) and an ammonia nitrogen concentration meter (sensor 411), the aerobic tank 404 is treated as a representative reaction tank. Moreover, since only the dissolved oxygen concentration meter (sensor 413) is installed in the aerobic tank 405, the aerobic tank 405 is treated as a subordinate reaction tank.
  • the representative reaction tank is equipped with a representative reaction tank water quality data acquisition unit 412 that acquires measurable water quality items in the representative reaction tank, and a subordinate reaction tank that acquires measurable water quality items in each subordinate reaction tank.
  • a reaction tank water quality data acquisition section 414 is provided.
  • the water quality data collected by the representative reaction tank water quality data acquisition unit 412 and the subordinate reaction tank water quality data acquisition unit 414 is transmitted to the data storage unit 501 and stored. Further, the data storage unit stores not only water quality data of the representative reaction tank and each subordinate reaction tank, but also control data indicating the control content applied to the water to be treated in each reaction tank. This control data is stored by being transmitted to the data storage section by the water quality control section 409, which transmits control details for each reaction tank.
  • the aeration amount command value sent to each blower is also sent to the data storage unit and stored.
  • the data storage unit also stores data regarding parameters included in a representative reaction tank water quality variation model, parameter correction amounts included in each subordinate reaction tank water quality variation model, and estimated water quality values of each subordinate reaction tank, which will be described later.
  • the representative reaction tank water quality fluctuation model derivation unit 502 generates a representative reaction tank, which is a mathematical model that shows the fluctuation of water quality items obtainable in the representative reaction tank, based on various data stored in the data storage unit. Derive a tank water quality fluctuation model.
  • the water quality items that can be obtained in the representative reaction tank are the dissolved oxygen concentration obtained by the sensor 410 and the ammonia nitrogen concentration obtained by the sensor 411.
  • a mathematical model showing the fluctuations of these two types of water quality items in the reaction tank is derived.
  • the dependent reaction tank water quality model derivation unit 502 indicates the fluctuation of water quality items that can be acquired in the representative reaction tank in each dependent reaction tank based on the representative reaction tank water quality fluctuation model and various data stored in the data storage unit.
  • a dependent reaction tank water quality fluctuation model which is a mathematical model, is derived. Although there is not only one representative reaction tank, there may be a plurality of dependent reaction tanks, so the derived dependent reaction tank water quality reaction model is not necessarily one.
  • the water quality items that can be obtained in the representative reaction tank are two types, dissolved oxygen concentration and ammonia nitrogen concentration, as described above, and the only dependent reaction tank is aerobic tank 405, so the dependent reaction
  • the tank water quality model derivation unit derives a mathematical model that shows fluctuations in these two types of water quality items in the aerobic tank 405.
  • the estimation unit 504 estimates the parameters included in the representative reaction tank water quality variation model, and calculates each subordinate reaction tank water quality variation model based on the representative reaction tank water quality variation model, each dependent reaction tank water quality variation model, and various data stored in the data storage unit.
  • the water quality items that can be acquired in the representative reaction tank are estimated and the parameter correction amounts included in each subordinate reaction tank water quality variation model are estimated, and the estimation results are stored in the data storage unit.
  • the output unit 505 outputs various estimation results estimated by the estimation unit and stored in the data storage unit.
  • the output means may be any means, such as outputting as an image on a display, outputting on paper using a printer, or outputting to another device via a network.
  • the water quality treatment system includes a treatment section 500.
  • the processing unit 500 includes a representative series water quality variation model deriving unit 502, a dependent series water quality variation model deriving unit 503, and an estimation unit 504.
  • the representative reaction tank water quality variation model derivation unit 502 derives a representative reaction tank water quality variation model.
  • a mathematical model of the dissolved oxygen concentration and ammonia nitrogen concentration in the aerobic tank 404 which is a representative reaction tank, is derived.
  • this mathematical model may be any mathematical model such as ASM1 shown by equation (1) or a linear model shown by equation (2).
  • the ammonia nitrogen concentration at time t in the representative reaction tank is x (r) NH (t)
  • the dissolved oxygen concentration is x 0 (r) NH (t)
  • the aeration amount is u (r) NH ( t)
  • the representative reaction tank water quality fluctuation model becomes the same as Equation (3) and Equation (4).
  • the representative reaction tank water quality variation model derivation unit 502 derives initial estimated values of parameters in the representative reaction tank water quality variation model using data stored in the data storage unit.
  • the parameters ⁇ (r) NH,NH , ⁇ (r) NH,0 in the representative reaction tank water quality fluctuation model, which are the same as equations (3) and (4), are ⁇ (r) NH,u,b , ⁇ (r) NH,B , ⁇ (r) 0,0 , ⁇ (r) 0,NH , ⁇ (r) 0,u,b and ⁇ (r) 0,
  • Initial estimated value of B ⁇ (r) NH,NH , ⁇ (r) NH,0 , ⁇ (r) NH,u,b , ⁇ (r) NH,B , ⁇ (r) 0, 0 , ⁇ (r) 0,NH , ⁇ (r) 0,u,b and ⁇ (r) 0,B are derived.
  • a linear model such as formula (3) and formula (4)
  • it can be derived by the least squares method as shown in Embodiment 1.
  • initial estimated values of parameters can be derived by a nonlinear least squares method such as the Gauss-Newton method. Therefore, regardless of the contents of the representative reaction tank water quality variation model, the initial estimated values of the parameters included in the representative reaction tank water quality variation model are derived using the data stored in the data storage unit 501 without impairing generality. be able to.
  • the dependent reaction tank water quality variation model derivation unit 503 derives each dependent reaction tank water quality variation model.
  • a mathematical model of the dissolved oxygen concentration and ammonia nitrogen concentration in the reaction tank 305 which is a dependent reaction tank, is derived.
  • deriving a water quality fluctuation model for each dependent reaction tank considering the differences between reaction tanks, it is possible to use a certain reaction tank as the standard, although individual differences may occur between devices and sensors, based on the same discussion as in Embodiment 1. In this case, it can be considered that the difference between the standard reaction tank and other reaction tanks is small.
  • this reference reaction tank is assumed to be a representative reaction tank, and water quality fluctuations in each subordinate reaction tank are considered to show similar fluctuations to water quality fluctuations in the representative reaction tank.
  • water quality fluctuation model can be derived by adding a sufficiently small parameter correction amount to the parameters in the model.
  • the dependent reaction tank water quality variation model derivation unit derives the water quality variation model of the reaction tank 405, which is the subordinate reaction tank.
  • the parameters included in the representative reaction tank water quality fluctuation model are ⁇ (r) NH,NH , ⁇ (r) NH,O , ⁇ (r) NH,u,b , ⁇ (r) NH,B , ⁇ ( r) Derive a dependent reaction tank water quality fluctuation model using parameter correction amounts for O,O , ⁇ (r) O,NH , ⁇ (r) O,u,b, and ⁇ (r) O,B .
  • the ammonia nitrogen concentration at time t in the reaction tank 405 is x (s,405) NH (t), the dissolved oxygen concentration is x (s,405) O (t), and the aeration amount is u (s,405).
  • the parameter correction amounts for each parameter in the representative series water quality fluctuation model are ⁇ (s,405) NH,NH , ⁇ (s,405) NH,O , ⁇ (s,405) NH, u,b , ⁇ (s,405) NH,B , ⁇ (s,405) O,O , ⁇ (s,405) O,NH , ⁇ (s,405) O,u,b and ⁇ (s, 405)
  • the dependent series water quality fluctuation model of the reaction tank 405 can be expressed in the same format as Equation (9) and Equation (10).
  • the dependent reaction tank water quality variation model derivation unit 503 derives initial estimated values of parameter correction amounts included in the dependent reaction tank water quality variation model.
  • ⁇ (s,405) NH,NH , ⁇ (s,405) NH,O , ⁇ (s,405) NH,u,b , ⁇ (s,405) NH,B , ⁇ (s ,405) O,O , ⁇ (s,405) O,NH , ⁇ (s,405) O,u,b and ⁇ (s,405) O,B initial estimates ⁇ (s,405) NH ,NH , ⁇ (s,405) NH,O , ⁇ (s,405) NH,u,b , ⁇ (s,405) NH,B , ⁇ (s,405) O,O , ⁇ Derive ⁇ (s,405) O,NH , ⁇ (s,405) O,u,b and ⁇ (s,405) O,B .
  • the estimation unit 504 estimates the water quality items that can be measured in the representative reaction tank in each subordinate reaction tank, and at the same time updates the estimated values of these parameter correction amounts. Perform processing to bring it closer to the true value.
  • the estimating unit 504 estimates the water quality items that can be measured in the representative reaction tank in each dependent reaction tank, and at the same time estimates the parameters in the representative reaction tank water quality variation model and the parameter correction amounts included in each dependent series water quality variation model. Estimate. In the second embodiment, the ammonia nitrogen in the reaction tank 405, which is a dependent reaction tank, and parameters and parameter correction amounts in various models are estimated.
  • this estimation process is performed using a particle filter.
  • a particle filter it is necessary to define the state equation and observation equation of the system to be estimated.
  • the water quality items to be measured in the representative reaction tank and each subordinate reaction tank, and the various parameters and parameter correction amounts necessary to express the water quality fluctuations constitute the state equation of the system.
  • the observation equation in this system, the water quality items that can be measured in the representative reaction tank and each subordinate reaction tank constitute the observation equation of the system.
  • reaction tank 404 which is a representative reaction tank
  • reaction tank 405 which is a dependent reaction tank, as well as their respective ammonia nitrogen concentrations and dissolved oxygen concentrations.
  • Parameters necessary to express ⁇ (r) NH,NH , ⁇ (r) NH,O , ⁇ (r) NH,u,b , ⁇ (r ) NH,B , ⁇ (r) O,O , ⁇ (r) O,NH , ⁇ (r) O,u,b , ⁇ (r) O,B and parameter correction amount ⁇ (s,405) NH,NH , ⁇ (s,405) NH,O , ⁇ (s,405) NH,u,b , ⁇ (s,405) NH,B , ⁇ (s,405) O,O , ⁇ (s,405) O,NH , ⁇ (s,405) O, u,b and ⁇ (s,405) O,B , and the variables that make up the observation equation are the dissolved oxygen concentration and ammonia nitrogen concentration in the reaction tank 404, which can be measured by the sensor 410 and the sensor 411, and the sensor 413 is the dissolved oxygen
  • Equation (31) expresses the state equation
  • Equation (32) expresses the observation equation of this system.
  • x(t) is composed of the water quality items to be measured in the representative reaction tank and each subordinate reaction tank at time t, and the various parameters and parameter correction amounts necessary to express the water quality fluctuations.
  • This vector is composed of the following vectors.
  • vector u(t) in Equation (31) is a vector configured by control command values for the system.
  • the control command value is the aeration amount command value for blower 407 or blower 408 output by water quality control unit 409
  • vector u(t) can be expressed as follows.
  • Equation (31) is a vector function corresponding to each element constituting the left side x(t+1), and in the second embodiment, the following It is configured as follows.
  • the vector function f (x (s, 405)) (x (t) , u(t)) corresponds to the dependent series water quality fluctuation model of the reaction tank 405.
  • the contents of the functions are the same as those in Embodiment 1, so a description thereof will be omitted.
  • the vector function f ( ⁇ (r)) (x(t),u(t)) corresponds to the parameters included in the representative series water quality fluctuation model
  • the vector function f ( ⁇ (s,405)) (x(t ), u(t)) correspond to the parameter correction amount included in the dependent series water quality fluctuation model of the reaction tank 405. Since these values are constants, each vector function can be expressed as follows.
  • Equation (31) is system noise added to the state of the system at time t.
  • all elements of w x (t) are normally distributed with a mean of 0, and the system user can set an arbitrary value for the variance of the normal distribution of each element.
  • the vector y(t) in Equation (32) indicates an observed value vector, and is a vector composed of elements that can be measured at time t.
  • the vector function h(x(t)) is a vector function indicating a mathematical model for the observed vector y(t) obtained from the state x(t).
  • the observation vector y(t) and the vector function h (x(t)) can be expressed as follows.
  • Equation (32) is observation noise added to the observed value at time t.
  • w y (t) it is assumed that all elements of w y (t) have a normal distribution with a mean of 0, and the system user can set an arbitrary value for the variance of the normal distribution of each element.
  • the state equation is defined as equation (31), and the observation equation is defined as equation (32). Since these formulas (31) and (32) are the same formulas as formulas (11) and (12) in the first embodiment, they are included in the state vector x(t) using the same method as in the first embodiment. It becomes possible to successively estimate the ammonia nitrogen concentration in the reaction tank 405, the parameters included in the representative reaction tank water quality variation model, and the parameter correction amounts included in each subordinate reaction tank water quality variation model.
  • the number of reaction tanks targeted by the system is 2, and the representative reaction tank is installed with ammonia nitrogen concentration and dissolved oxygen concentration, and the subordinate reaction tanks are installed with only dissolved oxygen concentration.
  • the estimation method of the system by citing a situation where the control input is only the aeration amount command value of the representative reaction tank and subordinate reaction tanks. This method is feasible regardless of the content of the control input.
  • the processing contents have been explained using a simple linear model as an example, but even a complex nonlinear model such as ASM1 can be realized without loss of generality.
  • a particle filter is used as the estimation algorithm, other state estimation algorithms such as an extended Kalman filter can also be applied, and the present disclosure is not limited by these elements.
  • FIG. 3 is a diagram showing an example of the hardware configuration of the data storage unit and the processing unit according to the first and second embodiments.
  • the data storage units 301, 501 and the processing units 300, 500 include a processor 11 that executes various processes, and a memory 12 that stores information. Processor 11 and memory 12 can send and receive information to and from each other via bus 13 .
  • the data storage unit 301 is realized by the memory 12.
  • the processor 11 reads and executes the program stored in the memory 12, thereby functioning as representative series water quality variation model deriving units 302, 502, dependent series water quality variation model deriving units 303, 503, and estimating units 304, 504. .
  • the processor 11 is, for example, an example of a processing circuit, and includes one or more of a CPU (Central Processing Unit), a DSP (Digital Signal Processor), and a system LSI (Large Scale Integration). Including.
  • a CPU Central Processing Unit
  • DSP Digital Signal Processor
  • LSI Large Scale Integration
  • the memory 12 includes RAM (Random Access Memory), ROM (Read Only Memory), flash memory, EPROM (Erasable Programmable Read Only Memory), and EE One or more of PROM (registered trademark) (Electrically Erasable Programmable Read Only Memory) include. Furthermore, the memory 12 includes a recording medium on which a computer-readable program is recorded. Such recording media include one or more of nonvolatile or volatile semiconductor memory, magnetic disk, flexible memory, optical disk, compact disk, and DVD (Digital Versatile Disc). Note that the processing units 12 and 43 may include integrated circuits such as ASIC (Application Specific Integrated Circuit) and FPGA (Field Programmable Gate Array).
  • ASIC Application Specific Integrated Circuit
  • FPGA Field Programmable Gate Array
  • the water quality control units 107, 207, 409 are not limited to those that control the blowers 106, 206, 406, but may also be used among the pumps 101, 201, 401, valves (not shown), and chemical addition devices (not shown). Any device may be used as long as it controls at least one device to control water quality.
  • the valve is, for example, a valve that is installed in a pipe through which water to be treated flowing into the series passes, and adjusts the amount of water to be treated that flows into the system.
  • the chemical addition device is, for example, a device that injects chemicals into the water to be treated to purify the water to be treated.
  • the water quality items acquired by each water quality data acquisition unit 110, 209, 412, and 414 include dissolved oxygen concentration, ammonia nitrogen concentration, nitrite nitrogen concentration, nitrate nitrogen concentration, total nitrogen concentration, and total phosphorus concentration. , pH (hydrogen ion concentration), alkalinity, water temperature, MLSS (Mixed Liquor Suspended Solids, activated sludge suspended solids), ORP (Oxidaton reduction potential), turbidity, chromaticity, conductivity, BOD ( Biochemical Oxygen It is desirable that at least one of COD (Chemical Oxygen Demand) and COD (Chemical Oxygen Demand) be included.

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)
  • Treatment Of Water By Oxidation Or Reduction (AREA)
  • Activated Sludge Processes (AREA)

Abstract

水処理システムは、被処理水を浄化処理する代表系列と、被処理水を浄化処理する従属系列と、被処理水の水質を制御する水質制御部（１０７，２０７）と、従属系列の水質項目を取得する従属系列水質データ取得部（２０９）と、従属系列水質データ取得部（２０９）が取得する水質項目と同じ種類の水質項目と、従属系列水質データ取得部（２０９）が取得する水質項目と異なる水質項目と取得する代表系列水質データ取得部（１１０）と、代表系列水質変動モデルを導出する代表系列水質変動モデル導出部（３０２）と、従属系列水質変動モデルを導出する従属系列水質変動モデル導出部（３０３）と、代表系列水質データに含まれる従属系列水質データ取得部が取得する水質項目と異なる水質項目を、代表系列水質変動モデル、従属系列水質変動モデル、およびデータ保管部に保管されたデータに基づき推定する推定部（３０４）と、を備える。

Description

水処理システム
　本開示は、下水等の被処理水の水質を計測して浄化処理を行う水処理システムに関する。
　下水処理に広く採用される手法として活性汚泥法がある。活性汚泥法は、下水内に存在する硝化菌などといった好気性微生物に対し、ブロワなどにより空気を供給することで活性を与え、下水内の水質汚濁物質であるアンモニア態窒素などを処理させる処理方法である。
　活性汚泥法において、下水内の水質汚濁物質を十分に除去するためには、下水内の処理対象となる水質汚濁物質濃度といった水質を計測し、その計測値に基づきブロワを制御する必要がある。しかしながら、複数系列で構成される従来の水処理システムにおいて、すべての系列に水質を計測するためのセンサを設ける場合には、系列の数に比例してセンサが必要となるため、大きな導入コストが必要となるという問題があった。
　この問題に対し、複数系列で構成される従来の水処理システムにおいては、ある系列の被処理水の水質の制御を行う際に、制御対象であるその系列の水質を、その系列の計測値を直接参照するのではなく、他系列の水質データを参照することにより、設置が必要なセンサの台数の削減を図っている。例えば、特許文献１においては、ある一つの系列にはアンモニア態窒素濃度計と溶存酸素濃度計が配置され、他系列には溶存酸素濃度計のみが設置されている。アンモニア態窒素濃度計が設置されている系列の水質制御にはそのアンモニア態窒素濃度計の計測値を用いて水質制御を行い、溶存酸素濃度計のみが設置されている系列の水質制御においては、その系列の溶存酸素濃度計の計測値のみではなく、アンモニア態窒素濃度計が設置されている系列のアンモニア態窒素濃度の値を参照して水質制御を行うことで、必要なセンサの設置台数の削減を図っている。
特開２００５－１９９１１５号公報
　しかしながら、上記従来の水処理システムは、他系列にて計測可能な値を利用して制御を行ってはいるものの、制御対象であるその系列の水質そのものを推定するものではない。そのため、系列ごとの機器およびセンサの個体差が考慮されておらず、制御が不安定になる場合がある。
　本開示は、上記に鑑みてなされたものであって、系列間の個体差を考慮しつつ、かつ他系列に設置されたセンサ計測値を基に、センサが設置されていない系列の水質を推定して水質制御を行うことができる水処理システム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、被処理水を浄化処理する代表系列と、被処理水を浄化処理する従属系列と、代表系列と従属系列とに設けられ、被処理水の水質を制御する水質制御部と、従属系列に設けられ、被処理水から少なくとも一種類の水質項目を取得する従属系列水質データ取得部と、代表系列に設けられ、従属系列水質データ取得部が取得する水質項目のうち少なくとも一種類の同じ種類の水質項目と、従属系列水質データ取得部が取得する水質項目と異なる少なくとも一種類の水質項目とを被処理水から取得する代表系列水質データ取得部と、水質制御部が行った制御内容を示した制御データと、代表系列水質データ取得部が取得する代表系列水質データと、従属系列水質データ取得部が取得する従属系列水質データとを保管するデータ保管部と、代表系列水質データに含まれる水質項目の変動を示す数理モデルである代表系列水質変動モデルを、データ保管部に保管されたデータに基づき導出する代表系列水質変動モデル導出部と、代表系列水質データ取得部に取得される水質項目の従属系列における変動を示す数理モデルである従属系列水質変動モデルを、代表系列水質変動モデルおよびデータ保管部に保管されたデータに基づき導出する従属系列水質変動モデル導出部と、代表系列水質データに含まれる従属系列水質データ取得部が取得する水質項目と異なる水質項目を、代表系列水質変動モデル、従属系列水質変動モデル、およびデータ保管部に保管されたデータに基づき推定する推定部と、を備える。
　本開示によれば、系列間の個体差を考慮しつつ、かつ他系列に設置されたセンサ計測値を基に、センサが設置されていない系列の水質を推定して水質制御を行うことができる水処理システムを得ることができるという効果を奏する。
実施の形態１にかかる水処理システムの概略構成を示す図 実施の形態２にかかる水処理システムの概略構成を示す図 実施の形態１および実施の形態２にかかるデータ保管部および処理部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かかる水処理システム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にかかる水処理システムの概略構成を示す図である。図１は、二つ以上の系列で構成された本開示の水処理システムを示したものであり、ここでは説明を簡単にするため、系列１および系列２の、二つの系列で構成された水処理システムを例に挙げ、説明する。
　系列１は、嫌気槽１０２、無酸素槽１０３、好気槽１０４および沈殿槽１０５を備える系列である。ポンプ１０１によって外部から系列１へ被処理水である下水が流入し、その後嫌気槽１０２、無酸素槽１０３、好気槽１０４および沈殿槽１０５を通じて流入下水は処理され、放流される。また系列１には、系列１内の被処理水の水質を制御する水質制御部１０７が設置されている。本実施の形態１においては、水質制御部１０７は好気槽１０４に設置されているブロワ１０６に接続されており、水質制御部１０７はブロワ１０６へ曝気量指令値を送信することで、好気槽１０４内の被処理水に対し曝気を行い、アンモニア態窒素などといった水質汚濁物質を除去している。加えて好気槽１０４には、好気槽１０４内に含まれる被処理水の水質項目を計測するためのセンサが設置されている。この例ではセンサは２台設置されており、被処理水中に溶け込んだ酸素濃度を計測する溶存酸素濃度計（センサ１０８）および被処理水中に含まれるアンモニア態窒素濃度を計測するアンモニア態窒素濃度計（センサ１０９）が設置されている。
　系列２は、系列１と同様に嫌気槽２０２、無酸素槽２０３、好気槽２０４および沈殿槽２０５を備える系列である。ポンプ２０１によって外部から系列２へ被処理水である下水が流入し、その後嫌気槽２０２、無酸素槽２０３、好気槽２０４および沈殿槽２０５を通じて流入下水は処理され、放流される。また系列２には、系列２内の被処理水の水質を制御する水質制御部２０７が設置されている。本実施の形態１においては、水質制御部２０７は好気槽２０４に設置されているブロワ２０６に接続されており、水質制御部２０７はブロワ２０６へ曝気量指令値を送信することで、好気槽２０４内の被処理水に対し曝気を行い、アンモニア態窒素などといった水質汚濁物質を除去している。加えて好気槽２０４には、好気槽２０４内に含まれる被処理水の水質項目を計測するためのセンサが設置されている。系列１とは異なり、系列２では１台のセンサのみ設置されており、被処理水中に溶け込んだ酸素濃度を計測する溶存酸素濃度計（センサ２０８）のみが設置されている。
　本実施の形態１においては、被処理水に含まれる水質項目のうち、２種類以上の水質項目を計測可能な系列を、全系列を代表する系列として扱い、代表系列と呼称する。また代表系列にて計測可能な水質項目のうち、それぞれの系列内の被処理水に含まれる水質項目のうち、少なくとも１種類以上の水質項目を計測可能な系列を、代表系列に対して従属する系列として扱い、従属系列と呼称する。代表系列で計測可能な水質項目のうち少なくとも１つ以上は従属系列にて取得可能な水質項目とは異なる水質項目である。すなわち、系列１は溶存酸素濃度計（センサ１０８）およびアンモニア態窒素濃度計（センサ１０９）が設置されているため代表系列として扱われ、また系列２は溶存酸素濃度計（センサ２０８）のみが設置されているため従属系列として扱われる。
　代表系列には、代表系列にて計測可能な水質項目を取得する代表系列水質データ取得部１１０が備えられており、また各従属系列には、それぞれの従属系列にて計測可能な水質項目を取得する従属系列水質データ取得部２０９が備えられている。代表系列水質データ取得部１１０および従属系列水質データ取得部２０９にて収集された水質データは、データ保管部３０１に送信され、保存される。またデータ保管部３０１は各系列の水質データのみならず、それぞれの系列にて被処理水に施された制御内容を示した制御データも保管する。この制御データは、各系列にて設置された水質制御部（水質制御部１０７および水質制御部２０７）がデータ保管部３０１へ送信することで保管される。本実施の形態１では、各水質制御部１０７，２０７がそれぞれに接続されたブロワ（ブロワ１０６およびブロワ２０６）を制御するためにそれぞれのブロワ１０６，２０６に対して送信した曝気量指令値がデータ保管部３０１にも送信され、保管される。これに加えデータ保管部３０１は、後述する代表系列水質変動モデルに含まれるパラメータおよび従属系列水質変動モデルに含まれるパラメータ補正量および従属系列の水質推定値についてのデータも保管する。
　水質処理システムは処理部３００を備える。処理部３００は、代表系列水質変動モデル導出部３０２、従属系列水質変動モデル導出部３０３、および推定部３０４を備える。代表系列水質モデル導出部３０２は、データ保管部３０１にて保管された各種データに基づき、代表系列にて取得可能な水質項目の代表系列における変動を示す数理モデルである代表系列水質変動モデルを導出する。本実施の形態１では、代表系列にて取得可能な水質項目は、センサ１０８によって得られる溶存酸素濃度およびセンサ１０９によって得られるアンモニア態窒素濃度であるため、代表系列水質変動モデル導出部３０２では、この２種類の水質項目の代表系列における変動を示した数理モデルを導出する。
　従属系列水質変動モデル導出部３０３は従属系列水質変動モデルを導出する。従属系列水質変動モデルは、代表系列水質変動モデルおよびデータ保管部３０１にて保管された各種データに基づき、代表系列にて取得可能な水質項目の各従属系列における変動を示す数理モデルである。本実施の形態１では従属系列が１系列の例を示しているが、従属系列は複数系列存在してもよく、導出される従属系列水質変動モデルは必ずしも１つとは限らない。
　本実施の形態１では、代表系列にて取得可能な水質項目は前述の通り、溶存酸素濃度およびアンモニア態窒素濃度の２種類であり、また従属系列は系列２のみであるため、従属系列水質変動モデル導出部では、この２種類の水質項目の系列２における変動を示した数理モデルを導出する。
　推定部３０４は、代表系列水質変動モデルおよび各従属系列水質変動モデルおよびデータ保管部３０１にて保管された各種データに基づき、代表系列水質変動モデルに含まれるパラメータの推定、代表系列にて取得可能な水質項目の各従属系列における推定および各従属系列水質変動モデルに含まれるパラメータ補正量の推定を行う。推定結果はデータ保管部３０１にて保管される。
　出力部３０５は、推定部３０４にて推定されてデータ保管部３０１にて保管された各種推定結果を出力する。出力手段については、ディスプレイにより映像として出力する、プリンタによって紙面へ出力する、またはネットワークを通じて他装置へ出力するなど、その手段はいずれであっても構わない。
　次に動作について説明する。代表系列水質変動モデル導出部３０２においては、代表系列水質変動モデルを導出する。前述の通り本実施の形態１においては、代表系列である系列１における、溶存酸素濃度およびアンモニア態窒素濃度の数理モデルが導出される。本実施の形態１において、この代表系列水質変動モデルに適用可能な数理モデルの一例として、活性汚泥モデル（Ａｃｔｉｖａｔｅｄ　Ｓｌｕｄｇｅ　Ｍｏｄｅｌ，　ＡＳＭ）がある。活性汚泥モデルとは、国際水協会（Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗａｔｅｒ　Ａｓｓｏｃｉａｔｉｏｎ，　ＩＷＡ）が提唱する、下水内に含まれる主要な水質項目についての一連の数理モデルであり、ＡＳＭ１、ＡＳＭ２、ＡＳＭ２Ｄ、ＡＳＭ３といったバージョンの数理モデルが『味埜　俊著、「活性汚泥モデル―ＡＳＭ１，ＡＳＭ２，ＡＳＭ２Ｄ，ＡＳＭ３」環境新聞社出版、２００５年１月３１日』に記載されている。
　例えば、ＡＳＭ１におけるアンモニア態窒素濃度についての数理モデルは次のように提案されている。
Figure JPOXMLDOC01-appb-M000001
　数式（１）内の変数およびパラメータは、下記の通りである。
Figure JPOXMLDOC01-appb-T000002
　また、より単純な、次のような線形モデルも本実施の形態１に適用可能である。
Figure JPOXMLDOC01-appb-M000003
　数式（２）内の変数およびパラメータは、下記の通りである。
Figure JPOXMLDOC01-appb-T000004
　その他、本実施の形態１においては、どのような数理モデルであっても、代表系列水質変動モデルとして適用可能である。本実施の形態１においては、代表系列水質変動モデルとして、数式（２）で示した線形モデルを適用した場合を基に説明する。
　代表系列において、時刻ｔにおけるアンモニア態窒素濃度をx(r) NH(t)、溶存酸素濃度をx(r) 0(t)、曝気量をu(r) NH(t)とおくと、本実施の形態１における代表系列水質変動モデルは、次のように表される。
Figure JPOXMLDOC01-appb-M000005
Figure JPOXMLDOC01-appb-M000006
　代表系列水質変動モデル導出部においては、代表系列水質変動モデル内のパラメータの初期推定値を、データ保管部に保管されたデータを用いて導出する。今回の例においては、数式（３）および数式（４）で示した代表系列水質変動モデル内のパラメータ、θ(r) NH,NH、θ(r) NH,0、θ(r) NH,u,b、θ(r) NH,B、θ(r) 0,0、θ(r) 0,NH、θ(r) 0,u,bおよびθ(r) 0,B初期推定値θ^(r) NH,NH、θ^(r) NH,0、θ^(r) NH,u,b、θ^(r) NH,B、θ^(r) 0,0、θ^(r) 0,NH、θ^(r) 0,u,bおよびθ^(r) 0,Bを導出する。なお、^を付した場合には、初期推定値を示すものとする。
　数式（３）および数式（４）で示されるような線形モデル内のパラメータを導出する場合、本実施の形態１においては最小二乗法により導出する。まず数式（３）内のパラメータの初期推定値をθ^(r) NH,NH、θ^(r) NH,0、θ^(r) NH,u,b、θ^(r) NH,Bを最小二乗法により導出する場合、データ保管部に保管されている、現在よりも過去のある時刻TからT+NT-1における、代表系列のアンモニア態窒素濃度、溶存酸素濃度、曝気量を用いて、行列A(T:T+N-1)を、
Figure JPOXMLDOC01-appb-M000007
　とおき、また同じくデータ保管部に保管されている、現在よりも過去のある時刻T+1からT+NTにおける、代表系列のアンモニア態窒素濃度、溶存酸素濃度、曝気量を用いて、ベクトルb(T+1:T+NT)を、
Figure JPOXMLDOC01-appb-M000008
　とおくと、導出したいパラメータの初期推定値を並べたベクトル
Figure JPOXMLDOC01-appb-M000009
　は、次のようにして導出できる。なお式中において、行列の右上に－１が付与されたものは対象の行列の逆行列を示し、また右上にTが付与されたものは対象の行列の転置行列を示す。
Figure JPOXMLDOC01-appb-M000010
　同様に、数式（４）内のパラメータの初期推定値、θ^(r) 0,0、θ^(r) 0,NH、θ^(r) 0,u,bおよびθ^(r) 0,B、も導出することができる。なお、本実施の形態１では、代表系列水質変動モデルにて扱う変数が、アンモニア態窒素濃度および溶存酸素濃度の２変数のみである場合について説明したものであるが、変数が増加した場合であっても、前述の手法を自然に拡張することで同様に代表系列水質変動モデル内のパラメータの初期推定値を導出することができる。また代表系列水質変動モデルが数式（２）のような線形モデルではなく、数式（１）のような非線形モデルの場合であっても、ガウス・ニュートン法を始めとした非線形最小二乗法により、パラメータの初期推定値を導出することが可能である。そのため代表系列水質変動モデルの内容に依らず、データ保管部３０１に保管されているデータを用いて、一般性を損なうことなく代表系列水質変動モデルに含まれるパラメータの初期推定値を導出することができる。
　次に従属系列水質変動モデル導出部３０３の動作について説明する。従属系列水質変動モデル導出部３０３においては、各従属系列水質変動モデルを導出する。前述の通り今回の例においては、従属系列である系列２における、溶存酸素濃度およびアンモニア態窒素濃度の数理モデルが導出される。各従属系列水質変動モデルを導出するにあたり、系列間の差異を考えると、それぞれの系列は同じ水処理システムを構成する系列であるため、各系列には同じ水質の下水が流入し、また水温などといった下水の処理環境も系列間ではほぼ同じであるとみなすことができる。そのため系列間において、機器やセンサごとの個体差は生ずるものの、ある系列を基準とした場合、その基準となる系列と他系列との差異は小さいと考えることができる。本実施の形態１においては、この基準となる系列を代表系列であるとし、各従属系列における水質変動は、代表系列における水質変動と似た変動を示すと考え、代表系列水質変動モデル内のパラメータに対し、十分に小さいパラメータ補正量を加算することによって、各従属系列水質変動モデルが導出できると考える。
　代表系列水質変動モデルが数式（３）および数式（４）である場合を例に、従属系列水質変動モデル導出部３０３が従属系列である系列２の水質変動モデルを導出する処理について説明する。前述の通り、代表系列水質変動モデル内に含まれるパラメータθ(r) NH,NH、θ(r) NH,0、θ(r) NH,u,b、θ(r) NH,B、θ(r) 0,0、θ(r) 0,NH、θ(r) 0,u,bおよびθ(r) 0,Bに対するパラメータ補正量を用いて従属系列水質変動モデルを導出する。ここで系列２における、時刻ｔにおけるアンモニア態窒素濃度をx(s,2) NH(t)、溶存酸素濃度をx(s,2) 0(t)、曝気量をu(s,2) 0(t)とし、また代表系列水質変動モデル内のそれぞれのパラメータに対するパラメータ補正量を、Δθ(s,2) NH,NH、Δθ(s,2) NH,0、Δθ(s,2) NH,u,b、Δθ(s,2) NH,B、Δθ(s,2) 0,0、Δθ(s,2) 0,NH、Δθ(s,2) 0,u,bおよびΔθ(s,2) 0,Bとした場合、系列２の従属系列水質変動モデルは次のように表すことができる。
Figure JPOXMLDOC01-appb-M000011
Figure JPOXMLDOC01-appb-M000012
　従属系列水質変動モデル導出部においては、従属系列水質変動モデルに含まれるパラメータ補正量の初期推定値を導出する。今回の例においては、数式（９）および数式（１０）で示した従属系列水質変動モデル内のパラメータ補正量Δθ(s,2) NH,NH、Δθ(s,2) NH,0、Δθ(s,2) NH,u,b、Δθ(s,2) NH,B、Δθ(s,2) 0,0、Δθ(s,2) 0,NH、Δθ(s,2) 0,u,bおよびΔθ(s,2) 0,Bの初期推定値Δθ^(s,2) NH,NH、Δθ^(s,2) NH,0、Δθ^(s,2) NH,u,b、Δθ^(s,2) NH,B、Δθ^(s,2) 0,0、Δθ^(s,2) 0,NH、Δθ^(s,2) 0,u,bおよびΔθ^(s,2) 0,Bを導出する。しかしながら代表系列とは異なり、これらパラメータ補正量の初期推定値を一意に定めるためのデータは存在しない。そのためこれら初期推定値は全て０とおき、推定部３０４にて、それぞれの従属系列における、代表系列にて計測可能な水質項目を推定すると同時に、これらパラメータ補正量の推定値を更新し、真値へ近づける処理を行う。
　次に推定部３０４の動作について説明する。前述の通り、推定部３０４は、各従属系列における、代表系列にて計測可能な水質項目を推定すると同時に、代表系列水質変動モデルにおけるパラメータおよび各従属系列水質変動モデルに含まれるパラメータ補正量を推定する。本実施の形態１では、従属系列である系列２のアンモニア態窒素濃度と、各種モデル内のパラメータおよびパラメータ補正量を推定する。
　本実施の形態１において、本実施の形態１では粒子フィルタによってこの推定処理を行う。粒子フィルタとは、粒子と呼ばれる仮想的な状態変数を多数想定し、これら粒子を用い、推定したい状態変数の確率分布を近似することにより推定を行うアルゴリズムである。粒子フィルタによる推定においては、まず推定するシステムの状態方程式および観測方程式を定義する必要がある。状態方程式に関して、本システムにおいては代表系列および各従属系列にて計測対象となる水質項目およびそれらの水質変動を表現するために必要な各種パラメータおよびパラメータ補正量がシステムの状態方程式を構成する。また観測方程式に関して、本システムにおいては代表系列および各従属系列にて計測可能な水質項目がシステムの観測方程式を構成する。
　本実施の形態１においては、状態方程式を構成する変数およびパラメータは、代表系列である系列１および従属系列である系列２における、それぞれのアンモニア態窒素濃度と溶存酸素濃度、そしてこれらを表現するために必要なパラメータθ(r) NH,NH、θ(r) NH,0、θ(r) NH,u,b、θ(r) NH,B、θ(r) 0,0、θ(r) 0,NH、θ(r) 0,u,b、θ(r) 0,Bと、パラメータ補正量Δθ(s,2) NH,NH、Δθ(s,2) NH,0、Δθ(s,2) NH,u,b、Δθ(s,2) NH,B、Δθ(s,2) 0,0、Δθ(s,2) 0,NH、Δθ(s,2) 0,u,bおよびΔθ(s,2) 0,Bである。また観測方程式を構成する変数は、センサ１０８およびセンサ１０９によって計測可能な、系列１の溶存酸素濃度およびアンモニア態窒素濃度、そしてセンサ２０８によって計測可能な、系列２の溶存酸素濃度である。これら状態方程式および観測方程式は、前述した代表系列水質変動モデルおよび従属系列水質変動モデルを用いると、次のように表現できる。
Figure JPOXMLDOC01-appb-M000013
Figure JPOXMLDOC01-appb-M000014
　数式（１１）は状態方程式を表現したものであり、数式（１２）は水処理システムの観測方程式を表現したものである。数式（１１）において、x(t)は時刻ｔにおける代表系列および各従属系列にて計測対象となる水質項目およびそれらの水質変動を表現するために必要な各種パラメータおよびパラメータ補正量により構成されたベクトルであり、下記のベクトルにより構成される。
Figure JPOXMLDOC01-appb-M000015
Figure JPOXMLDOC01-appb-M000016
Figure JPOXMLDOC01-appb-M000017
Figure JPOXMLDOC01-appb-M000018
Figure JPOXMLDOC01-appb-M000019
　また数式（１１）におけるベクトルu(t)は、システムに対する制御指令値により構成されたベクトルである。本実施の形態１においては、制御指令値は、系列１の水質制御部１０７および系列２の水質制御部２０７が出力するブロワ１０６またはブロワ２０６に対する曝気量指令値であるため、ベクトルu(t)は次のように表すことができる。
Figure JPOXMLDOC01-appb-M000020
　また数式（１１）におけるf(x(t),u(t))は、左辺x(t+1)を構成するそれぞれの要素に対応するベクトル関数であり、今回の例においては、下記のように構成される。
Figure JPOXMLDOC01-appb-M000021
　数式（１９）を構成するベクトル関数ｆ(x(r))(x(t),u(t))は代表系列水質変動モデルに対応しており、第１次元は数式（３）の右辺、また第２次元は数式（４）の右辺に等しい。ベクトル関数ｆ(x(s,2))(x(t),u(t))は系列２の従属系列水質変動モデルに対応しており、第一次元は数式（９）の右辺、また第２次元は数式（１０）の右辺に等しい。ベクトル関数ｆ(θ(r))(x(t),u(t))は代表系列水質変動モデルに含まれるパラメータに対応し、ベクトル関数ｆ(Δθ(s,2))(x(t),u(t))は系列２の従属系列水質変動モデルに含まれるパラメータ補正量に対応している。これらの値は定数であるため、それぞれのベクトル関数は次のように表すことができる。
Figure JPOXMLDOC01-appb-M000022
Figure JPOXMLDOC01-appb-M000023
　また数式（１１）に含まれるベクトルｗx(t)は、時刻ｔにおいてシステムの状態へ加わるシステムノイズである。今回の例においては、ｗx(t)の各要素は全て平均０の正規分布であると仮定し、各要素の正規分布の分散は、システム利用者が任意の値を設定することができる。
　数式（１２）のベクトルy(t)は観測値ベクトルを示し、時刻ｔにおいて計測可能な要素で構成されたベクトルである。またベクトル関数h(x(t))は、状態x(t)から得られる観測ベクトルy(t)についての数理モデルを示したベクトル関数である。今回の例においては、状態x(t)より系列１のアンモニア態窒素濃度および溶存酸素濃度、そして系列２の溶存酸素濃度が計測可能であるため、観測ベクトルy(t)およびベクトル関数h(x(t))は次のように表すことができる。
Figure JPOXMLDOC01-appb-M000024
Figure JPOXMLDOC01-appb-M000025
Figure JPOXMLDOC01-appb-M000026
Figure JPOXMLDOC01-appb-M000027
　また数式（１２）に含まれるベクトルｗy(t)は、時刻ｔにおいて観測値へ加わる観測ノイズである。今回の例においては、ｗy(t)の各要素は全て平均０の正規分布であると仮定し、各要素の正規分布の分散は、システム利用者が任意の値を設定することができる。
　数式（１１）に示した状態方程式および数式（１２）に示した観測方程式を基に、粒子フィルタは各時刻において、システムの状態の推定を行う。まず粒子フィルタによる推定処理を行う前に、粒子の状態を定義し、そして初期化する必要がある。想定する粒子の個数をNpとし、時刻ｔにおける粒子i（１≦i≦Np）の状態をベクトルx(i)(t)とする。粒子フィルタにおいては、各粒子はシステムの状態ベクトルx(t)のサンプルとして扱うため、各粒子の状態ベクトルx(i)(t)は、システムの状態ベクトルx(t)と同じ要素を持つ。また数式（１１）および数式（１２）に示した、システムと同じ状態方程式および観測方程式に従って状態遷移および観測を行えるものとするため、下記の式が成り立つ。下記の式において、粒子iの状態ベクトルx(i)(t)、観測ベクトルy(i)(t)、またシステムノイズｗx (i)(t)、観測ノイズｗy (i)(t)は前述した実際のシステムと同じ構成を取るため、説明は割愛する。
Figure JPOXMLDOC01-appb-M000028
Figure JPOXMLDOC01-appb-M000029
　各粒子の初期状態については、それぞれの計測値または初期推定値を平均とした正規分布からサンプルをとることで決定する。すなわち本実施の形態１においては、計測値x(r) NH（0）、x(r) 0（0）、x(s,2) 0（0）および初期推定値θ^(r) 0,0（0）、θ^(r) 0,NH（0）、θ^(r) 0,u,b（0）、θ^(r) 0,B（0）、θ^(r) NH,NH（0）、θ^(r) NH,0（0）、θ^(r) NH,u,b（0）、θ^(r) NH,B（0）、θ^(r) 0,0（0）、θ^(r) 0,NH（0）、θ^(r) 0,u,b（0）、θ^(r) 0,B（0）を平均とした正規分布を生成し、それら正規分布から得られるサンプリング値を各粒子の初期状態に定める。ただしこれら正規分布の分散については、システム利用者が任意の値を設定でき、また計測値および初期推定値が得られないx(s,2) NH（0）の平均および分散についても、システム利用者が任意の値を設定できる。
　粒子フィルタにおける推定処理の第一のステップは、各粒子の状態を状態方程式に従って遷移させることである。遷移については、各粒子の状態x(i)(t)およびシステムに加えられた入力u(t)、そして各粒子に対するシステムノイズｗ(i) x(t)をサンプリングにより生成し、数式（２６）に基づき遷移された粒子の状態ｘ(i)(t+1)を計算する。
　推定処理の第二のステップは、遷移された粒子の状態ｘ(i)(t+1)におけるそれぞれの粒子における観測ベクトルy(i)(t+1)を予測することである。観測ベクトルの予測については、遷移された粒子の状態ｘ(i)(t+1)および各粒子に対する観測ノイズｗ(i) ｙ(t)をサンプリングにより生成し、数式（２４）に基づき観測ベクトルの予測値y(i)(t+1)を計算する。
　推定処理の第三のステップは、実際の観測値y(t+1)が得られた後に行われる処理であり、各粒子の観測予測値y(i)(t+1)と実際の観測値y(t+1)に基づき、各粒子の尤もらしさを表す尤度を計算する。尤度について、今回の例では尤度関数に正規分布を採用し、時刻t+1における粒子iの尤度ｌ(i)(t+1)は次のように計算される。
Figure JPOXMLDOC01-appb-M000030
　数式（２８）におけるσは、尤度関数の分散を示すパラメータであり、システム利用者が任意の値を設定する。また関数｜y(i)(t+1)－y(t+1)｜は、ベクトルy(i)(t+1)－y(t+1)のユークリッドノルムを返す関数であり、今回の例においては、次のように計算される。
Figure JPOXMLDOC01-appb-M000031
　推定処理の第四のステップは、計算された尤度を正規化し、正規化された尤度によりそれぞれの粒子の状態の重みづけを行い、その平均値を求める。この計算によって得られたベクトルが、時刻t+1におけるシステムx(t+1)の推定値x^(t+1)となる。この計算は、次のように表される。
Figure JPOXMLDOC01-appb-M000032
　推定処理の第五のステップは、粒子のリサンプリングを行うことである。粒子フィルタは、多数のサンプル（粒子）により、推定したい状態ベクトルの確率分布を近似することにより推定を行うアルゴリズムであり、粒子の個数が多い程所望の確率分布を精度よく近似することが可能である。しかしながら前述の第一から第四のステップを繰り返すと、少数の粒子の尤度のみが高くなる退化が発生する。退化が発生すると、目的の確率分布を近似に少数の粒子のみ使用される状態となってしまい、近似精度が極端に悪化する。リサンプリングはこの退化を防ぐため、各粒子の尤度がそれぞれ1/Npに近しくなるよう、粒子を再生成する処理である。この処理においては、各粒子の尤度に基づき、新たにNp個の粒子を復元抽出することにより、粒子の再生成を行う。
　以上、第一のステップから第五のステップを逐次的に実行することで、各時刻におけるシステムの推定値、すなわち各従属系列における推定対象となった水質項目、代表系列水質変動モデルに含まれるパラメータ、そして各従属系列水質変動モデルに含まれる補正パラメータを推定することが可能となる。本実施の形態１では、系列数が２であり、かつ代表系列にはアンモニア態窒素濃度計および溶存酸素濃度計が設置され、従属系列には溶存酸素濃度計のみが設置されており、また制御入力は各系列の曝気量指令値のみである状況を例に挙げ、システムの推定方法を説明したが、この推定手法は系列数や計測する水質項目の種類、また制御入力の内容に関わらず、実現可能な手法である。また本実施の形態１では単純な線形モデルを例に処理内容を説明したが、ＡＳＭ１のような複雑な非線形モデルであっても、一般性を損なわずに実現可能である。また推定アルゴリズムとしては粒子フィルタを採用したが、拡張カルマンフィルタといった、他の状態推定アルゴリズムも適用可能であり、本開示はこれらの要素によって制限されるものではない。
　推定値を用いた水質制御アルゴリズムとしては、１種類の推定値を用いたＰＩＤ（Ｐｒｏｐｏｒｔｉｏｎａｌ－Ｉｎｔｅｇｒａｌ－Ｄｉｆｆｅｒｅｎｔｉａｌ）制御および２種類の推定値を用いた２自由度ＰＩＤ制御といった古典制御によって行ってもよいし、複数の推定値および導出された水質変動モデルを用いた最適制御といった現代制御に基づく手法によって行ってもよい。また、上記制御を行う際、推定値に加え実測値を併用してもよい。
実施の形態２．
　図２は、実施の形態２にかかる水処理システムの概略構成を示す図である。上記実施の形態１では、水処理システムを構成する系列のうち、二種類以上の水質項目を計測可能な系列を代表系列と定め、また代表系列以外の系列であって、代表系列にて計測される水質項目のうち少なくとも一種類以上の水質項目を取得可能な系列を従属系列と定め、代表系列に対するそれぞれの従属系列の差異を、少数かつ微小な補正パラメータにより表現することにより、代表系列の計測対象であって、それぞれの従属系列の計測対象でない水質項目を推定する手法について述べた。
　一方、本実施の形態２では、図２に示すように、系列間の差異ではなく、ある系列に含まれる反応槽について同様の推定手法を適用している。すなわち、同じ系列に含まれる反応槽のうち、二種類以上の水質項目を計測可能な反応槽を代表反応槽と定め、また代表反応槽以外の反応槽であって、代表反応槽にて計測される水質項目のうち少なくとも一種類以上の水質項目を取得可能な反応槽を従属反応槽と定め、代表反応槽に対するそれぞれの従属反応槽の差異を、少数かつ微小な補正パラメータにより表現することにより、代表反応槽の計測対象であって、それぞれの従属反応槽の計測対象でない水質項目も推定することが可能である。
　図２に示すように、本実施の形態２にかかる水処理システムは一つ以上の系列を備え、かつそのうちのある一つの系列は二つ以上の反応槽で構成された、本開示の水処理システムを示したものである。本実施の形態２では説明を簡単にするため、系列数が一つであり、かつその系列に五つの反応槽を備える水処理システムを例に挙げ、説明する。
　系列１は、嫌気槽４０２、無酸素槽４０３、好気槽４０４、好気槽４０５および沈殿槽４０６を備える系列であり、ポンプ４０１によって外部から系列１へ被処理水である下水が流入し、その後嫌気槽４０２、無酸素槽４０３、好気槽４０４、好気槽４０５および沈殿槽４０６を通じて流入下水は処理され、放流される。また系列１には、系列１内の被処理水の水質を制御する水質制御部４０９が設置されている。本実施の形態２においては、水質制御部４０９はブロワ４０７およびブロワ４０８に接続されており、またブロワ４０７は好気槽４０４を曝気し、ブロワ４０８は好気槽４０５を曝気する。この水質制御部４０９はブロワ４０７およびブロワ４０８へ曝気量指令値を送信することで、好気槽４０４および好気槽４０５内の被処理水に対して曝気を行い、アンモニア態窒素などといった水質汚濁物質を除去している。加えて好気槽４０４には、好気槽４０４内に含まれる被処理水の水質項目を計測するためのセンサが設置されている。本実施の形態２では、好気槽４０４には２台のセンサが設置されており、被処理水中に溶け込んだ酸素濃度を計測する溶存酸素濃度計（センサ４１０）および被処理水中に含まれるアンモニア態窒素濃度を計測するアンモニア態窒素濃度（センサ４１１）が設置されている。また好気槽４０５には、好気槽４０５内に含まれる被処理水の水質項目を計測するためのセンサが設置されている。好気槽４０４とは異なり、本実施の形態２では好気槽４０５には１台のセンサが設置されており、被処理水中に溶け込んだ酸素濃度を計測する溶存酸素濃度計（センサ４１３）が設置されている。
　本実施の形態２においては、系列内の各反応槽内の被処理水に含まれる、２種類以上の水質項目を計測可能な反応槽を、全反応槽を代表する反応槽として扱い、代表反応槽と呼称する。また代表反応槽にて計測可能な水質項目のうち、それぞれの反応槽内の被処理水にふくまれる水質項目のうち、少なくとも１種類以上の水質項目を計測可能な反応槽を、代表反応槽に対して従属する反応槽として扱い、従属反応槽と呼称する。代表反応槽で計測可能な水質項目のうち少なくとも１つ以上は従属反応槽にて取得可能な水質項目とは異なる水質項目である。本実施の形態２においては、好気槽４０４には溶存酸素濃度計（センサ４１０）およびアンモニア態窒素濃度計（センサ４１１）が設置されているため、好気槽４０４は代表反応槽として扱われ、また好気槽４０５には溶存酸素濃度計（センサ４１３）のみが設置されているため、好気槽４０５は従属反応槽として扱われる。
　代表反応槽には、代表反応槽にて計測可能な水質項目を取得する代表反応槽水質データ取得部４１２が備えられており、また各従属反応槽において、計測可能な水質項目を取得する、従属反応槽水質データ取得部４１４が備えられている。代表反応槽水質データ取得部４１２および従属反応槽水質データ取得部４１４にて収集された水質データは、データ保管部５０１に送信され、保存される。またデータ保管部は代表反応槽および各従属反応槽の水質データのみならず、それぞれの反応槽にて被処理水に施された制御内容を示した制御データも保管する。この制御データは、各反応槽に対する制御内容を送信する水質制御部４０９がデータ保管部へ送信することで保管される。今回の例では、水質制御部はブロワ４０７およびブロワ４０８を制御するため、それぞれのブロワに対して送信した曝気量指令値がデータ保管部にも送信され、保管される。これに加えデータ保管部は、後述する代表反応槽水質変動モデルに含まれるパラメータおよび各従属反応槽水質変動モデルに含まれるパラメータ補正量及び各従属反応槽の水質推定値についてのデータも保管する。
　代表反応槽水質変動モデル導出部５０２は、データ保管部にて保管された各種データに基づき、代表反応槽における、代表反応槽にて取得可能な水質項目の変動を示す数理モデルである、代表反応槽水質変動モデルを導出する。今回の例では、代表反応槽にて取得可能な水質項目は、センサ４１０によって得られる溶存酸素濃度およびセンサ４１１によって得られるアンモニア態窒素濃度であるため、代表反応槽水質変動モデル導出部では、代表反応槽における、この２種類の水質項目の変動を示した数理モデルを導出する。
　従属反応槽水質モデル導出部５０２は、代表反応槽水質変動モデルおよびデータ保管部にて保管された各種データに基づき、各従属反応槽における、代表反応槽にて取得可能な水質項目の変動を示す数理モデルである、従属反応槽水質変動モデルを導出する。代表反応槽は１つのみ存在しないことに対し、従属反応槽は複数存在し得るため、導出される従属反応槽水質反応モデルは必ずしも１つとは限らない。今回の例では、代表反応槽にて取得可能な水質項目は前述の通り、溶存酸素濃度およびアンモニア態窒素濃度の２種類であり、また従属反応槽は好気槽４０５のみであるため、従属反応槽水質モデル導出部では、好気槽４０５における、この２種類の水質項目の変動を示した数理モデルを導出する。
　推定部５０４は、代表反応槽水質変動モデルおよび各従属反応槽水質変動モデルおよびデータ保管部にて保管された各種データに基づき、代表反応槽水質変動モデルに含まれるパラメータの推定、各従属反応槽における、代表反応槽にて取得可能な水質項目の推定および各従属反応槽水質変動モデルに含まれるパラメータ補正量の推定を行い、推定結果はデータ保管部にて保管される。
　出力部５０５は、データ保管部にて保管される、推定部にて推定された各種推定結果を出力する。出力手段については、ディスプレイにより映像として出力する、またプリンタによって紙面へ出力する、またはネットワークを通じて他装置へ出力するなど、その手段はいずれであっても構わない。
　次に動作について説明する。水質処理システムは処理部５００を備える。処理部５００は、代表系列水質変動モデル導出部５０２、従属系列水質変動モデル導出部５０３、および推定部５０４を備える。代表反応槽水質変動モデル導出部５０２においては、代表反応槽水質変動モデルを導出する。前述の通り今回の例においては、代表反応槽である好気槽４０４における、溶存酸素濃度およびアンモニア態窒素濃度の数理モデルが導出される。この数理モデルについては、実施の形態１と同様、数式（１）により示されるＡＳＭ１や、数式（２）で示される線形モデルなど、いずれの数理モデルであっても構わない。今回の例においては、代表反応槽における時刻ｔのアンモニア態窒素濃度をx(r) NH(t)、溶存酸素濃度をx0 (r) NH(t)、曝気量をu(r) NH(t)とおくと、代表反応槽水質変動モデルは数式（３）および数式（４）と同じになる。
　代表反応槽水質変動モデル導出部５０２においては、代表反応槽水質変動モデル内のパラメータの初期推定値を、データ保管部に保管されたデータを用いて導出する。今回の例においては、今回の例においては、数式（３）および数式（４）と同一である代表反応槽水質変動モデル内のパラメータθ(r) NH,NH、θ(r) NH,0、θ(r) NH,u,b、θ(r) NH,B、θ(r) 0,0、θ(r) 0,NH、θ(r) 0,u,bおよびθ(r) 0,Bの初期推定値θ^(r) NH,NH、θ^(r) NH,0、θ^(r) NH,u,b、θ^(r) NH,B、θ^(r) 0,0、θ^(r) 0,NH、θ^(r) 0,u,bおよびθ^(r) 0,Bを導出する。なお導出方法については、数式（３）および数式（４）のような線形モデルを採用するのであれば、実施の形態１にて示したように、最小二乗法によって導出可能であり、またＡＳＭ１のような非線形モデルを採用するのであれば、ガウス・ニュートン法を始めとした非線形最小二乗法によりパラメータの初期推定値を導出することが可能である。そのため代表反応槽水質変動モデルの内容に依らず、データ保管部５０１に保管されているデータを用いて、一般性を損なうことなく代表反応槽水質変動モデルに含まれるパラメータの初期推定値を導出することができる。
　次に従属反応槽水質モデル導出部５０３の動作について説明する。従属反応槽水質変動モデル導出部５０３においては、各従属反応槽水質変動モデルを導出する。前述の通り本実施の形態２においては、従属反応槽である反応槽３０５における、溶存酸素濃度およびアンモニア態窒素濃度の数理モデルが導出される。各従属反応槽水質変動モデルを導出するにあたり、反応槽間の差異を考えると、実施の形態１と同様の議論により、機器やセンサごとの個体差は生じえるものの、ある反応槽を基準とした場合、その基準となる反応槽と他反応槽の差異は小さいと考えることができる。本実施の形態においては、この基準となる反応槽を代表反応槽であるとし、各従属反応槽における水質変動は、代表反応槽における水質変動と似た変動を示すと考え、代表反応槽水質変動モデル内のパラメータに対し、十分に小さいパラメータ補正量を加算することによって、各従属反応槽水質変動モデルが導出できると考える。
　代表反応槽水質変動モデルが数式（３）および数式（４）と同一である場合を例に、従属反応槽水質変動モデル導出部が従属反応槽である反応槽４０５の水質変動モデルを導出する処理について説明する。前述の通り、代表反応槽水質変動モデルに含まれるパラメータθ(r) NH,NH、θ(r) NH,O、θ(r) NH,u,b、θ(r) NH,B、θ(r) O,O、θ(r) O,NH、θ(r) O,u,bおよびθ(r) O,Bに対するパラメータ補正量を用いて従属反応槽水質変動モデルを導出する。ここで反応槽４０５における、時刻ｔのアンモニア態窒素濃度をx(s,405) NH(t)、溶存酸素濃度をx(s,405) O(t)、曝気量をu(s,405) O(t)とし、また代表系列水質変動モデル内のそれぞれのパラメータに対するパラメータ補正量をΔθ(s,405) NH,NH、Δθ(s,405) NH,O、Δθ(s,405) NH,u,b、Δθ(s,405) NH,B、Δθ(s,405) O,O、Δθ(s,405) O,NH、Δθ(s,405) O,u,bおよびΔθ(s,405) O,Bとした場合、反応槽４０５の従属系列水質変動モデルは数式（９）および数式（１０）と同一の形式で表現することができる。
　従属反応槽水質変動モデル導出部５０３においては、従属反応槽水質変動モデルに含まれるパラメータ補正量の初期推定値を導出する。今回の例においてはΔθ(s,405) NH,NH、Δθ(s,405) NH,O、Δθ(s,405) NH,u,b、Δθ(s,405) NH,B、Δθ(s,405) O,O、Δθ(s,405) O,NH、Δθ(s,405) O,u,bおよびΔθ(s,405) O,Bの初期推定値Δθ^(s,405) NH,NH、Δθ^(s,405) NH,O、Δθ^(s,405) NH,u,b、Δθ^(s,405) NH,B、Δθ^(s,405) O,O、Δθ^(s,405) O,NH、Δθ^(s,405) O,u,bおよびΔθ^(s,405) O,Bを導出する。しかしながら代表反応槽とは異なり、これらパラメータ補正量の初期推定値を一意に定めるためのデータは存在しない。そのためこれら初期推定値は全て０とおき、推定部５０４にて、それぞれの従属反応槽における、代表反応槽にて計測可能な水質項目を推定すると同時に、これらパラメータ補正量の推定値を更新し、真値へ近づける処理を行う。
　次に推定部５０４の動作について説明する。前述の通り、推定部５０４は各従属反応槽における、代表反応槽にて計測可能な水質項目を推定すると同時に、代表反応槽水質変動モデルにおけるパラメータおよび各従属系列水質変動モデルに含まれるパラメータ補正量を推定する。本実施の形態２では、従属反応槽である反応槽４０５のアンモニア態窒素と、各種モデル内のパラメータおよびパラメータ補正量を推定する。
　本実施の形態２では粒子フィルタによってこの推定処理を行う。実施の形態１と同様、粒子フィルタによる推定においては、推定するシステムの状態方程式および観測方程式を定義する必要がある。状態方程式に関して、本システムにおいては代表反応槽および各従属反応槽にて計測対象となる水質項目およびそれらの水質変動を表現するために必要な各種パラメータおよびパラメータ補正量がシステムの状態方程式を構成する。また観測方程式に関して、本システムにおいては代表反応槽および各従属反応槽にて計測可能な水質項目がシステムの観測方程式を構成する。
　本実施の形態２においては、状態方程式を構成する変数およびパラメータは、代表反応槽である反応槽４０４および従属反応槽である反応槽４０５における、それぞれのアンモニア態窒素濃度と溶存酸素濃度、そしてこれらを表現するために必要なパラメータθ(r) NH,NH、θ(r) NH,O、θ(r) NH,u,b、θ(r) NH,B、θ(r) O,O、θ(r) O,NH、θ(r) O,u,b、θ(r) O,Bと、パラメータ補正量Δθ(s,405) NH,NH、Δθ(s,405) NH,O、Δθ(s,405) NH,u,b、Δθ(s,405) NH,B、Δθ(s,405) O,O、Δθ(s,405) O,NH、Δθ(s,405) O,u,bおよびΔθ(s,405) O,Bであり、また観測方程式を構成する変数は、センサ４１０およびセンサ４１１によって計測可能な、反応槽４０４の溶存酸素濃度およびアンモニア態窒素濃度、そしてセンサ４１３によって計測可能な、反応槽４０５の溶存酸素濃度である。これら状態方程式および観測方程式は、前述した代表反応槽水質変動モデルおよび従属反応槽水質変動モデルを用いると、次のように表現できる。
Figure JPOXMLDOC01-appb-M000033
Figure JPOXMLDOC01-appb-M000034
　数式（３１）は状態方程式を表現し、数式（３２）は本システムの観測方程式を表現したものである。数式（３１）において、x(t)は時刻ｔにおける代表反応槽および各従属反応槽にて計測対象となる水質項目およびそれらの水質変動を表現するために必要な各種パラメータおよびパラメータ補正量により構成されたベクトルであり、下記のベクトルにより構成される。
Figure JPOXMLDOC01-appb-M000035
Figure JPOXMLDOC01-appb-M000036
Figure JPOXMLDOC01-appb-M000037
Figure JPOXMLDOC01-appb-M000038
Figure JPOXMLDOC01-appb-M000039
　また数式（３１）におけるベクトルu(t)は、システムに対する制御指令値により構成されたベクトルである。本実施の形態２においては、制御指令値は水質制御部４０９が出力する、ブロワ４０７またはブロワ４０８に対する曝気量指令値であるため、ベクトルu(t)は次のように表すことができる。
Figure JPOXMLDOC01-appb-M000040
　また数式（３１）におけるｆ(x(t),u(t))は、左辺x(t+1)を構成するそれぞれの要素に対応するベクトル関数であり、本実施の形態２においては、下記のように構成される。
Figure JPOXMLDOC01-appb-M000041
　数式（３９）を構成するベクトル関数f(x(t),u(t))は代表反応槽水質変動モデルに対応しており、ベクトル関数f(x(s,405))(x(t),u(t))は反応槽４０５の従属系列水質変動モデルに対応している。関数の内容については、実施の形態１と同様であるため割愛する。ベクトル関数ｆ(θ(r))(x(t),u(t))は代表系列水質変動モデルに含まれるパラメータに対応し、またベクトル関数ｆ(Δθ(s,405))(x(t),u(t))は反応槽４０５の従属系列水質変動モデルに含まれるパラメータ補正量に対応している。これらの値は定数であるため、それぞれのベクトル関数は次のように表すことができる。
Figure JPOXMLDOC01-appb-M000042
Figure JPOXMLDOC01-appb-M000043
　また数式（３１）に含まれるベクトルｗx(t)は、時刻ｔにおいてシステムの状態へ加わるシステムノイズである。今回の例においては、ｗx(t)の各要素は全て平均０の正規分布であると仮定し、各要素の正規分布の分散は、システム利用者が任意の値を設定することができる。
　数式（３２）のベクトルy(t)は観測値ベクトルを示し、時刻ｔおいて計測可能な要素で構成されたベクトルである。またベクトル関数h(x(t))は、状態x(t)から得られる観測ベクトルy(t)についての数理モデルを示したベクトル関数である。今回の例においては、状態x(t)より反応槽４０４のアンモニア態窒素濃度および溶存酸素濃度、そして反応槽４０５の溶存酸素濃度が計測可能であるため、観測ベクトルy(t)およびベクトル関数h(x(t))は次のように表すことができる。
Figure JPOXMLDOC01-appb-M000044
Figure JPOXMLDOC01-appb-M000045
Figure JPOXMLDOC01-appb-M000046
Figure JPOXMLDOC01-appb-M000047
　また数式（３２）に含まれるベクトルｗy(t)は、時刻ｔにおいて観測値へ加わる観測ノイズである。今回の例においては、ｗy(t)の各要素は全て平均０の正規分布であると仮定し、各要素の正規分布の分散は、システム利用者が任意の値を設定することができる。
　以上、実施の形態２においては、状態方程式を数式（３１）として定義し、観測方程式を数式（３２）と定義する。この数式（３１）および数式（３２）は実施の形態１の数式（１１）と数式（１２）と同じ数式であるため、実施の形態１と同様の手法により、状態ベクトルx(t)に含まれる、反応槽４０５のアンモニア態窒素濃度、代表反応槽水質変動モデルに含まれるパラメータ、各従属反応槽水質変動モデルに含まれるパラメータ補正量を、逐次推定することが可能となる。今回の例では、システムの対象となる反応槽の数が２であり、かつ代表反応槽にはアンモニア態窒素濃度および溶存酸素濃度が設置され、従属反応槽には溶存酸素濃度のみが設置されており、また制御入力は代表反応槽および従属反応槽の曝気量指令値のみである状況を挙げ、システムの推定手法を説明したが、この手法は反応槽の数、計測する水質項目の種類、または制御入力の内容がどのようなものであっても、実現可能な手法である。また本実施の形態２では単純な線形モデルを例に処理内容を説明したが、ＡＳＭ１のような複雑な非線形モデルであっても、一般性を損なわずに実現可能である。また推定アルゴリズムとしては粒子フィルタを採用したが、拡張カルマンフィルタといった、他の状態推定アルゴリズムも適用可能であり、本開示はこれらの要素によって制限されるものではない。
　推定値を用いた水質制御アルゴリズムとしては、１種類の推定値を用いたＰＩＤ（Ｐｒｏｐｏｒｔｉｏｎａｌ－Ｉｎｔｅｇｒａｌ－Ｄｉｆｆｅｒｅｎｔｉａｌ）制御および２種類の推定値を用いた２自由度ＰＩＤ制御といった古典制御によって行ってもよいし、複数の推定値および導出された水質変動モデルを用いた最適制御といった現代制御に基づく手法によって行ってもよい。また、上記制御を行う際、推定値に加え実測値を併用してもよい。
　図３は、実施の形態１および実施の形態２にかかるデータ保管部および処理部のハードウェア構成の一例を示す図である。データ保管部３０１，５０１および処理部３００，５００は、各種処理を実行するプロセッサ１１と、情報を記憶するメモリ１２と、を備える。プロセッサ１１およびメモリ１２は、バス１３によって互いに情報の送受信が可能である。
　データ保管部３０１はメモリ１２によって実現される。プロセッサ１１は、メモリ１２に記憶されたプログラムを読み出して実行することによって、代表系列水質変動モデル導出部３０２，５０２、従属系列水質変動モデル導出部３０３，５０３、および推定部３０４，５０４として機能する。
　プロセッサ１１は、例えば、処理回路の一例であり、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒ）、およびシステムＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ）のうち一つ以上を含む。
　メモリ１２は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、およびＥＥＰＲＯＭ（登録商標）（Ｅｌｅｃｔｒｉｃａｌｌｙ　Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）のうち一つ以上を含む。また、メモリ１２は、コンピュータが読み取り可能なプログラムが記録された記録媒体を含む。かかる記録媒体は、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルメモリ、光ディスク、コンパクトディスク、およびＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）のうち一つ以上を含む。なお、処理部１２，４３は、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）およびＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）などの集積回路を含んでいてもよい。
　なお、水質制御部１０７，２０７，４０９は、ブロワ１０６，２０６，４０６を制御するものに限られず、ポンプ１０１，２０１，４０１、バルブ（図示せず）、薬品添加装置（図示せず）のうち少なくとも一つの装置を制御して水質制御を行う装置であればよい。バルブは、例えば系列に流入する被処理水が通る配管に設けられて被処理水の流入量を調整するバルブである。薬品添加装置は、例えば被処理水を浄化するための薬品を被処理水中に投入する装置である。
　また、各水質データ取得部１１０，２０９，４１２，４１４に取得される水質項目には、溶存酸素濃度、アンモニア態窒素濃度、亜硝酸態窒素濃度、硝酸態窒素濃度、全窒素濃度、全リン濃度、ｐＨ（水素イオン濃度）、アルカリ度、水温、ＭＬＳＳ（Ｍｉｘｅｄ　Ｌｉｑｕｏｒ　Ｓｕｓｐｅｎｄｅｄ　Ｓｏｌｉｄｓ，活性汚泥浮遊物質）、ＯＲＰ（Ｏｘｉｄａｔｏｎ　ｒｅｄｕｃｔｉｏｎ　ｐｏｔｅｎｔｉａｌ，酸化還元電位）、濁度、色度、導電率、ＢＯＤ（Ｂｉｏｃｈｅｍｉｃａｌ　Ｏｘｙｇｅｎ　Ｄｅｍａｎｄ，生物化学的酸素要求量）、ＣＯＤ（Ｃｈｅｍｉｃａｌ　Ｏｘｙｇｅｎ　Ｄｅｍａｎｄ，化学的酸素要求量）の少なくとも１つが含まれていることが望ましい。
　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。
　１０１，２０１，４０１　ポンプ、１０２，２０２，４０２　嫌気槽、１０３，２０３，４０３　無酸素槽、１０４，２０４，４０４，４０５　好気槽、１０５，２０５　沈殿槽、１０６，２０６，４０６，４０７，４０８　ブロワ、１０７，２０７，４０９　水質制御部、１０８，１０９，２０８，４１０，４１１，４１３　センサ、１１０　代表系列水質データ取得部、２０９　従属系列水質データ取得部、３００，５００　処理部、３０１，５０１　データ保管部、３０２，５０２　代表系列水質変動モデル導出部、３０３，５０３　従属系列水質変動モデル導出部、３０４，５０４　推定部、３０５，５０５　出力部、４１２　代表反応槽水質データ取得部、４１４　従属反応槽水質データ取得部。

Claims (8)

  1. 　被処理水を浄化処理する代表系列と、
    　前記被処理水を浄化処理する従属系列と、
    　前記代表系列と前記従属系列とに設けられ、前記被処理水の水質を制御する水質制御部と、
    　前記従属系列に設けられ、前記被処理水から少なくとも一種類の水質項目を取得する従属系列水質データ取得部と、
    　前記代表系列に設けられ、前記従属系列水質データ取得部が取得する水質項目のうち少なくとも一種類の同じ種類の水質項目と、前記従属系列水質データ取得部が取得する水質項目と異なる少なくとも一種類の水質項目とを前記被処理水から取得する代表系列水質データ取得部と、
    　前記水質制御部が行った制御内容を示した制御データと、前記代表系列水質データ取得部が取得する代表系列水質データと、前記従属系列水質データ取得部が取得する従属系列水質データとを保管するデータ保管部と、
    　前記代表系列水質データに含まれる水質項目の変動を示す数理モデルである代表系列水質変動モデルを、前記データ保管部に保管されたデータに基づき導出する代表系列水質変動モデル導出部と、
    　前記代表系列水質データ取得部に取得される水質項目の前記従属系列における変動を示す数理モデルである従属系列水質変動モデルを、前記代表系列水質変動モデルおよび前記データ保管部に保管されたデータに基づき導出する従属系列水質変動モデル導出部と、
    　前記代表系列水質データに含まれる前記従属系列水質データ取得部が取得する水質項目と異なる水質項目を、前記代表系列水質変動モデル、前記従属系列水質変動モデル、および前記データ保管部に保管されたデータに基づき推定する推定部と、を備えることを特徴とする水処理システム。
  2. 　前記推定部にて推定された推定結果を出力する出力部をさらに備えることを特徴とする請求項１に記載の水処理システム。
  3. 　前記従属系列水質変動モデル導出部は、
    　前記代表系列水質変動モデルに含まれる各パラメータに対するパラメータ補正量を導出し、導出したパラメータ補正量と対応する前記代表系列水質変動モデルに含まれるパラメータを加算することで前記従属系列水質変動モデルを導出することを特徴とする請求項１または２に記載の水処理システム。
  4. 　被処理水を浄化処理する代表反応槽と、
    　前記被処理水を浄化処理する従属反応槽と、
    　前記代表反応槽と前記従属反応槽とに設けられ、前記被処理水の水質を制御する水質制御部と、
    　前記従属反応槽に設けられ、前記被処理水から少なくとも一種類の水質項目を取得する従属反応槽水質データ取得部と、前記代表反応槽に設けられ、前記従属反応槽水質データ取得部が取得する水質項目のうち少なくとも一種類の同じ種類の水質項目と、前記従属反応槽水質データ取得部が取得する水質項目と異なる少なくとも一種類の水質項目とを前記被処理水から取得する代表反応槽水質データ取得部と、
    　前記水質制御部が行った制御内容を示した制御データと、前記代表反応槽水質データ取得部が取得する代表反応槽水質データと、前記従属反応槽水質データ取得部が取得する従属反応槽水質データとを保管するデータ保管部と、
    　前記代表反応槽水質データに含まれる水質項目の変動を示す数理モデルである代表反応槽水質変動モデルを、前記データ保管部に保管されたデータに基づき導出する代表反応槽水質変動モデル導出部と、
    　前記代表反応槽水質データ取得部に取得される水質項目の前記従属反応槽における変動を示す数理モデルである従属反応槽水質変動モデルを、前記代表反応槽水質変動モデルおよび前記データ保管部に保管されたデータに基づき導出する従属反応槽水質変動モデル導出部と、
    　前記代表反応槽水質データに含まれる前記従属反応槽水質データ取得部が取得する水質項目と異なる水質項目を、前記代表反応槽水質変動モデル、前記従属反応槽水質変動モデル、および前記データ保管部に保管されたデータに基づき推定する推定部と、を備えることを特徴とする水処理システム。
  5. 　前記推定部にて推定された推定結果を出力する出力部をさらに備えることを特徴とする請求項４に記載の水処理システム。
  6. 　前記従属反応槽水質変動モデル導出部は、
    　前記代表反応槽水質変動モデルに含まれる各パラメータに対するパラメータ補正量を導出し、導出したパラメータ補正量と対応する前記代表反応槽水質変動モデルに含まれるパラメータを加算することで前記従属反応槽水質変動モデルを導出することを特徴とする請求項４または５に記載の水処理システム。
  7. 　前記水質制御部は、ブロワ、ポンプ、バルブ、薬品添加装置のうち少なくとも一つの装置を制御することを特徴とする請求項１から請求項６のいずれか１つに記載の水処理システム。
  8. 　前記水質項目には、溶存酸素濃度、アンモニア態窒素濃度、亜硝酸態窒素濃度、硝酸態窒素濃度、全窒素濃度、全リン濃度、水素イオン濃度、アルカリ度、水温、活性汚泥浮遊物質、酸化還元電位、濁度、色度、導電率、生物化学的酸素要求量、化学的酸素要求量の少なくとも１つが含まれていることを特徴とする請求項１から請求項６のいずれか１つに記載の水処理システム。
PCT/JP2022/017956 2022-04-15 2022-04-15 水処理システム WO2023199525A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2022/017956 WO2023199525A1 (ja) 2022-04-15 2022-04-15 水処理システム
TW111150170A TWI842299B (zh) 2022-04-15 2022-12-27 水處理系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/017956 WO2023199525A1 (ja) 2022-04-15 2022-04-15 水処理システム

Publications (1)

Publication Number Publication Date
WO2023199525A1 true WO2023199525A1 (ja) 2023-10-19

Family

ID=88329454

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/017956 WO2023199525A1 (ja) 2022-04-15 2022-04-15 水処理システム

Country Status (1)

Country Link
WO (1) WO2023199525A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229550A (ja) * 2006-02-27 2007-09-13 Toshiba Corp 下水処理場運転支援装置
JP2017064568A (ja) * 2015-09-28 2017-04-06 株式会社日立製作所 水処理システム
JP2019150795A (ja) * 2018-03-06 2019-09-12 Ｊｆｅエンジニアリング株式会社 下水処理設備における好気槽の曝気風量制御方法と設備
JP2021065867A (ja) * 2019-10-28 2021-04-30 株式会社神鋼環境ソリューション 下水処理システムおよび下水処理方法
WO2022029831A1 (ja) * 2020-08-03 2022-02-10 三菱電機株式会社 水質推定装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229550A (ja) * 2006-02-27 2007-09-13 Toshiba Corp 下水処理場運転支援装置
JP2017064568A (ja) * 2015-09-28 2017-04-06 株式会社日立製作所 水処理システム
JP2019150795A (ja) * 2018-03-06 2019-09-12 Ｊｆｅエンジニアリング株式会社 下水処理設備における好気槽の曝気風量制御方法と設備
JP2021065867A (ja) * 2019-10-28 2021-04-30 株式会社神鋼環境ソリューション 下水処理システムおよび下水処理方法
WO2022029831A1 (ja) * 2020-08-03 2022-02-10 三菱電機株式会社 水質推定装置

Also Published As

Publication number Publication date
TW202342376A (zh) 2023-11-01

Similar Documents

Publication Publication Date Title
Naessens et al. Critical review of membrane bioreactor models–Part 1: Biokinetic and filtration models
Spanjers et al. Respirometry in control of the activated sludge process
Guisasola et al. Respirometric estimation of the oxygen affinity constants for biological ammonium and nitrite oxidation
JP5143003B2 (ja) 脱窒プロセス及び脱窒装置
Jeppsson et al. Reduced order models for on-line parameter identification of the activated sludge process
Gabarrón et al. Optimization of full-scale membrane bioreactors for wastewater treatment through a model-based approach
Lafont et al. An adaptive high-gain observer for wastewater treatment systems
KR20050039546A (ko) 하수 처리 시스템
Jiang et al. Comparison of the modeling approach between membrane bioreactor and conventional activated sludge processes
WO2023199525A1 (ja) 水処理システム
JP2008194559A (ja) 凝集剤注入制御装置
Spanjers et al. Determining influent short-term biochemical oxygen demand by combined respirometry and estimation
Li et al. A simple respirogram-based approach for the management of effluent from an activated sludge system
JP6661060B2 (ja) 水処理制御システム
WO2016009650A1 (ja) 曝気風量演算装置及び水処理システム
Madyastha et al. Reduced order model monitoring and control of a membrane bioreactor system via delayed measurements
WO2022029831A1 (ja) 水質推定装置
JP2006084240A (ja) 廃水処理測定方法
JP2004188268A (ja) 水質監視制御装置及び下水処理システム
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
JP3460211B2 (ja) 下水処理制御装置
JP2022175196A (ja) 排水処理方法及び排水処理装置
Mhlanga et al. Simulation of a wastewater treatment plant receiving industrial effluents
CN117388457B (zh) 一种耦合水力停留时间提高污水厂出水预测精度的方法
JP4453287B2 (ja) 下水処理方法および下水処理制御システムと、下水処理場の改造方法

Legal Events

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

Ref document number: 22937502

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2024514787

Country of ref document: JP

Kind code of ref document: A