公布日：2023.06.13
申請日：2023.03.24
分類(lèi)號：C02F7/00(2006.01)I;C02F3/02(2023.01)I;G05B13/04(2006.01)I;C02F101/16(2006.01)N
摘要
本發(fā)明公開(kāi)了一種污水處理智能曝氣設置方法，涉及污水處理技術(shù)領(lǐng)域。通過(guò)積累污水處理系統相關(guān)參數，篩選與曝氣量相關(guān)的顯著(zhù)響應變量，利用數據擬合工具以曝氣量為輸出值，以響應變量為輸入值，形成曝氣量理論函數模型，系統進(jìn)入智能運行期后，利用實(shí)際出水氨氮與設置出水氨氮的差值修正理論函數模型得到的理論曝氣量，獲得實(shí)際曝氣量。間隔固定時(shí)間，構建實(shí)際曝氣量和理論曝氣量之間的損失函數，通過(guò)優(yōu)化算法矯正理論函數模型相關(guān)系數，使損失函數最小。本發(fā)明解決了傳統污水處理曝氣方法依靠特定響應參數及固定理論模型導致的工藝適應性差、控制不精確等缺點(diǎn)。通過(guò)自行選擇響應參數，自動(dòng)生成函數模型，實(shí)現曝氣的精細化與智能化。
權利要求書(shū)
1.一種污水處理智能曝氣設置方法，其特征在于，包括以下步驟：步驟1：原始數據積累；根據污水處理系統設定控制出水氨氮指標為Nc，按照污水處理系統實(shí)際運行情況，采集好氧池中的相關(guān)運行參數數據，形成參數序列；所述相關(guān)運行參數數據包括曝氣量、進(jìn)水水量、溶解氧量、進(jìn)水氨氮濃度、進(jìn)水懸浮物濃度、進(jìn)水TN濃度、進(jìn)水化學(xué)需氧量、出水化學(xué)需氧量、出水TN濃度、回流比、溫度和氣壓；步驟2：參數相關(guān)性確認；計算曝氣量與其它各個(gè)相關(guān)運行參數之間的皮爾遜相關(guān)系數、余弦相似度、歐式距離及Sperman秩相關(guān)系數，以皮爾遜相關(guān)系數、余弦相似度、歐式距離及Sperman秩相關(guān)系數的平均值作為曝氣量與各個(gè)相關(guān)運行參數之間的相關(guān)系數，根據相關(guān)系數的大小判斷各個(gè)相關(guān)運行參數對曝氣量影響的大��；步驟3：響應參數篩選；將對曝氣量影響大的相關(guān)運行參數保留作為響應參數，將對曝氣量影響小的相關(guān)運行參數刪除；步驟4：模型擬合；以好氧池中的曝氣量為輸出值，以保留的響應參數為輸入值，利用數據擬合工具擬合形成好氧池的理論曝氣量函數模型；步驟5：理論曝氣量獲��；污水處理系統進(jìn)入智能運行期，利用理論曝氣量函數模型自動(dòng)獲得好氧池的理論曝氣量QT；步驟6：理論曝氣量修正；測得好氧池實(shí)際的出水氨氮值為Ne，以控制出水氨氮指標Nc為基準進(jìn)行后饋補償，當|Ne-Nc|≤10％Nc時(shí)，不進(jìn)行后饋補償；當Ne-Nc>10％Nc時(shí)，則設置補償系數k為1.2；當Nc-Ne>10％Nc，設置補償系數k為0.9；輸出實(shí)際的曝氣量QA＝kQT；步驟7：模型矯正；每間隔30天，以本階段內積累的數據，構建QA-QT的損失函數，采用優(yōu)化算法矯正理論曝氣量函數模型的相關(guān)系數，使損失函數最小，重復步驟5到步驟7。
2.根據權利要求1所述的一種污水處理智能曝氣設置方法，其特征在于，步驟1具體包括：原始數據積累過(guò)程中，采集不小于30天的好氧池的相關(guān)運行參數數據，每次采集的相關(guān)運行參數數據為一組相關(guān)運行參數數據。
3.根據權利要求1所述的一種污水處理智能曝氣設置方法，其特征在于，步驟2具體包括：計算曝氣量與溶解氧量之間的皮爾遜相關(guān)系數、余弦相似度、歐式距離及Sperman秩相關(guān)系數，并以皮爾遜相關(guān)系數、余弦相似度、歐式距離及Sperman秩相關(guān)系數的平均值作為曝氣量與溶解氧量之間的相關(guān)系數，根據相關(guān)系數的大小判斷溶解氧量對曝氣量的影響的大��；以同樣的方法計算曝氣量與進(jìn)水水量、進(jìn)水氨氮濃度、進(jìn)水懸浮物濃度、進(jìn)水TN濃度、進(jìn)水化學(xué)需氧量、出水化學(xué)需氧量、出水TN濃度、回流比、溫度和氣壓之間的相關(guān)系數，并判斷進(jìn)水水量、進(jìn)水氨氮濃度、進(jìn)水懸浮物濃度、進(jìn)水TN濃度、進(jìn)水化學(xué)需氧量、出水化學(xué)需氧量、出水TN濃度、回流比、溫度和氣壓對曝氣量的影響的大��；將所得的所有的相關(guān)系數從大到小進(jìn)行排列為相關(guān)系數列，取相關(guān)系數列中前80％為顯著(zhù)相關(guān)系數，顯著(zhù)相關(guān)系數對應的相關(guān)運行參數數據為將對曝氣量影響大的相關(guān)運行參數數據；取相關(guān)系數列中后20％為非顯著(zhù)相關(guān)系數，非顯著(zhù)相關(guān)系數對應的相關(guān)運行參數數據為將對曝氣量影響小的相關(guān)運行參數數據。
4.根據權利要求1所述的一種污水處理智能曝氣設置方法，其特證在于，步驟4所述的數據擬合工具為1stopt軟件。
5.根據權利要求1所述的一種污水處理智能曝氣設置方法，其特證在于，設計出水氨氮值為Ns，所述控制出水氨氮指標Nc應滿(mǎn)足Ns-Nc≥30％Ns。
6.根據權利要求1所述的一種污水處理智能曝氣設置方法，其特證在于，步驟7采用的優(yōu)化算法為梯度下降或Adam算法或遺傳算法。
發(fā)明內容
本發(fā)明的目是提供一種污水處理智能曝氣設置方法，通過(guò)對污水處理系統相關(guān)運行參數與曝氣量進(jìn)行相關(guān)性計算，篩選顯著(zhù)響應變量，利用數據擬合工具形成曝氣量理論函數模型，系統進(jìn)入智能運行期后，利用設置出水氨氮修正理論函數模型得到的理論曝氣量，獲得實(shí)際曝氣量，并間隔固定時(shí)間，構建實(shí)際曝氣量和理論曝氣量之間的損失函數，通過(guò)優(yōu)化算法矯正理論函數模型相關(guān)系數，使損失函數最小。
為了實(shí)現上述目的，本發(fā)明采用了以下技術(shù)方案：
一種污水處理智能曝氣設置方法，包括以下步驟：
步驟1：根據污水處理系統設定控制出水氨氮指標為Nc，按照污水處理系統實(shí)際運行情況，采集好氧池中的相關(guān)運行參數數據，形成參數序列；所述相關(guān)運行參數數據包括曝氣量、進(jìn)水水量、溶解氧量、進(jìn)水氨氮濃度、進(jìn)水懸浮物濃度、進(jìn)水TN濃度、進(jìn)水化學(xué)需氧量、出水化學(xué)需氧量、出水TN濃度、回流比、溫度和氣壓等。
除了曝氣量的其他相關(guān)運行參數的選取并不固定，可以根據實(shí)際情況進(jìn)行選取。
步驟2：參數相關(guān)性確認；由于各參數對曝氣量的影響程度不同，需計算曝氣量與其它各個(gè)相關(guān)運行參數之間的皮爾遜相關(guān)系數、余弦相似度、歐式距離及Sperman秩相關(guān)系數，以皮爾遜相關(guān)系數、余弦相似度、歐式距離及Sperman秩相關(guān)系數的平均值作為曝氣量與各個(gè)相關(guān)運行參數之間的相關(guān)系數，根據相關(guān)系數的大小判斷各個(gè)相關(guān)運行參數對曝氣量影響的大小。
步驟3：響應參數篩選；將對曝氣量影響大的相關(guān)運行參數保留作為響應參數，將對曝氣量影響小的相關(guān)運行參數刪除，以盡可能減少分析數據及計算量。
步驟4：模型擬合；以好氧池中的曝氣量為輸出值，以保留的響應參數為輸入值，利用數據擬合工具擬合形成好氧池的理論曝氣量函數模型。
步驟5：理論曝氣量獲��；污水處理系統進(jìn)入智能運行期，利用理論曝氣量函數模型自動(dòng)獲得好氧池的理論曝氣量QT。
步驟6：理論曝氣量修正；測得好氧池實(shí)際的出水氨氮值為Ne，以控制出水氨氮指標Nc為基準進(jìn)行后饋補償，當|Ne-Nc|≤10％Nc時(shí)，認為系統出水圍繞控制值小幅度波動(dòng)，不具備超標風(fēng)險，因此不進(jìn)行后饋補償；當Ne-Nc>10％Nc時(shí)，認為系統出水氨氮濃度較高，可能存在超標風(fēng)險，通過(guò)設置補償系數k為1.2，在理論曝氣量基礎上進(jìn)一步上調曝氣量；當Nc-Ne>10％Nc，認為系統出水氨氮濃度過(guò)低，為節省曝氣能耗，可設置補償系數k為0.9，在理論曝氣量基礎上進(jìn)一步下調曝氣量；輸出實(shí)際的曝氣量QA＝kQT。
步驟7：模型矯正；每間隔30天，以本階段內積累的數據，構建QA-QT的損失函數，采用優(yōu)化算法矯正理論曝氣量函數模型的相關(guān)系數，使損失函數最小，重復步驟5到步驟7。
優(yōu)選地，步驟1具體包括：
原始數據積累過(guò)程中，采集不小于30天的好氧池的相關(guān)運行參數數據，每次采集的相關(guān)運行參數數據為一組相關(guān)運行參數數據。
優(yōu)選地，步驟2具體包括：
計算曝氣量與溶解氧量之間的皮爾遜相關(guān)系數、余弦相似度、歐式距離及Sperman秩相關(guān)系數，以皮爾遜相關(guān)系數、余弦相似度、歐式距離及Sperman秩相關(guān)系數的平均值作為曝氣量與溶解氧量之間的相關(guān)系數，根據相關(guān)系數的大小判斷溶解氧量對曝氣量的影響的大��；
以同樣的方法計算曝氣量與進(jìn)水水量、進(jìn)水氨氮濃度、進(jìn)水懸浮物濃度、進(jìn)水TN濃度、進(jìn)水化學(xué)需氧量、出水化學(xué)需氧量、出水TN濃度、回流比、溫度和氣壓等的相關(guān)系數，并判斷進(jìn)水水量、進(jìn)水氨氮濃度、進(jìn)水懸浮物濃度、進(jìn)水TN濃度、進(jìn)水化學(xué)需氧量、出水化學(xué)需氧量、出水TN濃度、回流比、溫度和氣壓對曝氣量的影響的大��；
將所得的所有的相關(guān)系數從大到小進(jìn)行排列為相關(guān)系數列，取相關(guān)系數列中前80％為顯著(zhù)相關(guān)系數，顯著(zhù)相關(guān)系數對應的相關(guān)運行參數數據為將對曝氣量影響大的相關(guān)運行參數數據；取關(guān)系數列中后20％為非顯著(zhù)相關(guān)系數，非顯著(zhù)相關(guān)系數對應的相關(guān)運行參數數據為將對曝氣量影響小的相關(guān)運行參數數據。
優(yōu)選地，步驟4所述的數據擬合工具建議為1stopt軟件等。
優(yōu)選地，設計出水氨氮值為Ns，所述控制出水氨氮指標Nc應滿(mǎn)足Ns-Nc≥30％Ns�？刂瞥鏊畼藴拾钡笜藶槲鬯幚硐到y中設定的一個(gè)標準值，其小于出水氨氮值Ns。
優(yōu)選地，步驟7采用的優(yōu)化算法為梯度下降或Adam算法或遺傳算法等。
與現有技術(shù)相比，本發(fā)明帶來(lái)了以下有益技術(shù)效果：
1)出水標準高；通過(guò)精細化曝氣量調控,可實(shí)現氨氮指標穩定優(yōu)于《地表水環(huán)境質(zhì)量標準》(GB3838-2002)II類(lèi)水標準，滿(mǎn)足污水廠(chǎng)高標準排放及穩定達標。
2)出水水質(zhì)穩定且抗沖擊性強；出水水質(zhì)變異系數(水質(zhì)標準差與均值之比，CV)＜0.3，且低于進(jìn)水水質(zhì)變異系數。
3)運行費用低；通過(guò)智能控制，實(shí)現污水處理按需曝氣，較傳統人工控制可降低曝氣能耗20％以上。
4)工藝適應性良好；算法模型不依靠現有國際水協(xié)ASM或(GB50014-2006)固有模型，而是針對原始數據積累后，自行擬合，更加符合具體污水處理系統實(shí)際需求，可適應于不同的工藝類(lèi)型。
5)控制更智能，效果更穩定，能耗及碳排更低；根據后饋補償修正實(shí)際曝氣量，控制更精準，從而進(jìn)一步提高了污水處理按需曝氣，節省了曝氣能耗；此外，每間隔一段時(shí)間，根據本階段運行情況矯正算法模型，使控制更加精確。
（發(fā)明人：韓文杰;吳迪;周家中;郭盛輝;楊忠啟;薛磊;劉玉良;辛濤;王江寬）
