【技术实现步骤摘要】
一种BIOCOS生物池工艺智能控制方法
[0001]本专利技术属于污水处理
，具体涉及一种BIOCOS生物池工艺智能控制方法。
技术介绍
[0002]近年来，污水处理的理论研究和处理工艺日趋成熟，但在污水处理过程中的优化控制技术还需更进一步地完善。活性污泥法具有优良的污水处理性能，但在工艺设计和运行等方面却主要采用经验或半经验的方法，使得污水处理厂缺乏科学合理的管理和控制，增加了资源的消耗，提高了污水处理的成本。
[0003]BIOCOS工艺叫做生物联合系统，即Biological Combined System，可以被看作是在活性污泥法基础上的继续研发，主要区别是二沉池的应用和污泥的回流方法。ASM3数学模型自研发以来不断应用于控制和仿真实验，对工艺设计和运行过程中出现的问题提供了强有力的解决办法。将二者进行耦合，并引入智能控制的概念形成一种智能控制方法，结合精密的在线检测仪器，用于污水处理厂的仿真模拟。该方法不仅可以提前预判尚未发生的工况并提前计算出控制信号，调整模型运行，实现真正意义上的前馈控制，而且能够结合深度学习分析虚拟运行结果，对目标值进行筛选和优化，获得最优值。
[0004]综上，该BIOCOS生物池工艺智能控制方法可以提高污水处理系统的智能化控制水平，为其他污水处理厂的优化改造提供技术参考。
技术实现思路
[0005]本专利技术的目的在于提供一种BIOCOS生物池工艺智能控制方法，该方法可通过软件实现。所述BIOCOS生物池工艺智能控制方法的建模步骤如下：>[0006]步骤1：设置输入参数；
[0007]步骤2：根据所述输入参数、ASM3数学模型及物质数量模型的建模原则建立BIOCOS生物池工艺模型。所述BIOCOS生物池工艺模型包括P池工艺模型、B池工艺模型、SU池工艺模型；
[0008]步骤3：对模型进行稳态模拟，并利用灵敏度分析法在原参数值的基础上逐个调整固定百分数，校正模型参数，使得模型模拟结果与污水处理厂的实际运行结果相吻合；
[0009]步骤4：模拟调整B池DO浓度及P池和B池的污泥回流比两个工艺运行参数的出水水质，在出水水质满足排放要求的前提下进行深度学习自适应优化，更高级筛选目标控制参数；
[0010]步骤5：输出最优控制参数，PLC接收数据执行。
[0011]优选地，步骤1所述的输入参数包括进水流量、污泥回流量、构筑物体积和常规水质参数。其中，常规水质参数包括化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N、pH值；
[0012]优选地，将步骤1所述的常规水质参数按照物质组成的规则拆分为ASM3数学模型所需要的13种组分；
[0013]进一步地，步骤2所述物质数量模型的建模原则为：
[0014][0015]式1中，V为反应器体积，单位为m3；ρ
j
为组分j的质量浓度，单位为g/m3；q
V,in
为流入流量，单位为m3/d；q
V,out
为流出流量，单位为m3/d；r
j,n
为组分j在第n个反应中浓度变化速率。
[0016]所述P池(厌氧池)工艺模型包含的微分方程如下：
[0017][0018][0019][0020][0020][0021][0022][0023][0024][0025][0026][0027][0028][0029][0030]所述B池(好氧缺氧交替进行)工艺模型包含的微分方程如下：缺氧部分：
[0031][0031][0032][0033][0034][0035][0036][0037][0038][0039][0040][0041][0042][0043][0043][0044]好氧部分：
[0045][0046][0047][0048][0049][0050][0051][0052][0053][0054][0055][0056][0057][0058]所述SU池(不发生生化反应，SU1池和SU2池交替运行)工艺模型包含的微分方程如下：
[0059][0060][0061][0062][0063][0064][0065][0066][0067][0068][0069][0070][0071][0072]公式2
‑
53中，q
V，r1
、q
V，r2
表示SU池的污泥回流量，q1为P池出水量，q2为B池出水量，q
w
为废弃污泥量，其中q1＝q
V，in
+q
V，r1
，q2＝q1+q
V，r2
，q
V，out
＝q2‑
q
V，r1
‑
q
V，r2
‑
q
w
，V1为P池的容积，V2为B池的容积，V3为SU1池或SU2池容积，t为反应时间，KLa为氧传质系数，S
O
、S
I
、S
S
、、S
ALK
均为溶解性组分，S
O
、S
I
、S
S
、S
ALK
分别表示溶解氧、惰性有机碳、易降解有机碳、铵加氨氮、氮气、硝酸盐氮加亚硝酸盐氮、污水碱度。X
I
、X
S
、X
H
、X
STO
、X
A
、X
SS
均为颗粒性组分，X
I
、X
S
、X
H
、X
STO
、X
A
、X
SS
分别表示颗粒惰性有机碳、缓慢降解有机碳、异养菌、异养菌的胞内贮存产物、自养菌、悬浮固体。下标逗号后的1、2、3分别代表P池、B池、SU1池或SU2池，组分下标SU表示该组分来自SU1池或SU2池。式中动力学参数和化学计量系数暂时采用国际水协(IWA)颁布的20℃默认的典型值。
[0073]优选地，上述微分方程中的过程速率ρ1......ρ
13
采用国际水协(IWA)颁布的关于ASM3的系数表。
[0074]进一步地，除ASM3数学模型外SU池还包括沉淀过程数学模型。SU池的固液分离模块假设为一个10层无生化反应的单元，从底部到顶部第三层设为进水层。
[0075]由重力引起的固相流为其中v
s
为沉降速度，X
sc
是总污泥密度，沉降速度公式为：
[0076][0077]其中X
min
＝f
ns
X
f
，X
f
为从生化反应池来的总固体浓度。v
′0为最大沉降速度，单位为m/d；v0为最大Vesilind沉降速度，单位为m/d；r
h
为阻碍区沉降系数，单位为m3/(g本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种BIOCOS生物池工艺智能控制方法，其特征在于，包括以下步骤：步骤1：设置输入参数；步骤2：根据所述输入参数、ASM3数学模型及物质数量模型的建模原则建立BIOCOS生物池工艺模型；所述BIOCOS生物池工艺模型包括P池工艺模型、B池工艺模型、SU池工艺模型；步骤3：对模型进行稳态模拟，并利用灵敏度分析法在原参数值的基础上逐个调整固定百分数，校正模型参数，使得模型模拟结果与污水处理厂的实际运行结果相吻合；步骤4：模拟调整B池DO浓度及P池和B池的污泥回流比两个工艺运行参数的出水水质，在出水水质满足排放要求的前提下进行深度学习自适应优化，更高级筛选目标控制参数；步骤5：输出最优控制参数，PLC接收数据执行。2.根据权利要求1所述的BIOCOS生物池工艺智能控制方法，其特征在于：步骤1所述的输入参数包括进水流量、污泥回流量、构筑物体积和常规水质参数；其中，常规水质参数包括化学需氧量COD、五日生化需氧量BOD5、悬浮物SS、总氮TN、总磷TP、氨氮NH3—N、pH值。3.根据权利要求1所述的BIOCOS生物池工艺智能控制方法，其特征在于：将步骤1所述的常规水质参数按照物质组成的规则拆分为ASM3数学模型所需要的13种组分。4.根据权利要求1所述的BIOCOS生物池工艺智能控制方法，其特征在于：步骤2所述物质数量模型的建模原则为：式中，V为反应器体积，单位为m3；ρ
j
为组分j的质量浓度，单位为g/m3；q
V,in
为流入流量，单位为m3/d；q
V,out
为流出流量，单位为m3/d；r
j,n
为组分j在第n个反应中浓度变化速率。5.根据权利要求1所述的BIOCOS生物池工艺智能控制方法，其特征在于：步骤2所述P池(厌氧池)工艺模型包含以下微分方程：(厌氧池)工艺模型包含以下微分方程：(厌氧池)工艺模型包含以下微分方程：(厌氧池)工艺模型包含以下微分方程：(厌氧池)工艺模型包含以下微分方程：(厌氧池)工艺模型包含以下微分方程：(厌氧池)工艺模型包含以下微分方程：
上述各式中，q
V，r1
表示SU池的污泥回流量，q1为P池出水量，q1＝q
V，in
+q
V，r1
，V1为P池的容积，t为反应时间；S
O
、S
I
、S
S
、S
ALK
均为溶解性组分，S
O
、S
I
、S
S
、S
ALK
分别表示溶解氧、惰性有机碳、易降解有机碳、铵加氨氮、氮气、硝酸盐氮加亚硝酸盐氮、污水碱度；X
I
、X
S
、X
H
、X
STO
、X
A
、X
SS
均为颗粒性组分，X
I
、X
S
、X
H
、X
STO
、X
A
、X
SS
分别表示颗粒惰性有机碳、缓慢降解有机碳、异养菌、异养菌的胞内贮存产物、自养菌、悬浮固体；各组分下标逗号后的1代表P池，SU表示该组分来自SU1池或SU2池；式中动力学参数和化学计量系数采用国际水协(IWA)颁布的20℃默认的典型值。6.根据权利要求1所述的一种BIOCOS生物池工艺智能控制方法，其特征在于：步骤2所述B池(好氧缺氧交替进行)工艺模型包含以下微分方程：缺氧部分：缺氧部分：缺氧部分：缺氧部分：缺氧部分：缺氧部分：缺氧部分：
好氧部分：好氧部分：好氧部分：好氧部分：好氧部分：...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。