CN111635071A - 一种基于多元数据方法的渗滤液处理智能化工业控制方法 - Google Patents
一种基于多元数据方法的渗滤液处理智能化工业控制方法 Download PDFInfo
- Publication number
- CN111635071A CN111635071A CN202010475876.7A CN202010475876A CN111635071A CN 111635071 A CN111635071 A CN 111635071A CN 202010475876 A CN202010475876 A CN 202010475876A CN 111635071 A CN111635071 A CN 111635071A
- Authority
- CN
- China
- Prior art keywords
- time
- working condition
- optimal
- data
- treatment
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F9/00—Multistage treatment of water, waste water or sewage
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/44—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
- C02F2103/06—Contaminated groundwater or leachate
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/005—Processes using a programmable logic controller [PLC]
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2301/00—General aspects of water treatment
- C02F2301/04—Flow arrangements
- C02F2301/043—Treatment of partial or bypass streams
-
- 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
- C02F3/302—Nitrification and denitrification treatment
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F7/00—Aeration of stretches of water
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明提出了一种基于多元数据方法的渗滤液处理智能化工业控制方法,包括如下步骤:S1,通过在线监测设备分别获取多元监测数据,对多元监测数据分别进行计算,形成监测数据输出值;S2,获取监测数据输出值对渗滤液处理效能进行评估,将评估结果通过最优控制方法进行定义;S3,定义之后通过渗滤液处理方法对渗滤液处理效能优化,从而完成渗滤液的智能处理控制。
Description
技术领域
本发明涉及自动化控制领域,尤其涉及一种基于多元数据方法的渗滤液处理智能化工业控制方法。
背景技术
随着工业4.0的发展,传统以人为参与控制为主的工业控制已不能满足工业发展需求,另一方面,对于渗滤液处理企业而言,通过信息化技术手段实现降本增效是近年一直在探索的方向。在目前的渗滤液处理的智能控制和节能应用当中,智能控制主要根据工艺过程的各类参数,判断参数的正常状态来实现智能控制,或通过历史数据进行机器学习来实现智能控制;而降本增效主要通过调整工艺路线,优化工艺方法或者采用一些节能设备来实现。在渗滤液处理领域,渗滤液处理效能受到环境因素的影响极大,这也就造成应用机器学习实现智能控制需要大量的数据和场景才能更适应实际应用,而降本增效方面调整工艺路线及优化工艺方法则需要较多的项目经验或者较长周期才能更好验证。因此,基于以上现状,在实现智能及降本增效的技术上,需要考虑如何以更好的方式及效率来达到目标,本发明提供一种基于多元数据方法的渗滤液处理智能及降本控制方法,通过依据现有的工艺数据及电耗数据进行方法运算,提供最优处理路径,从而实现渗滤液处理智能降本控制方法。
1)目前的渗滤液处理控制***主要是根据工艺流程和实场生产进行设计和调整,通过由操作员在操作站通过***对现场进行控制,该技术更多的是依靠现场人员的经验来进行控制,但渗滤液处理数据是实时变化的,需要根据变化来控制工艺,过度人为干预会存在一定的滞后性,造成生产资源浪费或可能因为人为粗心导致一些突发事件。
2)渗滤液处理节能装置更多是根据现场工艺进行调整,不管从设计或到结果验证,周期都相对比较长,同时还有可能涉及到变更工艺,实施起来比较困难。
3)用电/水质在线监测,为现场控制工艺提供数据参考,是必要的。在线监测***更多的是为***提供数据支撑,并不直接参与到智能或节能控制中。
4)机器学习控制***需要利用海量的历史数据来完成机器学习,在周期和数据处理上需要较长的历史积累,而且根据工艺流程的调整,方法模型通用性较差,另外目前机器学习的数据基本是在线监测的工艺数据,有一定的实用性,但对于渗滤液处理这种对工艺环境依赖性较强的领域,从工艺数据进行机器学习工业控制,理论上可行,但实现起来需要考虑各种复杂的环境,相对比较困难。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于多元数据方法的渗滤液处理智能化工业控制方法。
为了实现本发明的上述目的,本发明提供了一种基于多元数据方法的渗滤液处理智能化工业控制方法,包括如下步骤:
S1,通过在线监测设备分别获取多元监测数据,对多元监测数据分别进行计算,形成监测数据输出值;
S2,获取监测数据输出值对渗滤液处理效能进行评估,将评估结果通过最优控制方法进行定义;
S3,定义之后通过渗滤液处理方法对渗滤液处理效能优化,从而完成渗滤液的智能处理控制。
优选的,所述S1包括:
污泥负荷:污泥负荷计算公式:Ns=Q*S/(V*X),式中Ns表示污泥负荷,Q表示每小时进水量;S表示化学需氧量COD浓度,每小时监测一次数据;V表示曝气池有效容积,V=总容积*每小时的平均液位=V"*(L1+L2+……+Ln)/N;X表示污泥浓度,每间隔一段时间监测一次。
优选的,所述S1还包括:
容积负荷:包括容积负荷COD和容积负荷氨氮,其中容积负荷COD计算公式:Nv=ΣS/Vs,其中ΣS表示COD总量,ΣS=小时进水COD浓度*小时进水量;Vs表示有效容积,Vs=总容积*每小时的平均液位=V"*(L1+L2+……+Ln)/N。容积负荷氨氮的计算公式同容积负荷COD,其中ΣS表示氨氮总量。
优选的,所述S1还包括:
HRT计算:HRT=V/Q(h),其中V表示生化有效容积,计算方式与污泥负荷一致;△Q表示进水量,取从计算时刻算起,24小时的进水量,每间隔一段时间计算一次。
优选的,所述S1还包括:
生化回流比:η=r/R,其中,r表示反硝化小时回流量,取每小时反硝化回流量的均值;R表示生化小时进水量。回流比对反应器中COD、NH3-N、NO3--N、TN均有一定的影响,对TN的去除影响最大.
优选的,所述S1还包括:
硝酸盐回流比:η=T/R,其中T表示硝酸盐回流量,取每小时硝酸盐回流量的均值;R表示生化小时进水量;
膜出水得率:r1=Q1/Q2,其中Q1表示出水量,Q2表示进水量;膜出水得率直接体现了膜处理的效果的好坏,影响膜出水得率的因素主要有压力、温度、PH。
优选的,所述S2包括:
最优控制方法进行如下定义和设计,形成如下内容框架:对最佳控制参数进行定义,计算最佳渗滤液处理工况,判断是否在最佳渗滤液工况缓冲值内,从而计算到达最佳渗滤液工况阈值的剩余时长,然后确认最优控制方法,执行S3执行控制方法。
优选的,所述S2包括:
当HRT到达渗滤液处理缓冲值时,则根据目前环境状态计算HRT从渗滤液处理缓冲值最佳工况状态下的剩余时间,判断最佳渗滤液处理工况的剩余时间是否可以维持至电力供电的谷段的时间点,如果在谷段时间点,则继续保持当前状态运行,直到时间已经到达谷段时间段,再进行控制HRT的爆风机和进水泵,使HRT保持至最佳渗滤液处理工况的缓冲值内,如果没在谷段时间点,则继续判断最佳工况是否可维持至平段的时间点,当可以维持至平段的时间点,则继续保持当前状态,等到平段时再进行步进控制,步进控制可以采取先控制爆风机和进水泵运行一段时间后,循环判断当前状态;不能维持至平段的时间点,则立即处理,采取步进控制,将HRT始终保持在最优工况中,同等效能下优先使用进水泵来保持最佳工况。
优选的,所述S3包括:
S2-0:通过PLC获取渗滤液处理过程中的PH、温度、流量、压力原始数据,以及运行时长、功率、电流数据,及获取的化验数据,作为基础数据传入下一流程;
S2-1:定时计算污泥负荷、容积负荷、HRT、生化回流比、硝酸盐回流比、膜出水得率,定时可取每1个小时或其他时间;
S2-2:最佳渗滤液处理工况判断依据是每个指标都在最佳工况的范围内,也可以使用个指标进行加权方法来实现最佳工况。本发明中最佳工况会涉及三种数值类型,包括最佳工况范围值,最佳工况缓冲值,最佳工况阈值。其中最佳工况范围值是最佳渗滤液处理工况的范围区间,最佳工况缓冲值为当超出最佳工况范围值时开始执行最佳工况缓冲时间。最佳工况阈值定义为超出该值时,就不能保持为最佳工况。可根据最优控制方法中最佳工况及效能描述,基于S2-1的计算结果,对所有指标进行核对是否都再最佳工况的范围内。如果是,则返回S2-0,继续监测数据,如果否,则标记对应的指标,进入S2-3;
S2-3:本发明中到达最佳工况阈值的剩余时长计算是通过计算每个指标的余量及变化速度,通过余量/速度,来推算超过最佳工况的剩余时长。
S2-4:判断被标记的所有指标是否维持至谷段时间点,用当前时间+剩余时长推算出最佳工况可维持至哪个时间,再根据谷段的时间范围进行确定,当所有指标维持至谷段时间点,则进入S2-6流程;当所有指标未维持至谷段时间点,则继续S2-5判断;
S2-5:判断是否可维持至平段时间点;用当前时间+剩余时长推算出最佳工况维持至哪个时间,再根据平段的时间范围进行确定;当维持至平段时间点,则进入S2-6;当未维持至平段时间点,则继续进入S2-7。
优选的,所述S3包括:
S2-6:谷段处理方案,其中S2-4为是的条件:基于标记的指标数据进行计算出维持标记指标的各类因子及其方程式。其中因子包含设备、药剂、温度等,方程式根据物料平衡法、化学反应式以及实际的工艺环境从而推导出每个因子所需的反应量和时间,如加0.5t片碱,进水泵开1h,加热水10L等,并确定处理方案和计划,一旦到谷段的时间点,就开始执行计划。平段处理方案,其中S2-5为是的条件:采用步进控制方案,同谷段处理方案一样计算出基于标记的指标数据中各类因子即方程式,推导出每个因子的反应量和时间,但不一次处理到位,会进行分时段进行处理。基于电耗成本考虑,谷段用电成本比平段用电成本低了一倍多,本发明中会优先将控制计划在在谷段处理。因此,平段处理方案会在保证最佳工况的情况下通过步进控制方案,采取分时处理,处理后同步更新计划,将后续的控制偏移至谷段处理方案。如原计划开进水泵开5个小时,则采取步进控制方案后,会先开1个小时,1个小时后进入S2中重新计算,依次循环步进,最终控制标记指标进入谷段处理方案。鉴于渗滤液处理过程是实时变化的,该控制方案会根据工艺实时情况进行调整和更新。鉴于不同设备的电耗不同,在能保持同等效果情况下,优先调用电耗低的设备进行控制处理;
S2-7:如不满足S2-5,进入该流程。该方案处理方式同S2-6中通平段处理方案一致,鉴于峰段的用电成本是比平段高出将近一倍,比谷段高两倍多,所以会采取步进控制,将标记指标依次控制在平段和谷段进行处理。
S2-8:基于S2-6流程和S2-7流程生成计划后,S2-8主要监测控制计划状态,判断是否要执行控制计划,一旦到计划时间,则进入S2-9流程。
S2-9:根据S2-6和S2-7的工作方法,将相应指标经过计算之后发送至相应的控制器,进行智能控制各设备;
S2-10:执行完控制后,计算各指标的最佳工况数据,计算后进入S2-2,进行实时监测;保证整个过程都始终保持在监测状态,实现智能控制。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明基于目前已有的在线监测数据和工艺,进行行业指标及经验指标的运算,再结合电耗数据,计算出最优处理路径,从而避免需要大量历史数据、需要长周期或需要调整工艺路线才能实现的智能、降本渗滤液处理控制。
1)本发明通过行业指标及经验指标实现智能控制,实现周期短,实用性更高。
2)本发明依据国家电价峰谷平定价(峰段成本是平段的一倍左右,峰段是谷段成本的3倍),综合智能控制方法,在不影响运行的同时,实现较大程度上的降本。
3)本发明根据经济效益实现智能控制,避免过渡的人为干预,让渗滤液处理始终保持在经济效益最好的较佳工况下运行,帮企业真正做到降本增效,同时在一定程度上降低设备损坏率。
4)提高渗滤液处理运行效能,提高资源利用率。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明总体示意图;
图2是本发明具体实施流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1和2所述,本发明具体包括如下步骤:
S1,通过在线监测设备分别获取多元监测数据,对多元监测数据分别进行计算,形成监测数据输出值;
S2,获取监测数据输出值对渗滤液处理效能进行评估,将评估结果通过最优控制方法进行定义;
S3,定义之后通过渗滤液处理方法对渗滤液处理效能优化,从而完成渗滤液的智能处理控制。
本发明目前针对多元监测数据方法提供以下参考处理:
所述S1包括:本发明中涉及到的多元数据包含污泥负荷、容积负荷、HRT、生化回流比、硝酸盐回流比、膜出水得率,将上述用于渗滤液处理的参数进行计算,用于评估渗滤液处理效能。
1、以下将对多元数据及方法进行详细释义:
污泥负荷:污泥负荷计算公式:Ns=Q*S/(V*X),式中Ns表示污泥负荷,Q表示每小时进水量;S表示化学需氧量COD(Chemical Oxygen Demand)浓度,每小时监测一次数据;V表示曝气池有效容积,V=总容积*每小时的平均液位=V"*(L1+L2+……+Ln)/N;X表示污泥浓度,每小时监测一次。污泥负荷大,活性污泥增长速率,有机物去除速率和氧的利用速率均高,但污泥负荷大,处理***出水不易合格,同时由于微生物活力强,污泥不易凝聚沉降,与水分离不好;污泥负荷小,则处理***出水易合格,与水分离快速。因此,根据处理工艺控制适宣的污泥负荷。本发明中,基于现场工艺,得出最佳工况的污泥负荷范围后,通过智能控制将处理渗滤液污泥负荷始终保持在此范围内。
容积负荷:包括容积负荷COD和容积负荷氨氮,其中容积负荷COD计算公式:Nv=ΣS/Vs,其中ΣS表示COD总量,ΣS=小时进水COD浓度*小时进水量;Vs表示有效容积,Vs=总容积*每小时的平均液位=V"*(L1+L2+……+Ln)/N。容积负荷氨氮的计算公式同容积负荷COD,其中ΣS表示氨氮总量。容积负荷作用为每小时监测一次,容积负荷大,活性污泥增长速率,有机物去除速率和氧的利用速率均高,但容积负荷大,处理***出水不易合格,同时由于微生物活力强,污泥不易凝聚沉降,与水分离不好;容积负荷小,则处理***出水易合格,与水分离快速。因此,根据处理工艺控制适宣的污泥负荷。本发明中,同样基于现场工艺,得出最佳工况的容积负荷范围后,通过对渗滤液智能控制将污泥负荷始终保持在此范围内。
HRT:水力停留时间(Hydraulic Retention Time),计算公式:HRT=V/Q(h),其中V表示生化有效容积,计算方式与污泥负荷一致;△Q表示进水量,取从计算时刻算起,24小时的进水量,每小时计算一次。HRT的高低直接对运行效能产生影响,缩短HRT会提高有机负荷,但是过低的HRT会降低COD转化率;所以,合理控制HRT可以有效消减有机质的积累量,从而提高膜通量,减缓膜污染的趋势。本发明中,通过工艺调整得出最优HRT范围,在后续的控制当中,通过控制进水量、爆气时间及定时计算HRT,使得HRT保持在最优范围之内。
生化回流比:η=r/R,其中,r表示反硝化小时回流量,取每小时反硝化回流量的均值;R表示生化小时进水量。回流比对反应器中COD、NH3-N、NO3--N、TN均有一定的影响,对TN的去除影响最大.在一定的范围内,增加回流比有助于提高***对污染物的去除,但当回流比过大时,***出水水质下降。本发明中,根据工艺情况,确定最优生化回流比范围,在后续控制中,控制反硝化的流量及生化小时进水量来控制生化回流比保持在最优范围内。
硝酸盐回流比:η=T/R,其中T表示硝酸盐回流量,取每小时硝酸盐回流量的均值;R表示生化小时进水量。硝酸盐回流比较高时可增加硝酸盐的去除率,但是过高硝酸盐去除率不会再增加,反而会限制反硝化反应,降低***处理效率。本发明中,根据工艺情况,确定最优硝酸盐回流比范围,在后续控制中,控制硝酸盐的流量及生化小时进水量来控制硝酸盐回流比保持在最优范围内。
膜出水得率:r1=Q1/Q2,其中Q1表示出水量,Q2表示进水量;膜出水得率直接体现了膜处理的效果的好坏,影响膜出水得率的因素主要有压力、温度、PH等,本发明中,根据工艺情况,确定影响膜出水得率的相关因素的数值范围,通过控制在膜处理过程的压力、温度、PH等值,保持膜处理保持在最优的环境范围内。
电耗数据:工业用电会根据不同时段使用,所产生的电费也不一致。用电时段分为峰段、谷段、平段。其中峰段的电费最高,谷段的电费最低,峰段电费约为平段电费1给,约为谷段电费3倍。本发明中,控制条件的第一优先级为保证渗滤液处理效能最佳和最佳工况,第二优先级根据峰谷平时段和设备电耗合理安排控制计划,让高电耗设备及工艺尽量在平段和谷段进行介入。
本发明中,多元监测数据是评估渗滤液处理效能的重要指标,本发明通过分析多元数据的指标数据,通过控制影响指标的各过程数据将各指标数据保持在最优工况范围内,根据不同时段的用电价格及设备电耗数据,及推算保持最佳工况的剩余时长来安排控制计划,从而实现渗滤液处理智能及降本控制方法。
2、最优控制方法
在本发明中,最优控制方法需要从以下几方面进行考虑:包括最佳工况及效能、设备电耗、峰谷平时段用电。
最佳工况及效能:本发明中基于渗滤液处理进行研究,在渗滤液处理领域,保证工艺运行良好是第一前提,故在本发明中的控制方法将基于最佳工况及效能为第一优先级。本发明中,会对最佳工况中每个指标数据设置一个缓冲值以及阈值,当最佳工况的指标已到达缓冲值时,则对维持最佳工况的剩余时间及对影响该指标的过程数据进行计算,推算出需要控制的过程数据,以及控制时长,从而再根据设备电耗和峰谷平时段进行制定控制计划。
设备电耗:本发明中,设备电耗主要基于降低耗电成本层面考虑。当设备的优先顺序非流程型时,可通过错开设备使用时段,将高电耗的设备如爆风机,安排在谷段和平段进行使用,从而实现另一层面的降本。
峰谷平时段用电:本发明中,峰谷平时段用电是实现降本的一个重要手段。每个城市的峰谷平电费定价差异较大,而时段是固定的。在本发明中,基于保持最佳工况及效能基础上,将部分工艺控制智能调整至谷或平时段,可以实现有效的降本。
所述S2包括如下步骤:
最优控制方法进行如下定义和设计,形成如下内容框架:
以下根据S2的内容,以HRT为示例参考如下:
当HRT到达缓冲值时,则根据目前环境状态计算HRT从缓冲值最佳工况状态下的剩余时间,判断最佳工况的剩余时间是否可以维持至谷段的时间点,1.是,则继续保持当前状态运行,直到时间已经到达谷段时间段,再进行控制影响HRT的爆风机和进水泵,使HRT保持至最佳工况的缓冲值内。2.否,则继续判断最佳工况是否可维持至平段的时间点,可以维持至平段的时间点,则继续保持当前状态,等到平段时再进行步进控制,步进控制可以采取先控制爆风机和进水泵运行一段时间(如1小时)后,循环判断当前状态;不能维持至平段的时间点,则立即处理,采取步进控制,将HRT始终保持在最优工况中。其中在同等效能下,爆风机的电耗远大于进水泵,所以在同等效能下,会优先考虑使用进水泵来保持最佳工况。
S0:通过PLC获取工艺过程各类原始数据,如PH、温度、流量、压力等及设备数据,如运行时长、功率、电流等,及通过***获取化验数据,如COD、TN、污泥浓度等,作为基础数据传入下一流程;
S1:定时计算污泥负荷、容积负荷、HRT、生化回流比、硝酸盐回流比、膜出水得率,定时可取每1个小时或其他时间;
S2:本发明中提及的最佳工况判断依据是每个指标都在最佳工况的范围内,也可以使用个指标进行加权方法来实现最佳工况。本发明中最佳工况会涉及三种数值类型,包括最佳工况范围值,最佳工况缓冲值,最佳工况阈值。其中最佳工况缓冲值定义为当超出该值时开始执行最佳工况剩余时长计算。最佳工况阈值定义为超出该值时,就不能保持为最佳工况。可根据最优控制方法中最佳工况及效能描述,基于S1的计算结果,对所有指标进行核对是否都再最佳工况的范围内。如果是,则返回S0,继续监测数据,如果否,则标记对应的指标,进入S3;
S3:本发明中到达最佳工况阈值的剩余时长计算是通过计算每个指标的余量及变化速度,通过余量/速度,来推算超过最佳工况的剩余时长。
S4:判断被标记的所有指标是否可维持至谷段时间点。用当前时间+剩余时长推算出最佳工况可维持至哪个时间,再根据谷段的时间范围进行确定。是,则进入S6流程。否,则继续进行S5判断。
S5:如不满足S4,则开始S5判断,S5判断是否可维持至平段时间点。用当前时间+剩余时长推算出最佳工况可维持至哪个时间,再根据平段的时间范围进行确定。是,则进入S6。否,则继续进入S7。
S6:谷段处理方案,其中S4为是的条件:基于标记的指标数据进行计算出维持标记指标的各类因子及其方程式。其中因子包含设备、药剂、温度等,方程式根据物料平衡法、化学反应式以及实际的工艺环境从而推导出每个因子所需的反应量和时间,如加0.5t片碱,进水泵开1h,加热水10L等,并确定处理方案和计划,一旦到谷段的时间点,就开始执行计划。平段处理方案,其中S5为是的条件:采用步进控制方案,同谷段处理方案一样计算出基于标记的指标数据中各类因子即方程式,推导出每个因子的反应量和时间,但不一次处理到位,会进行分时段进行处理。基于电耗成本考虑,谷段用电成本比平段用电成本低了一倍多,本发明中会优先将控制计划在在谷段处理。因此,平段处理方案会在保证最佳工况的情况下通过步进控制方案,采取分时处理,处理后同步更新计划,将后续的控制偏移至谷段处理方案。如原计划开进水泵开5个小时,则采取步进控制方案后,会先开1个小时,1个小时后进入S2中重新计算,依次循环步进,最终控制标记指标进入谷段处理方案。鉴于渗滤液处理过程是实时变化的,该控制方案会根据工艺实时情况进行调整和更新。鉴于不同设备的电耗不同,在能保持同等效果情况下,优先调用电耗低的设备进行控制处理;
S7:如不满足S5,进入该流程。该方案处理方式同S6中通平段处理方案一致,鉴于峰段的用电成本是比平段高出将近一倍,比谷段高两倍多,所以会采取步进控制,将标记指标依次控制在平段和谷段进行处理。
S8:基于S6流程和S7流程生成计划后,S8主要监测控制计划状态,判断是否要执行控制计划,一旦到计划时间,则进入S9流程。
S9:根据S6流程和S7流程生成的方案,***下发指令至各因子所属的PLC,进行智能控制各设备。
S10:执行完控制后,计算各指标的最佳工况数据,计算后进入S2,进行实时监测。保证整个过程都始终保持在监测状态,实现智能控制。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,包括如下步骤:
S1,通过在线监测设备分别获取多元监测数据,对多元监测数据分别进行计算,形成监测数据输出值;
S2,获取监测数据输出值对渗滤液处理效能进行评估,将评估结果通过最优控制方法进行定义;
S3,定义之后通过渗滤液处理方法对渗滤液处理效能优化,从而完成渗滤液的智能处理控制。
2.根据权利要求1所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S1包括:
污泥负荷:污泥负荷计算公式:Ns=Q*S/(V*X),式中Ns表示污泥负荷,Q表示每小时进水量;S表示化学需氧量COD浓度,每小时监测一次数据;V表示曝气池有效容积,V=总容积*每小时的平均液位=V"*(L1+L2+……+Ln)/N;X表示污泥浓度,每间隔一段时间监测一次。
3.根据权利要求1所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S1还包括:
容积负荷:包括容积负荷COD和容积负荷氨氮,其中容积负荷COD计算公式:Nv=ΣS/Vs,其中ΣS表示COD总量,ΣS=小时进水COD浓度*小时进水量;Vs表示有效容积,Vs=总容积*每小时的平均液位=V"*(L1+L2+……+Ln)/N。容积负荷氨氮的计算公式同容积负荷COD,其中ΣS表示氨氮总量。
4.根据权利要求1所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S1还包括:
HRT计算:HRT=V/Q(h),其中V表示生化有效容积,计算方式与污泥负荷一致;△Q表示进水量,取从计算时刻算起,24小时的进水量,每间隔一段时间计算一次。
5.根据权利要求1所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S1还包括:
生化回流比:η=r/R,其中,r表示反硝化小时回流量,取每小时反硝化回流量的均值;R表示生化小时进水量。回流比对反应器中COD、NH3-N、NO3--N、TN均有一定的影响,对TN的去除影响最大。
6.根据权利要求1所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S1还包括:
硝酸盐回流比:η=T/R,其中T表示硝酸盐回流量,取每小时硝酸盐回流量的均值;R表示生化小时进水量;
膜出水得率:r1=Q1/Q2,其中Q1表示出水量,Q2表示进水量;膜出水得率直接体现了膜处理的效果的好坏,影响膜出水得率的因素主要有压力、温度、PH。
7.根据权利要求1所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S2包括:
最优控制方法进行如下定义和设计,形成如下内容框架:对最佳控制参数进行定义,计算最佳渗滤液处理工况,判断是否在最佳渗滤液工况缓冲值内,从而计算到达最佳渗滤液工况阈值的剩余时长,然后确认最优控制方法,执行S3执行控制方法。
8.根据权利要求1所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S2包括:
当HRT到达渗滤液处理缓冲值时,则根据目前环境状态计算HRT从渗滤液处理缓冲值最佳工况状态下的剩余时间,判断最佳渗滤液处理工况的剩余时间是否可以维持至电力供电的谷段的时间点,如果在谷段时间点,则继续保持当前状态运行,直到时间已经到达谷段时间段,再进行控制HRT的爆风机和进水泵,使HRT保持至最佳渗滤液处理工况的缓冲值内,如果没在谷段时间点,则继续判断最佳工况是否可维持至平段的时间点,当可以维持至平段的时间点,则继续保持当前状态,等到平段时再进行步进控制,步进控制可以采取先控制爆风机和进水泵运行一段时间后,循环判断当前状态;不能维持至平段的时间点,则立即处理,采取步进控制,将HRT始终保持在最优工况中,同等效能下优先使用进水泵来保持最佳工况。
9.根据权利要求1所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S3包括:
S2-0:通过PLC获取渗滤液处理过程中的PH、温度、流量、压力原始数据,以及运行时长、功率、电流数据,及获取的化验数据,作为基础数据传入下一流程;
S2-1:定时计算污泥负荷、容积负荷、HRT、生化回流比、硝酸盐回流比、膜出水得率,定时获取相应指标;
S2-2:最佳渗滤液处理工况判断依据是每个指标都在最佳工况的范围内,使用每个指标进行加权方法来实现最佳工况;最佳渗滤液处理工况会涉及三种数值类型,包括最佳工况范围值,最佳工况缓冲值,最佳工况阈值,基于S2-1的计算结果,对所有指标进行核对是否为最佳渗滤液处理工况的范围内,如果是,则返回S2-0,继续监测数据,如果否,则标记对应的指标,进入S2-3;
S2-3:到达最佳工况阈值的剩余时长计算是通过计算每个指标的余量及变化速度,通过余量/速度,来推算超过最佳工况的剩余时长;
S2-4:判断被标记的所有指标是否维持至谷段时间点,用当前时间+剩余时长推算出最佳工况可维持至哪个时间,再根据谷段的时间范围进行确定,当所有指标维持至谷段时间点,则进入S2-6流程;当所有指标未维持至谷段时间点,则继续S2-5判断;
S2-5:判断是否可维持至平段时间点;用当前时间+剩余时长推算出最佳工况维持至哪个时间,再根据平段的时间范围进行确定;当维持至平段时间点,则进入S2-6;当未维持至平段时间点,则继续进入S2-7。
10.根据权利要求9所述的基于多元数据方法的渗滤液处理智能化工业控制方法,其特征在于,所述S3包括:
S2-6:基于标记的指标数据进行计算出维持标记指标的各类因子及其方程式;其中因子包含设备、药剂、温度,方程式根据物料平衡法、化学反应式以及实际的工艺环境从而推导出每个因子所需的反应量和时间,并确定处理方案和计划,一旦到谷段的时间点,就开始执行计划。平段处理方案,其中S2-5为是的条件:采用步进控制方案,同谷段处理方案一样计算出基于标记的指标数据中各类因子,推导出每个因子的反应量和时间,但每一次处理到位,会进行分时段进行处理;先将控制计划在在谷段处理;平段处理方案会在保证最佳工况的情况下通过步进控制方案,采取分时处理,处理后同步更新计划,将后续的控制偏移至谷段处理方案;
S2-7:如不满足S2-5,采取步进控制,将标记指标依次控制在平段和谷段进行处理;
S2-8:基于S2-6流程和S2-7流程生成计划后,S2-8主要监测控制计划状态,判断是否要执行控制计划,一旦到计划时间,则进入S2-9流程。
S2-9:根据S2-6和S2-7的工作方法,将相应指标经过计算之后发送至相应的控制器,进行智能控制各设备;
S2-10:执行完控制后,计算各指标的最佳工况数据,计算后进入S2-2,进行实时监测;保证整个过程都始终保持在监测状态,实现智能控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010475876.7A CN111635071B (zh) | 2020-05-29 | 2020-05-29 | 一种基于多元数据方法的渗滤液处理智能化工业控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010475876.7A CN111635071B (zh) | 2020-05-29 | 2020-05-29 | 一种基于多元数据方法的渗滤液处理智能化工业控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111635071A true CN111635071A (zh) | 2020-09-08 |
CN111635071B CN111635071B (zh) | 2022-03-18 |
Family
ID=72324862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010475876.7A Active CN111635071B (zh) | 2020-05-29 | 2020-05-29 | 一种基于多元数据方法的渗滤液处理智能化工业控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111635071B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115392806A (zh) * | 2022-10-28 | 2022-11-25 | 国能龙源环保有限公司 | 污泥处置监管***及污泥处置监管方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101234836A (zh) * | 2008-02-20 | 2008-08-06 | 重庆钢铁集团三峰科技有限公司 | 一种垃圾渗滤液处理工艺 |
CN101369135A (zh) * | 2007-08-14 | 2009-02-18 | 上海大地自动化***工程有限公司 | 污水处理智能管理*** |
US20100243564A1 (en) * | 2009-03-30 | 2010-09-30 | General Electric Company | System and method for monitoring an integrated system |
CN102167438A (zh) * | 2010-12-09 | 2011-08-31 | 宜兴能达环保科技有限公司 | 利用谷段电力压缩空气储存峰段供气的方法与装置 |
CN202936289U (zh) * | 2012-12-12 | 2013-05-15 | 四川宇阳环境工程有限公司 | 垃圾渗滤液处理装置的综合监控*** |
CN104155928A (zh) * | 2014-06-24 | 2014-11-19 | 北京沃洋洲环保装备有限公司 | 一种污水处理的运行控制方法 |
CN104609533A (zh) * | 2015-01-27 | 2015-05-13 | 北京中科圣泰环境科技有限公司 | 一种难降解有机废水臭氧非均相催化氧化处理工艺的控制***及方法 |
CN104763644A (zh) * | 2014-09-11 | 2015-07-08 | 北京城市排水集团有限责任公司 | 动态下污水处理厂剩余污泥泵优化运行控制装置及方法 |
DE102014117690A1 (de) * | 2014-12-02 | 2016-06-02 | Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG | Verfahren zur Steuerung eines Prozesses |
CN109081507A (zh) * | 2018-08-24 | 2018-12-25 | 广州市环境保护工程设计院有限公司 | 污水处理控制方法及*** |
CN110529373A (zh) * | 2019-09-05 | 2019-12-03 | 杭州市电力设计院有限公司余杭分公司 | 一种抽水节能调峰的控制方法、***及装置 |
-
2020
- 2020-05-29 CN CN202010475876.7A patent/CN111635071B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101369135A (zh) * | 2007-08-14 | 2009-02-18 | 上海大地自动化***工程有限公司 | 污水处理智能管理*** |
CN101234836A (zh) * | 2008-02-20 | 2008-08-06 | 重庆钢铁集团三峰科技有限公司 | 一种垃圾渗滤液处理工艺 |
US20100243564A1 (en) * | 2009-03-30 | 2010-09-30 | General Electric Company | System and method for monitoring an integrated system |
CN102167438A (zh) * | 2010-12-09 | 2011-08-31 | 宜兴能达环保科技有限公司 | 利用谷段电力压缩空气储存峰段供气的方法与装置 |
CN202936289U (zh) * | 2012-12-12 | 2013-05-15 | 四川宇阳环境工程有限公司 | 垃圾渗滤液处理装置的综合监控*** |
CN104155928A (zh) * | 2014-06-24 | 2014-11-19 | 北京沃洋洲环保装备有限公司 | 一种污水处理的运行控制方法 |
CN104763644A (zh) * | 2014-09-11 | 2015-07-08 | 北京城市排水集团有限责任公司 | 动态下污水处理厂剩余污泥泵优化运行控制装置及方法 |
DE102014117690A1 (de) * | 2014-12-02 | 2016-06-02 | Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG | Verfahren zur Steuerung eines Prozesses |
CN104609533A (zh) * | 2015-01-27 | 2015-05-13 | 北京中科圣泰环境科技有限公司 | 一种难降解有机废水臭氧非均相催化氧化处理工艺的控制***及方法 |
CN109081507A (zh) * | 2018-08-24 | 2018-12-25 | 广州市环境保护工程设计院有限公司 | 污水处理控制方法及*** |
CN110529373A (zh) * | 2019-09-05 | 2019-12-03 | 杭州市电力设计院有限公司余杭分公司 | 一种抽水节能调峰的控制方法、***及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115392806A (zh) * | 2022-10-28 | 2022-11-25 | 国能龙源环保有限公司 | 污泥处置监管***及污泥处置监管方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111635071B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021101438A4 (en) | Adaptive control method and system for aeration process | |
US9747544B2 (en) | Method and system for wastewater treatment based on dissolved oxygen control by fuzzy neural network | |
CN103197539B (zh) | 污水处理智能优化控制曝气量的方法 | |
CN106802563B (zh) | 一种基于果蝇优化和lssvm的污水过程优化控制方法 | |
CN107986428B (zh) | 一种污水处理精确曝气方法 | |
CN111206647B (zh) | 城市供水的区域性加压泵站的无人值守控制器及控制方法 | |
CN105676649A (zh) | 一种基于自组织神经网络的污水处理过程控制方法 | |
AU2021100130A4 (en) | Intelligent control method and system for sewage treatment aeration based on deep learning | |
CN106495321A (zh) | 生物池工艺优化及运行控制***及其控制方法 | |
CN109669352A (zh) | 基于自适应多目标粒子群的含油污水处理过程优化控制方法 | |
CN111635071B (zh) | 一种基于多元数据方法的渗滤液处理智能化工业控制方法 | |
CN107720946B (zh) | Sbr污水处理工艺中的串级控制方法 | |
CN106651032B (zh) | Sbr法氨氧化过程神经网络智能控制的方法 | |
CN108427268A (zh) | 一种基于知识与数据信息决策的污水处理优化控制方法 | |
CN111013370A (zh) | 一种基于深度神经网络的湿法脱硫浆液供给量预测方法 | |
Piotrowski et al. | Mixed integer nonlinear optimization of biological processes in wastewater sequencing batch reactor | |
CN111580381B (zh) | 一种动态事件驱动控制策略的溶解氧控制方法 | |
JP4188200B2 (ja) | プラントワイド最適プロセス制御装置 | |
CN111777138A (zh) | 一种基于物联网的污水处理精细化控制***及控制方法 | |
CN113487131B (zh) | 一种基于充电需求和储能调节的站网互动方法 | |
CN106054951A (zh) | 一种溶解氧浓度的控制方法和*** | |
CN112783115A (zh) | 一种蒸汽动力***的在线实时优化方法及装置 | |
CN104787875B (zh) | 一种序批式活性污泥法的曝气控制方法及*** | |
CN116969596A (zh) | 一种污水厂碳源智能投加*** | |
CN117023841A (zh) | 智慧水厂的水处理***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |