CN112759063A - 一种预臭氧投加控制方法及其控制*** - Google Patents
一种预臭氧投加控制方法及其控制*** Download PDFInfo
- Publication number
- CN112759063A CN112759063A CN202011582288.XA CN202011582288A CN112759063A CN 112759063 A CN112759063 A CN 112759063A CN 202011582288 A CN202011582288 A CN 202011582288A CN 112759063 A CN112759063 A CN 112759063A
- Authority
- CN
- China
- Prior art keywords
- ozone
- value
- effluent
- turbidity
- adding amount
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- C02F1/72—Treatment of water, waste water, or sewage by oxidation
- C02F1/78—Treatment of water, waste water, or sewage by oxidation with ozone
-
- 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
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/08—Chemical Oxygen Demand [COD]; Biological Oxygen Demand [BOD]
-
- 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
- C02F2209/11—Turbidity
-
- 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
- C02F2209/40—Liquid flow rate
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)
- Treatment Of Water By Oxidation Or Reduction (AREA)
Abstract
本发明公开的一种预臭氧自动投加控制方法,包括:实时监测预臭氧接触池的进水流量、进水浊度、进水COMMn值、出水浊度和出水COMMn值;通过预臭氧投加量预测模型对所述进水流量、进水浊度和进水COMMn值进行拟合计算处理得到预臭氧投加量预测值;根据所述出水浊度和出水COMMn值对所述臭氧投加量预测值进行修正处理得到预臭氧投加量精确值;根据所述预臭氧投加量精确值向所述预臭氧接触池内投加臭氧。还公开了一种实现上述预臭氧自动投加控制方法的控制***。本发明提高了加药的精确度,降低了生产人员的工作量。
Description
技术领域
本发明涉及水厂预处理技术领域,尤其涉及一种预臭氧投加控制方法及其控制***。
背景技术
臭氧因其强氧化性,可去除色度、藻类,改善臭味,将大分子有机物降解为小分子物质,被广泛应用于水处理中。目前,国内许多水厂的预处理工艺都采用预臭氧接触氧化工艺,其臭氧投加量通常根据化验室的水质检测结果和操作人员的生产经验确定,往往精度不高,且投加量过大会导致药剂的浪费及制水成本的提高。因此,实现水厂预臭氧工艺自动投加控制,以提高制水效率,是一个业内亟待解决的技术问题。为此,本申请人经过有益的探索和研究,找到了解决上述问题的方法,下面将要介绍的技术方案便是在这种背景下产生的。
发明内容
本发明的目的之一在于:提供一种预臭氧自动投加控制方法,以降低生产人员的工作量,提高制水效率,进一步提高供水安全性。
本发明的目的之二在于:提供一种实现上述预臭氧自动投加控制方法的控制***。
作为本发明第一方面的一种预臭氧自动投加控制方法,包括:
实时监测预臭氧接触池的进水流量、进水浊度、进水COMMn值、出水浊度和出水COMMn值;
通过预臭氧投加量预测模型对所述进水流量、进水浊度和进水COMMn值进行拟合计算处理得到预臭氧投加量预测值;
根据所述出水浊度和出水COMMn值对所述臭氧投加量预测值进行修正处理得到预臭氧投加量精确值;
根据所述预臭氧投加量精确值向所述预臭氧接触池内投加臭氧。
在本发明的一个优选实施例中,所述预臭氧投加量预测模型为基于BP神经网络的预臭氧投加量预测模型。
作为本发明第二方面的一种实现上述预臭氧自动投加控制方法的控制***,包括:
流量仪,所述流量仪安装在预臭氧接触池的进水端处,用于实时监测所述预臭氧接触池的进水流量;
进水浊度监测仪,所述进水浊度监测仪安装在所述预臭氧接触池的进水端处,用于实时监测所述预臭氧接触池的进水浊度;
进水COD监测仪,所述进水COD监测仪安装在所述预臭氧接触池的进水端处,用于实时监测所述预臭氧接触池的进水COMMn值;
出水浊度监测仪,所述出水浊度监测仪安装在所述预臭氧接触池的出水端处,用于实时监测所述预臭氧接触池的出水浊度;
出水COD监测仪,所述出水COD监测仪安装在所述预臭氧接触池的出水端处,用于实时监测所述预臭氧接触池的出水COMMn值;
预臭氧投加量预测模型,所述预臭氧投加量预测模型分别与所述流量仪、进水浊度监测仪和进水COD监测仪连接,用于接收实时监测到的进水流量、进水浊度和进水COMMn值,并对所述进水流量、进水浊度和进水COMMn值进行拟合计算处理得到预臭氧投加量预测值;
PID反馈控制器,所述PID反馈控制器分别与所述出水浊度监测仪和出水COD监测仪连接,用于接收实时监测到的出水浊度和出水COMMn值,并根据所述出水浊度和出水COMMn值计算得到预臭氧投加量修正值;
PLC控制器,所述PLC控制器分别与所述预臭氧投加量预测模型和PID反馈控制器连接,用于接收处理得到的预臭氧投加量预测值和预臭氧投加量修正值,并根据所述预臭氧投加量预测值和预臭氧投加量修正值计算得到预臭氧投加量精确值,所述PLC控制器根据计算得到的预臭氧投加量精确值控制臭氧投加装置向所述预臭氧接触池投加臭氧。
在本发明的一个优选实施例中,所述预臭氧投加量预测模型为基于BP神经网络的预臭氧投加量预测模型。
在本发明的一个优选实施例中,所述臭氧投加装置包括:
变频器,所述变频器与所述PLC控制器连接,其用于接收所述PLC控制器的控制信号,并根据所述控制信号进行变频调节;以及
计量泵,所述计量泵与所述变频器连接,其用于通过所述变频器进行预臭氧投加。
由于采用了如上技术方案,本发明的有益效果在于:本发明利用预臭氧投加量预测模型对在线监测的进水流量、出水浊度和进水CODMn值进行拟合处理得到预臭氧投加量,并根据出水浊度和出水CODMn值修正所需的预臭氧投加量,提高了加药的精确度,降低了生产人员的工作量,对进一步提高供水安全性、节约制水成本具有重要的推动作用,为水厂预臭氧工艺运行的自动化控制提出了新的理论思路。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的预臭氧自动投加控制***的结构示意图。
图2是本发明的预臭氧投加量预测神经网络结构图。
图3是本发明的预臭氧投加量预测模型训练情况。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
本发明的一种预臭氧自动投加控制方法,包括以下步骤:
步骤S10,实时监测预臭氧接触池的进水流量、进水浊度、进水COMMn值、出水浊度和出水COMMn值。
步骤S20,通过预臭氧投加量预测模型对所述进水流量、进水浊度和进水COMMn值进行拟合计算处理得到预臭氧投加量预测值。在本实施例中,预臭氧投加量预测模型为基于BP神经网络的预臭氧投加量预测模型。
步骤S30,根据所述出水浊度和出水COMMn值对所述臭氧投加量预测值进行修正处理得到预臭氧投加量精确值。
步骤S40,根据所述预臭氧投加量精确值向所述预臭氧接触池内投加臭氧。
参见图1,图中给出的是一种预臭氧自动投加控制***,包括流量仪1、进水浊度监测仪2、进水COD监测仪3、出水浊度监测仪4、出水COD监测仪5、预臭氧投加量预测模型6、PID反馈控制器7以及PLC控制器8。
流量仪1安装在预臭氧接触池20的进水端处,用于实时监测预臭氧接触池20的进水流量。
进水浊度监测仪2安装在预臭氧接触池20的进水端处,用于实时监测预臭氧接触池20的进水浊度。
进水COD监测仪3安装在预臭氧接触池20的进水端处,用于实时监测预臭氧接触池20的进水COMMn值。
出水浊度监测仪4安装在预臭氧接触池20的出水端处,用于实时监测预臭氧接触池20的出水浊度。
出水COD监测仪5安装在预臭氧接触池20的出水端处,用于实时监测预臭氧接触池20的出水COMMn值。
预臭氧投加量预测模型6分别与流量仪1、进水浊度监测仪2和进水COD监测仪3连接,用于接收实时监测到的进水流量、进水浊度和进水COMMn值,并对进水流量、进水浊度和进水COMMn值进行拟合计算处理得到预臭氧投加量预测值。在本实施例中,预臭氧投加量预测模型6为基于BP神经网络的预臭氧投加量预测模型。
PID反馈控制器7分别与出水浊度监测仪4和出水COD监测仪5连接,用于接收实时监测到的出水浊度和出水COMMn值,并根据出水浊度和出水COMMn值计算得到预臭氧投加量修正值。PID反馈控制器7通过将收集到的数据与参考值进行对比,将差值用于计算新的输入值,使***达到稳定运行的目的,是工业控制中常用的反馈回路部件。
PLC控制器8分别与预臭氧投加量预测模型6和PID反馈控制器7连接,用于接收处理得到的预臭氧投加量预测值和预臭氧投加量修正值,并根据预臭氧投加量预测值和预臭氧投加量修正值计算得到预臭氧投加量精确值,PLC控制器8根据计算得到的预臭氧投加量精确值控制臭氧投加装置向预臭氧接触池20投加臭氧。
臭氧投加装置包括变频器9以及计量泵10。变频器9与PLC控制器8连接,其用于接收PLC控制器8的控制信号,并根据该控制信号进行变频调节。计量泵10与变频器9连接,其用于通过变频器9进行预臭氧投加。
下面针对基于BP神经网络的预臭氧投加量预测模型进行展开说明。
由于臭氧投加是一个多干扰、非线性、多变量、时变、大滞后的流程,针对臭氧投加建立一个精确可靠的控制模型存在一定难度,常规加药控制***对模型具有较强的依赖性,很难满足较高精度的控制要求。BP神经网络是利用误差反向传播训练算法的神经网络,可以拟合出任意复杂的非线性关系,将其运用到水质预测中,可以建立不同水质参数间复杂的非线性关系,预测结果相对客观,并能大大减少工作量。
为了解决同一数据集中不同的变量数量级不统一的问题,对数据采取离差标准化处理,将所有的值均映射到0~1之间,削弱了异常值对整体样本的影响。离差标准化采用下式:
式中:min(x)为样本的最小值,max(x)为样本的最大值,Y(x)为x的离差标准化值。
隐含层节点数对神经网络的学习效果非常重要,最佳隐含层的节点数q参考以下经验公式进行计算:
式中:M为输入节点数,L为输出节点数,C为1~10之间的常数。
基于BP神经网络的预臭氧投加量预测模型的建立使用浙江省某自来水厂的运行生产数据,其中进水流量、进水浊度、进水CODMn值、出水浊度和出水CODMn值通过进、出水管道中的在线检测仪获得,从该水厂实际生产运行中选择100组数据作为样本,从中随机选取70组作为训练数据样本,15组作为验证数据样本,15组作为测试数据样本。
对数据进行离差标准化处理后,通过Matlab建立基于BP神经网络的预臭氧投加量预测模型,以进水流量、进水浊度、进水CODMn值作为输入参数,以预臭氧投加量为输出参数,预测模型采用3层BP神经网络,其中输入层神经元数为3个,隐含层神经元数为10个,输出层神经元数为1个,如图2所示。
图3为本发明提供的臭氧投加量预测模型训练情况。拟合整体的相关系数为0.8631,训练集的相关系数为0.9002,测试集的相关系数为0.7629,说明通过输入进水水质参数,可建立其与预臭氧投加量间的联系,可见BP神经网络模型具有良好的自学习能力,而且模型的泛化性能高。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种预臭氧自动投加控制方法,其特征在于,包括:
实时监测预臭氧接触池的进水流量、进水浊度、进水COMMn值、出水浊度和出水COMMn值;
通过预臭氧投加量预测模型对所述进水流量、进水浊度和进水COMMn值进行拟合计算处理得到预臭氧投加量预测值;
根据所述出水浊度和出水COMMn值对所述臭氧投加量预测值进行修正处理得到预臭氧投加量精确值;
根据所述预臭氧投加量精确值向所述预臭氧接触池内投加臭氧。
2.如权利要求1所述的预臭氧自动投加控制方法,其特征在于,所述预臭氧投加量预测模型为基于BP神经网络的预臭氧投加量预测模型。
3.一种实现如权利要求1或2所述的预臭氧自动投加控制方法的控制***,其特征在于,包括:
流量仪,所述流量仪安装在预臭氧接触池的进水端处,用于实时监测所述预臭氧接触池的进水流量;
进水浊度监测仪,所述进水浊度监测仪安装在所述预臭氧接触池的进水端处,用于实时监测所述预臭氧接触池的进水浊度;
进水COD监测仪,所述进水COD监测仪安装在所述预臭氧接触池的进水端处,用于实时监测所述预臭氧接触池的进水COMMn值;
出水浊度监测仪,所述出水浊度监测仪安装在所述预臭氧接触池的出水端处,用于实时监测所述预臭氧接触池的出水浊度;
出水COD监测仪,所述出水COD监测仪安装在所述预臭氧接触池的出水端处,用于实时监测所述预臭氧接触池的出水COMMn值;
预臭氧投加量预测模型,所述预臭氧投加量预测模型分别与所述流量仪、进水浊度监测仪和进水COD监测仪连接,用于接收实时监测到的进水流量、进水浊度和进水COMMn值,并对所述进水流量、进水浊度和进水COMMn值进行拟合计算处理得到预臭氧投加量预测值;
PID反馈控制器,所述PID反馈控制器分别与所述出水浊度监测仪和出水COD监测仪连接,用于接收实时监测到的出水浊度和出水COMMn值,并根据所述出水浊度和出水COMMn值计算得到预臭氧投加量修正值;
PLC控制器,所述PLC控制器分别与所述预臭氧投加量预测模型和PID反馈控制器连接,用于接收处理得到的预臭氧投加量预测值和预臭氧投加量修正值,并根据所述预臭氧投加量预测值和预臭氧投加量修正值计算得到预臭氧投加量精确值,所述PLC控制器根据计算得到的预臭氧投加量精确值控制臭氧投加装置向所述预臭氧接触池投加臭氧。
4.如权利要求3所述的预臭氧自动投加控制***,其特征在于,所述预臭氧投加量预测模型为基于BP神经网络的预臭氧投加量预测模型。
5.如权利要求3所述的预臭氧自动投加控制***,其特征在于,所述臭氧投加装置包括:
变频器,所述变频器与所述PLC控制器连接,其用于接收所述PLC控制器的控制信号,并根据所述控制信号进行变频调节;以及
计量泵,所述计量泵与所述变频器连接,其用于通过所述变频器进行预臭氧投加。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582288.XA CN112759063A (zh) | 2020-12-28 | 2020-12-28 | 一种预臭氧投加控制方法及其控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582288.XA CN112759063A (zh) | 2020-12-28 | 2020-12-28 | 一种预臭氧投加控制方法及其控制*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112759063A true CN112759063A (zh) | 2021-05-07 |
Family
ID=75696316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011582288.XA Pending CN112759063A (zh) | 2020-12-28 | 2020-12-28 | 一种预臭氧投加控制方法及其控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112759063A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759726A (zh) * | 2021-09-27 | 2021-12-07 | 西南石油大学 | 一种天然气加臭控制***及其控制方法 |
CN114229990A (zh) * | 2021-12-28 | 2022-03-25 | 北京首创生态环保集团股份有限公司 | 一种臭氧催化氧化工艺的臭氧投加控制***及方法 |
CN116282250A (zh) * | 2023-02-23 | 2023-06-23 | 浙江数翰科技有限公司 | 一种智能臭氧投加方法和*** |
CN117886432A (zh) * | 2024-03-14 | 2024-04-16 | 湖南大学 | 基于云计算平台的开放式臭氧在线监测及智能投放*** |
-
2020
- 2020-12-28 CN CN202011582288.XA patent/CN112759063A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759726A (zh) * | 2021-09-27 | 2021-12-07 | 西南石油大学 | 一种天然气加臭控制***及其控制方法 |
CN113759726B (zh) * | 2021-09-27 | 2024-02-06 | 西南石油大学 | 一种天然气加臭控制***及其控制方法 |
CN114229990A (zh) * | 2021-12-28 | 2022-03-25 | 北京首创生态环保集团股份有限公司 | 一种臭氧催化氧化工艺的臭氧投加控制***及方法 |
CN116282250A (zh) * | 2023-02-23 | 2023-06-23 | 浙江数翰科技有限公司 | 一种智能臭氧投加方法和*** |
CN117886432A (zh) * | 2024-03-14 | 2024-04-16 | 湖南大学 | 基于云计算平台的开放式臭氧在线监测及智能投放*** |
CN117886432B (zh) * | 2024-03-14 | 2024-07-02 | 湖南大学 | 基于云计算平台的开放式臭氧在线监测及智能投放*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112759063A (zh) | 一种预臭氧投加控制方法及其控制*** | |
Han et al. | Hierarchical neural network modeling approach to predict sludge volume index of wastewater treatment process | |
CN102411308B (zh) | 基于递归神经网络模型的溶解氧的自适应控制方法 | |
CN214693460U (zh) | 一种预臭氧投加控制*** | |
US20230047297A1 (en) | Control method based on adaptive neural network model for dissolved oxygen of aeration system | |
FI118981B (fi) | Menetelmä ja laitejärjestely kemikaalien automaattisen annostelun säätämiseksi | |
AU2017291053B2 (en) | Process for monitoring the concentration of bacteria in a water distribution network | |
WO2020244265A1 (zh) | 一种利用支持向量机预测农村生活污水处理设施运行有效性的方法 | |
CN112417765B (zh) | 一种基于改进师生网络模型的污水处理过程故障检测方法 | |
CN113325702B (zh) | 一种曝气控制方法及装置 | |
WO2016073725A1 (en) | Monitoring via neural network model | |
CN112782975A (zh) | 一种基于深度学习的污水处理曝气智能控制方法及*** | |
Zamarreno et al. | State-space neural network for modelling, prediction and control | |
CN115527628A (zh) | 城市污水化学除磷工艺的在线控制方法及*** | |
CN112132700A (zh) | 用于调控水质的配方决策方法 | |
KR100331708B1 (ko) | 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법 | |
JP2001079310A (ja) | 水質制御方法及びその装置 | |
KR101334693B1 (ko) | 수질측정기와 회귀모델을 이용한 응집제 주입량 결정방법과 그를 이용한 정수처리시스템 | |
Adgar et al. | Enhancement of coagulation control using the streaming current detector | |
Salari et al. | Dynamic performance analysis and simulation of a full scale activated sludge system treating an industrial wastewater using artificial neural network | |
Evans et al. | Intelligent based auto-coagulation control applied to a water treatment works | |
JP2007249767A (ja) | プロセス制御システム | |
Chen et al. | Fuzzy model identification and control system design for coagulation chemical dosing of potable water | |
KR20040010500A (ko) | 신경망 2자 유도 PID 제어기의 튜닝방법을 이용한정수처리 시스템의 pH 제어 방법 및 그 장치 | |
Bello et al. | Dynamic modelling and system identification of coagulant dosage system for water treatment plants |
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 |