JP3603182B2 - Wastewater treatment process simulator - Google Patents
Wastewater treatment process simulator Download PDFInfo
- Publication number
- JP3603182B2 JP3603182B2 JP2000250946A JP2000250946A JP3603182B2 JP 3603182 B2 JP3603182 B2 JP 3603182B2 JP 2000250946 A JP2000250946 A JP 2000250946A JP 2000250946 A JP2000250946 A JP 2000250946A JP 3603182 B2 JP3603182 B2 JP 3603182B2
- Authority
- JP
- Japan
- Prior art keywords
- treatment process
- wastewater treatment
- water quality
- value
- optimization
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 131
- 238000004065 wastewater treatment Methods 0.000 title claims description 58
- 238000004364 calculation method Methods 0.000 claims description 116
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 96
- 238000005457 optimization Methods 0.000 claims description 95
- 230000005856 abnormality Effects 0.000 claims description 16
- 238000003745 diagnosis Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 14
- 239000002351 wastewater Substances 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 10
- 238000004886 process control Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000007616 round robin method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 41
- 238000013178 mathematical model Methods 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 9
- 239000010865 sewage Substances 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 239000010802 sludge Substances 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000013404 process transfer Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 238000002945 steepest descent method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【0001】
【発明が属する技術分野】
本発明は、下水処理など排水処理プロセスのシミュレータを応用した制御装置あるいは運転支援装置に係る。
【0002】
【従来の技術】
現在の浄水処理プロセス、下水処理プロセス、排水処理プロセスなどは、一般的に経験や知識を持った操作員による状況の監視と判断によって運転管理されている。このようなプラントでは操作員の果たす役割が大きく、
(1)省力化が困難、
(2)ヒューマンエラーが入り易い、
(3)最適な運転条件である保証がない、
などの問題がある。これらの問題に対する解決策の一つとして、数理モデルに基づいたシミュレータを用いた自動運転制御あるいは運転支援が提案されている。ここで言う数理モデルは、それぞれの処理水に含まれる物質が微生物や酸化剤によって変化する状態を模擬した生物・化学反応モデルと流入・流出による物質収支、場合によっては数値流体解析も含めた物理モデルを同時に計算するものを指している。このうち下水処理および排水処理の生物反応モデルとしては、IAWQ(国際水質会議、International Association on Water Quality)の提案しているIAWQモデルがよく知られている。このIAWQモデルを用いてプロセスを制御する方法としては、例えば特開平10−235333号公報記載のものがある。この技術は、IAWQモデルあるいはそれに準ずる数理モデルを用いて下水処理場のシミュレーション及び制御を実施するもので、各槽の結合状態や入出力項目、制御方式などを画面上で容易に設定できるようにしたものである。
【0003】
実際の排水処理プロセスでは処理すべき流入水の水質や条件が季節、水温によって変動するから、排水処理プロセスを模擬した生物反応モデルにおいても、それに含まれる各種の定数(モデル定数)の値がそれぞれのプロセスあるいは季節、水温によって変動する。このため、上述した数理モデルに基づいたシミュレータを適用する際には、モデル定数の値を、季節、水温に応じて最適化する必要がある。従来は、各モデル定数を最適化するために詳細な実験を実施する必要があった。従って実験ノウハウが必要であり、実験データの解析も複雑であった。このため現場の計算機システムに備えられたプロセスシミュレータをオンラインで稼動することは困難であった。
【0004】
この解決策として、実験することなしに、モデル定数の値をそれぞれの流入水水質(季節、水温)に合せて適切に最適化する手法(最適化演算手法)が色々と提案されている。例えば、第36回下水道研究発表会講演集(平成11年度)P.475には、モンテカルロ法を用いてモデル定数を最適化した結果が記載されている。また、特開平5−253590号公報、特開平10−235333号公報には、シンプレックス法を用いてモデル定数を最適化することが提案されている。
【0005】
【発明が解決しようとする課題】
モンテカルロ法など総当たり的にモデル定数を最適化する方法は、局所最小値に落ち込まない点が長所である。しかし最適化するための計算量が多いため解が求まるまでに時間がかかり、さらに探索範囲あるいはモデル定数の個数を増加すると計算量が飛躍的に増大する。例えば最適化するモデル定数の個数が10個であるとすると、探索範囲を2倍にすることで計算量は2の10乗倍、すなわち1024倍になる。計算時間を短縮するためには探索範囲を狭めることが考えられる。しかし、探索範囲を必要以上に狭くすると、最適点がその範囲外に存在する可能性が高くなる。
【0006】
これに対し、非線型計画法のシンプレックス法は直接最適解を求める手法の一つであり、総当たり的手法に比して計算量が少なく、解が求まるまでの時間が短い。しかし、局所平衡点があるとその点に向かって収束し、最適解に収束しない可能性がある。
【0007】
シンプレックス法以外で直接最適解に向かって収束する代表的な手法として、最適レギュレータ法、最急降下法およびニュートン法があげられる。いずれもシンプレックス法より計算量が少なく、最適解を得るまでの時間が短いが、安定性(計算の収束性)が若干劣っていると特開平5−253590号公報に記載されている。
【0008】
知識データベースに基づいたAI的手法やニューラルネットワークを用いてモデル定数を最適化する手法は、一度推論体系が完成されると最適解を得るための有効な手法となる。計算時間はシンプレックス法などの手法より早いと考えられ、また過去のデータに基づいているので安定性も良好と考えられる。しかし、装置の新規立ち上げ時やデータが充分に蓄積されるまでは推論体系が不十分であり、一定の学習期間が必要となる。
【0009】
このようにモデル定数を最適化するのに用いられる上記各手法には、それぞれ異なった特徴がある。代表的な特徴としては、計算時間の長短、精度の高低、安定性があげられる。つまり、排水処理プロセスシミュレータに上記各種の最適化手法のうちの一つしか装備されていない場合、要求される条件、すなわち計算時間や精度、安定性を満足できない可能性がある。場合によってはその手法では解が求まらない場合もありうる。
【0010】
本発明は上記背景を考慮してなされたものであり、排水処理プロセスのモデル定数の最適化を、要求される(計算時間や精度、安定性の)条件に応じて実施することを目的とする。
【0011】
【課題を解決するための手段】
本発明では、上記の目的を達成するために、まず、複数の種類の最適化演算手段を選択可能に設けた。次いで、これら複数の最適化演算手段の特徴を数値的に表現した。そして、与えられた選択条件に対する前記複数の最適化演算手段の前記数値に基づいて優先順位を決定する手段を設けた。
【0012】
すなわち、上記目的を達成する本発明の第1の手段は、排水処理プロセスをモデル化し、排水の水質因子とモデル定数を含む水質関数として格納する水質関数格納部と、排水の水質因子の実測値を用いて前記モデル定数の値を最適化する最適化演算手段を備えたモデル定数最適化手段と、を含んでなり、前記水質関数を用いて排水処理プロセスをシミュレートする排水処理プロセスシミュレータにおいて、前記モデル定数最適化手段は複数種類の最適化演算手段を備えていることと、与えられた計算時間指標と安定性指標とを基にして前記複数の最適化演算手段の優先順位を決定する最適化手段優先順位決定手段を備えたことと、を特徴とする。
【0013】
前記複数種類の最適化演算手段の一つは、例えばモンテカルロ法などの総当り法とするのが望ましい。
【0014】
また、複数の種類の最適化演算手段で求めたモデル定数の値の妥当性をデル定数の上下限との比較及びモデル定数相互の関係テーブルに基づいて判断し、妥当でない結果と妥当な結果を分類する計算結果判定手段と、妥当な結果と妥当でない結果を同時に表示する最適化結果表示手段を設けるようにしてもよい。
【0015】
計算時間指標は、最適化演算に必要な時間の長短を規定する定性的あるいは定量的な指標である。
【0016】
最適演算に際しては、水質因子の実測値を用いるが、得られた実測値の数が少ない場合、モデル定数最適化演算に必要な排水の水質因子の値を推定する状態変数推定手段と、推定した排水の水質因子の値を表示する推定水質因子表示手段を設けるのが望ましい。推定した水質因子を、実際の排水処理プロセスの制御に用いるようにしてもよい。
【0017】
さらに、一般的なモデル定数の値および過去に最適化したモデル定数の値を記憶しているデータベースを設けるとともに、前記モデル定数最適化手段を用いて決定したモデル定数の値を前記データベースに記憶されているモデル定数の値と比較し、論理的推論によって理論的に妥当な範囲内にあるか否かを判断し、決定したモデル定数の値が理論的に妥当でなければ、水質因子の測定機器が異常であると診断する機器異常診断手段を設けてもよい。
【0018】
【発明の実施の形態】
以下、本発明の実施の形態を図面を参照して説明する。
【0019】
図1に、本発明の第1の実施の形態である排水処理プロセスシミュレータの構成の要部を示す。図示の排水処理プロセスシミュレータ100は、最適化手段優先順位決定手段101、最適化手段制御装置102、計算結果判定手段103、計算結果表示手段104、モデル定数最適化手段105、実測値入力部107、水質関数格納部108を含んで構成されている。
【0020】
本実施の形態は、モデル定数の最適化を行う演算手法を複数用意しておき、最適化演算に対して要求される条件に最も適した演算手法を自動的に選択して最適化演算を実行させるものである。
【0021】
以下、本実施の形態の各構成要素について説明する。
【0022】
図1に示されたモデル定数最適化手段105は、モデル定数の最適化演算を行う最適化演算手段(以下、最適化演算手法という)を複数備えている。本実施の形態では、総当たり法とシンプレックス法およびニュートン法が備えられている。総当たり法は計算時間が多くかかるが安定性がよい。これに対してニュートン法は計算時間が短いが、計算対象が非線型であると安定性が不良となる場合がある。シンプレックス法は両者の中間的な特徴を持つ。
【0023】
そのほかにも、モデル定数最適化手段105に利用できる最適化演算手法としては、例えば、遺伝子アルゴリズム法、最適レギュレータ法、最急降下法、モンテカルロ法などが採用可能であり、想定されるモデル定数最適化の条件に応じて、各手法の特徴を考慮して組み合わせればよい。モンテカルロ法に代表される総当り法に対し、シンプレックス法、ニュートン法などは傾斜法と呼ばれる。モデル定数最適化手段105に設けられる複数の最適化演算手法はそれぞれ異なる種類のものとするが、そのうちの一つは、総当り法とするのが望ましい。
【0024】
最適化手段優先順位決定手段101には、モデル定数最適化手段105に関する選択条件121が外部から手動あるいは自動で入力されるようになっている。この場合の選択条件121は、例えば優先して用いる最適化演算手法、計算時間、安定性などである。計算時間とは、最適化演算を開始してから演算結果が収束するまでに必要な計算時間とその入出力に関連した処理に必要な時間である。計算時間は例えば1時間以内などと定量的に与えることが望ましいが、本実施の形態では、「短い」「長い」など定性的に与えられる。安定性は「良い」「普通」「良くない」などのように定性的に与えられる。最適化手段優先順位決定手段101は、上述の選択条件121を取り込んで、モデル定数最適化手段105に複数個備えている最適化演算手法に対する優先順位109を判定し、その優先順位109を最適化手段制御装置102に出力する。
【0025】
ここで、優先順位109を判定する方法を簡単な一例で具体的に述べる。まず、選択条件121として計算時間と安定性が入力されるものとする。これらの選択条件121は最適化手段優先順位決定手段101に取り込まれ、まず計算時間指標tと安定性指標sに数値化される。いずれの指標も無次元化されており、1から10までの値をとる。計算時間指標tが1に近いほど計算時間は短く、10に近いほど計算時間が長いことを示す。安定性指標sは1に近いほど安定性が低く、10に近いほど安定性が良いことを示す。例えば、選択条件が「計算時間はできるだけ短く、安定性は普通程度でかまわない」であれば、指標tの値に1、指標sの値に5が入るような変換が施される。
【0026】
この計算時間指標tと安定性指標sの値をもとにして、図2に示すような折れ線関数を用いて総当たり法、シンプレックス法、ニュートン法のそれぞれに優先順位が付けられる。図2で、ftは時間評価関数、fsは安定性評価関数である。かっこ内の数字はモデル定数最適化手段105の最適化演算手法の別を表し、1がニュートン法、2がシンプレックス法、3が総当たり法に対応する。ftの値とfsの値との和を総評価関数Jとし、Jの値が大きいほど優先順位が高いと評価する。
【0027】
例えば、入力された選択条件が数値化され、(計算時間指標t、安定性指標s)=(1,1)となったとする。図2に示した関数からft(1)=1、ft(2)=0.5、ft(3)=0、fs(1)=1、fs(2)=0.5、fs(3)=0となるので、それぞれの和から各手法についての総評価関数Jを求める。
ft(1)+fs(1) =J(1)=2
ft(2)+fs(2) =J(2)=1
ft(3)+fs(3) =J(3)=0
この結果は、ニュートン法の優先順位が最も高く、シンプレックス法が二番目で、総当たり法の順位が最も低いことを示す。数値化された選択条件で、計算時間指標tが1、安定性指標sが1であることは、安定性が低くても良いから計算をすぐに完了したい場合に相当し、ニュートン法を優先して用いることは、入力された選択条件に照らして適切である。
【0028】
数値化された選択条件が(計算時間指標t、安定性指標s)=(10,10)とすると、ft(1)=0、ft(2)=0.5、ft(3)=1、fs(1)=0、fs(2)=0.5、fs(3)=1となる。総評価関数Jは、次ぎのようになる。
ft(1)+fs(1) =J(1)=0
ft(2)+fs(2) =J(2)=1
ft(3)+fs(3) =J(3)=2
この結果は、総当たり法の優先順位が最も高く、次いでシンプレックス法となり、ニュートン法の順位が最も低いことを示す。計算時間指標tが10、安定性指標sが10であることは、「計算時間が長くかかっても良いから、安定して解を得たい」場合に相当し、総当たり法を優先して用いることは適切である。
【0029】
さらに数値化された選択条件が((計算時間指標t、安定性指標s)=(10,1)とすると、上記と同様にしてft(1)=0、ft(2)=0.5、ft(3)=1、fs(1)=1、fs(2)=0.5、fs(3)=0となり、総評価関数Jは、J(1)=1、J(2)=1、J(3)=1となる。これは、「計算時間が長くても良く、かつ安定性が悪くてもかまわない」といった制限の弱い条件に相当するため、どのモデル定数最適化手段を用いても問題が無く、優劣付け難い。このように総評価関数Jの値が等しくなる場合には選択条件121の修正をオペレータに要求するのが望ましい。
【0030】
(計算時間指標t、安定性指標s)=(1,10)とすると、ft(1)=1、ft(2)=0.5、ft(3)=0、fs(1)=0、fs(2)=0.5、fs(3)=1となるため、J(1)=1、J(2)=1、J(3)=1となる。これは、「計算時間は短く、安定性も良いモデル定数最適化手段を選択する」といった制限の厳しい場合に相当するため、要求される条件を満足できるモデル定数最適化手段を選べず優劣付け難い。この場合も選択条件121の修正をオペレータに要求するのが望ましい。
【0031】
(計算時間指標t、安定性指標s)=(5,5)とすると、ft(1)=0.5、ft(2)=1、ft(3)=0、fs(1)=0、fs(2)=1、fs(3)=0.5となるのでJ(1)=0.5、J(2)=2、J(3)=0.5となる。これは、シンプレックス法の優先順位が最も高く、次いでシンプレックス法と総当たり法が続くことを示す。計算時間指標tが5、安定性指標sが5であることは、「計算時間はある程度短く、かつある程度安定した解を得たい」場合に相当し、シンプレックス法を優先して用いることは適切である。
【0032】
以上の例に挙げたように、最適化手段優先順位決定手段101は、複数個備えている最適化演算手法に対する優先順位109を判定し、判定結果を出力する。
【0033】
最適化手段制御装置102は最適化手段優先順位決定手段101の出力側に接続されるとともに、モデル定数最適化手段105と計算結果判定手段103に接続されている。最適化手段制御装置102は複数個の最適化演算手法を備えているモデル定数最適化手段105を、最適化手段優先順位決定手段101から入力された優先順位109に従って制御してモデル定数の最適化演算を実施し、その最適化結果112の総和である最適化結果一式110を計算結果判定手段103に出力する。
【0034】
実測値入力部107は入力側を廃水処理プロセス119に接続され、出力側をモデル定数最適化手段105に接続されている。実測値入力部107は排水処理プロセス119の水質因子のうち少なくとも溶解性有機物濃度の実測値120を取り込み、場合によっては測定誤差や測定ミスなどに関する加工・補正を実施して補正済み実測値116を生成してモデル定数最適化手段105に与える。
【0035】
モデル定数最適化手段105は、最適化手段制御装置102、実測値入力部107、水質関数格納部108に接続されている。モデル定数最適化手段105は、最適化手段制御装置102に制御されて、指示された最適化演算手法を用いて、水質関数格納部108から入力された水質因子計算値118が、実測値入力部107から入力された補正済み実測値116に一致するようモデル定数117を調整し、水質関数格納部108に出力する。
【0036】
水質関数格納部108はモデル定数最適化手段105に接続され、モデル定数最適化手段105で最適化するモデル定数の含まれる数理モデル(排水処理プロセスを数式モデル化したもの)を備えている。水質関数格納部108に備えられる数理モデルとしては、IAWQが提案しているASM No.2が代表的であるが、これ以外の数理モデルでも使用することができる。水質関数格納部108はまず、備えられた数理モデルにより水質因子計算値118を算出してモデル定数最適化手段105に出力し、次いでモデル定数最適化手段105から与えられたモデル定数117を取り込み、そのモデル定数117を用いて計算した水質因子計算値118をモデル定数最適化手段105に出力する。
【0037】
計算結果判定手段103は入力側を最適化手段制御装置102に接続され、出力側を最適化結果表示手段104に接続されている。計算結果判定手段103は最適化手段制御装置102から出力された最適化結果一式110をとりこみ、結果が妥当な値であるか否かを判断してその最適化判定結果115を最適化結果表示手段104に出力する。
【0038】
妥当性の判断は、例えば次ぎのような方法で行われる。
(1)最適化したモデル定数の値を、予め設定しておいた上下限範囲と比較し、その範囲内であれば妥当であるとする。例えば、溶存酸素の飽和定数の値は理論的に0以下にはならず、またある一定値以上にはなり得ない。最適化したモデル定数の値がこの範囲内にあれば妥当であると判断する。
(2)最適化したモデル定数の値のうち、一部のモデル定数を、予め設定した関連テーブルに基づいて比較する。モデル定数相互の関係が関連テーブルのルールに整合していれば、得られたモデル定数は妥当であると判断する。例えば、好気性微生物の増殖量は増殖速度と死滅速度の差で求められる。溶存酸素の多い槽であれば、理論的には増殖速度が死滅速度よりも大きい。最適化したモデル定数の値がこの傾向を満たしていれば、モデル定数は妥当であると判断する。
【0039】
妥当性を判断した結果、最適化手段制御装置102から出力された最適化結果一式110が妥当でない場合、計算結果判定手段103は最適化手段制御装置102にその旨を通知する。この通知を受けた最適化手段制御装置102は、次ぎの優先順位の最適化演算手法により前述の手順で最適化演算を行わせ、得られた結果を再び計算結果判定手段103に出力する。計算結果判定手段103は前述の手順で、入力された最適化結果一式110の妥当性を判断する。この手順が妥当な結果が得られるまで、繰り返される。
【0040】
なお、最適化手段制御装置102が、計算結果判定手段103による妥当性判断を待つことなく、優先順位の高い最適化演算手法を順に用いてモデル定数の最適化演算を行わせるようにしてもよい。
【0041】
最適化結果表示手段104は入力側を計算結果判定手段103に接続され、計算結果判定手段103から入力された最適化判定結果115及び最適化計算に用いたモデル定数最適化手段(手法)を、操作員に分かるように計装盤あるいはモニタ上に表示する。ここで表示する内容は、最適化演算に用いた最適化演算手法名および最適化演算の結果求められた妥当なモデル定数であるが、場合によってはそれぞれの最適化演算手法の性能を比較するため、妥当でない結果も同時に表示するようにしてもよい。
【0042】
本実施の形態によれば、指定された選択条件に合致した最適化演算手法が選定され、選定された最適化演算手法によりモデル定数の最適化演算が行われるから、所望の計算時間、精度、安定性などの条件でモデル定数の最適化を行うことが可能になる。また、最適化演算の結果を、妥当でない結果を含めて表示することにより、経験の少ない操作員が、最適化結果が妥当であるかどうかを学習し、判断することが可能になる。
【0043】
本発明の第2の実施の形態を、図3を参照して説明する。本実施の形態は、第1の実施の形態におけるモデル定数最適化手段105の最適化演算手法の一つに、現代制御理論における最適レギュレータ法30を用いたものである。最適レギュレータ法30による最適化演算のフローを図3に示す。この手法を簡単に述べると、まず水質関数(数理モデル)の複数の水質因子に関する微分行列Aと複数のモデル定数に関する微分行列Bとを数値的に生成する。微分行列AとBの値から適切な状態フィードバック行列Fを求め、モデル定数の値を逐次的に調整して最適化する。状態フィードバック行列Fは、適度な安定性と収束速度を持つゲインQとRを与えたリカッチ型行列方程式を解いて求める。
【0044】
本実施の形態の排水処理プロセスシミュレータを用いて実際に最適化計算を実施した。計算の対象は、2槽の嫌気槽R1,R2、2槽の無酸素槽R3,R4、および4槽の好気槽R5〜R8からなる、実下水を処理する小型実験装置である。この装置のフローを図4に示す。各槽の容量は27Lである。好気槽R5〜R8は、その底部から空気の泡が吹き出されて処理水中を上昇するように構成され、最下流の好気槽R8の出側には沈澱池が接続されている。沈澱池の沈澱汚泥の一部は返送汚泥として嫌気槽R1に循環されるようになっている。また、好気槽R8からは、被処理水の一部が循環液として無酸素槽R3に循環されるようになっている。
【0045】
図示の装置において、被処理水は、まず嫌気槽R1に導入され、嫌気槽R1から好気槽R8に向かって順に各槽を通過する。被処理水は、各槽を通過しつつ浄化処理され、好気槽R8から沈澱池へ導かれる。沈澱池で汚泥が分離されたあと、被処理水が排出される。
【0046】
上記構成の装置の数理モデルにつき、各槽別々にモデル定数の最適化を実施した。モデル定数を最適化したのち、シミュレーションにより得られた水質のうち、アンモニア性窒素に関する結果を、モデル定数最適化前のシミュレーションで得られた値および目標値(実測値)と対比して図5に示す。横軸は槽の番号である。モデル定数最適化前の計算値は、他の下水処理場で最適化したモデル定数を用いて求めた。この図のように、最適化前の計算値は大きく目標値からずれているが、最適レギュレータ法30によってモデル定数を最適化した結果、シミュレーションで得られた水質計算値は、目標値にほぼ一致している。
【0047】
本実施の形態の最適レギュレータ法は、微分勾配に基づいて最適解を直接的に求める方法なので、モデル定数の最適化に要する時間が短い。また、最適レギュレータ法は、リカッチ型行列方程式で与えるゲインを変更することにより、安定性の面でニュートン法よりも良好な結果が得られる。参考に、図2に、最適レギュレータ法30の時間評価関数ft、安定性評価関数fsを、破線で示した。
【0048】
次ぎに図6を参照して本発明の第3の実施の形態を説明する。本実施の形態が図1に示す実施の形態と異なるのは、実測値入力部107に接続して状態変数推定手段41が設けられ、この状態変数推定手段41の出力側に接続して推定水質因子表示手段42が設けられている点である。他の構成は前期第1の実施の形態と同じなので、同一の構成に同じ符号を付して説明を省略する。状態変数推定手段41は、補正済み実測値116をとりこみ、実測されていない水質因子のうち推定可能な項目の値を推定する機能を持ち、推定した結果は推定水質因子表示手段42によって計装盤あるいはモニタ上に表示される。
【0049】
現実の排水処理プロセスでは、IAWQ ASM No.2のような下水処理微生物反応モデル(数理モデル)に含まれる水質因子の全てが下水処理場で測定される場合は少なく、一部の水質因子の実測値しか与えられない場合が多い。その結果、最適レギュレータ法30その他の最適化演算手法を用いてモデル定数の最適化を行う場合に支障をきたす可能性がある。状態変数推定手段41は補正済み実測値116をとりこみ、測定されていない水質因子のうち推定可能な項目の値を推定する。推定した結果(水質因子推定値43)は推定水質因子表示手段42によって計装盤あるいはモニタ上に表示される。推定値と補正済み実測値一式40はともにモデル定数最適化手段105にとりこまれ、最適化演算に用いられる。
【0050】
操作員が推定水質因子表示手段42を介して状態変数推定手段41の推定結果を確認し、水質因子推定値43が妥当でない場合には最適化計算に使用しないように設定可能とする。水質因子推定値43が妥当であるかどうかは、先に述べたモデル定数の妥当性判断の場合と同じように、水質因子の上下限値や水質因子相互間の関連に基づいて判断してもよいし、また、モデル定数の実測値の組合せに対して推定値が妥当かどうかを検証して判断してもよい。なお、推定値が妥当でないと判断された場合は、推定値を使用せず、以前に使用した推定値を用いるのが望ましい。
【0051】
本実施の形態によれば、前記第1の実施の形態による効果に加え、モデル定数最適化に必要な水質因子のうち測定されていないものがあっても、モデル定数の最適化の際に与える水質条件を見かけ上増やすことができ、最適化演算の安定性と信頼性を向上させる効果がある。また、推定した水質因子の値が表示されるため、推定された水質因子の値を操作員が確認することができる。したがって、推定した水質因子の値が操作員の想定する範囲外である場合、該当する水質因子の値を、モデル定数の最適化演算に使用しないように指示できるから、水質因子の誤った推定値を用いることで演算が望ましくない方向へ進むことが防がれる。
【0052】
本発明の第4の実施の形態を図7を参照して説明する。本実施の形態が前記第3の実施の形態と相違するのは、排水処理プロセス119を制御するプロセス制御手段50の入力側に、実測値入力部107から出力される水質因子推定値と補正済み実測値一式40が、入力されるように構成されている点である。他の構成は前記第3の実施の形態と同じであるので、同一の符号を付して説明を省略する。
【0053】
第3の実施の形態で述べたように、下水処理微生物反応モデルに含まれる水質因子の全てが測定される場合は少なく、一部の水質因子の実測値しか与えられない場合が多い。その結果、この排水処理プロセスシミュレータ100を制御に用いるためには不足している実測値を推測する必要が出てくる場合がある。そこで、状態変数推定手段41を排水処理プロセスシミュレータに組み込み、この状態変数推定手段41に補正済み実測値116をとりこんで測定されていない水質因子のうち推定可能な項目の値を推定する。推定された水質因子推定値43は推定水質因子表示手段42によって計装盤あるいはモニタ上に表示されるとともに、水質因子推定値と補正済み実測値一式40はモデル定数最適化手段105にとりこまれ、最適化計算のために用いられる。本実施の形態では、水質因子推定値と補正済み実測値一式40は同時に排水処理プロセス119を制御するプロセス制御手段50に出力される。操作員が推定水質因子表示手段42を介してその結果を確認し、水質因子推定値43が妥当でない場合には、モデル定数の最適化演算あるいは制御に使用しないように設定可能とするのが望ましい。
【0054】
本実施の形態によれば、前記第3の実施の形態における効果に加え、計測機器が不充分な施設であっても見かけ上の実測値を増やすことができ、より適切な制御が可能になるという効果がある。
【0055】
本発明の第5の実施の形態を図8を参照して説明する。本実施の形態が前記第1の実施の形態と異なるのは、計算結果判定手段103に代えて計算結果判定手段103に機器異常診断機能を付加した計算結果判定手段103Aを設け、計算結果判定手段103Aに接続してデータベース60、および機器異常診断結果表示手段62を設けた点である。他の構成は第1の実施の形態と同じであるので同一の符号を付して説明を省略する。
【0056】
データベース60は、一般的なモデル定数の値および過去の最適化演算で得られたモデル定数の値を格納している。計算結果判定手段103Aの機器異常診断機能は、データベース60に蓄積された過去のデータ61と最適化演算で得られたモデル定数の値を比較し、論理的推論により、前記最適化演算で得られたモデル定数(最適化結果一式110)が予測される範囲内にあるか、あるいはモデル定数の値の組み合わせが正常運転時には起こり得る組合せかを評価する。その結果、最適化したモデル定数の値が予測される範囲外であれば、あるいはモデル定数の値の組み合わせが正常運転時には起こり得ない状態であれば、水質を測定する測定機器あるいは被処理水に空気を吹き込むブロワなどの機器が異常であると判定する。計算結果判定手段103Aの機器異常診断機能の判定結果は、異常診断結果63として機器異常診断結果表示手段62にとりこまれ、ある機器が機器異常と判断された場合、その機器の名称が計装盤あるいはモニタに、異常機器として表示される。
【0057】
本実施の形態によれば、それぞれの機器に異常検出のための検出器を備えなくても、機器の異常診断が可能になる。また、それぞれのモデル定数が取り得る上下限の値の他に、複数の相関するモデル定数値の比率や組合せについても、モデル定数の許容範囲として設定できるから、機器の異常診断を詳細かつ適切な条件に基づいて行うことが可能になる。
【0058】
本発明の第6の実施の形態を図9を参照して説明する。本実施の形態が前記第1の実施の形態と異なるのは、出力側を水質関数格納部108および実測値入力部107に接続した標準入力生成手段80と、水質関数格納部108に入力側を接続した伝達関数推定手段81と、伝達関数推定手段81に入力側を接続したPIDゲイン決定手段82と、を設け、PIDゲイン決定手段82の出力側を排水処理プロセス119を制御するプロセス制御手段50に接続した点である。他の構成は第1の実施の形態と同じであるので、同一の符号を付して説明を省略する。
【0059】
標準入力生成手段80で生成されたパルス入力あるいはステップ入力あるいはランプ入力あるいはそれらの複数の組合せなどの標準入力83は水質関数格納部108に入力される。この標準入力は、被処理水の水質データと排水処理プロセス119を制御するための制御データである。水質関数格納部108ではそれらの標準入力83に対応する応答出力(水質因子計算値)84を伝達関数推定手段81に出力する。伝達関数推定手段81では、標準入力83とそれに対する応答出力84から、排水処理プロセス119の伝達関数を推定する。推定された推定プロセス伝達関数85は、PIDゲイン決定手段82に入力される。PIDゲイン決定手段82は、入力された推定プロセス伝達関数85に基づいて、安定でかつ即応性のある適切なPIDゲイン86を計算し、プロセス制御手段50に出力する。プロセス制御手段50ではPIDゲイン86に基づいて制御機器のゲインを設定し、制御量87を排水処理プロセス119に与える。なお、ここではPID制御を想定しているが、P,I,Dいずれかの制御要素を備えた制御系であれば同様にして適切なゲインを与えることができる。
【0060】
本実施の形態によれば、PID制御を行う制御装置の制御ゲインを、短時間で、適切な値に設定できる。
【0061】
なお、前記各実施の形態は、いずれもそのいくつかを互いに組み合わせた構成としても本発明の目的を達成するものであることは云うまでもない。
【0062】
【発明の効果】
以上説明したように、本発明によれば、排水処理プロセスの数理モデルのモデル定数の値を最適化するに際し、各選択条件に応じて適切に選択した最適化手段によって最適化することができる。したがって、実際の排水処理作業において要求される条件、つまり、精度を多少犠牲にしても早く処理を開始したい、あるいは時間に余裕があるからできるだけ目標に近い水質になるように制御したいなどの条件に対応した排水処理が可能になる。
【図面の簡単な説明】
【図1】本発明の第1の実施の形態に係る排水処理プロセスシミュレータの機能構成を示すブロック図である。
【図2】本発明の第1の実施の形態における優先順位を計算するための関数の一例を示すグラフである。
【図3】本発明の第3の実施の形態に係るモデル定数最適化演算の手順を示すフロー図である。
【図4】本発明の第3の実施の形態に係るよるモデル定数最適化計算対象実験装置の概略構成を示す系統図である。
【図5】本発明の第3の実施の形態によるモデル定数最適化演算を行った場合の水質を目標値およびモデル定数最適化前の数理モデルによる計算の水質に比較して示すグラフである。
【図6】本発明の第4の実施の形態に係る排水処理プロセスシミュレータの機能構成を示すブロック図である。
【図7】本発明の第5の実施の形態に係る排水処理プロセスシミュレータの機能構成を示すブロック図である。
【図8】本発明の第6の実施の形態に係る排水処理プロセスシミュレータの機能構成を示すブロック図である。
【図9】本発明の第7の実施の形態に係る排水処理プロセスシミュレータの機能構成を示すブロック図である。
【符号の説明】
40 推定値と補正済み実測値一式
41 状態変数推定手段
42 推定水質因子表示手段
43 水質因子推定値
50 プロセス制御手段
60 データベース
61 過去のデータ
62 機器異常診断結果表示手段
63 異常診断結果
80 標準入力生成手段
81 伝達関数推定手段
82 PIDゲイン決定手段
83 標準入力
84 応答出力
85 推定プロセス伝達関数
86 PIDゲイン
87 制御量
100 排水処理プロセスシミュレータ
101 最適化手段優先順位決定手段
102 最適化手段制御装置
103、103A 計算結果判定手段
104 最適化結果表示手段
105 モデル定数最適化手段(複数)
107 実測値入力部
108 水質関数格納部
109 優先順位
110 最適化結果一式
111 実行信号
112 最適化結果
115 最適化判定結果
116 補正済み実測値
117 モデル定数
118 水質因子計算値
119 排水処理プロセス
120 実測値
121 選択条件[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a control device or a driving support device to which a simulator for a wastewater treatment process such as sewage treatment is applied.
[0002]
[Prior art]
The current water purification process, sewage treatment process, waste water treatment process, etc. are generally operated and managed by operators who have experience and knowledge by monitoring and judging the situation. Operators play a large role in such a plant,
(1) labor saving is difficult,
(2) Human error is easy to enter,
(3) There is no guarantee that the operating conditions are optimal.
There is such a problem. As one of solutions to these problems, automatic driving control or driving support using a simulator based on a mathematical model has been proposed. The mathematical model referred to here is a biological / chemical reaction model that simulates the state in which the substance contained in each treated water is changed by microorganisms and oxidizing agents, and a material balance by inflow and outflow, and in some cases, physical Refers to those that calculate the model at the same time. Among these, as a biological reaction model of sewage treatment and wastewater treatment, an IAWQ model proposed by IAWQ (International Association on Water Quality) is well known. As a method of controlling a process using the IAWQ model, for example, there is a method described in JP-A-10-235333. This technology simulates and controls the sewage treatment plant using an IAWQ model or a mathematical model equivalent to the IAWQ model, so that the connection state of each tank, input / output items, control method, etc. can be easily set on the screen. It was done.
[0003]
In the actual wastewater treatment process, the quality and conditions of the inflow water to be treated fluctuate depending on the season and water temperature. Therefore, even in a biological reaction model simulating the wastewater treatment process, the values of various constants (model constants) included in the model are different from each other. Process, season, and water temperature. Therefore, when applying the simulator based on the mathematical model described above, it is necessary to optimize the value of the model constant according to the season and the water temperature. Conventionally, it was necessary to carry out a detailed experiment in order to optimize each model constant. Therefore, experimental know-how was required, and the analysis of experimental data was complicated. For this reason, it has been difficult to operate a process simulator provided in a computer system at a site online.
[0004]
As a solution to this, various methods (optimization calculation methods) for appropriately optimizing the value of the model constant according to the quality of the inflow water (season, water temperature) without performing experiments have been proposed. For example, the 36th Sewerage Research Presentation Lectures (1999) 475 describes the result of optimizing the model constants using the Monte Carlo method. Also, Japanese Patent Application Laid-Open Nos. 5-253590 and 10-235333 propose that a model constant is optimized by using a simplex method.
[0005]
[Problems to be solved by the invention]
The method of optimizing the model constant on a brute force basis, such as the Monte Carlo method, is advantageous in that it does not fall to the local minimum. However, since the amount of calculation for optimization is large, it takes time to find a solution, and the amount of calculation increases dramatically when the search range or the number of model constants is further increased. For example, assuming that the number of model constants to be optimized is 10, doubling the search range increases the amount of calculation by a factor of 2, that is, 1024 times. To shorten the calculation time, it is conceivable to narrow the search range. However, if the search range is narrowed more than necessary, the possibility that the optimum point exists outside the range increases.
[0006]
On the other hand, the simplex method of the nonlinear programming is one of the methods for directly finding an optimal solution, and requires a smaller amount of calculation and a shorter time until the solution is obtained than the brute force method. However, if there is a local equilibrium point, it may converge toward that point and may not converge to an optimal solution.
[0007]
Typical methods that converge directly to the optimal solution other than the simplex method include the optimal regulator method, the steepest descent method, and the Newton method. In both cases, the amount of calculation is smaller than that of the simplex method and the time required to obtain an optimal solution is shorter, but the stability (convergence of calculation) is slightly inferior in JP-A-5-253590.
[0008]
A method of optimizing model constants using an AI method based on a knowledge database or a neural network is an effective method for obtaining an optimal solution once the inference system is completed. The calculation time is considered to be faster than methods such as the simplex method, and the stability is considered to be good because it is based on past data. However, the inference system is inadequate at the time of newly starting the apparatus or until data is sufficiently accumulated, and a certain learning period is required.
[0009]
Each of the above methods used to optimize the model constant has different characteristics. Typical features include the length of calculation time, high and low accuracy, and stability. That is, when only one of the various optimization methods described above is provided in the wastewater treatment process simulator, the required condition, that is, the calculation time, accuracy, and stability may not be satisfied. In some cases, the solution may not be obtained by the method.
[0010]
The present invention has been made in view of the above background, and has an object to optimize a model constant of a wastewater treatment process in accordance with required (calculation time, accuracy, and stability) conditions. .
[0011]
[Means for Solving the Problems]
In the present invention, in order to achieve the above object, first, a plurality of types of optimization calculation means are provided so as to be selectable. Next, the features of the plurality of optimization calculation means were numerically expressed. Then, there is provided means for determining a priority order based on the numerical values of the plurality of optimization calculation means for a given selection condition.
[0012]
That is, a first means of the present invention for achieving the above object is a water quality function storage unit for modeling a wastewater treatment process and storing it as a water quality function including a water quality factor and a model constant of the wastewater, and a measured value of the water quality factor of the wastewater. And a model constant optimizing means comprising an optimization calculating means for optimizing the value of the model constant using, and a wastewater treatment process simulator for simulating a wastewater treatment process using the water quality function. The model constant optimizing means is provided with a plurality of types of optimization calculating means, Calculation time index and stability index Optimizing means priority determining means for determining priorities of the plurality of optimizing operation means based on the above.
[0013]
One of the plurality of types of optimization calculation means is preferably a brute force method such as a Monte Carlo method.
[0014]
In addition, the validity of the model constant values obtained by multiple types of optimization calculation means Based on the comparison between the upper and lower limits of the Dell constant and the relationship table between the model constants Judgment Classify invalid and valid results A calculation result determination unit and an optimization result display unit that simultaneously displays a valid result and an invalid result may be provided.
[0015]
The calculation time index is a qualitative or quantitative index that defines the length of time required for the optimization operation .
[0016]
In the optimal calculation, the measured values of the water quality factors are used. However, when the number of the obtained measured values is small, the state variable estimating means for estimating the value of the water quality factor of the wastewater necessary for the model constant optimization calculation is estimated. It is desirable to provide an estimated water quality factor display means for displaying the value of the water quality factor of the wastewater. The estimated water quality factor may be used for controlling the actual wastewater treatment process.
[0017]
Further, a database is provided which stores the values of general model constants and model constants that have been optimized in the past, and the values of model constants determined using the model constant optimizing means are stored in the database. The value of the model constant is compared with the value of the model constant, and it is judged by logical inference whether or not the value is within the theoretically valid range. May be provided with device abnormality diagnosis means for diagnosing the abnormality.
[0018]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings.
[0019]
FIG. 1 shows a main part of a configuration of a wastewater treatment process simulator according to a first embodiment of the present invention. The illustrated wastewater
[0020]
In this embodiment, a plurality of calculation methods for optimizing the model constant are prepared, and the calculation method most suitable for the conditions required for the optimization calculation is automatically selected to execute the optimization calculation. It is to let.
[0021]
Hereinafter, each component of the present embodiment will be described.
[0022]
The model
[0023]
In addition, as an optimization calculation method that can be used for the model constant optimization means 105, for example, a genetic algorithm method, an optimal regulator method, a steepest descent method, a Monte Carlo method, and the like can be adopted. May be combined in consideration of the characteristics of the respective methods in accordance with the above conditions. In contrast to the brute force method represented by the Monte Carlo method, the simplex method, the Newton method, and the like are called gradient methods. The plurality of optimization calculation methods provided in the model constant optimization means 105 are respectively different types, and one of them is preferably a brute force method.
[0024]
The
[0025]
Here, a method of determining the
[0026]
Based on the values of the calculation time index t and the stability index s, priority is assigned to each of the brute force method, the simplex method, and the Newton method using a line function as shown in FIG. In FIG. 2, ft is a time evaluation function, and fs is a stability evaluation function. The numbers in parentheses indicate the optimization calculation method of the model
[0027]
For example, it is assumed that the input selection condition is digitized and (calculation time index t, stability index s) = (1, 1). From the function shown in FIG. 2, ft (1) = 1, ft (2) = 0.5, ft (3) = 0, fs (1) = 1, fs (2) = 0.5, fs (3) Since = 0, a total evaluation function J for each method is obtained from each sum.
ft (1) + fs (1) = J (1) = 2
ft (2) + fs (2) = J (2) = 1
ft (3) + fs (3) = J (3) = 0
This result indicates that Newton's method has the highest priority, simplex has the second priority, and brute force has the lowest priority. In the numerical selection condition, the calculation time index t and the stability index s being 1 correspond to the case where the stability is low and therefore the calculation is to be completed immediately. Is appropriate in light of the input selection conditions.
[0028]
Assuming that the numerical selection conditions are (calculation time index t, stability index s) = (10, 10), ft (1) = 0, ft (2) = 0.5, ft (3) = 1, fs (1) = 0, fs (2) = 0.5, and fs (3) = 1. The total evaluation function J is as follows.
ft (1) + fs (1) = J (1) = 0
ft (2) + fs (2) = J (2) = 1
ft (3) + fs (3) = J (3) = 2
This result indicates that the brute force method has the highest priority, followed by the simplex method, and the Newton method has the lowest priority. The fact that the calculation time index t is 10 and the stability index s is 10 corresponds to the case that “the calculation time may take a long time, so that a stable solution is desired”, and the brute force method is used with priority. That is appropriate.
[0029]
Further, assuming that the numerical selection conditions are ((calculation time index t, stability index s) = (10, 1), ft (1) = 0, ft (2) = 0.5, ft (3) = 1, fs (1) = 1, fs (2) = 0.5, fs (3) = 0, and the total evaluation function J is J (1) = 1, J (2) = 1 , J (3) = 1, which corresponds to a weakly-restricted condition such as “the calculation time may be long and the stability may be poor”. If the values of the total evaluation functions J are equal, it is desirable to request the operator to correct the
[0030]
If (calculation time index t, stability index s) = (1, 10), ft (1) = 1, ft (2) = 0.5, ft (3) = 0, fs (1) = 0, Since fs (2) = 0.5 and fs (3) = 1, J (1) = 1, J (2) = 1, and J (3) = 1. This corresponds to the case where the restriction is strict, such as "select a model constant optimizing means having a short calculation time and good stability". . Also in this case, it is desirable to request the operator to correct the
[0031]
If (calculation time index t, stability index s) = (5, 5), ft (1) = 0.5, ft (2) = 1, ft (3) = 0, fs (1) = 0, Since fs (2) = 1 and fs (3) = 0.5, J (1) = 0.5, J (2) = 2, and J (3) = 0.5. This indicates that the simplex method has the highest priority, followed by the simplex method and the brute force method. The fact that the calculation time index t is 5 and the stability index s is 5 corresponds to the case where “the calculation time is short to some extent and a stable solution is desired to some extent”. It is appropriate to preferentially use the simplex method. is there.
[0032]
As described in the above example, the optimization means priority order determination means 101 determines the
[0033]
The optimizing means
[0034]
The measured
[0035]
The model
[0036]
The water quality
[0037]
The calculation result determination means 103 has an input side connected to the optimization means
[0038]
The determination of validity is performed, for example, by the following method.
(1) The value of the optimized model constant is compared with a preset upper and lower limit range, and if it is within the range, it is determined to be valid. For example, the value of the saturation constant of dissolved oxygen does not theoretically fall below 0 and cannot exceed a certain value. If the value of the optimized model constant is within this range, it is determined to be valid.
(2) Among the optimized model constant values, some model constants are compared based on a preset association table. If the relationship between the model constants matches the rules in the association table, it is determined that the obtained model constant is valid. For example, the growth amount of an aerobic microorganism is determined from the difference between the growth rate and the kill rate. In a tank with a large amount of dissolved oxygen, the growth rate is theoretically higher than the death rate. If the value of the optimized model constant satisfies this tendency, it is determined that the model constant is appropriate.
[0039]
As a result of the determination of the validity, if the set of
[0040]
Note that the optimization
[0041]
The optimization result display means 104 is connected on the input side to the calculation result determination means 103, and displays the
[0042]
According to the present embodiment, an optimization calculation method that matches the specified selection condition is selected, and the optimization calculation of the model constant is performed by the selected optimization calculation method. It is possible to optimize the model constant under conditions such as stability. In addition, by displaying the result of the optimization operation including an invalid result, an inexperienced operator can learn and determine whether the optimization result is appropriate.
[0043]
A second embodiment of the present invention will be described with reference to FIG. This embodiment uses the optimal regulator method 30 in modern control theory as one of the optimization calculation methods of the model
[0044]
The optimization calculation was actually performed using the wastewater treatment process simulator of the present embodiment. The target of calculation is a small experimental apparatus for treating actual sewage, which is composed of two anaerobic tanks R1 and R2, two anoxic tanks R3 and R4, and four aerobic tanks R5 to R8. FIG. 4 shows the flow of this apparatus. The capacity of each tank is 27L. The aerobic tanks R5 to R8 are configured such that air bubbles are blown out from the bottom thereof and rise in the treated water, and a settling pond is connected to the outlet side of the most downstream aerobic tank R8. A part of the settled sludge in the settling basin is circulated to the anaerobic tank R1 as returned sludge. Further, a part of the water to be treated is circulated from the aerobic tank R8 to the anoxic tank R3 as a circulating liquid.
[0045]
In the illustrated apparatus, the water to be treated is first introduced into the anaerobic tank R1, and passes through each tank in order from the anaerobic tank R1 to the aerobic tank R8. The water to be treated is purified while passing through each tank, and is guided from the aerobic tank R8 to the sedimentation basin. After the sludge is separated in the sedimentation basin, the water to be treated is discharged.
[0046]
With respect to the mathematical model of the apparatus having the above configuration, optimization of model constants was separately performed for each tank. After optimizing the model constants, the results regarding ammonia nitrogen among the water qualities obtained by the simulation are compared with the values obtained by the simulation before the optimization of the model constants and the target values (actually measured values) in FIG. Show. The horizontal axis is the tank number. The calculated values before optimization of model constants were obtained using model constants optimized in other sewage treatment plants. As shown in this figure, the calculated value before optimization largely deviates from the target value, but as a result of optimizing the model constants by the optimal regulator method 30, the calculated water quality value obtained by the simulation is almost equal to the target value. I do.
[0047]
The optimal regulator method of the present embodiment is a method for directly finding the optimal solution based on the differential gradient, and therefore, the time required for optimizing the model constant is short. In addition, the optimal regulator method can obtain better results than the Newton method in terms of stability by changing the gain given by the Riccati matrix equation. For reference, FIG. 2 shows the time evaluation function ft and the stability evaluation function fs of the optimal regulator method 30 by broken lines.
[0048]
Next, a third embodiment of the present invention will be described with reference to FIG. This embodiment is different from the embodiment shown in FIG. 1 in that a state variable estimating means 41 is provided connected to the actually measured
[0049]
In a real wastewater treatment process, IAWQ ASM No. It is rare that all of the water quality factors included in the sewage treatment microbial reaction model (mathematical model) such as No. 2 are measured at the sewage treatment plant, and in many cases, only actual measured values of some water quality factors are given. As a result, there is a possibility that there will be a problem in optimizing the model constants using the optimal regulator method 30 or other optimization calculation methods. The state variable estimating means 41 takes in the corrected
[0050]
The operator confirms the estimation result of the state variable estimating means 41 via the estimated water quality
[0051]
According to the present embodiment, in addition to the effects of the first embodiment, even if some of the water quality factors required for the model constant optimization are not measured, they are given when the model constants are optimized. Water quality conditions can be apparently increased, and this has the effect of improving the stability and reliability of the optimization operation. Also, since the value of the estimated water quality factor is displayed, the operator can check the estimated value of the water quality factor. Therefore, if the value of the estimated water quality factor is out of the range assumed by the operator, the value of the water quality factor concerned can be instructed not to be used for the optimization calculation of the model constant. Is used to prevent the computation from proceeding in an undesirable direction.
[0052]
A fourth embodiment of the present invention will be described with reference to FIG. This embodiment is different from the third embodiment in that the estimated value of the water quality factor output from the measured
[0053]
As described in the third embodiment, the case where all the water quality factors included in the sewage treatment microbial reaction model are measured is small, and in many cases, only the actually measured values of a part of the water quality factors are given. As a result, in order to use the wastewater
[0054]
According to the present embodiment, in addition to the effects of the third embodiment, even in a facility with insufficient measuring equipment, it is possible to increase the apparent actually measured value and more appropriate control becomes possible. This has the effect.
[0055]
A fifth embodiment of the present invention will be described with reference to FIG. This embodiment is different from the first embodiment in that a calculation
[0056]
The
[0057]
According to the present embodiment, even if each device does not have a detector for detecting an abnormality, it is possible to diagnose the abnormality of the device. Further, in addition to the upper and lower limit values that can be taken by each model constant, the ratio and combination of a plurality of correlated model constant values can be set as the allowable range of the model constant, so that the device abnormality diagnosis can be performed in a detailed and appropriate manner. This can be performed based on conditions.
[0058]
A sixth embodiment of the present invention will be described with reference to FIG. This embodiment is different from the first embodiment in that a standard
[0059]
The
[0060]
According to the present embodiment, the control gain of the control device that performs the PID control can be set to an appropriate value in a short time.
[0061]
It goes without saying that each of the above embodiments achieves the object of the present invention even when some of them are combined with each other.
[0062]
【The invention's effect】
As described above, according to the present invention, when optimizing the value of the model constant of the mathematical model of the wastewater treatment process, the value can be optimized by the optimizing means appropriately selected according to each selection condition. Therefore, the conditions required in the actual wastewater treatment work, that is, such conditions as want to start the treatment as soon as possible at the expense of some accuracy, or to control the water quality as close to the target as possible because there is enough time. Corresponding wastewater treatment becomes possible.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a first embodiment of the present invention.
FIG. 2 is a graph showing an example of a function for calculating a priority order according to the first embodiment of the present invention.
FIG. 3 is a flowchart illustrating a procedure of a model constant optimization calculation according to a third embodiment of the present invention.
FIG. 4 is a system diagram showing a schematic configuration of a model constant optimization calculation target experimental device according to a third embodiment of the present invention.
FIG. 5 is a graph showing a comparison between a target value and a water quality calculated by a mathematical model before optimization of a model constant when a model constant optimization calculation is performed according to the third embodiment of the present invention.
FIG. 6 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a fourth embodiment of the present invention.
FIG. 7 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a fifth embodiment of the present invention.
FIG. 8 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a sixth embodiment of the present invention.
FIG. 9 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a seventh embodiment of the present invention.
[Explanation of symbols]
40 Estimated value and corrected actual measured value set
41 State variable estimation means
42 Estimated water quality factor display means
43 Water quality factor estimates
50 Process control means
60 database
61 Past data
62 Device abnormality diagnosis result display means
63 Abnormality diagnosis result
80 Standard input generation means
81 Transfer Function Estimation Means
82 PID gain determining means
83 Standard input
84 Response output
85 Estimated process transfer function
86 PID gain
87 Control amount
100 Wastewater treatment process simulator
101 Optimizing means priority determining means
102 Optimizer control device
103, 103A calculation result determination means
104 optimization result display means
105 Model parameter optimization means (plural)
107 Measured value input section
108 Water quality function storage
109 Priority
110 Set of optimization results
111 Execution signal
112 Optimization result
115 Optimization judgment result
116 Corrected measured value
117 Model constant
118 Water quality factor calculation value
119 Wastewater treatment process
120 actual measurement
121 Selection conditions
Claims (8)
前記モデル定数最適化手段は複数種類の最適化演算手段を備えていることと、
与えられた計算時間指標と安定性指標とを基にして前記複数の最適化演算手段の優先順位を決定する最適化手段優先順位決定手段を備えたことと、を特徴とする排水処理プロセスシミュレータ。A water quality function storage unit that models a wastewater treatment process and stores the quality as a water quality function including a water quality factor and a model constant of the wastewater, and an optimization calculation unit that optimizes the value of the model constant using an actually measured value of the water quality factor of the wastewater And a model constant optimizing means comprising: a wastewater treatment process simulator that simulates a wastewater treatment process using the water quality function.
The model constant optimizing means includes a plurality of types of optimization calculating means,
A wastewater treatment process simulator characterized by comprising an optimization means priority order determination means for determining a priority order of the plurality of optimization operation means based on a given calculation time index and a stability index .
前記複数の最適化演算手段のうちの一つは、総あたり法によるものであることを特徴とする排水処理プロセスシミュレータ。The wastewater treatment process simulator according to claim 1,
A wastewater treatment process simulator, wherein one of the plurality of optimization calculation means is based on a round robin method.
優先順位の高い該モデル定数最適化手段を先に用いてモデル定数の値を最適化演算する最適化手段制御装置と、
最適化計算の結果の妥当性をモデル定数の上下限との比較及びモデル定数相互の関係テーブルに基づいて判断し、妥当でない結果と妥当な結果を分類する計算結果判定手段と、
妥当な結果と妥当でない結果を同時に表示する最適化結果表示手段と、
を備えたことを特徴とする排水処理プロセスシミュレータ。The wastewater treatment process simulator according to claim 1 or 2,
An optimizing means control device for optimizing and calculating the value of the model constant by using the model constant optimizing means having a higher priority first;
A calculation result determination unit that determines the validity of the result of the optimization calculation based on a comparison between the upper and lower limits of the model constant and a relation table between the model constants, and classifies an invalid result and a valid result;
An optimization result display means for simultaneously displaying valid and invalid results;
A wastewater treatment process simulator comprising:
前記計算時間指標は、最適化演算に必要な時間の長短を規定する定性的あるいは定量的な指標であることを特徴とする排水処理プロセスシミュレータ。The wastewater treatment process simulator according to any one of claims 1 to 3,
The wastewater treatment process simulator according to claim 1 , wherein the calculation time index is a qualitative or quantitative index that defines the length of time required for the optimization operation.
水質因子の実測値に基づいて、モデル定数最適化演算に必要な排水の水質因子の値を推定する状態変数推定手段と、
推定した排水の水質因子の値を表示する推定水質因子表示手段と、
を備えたことを特徴とする排水処理プロセスシミュレータ。The wastewater treatment process simulator according to any one of claims 1 to 4,
State variable estimating means for estimating the value of the water quality factor of the wastewater required for the model constant optimization calculation based on the actually measured value of the water quality factor,
Estimated water quality factor display means for displaying the value of the estimated wastewater quality factor,
A wastewater treatment process simulator comprising:
前記状態変数推定手段は、水質因子の実測値に基づいて、モデル定数最適化演算に必要な排水の水質因子および制御に必要な排水の水質因子の値を推定するものであり、
排水の水質因子の実測値および推定値に基づいて排水処理プロセスを制御するプロセス制御手段を備えたことを特徴とする排水処理プロセスシミュレータ。The wastewater treatment process simulator according to claim 5,
The state variable estimating means is for estimating, based on the actually measured value of the water quality factor, the value of the water quality factor of the waste water required for the model constant optimization calculation and the value of the water quality factor of the waste water required for the control,
A wastewater treatment process simulator, comprising: a process control unit that controls a wastewater treatment process based on measured and estimated values of a water quality factor of wastewater.
一般的なモデル定数の値および過去に最適化したモデル定数の値を記憶しているデータベースと、
前記モデル定数最適化手段を用いて決定したモデル定数の値を前記データベースに記憶されているモデル定数の値と比較し、論理的推論によって理論的に妥当な範囲内にあるか否かを判断し、決定したモデル定数の値が理論的に妥当でなければ、水質因子の測定機器が異常であると診断する機器異常診断手段と、
機器異常診断手段の診断結果を表示する異常診断結果表示手段と、
を備えたことを特徴とする排水処理プロセスシミュレータ。The wastewater treatment process simulator according to any one of claims 1 to 6,
A database storing values of general model constants and model constants optimized in the past,
The value of the model constant determined using the model constant optimizing means is compared with the value of the model constant stored in the database, and it is determined whether or not the value is within a theoretically valid range by logical inference. If the value of the determined model constant is not theoretically appropriate, a device abnormality diagnosis means for diagnosing that the measurement device of the water quality factor is abnormal,
Abnormality diagnosis result display means for displaying a diagnosis result of the equipment abnormality diagnosis means,
A wastewater treatment process simulator comprising:
ステップ入力あるいはインパルス入力あるいはランプ入力あるいはそれらの組み合わせから成る標準入力を生成する標準入力生成手段と、
該標準入力を前記水質関数格納部に入力して計算した応答出力から排水処理プロセスの伝達関数を推定する伝達関数推定手段と、
推定された排水処理プロセスの該伝達関数を用いてPID制御装置のゲインを決定するPIDゲイン決定手段と、
を備えたことを特徴とする排水処理プロセスシミュレータ。The wastewater treatment process simulator according to any one of claims 1 to 7,
Standard input generation means for generating a standard input comprising a step input, an impulse input, a ramp input or a combination thereof;
Transfer function estimating means for estimating a transfer function of a wastewater treatment process from a response output calculated by inputting the standard input to the water quality function storage unit,
PID gain determining means for determining a gain of the PID control device using the transfer function of the estimated wastewater treatment process;
A wastewater treatment process simulator comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000250946A JP3603182B2 (en) | 2000-08-22 | 2000-08-22 | Wastewater treatment process simulator |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000250946A JP3603182B2 (en) | 2000-08-22 | 2000-08-22 | Wastewater treatment process simulator |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002062927A JP2002062927A (en) | 2002-02-28 |
JP3603182B2 true JP3603182B2 (en) | 2004-12-22 |
Family
ID=18740435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000250946A Expired - Fee Related JP3603182B2 (en) | 2000-08-22 | 2000-08-22 | Wastewater treatment process simulator |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3603182B2 (en) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4259335B2 (en) * | 2004-01-30 | 2009-04-30 | 住友金属工業株式会社 | Method for correcting model parameters in steel process and method for producing hot-rolled steel sheet using the method |
US8209040B2 (en) | 2007-01-10 | 2012-06-26 | Hitachi, Ltd. | Plant control apparatus |
JP5213749B2 (en) * | 2009-02-17 | 2013-06-19 | アズビル株式会社 | Model function update processing apparatus and method |
CN102411308B (en) * | 2011-12-24 | 2013-07-10 | 北京工业大学 | Adaptive control method of dissolved oxygen (DO) based on recurrent neural network (RNN) model |
KR101869011B1 (en) * | 2017-03-24 | 2018-06-20 | 주식회사 유앤유 | Evaluation system of state variables of settled wastewater for activated sludge modeling and method of the same |
CN108828178B (en) * | 2018-08-06 | 2024-05-31 | 中国环境科学研究院 | Water quality inspection equipment |
JP7413742B2 (en) * | 2019-12-05 | 2024-01-16 | オムロン株式会社 | Prediction system, information processing device and information processing program |
-
2000
- 2000-08-22 JP JP2000250946A patent/JP3603182B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2002062927A (en) | 2002-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR940005029B1 (en) | Supporting method and system for process control | |
CN109879410A (en) | Sewage treatment aeration control system | |
JP6764487B2 (en) | How to operate a water treatment plant and a water treatment plant | |
JP3603182B2 (en) | Wastewater treatment process simulator | |
JP4700145B2 (en) | Model reference automatic controller for water treatment equipment | |
TWI813437B (en) | Water treatment control system and control method of water treatment device | |
JP4038718B2 (en) | Sewage treatment process simulation method and sewage treatment process simulator | |
JPH03134706A (en) | Knowledge acquiring method for supporting operation of sewage-treatment plant | |
JPH0852458A (en) | Operation supporting device for sewer-age treatment plant | |
JP2002045882A (en) | Water quality controller for sewage treatment plant | |
WO2022029831A1 (en) | Water quality estimation apparatus | |
KR101993449B1 (en) | Energy optimization system using measuring and controling of water treatment facility | |
JPH1157780A (en) | Sewage disposal plant, its measuring instrument and support equipment | |
JPH10235333A (en) | Sewage treatment process simulator | |
JPH06335694A (en) | Controller of device for biologically treating waste water | |
JP7170949B1 (en) | Aeration amount control device and aeration amount control method | |
JP3460211B2 (en) | Sewage treatment control device | |
WO2024121918A1 (en) | Water treatment facility operation assistance system and water treatment facility operation assistance method | |
KR101025337B1 (en) | Dynamic-mass balance model based a real-time effluent prediction system for a continuous type of biological wastewater treatment plants | |
TWI842219B (en) | Aeration volume control device and aeration volume control method | |
Chistiakova et al. | Input-output stability design of an ammonium based aeration controller for wastewater treatment | |
JPH07121398B2 (en) | Bulking controller | |
JPS6182895A (en) | Controlling device for sewage treatment | |
JPH06335693A (en) | Neurocontroller of activated-sludge process | |
Barnett | Dynamics and control of wastewater systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040427 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040623 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040913 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071008 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081008 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091008 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091008 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101008 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111008 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121008 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121008 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131008 Year of fee payment: 9 |
|
LAPS | Cancellation because of no payment of annual fees |