JPH10118691A - Apparatus for biological nitrification and denitrification treatment - Google Patents
Apparatus for biological nitrification and denitrification treatmentInfo
- Publication number
- JPH10118691A JPH10118691A JP27509096A JP27509096A JPH10118691A JP H10118691 A JPH10118691 A JP H10118691A JP 27509096 A JP27509096 A JP 27509096A JP 27509096 A JP27509096 A JP 27509096A JP H10118691 A JPH10118691 A JP H10118691A
- Authority
- JP
- Japan
- Prior art keywords
- orp
- data
- change pattern
- aeration
- neural network
- 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
Landscapes
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
Description
【0001】[0001]
【発明の属する技術分野】本発明は、原水を生物学的に
硝化および脱窒処理する装置に関し、特に、原水が投入
された槽内の酸化還元電位(ORP)の時間的変化パタ
ーンに基づいて装置運転状況を自動的に予測評価する生
物学的硝化脱窒処理装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an apparatus for biologically nitrifying and denitrifying raw water, and more particularly, to an apparatus based on a temporal change pattern of an oxidation-reduction potential (ORP) in a tank into which raw water is charged. The present invention relates to a biological nitrification and denitrification treatment apparatus for automatically predicting and evaluating the operation state of the apparatus.
【0002】[0002]
【関連する技術】水処理装置には、原水(例えば、し尿
等の窒素含有廃水)を単一の生物処理槽に一定時間毎に
導入して原水の硝化及び脱窒処理を生物学的に行うもの
がある。この様な回分式生物学的硝化脱窒処理装置で
は、原水の導入後に槽内を曝気して硝化および好気性脱
窒処理を行い、次いで、曝気を止めた後に有機物を槽内
へ注入して原水を撹拌することにより脱窒処理を行い、
これにより一回分処理を終了する。一般に、回分処理で
は、槽内の溶存酸素(DO)量に基づく曝気量制御が行
われる。例えば、設定量の曝気を行った際に所定のDO
量に達するまでに要した時間に応じて次回の曝気量を増
大または減少させる。2. Related Art In a water treatment apparatus, raw water (for example, nitrogen-containing wastewater such as night soil) is introduced into a single biological treatment tank at regular time intervals to biologically perform nitrification and denitrification of raw water. There is something. In such a batch type biological nitrification and denitrification treatment apparatus, the inside of the tank is aerated after the introduction of raw water to perform nitrification and aerobic denitrification, and then, after the aeration is stopped, organic matter is injected into the tank. Perform denitrification treatment by stirring raw water,
This completes the one-time processing. Generally, in batch processing, aeration control is performed based on the amount of dissolved oxygen (DO) in the tank. For example, when a set amount of aeration is performed, a predetermined DO
The next aeration amount is increased or decreased according to the time required to reach the amount.
【0003】また、原水の酸化還元電位(ORP)に基
づく曝気制御が提案されている。この理由は、回分式生
物学的硝化脱窒処理におけるORP変化パターンから曝
気量適否判定用の情報を取り出せること等にある。しか
しながら、ORP変化パターンに基づく曝気量適否判定
(より広義には装置運転状況評価)は専門家の経験と勘
に頼らざるを得ず、ORP変化パターンに基づく装置運
転制御たとえば曝気制御の実施を困難にしている。[0003] Aeration control based on the oxidation-reduction potential (ORP) of raw water has also been proposed. The reason is that information for judging whether or not the aeration amount is appropriate can be extracted from the ORP change pattern in the batch biological nitrification and denitrification process. However, adequacy determination of aeration amount based on the ORP change pattern (more broadly, evaluation of device operation status) must rely on the experience and intuition of an expert, and it is difficult to perform device operation control based on the ORP change pattern, for example, aeration control. I have to.
【0004】[0004]
【発明が解決しようとする課題】本発明は、処理槽内の
酸化還元電位の変化パターンから装置運転状況(装置運
転結果)を自動的に予測評価する生物学的硝化脱窒処理
装置を提供することを目的とする。SUMMARY OF THE INVENTION The present invention provides a biological nitrification and denitrification treatment apparatus for automatically predicting and evaluating apparatus operation conditions (apparatus operation results) from a change pattern of oxidation-reduction potential in a treatment tank. The purpose is to:
【0005】[0005]
【課題を解決するための手段】本発明の生物学的硝化脱
窒処理装置は、原水が投入された処理槽内の酸化還元電
位の時間的変化パターンを検出する検出手段と、前記検
出手段により検出した酸化還元電位の時間的変化パター
ンから当該変化パターンを特徴づける特徴データを抽出
する抽出手段と、酸化還元電位の時間的変化パターンと
装置運転状況とを関連づけるニューラルネットワークを
含み前記抽出手段により抽出した前記特徴データから装
置運転状況を評価する評価手段とを備えることを特徴と
する。According to the present invention, there is provided a biological nitrification and denitrification treatment apparatus comprising: detection means for detecting a temporal change pattern of an oxidation-reduction potential in a treatment tank into which raw water has been charged; Extraction means for extracting feature data characterizing the change pattern from the detected time-dependent change pattern of the oxidation-reduction potential, and a neural network for associating the time-change pattern of the oxidation-reduction potential with the operation state of the apparatus, the extraction means including And evaluating means for evaluating the operation state of the apparatus from the characteristic data.
【0006】[0006]
【発明の実施の形態】以下、本発明の一実施形態による
回分式生物学的硝化脱窒処理装置(以下、水処理装置と
いう)を説明する。図1に示したように、水処理装置
は、配管11を介して生物処理槽1に導入した原水(前
処理し尿)を硝化脱窒処理し、この処理で得た処理水を
排出配管15から排出するようになっている。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a batch type biological nitrification and denitrification treatment apparatus (hereinafter, referred to as a water treatment apparatus) according to an embodiment of the present invention will be described. As shown in FIG. 1, the water treatment apparatus performs a nitrification and denitrification treatment of raw water (pre-treated urine) introduced into the biological treatment tank 1 via a pipe 11, and a treated water obtained by this treatment is discharged from a discharge pipe 15. It is designed to discharge.
【0007】水処理装置は、メタノール注入設備2、苛
性ソーダ注入設備3及び消泡剤注入設備4を備え、設備
2、3及び4の貯槽2A、3A及び4Aは、配管12、
13及び14を介して処理槽1に夫々連通している。参
照符号11A〜14Aは、配管11〜14に夫々設けた
ポンプを表し、16Aは配管16に設けたスプレーポン
プを表す。スプレーポンプ16Aで循環される処理槽液
は配管16を経て消泡剤配管14に合流し、消泡剤を拡
散、散布する。The water treatment apparatus includes a methanol injection facility 2, a caustic soda injection facility 3, and an antifoaming agent injection facility 4. The storage tanks 2A, 3A, and 4A of the facilities 2, 3, and 4 include a pipe 12,
They are connected to the processing tank 1 via 13 and 14, respectively. Reference numerals 11A to 14A represent pumps provided in the pipes 11 to 14, respectively, and 16A represents a spray pump provided in the pipe 16. The processing tank liquid circulated by the spray pump 16A joins the antifoaming agent pipe 14 via the pipe 16 to diffuse and spray the antifoaming agent.
【0008】また、水処理装置は、冷却器6とエジェク
タ7とを有した曝気設備5を備えている。冷却器6の入
口側は、酸素溶解ポンプ(循環ポンプ)17Aを設けた
配管17を介して処理槽1の底部に連通している。冷却
器6の出口側は、エジェクタ7を介して曝気管19に連
通している。また、エジェクタ7には、バルブ18Aを
設けた空気供給配管18が連通されている。水処理装置
には、原水中の溶存酸素量を検出するDO計(図示略)
が設けられている。[0008] The water treatment apparatus includes an aeration unit 5 having a cooler 6 and an ejector 7. The inlet side of the cooler 6 communicates with the bottom of the processing tank 1 via a pipe 17 provided with an oxygen dissolving pump (circulation pump) 17A. The outlet side of the cooler 6 communicates with the aeration tube 19 via the ejector 7. The ejector 7 is connected to an air supply pipe 18 provided with a valve 18A. The water treatment device has a DO meter (not shown) that detects the amount of dissolved oxygen in the raw water.
Is provided.
【0009】なお、水処理装置の上記各種作動部は、図
示しないコントローラの制御下で作動するようになって
いる。上記構成の水処理装置では、配管11を介してし
尿が所定時間毎に間欠的に処理槽1に導入されると同時
に、曝気設備5による曝気が開始される。曝気が適正に
行われると、所定の硝化と好気性脱窒処理とが所定曝気
時間内に達成される。次に、アンモニアの硝化終了を表
すDOピークが検出されると、曝気を止め、メタノール
注入設備2によりメタノールが注入され、更に、所定時
間にわたり撹拌が行われる。この結果、所定の脱窒処理
が行われて、残りの硝酸や亜硝酸が除去される。The above-mentioned various operating parts of the water treatment device are operated under the control of a controller (not shown). In the water treatment apparatus having the above configuration, night soil is intermittently introduced into the treatment tank 1 via the pipe 11 at predetermined time intervals, and simultaneously, the aeration by the aeration equipment 5 is started. When aeration is properly performed, predetermined nitrification and aerobic denitrification are achieved within a predetermined aeration time. Next, when a DO peak indicating the end of nitrification of ammonia is detected, aeration is stopped, methanol is injected by the methanol injection equipment 2, and stirring is performed for a predetermined time. As a result, a predetermined denitrification treatment is performed, and the remaining nitric acid and nitrous acid are removed.
【0010】上述の回分式生物学的硝化脱窒処理が適正
に行われた場合、処理槽1内のORPは、図3に実線で
示すように変化する。即ち、ORPは、し尿が投入にさ
れると最小値まで急減し、その後、時間経過につれて増
大し、曝気停止およびメタノール(有機物)添加により
急激に減少し始め、回分サイクル開始時のレベルまで低
下する。このORP変化パターンは、装置運転状況(回
分式生物学的硝化脱窒処理の適否)によって種々に変化
する。When the above-mentioned batch biological nitrification and denitrification treatment is properly performed, the ORP in the treatment tank 1 changes as shown by a solid line in FIG. That is, the ORP rapidly decreases to a minimum value when human waste is put in, then increases with time, starts to decrease sharply by stopping aeration and adding methanol (organic matter), and falls to the level at the start of the batch cycle. . This ORP change pattern changes variously depending on the operating condition of the apparatus (suitability of batch biological nitrification and denitrification treatment).
【0011】例えば、過曝気の場合、ORPは図3に一
点鎖線で示すように変化する。即ち、ORPは、適正処
理の場合に比べて、最小値が高く、より急激に増大し、
早めに最大値付近に達する。換言すれば、最小値から最
大値まで増大する過程でのORP曲線の曲率は、適正処
理の場合よりも小さくなる(絶対値としては大きくな
る)。For example, in the case of over-aeration, the ORP changes as shown by a dashed line in FIG. That is, the ORP has a higher minimum value and increases more rapidly than in the case of proper processing,
It approaches the maximum value early. In other words, the curvature of the ORP curve in the process of increasing from the minimum value to the maximum value is smaller (increases in absolute value) than in the case of the proper processing.
【0012】曝気不足の場合のORP変化パターンは図
3に破線で示すようなものになる。即ち、ORPは最小
値から最大値まで直線的に変化する。換言すれば、OR
Pが最小値から最大値まで増大する過程でのORP曲線
の曲率は、適正処理の場合よりも大きくなる(絶対値と
しては小さくなる)。付言すれば、原水投入時のORP
値は、原水中の基質量を反映しており、また、前回処理
での残留アンモニア、残留硝酸の濃度の影響を受ける。The ORP change pattern in the case of insufficient aeration is as shown by a broken line in FIG. That is, the ORP changes linearly from the minimum value to the maximum value. In other words, OR
The curvature of the ORP curve in the process of increasing P from the minimum value to the maximum value becomes larger (smaller as an absolute value) than in the case of proper processing. In addition, ORP at the time of raw water input
The value reflects the base mass in the raw water, and is affected by the concentration of residual ammonia and residual nitric acid in the previous treatment.
【0013】ORP変化パターンが装置運転状況(装置
運転結果)に応じて種々に変化することに徴して、本発
明では、ORP変化パターンに基づいて装置運転状況が
判定される。このため、図1に示すように、水処理装置
には、原水が投入された処理槽1内の酸化還元電位(O
RP)を計測するORP計20と、コンピュータ8とが
設けられている。In the present invention, the ORP change pattern is determined based on the ORP change pattern, which means that the ORP change pattern changes variously in accordance with the apparatus operation state (apparatus operation result). For this reason, as shown in FIG. 1, the oxidation-reduction potential (O
An ORP meter 20 for measuring RP) and a computer 8 are provided.
【0014】図2に示すように、コンピュータ8は、機
能的には、ORP計20からのORPデータに基づいて
ORPの時間的変化パターンを検出する検出部81と、
この検出部81が検出したORP変化パターンから当該
パターンを特徴づける特徴データを抽出する抽出部82
と、この抽出部82が抽出した特徴データから水処理装
置の運転状況を評価する評価部83とを有している。な
お、コンピュータ8は、キーボードなどのデータ入力装
置と、プリンタまたはブラウン管表示装置などのデータ
出力装置とを有している。As shown in FIG. 2, the computer 8 functionally includes a detecting unit 81 for detecting a temporal change pattern of the ORP based on the ORP data from the ORP meter 20,
Extraction unit 82 that extracts feature data characterizing the ORP change pattern detected by the detection unit 81
And an evaluation unit 83 that evaluates the operation state of the water treatment apparatus from the characteristic data extracted by the extraction unit 82. The computer 8 has a data input device such as a keyboard and a data output device such as a printer or a CRT display device.
【0015】検出部81は、ORP計20からORPデ
ータを所定周期で取り込み、ORP変化パターンを表す
パターンデータを生成する。抽出部82は、これに実装
されたパターン認識プログラムを実行してパターンデー
タを特徴づける特徴データを抽出する。図3に示すOR
P変化パターンに徴して、この実施形態では、一回分処
理におけるORPの最大値付近でのORP変化パターン
形状C1と、ORPが最小値から最大値まで増大する過
程でのORP変化パターン形状C2と、ORPの最小値
C3と、ORPの平均値C4と、ORPの最大値C5
と、ORPの最大値と最小値との差C6とを、特徴デー
タとして抽出する。The detecting section 81 fetches ORP data from the ORP meter 20 at a predetermined cycle and generates pattern data representing an ORP change pattern. The extracting unit 82 executes a pattern recognition program mounted thereon to extract feature data characterizing the pattern data. OR shown in FIG.
Regarding the P change pattern, in this embodiment, the ORP change pattern shape C1 near the maximum value of the ORP in one batch processing, the ORP change pattern shape C2 in the process of increasing the ORP from the minimum value to the maximum value, The minimum value C3 of the ORP, the average value C4 of the ORP, and the maximum value C5 of the ORP
And the difference C6 between the maximum value and the minimum value of the ORP are extracted as feature data.
【0016】評価部83は、特徴データC1〜C6を入
力して水処理装置の運転状況評価を示す評価データを出
力するニューラルネットワーク84を有している。この
ニューラルネットワーク84の機能は、図2に例示した
ニューラルネットワークモデルのソフトウェアシミュレ
ーションを実行するためにコンピュータ8に実装された
プログラムを実行することにより達成される。The evaluation section 83 has a neural network 84 which receives the characteristic data C1 to C6 and outputs evaluation data indicating the operation status evaluation of the water treatment apparatus. The function of the neural network 84 is achieved by executing a program mounted on the computer 8 to execute software simulation of the neural network model illustrated in FIG.
【0017】図2を参照すると、ニューラルネットワー
ク84は、特徴データを入力する入力層84Aと、評価
データを出力する出力層84Bと、両者間に介在する第
1及び第2隠れ層84C、84Dとから構成されてい
る。入力層84Aは、特徴データC1〜C6を夫々入力
する6つの入力セルと、一つの第1バイアスセルとから
なる。Referring to FIG. 2, the neural network 84 includes an input layer 84A for inputting feature data, an output layer 84B for outputting evaluation data, and first and second hidden layers 84C and 84D interposed therebetween. It is composed of The input layer 84A includes six input cells for inputting characteristic data C1 to C6, respectively, and one first bias cell.
【0018】第1隠れ層84Cは、例えば4つの第1中
間セルと一つの第2バイアスセルとを有している。全て
の入力セルと第1バイアスセルとが結合された各々の第
1中間セルには、各入力セルの出力に各該第1中間セル
と各該入力セルとの結合強度(重み)を乗じて得た値を
これら入力セルについて加算したものと第1バイアスセ
ルの出力との総和が入力される。各中間セルは、その入
力を所定の伝達関数で変換して得た値を出力する。第2
隠れ層84Dは、複数個(例えば4つ)の第2中間セル
と一つの第3バイアスセルとを有している。第2中間セ
ルの各々の入出力作用は、第1中間セルの場合と同様で
ある。出力層84Bの出力セルの各々には、全ての第2
中間セルと第3バイアスセルとが結合されている。各々
の出力セルの入出力作用は、第1及び第2中間セルの場
合と同様である。The first hidden layer 84C has, for example, four first intermediate cells and one second bias cell. For each first intermediate cell in which all the input cells and the first bias cell are coupled, the output of each input cell is multiplied by the coupling strength (weight) between each of the first intermediate cells and each of the input cells. The sum of the sum of the obtained values for these input cells and the output of the first bias cell is input. Each intermediate cell outputs a value obtained by converting its input by a predetermined transfer function. Second
The hidden layer 84D has a plurality (for example, four) of second intermediate cells and one third bias cell. The input / output operation of each of the second intermediate cells is the same as that of the first intermediate cell. Each of the output cells of the output layer 84B has all the second cells.
The intermediate cell and the third bias cell are coupled. The input / output operation of each output cell is similar to that of the first and second intermediate cells.
【0019】この実施形態の出力層84Bは、過曝気、
基質の低下、NH4−Nの残留、粘性の発現、発泡およ
び正常さの夫々の度合いを表す運転状況評価データR1
〜R6を6つの出力セルから夫々出力するようになって
いる。以下、運転状況評価データとしてデータR1〜R
6を用いる理由を説明する。「過曝気」の場合には、低
DO環境下での同時脱窒が進まずに硝酸が多量に発生す
るので、脱窒処理のために多量の基質を投入する必要が
生じ、基質投入量および動力消費が大になって不経済に
なる。従って、データR1(過曝気)は、装置運転を経
済的に行う上での指標を与える。上記において、「基
質」とは、原水に含まれる有機基質を指し、基質の量は
上述の同時脱窒に関与する。従って、データR2(基質
の低下)は装置運転指標になる。また、データR3(N
H4−Nの残留)は、アンモニアが十分に除去されたか
否かを直接示し、アンモニアの除去を主たる目的として
行われる装置運転の指標となる。The output layer 84B of this embodiment includes over-aeration,
Operating condition evaluation data R1 representing the degree of substrate decrease, NH 4 —N residue, development of viscosity, foaming and normality, respectively.
To R6 are respectively output from the six output cells. Hereinafter, data R1 to R
The reason for using No. 6 will be described. In the case of “over-aeration”, since a large amount of nitric acid is generated without simultaneous denitrification under a low DO environment, a large amount of substrate needs to be added for denitrification treatment. Power consumption is large and uneconomical. Therefore, the data R1 (overaeration) gives an index for economically operating the apparatus. In the above, the term “substrate” refers to an organic substrate contained in raw water, and the amount of the substrate is involved in the above-mentioned simultaneous denitrification. Therefore, the data R2 (substrate decrease) is an apparatus operation index. The data R3 (N
H 4 —N residue) directly indicates whether ammonia has been sufficiently removed, and is an index of the operation of the apparatus performed mainly for the purpose of removing ammonia.
【0020】「粘性」とは、活性汚泥を含む処理水の粘
性を指す。曝気不足であれば、粘性が増大して汚泥の活
動が阻害され、装置の処理能力が低下する。また、「発
泡」とは、曝気用の供給空気による発泡を云い、過曝気
や曝気不足などに起因して生じる。すなわち、過曝気で
あるとエアが発散する。また、曝気不足などにより汚泥
の粘性が増大して円滑な散気が阻害されると、発泡が起
きる。「正常」とは、適正な曝気が行われ、活性汚泥が
充分に能力を発揮してアンモニアを除去している状態を
いう。従って、データR4、R5及びR6(粘性の発
現、発泡および正常さ)は装置運転指標となる。"Viscosity" refers to the viscosity of treated water containing activated sludge. If the aeration is insufficient, the viscosity increases and the activity of the sludge is hindered, and the processing capacity of the apparatus decreases. In addition, “foaming” refers to foaming due to supply air for aeration, and is caused by overaeration or insufficient aeration. That is, if the air is overaerated, the air diverges. In addition, if the sludge viscosity is increased due to insufficient aeration and smooth air diffusion is impeded, foaming occurs. “Normal” refers to a state in which appropriate aeration has been performed and activated sludge has sufficiently exhibited its ability to remove ammonia. Therefore, the data R4, R5, and R6 (expression of viscosity, foaming, and normality) are used as device operation indexes.
【0021】さて、特徴データC1〜C6から運転状況
評価データR1〜R6を求め得るようにするために、ニ
ューラルネットワーク84の学習が行われる。検出部8
1は、学習のための装置運転中にORP計20から出力
されたORPデータに基づいてORP変化パターンを検
出し、抽出部82は、ORP変化パターンから特徴デー
タC1〜C6を抽出する。特徴データC1〜C6は、コ
ンピュータ8のデータ出力装置から出力される。Now, learning of the neural network 84 is performed so that the driving condition evaluation data R1 to R6 can be obtained from the characteristic data C1 to C6. Detector 8
1 detects an ORP change pattern based on the ORP data output from the ORP meter 20 during operation of the apparatus for learning, and the extraction unit 82 extracts feature data C1 to C6 from the ORP change pattern. The feature data C1 to C6 are output from a data output device of the computer 8.
【0022】作業者は、装置運転における過曝気、基質
の低下、NH4−Nの残留、粘性の発現、発泡および正
常さの夫々の度合いを、目視観察、化学分析などによっ
て判断して数値化し、これにより運転状況評価データR
1〜R6を求める。詳しくは、曝気処理後の硝酸濃度
(分析値)、装置運転中のDO値、「残留アンモニアが
無いこと」などを総合的に判定することにより、データ
R1(過曝気の度合い)を求める。また、基質の低下度
合い(データR2)の判定では、残留硝酸の脱窒に要す
る基質添加量、運転中のDO値、原水のBOD濃度など
を総合的に考慮する。NH4−Nの残留度合い(データ
R3)は、分析によって確認できる。粘性の発現度合い
(データR4)は、処理水を目視観察して求める。例え
ば、処理槽とその後段に配されるUF(限外ろ過)膜処
理装置との間にプレスクリーンを設けた水処理装置で
は、処理水の粘性が高い場合に処理水がプレスクリーン
を充分に透過せずに上滑りを起こすことがあり、これは
目視観察可能である。また、処理水に触れたときの感覚
に基づいて粘性の発現度合い(データR4)を求めても
良い。更に、発泡度合い(データR5)は、処理槽内を
目視観察することにより、或いは、消泡剤の投入量から
求められる。正常さの度合い(データR6)は、処理水
質(分析)、運転中のDO値、汚泥の活性などを総合的
に勘案することにより判定される。The operator quantifies the degree of each of overaeration, substrate reduction, NH 4 —N retention, viscous development, foaming and normality during operation of the apparatus by visual observation, chemical analysis, and the like, and quantifies them. , Thereby the driving situation evaluation data R
Find 1 to R6. More specifically, the data R1 (degree of overaeration) is determined by comprehensively determining the nitric acid concentration (analytical value) after the aeration treatment, the DO value during operation of the apparatus, and "no residual ammonia". In addition, in the determination of the degree of reduction of the substrate (data R2), the amount of the substrate required for denitrification of residual nitric acid, the DO value during operation, the BOD concentration of raw water, and the like are comprehensively considered. The degree of residual NH 4 —N (data R3) can be confirmed by analysis. The degree of viscosity development (data R4) is determined by visually observing the treated water. For example, in a water treatment apparatus in which a prescreen is provided between a treatment tank and a UF (ultrafiltration) membrane treatment device arranged in a subsequent stage, when the viscosity of the treated water is high, the treated water sufficiently covers the prescreen. There is a possibility of slippage without transmission, which is visually observable. Alternatively, the degree of development of viscosity (data R4) may be obtained based on a feeling when the treated water is touched. Further, the degree of foaming (data R5) can be determined by visually observing the inside of the processing tank or from the amount of the defoaming agent charged. The degree of normality (data R6) is determined by comprehensively considering treated water quality (analysis), DO value during operation, sludge activity, and the like.
【0023】次に、作業者は、特徴データC1〜C6と
評価データR1〜R6とを、コンピュータ8のデータ入
力装置を介して、ニューラルネットワーク84としての
コンピュータ8に入力する。ニューラルネットワーク8
4は、これに実装された学習則(例えばバックプロパゲ
ーション則)に従って、学習を行う。先ず、ニューラル
ネットワーク84のセル同士間の結合強度ならびに第1
〜第3バイアス入力が夫々の初期値に設定された状態
で、特徴データC1〜C6がニューラルネットワーク8
4の入力層84Aに入力される。このデータ入力に応じ
て出力層84Dから出力されるデータと教師データとし
ての評価データR1〜R6とが比較され、比較結果が一
致するまでセル結合強度およびバイアス入力が調整され
る。同様の調整が新たな運転条件下で行われる。この様
にして学習が終了して、特徴データC1〜C6から評価
データR1〜R6を的確に求めるニューラルネットワー
ク84が構築される。換言すれば、ORP変化パターン
と水処理装置の運転状況評価(水処理の適否)とが好適
に関連づけられる。Next, the operator inputs the characteristic data C1 to C6 and the evaluation data R1 to R6 to the computer 8 as the neural network 84 via the data input device of the computer 8. Neural network 8
4 performs learning according to a learning rule (for example, a back propagation rule) implemented therein. First, the connection strength between the cells of the neural network 84 and the first
, The feature data C1 to C6 are stored in the neural network 8 in a state where the third bias input is set to the respective initial values.
4 is input to the input layer 84A. In response to the data input, the data output from the output layer 84D is compared with the evaluation data R1 to R6 as the teacher data, and the cell coupling strength and the bias input are adjusted until the comparison results match. Similar adjustments are made under new operating conditions. The learning is completed in this manner, and a neural network 84 for accurately obtaining the evaluation data R1 to R6 from the feature data C1 to C6 is constructed. In other words, the ORP change pattern and the operation status evaluation of the water treatment apparatus (suitability of water treatment) are preferably associated with each other.
【0024】水処理装置の実操業では、検出部81は、
水処理装置の運転中にORP計20から出力されたOR
Pデータに基づいてORP変化パターンを検出し、抽出
部82は、ORP変化パターンから特徴データC1〜C
6を抽出する。評価部83のニューラルネットワーク8
4は、特徴データC1〜C6に基づいて、装置運転にお
ける過曝気、基質の低下、NH4−Nの残留、粘性の発
現、発泡および正常さの夫々の度合いを表す運転状況評
価データR1〜R6を求める。換言すれば、ニューラル
ネットワーク84により獲得されORP変化データと装
置運転状況とを関連づける関連性知識に基づいて、装置
運転状況が自動的に評価される。評価部83は、評価デ
ータR1〜R6を出力する。In the actual operation of the water treatment apparatus, the detecting section 81
OR output from ORP meter 20 during operation of water treatment equipment
The ORP change pattern is detected based on the P data, and the extraction unit 82 extracts the feature data C1 to C from the ORP change pattern.
6 is extracted. Neural network 8 of evaluation unit 83
Reference numeral 4 denotes operating condition evaluation data R1 to R6 representing the degree of overaeration, substrate lowering, NH 4 —N retention, viscous development, foaming and normality in the operation of the apparatus based on the characteristic data C1 to C6. Ask for. In other words, the device operation status is automatically evaluated based on the relevance knowledge acquired by the neural network 84 and associating the ORP change data with the device operation status. The evaluation unit 83 outputs the evaluation data R1 to R6.
【0025】作業者は、評価データR1〜R6を確認
し、水処理装置の各種作動部の運転パラメータ(曝気
量、基質投入量など)の設定値を必要に応じて変更す
る。例えば、評価データR1の値が大きく、従って、過
剰曝気であることを確認すると、次回の回分処理におけ
る曝気量が今回の曝気量よりも少なくなるように運転パ
ラメータを変更する。The operator checks the evaluation data R1 to R6 and changes the set values of the operating parameters (aeration amount, substrate input amount, etc.) of the various operating parts of the water treatment device as required. For example, when it is confirmed that the value of the evaluation data R1 is large and therefore excessive aeration is performed, the operation parameters are changed so that the aeration amount in the next batch process is smaller than the current aeration amount.
【0026】本発明は上記実施形態に限定されず、種々
に変形可能である。例えば、上記実施形態では、特徴デ
ータ及び評価データとしてC1〜C6及びR1〜R6を
夫々用いたが、必ずしもC1〜C6及びR1〜R6の全
てを用いる必要はない。また、ニューラルネットワーク
の構成は上記の実施形態で説明したものに限定されず、
特徴データまたは評価データの項目数などに応じて適宜
変形される。The present invention is not limited to the above embodiment, but can be variously modified. For example, in the above embodiment, C1 to C6 and R1 to R6 are used as the feature data and the evaluation data, respectively, but it is not always necessary to use all of C1 to C6 and R1 to R6. Further, the configuration of the neural network is not limited to that described in the above embodiment,
It is appropriately modified according to the number of items of the feature data or the evaluation data.
【0027】上記実施形態では、水処理装置の実操業以
前のみにニューラルネットワークの学習を行うようにし
たが、実操業中においても学習を行ってニューラルネッ
トワークの熟成を図るようにしても良い。この場合、O
RP変化パターンデータおよび評価データが増えるに従
って、ニューラルネットワークにおいて、ORP変化パ
ターンと装置運転状況とを関連づける関連性知識が修正
され、より確度の高い制御ができるようになる。In the above embodiment, the learning of the neural network is performed only before the actual operation of the water treatment apparatus. However, the learning may be performed during the actual operation to mature the neural network. In this case, O
As the RP change pattern data and the evaluation data increase, in the neural network, the relevance knowledge for associating the ORP change pattern with the device operation status is corrected, so that more accurate control can be performed.
【0028】また、この実施形態では、コンピュータか
ら出力された評価データR1〜R6を作業者が確認して
装置運転パラメータ値を必要に応じて変更するようにし
たが、水処理装置のコントローラに評価データR1〜R
6を入力し、運転パラメータ値をコントローラ側で変更
可能にしても良い。この場合、エキスパートシステムの
機能を有するコントローラを用いることが好ましい。In this embodiment, the operator confirms the evaluation data R1 to R6 output from the computer and changes the operation parameter values of the apparatus as necessary. Data R1 to R
6, the operation parameter value may be changed on the controller side. In this case, it is preferable to use a controller having the function of the expert system.
【0029】[0029]
【発明の効果】本発明の生物学的硝化脱窒処理装置は、
原水が投入された処理槽内の酸化還元電位の時間的変化
パターンを検出する検出手段と、前記検出手段により検
出した酸化還元電位の時間的変化パターンから当該変化
パターンを特徴づける特徴データを抽出する抽出手段
と、酸化還元電位の時間的変化パターンと装置運転状況
とを関連づけるニューラルネットワークを含み前記抽出
手段により抽出した前記特徴データから装置運転状況を
評価する評価手段とを備えるので、ニューラルネットワ
ークが獲得した酸化還元電位変化パターンと装置運転状
況(装置運転結果)とを関連づける関連性知識に基づい
て、専門家の判断を仰ぐことなしに、変化パターンから
運転状況を迅速かつ的確に把握できる。運転状況を的確
に把握できると、曝気量、基質投入量などの装置運転条
件の適正化ひいては最適な装置運転をより容易に行え、
高品質の処理水を経済的かつ安定に得られるようにな
る。The biological nitrification and denitrification treatment apparatus of the present invention comprises:
Detecting means for detecting a temporal change pattern of the oxidation-reduction potential in the treatment tank into which the raw water has been charged, and extracting characteristic data characterizing the change pattern from the temporal change pattern of the oxidation-reduction potential detected by the detecting means An extraction means, and an evaluation means for evaluating the operation state of the apparatus from the characteristic data extracted by the extraction means including a neural network for associating the temporal change pattern of the oxidation-reduction potential with the operation state of the apparatus. Based on the related knowledge relating the oxidation-reduction potential change pattern and the apparatus operation state (apparatus operation result), the operation state can be quickly and accurately grasped from the change pattern without asking the expert. If the operating conditions can be accurately grasped, appropriate operation of the equipment, such as the aeration amount and substrate input amount, can be optimized, and the optimum equipment operation can be performed more easily.
High quality treated water can be obtained economically and stably.
【図1】本発明の一実施形態による水処理装置の概略図
である。FIG. 1 is a schematic diagram of a water treatment apparatus according to one embodiment of the present invention.
【図2】図1に示したコンピュータの各種機能部を示す
概略ブロック図である。FIG. 2 is a schematic block diagram showing various functional units of the computer shown in FIG.
【図3】図1に示した処理槽内のORPの時間経過に伴
う変化を示すグラフである。FIG. 3 is a graph showing a change with time of ORP in the processing tank shown in FIG.
1 生物処理槽 5 曝気設備 20 ORP計 81 検出部 82 抽出部 83 評価部 84 ニューラルネットワーク C1、C2、C3、C4、C5、C6 特徴データ R1、R2、R3、R4、R5、R6 評価データ Reference Signs List 1 biological treatment tank 5 aeration equipment 20 ORP meter 81 detection unit 82 extraction unit 83 evaluation unit 84 neural network C1, C2, C3, C4, C5, C6 characteristic data R1, R2, R3, R4, R5, R6 evaluation data
Claims (1)
位の時間的変化パターンを検出する検出手段と、 前記検出手段により検出した酸化還元電位の時間的変化
パターンから当該変化パターンを特徴づける特徴データ
を抽出する抽出手段と、 酸化還元電位の時間的変化パターンと装置運転状況とを
関連づけるニューラルネットワークを含み、前記抽出手
段により抽出した前記特徴データから装置運転状況を評
価する評価手段とを備えることを特徴とする生物学的硝
化脱窒処理装置。1. A detecting means for detecting a temporal change pattern of an oxidation-reduction potential in a treatment tank into which raw water has been introduced, and the change pattern is characterized by the temporal change pattern of the oxidation-reduction potential detected by the detecting means. Extraction means for extracting characteristic data; and a neural network for associating a temporal change pattern of an oxidation-reduction potential with an apparatus operation state, and evaluation means for evaluating an apparatus operation state from the characteristic data extracted by the extraction means. A biological nitrification denitrification treatment apparatus characterized by the above-mentioned.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP27509096A JPH10118691A (en) | 1996-10-17 | 1996-10-17 | Apparatus for biological nitrification and denitrification treatment |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP27509096A JPH10118691A (en) | 1996-10-17 | 1996-10-17 | Apparatus for biological nitrification and denitrification treatment |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH10118691A true JPH10118691A (en) | 1998-05-12 |
Family
ID=17550662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP27509096A Pending JPH10118691A (en) | 1996-10-17 | 1996-10-17 | Apparatus for biological nitrification and denitrification treatment |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH10118691A (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002307095A (en) * | 2001-04-17 | 2002-10-22 | Mitsubishi Heavy Ind Ltd | Wastewater treatment facility |
JP2008142604A (en) * | 2006-12-07 | 2008-06-26 | Fuji Electric Holdings Co Ltd | Defoaming method and defoaming control device |
CN105843036A (en) * | 2016-04-09 | 2016-08-10 | 北京工业大学 | Sewage treatment process control method based on neural network |
CN111701444A (en) * | 2020-07-01 | 2020-09-25 | 盐城工学院 | Method for treating organic waste gas by using biotrickling filter based on convolutional neural network |
-
1996
- 1996-10-17 JP JP27509096A patent/JPH10118691A/en active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002307095A (en) * | 2001-04-17 | 2002-10-22 | Mitsubishi Heavy Ind Ltd | Wastewater treatment facility |
JP2008142604A (en) * | 2006-12-07 | 2008-06-26 | Fuji Electric Holdings Co Ltd | Defoaming method and defoaming control device |
CN105843036A (en) * | 2016-04-09 | 2016-08-10 | 北京工业大学 | Sewage treatment process control method based on neural network |
CN111701444A (en) * | 2020-07-01 | 2020-09-25 | 盐城工学院 | Method for treating organic waste gas by using biotrickling filter based on convolutional neural network |
CN111701444B (en) * | 2020-07-01 | 2022-02-08 | 盐城工学院 | Method for treating organic waste gas by using biotrickling filter based on convolutional neural network |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104891655B (en) | Device and method for treating high ammonia nitrogen wastewater | |
CN106745739A (en) | A kind of method that SBR short distance nitrations are realized based on Neural Network model predictive pH changes | |
CN107686160A (en) | A kind of sewage water treatment method and system based on sbr reactor device | |
CN103922461A (en) | Method for monitoring biological treatment oxygen uptake rate of sewage and controlling aeration quantity | |
TWI760562B (en) | Simultaneous nitrification/denitrification (sndn) in sequencing batch reactor applications | |
JPH10118691A (en) | Apparatus for biological nitrification and denitrification treatment | |
CN208008554U (en) | A kind of detection device of microbial activity of activated sludge | |
KR100247321B1 (en) | Method and apparatus optimizing the process of sequencing batch reactor for analyzing specific oxygen uptake rate and nitrate nitrogen by real time on-line measurement at the biological wastewater treatment process | |
JP4716265B2 (en) | Organic waste liquid treatment method and organic waste liquid treatment apparatus | |
RU2192474C2 (en) | Method of monitoring of microbiological process in flow of liquid (versions) | |
CN215894459U (en) | Online detection device for water inlet toxicity of sewage treatment plant | |
JP2006084240A (en) | Wastewater treatment measuring method | |
JP4835580B2 (en) | Nitrogen-containing waste liquid treatment method | |
Choubert et al. | Nitrogen removal from urban wastewater by activated sludge process operated over the conventional carbon loading rate limit at low temperature | |
JP3735952B2 (en) | Control method of intermittent aeration activated sludge process | |
JP3913129B2 (en) | Treatment performance monitoring system for biological treatment equipment | |
JPH0691294A (en) | Operation control method of batch type active sludge treatment | |
JPH08323394A (en) | Method for diagnosing intermittent aeration type activated sludge tank | |
CN219409441U (en) | Biochemical treatment system for simulating SBR sewage | |
JP5801506B1 (en) | Operation method of biological denitrification equipment | |
JP2001235462A (en) | Method for testing processing wastewater | |
Choi et al. | Mathematical model for a batch aerated submerged biofilm reactor for organic carbon and nitrogen removal | |
JPH1133580A (en) | Apparatus for assisting process operation | |
CN218811159U (en) | Sewage treatment system with medicine adding device | |
JP3493884B2 (en) | Microorganism film adhesion detection method for DO electrode |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Effective date: 20050725 Free format text: JAPANESE INTERMEDIATE CODE: A971007 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061220 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20070411 |