CN109976187B - 基于污水生化处理优化与精细曝气的污水管理平台 - Google Patents

Abstract

本发明涉及污水处理技术领域，具体为一种基于污水生化处理优化与精细曝气的污水管理平台，包括数据接收模块、数据库、预测模块、模型建立模块、模型参数设定模块、模型校正模块、工艺模型库、预案模拟模块、决策模块以及控制模块。数据接收模块用于接收各个污水处理厂上传的参数信息，数据库用于存储参数信息；预测模块用于对污水的各个状态参数的变化趋势进行预测；工艺模型库存储有各个污水处理厂的工艺模型；预案模拟模块用于对污水处理厂在外部干扰的作用下的情况进行预案模拟并生成控制方案模型。本发明提供的基于污水生化处理优化与精细曝气的污水管理平台，能够优化工艺参数，实现污水处理工艺的精细化管理，降低处理工艺的功耗。

Description

基于污水生化处理优化与精细曝气的污水管理平台

技术领域

本发明涉及污水处理技术领域，具体为一种基于污水生化处理优化与精细曝气的污水管理平台。

背景技术

生物处理工艺是目前广为采用的污水处理技术，其过程是一个复杂的生化过程，现有的污水处理系统在生化处理过程中还存在很多优化空间，尤其是在曝气控制方面，曝气是污水处理中一个非常重要的环节，也是几乎所有的采用生物处理工艺的污水厂中最重要的能耗环节，从一些国内的污水处理厂耗电量来，曝气占据了总耗电量的50-70％，所以曝气系统是整个污水厂节能降耗运行的关键环节。

我国的曝气控制起步较晚，许多污水厂使用的仍然是人工操作与自动监测相结合的方式。目前国内的曝气控制方法主要有人工曝气控制、半自动曝气控制及全自动曝气控制。人工操作主要是根据测定溶解氧浓度及出水水质调节鼓风机风量，在这种操作下，稳定性差，常常为了出水尽量达标，曝气量会偏大且人工劳动强度大。半自动曝气控制即便实现了数据的采集和传输，但依然存在人工劳动强度大的问题。全自动曝气控制是未来发展的趋势，而目前全自动曝气控制依旧存在曝气不精准、功耗高的问题，容易造成资源的浪费。

发明内容

本发明意在提供一种基于污水生化处理优化与精细曝气的污水管理平台，能够优化工艺参数，实现污水处理工艺的精细化管理，降低处理工艺的功耗。

为了解决上述技术问题，本申请提供如下技术方案：

基于污水生化处理优化与精细曝气的污水管理平台，包括：

数据接收模块，用于接收各个污水处理厂上传的参数信息，所述参数信息包括水质数据和水量数据；

数据库，所述数据库用于存储各个污水处理厂的当前参数信息以及历史参数信息，所述数据库中还存储有预测相关数据；

预测模块，所述预测模块用于根据当前参数信息、历史参数信息以及预测相关数据对各个污水处理厂的污水的各个状态参数的变化趋势进行预测并生成预测结果；

工艺模型库，所述工艺模型库存储有各个污水处理厂的工艺模型；

预案模拟模块，所述预案模拟模块用于根据污水处理厂的工艺模型对污水处理厂进行外部干扰的预案模拟并生成预案模拟结果，所述预案模拟模块还用于根据预案模拟结果和污水处理厂的工艺模型生成控制方案模型；

决策模块，所述决策模块用于根据预测模块的预测结果匹配控制方案模型并生成参数配置方案，所述参数配置方案包括曝气量；

控制模块，所述控制模块用于根据参数配置方案对各个污水处理厂的污水处理设备的运行参数进行调控。

本发明技术方案中，通过接收各个污水处理厂的参数信息构建了一个完善的污水处理数据库，预测模块根据污水处理数据库的数据，通过大数据分析手段，实现对各个污水处理厂的污水的各个状态参数，如水质、水量等的变化趋势进行预测，进而可以提前进行决策和部署，通过预案模拟模块，利用工艺模型库，对各个污水处理厂在外部干扰的作用下的情况，如污水冲击或突发事件的情况，进行了模拟和仿真，生成预案模拟结果，并针对预案模拟结果进行分析，生成针对于不同外部干扰的控制方案模型，决策模块则基于预测模块的预测结果，作出相应的辅助决策建议，生成参数配置方案，并由控制模块远程对各个污水处理厂的污水处理设备进行调控，进而自动调控设备运行状态，达到调整及优化工艺参数、实现厂群调度以及精细化管控的目的。这个过程中，可以对曝气量进行精细化的调控，可以针对各种外部干扰做出最佳的参数配置，提高曝气效率，降低曝气能耗。

进一步，所述预案模拟包括温度变化模拟、水量变化模拟以及污泥负荷量变化模拟。从温度、水量以及污泥负荷量三个方面进行预案模拟，可以涵盖常见的各类外部干扰造成的突发情况。

进一步，所述状态参数包括温度数据、水量数据以及污泥负荷量数据，从温度、水量以及污泥负荷量三个方面进行预测，与预案模拟相适应。

进一步，所述水质数据包括温度数据、pH数据、DO数据、SS数据、COD数据、氨氮数据、总氮数据以及总磷数据，可以更加全面的反应污水的水质状态。

进一步，还包括模型建立模块和模型参数设定模块，所述模型建立模块用于供管理人员创建工艺模型，所述模型参数设定模块用于供用户设定工艺模型的各项参数，方便管理人员创建工艺模型。

进一步，还包括模型校正模块，所述模型校正模块包括参数率定分析模块和敏感性分析模块，所述模型校正模块用于供管理人员对污水处理厂的工艺模型进行校正。可以对工艺模型进行校正，使得预案模拟更加精准。

进一步，所述工艺模型采用ASM2D模型。ASM2D模型包含多个生化反应过程、模型组分、化学计量学常数和动力学参数，可以模拟生物除碳、脱氮和除磷等过程，被广泛应用于污水处理领域。

附图说明

图1为本发明基于污水生化处理优化与精细曝气的污水管理平台实施例的逻辑框图；

图2为本发明基于厂群水质监控和模型化管理的污水管理平台实施例二中曝气器的结构剖视图。

具体实施方式

下面通过具体实施方式进一步详细说明：

说明书附图中的附图标记包括：安装管1、安装座2、安装套3、连接管4、第一喷管5、曝气盘6、拉簧7、电机8、第一齿轮9、第二花键10、第一花键11。

实施例一

如图1所示，本实施例公开的基于污水生化处理优化与精细曝气的污水管理平台，包括数据接收模块、数据库、预测模块、模型建立模块、模型参数设定模块、模型校正模块、工艺模型库、预案模拟模块、决策模块以及控制模块。其中：

数据接收模块用于接收各个污水处理厂上传的参数信息，参数信息包括水质数据、水量数据和设备运行数据。数据库用于存储各个污水处理厂的当前参数信息以及历史参数信息，数据库中还存储有预测相关数据。本实施中，水质数据包括温度数据、pH数据、DO数据、SS数据、COD数据、氨氮数据、总氮数据以及总磷数据。预测相关数据包括污水处理厂所在地的地理位置、地理气候、历史降雨量信息、天气预报信息等。

预测模块用于根据当前参数信息、历史参数信息以及预测相关数据对各个污水处理厂的污水的各个状态参数的变化趋势进行预测并生成预测结果。本实施例中，状态参数包括温度数据、水量数据以及污泥负荷量数据，预测模块采用现有的BP神经网络技术来进行预测，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，本实施例中，以污水处理厂的参数信息以及预测相关数据作为输入层的输入，因此输入层有13个节点，而输出是对温度、水量以及污泥负荷量的预测，因此共有3个节点；针对于隐层，本实施例使用了以下公式来确定隐层节点的数量：

其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数，本实施例中取为3，因此隐层共有7个节点。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本文选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络模型构建完毕后，利用数据库的历史参数信息以及预测相关数据作为样本对模型进行训练，由于数据库中存储有历年的数据，因此训练完成后得到的模型可以取得较为准确的预测结果。

工艺模型库存储有各个污水处理厂的工艺模型；模型建立模块用于供管理人员创建工艺模型，模型参数设定模块用于供用户设定工艺模型的各项参数。模型校正模块包括参数率定分析模块和敏感性分析模块，模型校正模块用于供管理人员对污水处理厂的工艺模型进行校正。本实施中，工艺模型采用ASM2D模型。ASM2D包括21个生化反应过程、19种模型组分、22个化学计量学常数和42个动力学参数，可以模拟生物除碳、脱氮和除磷等过程，被广泛应用于污水处理领域，本实施例中，以AAO工艺模型为例，用户在创建模型时选择AAO工艺模型，然后绘制污水处理厂中各个设备的布局图完成模型创建，然后通过模型参数设定模块，对工艺模型的各个参数进行设置，如进水节点的参数、节点的体积、氧传递系数、排泥量、内回流量等参数。工艺模型创建完毕后，为使模型得到的出水水质结果与实际情况相符，还需要对模型进行校核和验证研究，本实施例中的模型校正模块可以供用户通过参数率定和敏感性分析对模型进行校正，参数率定是指把参数代入模型得到计算结果,然后把计算结果与实测数据进行比较，根据计算结果对参数进行调整，使得实测数据与计算数据相差最小，如对于进水组分的参数的率定，则根据表一进行取样和测试。

表一

本实施例中，敏感性分析模块可以供用户对模型进行敏感性分析，进而对模型进行校核工作。

预案模拟模块用于根据污水处理厂的工艺模型对污水处理厂在外部干扰的作用下的情况进行预案模拟并生成预案模拟结果，预案模拟包括温度变化模拟、水量变化模拟以及污泥负荷量变化模拟，预案模拟模块还用于根据预案模拟结果和污水处理厂的工艺模型生成控制方案模型。控制方案模型包括匹配参数和调控参数，匹配参数包括该控制方案模型适用的污水水质和水量的参数范围，包括水量数据、温度数据以及污泥负荷量参数，调控参数包括曝气量、曝气时间、内回流流量等参数。

决策模块用于根据预测模块的预测结果与控制方案模型的匹配参数进行匹配，得到最匹配的控制方案模型并将控制方案模型的调控参数作为参数配置方案。

控制模块用于根据参数配置方案对各个污水处理厂的污水处理设备的运行参数进行调控。

本实施例中，通过接收各个污水处理厂的参数信息构建了一个完善的污水处理数据库，预测模块根据污水处理数据库的数据，通过大数据分析手段，实现对各个污水处理厂的污水的各个状态参数，如水质、水量等的变化趋势进行预测，进而可以提前进行决策和部署，通过预案模拟模块，利用工艺模型库，对各个污水处理厂在外部干扰的情况，如污水冲击或突发事件的情况，从温度、水量以及污泥负荷量三个方面进行预案模拟，可以涵盖常见的各类外部干扰造成的突发情况，然后生成预案模拟结果，并针对预案模拟结果进行分析，生成针对于不同外部干扰的控制方案模型，决策模块则基于预测模块的预测结果，作出相应的辅助决策建议，生成参数配置方案，并由控制模块远程对各个污水处理厂的污水处理设备进行调控，进而自动调控设备运行状态，达到调整及优化工艺参数、实现厂群调度以及精细化管控的目的。这个过程中，可以对曝气量进行精细化的调控，可以针对各种外部干扰做出最佳的参数配置，提高曝气效率，降低曝气能耗。

实施例二

如图2所示，本实施例与实施例一的区别在于：在本实施例中，还包括曝气系统，所述曝气系统包括控制箱、曝气器和连接曝气器的管路，管路上阵列分布有竖直向上的安装管1，曝气器包括安装套3和安装座2，安装座2与安装管1转动连接，安装座2与安装套3之间固定连接，且安装套3与安装管1之间设有30度的角度，安装管1上还设有电机8，电机8的输出轴上设有第一齿轮9，安装座2上套接有第二齿轮，所述电机8能够控制安装座2转动，进而能够控制安装套3的倾斜方向，安装套3上设有曝气头，所述曝气头包括曝气盘6和连接管4，连接管4上设有第一花键11和第二花键10，连接管4的一端伸入安装套3远离管路的一端内，安装套3内设有螺旋花键槽并在螺旋花键槽的顶端设有旋转槽，连接管4通过第一花键11和第二花键10与安装套3连接，连接管4位于第一花键11和第二花键10之间的部分设有第一喷管5和第二喷管，所述第一喷管5和第二喷管沿安装套3的轴心中心对称设置且不在同一条直线上，连接管4伸入安装套3内的一端与安装套3之间设有拉簧7。

管路连通有曝气鼓风机，每个曝气器与管路之间设有电磁阀，所述控制箱内设有控制器和无线通信模块，控制器通过无线通信模块与控制模块数据连接，电磁阀与控制器连接，控制模块将参数配置方案中与曝气相关的配置参数发送给控制器，由控制器对鼓风机以及电磁阀进行控制；控制模块包括曝气控制模块，曝气控制模块包括堵塞调节模块，所述堵塞调节模块用于根据数据接收模块接收的DO数据判断生化反应池内某一区域的曝气器是否堵塞，堵塞调节模块还用于在检测到某一区域DO数据过低时，控制其周围的其他曝气器的电机8转动，调节这些曝气器的倾斜方向对准被堵塞的曝气器，同时控制堵塞区域的曝气器对应的电磁阀间断性启闭。

本实施例中，由于安装套3倾斜设置，可以使得曝气器顶面的曝气盘6倾斜，进而可以让部分沉积物从曝气盘6上滑落，避免曝气器不开启时，曝气盘6上堆积沉积物，同时倾斜设置的曝气盘6可以使得喷出气体的方向发生变化，进而增加气体与污水的接触时间，当曝气盘6堵塞时，在气压的作用下，曝气头会沿着花键向上移动，同时发生转动，当第一喷管5和第二喷管漏出时，此时第一花键11进入到旋转槽内，由于第一喷管5和第二喷管中心对称分布，因此在喷出的气体的反作用下，曝气头旋转，第一喷管5和第二喷管一方面可以作为备用的喷孔在曝气盘6堵塞后对周围的污水进行曝气，另一方面，第一喷管5和第二喷管使得曝气头旋转，可以对曝气头进行清洗，电磁阀间断性的启闭配合拉簧7也可以使得曝气头发生上下往复的位移，可以进一步对曝气头上的沉积物进行清理，实现曝气器堵塞后进行自清洁的功能。当曝气器堵塞较为严重时，其周围的曝气器通过电机8调整曝气盘6的方向，向堵塞的曝气器方向喷射气体，可以对堵塞区域的污水进行曝气，同时推动水流流动，对堵塞的曝气器的曝气盘6进行清理，并可以根据清理后曝气器恢复与否，判断曝气器是内部堵塞还是外部堵塞。

以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (6)

1.基于污水生化处理优化与精细曝气的污水管理平台，包括：

数据接收模块，用于接收各个污水处理厂上传的参数信息，所述参数信息包括水质数据和水量数据；

数据库，所述数据库用于存储各个污水处理厂的当前参数信息以及历史参数信息，所述数据库中还存储有预测相关数据；

预测模块，所述预测模块用于根据当前参数信息、历史参数信息以及预测相关数据对各个污水处理厂的污水的各个状态参数的变化趋势进行预测并生成预测结果；

工艺模型库，所述工艺模型库存储有各个污水处理厂的工艺模型；

预案模拟模块，所述预案模拟模块用于根据污水处理厂的工艺模型对污水处理厂在外部干扰的作用下的情况进行预案模拟并生成预案模拟结果，所述预案模拟模块还用于根据预案模拟结果和污水处理厂的工艺模型生成控制方案模型；

决策模块，所述决策模块用于根据预测模块的预测结果匹配控制方案模型并生成参数配置方案，所述参数配置方案包括曝气量；

控制模块，所述控制模块用于根据参数配置方案对各个污水处理厂的污水处理设备的运行参数进行调控；

所述水质数据包括温度数据、pH数据、DO数据、SS数据、COD数据、氨氮数据、总氮数据以及总磷数据；

还包括曝气系统，所述曝气系统包括控制箱、曝气器和连接曝气器的管路，管路上阵列分布有竖直向上的安装管，曝气器包括安装套和安装座，安装座与安装管转动连接，安装座与安装套之间固定连接，且安装套与安装管之间设有30度的角度，安装管上还设有电机，电机的输出轴上设有第一齿轮，安装座上套接有第二齿轮，所述电机能够控制安装座转动，进而能够控制安装套的倾斜方向，安装套上设有曝气头，所述曝气头包括曝气盘和连接管，连接管上设有第一花键和第二花键，连接管的一端伸入安装套远离管路的一端内，安装套内设有螺旋花键槽并在螺旋花键槽的顶端设有旋转槽，连接管通过第一花键和第二花键与安装套连接，连接管位于第一花键和第二花键之间的部分设有第一喷管和第二喷管，所述第一喷管和第二喷管沿安装套的轴心中心对称设置且不在同一条直线上，连接管伸入安装套内的一端与安装套之间设有拉簧；

管路连通有曝气鼓风机，每个曝气器与管路之间设有电磁阀，所述控制箱内设有控制器和无线通信模块，控制器通过无线通信模块与控制模块数据连接，电磁阀与控制器连接，控制模块将参数配置方案中与曝气相关的配置参数发送给控制器，由控制器对鼓风机以及电磁阀进行控制；控制模块包括曝气控制模块，曝气控制模块包括堵塞调节模块，所述堵塞调节模块用于根据数据接收模块接收的DO数据判断生化反应池内某一区域的曝气器是否堵塞，堵塞调节模块还用于在检测到某一区域DO数据过低时，控制其周围的其他曝气器的电机转动，调节这些曝气器的倾斜方向对准被堵塞的曝气器，同时控制堵塞区域的曝气器对应的电磁阀间断性启闭。

2.根据权利要求1所述的基于污水生化处理优化与精细曝气的污水管理平台，其特征在于：所述预案模拟包括温度变化模拟、水量变化模拟以及污泥负荷量变化模拟。

3.根据权利要求2所述的基于污水生化处理优化与精细曝气的污水管理平台，其特征在于：所述状态参数包括温度数据、水量数据以及污泥负荷量数据。

4.根据权利要求3所述的基于污水生化处理优化与精细曝气的污水管理平台，其特征在于：还包括模型建立模块和模型参数设定模块，所述模型建立模块用于供管理人员创建工艺模型，所述模型参数设定模块用于供用户设定工艺模型的各项参数。

5.根据权利要求4所述的基于污水生化处理优化与精细曝气的污水管理平台，其特征在于：还包括模型校正模块，所述模型校正模块包括参数率定分析模块和敏感性分析模块，所述模型校正模块用于供管理人员对污水处理厂的工艺模型进行校正。

6.根据权利要求5所述的基于污水生化处理优化与精细曝气的污水管理平台，其特征在于：所述工艺模型采用ASM2D模型。

Images