TWI813437B - 水處理控制系統及水處理裝置之控制方法 - Google Patents

Abstract

一種水處理控制系統，係包括狀態觀測部、前處理部及水質推定部。狀態觀測部係收集在至排水成為處理水為止的處理路徑內的地點的排水的狀態或排水所受到的處理的狀態的測量值，並作為時間序列資料而蓄積。前處理部係對時間序列資料進行處理，製作處理資料。水質推定部係使用推定模型，依據處理資料推定處理水總氮濃度推定值。前處理部考慮成為推定對象的處理水的處理路徑中的滯留時間，抽出時間序列資料中針對處理水所測量的測量值而製作處理資料。

Description

水處理控制系統及水處理裝置之控制方法

本發明係有關於一種對污水等排水進行淨化的水處理控制系統及水處理裝置的控制方法。

污水中之氮係藉由活性污泥法進行處理。氮去除係藉由污水中之氨態氮(NH4-N)之硝化，及藉由硝化而產生之硝酸態氮(NO3-N)之脫氮而進行。由於硝化反應在好氧條件下進行，因此必須對活性污泥供給空氣，即進行曝氣。為了良好地維持氮去除，重要的是利用測量器依次測量生物反應槽末端的總氮(Total Nitrogen：TN)濃度來掌握氮去除的現狀，以及進行根據其的曝氣量的控制。在專利文獻1中，在脫氮槽及後段的好氧槽設置總氮濃度計，掌握生物處理狀況，調整曝氣量。又，於專利文獻1中揭示有如下方法：代替直接測量總氮濃度，而根據氧化還原電位(Oxidation-Reduction Potential：ORP)、溶氧(Dissolved Oxygen：DO)、氫離子指數(pH)、紫外線(UltraViolet：UV)、污泥混合液之懸浮物質(Mixed Liquor Suspended Solids：MLSS，混液懸浮固形物)中之1個以上之測量值來推定總氮濃度之值。 [先前技術文獻] [專利文獻]

[專利文獻1] 日本專利特開2004-275826號公報

[發明所欲解決之問題]

然而，由於總氮濃度計為高價，因此期望如專利文獻1所記載之技術般利用其他廉價之感測器之方法之積極活用。然而，由於生物反應槽末端之總氮濃度受到流入水質或硝化步驟中之曝氣量強烈影響，故而即便如專利文獻1所記載之技術般以生物反應槽內之氧化還原電位、溶氧、氫離子指數、紫外線及污泥混合液之懸浮物質中之1個以上之測量值作為說明變數，亦難以精度良好地推定總氮濃度。因此，期望一種無需於生物反應槽中永久地設置總氮濃度計，而能夠以較先前更高之精度推定處理水中所含之總氮濃度之技術。

本發明係鑒於上述情況而完成者，其目的在於獲得一種水處理控制系統，其無需於生物反應槽中永久地設置總氮濃度計，而能夠以較先前更高之精度推定處理水中所含之總氮濃度。 [解決問題之技術手段]

為了解決所述課題並達成目的，本發明的水處理控制系統係對將排水與活性污泥混合而獲得經過淨化的處理水的水處理裝置進行控制者，該水處理控制系統係包括狀態觀測部、前處理部及水質推斷部。狀態觀測部係收集測量器所測量的測量值，並將複數個時刻的測量值作為時間序列資料而蓄積，前述測量器係測量在流入至水處理裝置的排水成為處理水為止的處理路徑內的地點的排水的狀態或排水所受到的處理的狀態。前處理部係對時間序列資料進行規定的處理，製作處理資料。水質推定部係使用用以推論處理水中的總氮濃度之推定模型，從在前處理部所處理的處理資料推定屬於處理水中的總氮濃度之推定值的處理水總氮濃度推定值。前處理部考慮時間序列資料中成為水質推斷部中的總氮濃度的推斷對象的處理水的處理路徑中的滯留時間，抽出對成為推斷對象的處理水所測量的測量值而製作處理資料。 [發明之效果]

本發明的水處理控制系統發揮如下效果：無需於生物反應槽中永久地設置總氮濃度計，而與先前相比能夠以高精度推定處理水中所含的總氮濃度。

以下，基於圖式對本揭示的實施形態的水處理控制系統及水處理裝置的控制方法進行詳細說明。

實施形態1. 圖1係示意性地顯示實施形態1之水處理系統的構成之一例的圖。水處理系統100係藉由利用活性污泥的生物淨化技術來淨化污水等排水的系統。水處理系統100具備：水處理裝置110，係將排水與活性污泥混合而獲得經過淨化之處理水；及水處理控制系統120，係控制水處理裝置110。

水處理裝置110具備屬於生物反應槽的一例的無氧槽2、好氧槽3及最終沉澱池4。無氧槽2係接受成為處理對象之排水的水槽。好氧槽3係接受自無氧槽2流出的屬於處理液的無氧槽處理液的水槽。最終沉澱池4係接受自好氧槽3流出的屬於處理液的好氧槽處理液，並藉由固液分離將好氧槽處理液中所含的活性污泥分離而獲得處理水的水槽。又，水處理裝置110具備硝化液循環泵5及污泥抽出泵9。硝化液循環泵5係將滯留於好氧槽3之活性污泥送至無氧槽2。污泥抽出泵9抽取堆積於最終沉澱池4之底部之活性污泥。

於無氧槽2連接有流入水配管1，排水經由流入水配管1流入至無氧槽2。無氧槽2具有水中攪拌機8。水中攪拌機8係將滯留於無氧槽2之活性污泥與排水混合。即，排水係於無氧環境下，即在分子狀氧濃度極低之狀態下，藉由活性污泥進行處理。具體而言，於無氧槽2中，藉由微生物之作用將由硝化液循環泵5送回之硝化液中所含之硝酸離子(NO3-)還原，轉換為氮氣而自水中去除以進行脫氮。硝化液係滯留於好氧槽3之活性污泥混合液。自無氧槽2流出之活性污泥混合液流入需氣槽3。

好氧槽3具備：散氣裝置6，係設置於底部，對滯留於好氧槽3內之活性污泥混合液進行氧供給；及鼓風機7，係經由配管將空氣等含氧氣體壓送至散氣裝置6。於好氧槽3中，於好氧條件下對排水進行處理。具體而言，於好氧槽3中進行將自無氧槽2流出之活性污泥混合液中所含之銨離子(NH ₄ ⁺)藉由微生物之作用而氧化並轉換為硝酸離子之硝化。如上所述，好氧槽3上連接有硝化液循環泵5。硝化液循環泵5係將滯留於好氧槽3內之活性污泥混合液之硝化液的一部分抽出，送回無氧槽2。自好氧槽3流出之活性污泥混合液流入最終沉澱池4。

最終沉澱池4將來自好氧槽3的活性污泥混合液進行固液分離。具體而言，流入之活性污泥混合液中，活性污泥藉由重力沉降而向最終沉澱池4下方沉降分離，上清水自最終沉澱池4之上部流出，作為處理水送至氯消毒等後段之處理。於最終沉澱池4連接有污泥抽出泵9。污泥抽出泵9抽取堆積於最終沉澱池4之底部之活性污泥之一部分並送回至無氧槽2，或者排出至濃縮裝置或脫水機等污泥處理程序。以下，最終沉澱池4中的上清水係指剛自好氧槽3流入後的活性污泥混合液。又，自最終沉澱池4流出之流出水意指於最終沉澱池4中固液分離之液體。進而，於以下之說明中，處理水設為來自最終沉澱池4之流出水，但亦可設為最終沉澱池4中之上清水。

好氧槽3中的氧氣供給，亦即曝氣需要使鼓風機7動作的動力，因此為了將該消耗電力量抑制為最小限度，而要求確實觀察所需充分的曝氣量來實施曝氣。好氧槽3係以硝化為目的而設置，越增加曝氣量，越可促進硝化。然而，若是毫無規劃地增加曝氣量，則鼓風機7之消耗電力量係變大，且硝化液中所包含之溶氧濃度變高，會使藉由硝化液循環泵5而被送回至無氧槽2之硝化液的在無氧槽2之脫氮受到阻礙。如此，僅考慮硝化程序的曝氣控制就水處理系統100整體而言並不一定為最佳，必須注意到脫氮製程為止所考慮的水處理系統100整體的氮去除性能而進行控制。亦即，較佳為並非考量處理水的銨離子濃度，而是考量包含硝酸離子濃度在內而可評估的總氮濃度來調整曝氣量。在實施形態1的水處理系統100的水處理控制系統120中，使用機械學習等人工智慧(Artificial Intelligence：AI)，根據從設置於水處理裝置110內的數個測量器所獲得的資訊來推定處理水的總氮濃度，並進行曝氣量控制。

水處理裝置110具備測量器，該測量器對流入至水處理裝置110的排水成為處理水為止的處理路徑內的地點的排水的狀態或排水所受到的處理的狀態進行測量。於一例中，水處理裝置110具備屬於測量器的流入水量計10、流入水銨離子濃度計11、好氧槽銨離子濃度計12、好氧槽溶氧濃度計13及曝氣量計14。流入水量計10設置於流入水配管1，測量屬於流入水的水量之流入水量。流入水銨離子濃度計11設置於流入水配管1，測量屬於流入水之銨濃度之流入水銨離子濃度。好氧槽銨離子濃度計12設置於好氧槽3，測量好氧槽3內的屬於銨離子濃度之好氧槽銨離子濃度。好氧槽溶氧濃度計13設置於好氧槽3，測量好氧槽3內的屬於溶氧濃度之好氧槽溶氧濃度。曝氣量計14測量屬於向好氧槽3的空氣供給量之曝氣量。於一例中，曝氣量計14設置於自鼓風機7將空氣送風至好氧槽3的配管，測量自鼓風機7向好氧槽3的曝氣量。排水的狀態的一例為流入水量、流入水銨離子濃度、好氧槽銨離子濃度及好氧槽溶氧濃度。排水所受到的處理的狀態的一例為排水所受到的曝氣處理的狀態，以曝氣量顯示曝氣處理的狀態。流入水銨離子濃度計11對應於第一銨離子濃度計，好氧槽銨離子濃度計12對應於第二銨離子濃度計，好氧槽溶氧濃度計13對應於溶氧濃度計。

該等測量器於一例中每隔數秒至每隔數十分鐘將測量值傳送至水處理控制系統120之狀態觀測部21。若傳輸頻度的間隔過於拉長，則處理水的總氮濃度的推定頻度降低，根據情況，可能會導致基於處理水的總氮濃度的推定值而進行的曝氣量的控制無法追隨屬於排水的流入量或氮等污濁物質濃度的變動之負荷變動。因此，通常傳送測量值之週期設定為1分鐘以上10分鐘左右以下。但是，可藉由流入至水處理系統100的排水的負荷特性等來進行調整，並不限定於該範圍。以下，處理水之總氮濃度稱為處理水總氮濃度，處理水之總氮濃度之推定值稱為處理水總氮濃度推定值。

又，流入水銨離子濃度計11未必需要設置於較無氧槽2更靠上游側，亦可設置於無氧槽2內。於無氧槽2中僅產生脫氮，不會產生銨離子之硝化即銨離子之分解。因此，無氧槽2內的銨離子濃度的測量，為了利用活性污泥進行稀釋，未必與流入水銨離子濃度相同。然而，在掌握供給至水處理裝置110的銨離子的負荷的意義上，具有與流入水銨離子濃度的測量相同的意義，可用於之後的多變量處理。

水處理系統100具備水處理控制系統120，該水處理控制系統120依據考慮到至無氧槽2中的脫氮程序為止的水處理系統100整體的氮氣去除性能，來控制對好氧槽3的曝氣量。水處理控制系統120係具備狀態觀測部21、工廠資訊記憶部22、前處理部23、推定模型產生部24、水質推定部25、控制目標值算出部26及曝氣量控制部27。

狀態觀測部21收集從各測量器傳送來的測量器的值之測量值，將複數個時刻的測量值作為時間序列資料而蓄積。時間序列資料係藉由狀態觀測部21依時間序列順序所蓄積的測量值。多數情況下，測量器採用藉由1V以上且5V以下之電壓值或4mA以上且20mA以下之電流值而表現濃度或流量之大小之類比輸出方式。狀態觀測部21為可接收此種信號並換算成濃度或流量之裝置。於一例中，將可程式邏輯控制器(Programmable Logic Controller：PLC)或附加有類比信號之輸入輸出功能之通用之個人電腦用於狀態觀測部21。但是，只要可接收並記錄測量器的測量值即可，因此測量器並不限定於類比輸出規格，狀態觀測部21亦只要考慮測量器的規格與狀態觀測部21的目的來決定規格即可。蓄積於狀態觀測部21的各測量器的資料量並無特別限制。狀態觀測部21將接收到的測量值的資料的一部分或全部提供給前處理部23。另外，在產生推定模型的情況下，狀態觀測部21將接收到的測量值的資料的一部分或全部提供給推定模型產生部24。

工廠資訊記憶部22主要記憶與水處理裝置110的構成及結構相關的資訊之工廠資訊。工廠資訊包含構成水處理裝置110的水槽，圖1的例子中包含無氧槽2、好氧槽3及最終沉澱池4的有效容積。有效容積係除各水槽中之頂部空間以外之淨液體可貯存量。

前處理部23係準備在接下來的水質推定部25的資料處理，而對從狀態觀測部21接收到的時間序列資料進行規定的處理，而作成處理資料。處理資料係藉由前處理部23進行處理之測量值。於一例中，前處理部23主要實施(A)資料調整處理及(B)延遲時間修正處理。以下，依序說明(A)資料調整處理及(B)延遲時間修正處理。

(A) 資料調整處理 於資料調整處理中，前處理部23進行自各測量器獲得之資料之異常值或偏離值之去除，或欠缺值之內插等。當藉由各測量器進行的往狀態觀測部21的資料傳送頻度不同時，以使各個測量器在表觀上之資料傳送頻度成為相等的方式進行不需要的資料的去除或內插來進行調整的處理，亦包含在資料調整處理。所需要的資料頻度較佳為考慮之後的推定模型產生部24中建構的處理水總氮濃度的推定模型的要求規格而由運轉管理者決定。於一例中，於建構、運用以5分鐘間隔輸出推定值之模型之情形時，較佳為以各測量器資料之資料傳送頻度亦成為5分鐘間隔之方式進行調整。

就欠缺值之內插方法而言，例如可使用以前後之正常值為兩端之線性內插、樣條內插等方法。為了去除異常值或偏離值，亦可參考四分位範圍，如下式(1)、(2)般藉由定義偏離值而去除。再者，四分位數係指於將資料按較小順序排列時，以資料之數量進行四等分所得之區隔值之數，第一四分位數係自較小者起25%之區隔值，第三四分位數係自較小者起75%之區隔值。又，四分位範圍為第一四分位數至第三四分位數之範圍。

偏離值＜第一四分位數－(1.5×四分位範圍)　…　(1) 偏離值＞第三四分位數＋ (1.5×四分位範圍)　…　(2)

又，亦可為工廠的運轉管理者等預先按每個測量器設定判定異常值或偏離值的臨限值，前處理部23藉由根據資料與臨限值的比較之判定來進行去除。於此情況，需要將臨限值預先讀入至前處理部23中，而可採用前處理部23具備臨限值輸入部之構成，或者是亦可採用在工廠資訊記憶部22中記憶顯示每一測量機之臨限值的臨限值資訊，並從工廠資訊記憶部22來對於前處理部23提供臨限值資訊之構成。

於臨限值中，於一例中可設定流量或濃度之絕對值，亦可設定該等資料之時間變化量。於資料之時間變化量設定於臨限值之情形時，前處理部23於算出各變數之時間變化量之後，與臨限值進行比較。即，雖測量值始終會變動，但於每單位時間之增減幅度中存在適當之範圍。當以超出該範圍之速度變化之情形時，可設想測量環境因某種理由而成為非正常之狀態，或於測量器自身產生錯誤之情形等。因此，根據測量值的時間變化量進行的異常值或偏離值的判斷可以說是合理的判斷。

又，前處理部23亦可算出測量值之移動平均以緩和異常值或偏離值之影響。於該情形時，當然亦可利用去除異常值或偏離值後之測量值算出移動平均。

(B) 延遲時間修正處理 如上所述，水處理控制系統120使用其他測量器的資料來推定處理水中所含的總氮濃度。實施形態1的水處理控制系統120係在將流入水銨離子濃度計11、好氧槽銨離子濃度計12、好氧槽溶氧濃度計13及曝氣量計14的測量值進行上述前處理後使用。

此處，某時刻的處理水總氮濃度是根據較某時刻在無氧槽2、好氧槽3及最終沉澱池4中的排水的合計滯留時間以前流入的排水受到由該些各水槽所規定的處理的結果來決定。因此，在某時刻的處理水總氮濃度與相同某時刻的其他測量器的資料之間，亦有不存在強烈關係的可能性。亦即，於根據由設置於上游側的其他測量器所獲得的資料來推定某時刻T的處理水總氮濃度的情況下，認為更準確的推定係需要考慮自各個測量器所被設置的場所至自最終沉澱池4流出的地點為止的排水的流下時間即滯留時間。因此，在實施形態1中，使用從某時刻T回溯達相當於預定的滯留時間t之時刻的各測量器的資料來作為用以推定處理水氮濃度的解釋變數。

在延遲時間補正處理中，前處理部23係以能夠將針對在相同時期流入的排水所測量到的各測量項目進行排列比較之方式，進行將在各測量器所收集到的時間序列資料排列成同列的處理測量測量。亦即，前處理部23係根據工廠資訊記憶部22所記憶的工廠資訊，算出至最終沉澱池4的出口為止的流下時間，使用所算出的流下時間，進行將在各測量器所收集的時間序列資料排列成同列的處理。

具體而言，前處理部23，係從狀態觀測部21收取時間序列資料，並根據被記憶在工廠資訊記憶部22中之工廠資訊，來算出屬於排水滯留在從測量器之地點到成為處理水之地點為止的處理路徑中之時間的滯留時間。然後，前處理部23係以測量器之測量值會成為針對相同時期所流入之排水來加以測量而得者之方式，來抽出從接收到時間序列資料之時刻起回朔到測量器地點為止之滯留時間的時刻之測量值，亦即抽出考量了滯留時間的測量值，而作成處理資料。針對各測量器抽出考慮滯留時間之測量值而得者係成為一個資料組。

滯留時間可藉由流入水量Q及自各測量器之測量地點至成為推定對象之地點所通過水槽之有效容積V而求出。於一例中，可將自過去24小時之流入水量算出屬於每一小時之流入水量之平均流入水量而得者設為Q，將以Q/V求出之值設為滯留時間t。另外，各水槽之有效容積，係能夠參考工廠資訊記憶部22之工廠資訊而得到。於圖1中欲將自最終沉澱池4排出之流出水作為處理水而求出處理水總氮濃度推定值之情形時，算出自流入水配管1至最終沉澱池4之滯留時間。另外，於圖1中欲將上清水作為處理水而求出處理水總氮濃度推定值的情況下，算出自流入水配管1至最終沉澱池4的正前方的好氧槽3為止的滯留時間。

又，於判斷來自硝化液或最終沉澱池4之回送污泥對滯留時間造成影響之情形時，亦可根據該等流量或該等流入地點而將任一者與流入水量相加而設為Q，求出滯留時間t。

第2圖係顯示實施形態1之水處理系統之水處理裝置之構成之一例的圖。圖2中表示利用以同時去除氮與磷為目的的厭氧無氧好氧法(Anaerobic-Anoxic-Oxic法：A2O法)進行水處理時的水處理裝置110的構成的一例。圖2之水處理裝置110與圖1之情形相比，於無氧槽2之前段更具備厭氧槽15。厭氧槽15係接受成為處理對象之排水的水槽。於厭氧槽15中，於不輸送空氣之狀態下攪拌排水，使磷自磷蓄積細菌釋出。無氧槽2成為接收自厭氧槽15流出之處理液即厭氧槽處理液之水槽。

於圖2之情形時，滯留於好氧槽3之活性污泥藉由硝化液循環泵5而回送至無氧槽2。又，堆積於最終沉澱池4底部之活性污泥藉由污泥抽出泵9送回厭氧槽15。即，回送污泥與硝化液之流入地點不同。於此種情形時，若將來自流入水配管1之排水之流入量設為Q1，將來自最終沉澱池4之回送污泥之流入量設為Q2，將來自好氧槽3之硝化液之流入量設為Q3，將厭氧槽15之有效容積設為V1，將無氧槽2之有效容積設為V2，則厭氧槽15中之滯留時間T1與無氧槽2中之滯留時間T2分別藉由下式(3)、(4)而算出。

T1=(Q1＋Q2)/V1　…　(3) T2=(Q1＋Q2＋Q3)/V2　…　(4)

如這些判斷為硝化液或回送污泥會影響滯留時間時，在硝化液循環泵5的二次側、及污泥抽出泵9的二次側，且在硝化液及回送污泥流動的配管上，分別設置流量計16、17。而且，各流量計16、17之測量值最好可經由狀態觀測部21輸入至前處理部23。關於該等流量，亦與流入水量相同，於一例中，算出過去24小時之平均流量而使用。再者，於實施形態1中，將處理水定義為最終沉澱池4之流出水，但於一例中，亦可設為最終沉澱池4內之上清水，水處理系統100之運轉管理者可適當設定將水處理裝置110中之任意點定義為處理水。總而言之，只要決定可算出自各測量器所被設置的地點至欲推定總氮濃度的處理水的地點為止的滯留時間的位置即可。

回到圖1，前處理部23在進行(A)資料調整處理之後，實施(B)延遲時間修正處理，調整測量值並進行修正。具體而言，前處理部23考慮到排水流入後至作為處理水排出為止的期間的各水槽中的滯留時間，對各測量器間的時間序列資料中的測量值進行調整及修正，將針對相同時期流入的排水而由各測量器測量到的測量值的組合設為一個資料組。即，前處理部23將經處理為處理水的排水通過處理路徑時由各測量器所測量的測量值組合而得者作為一個資料組。因此，並非將相同時刻之各測量器之測量值設為一個資料組，而是將考量了自處理路徑中之欲推定處理水總氮濃度之地點至測量器所被設置之地點為止之滯留時間而回溯之時間之各測量器之測量值設為1個資料組。如此調整、修正後之資料組，以下稱為延遲時間修正後之資料組，對應於處理資料。前處理部23係將延遲時間修正後的資料組輸出至水質推定部25。

推定模型產生部24係使用在前處理部23的延遲時間補正後的資料組，建構推定處理水總氮濃度推定值的推定模型。

推定模型產生部24係在水質推定部25未保持處理水總氮濃度的推定模型時，執行推定模型的產生處理。處理水總氮濃度強烈依存於流入水質及好氧槽3中的處理狀態，尤其經研究的結果可知，流入水銨離子濃度、好氧槽銨離子濃度、好氧槽溶氧濃度及對好氧槽3的曝氣量的關係強。即，藉由使用該等值，可定量且精度良好地推定處理水總氮濃度。即，推定模型產生部24使用延遲時間修正後的資料組，將流入水銨離子濃度值、好氧槽銨離子濃度值、好氧槽溶解氧濃度值及對好氧槽3的曝氣量作為說明變數，將處理水總氮濃度值作為目的變數進行機械學習等多變量處理，藉此建構處理水總氮濃度的推定模型。於多變量處理中，於一例中可使用複回歸、主成分回歸、部分最小平方法(Partial Least Squares Regression ：PLS)、支援向量回歸(Support Vector Regression：SVR)、神經網路之深度學習等。

於構築推定模型之情形時，實施使用正確答案資料之學習。即，推定模型產生部24將作為正確答案資料的處理水總氮濃度的真值與對應於正確答案資料的獲取時刻的延遲時間修正後的資料組一併保持，並使用該些資料進行解析，藉此可獲得更高精度的模型。處理水總氮濃度之真值於一例中，藉由將測量處理水之總氮濃度之處理水總氮濃度計僅於學習期間暫時設置於最終沉澱池4而獲得。在前處理部23中，如上所述，在成為處理水總氮濃度的測量對象的處理水通過從流入水配管1至處理水流出的地點為止的處理路徑時，將由各測量器所測量的測量值設為一個資料組。

於此情況，處理水總氮濃度計係亦可將處理水總氮濃度之測量值輸出至狀態觀測部21，而前處理部23係進行已規定的前處理，並對推定模型產生部24進行輸出。於此情況，並不需要將處理水總氮濃度計恆常性地設置在水處理裝置110。又，通常，於水處理系統100中，多數情況下並列設置有複數個水處理裝置110，故而可於複數個水處理裝置110重複使用處理水總氮濃度計。

或者，於其他例中，處理水總氮濃度之真值亦可設為運轉管理者以任意之間隔進行水質分析之結果。於該情形時，運轉管理者可將水質分析之結果輸入至狀態觀測部21，亦可直接輸入至推定模型產生部24。學習所需的期間及資料數可藉由建構的推定模型來調整。於一例中，於假定每隔數分鐘輸出推定值之推定模型之情形時，較佳為以與推定值之輸出頻度相同之頻度取得至少24小時以上之資料，來作為學習用資料。

此處，列舉藉由機械學習產生推定模型之情形為例，對推定模型產生部24之處理進行說明。推定模型產生部24所使用的學習用資料係根據由前處理部23輸出的延遲時間補正後的資料組與處理水總氮濃度的真值的組合所作成者，推定模型產生部24係根據該學習用資料，學習處理水總氮濃度推定值。即，產生根據水處理裝置110的延遲時間修正後的資料組及處理水總氮濃度的真值來推論最佳的處理水總氮濃度推定值的屬於學習完成模型的推定模型。此處，學習用資料是將延遲時間修正後的資料組及處理水總氮濃度的真值相互建立對應的資料。延遲時間修正後的資料組為自測定處理水總氮濃度的真值的時刻之測定時刻起回溯至各個測量器的地點的排水的滯留時間為止的時刻的流入水銨離子濃度值、好氧槽銨離子濃度值、好氧槽溶氧濃度值及對於好氧槽3的曝氣量的組合。流入水銨離子濃度值對應於第一銨離子濃度值，好氧槽銨離子濃度值對應於第二銨離子濃度值，好氧槽溶氧濃度值對應於溶氧濃度值。

另外，推定模型產生部24亦可由獨立於水處理系統100的學習裝置所構成。此學習裝置係用於學習水處理系統100之處理水總氮濃度估計，但可例如經由網路連接至水處理系統100之水處理控制系統120，且可為與水處理控制系統120不同之裝置。又，學習裝置亦可存在於雲端伺服器上。

推定模型產生部24所使用之學習演算法可使用有監督學習等公知之演算法。作為一個例子，說明應用類神經網路的情況。

推定模型產生部24係例如依照類神經網路模型，藉由所謂的有監督學習，學習處理水總氮濃度推定值。此處，所謂有監督學習，係指藉由將輸入與屬於結果之標籤之資料之組賦予至學習裝置，學習存在於該等學習用資料之特徵，並根據輸入推論結果之方法。

類神經網路由包含複數個神經元的輸入層、包含複數個神經元的中間層及包含複數個神經元的輸出層構成。中間層亦稱為隱藏層，可為1層，亦可為2層以上。

圖3係示意性地顯示推定模型產生部所使用之類神經網路之一例之圖。例如，若為如圖3所示之3層之類神經網路，則若將複數個輸入予以輸入於輸入層X1至輸入層X3，則將該值乘以w11至w16所示之權重並予以輸入於中間層Y1至中間層Y2。權重w11至w16於未個別區分之情形時，稱為權重w1。又，對中間層Y1至中間層Y2之結果再乘以w21至w26所示之權重而自輸出層Z1至輸出層Z3輸出。權重w21至w26在未個別區分時稱為權重w2。輸出層Z1至輸出層Z3之輸出結果根據權重w1、w2之值而變化。

在實施形態1中，類神經網路係依照藉由狀態觀測部21所取得，且根據藉由前處理部23處理的延遲時間補正後的資料組及處理水總氮濃度的真值的組合所作成的學習用資料，藉由所謂有監督學習，而學習處理水總氮濃度推定值。

即，類神經網路藉由調整權重w1與權重w2來學習，以使對輸入層輸入延遲時間修正後的資料組而自輸出層輸出的結果會接近處理水總氮濃度的真值。

推定模型產生部24藉由執行如上所述的學習而產生推定模型並輸出。

以上的推定模型的產生處理係若運轉管理者等預先建構推定模型，且輸入至水質推定部25，則並非必須者，因應需要而由運轉管理者等進行實施的判斷。又，即便於預先輸入有推定模型之情形時，於判斷為需要更新推定模型之情形時，亦可如上所述取得處理水總氮濃度之真值，實施推定模型之產生處理，更新推定模型。

返回圖1，水質推定部25使用所構築的推定模型或預先輸入的推定模型，根據考量到自前處理部23輸入的滯留時間的測量值來推定處理水總氮濃度推定值。具體而言，水質推定部25將自前處理部23輸出的延遲時間修正後的資料組中各測量器的最新的延遲時間修正後的資料組輸入至推定模型，算出推定時刻的處理水總氮濃度推定值。實施形態1的水處理系統100係逐次輸出現在時刻的處理水總氮濃度推定值，因此從狀態觀測部21對前處理部23的資料提供頻度及從前處理部23對水質推定部25的資料提供頻度係以推定模型的推定頻度以上為佳。此外，要從前處理部23交付至水質推定部25的資料，在已有建構推定模型而僅要進行推定之情形時，只要有在算出現在時刻的處理水總氮濃度推定值所需的時刻的資料即可。

再者，此處，對使用水處理控制系統120的推定模型產生部24所學習的推定模型來輸出處理水總氮濃度推定值的情況進行了說明，但亦可自其他水處理系統100等的外部獲取推定模型，並根據該推定模型來輸出處理水總氮濃度推定值。

控制目標值算出部26係從累積的從處理水總氮濃度推定值算出的水處理裝置110的氮去除量與流入水銨離子濃度值的關係，取得氮去除量成為最大的流入水銨離子濃度值作為控制目標值。

如上所述，在排水的處理中，理想為綜合地考慮硝化、脫氮的曝氣量控制。因此，實施形態1的水處理控制系統120中，以氮去除量為指標來調整好氧槽3中的曝氣量。氮去除量可根據處理水總氮濃度與流入水之總氮濃度之差而求出。在一例中，當都市下水等生活排水為主要所含的排水時，流入水中所含的氮係大致總量為銨離子，因此氮去除量可藉由流入水的銨離子濃度值與處理水總氮濃度值的差而求出。於更嚴格地推定氮去除量之情形時，或者已知為僅利用銨離子濃度無法推定流入水總氮濃度之情形時，設置可測量流入水之總氮濃度之總氮濃度計。

在實施形態1的水處理控制系統120中，將藉由推定模型所算出的處理水總氮濃度推定值與從推定時刻回溯相當於滯留時間至流入水銨離子濃度計11的設置位置為止的時刻中的推定對象的處理水的流入水銨離子濃度的差作為氮去除量來處理。研究的結果可知，氮去除量與好氧槽銨離子濃度之間存在強相關，存在有氮去除量成為最大的好氧槽銨離子濃度。圖4係顯示好氧槽銨離子濃度與氮去除量的關係的一例的圖。於圖4中，橫軸顯示好氧槽銨離子濃度，縱軸顯示氮去除量。如圖4所示，可知相對於好氧槽銨離子濃度的氮去除量處於上凸的關係。

好氧槽3中的銨離子濃度依存於硝化反應的進行情況，即曝氣量的大小。好氧槽銨離子濃度低的狀況為曝氣量多且硝化充分進行的狀況，但同時硝化液中所含的溶氧濃度亦變高，脫氮難以進行，若以氮去除量來觀察，則亦認為是有改善的餘地的狀況。另一方面，好氧槽銨離子濃度高的狀況為硝化不充分而銨離子流出至處理水中的狀態，同樣為若以氮去除量來觀察則低，為有改善的餘地的狀況。認為藉由此種機制，可獲得如圖4所示之向上凸之關係。然而，該關係性並非始終固定，可認為會根據季節或水溫、流入水量、水質、尤其是銨離子濃度等而變化。

因此，在實施形態1的水處理控制系統120中，控制目標值算出部26係從藉由推定模型逐次推定的處理水總氮濃度推定值與對應的流入水銨離子濃度值的差分求出氮去除量並予以蓄積。進而，控制目標值算出部26於屬於推定處理水總氮濃度推定值的時刻之推定時刻，亦同時記錄處理水總氮濃度推定值的算出中使用的好氧槽銨離子濃度。藉由儲存該些資料，可獲得如圖4所示的好氧槽銨離子濃度與氮去除量的關係。然後，針對如圖4所示的關係，以上凸的二次函數進行近似。根據該近似式算出氮去除量成為最大的好氧槽銨離子濃度值，將該好氧槽銨離子濃度值設定為控制目標值。

此處，較佳為將為了作成近似式所需之資料中的舊資料適當刪除，而更新近似式。硝化或脫氮受到水溫的影響，混合水溫大不相同的時期的資訊而作成近似曲線，也有可能成為好氧槽銨離子濃度的算出的不正確度的原因。就此而言，適當更新舊資料亦為有用者。因此，於一例中，較佳為使用自當前時刻起最近3個月前左右之範圍之資料。如以上般，較佳為控制目標值算出部26使用從處理水總氮濃度推定值的推定時刻起的規定的期間內的資料來算出近似式。

返回至圖1，曝氣量控制部27以好氧槽3的好氧槽銨離子濃度值成為控制目標值的方式控制曝氣量。在一個例子中，曝氣量控制部27以好氧槽銨離子濃度接近由控制目標值算出部26設定的控制目標值的方式控制鼓風機7。控制的一例為P(Proportional，比例)控制、PI (Proportional-Integral，比例積分)控制、PD(Proportional-Differential，比例微分)控制、PID(Proportional-Integral-Differential，比例積分微分)控制等，只要是可調整曝氣量以使好氧槽3內的銨離子濃度接近控制目標值之控制即可。又，在實施形態1中，作成直接操作鼓風機7之輸出，但是亦可例如在鼓風機7之二次側配管設置調整曝氣量的閥，並進行該閥之開度調整而調整曝氣量。

其次，對具有此種構成的水處理控制系統120中的推定模型的產生方法以及包含處理水總氮濃度推定值的推定方法及控制目標值的算出方法的水處理裝置110的控制方法進行說明。

＜推定模型之產生方法＞ 說明在水處理控制系統120產生推定模型的處理。圖5係顯示推定模型的產生方法的順序的一例的流程圖。

狀態觀測部21獲取包含流入水銨離子濃度值、好氧槽銨離子濃度值、好氧槽溶氧濃度值、對好氧槽3的曝氣量及處理水總氮濃度的真值的時間序列資料(步驟S11)。

繼而，前處理部23對所獲取的流入水銨離子濃度值、好氧槽銨離子濃度值、好氧槽溶氧濃度值及向好氧槽3中的曝氣量的時間序列資料進行資料調整及延遲時間修正，產生延遲時間修正後的資料組(步驟S12)。

另外，前處理部23將處理水總氮濃度的真值與延遲時間修正後的資料組建立對應而產生學習用資料(步驟S13)。於一例中，對於處理水總氮濃度之真值，考慮滯留時間，將自取得該處理水總氮濃度之真值之時刻而回溯至各測量器之地點之時刻之延遲時間修正後之資料組建立對應。另外，雖係設為同時取得延遲時間修正後之資料組以及處理水總氮濃度之真值，但是只要能夠將延遲時間修正後之資料組以及處理水總氮濃度之真值附加有關連地來作輸入即可，亦可將延遲時間修正後之資料組以及處理水總氮濃度之真值的資料分別在相異之時序取得。

接著，推定模型產生部24係按照根據延遲時間補正後的資料組及處理水總氮濃度的真值的組合所作成的學習用資料，藉由所謂有監督學習，學習處理水總氮濃度推定值，產生作為學習完成模型的推定模型(步驟S14)。

接著，推定模型產生部24係將所產生的推定模型輸出至水質推定部25(步驟S15)。藉此，水質推定部25取得推定模型。以上，推定模型產生部24的推定模型的學習處理結束。

＜處理水總氮濃度推定值之推定方法＞ 接著，說明以水處理控制系統120推定處理水總氮濃度推定值的處理。圖6係顯示處理水總氮濃度推定值之推定方法之順序之一例的流程圖。

首先，狀態觀測部21獲取包含流入水銨離子濃度值、好氧槽銨離子濃度值、好氧槽溶氧濃度值及對好氧槽3的曝氣量的時間序列資料(步驟S31)。

繼而，前處理部23對所獲取的流入水銨離子濃度值、好氧槽銨離子濃度值、好氧槽溶氧濃度值及對好氧槽3的曝氣量進行資料調整及延遲時間修正，產生延遲時間修正後的資料組(步驟S32)。

之後，水質推定部25係將延遲時間修正後的資料組輸入至推定模型，而得到處理水總氮濃度推定值(步驟S33)。

接著，水質推定部25係將藉由推定模型所得之處理水總氮濃度推定值輸出至控制目標值算出部26(步驟S34)。

其後，控制目標值算出部26根據所蓄積的好氧槽銨離子濃度值與根據處理水總氮濃度推定值所算出的水處理裝置110中的氮去除量的關係，算出氮去除量成為最大的好氧槽銨離子濃度值作為控制目標值(步驟S35)。控制目標值算出部26將所算出的控制目標值交給曝氣量控制部27，曝氣量控制部27以好氧槽銨離子濃度成為控制目標值的方式控制曝氣量。藉此，於好氧槽3內，以使氮去除量成為最大之方式控制曝氣量，故而可進行綜合考慮硝化、脫氮之曝氣量控制。

再者，於實施形態1中，對將有監督學習應用於推定模型產生部24所使用之學習演算法之情形進行了說明，但並不限定於此。

此外，推定模型產生部24亦可按照對複數水處理系統100所作成的學習用資料，學習處理水總氮濃度推定值。再者，推定模型產生部24既可自同一區域中所使用的多個水處理系統100取得學習用資料，亦可利用從在不同的區域中獨立地動作的多個水處理系統100收集的學習用資料來學習處理水總氮濃度推定值。又，亦可在途中將收集學習用資料之水處理系統100追加於對象，或從對象除去。更且，亦可將針對某水處理系統100學習了處理水總氮濃度推定值的屬於學習裝置的推定模型產生部24應用於與原本的水處理系統100不同的水處理系統100，對該不同的水處理系統100再次學習並更新處理水總氮濃度推定值。

更且，就用於推定模型產生部24之學習演算法，亦可使用學習特徵量本身之擷取之深度學習(Deep Learning)，亦可按照其他公知之方法，例如遺傳性編程、功能邏輯編程、支援向量機等執行機械學習。

＜控制目標值之算出方法＞ 接著，說明以水處理控制系統120算出控制目標值的處理。圖7係顯示控制目標值的算出方法的順序的一例的流程圖。首先，控制目標值算出部26取得來自水質推定部25的處理水總氮濃度推定值，及處理水總氮濃度推定值的推定對象的排水相關的流入水銨離子濃度值及好氧槽銨離子濃度值(步驟S51)。

接著，控制目標值算出部26係從處理水總氮濃度推定值與流入水銨離子濃度值的差分算出氮去除量(步驟S52)。另外，控制目標值算出部26將所算出的氮去除量與好氧槽銨離子濃度值建立對應而蓄積(步驟S53)。即，儲存氮去除量與好氧槽銨離子濃度值的組的資料。

其後，控制目標值算出部26使用所蓄積的氮去除量與好氧槽銨離子濃度值的組的多個資料，算出氮去除量相對於好氧槽銨離子濃度值的近似式(步驟S54)。又，控制目標值算出部26根據所算出之近似式取得氮去除量成為最大之好氧槽銨離子濃度值，設為控制目標值(步驟S55)。控制目標值算出部26將控制目標值輸出至曝氣量控制部27。以上，處理結束。其後，曝氣量控制部27以自好氧槽銨離子濃度計12獲得的好氧槽銨離子濃度值成為控制目標值的方式控制曝氣量。

在先前技術中，使用根據推定處理水總氮濃度推定值的推定時刻中的氧化還原電位、溶氧、氫離子指數、紫外線、污泥混合液的懸浮物質中的1個以上的測量值而算出的總氮濃度的值，並非使用對成為處理水總氮濃度推定值的推定對象的排水所獲得的測量值，因此處理水總氮濃度推定值的推定精度降低。但是，在實施形態1的水處理系統100中，前處理部23係以來自各測量器的資料成為針對在相同時期流入的排水進行測量而得者的方式，抽出從接收到資料的時刻回溯至測量器的地點為止的滯留時間的時刻的測量值，產生資料組。水質推定部25係將所產生的資料組輸入至推定模型，推定在推定時刻的處理水總氮濃度推定值。藉此，具有如下功效：無需於屬於生物反應槽之最終沉澱池4永久地設置總氮濃度計，便可以較先前技術更高之精度推定處理水中所含之總氮濃度。又，於掌握處理水中所含之總氮濃度時，無需永久地設置昂貴之總氮濃度計，因此可大幅降低水處理系統100之成本。

另外，控制目標值算出部26根據處理水總氮濃度推定值與屬於處理水總氮濃度推定值的推定對象的排水的流入水銨離子濃度值的差來計算氮去除量。另外，控制目標值算出部26使用蓄積有氮去除量與好氧槽銨離子濃度值的組合的資料而獲取氮去除量成為最大的好氧槽銨離子濃度的值，並將所獲取的好氧槽銨離子濃度的值設為控制目標值。曝氣量控制部27以好氧槽銨離子濃度成為控制目標值的方式控制曝氣量。如此，實施形態1中，係著眼於不僅是處理水的銨離子濃度，而亦包含處理水的硝酸離子濃度在內可進行評估的總氮濃度來進行曝氣量的控制，藉此可抑制水處理系統100中的運轉成本，並且可獲得良好的處理水質。

再者，於實施形態1中，顯示了水處理裝置110具備一個無氧槽2與一個好氧槽3的情況，但水處理裝置110的形態並無限定。水處理裝置110於一例中，可為應用如圖2所示的厭氧槽15、無氧槽2及好氧槽3排列的厭氧無氧好氧法的構成，亦可為應用厭氧好氧法(Anaerobic-Oxic法：AO法)的構成。

另外，各處理步驟的水槽的數量並不限定於一個，亦可排列複數個厭氧步驟、無氧步驟及好氧步驟的各水槽。無論何種情況，只要可測量流入水銨離子濃度及流入水量、必要時之硝化液循環量或回送污泥流量即可。於取得曝氣量做為解釋變數的情況下，可掌握供給至各好氧槽3的曝氣量的合計量，而使用於解釋變數，或者亦可分別利用測量器掌握賦予至各水槽的曝氣量，並使用於解釋變數。關於好氧槽溶氧濃度值及好氧槽銨離子濃度值，亦可於各好氧槽3中設置好氧槽銨離子濃度計12及好氧槽溶氧濃度計13，並將各者全部用於解釋變數。或者，亦可於至少位於最下游的好氧槽3中設置好氧槽銨離子濃度計12及好氧槽溶氧濃度計13而用於解釋變數。重要者為能夠實現下述構成：可掌握流入水銨離子濃度值、於處理過程中供給的曝氣量以及末端的好氧槽3中的好氧槽銨離子濃度值及好氧槽溶氧濃度值，並且可獲取可算出自各測量器至處理水總氮濃度的推定點或測量點為止的滯留時間的資訊。

於水處理裝置110中，亦存在流入水配管1分支而排水不僅流入水處理裝置110之最上游部，亦流入中游部之分段式流入之構造者。於此種分段式流入之構造之情形時，流入水銨離子濃度之測量地點可於流入水配管1上，但較佳為測量向各流入地點之流入量，並據此算出處理水總氮濃度之推定點或至測量點為止之滯留時間，將自各地點流入之排水之銨離子濃度設為解釋變數而用於模型建構。

此外，在實施形態1中，處理水總氮濃度推定值的推定所使用的解釋變數僅為一例，並非否定將其他測量值加入解釋變數或省略。於一例中，亦可測量任一水槽之污泥混合液之懸浮物質濃度、水溫、無氧槽2之氧化還原電位等，發送至狀態觀測部21，於前處理部23進行上述前處理，並用於水質推定部25之解釋變數。

水處理控制系統120所示的狀態觀測部21、前處理部23、工廠資訊記憶部22、推定模型產生部24、水質推定部25、控制目標值算出部26及曝氣量控制部27既可構成為可分別作為獨立的計算機並進行資料連動，亦可分別在一個計算機中作為程式而構成，在程式間進行資料連動。無論如何，只要構成為可接收來自各測量器的資料，且具有可將曝氣量控制目標值輸出至鼓風機7或其所附帶的反相器或曝氣量調整閥的介面的裝置即可。

實施形態2. 第8圖係示意性地顯示實施形態2之水處理系統的構成之一例的圖。再者，對與實施形態1相同之構成要素標註相同之符號，並省略其說明，對與實施形態1不同之部分進行說明。

在實施形態2的水處理系統100中，水處理控制系統120更具備運轉資訊記錄部28。運轉資訊記錄部28取得包含水處理裝置110的運轉條件或水處理裝置110運轉時的運轉環境的運轉資訊。運轉條件的一例為好氧槽3中的曝氣量的控制方式。運轉環境之一例為天氣、水溫、降雨量、日期、星期、季節。

推定模型產生部24係在推定處理水總氮濃度推定值的模型的建構中，如實施形態1所說明般使用各種測量器的資料。但是，在推定模型內的測量器的資料的處理，亦即推定模型內的各測量器的資料的係數，會有因運轉條件或水溫、天候等運轉環境而變化的情形。因此，藉由因應狀況建構適合的推定模型，並區分使用，可高度維持處理水總氮濃度推定值的推定精度。

因此，實施形態2的水處理系統100中，運轉資訊記錄部28記錄運轉當天的天氣、水溫、降雨量、日期、星期、季節、曝氣量的控制方式等的運轉資訊，並提供給前處理部23。

曝氣量控制方式為顯示好氧槽3中的曝氣量的控制方式的資訊。曝氣量控制方式於一例中包含如下之複數個模式：溶氧控制模式，係將目標值設定為好氧槽溶氧濃度，以好氧槽溶氧濃度於目標值附近推移之方式自動調整曝氣量；銨離子控制模式，係如實施形態1所示般將目標值設定為好氧槽銨離子濃度而控制曝氣量；流量比例控制模式，係以與流入水量成比例之方式控制曝氣量。

在實施形態1所示的銨離子控制模式中，所推定的處理水總氮濃度推定值被利用於曝氣量的控制。另一方面，於溶氧控制模式及流量比例控制模式中，處理水總氮濃度推定值不使用於曝氣量之控制，但使用於逐次掌握處理水之總氮濃度。亦即，亦有在處理狀況的確認使用處理水總氮濃度推定值的情形。於一例中，亦有將使用來自控制目標值算出部26之控制目標值之銨離子控制模式設為斷開，移行至溶氧控制模式，處理水總氮濃度推定值僅以處理狀態之逐次掌握為目的而進行之情形。在這種情況，運轉資訊記錄部28記錄曝氣量控制方式已變更，並記錄變更後之模式作為現在之控制方式。

前處理部23係根據運轉資訊，將在狀態觀測部21所收集的時間序列資料分類成類別，並進行資料的分配。於以曝氣量控制方式進行分配之情形時，前處理部23以溶氧控制模式、銨離子控制模式及流量比例控制模式進行類別分類，將來自測量器之資料按每個類別彙集，對各類別進行規定之前處理而製作資料組。或者，在依據天氣進行分配的情況下，在晴天時或雨天時進行分類，同樣地進行前處理而製作資料組。或者，於在以星期進行分配之情形時，以星期一至星期日之各星期進行分類，同樣地進行前處理而製作資料組。或者，於以日期進行分配之情形時，於規定之日期之範圍內進行分類，同樣地進行前處理而製作資料組。

類別分類只要由運轉管理者任意地規定成為進行分類之基準之臨限值而自動地分類即可。或者，亦可進行統計解析，從多元的觀點來定義類別而進行叢集化。又，用於分類之運轉資訊亦不限於上述所列舉者，亦可將判斷為必要之資料作為運轉資訊而預先記錄於運轉資訊記錄部28，設置臨限值而將該資料用於分類。

推定模型產生部24係使用每個類別的時間序列資料來產生推定模型。亦即，推定模型產生部24係在前處理部23接收各類別的資料組，且分別產生推定模型。所產生之推定模型係與類別建立對應。此外，水質推定部25係使用與處理水總氮濃度推定值的推定時的運轉資訊相對應的類別的推定模型，推定處理水總氮濃度推定值。亦即，水質推定部25係選擇符合現在的水處理系統100的運轉資訊的狀態的類別，使用所選擇的類別的推定模型，進行處理水總氮濃度推定值的推定。

再者，對運轉資訊記錄部28進行之運轉資訊的輸入，於一例中可由運轉管理者適當輸入，或者亦可自取得各運轉資訊並進行管理之監視控制系統等其他系統逐次轉送。

實施形態2中，水處理控制系統120具備運轉資訊記錄部28，該運轉資訊記錄部28取得包含水處理裝置110運轉時的運轉條件或運轉環境的運轉資訊，並輸出至前處理部23。前處理部23使用所取得之運轉資訊，將自各測量器取得之資料分類為類別，推定模型產生部24使用按類別分類之資料來建構推定模型。藉此，於推定模型內之各測量資料相關之係數根據運轉條件或運轉環境而變化之情形時，可建構根據運轉條件或運轉環境而分類之推定模型。又，藉由使用根據此種類別而製作之推定模型推定處理水總氮濃度推定值，可提高推定精度。

水處理控制系統120亦可對應於控制裝置而設置於每個水處理裝置110。水處理控制系統120亦可由電腦系統來實現。圖9係顯示實現實施形態1、2之水處理控制系統之電腦系統的構成之一例之圖。如圖9所示，該電腦系統80具備控制部81、輸入部82、記憶部83、顯示部84、通信部85及輸出部86，上述各構件係經由系統匯流排87而連接。

於圖9中，控制部81例如為CPU(Central Processing Unit，中央處理單元)等。控制部81執行記述有水處理控制系統120所實施的各處理的程式。輸入部82例如由觸控感測器、鍵盤、滑鼠等構成，由電腦系統80之使用者使用以進行各種資訊之輸入。於上述實施形態中，於受理運轉管理者之輸入之情形時，運轉管理者之輸入可使用輸入部82進行。記憶部83包含RAM(Random Access Memory，隨機存取記憶體)、ROM(Read Only Memory，唯讀記憶體)等各種記憶體及硬碟等儲存裝置，記憶上述控制部81應執行之程式、於處理之過程中獲得之必要之資料等。又，記憶部83亦用作程式之暫時性記憶區域。顯示部84係由液晶顯示面板(Liquid Crystal Display：LCD，液晶顯示器)等構成，對電腦系統80之使用者顯示各種畫面。通信部85係實施通信處理之通信電路等。通信部85亦可由與複數個通信方式分別對應之複數個通信電路構成。輸出部86係向印表機、外部記憶裝置等外部之裝置輸出資料之輸出介面。

再者，圖9為一例，電腦系統80之構成並不限定於圖9之例。例如，電腦系統80亦可不具備輸出部86。又，於水處理控制系統120由複數個電腦系統80實現之情形時，該等所有電腦系統80亦可不為圖9所示之電腦系統80。例如，一部分電腦系統80亦可不具備圖9所示之顯示部84、輸出部86及輸入部82中之至少一者。

此處，對水處理控制系統120所執行的推斷模型的產生方法、處理水總氮濃度的推定方法或控制目標值的算出方法所記述的程式成為可執行的狀態為止的電腦系統80的動作例進行說明。於採用上述構成的電腦系統80中，例如自未圖示的CD(Compact Disc，光碟)-ROM驅動器或DVD(Digital Versatile Disc，數位多功能光碟)-ROM驅動器中所設置的CD-ROM或DVD-ROM，將記載有水處理控制系統120的推定模型的產生方法、處理水總氮濃度的推定方法或控制目標值的算出方法的動作的程式安裝於記憶部83。而且，於程式之執行時，自記憶部83讀出之程式儲存於記憶部83之成為主記憶裝置之區域。於該狀態下，控制部81按照儲存於記憶部83之程式，執行水處理控制系統120之處理。

再者，於上述說明中，將CD-ROM或DVD-ROM作為記錄媒體，提供記述有水處理控制系統120中的處理的程式，但並不限定於此，亦可根據電腦系統80的構成、提供的程式的容量等，例如使用經由通信部85而由網際網路等傳輸媒體所提供的程式。

推定模型之產生處理係藉由使電腦執行記述有圖5所示之順序之程式而進行。處理水總氮濃度之推定處理係藉由使電腦執行記述有圖6所示之順序之程式而進行。控制目標值之算出處理係藉由使電腦執行記述有圖7所示之順序之程式而進行。

圖1及圖8所示之工廠資訊記憶部22係圖9所示之記憶部83的一部分。圖1及圖8所示之狀態觀測部21、前處理部23、推定模型產生部24、水質推定部25、控制目標值算出部26、曝氣量控制部27及運轉資訊記錄部28分別使用控制部81、輸入部82、記憶部83及顯示部84來實現。

再者，圖1及圖8所示的水處理控制系統120的功能的區分為一例，只要水處理控制系統120可進行上述動作，則各功能部的區分方法並不限定於圖1及圖8所示的例。另外，於圖1及圖8中，設為由水處理控制系統120進行所有動作，但亦可使用複數個裝置來實現相同的功能。於一例中，各個處理部可由一個裝置構成，亦可設為由一個裝置構成一部分處理具。

又，水處理控制系統120亦可為建構於雲端環境者。雲端環境包括雲端服務平台中提供的電腦資源。雲端服務平台由雲端服務提供者提供，且包括(例如)PaaS(Platform as a service，平台即服務)。由於水處理控制系統120建構於雲端環境，因此有時亦稱為雲端伺服器。再者，水處理控制系統120亦可建構於雲端環境以外的環境，並不限定於雲端伺服器。

以上實施形態所示之構成係表示一例者，既可與其他公知之技術組合，亦可將實施形態彼此組合，亦可於不脫離主旨之範圍內省略、變更構成之一部分。

1:流入水配管 2:無氧槽 3:好氧槽 4:最終沉澱池 5:硝化液循環泵 6:散氣裝置 7:鼓風機 8:水中攪拌機 9:污泥抽出泵 10:流入水量計 11:流入水銨離子濃度計 12:好氧槽銨離子濃度計 13:好氧槽溶氧濃度計 14:曝氣量計 15:厭氧槽 16,17:流量計 21:狀態觀測部 22:工廠資訊記憶部 23:前處理部 24:推定模型產生部 25:水質推定部 26:控制目標值算出部 27:曝氣量控制部 28:運轉資訊記錄部 80:電腦系統 81:控制部 82:輸入部 83:記憶部 84:顯示部 85:通信部 86:輸出部 87:系統匯流排 100:水處理系統 110:水處理裝置 120:水處理控制系統

圖1係示意性地顯示實施形態1之水處理系統的構成之一例的圖。 圖2係顯示實施形態1之水處理系統之水處理裝置之構成之一例的圖。 圖3係示意性地顯示推定模型產生部所使用之類神經網路之一例之圖。 圖4係顯示好氧槽銨離子濃度與氮去除量的關係的一例的圖。 圖5係顯示推定模型的生成方法的順序的一例的流程圖。 圖6係顯示處理水總氮濃度推定值之推定方法之順序之一例的流程圖。 圖7係顯示控制目標值的算出方法的順序的一例的流程圖。 圖8係示意性地顯示實施形態2之水處理系統的構成之一例的圖。 圖9係顯示實現實施形態1、2之水處理控制系統之電腦系統的構成之一例之圖。

1:流入水配管

2:無氧槽

3:好氧槽

4:最終沉澱池

5:硝化液循環泵

6:散氣裝置

7:鼓風機

8:水中攪拌機

9:污泥抽出泵

10:流入水量計

11:流入水銨離子濃度計

12:好氧槽銨離子濃度計

13:好氧槽溶氧濃度計

14:曝氣量計

21:狀態觀測部

22:工廠資訊記憶部

23:前處理部

24:推定模型產生部

25:水質推定部

26:控制目標值算出部

27:曝氣量控制部

100:水處理系統

110:水處理裝置

120:水處理控制系統

Claims (10)

1. 一種水處理控制系統，係控制水處理裝置，前述水處理裝置係將排水與活性污泥混合以獲得經過淨化之處理水，前述水處理控制系統係包括： 狀態觀測部，係收集由測量器測量的測量值，並將複數個時刻的前述測量值作為時間序列資料而蓄積，前述測量器係測量在流入至前述水處理裝置的前述排水成為前述處理水為止的處理路徑內的地點的前述排水的狀態或前述排水接受的處理的狀態； 前處理部，係對前述時間序列資料進行規定的處理，製作處理資料，以及 水質推定部，係使用用以推論前述處理水中的總氮濃度之推定模型，由在前述前處理部所處理的前述處理資料推定屬於前述處理水中的總氮濃度的推定值之處理水總氮濃度推定值； 前述前處理部考慮前述時間序列資料中成為前述水質推定部中的前述總氮濃度的推定對象的處理水在前述處理路徑中的滯留時間，抽出對成為前述推定對象的處理水測量出的前述測量值而製作前述處理資料。
2. 如請求項1所述之水處理控制系統，其中，前述前處理部自前述狀態觀測部接收前述時間序列資料，算出屬於前述排水滯留於自前述測量器之地點至成為處理水之地點為止之前述處理路徑之時間之滯留時間，以前述測量器之前述測量值會成為針對於相同時期流入之前述排水進行測定而得者之方式，抽出自接收前述時間序列資料之時刻起回溯至前述測量器的地點為止的前述滯留時間的時刻的測量值，亦即抽出考量了滯留時間的測量值，來作成前述處理資料。
3. 如請求項1所述的水處理控制系統，其中，前述狀態觀測部係收集第一銨離子濃度值、流入水量、第二銨離子濃度值、溶氧濃度值及曝氣量作為前述測量值，前述第一銨離子濃度值為藉由第一銨離子濃度計所測量出的流入至前述水處理裝置中之流入水中的銨離子濃度值，前述流入水量為藉由流入水量計所測量出的前述流入水之水量，前述第二銨離子濃度值為藉由第二銨離子濃度計所測量出的前述水處理裝置之好氧槽內的銨離子濃度值，前述溶氧濃度值為藉由溶氧濃度計測量的前述好氧槽內的溶氧濃度值，前述曝氣量為藉由曝氣量計測量的對於前述好氧槽的空氣的供給量。
4. 如請求項3所述之水處理控制系統，更具備： 控制目標值算出部，係由所蓄積之前述第2銨離子濃度值與由前述處理水總氮濃度推定值所算出之在前述水處理裝置的氮去除量的關係，取得前述氮去除量成為最大的前述第二銨離子濃度值作為控制目標值， 曝氣量控制部，係以前述好氧槽的前述第二銨離子濃度值成為前述控制目標值的方式控制前述曝氣量。
5. 如請求項4所述的水處理控制系統，其中，前述控制目標值算出部根據前述處理水總氮濃度推定值與自前述處理水總氮濃度推定值之推定時刻起回朔相當於至前述第一銨離子濃度計之地點為止之滯留時間之時刻之前述第一銨離子濃度值的差，算出前述氮去除量，並使用包括前述氮去除量與自前述處理水總氮濃度推定值之推定時刻起回朔相當於至前述第二銨離子濃度計為止之滯留時間之時刻之前述第二銨離子濃度值的組合的複數個資料，算出表示前述氮去除量相對於前述第二銨離子濃度值的關係的近似式，並算出前述近似式中前述氮去除量成為最大的前述第二銨離子濃度值作為前述控制目標值。
6. 如請求項5所述之水處理控制系統，其中，前述控制目標值算出部係使用由前述處理水總氮濃度推定值的推定時刻所決定的期間內的前述資料，算出前述近似式。
7. 如請求項1至6中任一項所述的水處理控制系統，其中，前述狀態觀測部係在前述處理水總氮濃度推測值之推測時刻，亦收集屬於藉由總氮濃度計所測量的前述處理水之總氮濃度之值的處理水總氮濃度測量值， 前述水處理控制系統更包括：推定模型產生部，使用包含來自前述前處理部的前述處理資料與前述處理水總氮濃度測量值的學習用資料，產生用以根據前述水處理控制系統的前述處理資料來推論前述處理水總氮濃度推定值的前述推定模型。
8. 如請求項7所述之水處理控制系統，更具備：運轉資訊記錄部，係取得包含前述水處理裝置的運轉條件或前述水處理裝置的運轉環境之運轉資訊， 前述前處理部根據前述運轉資訊將由前述狀態觀測部收集的前述時間序列資料分類為類別， 前述推定模型產生部係使用每個前述類別的前述時間序列資料來產生前述推定模型。
9. 如請求項8所述之水處理控制系統，其中，前述水質推定部使用前述處理水總氮濃度推定值的推定時的與前述運轉資訊對應的類別的前述推定模型來推定前述處理水總氮濃度推定值。
10. 一種水處理裝置的控制方法，係控制裝置對水處理裝置進行控制的水處理裝置的控制方法，前述水處理裝置係將排水與活性污泥混合而獲得經過淨化的處理水，前述水處理裝置的控制方法係包括以下步驟： 狀態觀測步驟，係由前述控制裝置收集測量器所測量的測量值，並將複數個時刻的前述測量值作為時間序列資料而蓄積，前述測量器係測量在流入至前述水處理裝置的前述排水成為前述處理水為止的處理路徑內的地點的前述排水的狀態或前述排水所受到的處理的狀態； 前處理步驟，係由前述控制裝置對前述時間序列資料進行規定的處理，製作處理資料；以及 水質推定步驟，係由前述控制裝置使用用以推論前述處理水中的總氮濃度之推定模型，根據在前述前處理步驟所處理之前述處理資料推定屬於前述處理水中的總氮濃度的推定值之處理水總氮濃度推定值； 在前述前處理步驟中，前述控制裝置考慮成為前述水質推定步驟中的前述總氮濃度的推定對象的處理水在前述處理路徑中的滯留時間，抽出前述時間序列資料中針對成為前述推定對象的處理水所測量的前述測量值而製作前述處理資料。