一种基于异常诊断的除磷加药前馈-反馈双环控制方法与流程
本技术属于水污染控制,具体涉及一种基于异常诊断的除磷加药前馈-反馈双环控制方法。
背景技术:
1、水环境污染治理是生态文明建设的重大战略任务,城镇污水处理作为控制水污染的核心基础设施,对于改善水环境质量、保障水资源可持续利用具有不可替代的作用。化学除磷作为城镇污水处理厂达标排放的关键工艺环节,通过向污水中投加铝盐、铁盐或钙盐等化学除磷剂,与污水中溶解性正磷酸盐发生化学反应生成难溶性磷酸盐沉淀,从而实现将出水总磷浓度降低至排放标准限值以下的目的。根据行业统计数据,化学除磷药剂费用占城镇污水处理厂药剂总成本的60%至80%,是污水处理厂运行成本控制的重要环节。随着《城镇污水处理厂污染物排放标准》(gb 18918-2002)一级a标准乃至更严格地方标准的实施,对出水总磷浓度的控制精度提出了更高要求,传统依靠人工经验进行药剂投加的方式已难以满足精细化运行管理的需求,智能加药控制技术的研发与应用成为行业发展的必然趋势。
2、其中,化学除磷的智能加药控制涉及反应化学原理、污水处理工艺理论与自动控制理论的深度交叉融合,其核心目标在于根据进水水质和水量的动态变化精准确定药剂投加量,在确保出水总磷稳定达标的前提下最大限度降低药剂消耗和运行成本。目前,国内外学者和工程技术人员已提出了多种化学除磷智能加药模型,根据建模方法的不同可分为基于机理模型的加药方法和基于数据驱动的加药方法两类。基于机理模型的方法根据混凝沉淀反应的动力学原理,建立除磷剂投加量与磷去除率之间的定量关系,需要精确测定反应速率常数、沉淀转化系数等工艺参数,实际应用中存在参数标定复杂、模型适应性差等问题。基于数据驱动的方法采用多元线性回归、人工神经网络、支持向量机等机器学习算法,以进水流量、进水总磷浓度、出水总磷浓度等变量为输入特征,训练得到药剂投加量预测模型,无需深入理解反应机理,在工程应用中具有较好的可操作性和灵活性。
3、然而,现有化学除磷智能加药模型无论采用何种建模方法,均存在一个根本性的技术缺陷:模型的控制目标单一,仅关注进水总磷与药剂投加量之间的映射关系,未能建立出水总磷超标成因的辨析机制。出水总磷是污水中溶解性正磷酸盐与悬浮态含磷颗粒物(即含磷污泥絮体)的总和,其中溶解性正磷酸盐需要依靠化学除磷剂的混凝沉淀作用予以去除,而悬浮态含磷颗粒物则需要依靠良好的泥水分离效果将其截留于污泥中。当出水总磷出现超标现象时,其超标来源可能有两个截然不同的方面:一是溶解性正磷酸盐浓度过高,即化学除磷剂的投加量不足以将进水中的磷酸盐充分沉淀去除;二是悬浮态含磷颗粒物浓度过高,即生物处理系统排放的剩余污泥携带大量含磷絮体进入出水中。两种超标成因所需的控制策略完全不同:对于第一种成因,应当增加除磷剂投加量以强化化学除磷效果;对于第二种成因,增加药剂投加量不仅无法解决根本问题,反而会因过量投加导致药剂浪费和污泥处置成本增加,同时还可能因药剂残留影响出水水质。现有智能加药模型不加区分地将出水总磷超标作为提升药剂投加量的触发条件,忽视了超标成因的异质性,导致控制系统在面对非药剂不足类超标时无法做出正确响应,药耗成本居高不下,运行决策高度依赖人工经验判断。此外,现有模型通常以进水总磷作为主要输入变量,忽视了生物除磷系统对总磷去除的贡献,对于采用a2/o、氧化沟等具备生物除磷功能工艺的污水处理厂,未能充分考虑剩余污泥排放量与生物除磷能力之间的内在关联,导致药剂投加量的计算结果偏于保守,造成不必要的药剂浪费。这些技术问题的存在严重制约了化学除磷智能加药控制系统的控制精度和经济效益,亟需开发一种能够智能辨析超标成因、精准匹配控制策略的新型智能加药控制方法。
技术实现思路
1、本发明的目的在于提供一种基于异常诊断的除磷加药前馈-反馈双环控制方法,可以有效解决上述背景技术中的问题。
2、为实现上述目的,本发明采取的技术方案为:
3、一种基于异常诊断的除磷加药前馈-反馈双环控制方法,包括以下具体步骤:
4、步骤1、构建前馈环:利用历史运行数据,采用多元线性回归模型训练初始投药量预测模型,该模型以进水流量、进水总磷、剩余污泥排放量为输入特征,输出基础投药量比例系数,基于所述输入特征计算除磷剂投加量;
5、步骤2、构建历史最佳k1值区间:系统自动记录每个加药周期的k1base值及对应的出水总磷和剩余污泥浓度,当出水总磷和悬浮物均达标时标记为有效k1值,维护先进先出队列存储最近有效k1值,计算队列均值和标准差,构建动态历史最佳k1值区间;
6、步骤3、执行k1值多维度校验:每次前馈环计算出k1base值后,将其与历史最佳k1区间进行比对,根据比对结果执行相应策略;
7、步骤4、构建反馈诊断与修正环:实时获取出水总磷和剩余污泥浓度,接收上位机异常诊断模块输出的根因分析结果及其置信度,基于所述信息执行三层判定并执行相应修正策略;
8、步骤5、实现数据闭环优化:达标周期的数据自动纳入历史数据库,持续更新k1最佳区间。
9、优选的,所述步骤1中多元线性回归模型的输入特征具体包括:进水流量qin,单位为立方米每小时;进水总磷tpin,单位为毫克每升;剩余污泥排放量qwaste,单位为立方米每小时。输出特征为所述基础投药量比例系数k1base,单位为毫克除磷剂每毫克磷。投药量计算公式为:
10、,
11、其中:除磷剂投加量(单位:mg/l 或与计量泵匹配的工程单位);:进水总磷浓度(mg/l);:剩余污泥浓度(g/l),可取经验值5-10;:无纲量生物除磷效率系数,初始为0.5,自适应修正;:剩余污泥排放量(m3/h );:进水流量(m3/h);:基础投药比例系数(单位:mg除磷剂/mg磷);:常数修正项(mg/l)。引入剩余污泥排放量作为模型输入变量,实现生化为主、化学为辅的精准加药理念。
12、优选的,所述步骤2中先进先出队列的长度t设定为预设时间长度,仅存储最近的有效k1值,即出水总磷和悬浮物均达标的周期数据。动态历史最佳k1值区间计算公式为:
13、历史最佳k1值区间= [μ - nσ, μ + nσ];
14、其中,μ为有效k1值的均值,σ为标准差,n根据实际运行经验设定,取值范围为预设范围。系统运行初期当有效k1值样本数量小于预设最小样本量时,采用基于专家经验的固定初始区间。当样本量达到最小样本量后,切换为动态区间计算[μ - nσ, μ + nσ]。区间系数n根据队列长度动态调整,样本量少时取预设较小值,样本量充足时取预设范围上限,以平衡灵敏度和稳定性。非运行日不计入队列。
15、优选的,所述步骤3中k1值多维度校验规则具体包括三种比对结果及对应执行策略:
16、当低于区间下限时,系统判定可能存在加药偏少风险,发出轻度预警并按下式进行步进修正:,其中, 为步进系数,取值范围0.3~0.5,默认取0.5; 为历史最佳k1值区间下限。修正后系统向中控系统推送预警信息:“前馈计算 低于历史最佳区间下限,已自动步进上调加药量,请关注出水水质。”
17、当高于区间上限时,系统判定可能存在加药偏多浪费,发出轻度预警并按下式进行步进修正:,其中, 为历史最佳k1值区间上限。修正后系统向中控系统推送预警信息:“前馈计算 高于历史最佳区间上限,已自动步进下调加药量,请关注药剂消耗情况。”
18、单次修正幅度不超过当前 值的10%,若超过则进行限幅处理。若修正后 仍未进入历史最佳区间,下一周期继续按上述规则修正,直至 进入历史最佳区间。若连续3个周期修正后 仍无法进入历史最佳区间,触发“模型失配”高级报警,提示需要重新校准前馈模型。
19、优选的,所述步骤4中反馈诊断与修正环的多源数据融合机制包括仪表层和诊断层两个层级。仪表层实时获取出水总磷和剩余污泥浓度。诊断层接收上位机异常诊断模块输出的根因分析结果及其置信度,该上位机模块采用专利《基于多级决策树融合与贝叶斯推理的污水处理异常工况概率诊断方法》诊断。
20、所述三层判定包括:
21、情景一定义为出水达标情形,即出水总磷浓度小于等于0.5毫克每升且出水悬浮物浓度小于等于10毫克每升。情景一的执行策略为:(1)若当前 已在历史最佳区间内,维持不变,直接执行加药;(2)若当前 偏离历史最佳区间但偏差小于5%(即),按步骤3所述的步进修正规则向区间方向调整,步进系数取;(3)若当前 偏离历史最佳区间且偏差≥5%,按步骤3所述的正常步进规则调整()。将本周期的实际 值(修正前或修正后的实际执行值)作为有效k1值纳入历史数据库,更新历史最佳k1值区间。情景一的数据仅在自然达标条件下纳入统计,即仅限未经情景二或情景三的反馈修正、直接由前馈环计算并执行加药后出水达标的周期数据,不包括经过反馈修正后勉强达标的数据,从而确保历史最佳k1值区间的可靠性。
22、情景二定义为出水总磷超标且出水悬浮物偏高情形,即出水总磷浓度大于0.5毫克每升,且满足以下任一条件:(a)出水悬浮物浓度超过历史达标周期均值的2倍标准差;(b)出水悬浮物浓度大于30毫克每升(该阈值可作为现场整定参数,推荐范围20~40毫克每升)。
23、情景三定义为出水总磷超标且不属于情景二的超标情形(即出水总磷浓度大于0.5毫克每升,但出水悬浮物浓度未满足情景二的任一偏高条件),且上位诊断模块的诊断结果不包含泥水分离故障类根因或置信度低于预设阈值。
24、优选的,所述情景二中出水悬浮物偏高的定量判定条件包括:
25、出水悬浮物超过预设悬浮物阈值,或超过历史达标周期均值的预设倍数标准差。上位诊断模块输出的泥水分离故障类根因包括二沉池刮泥机故障、svi过高等,且置信度超过预设置信度阈值,该阈值可根据现场对误报率的容忍度在预设调整范围内调整。修正策略还包括将本次周期的运行数据标记为异常数据,不用于更新历史k1数据库,避免污染模型。
26、优选的,所述情景三中增量式pi控制器的控制参数包括:
27、输入为出水总磷与预设目标值的偏差;输出为的修正量;采样周期为每个加药周期或预设时间间隔;增量式pi控制公式为:
28、,
29、式中,为第t采样时刻的修正量;kp为比例系数,初始值取0.5;ki为积分系数,初始值取0.1;e(t)为第t采样时刻的偏差,定义为e(t)=tpout(t)-tptarget,其中tptarget为目标出水总磷浓度;e(t-1)为上一采样时刻的偏差。修正后的用于当前周期,不加入历史队列,可用于下一周期的前馈计算作为新的基准。
30、优选的,所述步骤5中数据闭环优化机制还包括以下内容:
31、系统持续记录各加药周期的运行数据,包括进水水质参数、出水水质参数、药剂量、k1base值等;仅当出水总磷和悬浮物均达标时才将k1base值纳入历史数据库作为有效样本;有效样本采用先进先出方式管理,队列长度固定为预设队列长度;系统实时计算有效样本的均值和标准差,动态更新历史最佳k1值区间,使模型具备自学习自适应能力。
32、优选的,本发明方法还包括与上位异常诊断系统的协同机制:系统与专利《基于多级决策树融合与贝叶斯推理的污水处理异常工况概率诊断方法》形成深度集成;上位诊断系统输出的根因分析结果及其置信度作为本方法情景判定的关键输入;协同机制形成感知-诊断-决策-控制的完整闭环。
33、优选的,本发明方法应用于采用生物除磷工艺的城镇污水处理厂,包括但不限于a2/o工艺、氧化沟工艺、序批式活性污泥法工艺等。系统可接收多组并行处理构筑物的运行数据,对每组构筑物独立执行前馈计算和反馈修正,并将修正后的参数用于后续周期的前馈计算。
34、与现有技术相比,本发明具有如下有益效果:
35、1.精准加药控制:本发明通过引入剩余污泥排放量作为输入特征,建立生物除磷能力与药剂投加量的定量关系,实现生化为主、化学为辅的精准加药理念,有效降低药剂消耗和运行成本。
36、2.事前主动预警:本发明构建动态历史最佳k1值区间,在每次前馈环计算完成后、加药执行前进行多维度校验,能够在出水超标发生前识别异常工况并发出预警,避免过度加药或加药不足。
37、3.智能辨析超标成因:本发明通过在线辨析出水悬浮物和溶解性磷对总磷超标的贡献,结合上位诊断系统的根因分析结果,自动区分药剂不足和工艺故障两种超标原因,并据此执行完全不同的控制策略,有效避免盲目加药造成的资源浪费。
38、4.自学习自适应能力:本发明通过达标周期数据自动纳入历史数据库、持续更新k1最佳区间的闭环优化机制,使模型能够自动适应水质季节性变化和污泥特性变化,无需人工重新标定,控制精度随运行时间持续提升。
39、5.系统协同与完整性:本发明与上位异常诊断专利深度集成,形成感知-诊断-决策-控制的完整智能闭环,显著提升污水处理厂化学除磷系统的智能化水平和运行可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com