城市污水处理智能控制系统的应用及发展趋势

《城市污水处理智能控制系统的应用及发展趋势》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、城市污水处理智能控制系统的应用及发展趋势　　【摘要】从系统控制的角度对污水生物处理系统的特点进行了分析，并分析智能控制技术发展迅速并且应用领域遍及污水生物处理的各个层面，且取得了良好的效果。【关键词】污水生物处理；智能控制ApplicationanddevelopmenttrendofurbansewagetreatmentIntelligentControlSystemWangJun-wei（HandanPerryEnergySavingControlTechnologyCo.，LtdHandanHebei056000）【Abstra

2、ct】Fromtheperspectiveofsystemcontrolfeaturesofbiologicalwastewatertreatmentsystemswereanalyzedandanalyzestherapiddevelopmentofintelligentcontroltechnologyandapplicationsacrossalllevelsofbiologicalwastewatertreatment，andachievedgoodresults.【Keywords】Biologicalwastewatertr

3、eatment；IntelligentControl1.污水生物处理系统中的智能控制1.1模糊控制。9（1）TongR.M.首次将模糊控制应用于污水处理巾.可采用的局部控制措施有三类：调节曝气池D0浓度、调节污泥回流比、改变剩余污泥排放量.步骤是：将出水BOD、SS、曝气池MLSS、D0及出水氨氮浓度、回流污泥量等的监测数据作为输人变量输入该系统，“模糊化”以后再与规则集进行匹配，随即确定可用规则和相应控制手段。（2）MarkT.Yin研究了四种模糊逻辑控制系统，结果表明，在正常条件下，模糊控制比常规的反馈控制系统更节约能源，减少D0波

4、动，稳定进水流量以及出气流速.为了解决暴雨来临的情况还开发一种自适应模糊逻辑控制系统，这种系统可以在进水流速有很大的变化的时候自动将系统调整至一个新的状态。（3）Manesiss.A.提出了一个可以嵌入商业PLc的污水处理厂智能控制系统.提出的智能控制器以A/o工艺为基础，输人参数包括反应器中的N-N嘎、N-N0；D0、温度、MLSS以及原污水与二沉池出水的BOD之差等6个变量；控制变量包括好氧段的供氧量、从反应器曝气段到缺氧段的混合液回流比和从二沉池到生物反应器的污泥回流比.对输人和输出参数进行了模糊化和清晰化；控制规则来自专家操作员

5、和管理人员，由IF-THEN语句表达.在希腊佩特雷市污水处理厂进行仿真，在各种运行条件下检测其性能，表明与人工操作员相比有很大优势。9（4）污水处理过程中，预曝气、脱氮、好氧眄泥消化等消耗大量能源，约占整个污水处理厂能源消耗的50%，因此对曝气过程进行控制具有重大实际意义。FerrerJ开发了模糊逻辑控制系统并将其应用于中试规模的BARDENPH0工艺的主曝气区.试验结果表明采用模糊逻辑控制系统的曝气系统节省能源40%，且稳定性提高60%，具有较好的应用前景。（5）EmstMumleitner等运用模糊逻辑系统对工业厌氧废水处理进行模糊

6、控制，使系统在底物浓度和进水最有较大变化的情况下仍然良好运行。模糊控制系统采用氢气和甲烷气体浓度、产气率、pH值和酸化缓冲罐的注水水位作为输入变量.控制变量为酸化缓冲罐注入甲烷发生器的水量、两反应器（酸化罐和甲烷发生器）的温度、甲烷发生器的循环比、甲烷发生器回流至酸化罐的水量和酸化罐的进水量。输出变量采用重心法进行解模糊。该系统成功的对两段厌氧工艺处理不同工业废水进行了仿真，还作了系统在闲置数天后在COD为100g/L冲击下的重新启动试验均取得了成功。1.2神经网络控制。9（1）Boger根据污水处理厂两年中的每日运行数据库，开发了一个

7、高度仪表化的计算机控制大型污水处理厂的人工神经网络模型。输入变量为86个仪器检测和实验室分析的原污水水质指针结果以及处理厂内部运行参数，输出为19种出水污染物浓度。得到的模型精确的预测r处理厂出水中氨浓度.人工神经网络分析的结果认为15个输入对于输出有意义，用简化的输入集台重新训练增加了模型的准确性识别出的有效人工神经网络模型的简化输入集合符合污水处理厂的生物工艺理论。（2）YuRuey-Fang等将人工神经网络与实时控制联合起来对连续流sBR系统进行控制以提高控制系统的性能.控制系统联合ORP和pH的在线监测与BP神经网络模型，对连续

8、流sBR系统脱氮过程中每一阶段的水力停留时间进行控制以提高脱氮效率。实时控制单元用于判定ORP和pH的突跃点.BP神经网络因能有效地表述复杂系统输入和输出变量间的关系，故用于预测处理系统不稳定状态下ORP和