CN115754207A - 一种污水生物处理工艺模拟仿真方法和系统 - Google Patents

Abstract

本发明属于污水生物处理领域，具体涉及一种污水生物处理工艺模拟仿真方法和系统，包括以下步骤：步骤一、建立污水处理工艺虚拟监测模型，构建算法选择准则；步骤二、建立污水生物处理工艺生化反应动力学模型；步骤三、构建以虚拟监测数据为输入变量的污水处理过程高级控制模型；本发明采用数据挖掘和机器学习算法建立虚拟监测模型，克服传感器技术发展水平的局限性，为实时控制提供监测数据，分析各状态变量及其他监测指标的响应关系，通过研究污水生物处理生化反应机理和生化反应动力学研究，进行生化反应动力学模型参数精确校正机制和污水生物处理过程高级控制算法构建方案，污水生物处理过程的监测与大数据分析诊断实现污水处理厂节能降耗。

Description

一种污水生物处理工艺模拟仿真方法和系统

技术领域

本发明涉及污水生物处理领域，具体涉及一种污水生物处理工艺模拟仿真方法和系统。

背景技术

污水生物处理系统作为污水处理过程中的核心环节，在水环境污染控制中发挥着重要作用。污水生物处理系统的高效稳定运行对经济、社会的可持续发展具有重要作用。然而，污水生物处理系统的进水负荷波动、运行条件变化和机械设备故障在污水处理过程中频发，工艺运行的瞬变性和不确定性为污水生物处理系统的稳定运行和节能降耗带来了严峻的挑战。因此，如何提高污水处理厂的自动化水平，实现污水处理过程的高级控制对保障污水处理厂高效稳定运行至关重要。

模型预测控制（Model Predictive Control,MPC）被称为唯一的过程高级控制策略。然而，污水生物处理过程是由高度复杂且相互关联的多个生化反应过程组成，包括可生物降解悬浮固体的水解、可生物降解有机物的氧化反应、硝化反应、反硝化反应、微生物内源呼吸、氨化反应、聚磷菌厌氧释磷和好氧吸磷等。如何获取各生化反应过程状态变量的实时监测数据是实现污水生物处理过程高级控制的一个难点。另外，如何构建生化反应动力学模型用于解析微生物活动和污染物迁移变化规律的关系，并最终服务于高级控制算法是另一个需要解决的基础问题。

现有技术方案为：

1.SCADA（Supervisory Control and Data Acquisition）系统，即数据采集与监视控制，是以计算机为基础的DCS与电力自动化监控系统，目前我国多数市政污水处理厂的自控仪表网络配置水平与欧美发达国家大污水处理厂差别不大。

2.高级控制策略，可理解为建立生化反应动力学模型对污水处理系统的性能进行预测，然后根据预测结果及时调整系统的曝气量、回流量、加药量、排泥量等受控变量。如基于多参数统计的混凝剂投加控制方法、基于氨氮浓度的曝气控制法、污水生物脱氮外碳源投加控制方法等。

3.国际水协会发布的活性污泥模型（ASM）是一个污水生物处理工艺研究与过程模拟的平台，以Monod方程的形式解释有机物去除、硝化反应、水解反应等污水生物处理过程。：

现有技术存在以下问题：

1.SCADA系统、由于自控仪表对于运行管理人员的水平要求较高，可用于自动化控制的仪表网络的投资维护成本较高，我国污水处理厂的SCADA系统多处于闲置状态或仅用于数据采集与存储功能，虽然发达国家污水处理厂设备运行维护水平较高，受监测指标数量和数据质量的限制，其仪表监测数据仅用于污水处理过程的简易控制，缺乏系统性。国内外污水处理厂均不同程度上过度依赖运行人员的经验进行工艺运行，大量在线监测数据没有得到合理校核、挖掘和有效利用。

2.高级控制策略、污水生物处理过程的几个生化反应过程环环相扣，而多数实用性强的控制策略仅考虑控制污水处理过程中的1-2个易控制环节，无法对污水生物处理系统的运行进行整体优化，其节能降耗潜力也存在一定的局限性。

3.活性污泥模型、同时引入的多个动力学模型参数增加了模型的校正难度。特别是几个无法直接测定的模型参数（如自养菌比增长速率）影响着模型预测精度。研究者在早期提出采用批次实验估计动力学模型参数的方法，随着近几年计算机技术的发展，更为方便的数值方法也逐步被用于动力学模型参数估计。但是数值方法对于细菌比增长速率等敏感性低的模型参数校正精度较低，所构建的动力学模型对微生物生长过程的表征能力较差。

为解决上述问题，本申请中提出一种污水生物处理工艺模拟仿真方法。

发明内容

（一）发明目的

为解决背景技术中存在的技术问题，本发明提出一种污水生物处理工艺模拟仿真方法和系统，为探索污水生物处理过程高级控制的实现途径，并为污水处理厂的智能化提供理论基础和科学支撑，本发明采用数据挖掘算法分析污水处理系统在线监测指标与过程控制状态变量之间的共线性与相关性，并构建虚拟监测模型为生化反应过程高级控制提供数据支持；设计研究精确校正反应动力学模型参数的实验方法，为污水生物处理过程高级控制算法的构建提供模型支持，建立以污水生物处理过程为基础的，以高级控制算法模型为支撑的污水处理工艺模拟系统。

（二）技术方案

为解决上述技术问题，本发明提供了一种污水生物处理工艺模拟仿真方法，包括以下步骤：

步骤一、建立污水处理工艺虚拟监测模型，构建算法选择准则；

步骤二、建立污水生物处理工艺生化反应动力学模型；

步骤三、构建以虚拟监测数据为输入变量的污水处理过程高级控制模型。

优选的，在步骤一中：选取污水处理厂的生化处理单元为研究对象，安装和调整pH、电导率、ORP、污泥浓度、溶解氧、氨氮、硝酸盐氮等在线监测仪表，收集实时监测数据；

调阅往年污水处理厂实验室化验分析数据，并在生物处理系统选取多个取样点连续取样，分析碳、氮、磷、氧在污水处理过程中的迁移转化规律；

合并在线监测的实时监测数据与实验室化验分析数据，采用非监督式学习算法进行数据挖掘，剖析数据背后隐藏的未知信息，并解析各监测变量的共线性和相关性；

根据容易实时监测的水质在线监测变量与难实时监测变量生化反映状态变量的共线性与相关性，为状态变量建立线性或非线性预测模型，即虚拟监测模型；

分析机器学习算法用于构建不同污水处理工艺不同变量虚拟监测模型的规律，总结提出污水处理过程虚拟监测模型构建指导原则。

优选的，容易实时监测变量为水质在线监测变量包括：流量、pH、电导率、ORP、氨氮和悬浮物等；

难实时监测变量为直接参与生化反应的关键状态变量，包括：挥发性脂肪酸（VFA）、溶解性可生物降解COD、颗粒性可生物降解COD和有机氮等。

优选的，在步骤二中：启动采用AAO工艺的活性污泥系统和采用MBBR工艺的生物膜系统中试实验装置，调整pH、电导率、ORP、污泥浓度、溶解氧等在线仪表的安装位置，加装氨氮、硝酸盐氮在线监测仪表，同时取污水水样进行化验分析，收集运行过程中的数据，建立工艺运行数据库；

采用高通量测序技术对中试系统活性污泥/生物膜微生物群落结构进行定量分析，揭示微生物群落对于系统水质、水量和运行环境变化的响应机制，结合工艺运行数据库建立响应模型，采用机器学习算法快速定量分析微生物群落结构；

根据 ASM2d、ASM3和生物膜模型，为两个中试系统分别建立生化反应动力学模型，同时，采用密闭呼吸速率测定装置对不同工况下的活性污泥/生物膜呼吸速率进行测定，结合微生物群落结构数据，精确校正动力学模型参数。

优选的，结合工艺运行数据库建立各运行工况条件下动力学模型参数与水质、水量、运行条件、微生物群落结构响应模型和污水生物处理动力学模型快速建模方法。

优选的，步骤三中：取不同运行工况条件下的活性污泥和生物膜样品，利用扫描电镜、Zeta电位分析仪、傅里叶红外光谱仪（FT-IR）分析活性污泥和生物膜的形貌结构、表面电荷、表面官能团的变化，建立运行过程中的污泥絮体和生物膜性质数据库；

结合活性污泥/生物膜性质数据库与中试系统水质监测结果，建立活性污泥/生物膜-水质模糊模型，分析出水质、水量及运行环境变化对活性污泥（生物膜）形貌结构和表面化学性质的影响；

以虚拟监测模型的预测值和在线仪表实时监测数据为输入量，结合污水生物处理动力学模型建立污水生物处理过程控制模型，在AlgDesigner平台进行仿真模拟，测试过程高级控制算法。

优选的，统计分析不同工艺的不同工况条件下污水生物处理过程高级控制算法的特点和构建条件，构建污水处理厂智能控制系统。

本发明还提供一种污水生物处理工艺模拟仿真系统，包括通过虚拟监测模型输入变量和动力学模型和精确校正基础方法研究搭建的水处理模型建立污水处理全过程高级控制算法，并分析虚拟监测模型构件规律，提出算法选择准则，集成工业级污水处理与资源化仿真模拟系统。

优选的，基于污水处理全过程状态变量数据挖掘建立虚拟检测模型，基于污水生物处理生化反应机理研究建立动力学模型和精确校正基础方法研究。

本发明的上述技术方案具有如下有益的技术效果：

1、污水生物处理过程高级控制的实现受制于主要状态变量数据的实时获取，本发明采用数据挖掘和机器学习算法建立虚拟监测模型，可以克服传感器技术发展水平的局限性，为实时控制提供监测数据，同时，选取多家城镇污水处理厂建立数据库，并选择携带显著工艺变化信息的状态变量构建虚拟检测模型，可以分析各状态变量及其他监测指标的响应关系。

2、通过研究污水生物处理生化反应机理和生化反应动力学研究，结合活性污泥/生物膜呼吸速率、及分子生物学监测结果，阐明各状态变量对AAO和MBBR工艺性能的影响机制，实现生化反应动力学模型参数精确校正机制和污水生物处理过程高级控制算法的构建方案，揭示制约污水生物处理过程高级控制实施的瓶颈问题。

3、污水生物处理过程的监测与大数据分析诊断可以实现污水处理厂的节能降耗，本发明对污水处理过程的监测与控制可以在保障工艺运行稳定性的前提下显著降低污水处理的能耗、药耗，本高级监测控制模型的应用预计将来能为污水处理厂的运行成本可以降低20%-50%。

附图说明

图1为本发明的污水生物处理工艺模拟仿真方法流程图；

图2为本发明的污水生物处理工艺模拟仿真系统示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

实施例一

如图1所示，本发明提出的一种污水生物处理工艺模拟仿真方法，包括以下步骤：

步骤一、建立污水处理工艺虚拟监测模型，构建算法选择准则；

在步骤一中：选取污水处理厂的生化处理单元为研究对象，安装和调整pH、电导率、ORP、污泥浓度、溶解氧、氨氮、硝酸盐氮等在线监测仪表，收集实时监测数据；

调阅往年污水处理厂实验室化验分析数据，并在生物处理系统选取多个取样点连续取样，分析碳、氮、磷、氧在污水处理过程中的迁移转化规律；

合并在线监测的实时监测数据与实验室化验分析数据，采用非监督式学习算法进行数据挖掘，剖析数据背后隐藏的未知信息，并解析各监测变量的共线性和相关性；

根据容易实时监测的水质在线监测变量与难实时监测变量生化反映状态变量的共线性与相关性，为状态变量建立线性或非线性预测模型，即虚拟监测模型；

分析机器学习算法用于构建不同污水处理工艺不同变量虚拟监测模型的规律，总结提出污水处理过程虚拟监测模型构建指导原则。

需要说明的是：容易实时监测变量为水质在线监测变量包括：流量、pH、电导率、ORP、氨氮和悬浮物等；

难实时监测变量为直接参与生化反应的关键状态变量，包括：挥发性脂肪酸（VFA）、溶解性可生物降解COD、颗粒性可生物降解COD和有机氮等。

在一个实施例中，克服传感器技术发展水平的局限性，采用数据挖掘算法探明污水生化处理过程状态变量与水质在线监测指标的内在联系，将虚拟监测模型输出变量作为高级控制算法的输入变量，建立污水处理工艺虚拟监测模型，构建算法选择准则。

步骤二、建立污水生物处理工艺生化反应动力学模型；

在步骤二中：启动采用AAO工艺的活性污泥系统和采用MBBR工艺的生物膜系统中试实验装置，调整pH、电导率、ORP、污泥浓度、溶解氧等在线仪表的安装位置，加装氨氮、硝酸盐氮在线监测仪表，同时取污水水样进行化验分析，收集运行过程中的数据，建立工艺运行数据库；

采用高通量测序技术对中试系统活性污泥/生物膜微生物群落结构进行定量分析，揭示微生物群落对于系统水质、水量和运行环境变化的响应机制，结合工艺运行数据库建立响应模型，采用机器学习算法快速定量分析微生物群落结构；

根据 ASM2d、ASM3和生物膜模型，为两个中试系统分别建立生化反应动力学模型，同时，采用密闭呼吸速率测定装置对不同工况下的活性污泥/生物膜呼吸速率进行测定，结合微生物群落结构数据，精确校正动力学模型参数。

需要补充的是：结合工艺运行数据库建立各运行工况条件下动力学模型参数与水质、水量、运行条件、微生物群落结构响应模型和污水生物处理动力学模型快速建模方法。

在另一个实施例中，揭示制约污水生物处理过程高级控制实施的瓶颈问题，建立污水生物处理生化反应动力学模型，并阐明各状态变量对AAO和MBBR工艺性能的影响机制，构建响应模型。同时，解决生化反应动力学模型参数精确校正问题，构建污水生物处理过程高级控制算法。

步骤三、构建以虚拟监测数据为输入变量的污水处理过程高级控制模型。

步骤三中：取不同运行工况条件下的活性污泥和生物膜样品，利用扫描电镜、Zeta电位分析仪、傅里叶红外光谱仪（FT-IR）分析活性污泥和生物膜的形貌结构、表面电荷、表面官能团的变化，建立运行过程中的污泥絮体和生物膜性质数据库；

结合活性污泥/生物膜性质数据库与中试系统水质监测结果，建立活性污泥/生物膜-水质模糊模型，分析出水质、水量及运行环境变化对活性污泥（生物膜）形貌结构和表面化学性质的影响；

以虚拟监测模型的预测值和在线仪表实时监测数据为输入量，结合污水生物处理动力学模型建立污水生物处理过程控制模型，在AlgDesigner平台进行仿真模拟，测试过程高级控制算法。

进一步的是，统计分析不同工艺的不同工况条件下污水生物处理过程高级控制算法的特点和构建条件，构建污水处理厂智能控制系统。

在另一个实施例中，以虚拟监测模型的预测值和在线仪表实时监测数据为输入量，对污水生物处理过程进行仿真模拟。根据不同工艺的不同工况条件下污水生物处理过程高级控制算法的特点和构建条件，构建实用性强的污水处理厂智能控制系统。

实施例二、

一种污水生物处理工艺模拟仿真系统，通过虚拟监测模型输入变量和动力学模型和精确校正基础方法研究搭建的水处理模型建立污水处理全过程高级控制算法，并分析虚拟监测模型构件规律，提出算法选择准则，集成工业级污水处理与资源化仿真模拟系统。

其中，基于污水处理全过程状态变量数据挖掘建立虚拟检测模型，基于污水生物处理生化反应机理研究建立动力学模型和精确校正基础方法研究。

在本实施例中，

1、污水生物处理过程高级控制的实现受制于主要状态变量数据的实时获取，采用数据挖掘和机器学习算法建立虚拟监测模型，可以克服传感器技术发展水平的局限性，为实时控制提供监测数据，同时，选取多家城镇污水处理厂建立数据库，并选择携带显著工艺变化信息的状态变量构建虚拟检测模型，可以分析各状态变量及其他监测指标的响应关系。

2、通过研究污水生物处理生化反应机理和生化反应动力学研究，结合活性污泥/生物膜呼吸速率、及分子生物学监测结果，阐明各状态变量对AAO和MBBR工艺性能的影响机制，实现生化反应动力学模型参数精确校正机制和污水生物处理过程高级控制算法的构建方案，揭示制约污水生物处理过程高级控制实施的瓶颈问题。

3、污水生物处理过程的监测与大数据分析诊断可以实现污水处理厂的节能降耗，对污水处理过程的监测与控制可以在保障工艺运行稳定性的前提下显著降低污水处理的能耗、药耗，本高级监测控制模型的应用预计将来能为污水处理厂的运行成本可以降低20%-50%。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (9)

1.一种污水生物处理工艺模拟仿真方法，其特征在于，包括以下步骤：

步骤一、建立污水处理工艺虚拟监测模型，构建算法选择准则；

步骤二、建立污水生物处理工艺生化反应动力学模型；

步骤三、构建以虚拟监测数据为输入变量的污水处理过程高级控制模型。

2.根据权利要求1所述的一种污水生物处理工艺模拟仿真方法，其特征在于，在步骤一中：选取污水处理厂的生化处理单元为研究对象，安装和调整pH、电导率、ORP、污泥浓度、溶解氧、氨氮、硝酸盐氮等在线监测仪表，收集实时监测数据；

调阅往年污水处理厂实验室化验分析数据，并在生物处理系统选取多个取样点连续取样，分析碳、氮、磷、氧在污水处理过程中的迁移转化规律；

合并在线监测的实时监测数据与实验室化验分析数据，采用非监督式学习算法进行数据挖掘，剖析数据背后隐藏的未知信息，并解析各监测变量的共线性和相关性；

根据容易实时监测的水质在线监测变量与难实时监测变量生化反映状态变量的共线性与相关性，为状态变量建立线性或非线性预测模型，即虚拟监测模型；

分析机器学习算法用于构建不同污水处理工艺不同变量虚拟监测模型的规律，总结提出污水处理过程虚拟监测模型构建指导原则。

3.根据权利要求2所述的一种污水生物处理工艺模拟仿真方法，其特征在于，容易实时监测变量为水质在线监测变量包括：流量、pH、电导率、ORP、氨氮和悬浮物等；

难实时监测变量为直接参与生化反应的关键状态变量，包括：挥发性脂肪酸（VFA）、溶解性可生物降解COD、颗粒性可生物降解COD和有机氮等。

4.根据权利要求1所述的一种污水生物处理工艺模拟仿真方法，其特征在于，在步骤二中：启动采用AAO工艺的活性污泥系统和采用MBBR工艺的生物膜系统中试实验装置，调整pH、电导率、ORP、污泥浓度、溶解氧等在线仪表的安装位置，加装氨氮、硝酸盐氮在线监测仪表，同时取污水水样进行化验分析，收集运行过程中的数据，建立工艺运行数据库；

采用高通量测序技术对中试系统活性污泥/生物膜微生物群落结构进行定量分析，揭示微生物群落对于系统水质、水量和运行环境变化的响应机制，结合工艺运行数据库建立响应模型，采用机器学习算法快速定量分析微生物群落结构；

根据 ASM2d、ASM3和生物膜模型，为两个中试系统分别建立生化反应动力学模型，同时，采用密闭呼吸速率测定装置对不同工况下的活性污泥/生物膜呼吸速率进行测定，结合微生物群落结构数据，精确校正动力学模型参数。

5.根据权利要求4所述的一种污水生物处理工艺模拟仿真方法，其特征在于，结合工艺运行数据库建立各运行工况条件下动力学模型参数与水质、水量、运行条件、微生物群落结构响应模型和污水生物处理动力学模型快速建模方法。

6.根据权利要求1所述的一种污水生物处理工艺模拟仿真方法，其特征在于，步骤三中：取不同运行工况条件下的活性污泥和生物膜样品，利用扫描电镜、Zeta电位分析仪、傅里叶红外光谱仪（FT-IR）分析活性污泥和生物膜的形貌结构、表面电荷、表面官能团的变化，建立运行过程中的污泥絮体和生物膜性质数据库；

结合活性污泥/生物膜性质数据库与中试系统水质监测结果，建立活性污泥/生物膜-水质模糊模型，分析出水质、水量及运行环境变化对活性污泥（生物膜）形貌结构和表面化学性质的影响；

以虚拟监测模型的预测值和在线仪表实时监测数据为输入量，结合污水生物处理动力学模型建立污水生物处理过程控制模型，在AlgDesigner平台进行仿真模拟，测试过程高级控制算法。

7.根据权利要求6所述的一种污水生物处理工艺模拟仿真方法，其特征在于，统计分析不同工艺的不同工况条件下污水生物处理过程高级控制算法的特点和构建条件，构建污水处理厂智能控制系统。

8.一种污水生物处理工艺模拟仿真系统， 其特征在于，通过虚拟监测模型输入变量和动力学模型和精确校正基础方法研究搭建的水处理模型建立污水处理全过程高级控制算法，并分析虚拟监测模型构件规律，提出算法选择准则，集成工业级污水处理与资源化仿真模拟系统。

9.根据权利要求8所述的一种污水生物处理工艺模拟仿真系统， 其特征在于，基于污水处理全过程状态变量数据挖掘建立虚拟检测模型，基于污水生物处理生化反应机理研究建立动力学模型和精确校正基础方法研究。

Images