SBR污水處理過程的監(jiān)視與軟測量

張燕 李敏杰

摘要：本文以脫氮除磷SBR污水處理系統(tǒng)為研究對象，借助于MATLAB仿真平臺，分別對SBR污水處理系統(tǒng)進行軟測量與監(jiān)視策略研究。實驗結(jié)果表明，利用人工神經(jīng)網(wǎng)絡的非線性逼近能力和學習能力以及PCA的有效去除數(shù)據(jù)相關(guān)性的特點，能夠很好地實現(xiàn)出水指標的實時估計，為實現(xiàn)閉環(huán)控制奠定了基礎具有重要的理論意義和工程實用價值。

關(guān)鍵詞：序批式反應器 ?軟測量 ?主元分析 ?人工神經(jīng)網(wǎng)絡

1 概述

隨著現(xiàn)代化工業(yè)的迅猛發(fā)展和人口的增長，人類賴以生存的水資源遭到了極大的破壞，水污染已成為制約人類發(fā)展的主要因素之一[1]。

在中國，城市污水資源化正受到高度重視，環(huán)境保護也作為我國基本國策之一。污水處理過程的生產(chǎn)條件惡劣，隨機干擾嚴重，具有強非線性、時變、大滯后等特點，難以建立精確的數(shù)學模型，且關(guān)鍵水質(zhì)參數(shù)無法在線監(jiān)測，是一類典型的復雜過程。由于缺少可行的在線檢測手段，目前很多污水處理廠的生產(chǎn)都是利用生產(chǎn)人員的經(jīng)驗來控制的，自動化水平很低，無法保證出水水質(zhì)，且易造成能源的巨大浪費。沒有合適的儀器儀表對廢水的這些重要指標作實時的監(jiān)測，雖然也有一些商品化生物傳感器出售，但因為各種原因未得到實際應用。因而某些重要污染物指標的監(jiān)測幾乎成為污水水質(zhì)監(jiān)測的空白點，在控制和優(yōu)化算法已取得豐富成果的同時，水質(zhì)實時監(jiān)測技術(shù)成為污水處理問題的瓶頸。

面對這種情況，污水水質(zhì)監(jiān)測技術(shù)已成為污水處理行業(yè)的一個亟待解決的問題。

2 SBR污水處理系統(tǒng)及其控制

2.1 SBR

SBR，中文全稱為間歇式活性污泥法又稱序批式活性污泥處理法[2]，是一種污水處理方法，一個典型的SBR運行周期按次序分為五個階段：進水、反應、沉淀、排水和閑置階段，其流程示意圖如圖2.1。污水一批一批地順序經(jīng)過進水、曝氣，沉淀、排水，然后又周而復始。

■

圖2.1 ?SBR污水處理工藝流程圖

2.2 SBR污水處理系統(tǒng)的自動控制

污水處理過程有很大的時變性，需要較多地考慮其動態(tài)行為和運行特性。采用自控技術(shù)，可以根據(jù)監(jiān)測的結(jié)果，隨時調(diào)整設備及工藝過程參數(shù)，可使設備狀態(tài)優(yōu)化，經(jīng)濟運行，節(jié)約能耗保證安全操作，減少事故，改善勞動條件，提高管理水平，合理使用和配置設備。國內(nèi)外的經(jīng)驗都表明，好的自動化管理不僅能節(jié)省人力，更能使系統(tǒng)穩(wěn)定可靠節(jié)省運行費用。

本文設計的控制系統(tǒng)包括現(xiàn)場控制層和過程監(jiān)控層兩部分[3]。

①現(xiàn)場控制層

現(xiàn)場控制層又叫現(xiàn)場PLC控制站，主要有現(xiàn)場PLC與在線檢測及分析儀表、電控設備、調(diào)節(jié)設備等組成，它是自動控制系統(tǒng)的基礎。

②過程監(jiān)控層

過程監(jiān)控層又叫中心控制室，主要有工業(yè)控制計算機、網(wǎng)絡服務器、輸入輸出設備等組成。過程監(jiān)控層主要為操作管理人員提供人機界面，對污水處理過程進行在線監(jiān)視，同時對現(xiàn)場工藝設備進行控制和管理。它是整個自動控制系統(tǒng)中人機信息交換的中心，工業(yè)控制計算機在線運行，定時檢測現(xiàn)場PLC控制站采集的數(shù)據(jù)，對各個工藝參數(shù)、設備的工作狀態(tài)實時顯示、記錄、打印、事故報警等。系統(tǒng)操作人員通過輸入設備可開/關(guān)或調(diào)整設備的工作狀態(tài)。

3 SBR污水處理系統(tǒng)的軟測量

3.1 軟測量技術(shù)

軟測量的目的是利用現(xiàn)有可以獲得的變量信息得出主導變量的估計值，即得到從輔助變量到主導變量的某種函數(shù)關(guān)系（數(shù)學模型）。軟測量技術(shù)的核心是建立對象的數(shù)學模型，對象數(shù)學模型的好壞，將直接關(guān)系到軟測量器的計算結(jié)果。

3.2 BP神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡是采用反向傳播算法（Back-Propagation Algorithm）進行學習的多層前向網(wǎng)絡，BP學習算法是一種監(jiān)督學習算法，從樣本中選取輸入模式作為網(wǎng)絡的輸入，并測試其輸出，即測試實際輸出與期望輸出的一致性，以指導網(wǎng)絡權(quán)值和閾值的修改，通過學習，網(wǎng)絡的實際輸出與樣本期望輸出間的均方誤差會達到極小，學習的目標是使網(wǎng)絡表達輸入、輸出關(guān)系的映射。

3.3 主元分析（PCA）

PCA，中文名稱叫主元分析法。它的原理是將一個復雜的多參數(shù)問題可以通過逐級分級轉(zhuǎn)化為僅有少數(shù)參數(shù)的問題的綜合方法。在數(shù)學上，通過將高維向量投影到低維空間中，而在低維空間的少數(shù)變量中，問題的關(guān)鍵信

息被保留并反映出來。這樣極大地降低了問題的處理難度。

3.4 仿真結(jié)果

本文分別建立了基于BP和PCA-BP神經(jīng)網(wǎng)絡模型，以matlab作為仿真實驗工具。實驗樣本經(jīng)數(shù)據(jù)預處理后剩下162組數(shù)據(jù)，將這162組數(shù)據(jù)樣本分兩部分：其中108作為訓練樣本，其余54組數(shù)據(jù)作為校驗樣本。圖3.1和圖3.2分別為兩組方案的出水COD軟測量仿真圖（X軸：采樣數(shù)，Y軸：出水COD（mg/l））。兩個模型性能指標比較見表3-1。

表3-1 兩個模型性能指標比較

■

■

圖3.1 ?出水COD的BP軟測量仿真圖

■

圖3.2 ?出水COD的PCA-BP軟測量仿真圖

通過分析結(jié)果可以得到以下結(jié)論：

①將BP人工神經(jīng)網(wǎng)絡模型用于預測出水COD的濃度基本上能反應系統(tǒng)的變化趨勢。但是利用PCA-BP建立的軟測量模型對出水COD預測精度更高一些。

②采用將PCA方法與神經(jīng)網(wǎng)絡相結(jié)合的方法，建立的軟測量模型。利用了PCA方法對高維變量降維的優(yōu)點，有效的去除了數(shù)據(jù)的相關(guān)性，減少了樣本的噪聲影響，能夠降低神經(jīng)網(wǎng)絡訓練的難度。

4 SBR污水處理系統(tǒng)的在線監(jiān)測

污水處理過程的在線監(jiān)視是污水處理過程的一個重要組成部分，設置SBR污水處理系統(tǒng)的一個運行周期為8h，選擇溶解氧、氨氮、固體懸浮物、電導作為在線實時測量的狀態(tài)變量來構(gòu)成監(jiān)視系統(tǒng)。采集10個批次的正常運行數(shù)據(jù)作為原始歷史數(shù)據(jù)。

如圖4.1中，取采樣數(shù)為180個。為檢驗所選擇的批次運行是否正常，分別采用MPCA和MKPCA算法對過程進行離線分析。

仿真結(jié)果如下：

■

采用MPCA和MKPCA算法在線監(jiān)視正常運行批次的結(jié)果

圖4.1

其中，虛線為99%控制限，實線為各時刻的T2和SPE統(tǒng)計量值。在圖4.1（a）中SPE統(tǒng)計量在采樣數(shù)為30左右出現(xiàn)了誤報現(xiàn)象;而在圖4.1（b）中T2和SPE統(tǒng)計量均未超出控制限。因此，MKPCA算法用于在線監(jiān)視較MPCA算法可靠。

5 結(jié)束語

以SBR污水處理系統(tǒng)為研究對象，借助Matlab仿真平臺，應用神經(jīng)網(wǎng)絡和PCA方法實現(xiàn)了對污水處理過程的軟測量監(jiān)視，本文所構(gòu)建的SBR污水處理統(tǒng)，為城市

污水處理過程的軟測量以及實時監(jiān)測研究提供了有效平臺。

參考文獻：

[1]劉會娟，姜兆春，趙麗輝.我國城鎮(zhèn)可持續(xù)發(fā)展的水資源問題與對策[J].環(huán)境污染治理技術(shù)與設備，2000，1（3）：10-13.

[2]Chang H.N.，Moon R.K.，Simulation of sequential batch reactor（SBR） operation for simultaneous removal of nitrogen and phosphorus[J].Bio.Eng.2000，（23）：513-521.

[3]Cote M.，Grandjean B.P.A.，Lessard P.，Thibault.Dynamic modeling of the activated sludge process：improving

prediction using neural networks[J].Water Res.2005，29（4）：995-1004.

基金項目：

包頭輕工職業(yè)技術(shù)學院校級科研項目（QY2014-1-8）。