基于神經網絡的水處理投藥系統自動控制研究

西安市自來水有限公司南郊水廠　張　苗西安市自來水有限公司水質管理部　羅衛國太原科技大學　張軼東

基于神經網絡的水處理投藥系統自動控制研究

西安市自來水有限公司南郊水廠張苗
西安市自來水有限公司水質管理部羅衛國
太原科技大學張軼東

目前我國地表水處理廠藥劑投加自動控制系統現有的集散控制系統僅可以根據程序完成邏輯順序控制，不具有分析非線性系統輸入輸出關系的智能化能力。將神經網絡嵌入集散系統，用于藥劑投加量、水處理效果預測，不但可以提高系統數據分析處理能力，實現智能藥劑投加量控制，而且還可以結合PLC完成對系統設備的優化控制。

混凝劑投加；BP網絡；集散控制系統

1　概述

隨著城市的發展、科技水平不斷提高，城市對自來水品質的要求也不斷提高，水處理系統現代化程度、自動化程度也將會是社會現代化程度的主要標志之一。目前我國水處理投藥系統自動化程度還比較低，國內水處理一般采用集中監控管理、分散控制的控制系統，簡稱集散系統。這種控制方法缺點是其控制目標需要提前設置好，不能根據現場情況、設備狀況、季節變化隨時調整藥劑投加量。需大量依靠人工經驗，不能實現自動控制智能化。

在不改變原有系統硬件設備基礎上，將控制系統與神經網絡組合，在集散系統中增加嵌入式神經網絡系統，將數據的分析、最優值運算、輸出處理交給神經網絡系統，PLC將根據神經網絡的輸出量控制現場設備動作，以完成藥劑投加。

2　嵌入式神經網絡控制系統設計

2.1集散控制系統

西安市某日產50萬m3/日自來水廠，水處理過程自動控制系統為-集散控制系統，由管理控制層、現場控制層及現場設備層組成。

集散系統雖提高了控制水平，但是不具有實現數據的分析、系統評價，不能根據原水水質、目標控制要求得到投加量的非線性輸出，不能自動調整或建議調整投加量的智能控制要求。也不具有結構合理的設備、水質變量數據庫，無法實現數據調用及共享。

2.2嵌入式神經網絡

如果在現有的集散系統內嵌入神經網絡系統，將傳感器檢測到的水質、沉淀池末端出水濁度信號輸入訓練好的神經網絡，可預測得到藥劑投加量。同時預測沉后水末端出水濁度變化趨勢，并在異常情況下報警。藥劑投加量、沉淀池末端出水濁度的值在誤差允許范圍內時，PLC執行原有控制程序，當水質發生重大變化，神經網絡預測出新的投加量控制時，PLC將優先響應神經網絡輸出。服務器上建立數據庫，收集水質數據、藥劑投加數據、設備狀態數據、設備運行數據和輸出信號變化數據，用以神經網絡學習、歷史數據的調用和對比、網絡共享等。嵌入神經網絡的自控系統流程圖如圖1所示。

圖1　嵌入神經網絡的自控系統流程圖

3　模擬藥劑投加量控制的神經網絡模型搭建

神經網絡能夠從樣本中直接獲取知識，實現結果和原因之間的非線性映射。本文研究采用一種BP算法的改進算法Levenberg-Marquardt法。這種算法具有低于抽取和逼近這種非線性輸入變量做復雜的相關假定的能力。不依靠專家經驗，只利用觀察到的數據，可以從訓練過程中通過學習來抽取和逼近隱含的輸入和輸出的非線性關系。

西安市地處北方地區，飲用水源主要為秦嶺北麓的水庫水和部分地表徑流，濁度隨季節變化明顯。在秋冬季，水質具有溫度低、濁度低、堿度低、水的粘度大等特點。春夏季進入汛期，水質特點是溫度高、濁度變化幅度大、微生物及藻類含量高等，且還有因暴雨突發超過100NTU高濁水。

用神經網絡進行凈水藥劑投加量預測，依靠水質參數四季變化的規律，在進行投藥系統控制研究必須有歷年四季完整的水質數據及投加量數據作為樣本訓練。并且因原水水質隨季節變化有顯著特征，季節也是影響水質的因素之一。考慮到現場儀表能夠連續讀取的參數，設計的輸入變量有原水量、原水濁度、原水PH、原水溫度、月份、混凝劑投加量，共6維向量，由于現場堿度儀工作不穩定，而堿度又和月份水質有對應關系，所以不單獨設計堿度變量。目標向量就是一定水質下混凝劑投加量、沉淀池末端出水濁度，共2維向量。建立BP網絡如圖2所示。

所設計的神經網絡先經過訓練，當網絡精度達到要求以后，認為網絡達到投入使用要求。使用時網絡讀取輸入變量的在線數據，進行計算得到目標輸出量混凝劑投加量和沉后水濁度預測值。

4　網絡仿真

本文取西安某水廠生產數據為例，取2014年1月至2014年12月數據進行訓練，用2015年12月進行檢驗預測結果。網絡經過訓練誤差達到要求以后用于仿真應用。

將2015年12月投加量、沉后水濁度在原集散系統中控制的實際值和仿真神經網絡預測值進行比較如圖3所示。

圖3　2015年12月混凝劑投加量、沉后水預測比較

5　結論

通過對2015年12月水廠投加量、沉后水濁度預測，可以看出神經網絡仿真水處理的預測投藥量和沉后濁度值的變化和實際生產變化有較強的契合性，同時又能避免人工經驗帶來的藥劑、濁度大幅波動。這說明，通過神經網絡預測，沉后水預測值反饋給投加量作為修正依據，修正后投加量也可以控制沉后水，這樣形成了一個很好的閉環控制系統。通過數據分析，嵌入神經網絡的集散控制系統在水質發生變化時，能及時、合理的給出控制指令，避免了經驗投加的不確定性，以及不可預見操作帶來的調節震蕩。并且由于預測了投加量和沉后水濁度，使系統控制平穩，減少了設備負荷沖擊，有利于延長設備壽命。可見嵌入神經網絡可以實現水處理藥劑投加控制系統的智能化，也可以減少設備損耗、節約藥劑，有著較大的實用價值和經濟效益。

［1］白樺，李圭白.基于神經網絡的混凝投藥系統預測模型［J］.中國給水排水，2002，18：46-47.

［2］李勇，孫艷萍，孫海波等.用故障預測的BP網絡模型及改進［J］.東北電力學院學報，1999，3：27-32.

［3］鄭新志，樊育，鄭兆生.PLC電梯控制系統設計與組態監控［J］.山東輕工業學院學報，2007，9：37-39.

［4］張苗，雷洪利.一種BP神經網絡誤差函數優化算法［J］.教育科研，2007，11.

張苗（1977—），女，陜西西安人，碩士，工程師，研究方向：電力電子與電力傳動。