[发明专利]一种基于神经网络模型的曝气控制系统

说明书

本发明涉及污水处理技术领域，具体涉及一种基于神经网络模型的曝气控制系统，包括：用于采集进水口处污水数据的进水口采集单元；污水数据采集单元，用于采集生化反应池的污水数据；中央控制单元包括：系统状态方程计算模块，用于将所述目标污水数据输入到经过预先训练的神经网络模型中，输出得到系统状态方程；控制函数转换模块，用于对所述系统状态方程进行变量转换，以得到以污水组分为变量的控制函数；曝气控制模块，用于根据所述控制函数控制预设的曝气单元执行对应的动作。本发明中的曝气控制系统能够采集生化反应池重要部位的污水数据，利用神经网络模型计算系统状态方程实现系统的最优控制，从而能够兼顾曝气控制的效果和稳定性。

技术领域

本发明涉及污水处理技术领域，具体涉及一种基于神经网络模型的曝气控制系统。

背景技术

自动污水处理乃至智能污水处理是当前国内外主要的污水处理方式。国内外大部分的污水处理厂使用AAO工艺进行污水处理，AAO工艺处理污水的步骤如下：由进水口输入污水，然后由生化反应池对污水进行处理，最后由出水口排出污水；进水口采集单元（安装于进水口处采集数据的仪表）和出水口仪表组（安装于出水口处采集数据的仪表）为国家规定安装的仪。其中，生化反应池的流程如下：污水首先从进水口输入，通过粗格栅的过滤，随后通过细格栅过滤，接着在爆气沉砂池沉淀，随后在生化反应池，即在厌氧池、缺氧池和好氧池进行一系列的生化化学反应，经过好氧池之后的污水一部分通过污水回流回到厌氧池重复前述过程，另一部分进入二沉池澄清，通过二沉池处理的污水通过紫外线消毒等工艺到达排放标准。

污水处理过程中，曝气控制是节能减排的关键步骤。当前的智能曝气控制方式主要是使用基于ASM系列模型为基础的模型预测控制方法，其采集进水口的污水数据，并由ASM系列模型根据进水口的污水数据计算得到控制函数，根据最优控制函数控制曝气单元执行动作（曝气控制）。其中，基于ASM模型组分为变量的控制函数对曝气单元进行动作控制的最优控制性能指标函数可表示为J(x,u)，式中x代表基于ASM2d模型组分格式的污水组分向量，u代表五个控制变量(DOC1、DOC2和DOC3(DOC1、DOC2、DOC3分别代表三个曝气阀)的开度，以及内回流比和污泥回流比)组成的向量。

上述现有方案中，通常使用ASM系列模型作为系统状态方程建立控制模型并使用电耗的指标极小化，来计算系统的控制函数生成对应的控制策略，对曝气单元进行动作控制。但使用ASM系列模型时还存在以下问题：ASM系列模型反应过程中非线性微分方程规模巨大，且具有大量的模型参数难以准确的估计，导致模型精度较差，使得计算得到的系统状态方程不准确，最终导致控制的效果不好；此外，现有方案中，仅在进水口和出水口处设置仪表（数据采集单元），而未在生化反应池中采集相应数据，使得进水口和出水口处的仪表出现故障和或数据错误时，ASM系列模型计算得到错误的系统状态方程，这使得在曝气控制时出现误判，从而导致曝气控制的稳定性低。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何采集重要部位的污水数据，并提供一种能够利用神经网络模型计算系统状态方程的曝气控制系统，以能够兼顾曝气控制的效果和稳定性。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于神经网络模型的曝气控制系统，包括：

污水数据采集单元，用于采集生化反应池的污水数据；所述数据采集单元包括第一采集模块、第二采集模块、第三采集模块、第四采集模块、第五采集模块和第六采集模块；所述第一采集模块用于采集厌氧池进水口处的污水数据；所述第二采集模块用于采集缺氧池出水口处的污水数据；所述第三采集模块、第四采集模块和第五采集模块分别用于采集好氧池前段、中段和后段处的污水数据；所述第六采集模块用于采集二沉池进水口处的污水数据；