一种污水除磷的方法及系统与流程 专利技术说明

环保节能,再生,污水处理设备的制造及其应用技术1.本发明涉及污水处理技术领域，特别是涉及一种污水除磷的方法及系统。背景技术：2.目前，大部分污水处理厂化学除磷加药系统自动化程度低，采用人工调节的模式，根据操作人员的经验调整加药量。由于污水处理厂的进水水质、水量波动大，且污水处理系统具有非线性、时滞性、不确定性等特点，往往造成药剂投加过量，出水水质不稳定等现象。虽然有的污水厂开始尝试应用前馈加反馈控制、神经网络预测加药量等方法改进，但是由于污水处理时间过程长，滞后性大，反馈数据往往不能和前馈数据相互对应，且难以寻找到规律。而神经网络等大数据模型依赖于有效的历史数据进行学习，水厂过往的加药数据往往不具备参考意义，所以，导致模型训练效果较差，不具有投入运行的实用性。3.因此，现有的污水处理技术存有自动化程度低和药剂投加过量的问题，药剂投加过量会导致出水水质不稳定。技术实现要素：4.本发明的目的是提供一种污水除磷的方法及系统，提高自动化程度，并且实时控制药量，从而使得水质平稳。5.为实现上述目的，本发明提供了如下方案：6.一种污水除磷的方法，所述方法包括：7.实时获取水体数据；所述水体数据包括：污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度；8.确定计算模式；所述计算模式包括投加率模式、摩尔比模式和数据预测模式；9.当所述计算模式为所述投加率模式时，根据所述污水的进水流量计算加药量；10.当所述计算模式为所述摩尔比模式时，根据所述污水的进水流量、所述进水总磷和所述出水总磷目标值计算加药量；11.当所述计算模式为所述数据预测模式时，根据所述水体数据和加药量预测模型计算加药量；所述加药量预测模型采用机器学习算法构建；所述加药量用于在污水处理系统中对污水进行水质调节。12.可选地，所述确定计算模式，具体包括：13.当收到外部输入的指令为投加率指令时，则确定计算模式为所述投加率模式；14.当收到外部输入的指令为摩尔比指令时，则确定计算模式为所述摩尔比模式；15.当收到外部输入的指令为数据预测指令时，则确定计算模式为所述数据预测模式。16.可选地，所述根据所述污水的进水流量计算加药量，计算公式为：17.18.其中，q为加药量，qin为进水流量，α为投加率系数，ρ为药剂密度，c1为药剂浓度。19.可选地，所述根据所述污水的进水流量、所述进水总磷和所述出水总磷目标值计算加药量，计算公式为：[0020][0021]其中，q为加药量，qin为进水流量，β为摩尔比系数，tpin为进水总磷，tptarget为出水总磷目标值，ρ为药剂密度，c1为药剂浓度，cm为去除1mol磷所需的金属离子摩尔质量，c2为药剂中所含金属离子的浓度。[0022]可选地，所述方法还包括：[0023]存储所述水体数据和所述加药量。[0024]一种污水除磷的系统，所述系统包括：[0025]数据获取模块，用于实时获取水体数据；所述水体数据包括：污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度；[0026]计算模式确定模块，用于确定计算模式；所述计算模式包括投加率模式、摩尔比模式和数据预测模式；[0027]第一计算模块，用于当所述计算模式为所述投加率模式时，根据所述污水的进水流量计算加药量；[0028]第二计算模块，用于当所述计算模式为所述摩尔比模式时，根据所述污水的进水流量、所述进水总磷和所述出水总磷目标值计算加药量；[0029]第三计算模块，用于当所述计算模式为所述数据预测模式时，根据所述水体数据和加药量预测模型计算加药量；所述加药量预测模型采用机器学习算法构建；所述加药量用于在污水处理系统中对污水进行水质调节。[0030]可选地，所述计算模式确定模块具体包括：[0031]第一确定子模块，用于当收到外部输入的指令为投加率指令时，则确定计算模式为所述投加率模式；[0032]第二确定子模块，用于当收到外部输入的指令为摩尔比指令时，则确定计算模式为所述摩尔比模式；[0033]第三确定子模块，用于当收到外部输入的指令为数据预测指令时，则确定计算模式为所述数据预测模式。[0034]可选地，所述第一计算模块中加药量的计算公式为：[0035][0036]其中，q为加药量，qin为进水流量，α为投加率系数，ρ为药剂密度，c1为药剂浓度。[0037]可选地，所述第二计算模块中加药量的计算公式为：[0038][0039]其中，q为加药量，qin为进水流量，β为摩尔比系数，tpin为进水总磷，tptarget为出水总磷目标值，ρ为药剂密度，c1为药剂浓度，cm为去除1mol磷所需的金属离子摩尔质量，c2为药剂中所含金属离子的浓度。[0040]可选地，所述系统还包括：[0041]存储模块，用于存储所述水体数据和所述加药量。[0042]根据本发明提供的具体实施例，本发明公开了以下技术效果：[0043]本发明提供一种污水除磷的方法及系统，通过实时获取水体数据，然后根据水体数据确定计算模式并计算加药量，加药量用于在污水处理系统中对污水进行水质调节；由于在水体数据获取、加药量计算以及调节的过程中，不需要人工进行获取以及调节，实现了自动化控制，避免了因人为因素加药量过多，从而有浪费现象的出现；又由于加药量是根据实时获取的水体数据直接进行计算得到的，能够实现加药量的精确控制，同样减少了药剂的浪费；因此本发明能够提高自动化程度，并且实时控制药量，从而使得水质平稳。附图说明[0044]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0045]图1为本发明实施例提供的污水除磷的方法的流程图；[0046]图2为本发明实施例提供的污水除磷的系统的结构图；[0047]图3为本发明实施例提供的污水除磷的系统具体操作示意图。[0048]符号说明：[0049]数据获取模块-1、计算模式确定模块-2、第一计算模块-3、第二计算模块-4、第三计算模块-5。具体实施方式[0050]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0051]本发明的目的是提供一种污水除磷的方法及系统，通过实时获取水体数据，然后根据水体数据确定计算模式并计算加药量，加药量用于在污水处理系统中对污水进行水质调节；由于在水体数据获取、加药量计算以及调节的过程中，不需要人工进行获取以及调节，实现了自动化控制，避免了因人为因素加药量过多，从而有浪费现象的出现；又由于加药量是根据实时获取的水体数据直接进行计算得到的，能够实现加药量的精确控制，同样减少了药剂的浪费；因此本发明能够提高自动化程度，并且实时控制药量，从而使得水质平稳。[0052]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。[0053]实施例1[0054]如图1所示，本发明实施例提供了一种污水除磷的方法，该方法包括：[0055]步骤100：实时获取水体数据；水体数据包括：污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度。[0056]步骤200：确定计算模式；计算模式包括投加率模式、摩尔比模式和数据预测模式。[0057]确定计算模式，具体包括：[0058]当收到外部输入的指令为投加率指令时，则确定计算模式为投加率模式。[0059]当收到外部输入的指令为摩尔比指令时，则确定计算模式为摩尔比模式。[0060]当收到外部输入的指令为数据预测指令时，则确定计算模式为数据预测模式。[0061]步骤300：当计算模式为投加率模式时，根据污水的进水流量计算加药量。[0062]具体地，当计算模式为投加率模式时，根据污水的进水流量计算加药量，计算公式为：[0063][0064]其中，q为加药量，qin为进水流量，α为投加率系数，ρ为药剂密度，c1为药剂浓度。[0065]步骤400：当计算模式为摩尔比模式时，根据污水的进水流量、进水总磷和出水总磷目标值计算加药量。[0066]具体地，当计算模式为摩尔比模式时，根据污水的进水流量、进水总磷和出水总磷目标值计算加药量，计算公式为：[0067][0068]其中，q为加药量，qin为进水流量，β为摩尔比系数，tpin为进水总磷，tptarget为出水总磷目标值，ρ为药剂密度，c1为药剂浓度，cm为去除1mol磷所需的金属离子摩尔质量，c2为药剂中所含金属离子的浓度。[0069]步骤500：当计算模式为数据预测模式时，根据水体数据和加药量预测模型计算加药量；加药量预测模型采用机器学习算法构建；加药量用于在污水处理系统中对污水进行水质调节。[0070]通过对历史的水体数据的学习，得到加药量训练模型即加药量预测模型；根据实时获取的水体数据，调用加药量预测模型，采用基于机器学习的数理模型计算加药量。[0071]作为一种可选的实施方式，该方法还包括：存储水体数据和加药量。[0072]在实际应用中，该实施例提供的污水除磷的方法的具体操作步骤还可以如下：[0073]步骤一、获取污水的进水流量、进水酸碱度(进水ph)、进水总磷(进水tp)、进水悬浮物浓度(进水ss)、出水总磷目标值(出水tp)和出水悬浮物[0074]浓度(出水ss)等水体数据；将水体数据进行存储。[0075]步骤二、选定加药量的计算模式。加药量计算模式具体包括：投加率模式、摩尔比模式、数据预测模式。工作人员在外部输入指令，如可以选择在人机交互模块输入指令，然后根据输入的指令确定计算模式。[0076]数据预测模式所用加药量预测模型是通过对影响除磷效果的因素进行分析，即将历史的水体数据作为输入层，将加药量作为输出层，采用机器学习算法构建。历史的水体数据指的是历史的污水的进水流量、历史的进水酸碱度、历史的进水总磷、历史的进水悬浮物浓度、历史的出水总磷和历史的出水悬浮物浓度。[0077]步骤三、根据所选的计算模式，输入设定参数，并将该设定参数进行存储。[0078]设定参数包括：[0079]投加率模式下设定参数为投加率系数、投加药剂的浓度及密度。[0080]摩尔比模式下设定参数为摩尔比系数、出水tp目标值、投加药剂的浓度及密度。[0081]数据预测模式下设定参数为出水总磷(出水tp)目标值和出水悬浮物浓度(出水ss)目标值。[0082]步骤四、根据所选的计算模式，调用存储的设定参数和水体数据，计算加药量，并将加药量下发至plc控制模块。plc控制模块根据加药量对污水进行水质调节。[0083]实施例2[0084]如图2所示，本发明实施例提供了一种污水除磷的系统，该系统包括：数据获取模块1、计算模式确定模块2、第一计算模块3、第二计算模块4和第三计算模块5。[0085]数据获取模块1，用于实时获取水体数据；水体数据包括：污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度。[0086]计算模式确定模块2，用于确定计算模式；计算模式包括投加率模式、摩尔比模式和数据预测模式。[0087]计算模式确定模块2具体包括：第一确定子模块、第二确定子模块和第三确定子模块。[0088]第一确定子模块，用于当收到外部输入的指令为投加率指令时，则确定计算模式为投加率模式。[0089]第二确定子模块，用于当收到外部输入的指令为摩尔比指令时，则确定计算模式为摩尔比模式。[0090]第三确定子模块，用于当收到外部输入的指令为数据预测指令时，则确定计算模式为数据预测模式。[0091]第一计算模块3，用于当计算模式为投加率模式时，根据污水的进水流量计算加药量。[0092]具体地，第一计算模块中加药量的计算公式为：[0093][0094]其中，q为加药量，qin为进水流量，α为投加率系数，ρ为药剂密度，c1为药剂浓度。[0095]第二计算模块4，用于当计算模式为摩尔比模式时，根据污水的进水流量、进水总磷和出水总磷目标值计算加药量。[0096]具体地，第二计算模块中加药量的计算公式为：[0097][0098]其中，q为加药量，qin为进水流量，β为摩尔比系数，tpin为进水总磷，tptarget为出水总磷目标值，ρ为药剂密度，c1为药剂浓度，cm为去除1mol磷所需的金属离子摩尔质量，c2为药剂中所含金属离子的浓度。[0099]第三计算模块5，用于当计算模式为数据预测模式时，根据水体数据和加药量预测模型计算加药量；加药量预测模型采用机器学习算法构建；加药量用于在污水处理系统中对污水进行水质调节。[0100]作为一种可选的实施方式，该系统还包括：存储模块。存储模块，用于存储水体数据和加药量。[0101]在实际应用中，该实施例提供的污水除磷的系统的具体操作还可以如下：[0102]通过数据获取模块1实时获取水体数据；水体数据包括：污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度。[0103]经人机交互模块可以输入设定参数，包括当前药剂浓度、药剂密度、投加率系数、摩尔比系数、出水tp目标值、出水ss目标值。工作人员还可以通过人机交互模块输入进行计算模式的选择的指令。具体地，通过计算模式确定模块2根据人机交互模块输入的指令确定计算模式。采用数据分析模块调用水体数据和设定参数，基于所选的计算模式对除磷加药量进行计算。加药量反馈给plc控制模块。数据分析模块包括第一计算模块3、第二计算模块4和第三计算模块5。[0104]具体地，如图3所示，首先通过参数设定单元输入设定参数，此时的设定参数至少包括投加率系数、摩尔比系数和出水水质目标；出水水质目标可以包括：出水总磷的目标值、出水悬浮物浓度的目标值。然后经过计算模式确定模块2，确定外部指令所对应的计算模式，以进行加药量的计算；各计算模式都有对应的计算模型。包含机理模型和数理模型。如：投加率模式对应的投加率和摩尔比模式对应的摩尔比模型为机理模型。数据预测模式对应的加药量预测模型为数理模型。加药量训练模型为历史水体数据通过神经网络等算法训练的离线模型；而加药量预测模型根据训练模型和实时数据计算出加药量，为在线模型。[0105]存储模块可以存储实时获取的水体数据即实时采集数据、历史的水体数据、设定参数以及加药量。此外，该系统进行加药量计算时，计算得到的加药量均可以在结果显示单元或者采用人机交互模块，进行结果显示。计算模式确定模块可以将计算结果即计算得到的加药量反馈给plc控制模块。[0106]plc控制模块用于根据加药量调节向污水处理系统中的投加量，即根据加药量对污水进行水质调节。[0107]存储模块用于存储水体数据、设定参数及计算结果即加药量。[0108]本发明提供了一套机理与数理模型相结合的污水除磷的方法及系统；基于机理与数理模型，提供三种加药量的计算模式。包括获取设定参数、采集参数即获取水体数据，通过当前水质及水量的判断选择基于投加率模式或者摩尔比模式的机理模型，计算加药量并进行存储；通过对历史的水体数据的学习，得到加药量训练模型即加药量预测模型；根据实时获取水体数据，调用加药量预测模型，采用基于机器学习的数理模型计算加药量，以实现对污水处理厂除磷加药工艺的自动化控制，在保证出水水质平稳达标的前提下减少药耗。[0109]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。[0110]本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!