SBBR单级自养脱氮智能控制系统的设计
开篇：润墨网以专业的文秘视角，为您筛选了一篇SBBR单级自养脱氮智能控制系统的设计范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
1.1 研究背景及意义
随着我国城市化、工业化规模的日益扩大和人口的不断增长,生活污水和工业废水量也随之大幅增涨,大量未经处理污水或者处理后不达标的尾水直接排入水体,导致水环境污染问题日益突出。在众多污染物中,氨氮是其中主要污染物之一。根据 2013 年中国环境统计年报,全国废水排放总量为 695.4 亿吨,其中氨氮排放量达 245.7 万吨。氨氮超标排放,容易引发水体富营养化,造成地下水硝酸盐超标等问题。据报告[1]全国湖泊和水库富营养化比例达 27.8%;地下水中“三氮”(亚硝酸盐、硝酸盐和氨氮)超标严重,其中较差和极差监测点分别占总监测点数的 43.9%和 15.7%。水体富营养化,会破坏水体生态平衡,造成水体功能下降、水生生物死亡等灾难性后果,不仅制约了水资源的利用价值,而且会直接影响人类的健康与社会经济的可持续发展。 加强污染源治理,提高污水处理水平,是控制水体富营养化,防止水体污染有效途径。《国家环境保护“十二五”归划》中新增了氨氮和氮氧化物排放量作为经济社会发展的约束性指标,要求 2015 年氨氮和氮氧化物排放量须比 2010 年减少 10%以上。然而,目前我国众多新建和已建污水处理厂大多使用传统脱氮技术,其自动控制水平低下,运行管理费用高,导致出水水质不能稳定达标。由此研发以防止水体富营养化为目的新型脱氮技术及其自动控制研究已成为国内学术界的主要研究目标之一。 污水脱氮处理过程涉及多种微生物,受环境影响大,操作复杂,采用人工控制方式,出水水质稳定性差,因此加强污水脱氮处理自动控制研究是实现高效稳定脱氮的必然途径。由于经典控制理论多以污水生物脱氮模型为基础,对于控制对象具有非线性、大时变、大滞后性的系统,难以建立精确数学模型,因此很难获得良好的控制品质。智能控制是自动控制发展的高级阶段,具有自学习、自适应和自组织能力,可以解决经典控制难以解决的复杂控制系统问题。在污水脱氮处理中引入智能控制,不仅可以减小系统干扰对运行的影响,而且能够提高处理效率和降低运行成本。由于目前国内污水处理智能控制研究与应用尚处于起步和发展阶段,因此,加强污水处理智能控制技术研究具有十分重要的现实意义。
.........
1.2 国内外研究现状
传统生物脱氮过程一般可分为三步:第一步是氨化作用,即水中的有机氮在氨化细菌的作用下转化成氨氮。第二步是硝化作用,即在供氧充足的条件下,水中的 NH+ 4 -N 首先在亚硝化菌(ammonia oxidizing bacteria,AOB)的作用下被氧化成NO- 2 -N,然后再在硝化菌(nitrite oxidizing bacteria,NOB)的作用下进一步氧化成NO- 3 -N。第三步是反硝化作用,即硝化产生的 NO- 2 -N 和 NO- 3 -N 在反硝化细菌的作用下被还原成 N2。 传统生物脱氮工艺硝化和反硝化两个过程需要在两个或以上互相隔离的反应器中进行,或者在同一个在时间或者空间上交替缺氧和好氧的反应器进行,因此存在诸多不足: 生物脱氮技术的新发展突破了传统理论的认识,主要开发了短程硝化反硝化工艺、同步硝化反硝化工艺、厌氧氨氧化以及单级自养脱氮等新工艺。其中单级自养脱氮技术因同时具备短程硝化反硝化工艺和厌氧氨氧化工艺优点,得到国内外学者们广泛关注。 单级自养脱氮工艺反应器内微生物种类多,而且相互间关系较复杂,因此对反应器环境条件的控制要求更高。影响单级自养脱氮工艺的主要因素有 DO、pH、温度等。研究表明,限制性供氧方式是单级自养脱氮的一个重要特点,DO 的高低是实现单级自养脱氮工艺最重要的控制条件,它不仅关系着 NOB 能否被淘汰,而且决定了系统中活性污泥絮体或生物膜内好氧和厌氧共存的微环境能否形成,使短程硝化和厌氧氨氧化的联合反应能够顺利进行[2]。1995 年 Muller 等[3]发现自养硝化污泥在低氧条件下可以产生 N2。1997 年 Hippen 等[4]在德国 Mechernich 地区的垃圾渗滤液处理厂也发现,在不外加有机碳源以及 DO 限制条件下,反应器中的 DO 值始终维持在 1.0mg/L 左右,生物转盘中超过 60%的 NH+ 4 –N 转化为 N2。试验中进水 TOC 小于 20mg/L,而且出水中 TOC 也没有明显减少.
...........
2.1 单级自养脱氮工艺概述
单级自养脱氮工艺是指在同一个反应器内由自养微生物完成 NH+ 4 -N 至 N2的全部转化过程的一类工艺。单级自养脱氮现象先后被国内外众多研究者们发现并冠以不同的工艺名称,这些工艺包括 CANON(completely autotrophicnitrogen removal over nitrite) 工 艺[31]、 OLAND(oxygen-limited autotrophic nitrification-denitrification)工艺[5]、DEMON(aerobic/anoxic deammonification)工艺[4]等。 CANON 工艺是由荷兰 DELFT 技术大学的学者在 SHARON(Single reactor for high activity ammonia removal over nitrite))工艺和厌氧氨氧化工艺的基础上研发出来的,该工艺 NH+ 4 -N 的转化途径分两步进行:第一步,系统中一部分 NH+ 4 -N 通过亚硝化转化为 NO- 2 –N;第二步,系统中另一部分 NH+ 4 –N 和第一步产生的 NO- 2 –N 反应生成 N2。CANON 工艺生物膜内化学反应模型如图 2.1 所示[32]。OLAND 工艺是由比利时 Gent 微生物实验室的 Kuai 和 Verstraete 研发命名的,该工艺是利用普通硝化污泥在限制 DO 的条件下,使硝化过程仅进行到 NO- 2 -N 阶段,然后在无外加碳源情况下,利用厌氧氨氧化细菌(Anaerobic ammonia oxidation bacteria,AAOB)的一步生化去除高氨氮废水中氮的过程。从机理上看 OLAND 工艺与 CANON 工艺十分相似,均可认为是 SHARON 和厌氧氨氧化工艺的耦合。
.........
2.2 单级自养脱氮工艺的影响因素
单级自养脱氮工艺反应器内微生物种类繁多,种间关系复杂,因此对环境条件的控制要求
十分苛刻,其中 DO、pH、温度是其主要影响因素。单级自养脱氮工艺一般可看作是短程硝化和厌氧氨氧化两个途径联合实现的。该工艺的功能菌包括 AOB、NOB 和 AAOB,其中 AOB 和 NOB 是好氧菌,AAOB 是严格厌氧菌,因此 DO 是单级自养脱氮工艺最重要的控制条件,通过调控反应器 DO 值,可以使系统中活性污泥絮体或生物膜内形成良好的好氧和厌氧共存的微环境,从而使得短程硝化和厌氧氨氧化的联合反应能够顺利进行。在单级自养脱氮系统内,温度的高低不仅会影响亚硝化反应和厌氧氨氧化反应的速率以及系统的脱氮性能,而且会影响出水中 N 元素的形态。单级自养脱氮适宜温度范围在 22~35℃,在这个温度范围内,AOB 和 AAOB 的最佳温度相近,AOB 比 NOB 生长迅速,并且能刺激 AAOB 的生长。pH 可通过两个途径影响单级自养脱氮工艺,其一是通过影响微生物活性直接影响脱氮效果,其二是通过影响反应器中游离氨的浓度间接影响脱氮效果。单级自养脱氮工艺是由不同微生物协同完成的,而微生物各有不同的最佳pH 值,因此可以通过调节反应器 pH,培养 AOB 和 AAOB 细菌,抑制 NOB 和其他细菌实现单级自养脱氮。水中氨氮可以以游离态和离子态存在,当 pH 高时,在同样氨氮浓度下,游离态的氨氮浓度更高,而游离态氨氮对 NOB 细菌产生明显的抑制作用。 ...........
3.1 人工神经网络........... 10
3.2 PID 控制基本原理.... 18
3.3 基于人工神经网络的单级自养脱氮智能控制系统设计 ....... 22
3.4 本章小结.......... 30
4 SBBR 单级自养脱氮智能控制试验研究........ 31
4.1 SBBR 单级自养脱氮启动试验 .......... 31
4.2 SBBR 单级自养脱氮启动控制 .......... 38
4.2.1 硬件配置 ....... 38
4.2.2 BP 神经网络 PID 反馈控制实现...... 39
4.3 SBBR 单级自养脱氮工艺运行控制 ........... 44
4.3.1 硬件配置 ....... 44
4.3.2 RBF 神经网络前馈控制实现........... 44
4.3.3 人工神经网络智能控制实现 ........... 47
4.4 本章小结.......... 49
5 总结与展望 ....... 51
5.1 总结 .......... 51
5.2 展望 .......... 52
4 SBBR 单级自养脱氮智能控制试验研究
本章通过试验研究确定启动阶段不同进水 NH+ 4 –N 和 COD 浓度下总氮去除率最大时的 DO 值,构建基于 RBF 神经网络前馈和基于 BP 神经网络 PID 反馈的复合控制系统,以实现 SBBR 单级自养脱氮工艺启动和高效稳定运行。
4.1 SBBR 单级自养脱氮启动试验
试验用反应器为如图 4.1 所示的 PVC 材质的圆柱形,该反应器直径 180mm、高 470mm、总容积约 12L,有效容积为 10L,内置纤维填料,填充比为 60%。控制反应器温度在 30±0.2℃,采用额定功率 0.12kW、额定流量 15m3/h的鼓风机曝气。试验装置配有工控机、变频器、PLC 及在线溶解氧仪。 试验采用初期进水为高浓度 NH+ 4 –N 和 COD,通过调节反应器内 DO 值,使得出水水质稳定达标后,再逐级降低进水 NH+ 4 –N 和 COD 浓度方法实现 SBBR 单级自养脱氮工艺的启动。课题组前期试验完成了进水 NH+ 4 –N 浓度分别为2000mg/L、1500mg/L、1000mg/L、500mg/L,对应 COD 浓度分别为 350mg/L、350mg/L、120mg/L、100mg/L 的 SBBR 单级自养脱氮工艺的驯化,本研究在此基础上继续降低进水 NH+ 4 –N 和 COD 浓度,直至进水 NH+ 4 –N 和 COD 浓度处于城市污水一般水平,根据进水 NH+ 4 –N、COD 浓度不同,本试验可分为三个阶段,各阶段时间、进水 NH+ 4 –N 和 COD 浓度、反应器排水比例、排水周期及曝停比如表4.1 所示。
..........
总结
针对 SBBR 单级自养脱氮启动困难和运行难以稳定,对自动控制精度要求高的问题,试验启动阶段,采用进水 NH+ 4 –N 和 COD 浓度由高到低进行驯化,确定不同浓度下,总氮去除率最大时的 DO 值,并构建基于该 DO 值的 BP 神经网络 PID控制,实现 SBBR 单级自养脱氮工艺启动;试验运行阶段,构建了人工神经网络智能控制系统,以实现 SBBR 单级自养脱氮工艺高效稳定运行。 主要研究内容方法及结果结论如下:
①设计了基于 RBF 神经网络前馈和 BP 神经网络 PID 反馈的人工神经网络智能控制系统,其中 RBF 神经网络为 6 输入单输出的 3 层人工神经网络,可以快速确定不同进水 NH+ 4 –N 和 COD 浓度下的变频器频率值和 DO 值;BP 神经网络为单输入单输出的 3 层人工神经网络,可以实现 DO 的精确控制。通过 MATLAB SIMULINK 仿真对比分析该控制系统与 PID 控制器对 SBBR 单级自养脱氮工艺控制的性能指标,仿真结果表明:人工神经网络智能控制超调量δ为 10.4%,上升时间 tr 为 159s,调节时间 ts 为 187s,静态误差 ess 为 0;PID 控制超调量δ为 15.2%,上升时间 tr 为 183s,调节时间 ts 为 230s,静态误差 ess 为 0。与 PID 控制相比,人工神经网络智能控制超调量下降 4.8%,上升时间减少 24s,调节时间减少 43s,应用人工神经网络智能控制可减小超调量,缩短上升时间和调节时间。
②试验启动阶段,根据进水 NH+ 4 –N 和 COD 浓度由高到低分为三个阶段,各个阶段通过调控 DO 值以提高出水总氮去除率,使得出水水质能够稳定达标。具体 DO 调控方式为,当出水 NH+ 4 –N 浓度高于 NO- 3 –N 浓度时,适当调高 DO 值,反之,调低 DO 值。试验结果表明,DO 是 SBBR 单级自养脱氮工艺的主要影响因素,温度为 30℃,pH 为 8 时,不同进水 NH+ 4 –N 和 COD 浓度下总氮去除率最大时的 DO 值各不相同:进水 NH+ 4 –N 浓度为 250mg/L、COD 浓度为 100mg/L 时,总氮去除率最大时的 DO 值为 1.42mg/L;进水 NH+ 4 –N 浓度为 100mg/L、COD 浓度为 50mg/L 时,总氮去除率最大时的 DO 值为 1.36mg/L;进水 NH+ 4 –N 浓度为50mg/L、COD 浓度为 50mg/L 时,总氮去除率最大时的 DO 值为 1.32mg/L.