【CAA智库】北工大乔俊飞教授等:城市污水处理过程异常工况识别和抑制研究

2019 年 3 月 8 日 中国自动化学会


近年来,我国大力推进城市污水处理厂建设及其相关技术开发应用,有效的提升了我国污水处理率。但是我国城市污水处理厂的运行状况却不容乐观,异常工况已成为困扰我国城市污水处理厂运营和发展的主要瓶颈。

韩红桂, 伍小龙, 张璐, 乔俊飞. 城市污水处理过程异常工况识别和抑制研究. 自动化学报, 2018, 44(11): 1971-1984

城市污水处理过程由于进水流量、进水成份、污染物种类、有机物浓度等被动接受,系统始终运行在非平稳状态,导致污泥膨胀等异常工况频发。常见的异常工况包括:

1) 污泥膨胀,该现象的发生将导致出水水质恶化,而且污泥持续流失会使曝气池内的微生物数量锐减,使之不能有效降解污染物,从而导致整个系统的性能下降,甚至崩溃;

2) 泡沫,该异常将导致二沉池中污泥不易沉降,降低污泥的沉淀性能,使出水水质恶化,严重时会溢出曝气池,同时伴随刺激性气味,给污水处理厂的运行和管理带来很多麻烦;

3) 浮渣,该异常一方面将导致曝气池处于严重的缺氧或厌氧状态,另一方出现的浮渣也极易导致堵塞现象,甚至影响设备的正常运转。

异常工况一旦发生,会降低污水处理效率,引起出水水质超标等问题,严重时造成污水处理过程崩溃,引发事故。因此,降低异常工况发生率、保证城市污水处理过程安全平稳运行,是城市污水处理过程亟待解决的难题。

及时有效的预防和抑制污水处理过程异常工况是保障城市污水处理过程安全平稳运行的重要一环。近年来,国内外对城市污水处理厂异常工况的识别和抑制方法投入了大量研究,旨在预防和抑制异常工况的发生,确保污水处理厂安全稳定运行。经过多年的努力,污水处理过程自动化技术取得一系列重要突破,先进的控制技术已经开始在城市污水处理异常工况识别和抑制中得到应用。例如,在识别方面,采用图像识别微生物状态、荧光原位杂交(FISH)等机理方法,以及利用隐马尔可夫模型、神经网络等数据驱动方法识别异常工况特征指数等;在抑制方面,采用添加剂法、增设工艺环节等机理方法,以及采用基于经典控制和智能控制的过程调控方法等。

如何提高城市污水处理异常工况的

识别与抑制水平?

目前先进的城市污水处理异常工况识别与抑制方法不断地降低异常工况的发生率,保障了污水处理过程运行的安全平稳。然而,这方法在实际应用过程中还存在诸多问题未能解决,制约了异常工况的识别与抑制水平,其中的问题包括:

1) 先进识别和抑制技术依赖于结构固定化模型设计,包括软测量模型和智能控制辨识模型;

2) 以先进的识别和抑制技术功能单一;

3) 识别和抑制方法的可靠性不足且评价困难;

4) 抑制方法的精确指导信息获取困难。

为此,需要从根本上解决方法中存在的问题,相应的解决思路有:

1) 提高软测量模型和智能控制辨识模型自身的适应能力,也即设法随着污水处理水质成分、工况环境等的变化,不断调整软测量模型和智能控制器模型自身结构和参数,从而保持辨识和控制过程的精确性;

2) 根据需求和异常工况的特性,个性化识别和抑制方法,提高识别和抑制的精细程度,也即在识别和抑制过程中,针对不同类型、不同严重程度、不同范围等特征的异常工况,根据实际需求和污水处理建设与运营信息,给不同的异常工况划分类别、类型、优先级等,同时匹配和制定相应的抑制措施;

3) 鉴于污水处理过程存在丰富的先验知识,融入知识经验可提高异常工况识别和抑制的完备性和可靠性,构建合理的验证模型和评价体系;

4)采用优化算法和知识推理方法等为异常工况抑制提供的精确指导信息。

总之,对污水处理异常工况识别和抑制而言,目前存在着在污水处理工况环境和水质多变情况下软测量模型和智能控制模型的结构自组织问题、在多类型和多需求异常工况识别和抑制精细化分级和匹配问题、异常工况识别和抑制方法可靠性不高和评价难以及精确指导信息难以获取等难题,这些问题对于实施异常工况识别和抑制至关重要,需要尽快加以研究,得出有效的结果。

此外,随着自动化、人工智能等技术的发展,污水处理厂将走向自动化、智能化和无人化。可以预见未来城市污水处理过程不仅能够解决当前异常工况识别与抑制的主要问题,还将结合信息处理、推理预测、仿真及多媒体技术,全面展示实际污水处理处理过程的运行概况,给出异常工况发生分析与预警,提供合理的抑制策略,保证污水处理效果、安全可靠生产等目标,并取得较好的社会效益和经济效益。

来源:AAS自动化学报

往期文章推荐

🔗【重要通知】关于开展2019年度中国自动化学会会士候选人提名工作的通知

🔗【重要通知】关于2019年度CAA科学技术奖励推荐工作的通知

🔗【重要通知】关于开展第六届杨嘉墀科技奖评奖活动的通知

🔗【学科史·期刊】中国自动化学会通讯

🔗【重要通知】关于开展第五届中国自动化学会青年科学家奖推荐工作的通知

🔗【CAA】不忘初心,砥砺奋进 ——中国自动化学会蓬勃发展的五年

🔗【重要通知】关于2019年度CAA高等教育教学成果奖推荐工作的通知

🔗【CAA】中国自动化学会2018年度大盘点

🔗【重要通知】关于开展2019年CAA优秀博士学位论文奖励及推荐工作的通知

🔗【CAC 2019】2019中国自动化大会征文通知

🔗【CAA智库】郑南宁院士:深化学科交叉,发展人工智能

🔗【CAA】中国自动化学会选举产生第十一届理事会领导机构(内附名单)

登录查看更多
0

相关内容

韩红桂,北京工业大学研究生院副院长、教授、国家杰青获得者、“数字社区教育部工程研究中心”主任。主要研究方向为城市污水处理过程智能优化控制。主持国家重点研发计划项目、国家自然科学基金重大项目课题等,在城市污水处理过程智能特征检测、自组织控制和多目标协同优化等方面取得了系列创新成果。2016 年获得国家优秀青年基金资助,2019 年入选北京高校卓越青年科学家。
最新《多任务学习》综述,39页pdf
专知会员服务
263+阅读 · 2020年7月10日
专知会员服务
31+阅读 · 2020年4月24日
专知会员服务
160+阅读 · 2020年4月21日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Learning Blind Video Temporal Consistency
Arxiv
3+阅读 · 2018年8月1日
VIP会员
Top
微信扫码咨询专知VIP会员