用于预测废水处理过程的参数的系统和方法
【技术领域】
[0001] 本发明涉及用于预测废水处理过程的参数的系统和方法。特别地，所述系统和方 法适于(但不限于)膨胀颗粒污泥床(EGSB)过程中的流出参数的预测，并将在下文中进行描 述。
【背景技术】
[0002] 贯穿整个说明书，除非文中另外要求，否则词语"包含"或者诸如其单数形式或现 在分词形式等变形将被理解为暗示包括所表示的整体或整体的组，但不排除任何其它整体 或整体的组。
[0003] 此外，贯穿整个说明书，除非文中另外要求，否则词语"包括"诸如其单数形式或现 在分词形式等变形将被理解为暗示包括所表示的整体或整体的组，但不排除任何其它整体 或整体的组。
[0004] 厌氧废水处理过程是利用微生物在无氧环境下降解废水中的污染物的工业过程。 工业中使用的厌氧废水处理过程的典型变型包括厌氧滤池、下流式静态固定膜反应器、流 化床厌氧反应器和上流式厌氧污泥填土反应器(UASB)。膨胀颗粒污泥床(EGSB)反应器是具 有高废水处理速率的USAB的特殊应用。在EGSB过程中，废水以高上流速度流过反应器。
[0005] 由于对有机负荷扰动和流入废水中的物质浓度的动态变化高度灵敏的厌氧废水 处理过程的复杂性，恰当的是确保适当进行生物质发电的管理。典型地，生物质管理是反应 性完成的（即在浓度/扰动突然变化之后），并且这是不期望的，因为在其它问题中，生物质 需要更长的时间来适应流入废水。在由于不能及时反应而导致生物质存量低的情况下，可 能出现导致严重停工的过程混乱以及生物质损失。这种停工可能进一步伴随由于不能交付 而导致的相关联的经济损失、时间和资源损失。因此，需要将废水处理过程从"反应性"管理 转变为"预测性"管理。
[0006] 由于上述原因，预测管理的一种方式是使用数学模型来预测已处理废水的关键组 成质量。这种方法减少了对废水处理过程的有效操作的任何阻碍并且方便生物质存量管 理。然而，由于其多价以及非线性的性质、对随机噪声和由于使用测量设备而导致的系统误 差的易感性、过程信息的动态性质和时间可延迟性，找到合适的数学模型来准确预测厌氧 废水处理性能是一个挑战。此外，包含基础理论的当前的数学模型（例如机械模型)在为厌 氧反应系统的动态复杂性建模方面是不充分或者不高效的。容易领会，由于系统复杂性的 增加，需要的计算时间也指数性地增加。这使得机械模型不适于"接近实时"型预测或预期 合理的回旋时间的情况。
[0007] 另一个方法是使用软传感器，并且特别地是统计的、数据驱动的软传感器，其根据 所记录的过程历史数据而建立，以预测诸如总有机碳(TOC)等流出参数。当将这种软传感器 用于预测某些废水处理过程并监测流出（已处理的水)参数时，需要进一步改进这种软传感 器以便在改进预测准确度的同时减少计算要求和资源。
[0008] 由于这些USAB或EGSB过程的复杂性和要考虑的过大量的参数，还没有出现软传感 器的用于USAB或EGSB过程以预测诸如TOC等流出参数的应用。此外，还需要通过提供对前述 流出参数的可靠的评估以估计EGSB反应器在合理的回旋时间（如果不是接近实时的）的性 能来改进这种软传感器预测技术的准确度和效率。
[0009]因此，本发明的目标是满足上述需要，并至少部分地减少所述挑战。
【发明内容】
[0010]本发明包括对软传感器的开发以预测并监测废水处理操作的操作，特别是在膨胀 颗粒污泥床(EGSB)反应器的领域中，但在工业废水的厌氧处理中不限于这种反应器。在一 个实施例中，基于偏最小二乘法的软传感器用于预测TOC作为性能指示来监测污水处理厂 (WffTP)中的EGSB反应器。
[0011] 根据本发明的方面，存在用于预测废水处理过程的参数的方法，其包括如下步 骤:_(a)获得数据集，数据集包括与待预测的废水处理过程的参数相关的多个过程变量； (b)获得待预测的参数的预定数量的测量值；（c)预处理所获得的数据集;预处理步骤包括 对准(a I i gn)过程变量以解释(ac coun t for)过程变量的任何随时间变化的性质、以及将数 据集分类成输入组，输入组包括数据集和待预测的参数的测量值；（d)在每个软传感器获得 合成输出；以及(e)对跨多个软传感器中的每一个的合成输出进行平均;平均后的合成输出 被设为最终的预测参数。
[0012] 优选地，废水处理过程包括膨胀颗粒污泥床(EGSB)反应器过程，并且待预测的参 数为EGSB反应器的流出的总有机碳(TOC)。
[0013] 优选地，预处理的步骤包括:在数据集中检测到空白的情况下，将性插值法或诸如 多项式和样条等其它插值法应用到数据集。
[0014] 优选地，数据集的分类包括:采用采用具有外因输入(ARX)结构的自回归的方式来 表达数据集。
[0015] 优选地，待预测的参数的测量值在步骤(d)之前经过噪声减少滤波器。噪声减少滤 波器优选地可以包括Savitzky-Golay滤波器和/或Kalman滤波器。
[0016] 优选地，包括四个软传感器。在这种实例中，优选地进一步处理四个感应器中的每 一个的输出，以解释由步骤(e)之前的废水处理过程的动态性质产生的不准确性。
[0017] 优选地，软传感器包括人工神经网络、支持向量机、高斯过程回归。
[0018] 根据本发明的第二方面，存在用于预测废水处理过程的参数的系统，其包括被布 置为获得数据集的第一组测量设备，数据集包括与待预测的废水处理过程的参数相关的多 个处理变量;被布置为获得待预测的参数的预定数量的测量值的第二组测量设备;处理器， 其被布置为:_(i)接收来自第一和第二组测量设备的数据集和预定数量的测量值;处理器 可操作用于预处理所获得的数据集，并将数据集分类成输入组;输入组还包括数据集和待 预测的参数的测量值；（ii)获得每个软传感器的合成输出；（iii)对跨多个软传感器中的每 一个的合成输出进行平均;平均后的合成输出被设为最终的预测参数。
[0019] 优选地，废水处理过程包括膨胀颗粒污泥床(EGSB)反应器，并且待预测的参数为 流出参数。
[0020] 优选地，流出参数包括EGSB反应器的总有机碳(TOC )、化学需氧量(COD )、和生化需 氧量(BOD)。
[0021] 优选地，EGSB反应器包括至少一个平衡池和至少一个流入调节池。
[0022] 优选地，第一组测量设备包括在线和离线测量。
[0023] 优选地，第二组测量设备包括离线测量。
[0024] 优选地，过程变量包括:至少一个平衡池中的废水的水平;平衡池与流入调节池之 间的流速、流入和流出温度;平衡池和调节池处的废水pH值。
【附图说明】
[0025]为使本发明更容易理解并且有效地进行实践，现在将参考附图，附图示出本发明 的优选实施方式，并且在附图中：
[0026]图1显示了膨胀颗粒污泥床(EGSB)反应器过程；
[0027] 图2是根据本发明的实施例的用于预测废水处理过程的参数的方法的流程图；
[0028] 图3是用于开发用于预测废水处理过程的参数中的软传感器所采用的算法的流程 图；并且
[0029]图4显示了根据用于预测废水处理过程的参数的方法的预测结果。
[0030]本发明也可采用其它装置，并且因此，附图不能被理解为代替本发明的说明书的 普遍性。
【具体实施方式】
[0031]在说明书中，要领会，术语"出水"指来自厌氧/EGSB反应器的处理后的废水。处理 后的废水可以或可以不达到排放水质，即来自厌氧/EGSB反应器的处理后的废水可能需要 进一步处理以达到足够的质量。
[0032]根据本发明的实