一种A2O生物池工艺的全流程优化数学模型建立方法

本发明涉及污水领域，具体涉及一种a2o生物池工艺的全流程优化数学模型建立方法。

背景技术：

1、随着社会发展的需要，污水处理智能化发展成为必然趋势，污水处理厂是一个环保行业，在整个微生物处理有机质过程就是一个二氧化碳排放的过程，污水处理需要投入各种能源和投加各种药剂。在保证污水处理达标的情况下，有效的提升污水处理厂处理效率的方向有两个，一个方向是挖掘工艺的潜能，自1916年世界上第一座活性污泥工艺的水厂诞生至今，过去的100多年是人类科技、文明飞速发展的黄金时期，活性污泥已经诞生出数10种变种工艺，各类研究已经逼近极限，近些年关于工艺挖掘的各种研究和论文已经非常少见，工艺的挖掘空间已经非常有限。另一个方向是提升控制水平，目前来说可提升的空间还非常巨大。为了提高污水厂运行效益，降低污水处理厂的能耗，节约运行成本，保证水质达标，国际水协(iawq)推出了asm系列模型。在此模型基础上开发了众多模拟软件，这类模型能够模拟污水厂主体工艺的运行，在不同的原型条件下，模拟出出水水质后根据模拟的出水水质，去通过经验控制水厂的药量，曝气量，回流量，不能精确控制碳源投加量，曝气量、回流量，并且大部分现存智能系统核心控制理念均属于经验控制。a2o生物池工艺的全流程优化数学模型建立方法运用生物反应机理，优化工艺参数和控制信号，将优化的工艺参数和控制信号放入建立的工艺模型模拟出放入数学模型计算的工艺参数和控制信号后的水质变化，并根据工艺模型模拟出的出水水质去不断优化调整工艺参数和控制信号，找到最优的工艺参数和控制信号，该技术提高污水厂的运行效率，达到节能降耗的目的，为现场技术人员提供可视化数据展示，工作人员可以了解每时每刻的数据变化，让工作人员做到一切情况了然于胸，真正实现前馈控制，具有非常好的预测性，也让模型计算的控制信号更具说服力。

技术实现思路

1、本发明的目的在于提供一种a2o生物池工艺的全流程优化数学模型建立方法，本发明结合a2o生物池污水处理厂历史运行数据及实时运行数据，以单组各项进水水质指标的年平均值作为输入值建立出以数学模型计算结果为核心的全流程优化污水处理厂出水水质的数学模型控制方法；真正意义上解决精确投加的药量、曝气量、回流量的问题，并在精确投加药，曝气，回流后预测出曝气结果，全流程处理结果清晰直观。

2、为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

3、一种a2o生物池工艺的全流程优化数学模型建立方法，包括以下步骤：

4、s1：建立a2o工艺模型。根据污水厂的工艺及反应池参数建立模型，确定模型需要建立的反应单元；

5、s2：确定模型的进水组分，进水组分包括但不限于cod、氮组分、磷组分、碱度、ss；

6、s3：模型敏感性分析，模型进行稳态模拟，模拟出出水水质结果，比较模拟出的出水水质结果与实际出水结果，采用常规灵敏度分析法对模型参数进行校正；

7、s4：对模型进行静态模拟及动态分析，敏感性分析后，在稳态下对模型进行校正，对模型的动力学参数进行调整，参数调整后将进水水质水量导入模型进行模拟，将实际出水水质与模拟出水水质结果进行动态模拟分析，各模拟出水水质与实际出水水质相近，变化趋势一致；

8、s5：在a2o工艺模型中加入数学模型，在已构建的a2o工艺模型加入数学模型计算出的精确的碳源投加量、回流量、曝气量、对污水厂的水质进行全流程优化；

9、s6：比较模拟出水水质结果与实际出水结果。将模拟的出水水质显示出来，若预测的出水水质不理想可立即调整。对调整后的数据进行调整，然后将预测出水水质结果与实际出水水质结果进行比较，实际结果与预测结果拟合，增加模型的可信度。

10、进一步的，所述步骤s1收集污水厂基础数据，主要包含：污水厂概况：主要构筑物尺寸、处理工艺、受纳水量。

11、进一步的，所述步骤s2具体包括以下子步骤：

12、s2.1：对污染物比例进行分析，分析污水可生化性及污染物去除难易度；

13、s2.2：历史检测数据分析：进水水量分析、进出水主要水质指标分析，包括但不限于cod、bod5、ss、tn、tp、nh3-n与温度；

14、s2.3：分析污水厂全流程运行现状，通过对污染物指标的沿程变化特征的分析，判断各工艺运行环节是否处于最佳运行状况，提出需重点优化改造主体单元。主要包含：

15、s2.4：取样点的设置与水质指标的测试；

16、s2.5：水质指标全流程变化分析，包括但不限于cod、bod5、ss、tn、tp、nh3-n，温度，分析其变化规律，分析各主体单元运行状态；

17、s2.6：功能区活性污泥性能分析，利用实验计算污泥中各菌群活性，确定功能区是否正常运作。

18、本发明的有益效果：

19、1.模型建立与优化：通过建立a2o工艺模型，考虑到污水处理厂的工艺和反应池参数，确定模型需要建立的反应单元。在模型建立的过程中，需要准确收集和整理污水厂的基础数据，包括污水厂概况、主要构筑物尺寸、处理工艺和受纳水量等。根据这些数据，建立模型的结构和参数，并对模型进行稳态模拟和敏感性分析。通过与实际出水结果的比较，对模型参数进行校正，提高模型的准确性和可靠性。

20、2.进水组分分析与优化：在建立模型的过程中，需要对进水组分进行详细分析。除了cod、氮组分、磷组分、碱度和ss等主要指标外，还需要考虑其他可能对工艺运行和水质影响的指标，如有机氮、总磷、温度、ph等。通过对进水组分的综合分析，可以了解污水的可生化性和污染物去除的难易程度，从而调整模型的参数和结构，以优化a2o工艺的效果和水质的稳定性。

21、3.全流程优化与水质预测：在建立的a2o工艺模型中，加入数学模型，通过精确计算碳源投加量、回流量和曝气量等参数，实现对污水厂水质的全流程优化。通过数学模型的精确计算和模拟，可以预测出水水质的变化趋势，并及时调整参数以确保水质的达标。这种全流程优化和水质预测能够提高水质的稳定性和一致性，降低出水水质的变动性，增加模型的可信度。

22、4.数据分析与操作指导：本发明通过收集污水厂的基础数据，并进行历史检测数据分析、取样点设置与水质指标测试、水质指标全流程变化分析等方法，对污水厂的全流程运行现状进行分析。通过这些数据分析和操作指导，可以帮助运行人员了解污水处理过程中的关键环节和问题点，指导他们进行合理的操作和调整，提高整个处理过程的效率和稳定性。

23、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

技术特征：

1.一种a2o生物池工艺的全流程优化数学模型建立方法，其特征在于，包括以下步骤：

2.如权利要求1所述的a2o生物池工艺的全流程优化数学模型建立方法，其特征在于：所述步骤s1收集污水厂基础数据，主要包含：污水厂概况：主要构筑物尺寸、处理工艺、受纳水量。

3.如权利要求1所述的a2o生物池工艺的全流程优化数学模型建立方法，其特征在于：所述步骤s2具体包括以下子步骤：

4.如权利要求1-3任一项所述方法于污水工艺优化的应用。

技术总结
本发明涉及污水领域技术领域，具体涉及一种A<supgt;2</supgt;O生物池工艺的全流程优化数学模型建立方法，包括：建立工艺模型，确定模型进水组分，对工艺模型进行敏感性分析，对工艺模型进行校准，对工艺模型进行静态及动态模拟，确定工艺模型，在确定的工艺模型中加入数学模型计算的结果，运用工艺模型模拟出加入数学模型后的出水水质数据，并将工艺模型模拟出来的出水水质数据与实际出水水质数据进行比较。本发明能预测出水水质，提前预测水质的好坏，保证出水水质稳定达标，精确计算药量、曝气量、回流量，从而达到降低能耗，节约成本的目的。

技术研发人员：施宇震,王萍,申菊
受保护的技术使用者：昆明理工大学
技术研发日：
技术公布日：2024/1/16