应用于沉淀池的自动排泥方法与流程

1.本发明涉及排泥处理领域，具体涉及一种应用于沉淀池的自动排泥方法。


背景技术：

2.若污泥淤积在沉淀池内，严重时将危及到水厂的安全运行。目前我国沉淀池排泥技术主要是机械排泥，大多数机械排泥仅通过简单的plc程序控制，不能根据来水水质的波动和污泥量生产的变化进行自动调整排泥策略。而来水水质变化将影响混凝絮凝工艺段药剂投加量，从而影响后续沉淀池的污泥产生量。
3.现有的借助机器学习算法进行排泥的方法，未能与智能加药系统实现协同控制，没有考虑智能加药对后续排泥的影响；同时，现有的排泥方法在排泥过程中，由于没有进行精准判断，导致大量半成品水的浪费。
4.因此，需要一种应用于沉淀池的自动排泥方法，能够解决以上问题。


技术实现要素：

5.有鉴于此，本发明的目的是克服现有技术中的缺陷，提供应用于沉淀池的自动排泥方法，能够实现精准排泥，改善了排泥效果，减少了半成品水的浪费。
6.本发明的应用于沉淀池的自动排泥方法，包括如下步骤：
7.s1.构建以沉淀池出水浊度为输出的智能加药模型；
8.s2.构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型；
9.s3.利用污泥积累分布规律模型预测目标区域的污泥分布浓度预测值，并利用智能加药模型预测目标区域的出水浊度预测值，若污泥分布浓度预测值大于污泥浓度报警值或出水浊度预测值大于出水浊度报警值或排泥周期大于排泥周期报警值，则对沉淀池进行自动排泥。
10.进一步，构建以沉淀池出水浊度为输出的智能加药模型，具体包括：
11.以水质参数、加药参数以及排泥参数为输入，以沉淀池出水浊度为输出，通过机器学习算法，构建智能加药模型；其中，所述水质参数包括进水浊度、进水电导率、进水ph以及进水温度；所述加药参数包括混凝剂加药量以及絮凝剂加药量；所述排泥参数包括排泥周期以及排泥流量。
12.进一步，构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型，具体包括：
13.以进水浊度、出水浊度、混凝剂加药量、絮凝剂加药量、排泥周期以及排泥流量为输入，以沉淀池污泥分布浓度为输出，通过机器学习算法，构建污泥积累分布规律模型。
14.进一步，对沉淀池进行自动排泥，具体包括：
15.按照排泥行进方向将沉淀池划分为同等长度的n段，并以50hz的行进速度进行吸泥；
16.若n段中某一段污泥量占总污泥量的30％及以上，则该段采用20hz的行进速度进行吸泥；
17.若n段中某一段污泥量占总污泥量的20％及以上且30％以下，则该段采用35hz的行进速度进行吸泥；
18.若n段中某一段污泥量占总污泥量的10％及以上且20％以下，则该段采用50hz的行进速度进行吸泥；
19.若n段中某一段污泥量占总污泥量的10％以下，则不吸泥且行进；
20.其中，在每段之间，设置休息时间为k小时；
21.当进行完最后一段的吸泥且休息完毕后，执行与所述行进方向相反的反向行进吸泥；所述反向行进吸泥的行进速度以及休息时间的设置原理与正向行进时一致；所述正向为所述行进方向。
22.进一步，还包括：s4.自动排泥结束后：
23.若排泥浓度的平均值低于设定的污泥浓度报警值的10％，则排泥周期增加20％和排泥流量减少10％；
24.若排泥浓度的平均值高于设定的污泥浓度报警值，则排泥流量增加10％和排泥周期减少20％。
25.进一步，还包括：s5.将步骤s4中变化后的排泥周期与排泥流量作为新的排泥周期与排泥流量，并将新的排泥周期与排泥流量作为输入参数，对智能加药模型以及污泥积累分布规律模型进行更新。
26.进一步，步骤s3中，还包括：若实际检测的出水浊度大于出水浊度报警值，则对沉淀池进行自动排泥。
27.本发明的有益效果是：本发明公开的一种应用于沉淀池的自动排泥方法，通过根据混凝絮凝工艺单元进水的浊度等水质参数以及其混凝剂絮凝剂的药剂投加量对平流沉淀池的污泥分布累计规律进行建模与机器学习，同时通过排泥的污泥浓度对模型进行矫正与自学习，从而提升污泥分布累积模型的可靠度；同时，构建排泥周期与排泥流量与药剂投加量、沉淀池出水水质的模型关系，以此来协同控制药剂投加量和排泥周期与排泥流量，实现精准排泥，减少半成品水的浪费，实现平流沉淀池出水水质的提升以及混凝絮凝工艺单元药剂量的节省，为下游的过滤单元提供稳定水质。
附图说明
28.下面结合附图和实施例对本发明作进一步描述：
29.图1为本发明的方法流程示意图。
具体实施方式
30.以下结合说明书附图对本发明做出进一步的说明，如图所示：
31.本发明的应用于沉淀池的自动排泥方法，包括如下步骤：
32.s1.构建以沉淀池出水浊度为输出的智能加药模型；
33.s2.构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型；
34.s3.利用污泥积累分布规律模型预测目标区域的污泥分布浓度预测值，并利用智能加药模型预测目标区域的出水浊度预测值，若污泥分布浓度预测值大于污泥浓度报警值或出水浊度预测值大于出水浊度报警值或排泥周期大于排泥周期报警值，则对沉淀池进行
自动排泥。其中，污泥浓度报警值、出水浊度报警值以及排泥周期报警值均可根据实际工况进行设定。步骤s3中，还包括：若实际检测的出水浊度大于出水浊度报警值，则对沉淀池进行自动排泥。
35.本实施例中，步骤s1中，构建以沉淀池出水浊度为输出的智能加药模型，具体包括：
36.以水质参数、加药参数以及排泥参数为输入，以沉淀池出水浊度为输出，通过机器学习算法，构建智能加药模型；其中，所述沉淀池可以为平流沉淀池，平流沉淀池是设置在凝聚沉淀处理后的沉淀池；以现有的混凝絮凝工艺为参考，将进水浊度、进水电导率、进水ph以及进水温度作为水质参数；根据药剂投加经验，设置混凝剂加药量以及絮凝剂加药量，并将混凝剂加药量以及絮凝剂加药量作为加药参数；通过参考排泥经验，设置排泥周期以及排泥流量，并将排泥周期以及排泥流量作为排泥参数。
37.所述机器学习算法采用现有的监督学习算法或无监督学习算法或强化学习算法，在此不再赘述；将水质参数、加药参数以及排泥参数作为训练集，通过对机器模型进行训练，得到智能加药模型，使得智能加药模型能够输出沉淀池出水浊度预测值。
38.本实施例中，步骤s2中，构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型，具体包括：
39.以进水浊度、出水浊度、混凝剂加药量、絮凝剂加药量、排泥周期以及排泥流量为输入，以沉淀池污泥分布浓度为输出，通过机器学习算法，构建污泥积累分布规律模型。其中，所述出水浊度为实际检测得到的沉淀池出水浊度；混凝剂加药量以及絮凝剂加药量的设置、排泥周期以及排泥流量的设置与步骤s1中的设置原理相同，在此不再赘述。
40.所述机器学习算法采用现有的监督学习算法或无监督学习算法或强化学习算法，在此不再赘述；将进水浊度、出水浊度、混凝剂加药量、絮凝剂加药量、排泥周期以及排泥流量作为训练集，通过对机器模型进行训练，得到污泥积累分布规律模型，使得污泥积累分布规律模型能够输出沉淀池污泥分布浓度预测值。其中，所述污泥分布浓度包括目标区域内各段的污泥浓度信息。
41.本实施例中，步骤s3中，对沉淀池进行自动排泥，具体包括：
42.按照排泥行进方向将沉淀池划分为同等长度的n段，并以50hz的行进速度进行吸泥；其中，所述n可取值为4；并采用现有的行车式吸泥机对沉淀池内的污泥进行吸泥并排出；默认状态下，行车式吸泥机全速行进的频率为50hz；
43.若n段中某一段污泥量占总污泥量的30％及以上，则该段采用20hz的行进速度进行吸泥；
44.若n段中某一段污泥量占总污泥量的20％及以上且30％以下，则该段采用35hz的行进速度进行吸泥；
45.若n段中某一段污泥量占总污泥量的10％及以上且20％以下，则该段采用50hz的行进速度进行吸泥；
46.若n段中某一段污泥量占总污泥量的10％以下，则不吸泥且行进；
47.其中，在每段之间，设置休息时间为k小时；本实施例中，所述k可取值为2；
48.为了对沉淀池内的污泥进行彻底清理，并保证排泥效果，当进行完最后一段的吸泥且休息完毕后，执行与所述行进方向相反的反向行进吸泥；所述反向行进吸泥的行进速
度以及休息时间的设置原理与正向行进时一致；所述正向为所述行进方向。
49.本实施例中，本发明的自动排泥方法还包括：s4.自动排泥结束后：
50.若排泥浓度的平均值低于设定的污泥浓度报警值的10％，则排泥周期增加20％和排泥流量减少10％；当满足上述条件时，表明排出的污泥量少了，则通过延长排泥周期，那么累计排出的污泥量就会变多，从而减少排泥次数；同时，当满足上述条件时，也表明排出的污泥中水多了，则通过减少排泥流量，进而减少水分的排出。
51.若排泥浓度的平均值高于设定的污泥浓度报警值，则排泥流量增加10％和排泥周期减少20％。当满足上述条件时，一方面，表明排出的污泥量多了，则通过缩短排泥周期，降低一次排泥的累计排泥量，从而保证排泥设备的正常运行；另一方面，也表明排出的污泥中水并不多，则通过增加排泥流量，在保证不会排出大量水的基础上，尽可能地排出更多的污泥。
52.其中，所述排泥浓度的平均值为排泥检测总量除以排泥总时间；所述排泥检测总量可通过污泥浓度计进行检测。
53.本实施例中，本发明的自动排泥方法还包括：
54.s5.将步骤s4中变化后的排泥周期与排泥流量作为新的排泥周期与排泥流量，并将新的排泥周期与排泥流量作为输入参数，对智能加药模型以及污泥积累分布规律模型进行更新。
55.通过在步骤s4中，对排泥周期与排泥流量进行优化调整，从而得到更新后的排泥周期与排泥流量；将更新后的排泥周期与排泥流量替换掉原先的排泥周期与排泥流量，输入到智能加药模型以及污泥积累分布规律模型中，通过对智能加药模型以及污泥积累分布规律模型进行更新训练，可以得到优化后的智能加药模型以及污泥积累分布规律模型。从而可以利用优化后的智能加药模型以及污泥积累分布规律模型为下一轮的自动排泥提供更精确、更可靠的技术支持。
56.最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。