一种智能污水处理控制系统的制作方法

本发明涉及污水处理技术领域，具体为一种智能污水处理控制系统。

背景技术：

污水处理一直处于非稳定状态，进水水质和进出水水量时刻处于变化之中，导致其他参数和出水质量不断变化，其净化机理主要是曝气池污泥中附着的微生物在适当的氧气条件下，通过新陈代谢分解污染物，实现污水的净化。因此溶解氧的控制最为关键。

其中，曝气过量不仅造成电能浪费，增加运营成本，且溶解氧通过内回流被带到缺氧区影响反硝化的效果，溶解氧通过外回流被带到厌氧区影响厌氧释磷的过程。曝气量不足，影响曝气池中微生物活性，影响出水水质。还可能造成二沉池中发生反硝化，污泥上浮，影响出水。

污水处理系统是一个大滞后、非线性、强耦合的工业过程控制，由于入水流量、成分不确定性，针对污水处理智能控制、在线预测与控制溶解氧、实现精确曝气仍是一个难点。

目前国内污水处理过程中溶解氧无法在线精确预测与控制，预测模型的精度与准确度有待提高；其次，国内污水处理过程中多是采用过度曝气来达到出水水质，增加运营成本；另外，国内污水处理过程精确曝气停留在实验阶段，实际应用效果有待提高；而国内污水处理过程中污水控制厂商、人工智能厂商、数学模型厂商没有形成一套完整的智能污水控制方法；一套成熟的智能污水处理控制系统可以实现对设备各参数的实时监控，并通过智能的算法，根据不同的污水水质，调整处理策略，调整关键步骤中的参数设定。

技术实现要素：

本发明的目的在于提供一种智能污水处理控制系统，通过真实污水厂试验对比，获取在出水较优的情况下的曝气池入水指标以及此时的溶解氧值作为样本，根据样本训练采用粒子群算法优化的支持向量机模型，最后实现在不同入水条件下的溶解氧的精准预测，再通过混合编程方法，使预测的结果快速调整送氧量实现精确曝气，进而优化出水水质，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种智能污水处理控制系统，包括自动化采集模块、控制调节模块、预测分析模块和生产可视化模块，自动化采集模块与控制调节模块建立双向连接，控制调节模块分别与预测分析模块、生产可视化模块建立双向连接，预测分析模块和生产可视化模块之间建立双向连接；系统集成与混合编程在vs平台下编写的生产可视化模块对matlab平台下编写的预测分析模块的运行结果进行调用，再传至step7平台下编写的控制调节模块，由上位机进行显示；

所述自动化采集模块包括plc，数字量输入、输出模块，模拟量输入、输出模块，plc编程环境采用setp7开发平台，其包含组织块ob，功能块fc、fb，系统功能块sfc、sfb，存储块db；

所述控制调节模块实现对溶解氧的闭环控制，其包括溶解氧的设定值、实时值、控制算法，并运用pid控制理论，由比例控制、积分控制、微分控制构成；

所述预测分析模块通过智能算法预测出曝气池需要的溶解氧最优值作为输入变量，再根据预测值反馈给控制调节模块输出定值调整鼓风机实现精确曝气，其智能算法通过粒子群算法pos优化支持向量回归机svr的溶解氧软测量预测建模模型实现；

所述生产可视化模块包括数据显示、数据建模、数据测量、数据报警、数据存储、用户管理，其实时参数显示界面通过modbustcp工业控制协议建立与plc的通讯，运用c#语言senddata.addrange语句直接读取plc的db块。

更进一步的，所述自动化采集模块采用西门子公司的s7-300plc作为核心单元。

更进一步的，所述控制调节模块采用step7开发平台中集成的pid控制器fb41,并将pid控制程序存储于定时循环中断ob35中，设置执行ob35的时间间隔为100ms,在系统启动时通过ob35来调用fb41，并为该功能模块创建背景数据块db20。

更进一步的，粒子群算法pos优化支持向量回归机svr的溶解氧软测量预测建模步骤如下：

步骤1：初步的模拟数据进行监测和规范化，并形成训练集和测试集；

步骤2：初始化svr模型和粒子群算法的所有参数，包括粒子群的初始参数c1和c2，初始速度矩阵v以及每个初始粒子个体最优位置pi和全局优化位置gi，用训练样本集构建svr回归估计模型；

步骤3：选取函数作为粒子群的适应度函数，计算粒子群中各个粒子的适应度数值；

步骤4：根据所得粒子的适应度函数值调整粒子个体最优位置pi和全局最优位置gi；

步骤5：对粒子的状态进行更新，获取svr的最佳参数组合；

步骤6：将求得的参数代入溶解氧方程得到svr的回归估计函数表达式，对未来某一时刻溶解氧浓度进行预测。

更进一步的，所述生产可视化模块采用微软vs2012通用平台软件，数据库采用微软sql2012通用软件，数据库设计包括数据显示部分、数据报警部分和分用户管理部分。

与现有技术相比，本发明的有益效果是：

本智能污水处理控制系统，通过污水自动化采集模块用于采集设备、仪表的运行数据和状态信息，并控制设备运转；污水控制调节模块用于精确曝气；污水预测分析模块用于预测溶解氧数值，并反馈给控制调节模块，生产可视化模块采用混合编程、模块化可加载的方式相互调用、运行，直观的显示污水处理过程中的各种参数、报警、模型等信息；再通过与真实污水厂试验对比，获取在出水较优的情况下的曝气池入水指标以及此时的溶解氧值作为样本，根据样本训练采用粒子群算法优化的支持向量机模型，最后实现在不同入水条件下的溶解氧的精准预测，再通过混合编程方法，使预测的结果快速调整送氧量实现精确曝气，进而优化出水水质。

附图说明

图1为本发明的系统框图；

图2为本发明的自动化采集模块系统图；

图3为本发明的控制调节模块流程图；

图4为本发明的pos-svr优化流程图；

图5为本发明的pos-svr建模框图；

图6为本发明的溶解氧浓度预测值与真实值对比图；

图7为本发明的生产可视化模块及混合编程框图。

图中：1自动化采集模块、2控制调节模块、3预测分析模块、4生产可视化模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例中：一种智能污水处理控制系统，包括自动化采集模块1、控制调节模块2、预测分析模块3和生产可视化模块4，自动化采集模块1与控制调节模块2建立双向连接，控制调节模块2分别与预测分析模块3、生产可视化模块4建立双向连接，预测分析模块3和生产可视化模块4之间建立双向连接；系统集成与混合编程在vs平台下编写的生产可视化模块4对matlab平台下编写的预测分析模块3的运行结果进行调用，再传至step7平台下编写的控制调节模块2，由上位机进行显示，达到智能控制、精准曝气、稳定出水水质、节能降耗的目标。

请参阅图2，在上述实施例中，自动化采集模块1采用西门子公司的s7-300plc作为核心单元，同时扩展了数字量输入、输出模块，模拟量输入、输出模块，能够提供设备的状态监测与控制、仪表信号数据采集功能，其编程环境采用setp7开发平台，包含组织块(ob)、功能块(fc、fb)、系统功能块(sfc、sfb)、存储块(db)；

请参阅图3，在上述实施例中，控制调节模块2主要对溶解氧的闭环控制，运用pid控制理论，其由比例控制、积分控制、微分控制构成，公式如下：

输入：控制偏差e(t)＝r(t)-y(t)公式一；

输出：偏差的比例p、积分i、微分d的线性组合

kc是比例系数，t1是积分时间常数，td是微分时间常数，本发明的pid控制调节模块2采用step7开发平台中集成的pid控制器fb41，并将pid控制程序存储于定时循环中断ob35中，设置执行ob35的时间间隔为100ms，在系统启动时通过ob35来调用fb41，并为该功能模块创建背景数据块db20；

首先将进水cod、悬浮性固体ss、总氮含量tn、总磷含量tp、曝气池进水流量f、ph值、曝气池温度p、好氧池水力停留时间t(人工输入)，由采集传感器或人工输入放入plc的db块中存储，预测分析模块3通过智能算法测出精确的溶解氧do值，通过通讯网络传至db块中，存储地址为db2.dbd196，实际测得的当前曝气池中的do值也存放在db块中，存储地址为db2.dbd16，让db2.dbd196与fb41的sp_int相连，让db2.db16与fb41的pv_in相连。

请参阅图4，在上述实施例中，预测分析模块3主要通过智能算法预测出曝气池需要的溶解氧最优值，然后根据预测值反馈给控制调节模块2调整鼓风机实现精确曝气，提出粒子群算法(pos)优化支持向量回归机(svr)的溶解氧软测量预测建模模型；粒子群算法的概念基础就是粒子，解空间中的相应解与粒子一一对应。粒子群是处于迁移的动态过程且呈一定的方向性，为了达到较高的搜索速率，在搜索过程结合了反馈原理和并行计算；

依据工艺机理和经验知识，通过对污水处理机理特性进行分析，确定进水cod、悬浮性固体ss、总氮含量tn、总磷含量tp、曝气池进水流量f、ph值、曝气池温度p、好氧池水力停留时间t(人工输入)7个输入变量，模型输出为溶解氧浓度do，共采取了100组数据样本，随即选取60组数据作为训练数据，剩下的40组数据作为泛化数据。

请参阅图5，粒子群算法(pos)优化支持向量回归机(svr)的溶解氧软测量预测建模步骤如下：

步骤一：初步的模拟数据进行监测和规范化，并形成训练集和测试集；

步骤二：初始化svr模型和粒子群算法的所以参数，包括粒子群的初始参数c1和c2，初始速度矩阵v以及每个初始粒子个体最优位置pi和全局优化位置gi，用训练样本集构建svr回归估计模型；

步骤三：选取函数作为粒子群的适应度函数，计算粒子群中各个粒子的适应度数值；

步骤四：根据所得粒子的适应度函数值调整粒子个体最优位置pi和全局最优位置gi；

步骤五：对粒子的状态进行更新，从而获取svr的最佳参数组合；

步骤六：将求得的参数代入溶解氧方程得到svr的回归估计函数表达式，对未来某一时刻溶解氧浓度进行预测。

请参阅图6，基于上述建模模型，预测模型仿真结果与真实值对比，初始化每个粒子的范围都在【-1，1】之间，初始化粒子群数目m＝100，设置最小训练停止误差为10^-4，最大迭代数1000，仿真结果如图6所示，可看出，预测效果非常好，误差也比较小，满足应用需求。

请参阅图7，在上述实施例中，生产可视化模块4采用微软vs2012通用平台软件，数据库采用微软sql2012通用软件，数据库设计分为三大部分，第一是数据显示部分，这部分主要存储是周期性插入的实时显示数据；第二是报警数据，包括各种报警的相关信息；第三部分用户部分，主要存储用户信息，各表之间添加冗余字段，实现各表的连接查询；

其中，实时参数显示界面通过modbustcp工业控制协议建立与plc的通讯，运用c#语言senddata.addrange语句直接读取plc的db块，模拟量数据直接读取显示在上位机实时参数界面上，开关量需要一个转换，比如提升泵的运行信号，0对应停止，1对应开启，显示时转换成汉字显示。

综上所述：本发明提供的一种智能污水处理控制系统，包括污水自动化采集模块1用于采集设备、仪表的运行数据和状态信息，并控制设备运转；污水控制调节模块2用于精确曝气；污水预测分析模块3用于预测溶解氧数值，并反馈给控制调节模块2，达到智能控制、降本增效、提高出水水质的目标，生产可视化模块4采用混合编程、模块化可加载的方式相互调用、运行，直观的显示污水处理过程中的各种参数、报警、模型等信息。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。