曝气控制方案综述

目录一、方案1-直接控制法（多参数调节）......................................................................................2二、方案2-PID控制法（多参数调节，模型补偿）...................................................................3三、方案3-无模控制法（单参数调节，模型补偿）..................................................................5四、方案4-模式控制法（经验数据库，查表法）......................................................................5五、方案5-PFC控制法（模型法，误差性能评价）...................................................................6一、方案1-直接控制法（多参数调节）污水厂的曝气就是根据污水处理中的需氧量来调节鼓风机的风速。通常污水处理中的需氧量由两部分组成，一是水中微生物的有氧活动所消耗的氧，二是一定值的剩余氧，这是为了保证微生物高效有氧活动。那么大致可以得出，需氧量等于微生物消耗的氧加上剩余的氧。需氧量表示为：剩耗需OOO（1-1）式中，'O需为水处理中的需氧量，耗O为水中微生物的有氧活动所消耗的氧，剩O为剩余氧。水中剩余的氧等于处理水体积乘以剩余氧浓度，即处理水体积乘以剩余溶解氧。微生物消耗的氧等于微生物的数量乘以单个所消耗的氧，微生物的数量等于所需要处理水体积乘以单位体积微生物浓度，所需要处理水体积等于水流速度乘以时间。表示如下，oD*VO剩（1-2）N*OO单耗耗（1-3）mD*VN（1-4）F*TV（1-5）式中，单耗O为单个所消耗的氧，N为微生物的数量，V为处理水体积，oD，mD分别为水中剩余氧浓度和水中单位体积微生物浓度，F为水流速度，T为水流时间。把（1-2）、（1-3）、（1-4）和（1-5）代入（1-1）中，表达如下，omD*F*TD*F*T*OO单耗需（1-6）曝气是指将空气中的氧强制向液体中转移的过程，溶解氧跟空气里氧的分压、大气压、水温和水质有密切的关系，因此在转移过程中会有一定氧的损失。在此假设合适条件下可以完全溶于水中，氧损失可以忽略不计，那么可以认为曝气量等于需氧量乘以氧气浓度。即，氧需需D*Oair（1-7）式中，需air为曝气量，氧D为氧气在空气中的浓度。污泥浓度就是单位体积污泥含有的干固体重量，而水中的微生物来源于活性污泥中，那么可以认为水中单位体积微生物浓度与污泥浓度有一定的比例关系，即MLSS*kDm（1-8）把（1-6）和（1-8）代入（1-7）中，氧单耗需）（D*F*T*DMLSS*k*Oairo（1-9）令氧D*Tk1，k*Ok2单耗，则F*k*DMLSS*kair1o2）（需（1-10）即，）（需DOMLSS*k*Flow*kair21（1-11）从式（1-11）可以看出，只要调整参数k1和k2既可以根据进水水量、污泥浓度和剩余溶解氧调节曝气气量。为了减小误动作的影响，采用控制量增量法，即）（DOMLSS*k*Flow*k21u（1-11）为了保证控制达到期望值，对上述控制加上反馈调节，调节如下，eku*DOMLSS*k*Flow*k321）（（1-12）二、方案2-PID控制法（多参数调节，模型补偿）PID作为工程中一种广泛应用的控制器，分为增量式和位置式。其区别有二：一是增量型PID不需做累加，因误差产生的精度问题对控制量的影响较小；而位置型PID则用到过去误差的累加，容易产生较大的累加误差，对控制量的影响较大。二是增量型PID得出的是控制的增量，误动作影响小，必要时通过逻辑判断限制或禁止本次输出，不会影响系统的工作；而位置型PID的输出是控制量的全部输出，误动作影响大。根据曝气过程的特点，本为采用增量式PID算法。增量式PID研究对象方程描述如下，2))]-e(k1)-2e(k-(e(k)TTe(k)TT1)-e(k-[e(k)k1)-u(k(k)dipu（2-1）式中pk为比例系数，iT为积分时间常数，dT为微分时间常数，T为采样周期。式（2-1）可以写成（2-2）式，2))-e(k1)-2e(k-(e(k)ke(k)k1))-e(k-(e(k)k1)-u(k(k)dipu（2-2）式中pk、ik、dk分别为比例、积分和微分系数。式中的e(k)为实际值与期望值的差值，如下，y(k)-r(k)(k)(k)ee（2-3）式中r(k)为期望值，y(k)为当前输出，考虑到曝气过程的大滞后因素，本文对当前输出值作补偿，从而使当前时刻的输出逼近因干扰和控制而引起的真实输出值。补偿方式如下，D)-(k-(k)(k)(k)mmpyyyy（2-4）(k)y-r(k)(k)pe（2-5）式中(k)ym为当前时刻模型值，D为滞后时间。通过曝气模型的预测输出值对当前时刻的输出值进行补偿，从而使当前时刻的输出逼近因干扰和控制而引起的真实输出值。通过模型计算出当前时刻的输出值和滞后时间前的输出值，用他们的差作为当前时刻输出值的补偿值。目前建立曝气模型的方式有很多种，有非线性回归模型、BP神经网络模型和传递函数模型等。回归模型建立最简单，它通过对数据的统计即可得到，但其逼近能力主要取决于所选择结构的准确性。BP神经网络不需要确立模型结构，其三层结构可以逼近任意非线性，经过训练即可得到精度相当高的模型，但其结构复杂。传递函数的建立则需要得到控制的单变量输出响应曲线，需要经过实验或数据的复杂选择。根据曝气过程的特点，选择回归模型或BP神经网络模型最为恰当。通常污水厂中影响溶解氧的因素主要为进水水量、进水COD、曝气池的污泥浓度和曝气气量，此外还有进水温度、进水PH、NH4-N、NO3-N、TP等。因此模型的输入变量选择为进水水量、进水COD、曝气池的污泥浓度和曝气气量，输出为曝气池的DO。三、方案3-无模控制法（单参数调节，模型补偿）无模型控制方法也是一个应用相当广泛的一个控制方法。其方法如下：1))-u(k1)-(k-y(k)(1)-(k1)-(k1)-(k(k)2uuk（3-1）1)-(k(k)(1),(k)21u或若（3-2）y(k)]-1)(k[y(k)(k)1)-(k(k)*2kuu（3-3）其中，k，k（0,2），，是权重因子，是一个充分小的正数，(1)是(k)的初值。无模型控制与PID控制一样，对于大时滞系统也会不稳定，那么跟上述一样，也对其做补偿，补偿方式如下，D)-(k-(k)(k)(k)mmpyyyy（3-4）(k)]y-1)(k[y(k)(k)1)-(k(k)p*2kuu（3-5）式中(k)ym为当前时刻模型值，D为滞后时间。四、方案4-模式控制法（经验数据库，查表法）通常影响污水处理需氧量的主要因素有进水流量、进水COD、污泥浓度、水温、PH和DO等。经过对椒江污水厂因素的分析，对需氧量有重大影响的变量是进水流量、污泥浓度和DO值。通过经验查表法来进行曝气量的控制，表格结构如表1，A1，A2，…，An为流量的区间，B1，B2，…，Bm为Mlss的区间。表2、3、…、p+1（p=n*m）为流量在Ak区间和污泥浓度在Bq区间情况下溶解氧DO和曝气气量的关系对照表。表2、3、…、p+1（p=n*m）的值可以取所在区间内的平均值。根据对历史数据的统计分析，建立如下所示表格，供控制查询。表1进水流量和污泥浓度区间划分表FlowMlssA1A2…AnB1B2…Bm表2A1-B1溶解氧DO和曝气气量的关系表DOa11a12…a1nQb11b12…b1n表3A1-B2溶解氧DO和曝气气量的关系表DOa21a22…a2nQb21b22…b2n...表p+1An-Bm溶解氧DO和曝气气量的关系表DOap1ap2…apnQbp1bp2…bpn五、方案5-PFC控制法（模型法，误差性能评价）PFC控制方法对于曝气这种非线性、大时滞系统具有较好的效果，但是其模型的精度相对要较高。预测函数控制研究对象方程描述如下，)1()1()(kukykyp（5-1）)()()()(2210kurkurkurrkunnp（5-2）式中n为多项式展开阶数。阶跃基加权预测函数控制的基函数结构形式如下，()*1()(1,2,,)ifitiTiH（5-3）式中),,2,1(Hii为权系数，H为预测时域长度。此时控制输入表达形式如下，),,2,1()(*)(Hiifiku（5-4）式中为组合系数。某一采样时刻其未来预测控制量用矩阵表达形式如下，*)(kU（5-5）)()()()(21kkkkH（5-6）式中)(k为k时刻权系数取值。在滚动优化过程中，可实时调节权系数)(k的值，保证参考轨迹与过程预测轨迹在预测时域内前部分的尽可能局部拟合。预测函数控制中的控制量为pu，其为基函数的组合，即式（5-4）中u的的计算公式。用式（5-1）计算模型响应如下，)()()(11201HHHmHmkyHky（5-7）由预测函数控制原理知模型自由响应ly和模型函数响应fy结果如下，)()(kyHkyHl（5-8）)()(HkyHkyof（5-9）)()(112010HHHHky（5-10）参考轨迹和过程预测轨迹结果如下，))()(()()(kykceikcikypir（5-11）)()()(ikeikyikymp（5-12）)()()(ikyikyikyflm（5-13）)()()(kykyikemp（5-14）)()()()(Dkykykykymmp（5-15）式中)(ike为过程补偿误差，D为过程时滞。优化计算就是用优化指标函数对过程预测轨迹与参考轨迹进行拟合，通常优化指标函数取为误差平方和，公式如下，HiprikyikyJ12)]()([（5-16）令)()()()(ikeikyikyikdlr，则优化指标函数形式改为，HioikyikdJ12])()([（5-17）极小化优化指标函数，则组合系数计算公式如下，)()()()(11ikyikyikyikdoHiooHi（5-18）那么预测时域内第一步预测控制量结果如下，1)1(ku（5-19）