论文部分内容阅读
碳源作为反硝化过程的电子供体，是影响生物脱氮过程的重要因素，低碳氮比污水需要外加碳源，以保证反硝化反应的顺利进行。优化控制碳源投加量，可以节省处理成本，降低后续处理难度。传统的数学模型难以满足控制要求，而人工神经网络模型在处理非线性关系上显示出了强大的能力，特别适用于污水处理过程的模拟和优化控制。 本研究针对河南省偃师市污水处理厂的污水处理过程，利用人工神经网络模型，对CAST工艺外加碳源优化模型的构建进行了研究，并在此基础上设计了碳源投加控制模型以及外加碳源在线控制系统，通过案例分析证明了系统的可行性，主要工作和成果如下: (1)实验室搭建了CAST工艺污水处理装置，以河南省偃师市污水处理厂的进水为原水，分别构建了基于BP和RBF神经网络的外加碳源量优化模型，并对其训练过程和预测能力进行了对比分析。BP和RBF神经网络模型的仿真误差分别为3.93％和3.66％，预测误差分别为3.12％和4.04％。结果表明，两种网络模型均能有效预测外加碳源量，在训练速度和逼近能力方面，RBF神经网络模型优于BP神经网络模型，但在预测性能方面，BP神经网络模型则有更高的预测精度。 (2)针对偃师市污水处理厂的进出水水质数据信息，构建了基于BP神经网络的外加碳源量优化预测模型，预测误差为5.51％，结果表明可以利用BP网络模型实现对污水处理厂的外加碳源量的预测，并且预测精度较高。 (3)以外加碳源量优化模型为核心，进一步设计了外碳源投加控制模型，该模型可以对污水处理系统进出水水质指标进行自动监测和数据传输，并对碳源投加量和投加方式进行选择和控制。 (4)构建了包括外碳源投加现场控制端、监控中心和远程控制端三个子系统的外加碳源远程在线控制系统，可以远程控制外碳源投加过程，模型更新及监控污水处理系统的运行，并通过具体案例对外加碳源在线控制系统的效果进行了分析评价。 本研究表明，可以利用BP神经网络构建污水处理厂外加碳源量优化模型，并在此基础上建立外加碳源远程在线系统，实现最佳碳源量的预测，模拟自动投加及远程控制。该系统为污水处理厂降低处理成本、提高出水水质、优化碳源投加量提供了有效的解决途径。