專利名稱：一種高濁度水系自動投藥控制方法
技術領域：
本發明涉及城市供水行業的自動加藥控制方法。
背景技術：
自來水廠的加藥系統是制水生產過程中的重要工藝，目的是使水中的雜質顆粒與投加的混凝劑之間發生相互碰撞、混凝,通過電性中和、吸附架橋和卷掃作用把水中膠體變成絮凝顆粒，經過沉淀池快速沉淀下來。影響混凝沉淀效果的因素比較復雜，主要包括水溫、PH值、水中雜質的性質和濃度、水力條件等等，這些要素是設計自動加藥系統時需要考慮的方面。
目前，多數自動加藥系統設計思想為基于原水的進水水量、水溫及各種水質參數 (包括進水濁度、PH值等)配比投加，并結合沉淀池的出水濁度或其它反饋信號進行閉環控制計量泵加藥，以達到沉淀池出水濁度的目標。多種參數復合環控制方案是一種比較常規的且具有一定效果的方式。雖然國內已經存在F⑶(礬花成像分析反饋控制系統)、S⑶(流動電荷檢測反饋控制系統)、流量前饋控制等多種自動加藥控制，但都無法適應高濁度水系水質變化，無法獲得較好的沉淀效果和經濟的投藥控制。發明內容
本發明的目的在于提出一種高濁度水系自動投藥控制方法，以省投藥量，并有效地控制水質。
本發明的控制原理如下 由于原水濁度與投藥量之間的關系受多種因素影響，故很難用一種準確的數學模型描述。現有的自動加藥系統控制方法不能夠及時跟隨原水濁度、流量的變化、反應滯后，而且經常出現投藥過量的情況，造成了一定的經濟損失。本發明提出采用神經網絡算法對控制模型進行計算，在多參數共同作用下，得出有效的投加量，再結合配藥濃度控制、計量投加控制實現高濁度水系自動投藥控制。
本發明提出的方法包括以下步驟(I)在原水管安裝原水儀表(其中包括原水流量計、原水濁度檢測儀表、原水溫度計和 PH計)，在沉淀出水處安裝水質儀表(沉淀出水濁度檢測儀表)，在絮凝劑制備系統管線上安裝絮凝劑制備系統儀表(其中包括安裝絮凝劑原液及清水配給流量計、絮凝劑投加池液位計和配藥池液位計)，在絮凝劑投加系統管線上安裝絮凝劑投加流量計；根據給定的配藥濃度設定值來計算配藥原液量Vy和清水配加量Vs，其中 Vs= (Vmax+No · Vo-N · Vo+N · Vo · No) / (N+l), Vy=Vmax-Vs, Vmax 為最大容積，Vo 為藥池內剩余藥液體積，N為本次配藥濃度(及設定投加濃度)，No為剩余藥液濃度，并控制配加管線閥和攪拌機的工作，實現自動配藥，精確配藥濃度；(3)將PLC采集的步驟(I)中水質及原水檢測儀表以及絮凝劑投加流量計的數據及步驟(2)的設定投加濃度，傳送至數據分析服務器記錄，并由服務器對前期歷史投加數據作BP神經網絡練習，公式如下Au=AO g’CO，其中Λ O是實際輸出與計算輸出誤差，g’(h) 是神經網絡傳遞函導數，Au為權優化增量，由輸出偏差和神經網絡傳遞函數導數乘積推導權優化增量，得出神經網絡節點控制權，再用神經網絡算法結合當前原水水質和水量作出投加藥量預測，采用以下公式Η=Σ (w · f (i)+b), O= Σ (u · g(h)+n),其中w、u為控制權，b、 η為偏移量，f O為神經網絡隱層激活函數(如TanSig函數)，g O為神經網絡輸出層激活函數(如LogSig函數)，i為輸入層向量，O為輸出層向量，H為神經網絡隱層向量；(4)將步驟(3)計算的輸出層向量O作為預測值送至PLC，PLC再根據沉淀池出水水質反饋，采用內模PID計算補償投加量,采用的公式為AO=Ki · / edt+Kp · e+Kd · de,其中e 為給定控制目標與實際出水水質誤差，Ki · / edt誤差積分計算，Kp · e比例計算，Kd · de 微分計算和△ O計算輸出調整量及投加藥補償量，實現逐步投加優化；(5)由PLC結合本次配藥濃度N、步驟(4)計算出的投加藥補償量ΛO和步驟(3)計算出的輸出向量O，計算出預測投加流量Q=N · (0+ Δ O)，PLC根據計算出的預測投加流量對調節閥門開度或調節加藥泵頻率沖程實施PID控制，從而控制加藥流量，實現自動加藥。
本發明是根據歷史源水流量、濁度、溫度和pH值，沉淀池的出水濁度等運行參數來訓練BP神經網絡，得到神經網絡模型。再把上述參數作為BP神經網絡的輸入參數。經過BP神經網絡內部的優化算法，得出輸出量用于指導控制加藥量，按照實時沉淀出水濁度用內模PI·D計算調整加藥量，利用流量計和液位計精確配藥濃度，根據配藥濃度和投加藥量計算投加流量，再由流量對調節閥門開度或調節加藥泵頻率沖程實施PID控制，從而控制加藥流量。這樣采用模擬人工投加的神經元控制模式，既能根據源水的變化，迅速調整投藥量，又能自動跟蹤沉淀池的出水濁度，進行適當修正。從而保證了沉淀池的出水濁度指標不僅達到工藝要求而且節約藥耗，也為后續濾池工藝創造良好的條件，在高濁度大變化水處理中得到很好應用。
圖1高濁度水系自動投藥控制原理圖；圖2高濁度水系自動投藥控制系統；圖3自動加藥系統數據傳遞路徑；圖4神經網絡訓練及預測邏輯框圖；圖5自動配藥的控制邏輯框圖；圖6內模控制PID的結構圖；圖7投藥流量調控PID的結構圖；圖8儀表清洗對系統擾動曲線圖；圖9周期啟停取水機泵及流量突變對系統擾動曲線圖；圖10暴雨后高濁度變化對系統擾動曲線圖。
具體實施方式
以下結合附圖詳細說明本發明1、系統設計參見圖1和2，系統采用PLC控制系統。在配藥池制水材料原液管安裝電磁流量計，根據流量計計量和濃度計算控制配加水電磁閥、配加藥液電磁閥，精確計量配加水量和原液量， 嚴格控制配藥濃度。原水管道安裝流量計、高濁度濁度儀、PH計實時檢測原水水質。在藥液投加管線安裝電磁流量計，根據計算投加流量和投藥流量計反饋，控制可調節投加設備。在沉淀出水安裝沉淀水濁度儀，檢測反饋沉淀效果。PLC實現所有PID控制算法和控制邏輯， 監控PC記錄存儲實時數據并實現BP神經網絡算法。
2、控制方法及控制邏輯2.UBP神經網絡控制方法重點之一是BP神經網絡的構建。采用三層網絡，需要合理配置輸入矩陣權值，以及輸出層權值。合理選擇激活函數和輸出函數，用某廠近2年的歷史運行數據作為訓練數據，對建成的神經網絡進行訓練，最后得到一個成熟的神經網絡。用當年實時數據對網絡進行測試，測試結果表明，經過訓練的神經網絡其輸出符合人的經驗投加量。
將工業控制中的上位機軟件作為神經網絡輸入參數的提供源，上位機間斷地將有效的運行參數(神經網絡輸入參數)存入數據庫中。神經網絡軟件間斷地讀取數據庫中的輸入參數，經過計算得到具體的藥物投加量存入數據庫中。當上位機監控軟件得到神經網絡已算出結果時，就將結果從數據庫中取出，輸出給執行機構——調節閥門，見圖3。
參見圖4，模型訓練按一定時間間隔周期執行(短期數據按天執行、長期數據按季度或月執行)，訓練開始將存儲的原始歷史數據提出后作歸一處理，并對權值初始化， 用權值和歸一化后的歷史數據用H= Σ (w *f (i)+b)，0=Σ (u.g(h)+n)(見步驟3)計算出輸出，將此輸出與歷史實際輸出作誤差比較，再用誤差和神經網絡函數導數反向計算權值增量Λ U=AO *g’ (h)(見步驟3)，并優化修正權值，修正后再取 歷史數據推算，如此不斷重復， 不斷總結優化，直至輸出誤差達到要求精度。訓練完成后，對PLC采集的實時采集的原水流量、水質等參數歸一化后，用訓練后的權值和輸入數據用神經網絡函數Η=Σ (w · f(i)+b), 0=Σ (u · g(h)+n)計算出預測投藥量，預測可連續反復執行，作為前饋指導預測，預測間隔最長時間不能超過原水水質突變最短時間。
2. 2、自動配藥控制精確配藥濃度，減小配藥濃度引入系統擾動，能提高控制質量、提高控制穩定性。
參見圖5，由空余高度計算原液需求量Vy和清水配加量Vs，其中 Vs= (Vmax+No · Vo-N · Vo+N · Vo · No) / (N+l), Vy=Vmax-Vs, Vmax 為最大容積，Vo 為藥池內剩余藥液體積，N為本次配藥濃度，No為剩余藥液濃度。根據計算出Vy開啟原液閥添加原液。當配藥流量計計量達到所需原液后關閉原液閥并開啟配水閥配水，直至配藥流量計計量達到所需水量Vs。期間為防止檢測誤差以及意外因素，添加期間對高液位檢測，達到高液位時報警輸出并異常退出配藥過程。
2. 3、內模 PID 控制參見圖6，期望濁度設定值是根據生產需要以及控制安全由操作人員設定的控制出水濁度目標，例如當原水濁度較低時，為降低藥耗，可將控制目標設置為5NTU ;當原水濁度較高，雨季濁度變化激烈時，為保證水質安全，將控制目標設置為3NTU。
本控制是以內模PID為主計算出投藥調整量AO=Ki · / edt+Kp · e+Kd · de，內模PID用簡化沉淀系統過程傳遞函數根據輸出投藥量計算出沉淀效果，并將計算沉淀濁度與實際沉淀濁度比較，再對比較誤差進行PID計算調整投藥量，使誤差逼近期望誤差。內模PID能克服系統慣性，提高控制魯棒性。水體沉淀過程近似一階慣性環節，根據歷史變化趨勢，分析慣性時間常數，可近似得出沉淀過程慣性模型。調整PID檢測實際沉淀濁度與控制目標值間的偏差，對投藥量補償控制。
2. 4、投藥流量調控PID參見圖7。不同藥位高度、不同藥液濃度下，相同投加閥門開度流量卻不相同。因此采用投藥流量調控PID比較實際投藥流量反饋與計算投藥流量(計算投藥量·配藥濃度)誤差，并計算出投加調節量，并用此調節量輸送給可調投加裝置(調節閥或計量泵等)。
應用實例重慶江南水廠玄壇廟制水車間投藥控制系統采用本控制方法，該廠原水為長江水，全年最低濁度20NTU，最高可達10000NTU，其中有80多天高于200NTU，10多天高于1000NTU， 當原水濁度高于400NTU時，采樣值平均變化率450NTU/min。使用自動投藥系統前，主要依靠人工投加，在高濁時期，為保證水質合格，需要大量人工巡檢和調整，在夜間受可視度影響，調整工作十分困難。采用本本控制方法后，大大降低了勞動強度，提高了系統安全性、可靠性和穩定性，沉淀池出水小于5NTU，完全滿足生產需求，運用效果參見圖8、圖9和圖10。
發明或實用新型的優點及積極效果本控制技術采用神經網絡算法結合內模PID控制算法優化控制策略，精確配藥，模擬人工投加控制過程，能有效地克服高濁度水系的原水水質突變等不利因素影響。調節PID 和內模PID對系統進行優化，結合周期性神經網絡訓練，既能及時調整系統動態特性，也加強系統自學習、自我改進能力，使系統在穩定同時逐漸達到最優控制，降低制水材料消耗， 提聞生廣效率。
權利要求
1.一種高濁度水系自動投藥控制方法，所述方法包括以下步驟 (I)在原水管安裝原水儀表，其中包括原水流量計、原水濁度檢測儀表、原水溫度計和PH計，在沉淀出水處安裝水質儀表即沉淀出水濁度檢測儀，在絮凝劑制備系統中安裝絮凝劑制備系統儀表，其中包括絮凝劑原液及清水配給流量計、絮凝劑投加池液位計和配藥池液位計，在絮凝劑投加系統管線上安裝絮凝劑投加流量計； (2 )由PLC采集步驟(I)中絮凝劑制備系統儀表的數據，根據配藥濃度設定來計算配藥原液量 Vy 和清水配加量 Vs,其中 Vs= (Vmax+No Vo-N Vo+N Vo No) / (N+l), Vy=Vmax-Vs,Vmax為最大容積，Vo為藥池內剩余藥液體積，N為本次配藥濃度及設定投加濃度，No為剩余藥液濃度，并控制配加管線閥和攪拌機的工作，實現自動配藥，精確配藥濃度； (3)將PLC采集的步驟(I)中水質及原水檢測儀表以及絮凝劑投加流量計的數據及步驟(2)的設定投加濃度，傳送至數據分析服務器記錄，并由服務器對前期歷史投加數據作BP神經網絡練習，公式如下Au=A0*g’(h)，其中AO是實際輸出與計算輸出誤差，g’ (h)是神經網絡傳遞函導數，神經網絡傳遞函數通常采用Tansig函數或Logsig函數，Au為權優化增量，由輸出偏差和神經網絡傳遞函數導數乘積推導權優化增量，得出神經網絡節點控制權，再用神經網絡算法結合當前原水水質和水量作出投加藥量預測，采用以下公式H=S (wf(i)+b),0=I (u 100+11)，其中w、u為控制權，b、n為偏移量，f()為神經網絡隱層激活函數(如TanSig函數)，g()為神經網絡輸出層激活函數，i為輸入層向量，0為輸出層向量，H為神經網絡隱層向量； (4)將步驟(3)計算的輸出層向量0作為預測值送至PLC，PLC再根據沉淀池出水水質反饋，采用內模PID計算補償投加量,采用的公式為AO=Ki / edt+Kp e+Kd de,其中e為給定控制目標與實際出水水質誤差，Ki / edt誤差積分計算，Kp e比例計算，Kd de微分計算和AO計算輸出調整量及投加藥補償量，實現逐步投加優化； (5)由PLC結合本次配藥濃度N、步驟(4)計算出的投加藥補償量AO和步驟(3)計算出的輸出向量0，計算出預測投加流量Q=N (0+ A 0)，PLC根據計算出的預測投加流量對調節閥門開度或調節加藥泵頻率沖程實施PID控制，從而控制加藥流量，實現自動加藥。
全文摘要
一種高濁度水系自動投藥控制方法，其是根據歷史源水流量、濁度、溫度和pH值，沉淀池的出水濁度等運行參數來訓練BP神經網絡，得到神經網絡模型，再把上述參數作為BP神經網絡的輸入參數，經過BP神經網絡內部的優化算法，得出輸出量用于指導控制加藥量，按照實時沉淀出水濁度用內模PID計算調整加藥量，利用流量計和液位計精確配藥濃度，根據配藥濃度和投加藥量計算投加流量，再由流量對調節閥門開度或調節加藥泵頻率沖程實施PID控制，從而控制加藥流量。本發明既能根據源水的變化，迅速調整投藥量，又能自動跟蹤沉淀池的出水濁度，進行適當修正，從而保證沉淀池的出水濁度指標不僅達到工藝要求而且節約藥耗。
文檔編號C02F1/52GK103011356SQ20121028990
公開日2013年4月3日 申請日期2012年8月15日 優先權日2012年8月15日
發明者張元禾, 韓興連, 岳敏, 王俊, 蔣紹階, 田勝海, 周光明 申請人:重慶水務集團股份有限公司