[发明专利]污水处理厂中好氧池内曝气设定值计算方法

说明书

本发明属于好氧池内曝气设定值探究技术领域，具体涉及污水处理厂中好氧池内曝气设定值计算方法。包括四个步骤：步骤一:污水厂生化段活性污泥机理模型的建立；步骤二：建立GA－BP神经网络模型；步骤三，定时采集当前污水处理厂进水端的水质参数值，得到监测数据集；步骤四，将步骤三中所述的监测数据集相关值对应输入在GA－BP神经网络模型中，得出好氧池曝气设定值。本发明结合了机理(污水厂生化段活性污泥机理模型)与深度学习模型(GA－BP神经网络模型)，能根据污水厂的质水量变化，调节好氧池曝气设定值，进一步保证水质，节约能耗。

技术领域

本发明属于好氧池内曝气设定值探究技术领域，具体涉及污水处理厂中好氧池内曝气设定值计算方法。

背景技术

污水从城镇地下管网输送到污水厂内，通过各道环节工序后，将其中的各种污染物质去除以后，各项指标达到排放标准排入水体，这是很复杂的一个过程。

污水的来源涉及方方面面，如家庭生活、学校活动、商圈以及工厂等。针对不同类型的污水采用不同的工艺流程，污水厂的核心处理部分是生化反应池，污水厂中根据进水水质不同，在生化段采用不同的处理工艺。污水厂中，污染物质的降解主要依靠微生物，提供适宜微生物生长的环境，根据微生物所需环境中溶解氧浓度不同。生化反应池大致分为好氧池、缺氧池与厌氧池三种，在好氧池中，微生物降解有机物时需要进行呼吸，利用空气中的氧气进行自身的生命活动，吸收空气中的氧气，降解污水中的有机物，在污水厂中，采用曝气的方式进行溶解氧的供给，不同微生物对溶解氧含量有着不同的需求，浓度过高或过低会影响微生物的存活，不适宜的条件会造成微生物的死亡，故在污水厂中，好氧池内的曝气环节尤为重要。

传统曝气系统一般采用鼓风曝气进行连续式曝气，通过鼓风机连续将空气压缩后通过风管将气体输入到硝化池底部再通过扩散装置(除微孔扩气泡散装置)将气体以气泡形式输入到泥液，同时跟踪生化池中溶解氧含量，根据溶解氧设定值与好氧池中溶解氧含量，两者之间的关系，实时检测溶解氧的含量，从而调节鼓风机的风量大小。

而在操作时其溶解氧设定值(也叫好氧池曝气设定值)不变，污水厂的进水水量及水质每日发生变化，传统水厂二级生化处理工艺好氧池中，往往恒定曝气量设定值，未能实现根据水量及水质变化进行动态在线自动控制，曝气量设定值过高，污水的处理成本也会随之提升，效率降低。当曝气量设定值过低，导致好氧池中氧浓度下降，出现无法完全反硝化的情况，而绪类菌体则会得到大量的繁殖机会，此时的水质将会加速恶化。

发明内容

根据现有技术中的不足，本发明要解决的技术问题是：提供一种污水处理厂中好氧池内曝气设定值计算方法，能根据污水厂的水质水量变化，调节好氧池曝气设定值。

本方案所述污水处理厂中好氧池内曝气设定值计算方法，包括以下步骤：

步骤一：污水厂生化段活性污泥机理模型的建立，具体为：

获取污水处理厂生化工段中各生化反应池的尺寸和运行状态参数,建立初始污水厂生化段活性污泥机理模型；获取污水处理厂进水端的水质参数值，根据所述水质参数对所述初始污水厂生化段活性污泥机理模型进行参数校正，得到污水厂生化段活性污泥机理模型；

步骤二：建立GA－BP神经网络模型，具体为：

建立初始GA－BP神经网络模型；

在不同工况下，采集污水处理厂进水端的水质参数值，得到训练输入参数集；

将所述训练输入参数集中的值分别输入步骤一中所述的污水厂生化段活性污泥机理模型中；将生化反应池中的好氧池从进水端到出水端依次均分为三个区，根据曝气值优化条件得出每个区在不同水质下能耗最低的训练曝气值，得到曝气值训练输出参数集；所述曝气值优化条件为需要满足出水一级A标准；

通过所述训练输入参数集和所述曝气值训练输出参数集对所述初始GA－BP神经网络模型进行训练，得到GA－BP神经网络模型；