Интеллектуальная система для улучшения контроля дозировки

Коагуляция является одним из наиболее важных процессов на очистных сооружениях питьевой воды и применяется для дестабилизации примесей в воде для последующей стадии флокуляции. В настоящее время в водном хозяйстве используется несколько методов для определения наилучшей дозировки коагулянта, таких как метод баночного теста, измерения дзета-потенциала, методы искусственного интеллекта, включающие нейронные сети, нечеткие и экспертные системы, а также сочетание вышеупомянутых методов. методы, помогающие операторам и инженерам в процессе очистки воды.

В данной статье представлен подход искусственной нейронной сети для оценки оптимальной дозировки коагулянта для различных сценариев качества сырой воды с использованием таких параметров, как цвет сырой воды, мутность сырой воды, мутность осветленной и фильтрованной воды и расчетная мощность дозы для обеспечения наилучшей производительности в процесс фильтрации. Еще одной особенностью данного подхода является использование метода нейронной сети с обратным распространением для оценки наилучшей дозировки коагулянта одновременно в двух точках станции водоподготовки. Результаты моделирования были сопоставлены с текущей дозировкой и показали, что предлагаемая система может снизить затраты на сырье на очистных сооружениях.

Вода является одним из важнейших элементов для поддержания жизни. Нежелательные вещества и микроорганизмы должны быть удалены, когда он используется для потребления человеком. Процесс водоподготовки включает несколько стадий получения очищенной воды, одной из которых является стадия коагуляции, направленная на дестабилизацию частиц грязи в исходной воде. Поскольку решения о процессе коагуляции часто принимаются на основе опыта человека-оператора, было проведено несколько исследований ресурсов вычислительного интеллекта на этом этапе процесса очистки воды с хорошими результатами в прогнозировании дозировки коагулянта. Методы искусственного интеллекта и математические модели продемонстрировали свою эффективность и оптимальные результаты, особенно при применении в многопараметрической и нелинейной системе, такой как водоочистные сооружения. Например, использование математического моделирования в процессе водоподготовки выдвигает на передний план изучение изменений затрат и затрат на различных этапах, включая свертывание, в зависимости от условий эксплуатации.

Методы дозирования, основанные на исторических данных

Интеллектуальные методы, такие как нечеткие системы, искусственные нейронные сети и экспертные системы, в настоящее время используются для преодоления сложности процессов очистки воды. Методы дозирования, основанные на исторических данных, оказались полезными для интеллектуального подхода, когда параметры сырой воды быстро меняются. В этом контексте предлагаемая система использует многоуровневую сеть перцептронов, специально разработанную для определения наилучшей дозировки коагулянта на двух разных участках водоочистной станции, в частности, с использованием двух дополнительных мощностей доз в качестве входных данных для нейронной сети, чтобы гарантировать наилучшую производительность для этапа фильтрации.

Процесс водоподготовки Обработка воды для распределения и потребления обязательна. В некоторых случаях при заборе сырой воды из колодцев добавляют только хлор и фтор. Тем не менее, когда сырая вода поступает из водохранилищ или рек, может потребоваться обычная очистка. Например, добавление хлора и извести должно гарантировать качество в распределительных системах и избегать загрязнения воды. Обработка обычно включает предварительное хлорирование, предварительное подщелачивание, коагуляцию, флокуляцию, осаждение, фильтрацию и дезинфекцию.

На первых этапах вода подвергается коагуляции, а точнее в сырую воду добавляются коагулянты для дестабилизации частиц, для последующей агломерации, с образованием хлопьев, которые будут отделяться от воды в отстойниках. В ряде случаев процесс коагуляции описывается дестабилизацией коллоидов, изначально присутствующих в водопроводе. Однако коагулянты используются не только для дестабилизации коллоидных частиц, но и для удаления природного органического вещества. Многие первичные коагулянты, такие как сульфат алюминия, полиалюминийхлорид, хлорид железа и сульфат железа, могут быть добавлены для коагуляции воды.

Дозировка коагулянтов

Выбор коагулянтов и дозировка коагулянтов зависят от качества сырой воды, которое варьируется от одного водоема к другому, от наличия дождей или цветения водорослей. Для определения оптимальной дозировки коагулянтов широко используются два метода, а именно: специальное оборудование для измерения дзета-потенциала и тесты в сосудах.

Однако эти методы требуют много времени, дороги и, как правило, хуже адаптируются к изменениям качества сырой воды в режиме реального времени. Как правило, при стабильном качестве сырой воды требуется несколько регулировок, хотя при значительных отклонениях требуются новые дозировки и необходимо проводить испытания в сосудах для получения нового эталонного значения.

Как объяснялось выше, эти тесты занимают относительно много времени, и операторы используют эталонные ставки, исходя из своей интуиции и опыта. Всякий раз, когда процесс контролируется личным опытом, могут возникать ошибки, т. е. большие дозы, чем необходимо. Кроме того, дозирование коагуляции связано с химическими и физическими свойствами сырой воды.

Таким образом, управление оптимальной скоростью коагулянта является сложной задачей для операторов и инженеров, особенно когда погодные условия способствуют изменению таких параметров, как мутность, температура, рН и другие. Поэтому оптимальная дозировка обычно зависит от вышеуказанных характеристик сырой воды. Поскольку в этом типе процесса такие характеристики, как мутность, проводимость, pH, температура и реакции между частицами, являются нелинейными, очень сложно получить дозировку коагулянта обычными методами.

Материалы и методы дозирования при водоочистке

Водоочистная станция, изучаемая в настоящем исследовании, имеет производительность по очистке воды 1,25 м³ с -1 и обеспечивает питьевой водой около 400 000 жителей. Согласно информации, об этой конкретной водной установке, есть две точки дозирования, в которых операторы должны определить наилучшую дозировку. Первый расположен на участке «А», где вода добывается самотеком, а другой, называемый на участке «В», где вода поступает из насосной системы. В конце концов, сырая вода поступает из того же места. Показана принципиальная схема установки водоподготовки. Большая и меньшая плотины образуют источник (источник) водного растения. Объем воды перекачивается из большей плотины в меньшую, откуда извлекается сырая вода, которая будет использоваться в процессе. Таким образом, в процессе используются разные системы для флокуляции и коагуляции, учитывая источник воды из меньшего. Для оперативных целей дозировка коагулянта устанавливается автоматически с помощью систем диспетчерского управления и сбора данных (SCADA) и устройств с программируемым логическим контроллером (ПЛК).

Система управления дозировкой коагулянта

Дозировка коагулянта контролируется автоматизированной системой, состоящей из программируемых логических контроллеров (ПЛК) и управляющего программного обеспечения (SCADA). Система позволяет оператору регулировать базовую скорость (RA или RB) или желаемую производительность для каждого замкнутого контура управления на водоочистной станции. Эталонная дозировка коагулянта обычно определяется предварительно с помощью тестов в сосудах или только с учетом опыта операторов на установке. Показан замкнутый контур управления дозировкой коагулянта в точках А и В в настоящей системе очистки воды.

Эталонные дозы коагулянта в A и B обозначены соответственно RA(s) и RB(s), а YA(s) и YB(s) являются выходными данными процесса. В этом типе управления GA(s) и GB(s) являются передаточной функцией, а PIDA и PIDB являются правилом управления для A и B. ) и RB(s)) для каждого контрольного замкнутого контура в точках A и B. Результаты и обсуждение В текущем анализе были протестированы три топологии нейронной сети для определения наилучшей эффективности химического коагулянта в двух точках дозирования.

В этих случаях для обучения нейронных сетей использовался алгоритм обратного распространения Левенберга-Марквардта. Первый был обучен с использованием 40 нейронов. Второй обучался с использованием 60 нейронов, а третий использовал 80 нейронов в скрытом слое. Во всех топологиях есть один скрытый слой. Для модели нейронов была выбрана функция активации гиперболического тангенса, и во всех случаях для фазы обучения применялось 1000 взаимодействий. В таблице 3 показаны среднеквадратическая ошибка и средние показатели для каждой нейронной топологии на этапах обучения и проверки. Показано сравнение желаемой скорости и скорости, генерируемой нейронными сетями на этапе обучения для топологий с 40, 60 и 80 нейронами в скрытом слое соответственно.

Показаны данные проверки для A и B с учетом отдельных нейронов в скрытом слое. На рисунках показано хорошее соответствие между выходом нейронной сети и желаемой скоростью для топологии ИНС с использованием 40 скрытых нейронов.

Интеллектуальная система для улучшения контроля дозировки, нейронная сеть с 40 скрытыми нейронами показала разницу в дозировке 0,3766 мг л -1 по сравнению с текущими дозировками, используемыми на водоочистных сооружениях.

Управление методом дозирования, тематическое исследование

Предлагаемая система была внедрена на водоочистной станции для предоставления эталонных дозировок коагулянта в режиме реального времени для А и В. Показан экран производственного процесса в системе диспетчеризации (SCADA), по регулятору дозировки коагулянта и кнопке с надписью «ИНС», при этом оператор имеет возможность включить методику искусственной нейронной сети. На экране можно увидеть дозировочные насосы и поля уставок, используемые при работе или определяемые ANN. Показан экран, в котором поля готовы для ввода физико-химических параметров, определенных в стенде, для обработки нейронной сетью в соответствии с текущим сценарием значений уставок.

Поля «Текущие» представляют собой текущие используемые скорости параметров, а поля «Прогноз» показывают новые скорости, которые будут использоваться после обработки искусственной нейронной сети. Некоторые дополнительные параметры, такие как «Сохранить данные» и «Визуализация данных», доступны для дальнейшего анализа истории использования системы. Результаты показали, что можно достичь снижения дозировок коагулянта, представленных в нейронной сети, на 0,3766 мг л -1 ниже, чем по сравнению с текущими данными; это означает экономию 17 000 кг сульфата алюминия в течение одного года предлагаемого использования при номинальной производительности потока 1,25 м³ с-1.

Выводы

В текущем анализе система на основе нейронной сети была применена для прогнозирования оптимальной нормы дозирования коагулянта на установке водоподготовки. Ряд параметров был использован для определения наилучших условий управления водным процессом в соответствии с историческими данными завода. Система была внедрена для одновременной оценки оптимальной дозировки коагулянта на двух объектах водоочистных сооружений и прогнозируемые показатели будут способствовать снижению расхода сырья. Будут проведены дальнейшие исследования для улучшения результатов по снижению затрат и расходу сырья.

Построить систему дозирования

Подобрать и смонтировать дозирующее оборудование. Собрать шкафы автоматики. Интегрировать систему в технологический процесс

(812) 493-20-71

Посетите нас

193079, Санкт-Петербург,
ул. Новоселов, дом 8

whatsapp

+ 7 (921) 943 12 26

Часы работы

Пн — Пт 10:00 — 19:00

Отправить письмо

info@dozirovanie.ru