Хлор является наиболее распространенным дезинфицирующим средством, используемым при очистке питьевой воды. Чтобы достичь желаемого уровня дезинфекции и ограничить образование вредных побочных продуктов дезинфекции, дозировку хлора следует корректировать в режиме реального времени, чтобы справиться с меняющимся качеством поступающей воды и гарантировать, что остаточный свободный хлор (FCR) в чистой воде выход из резервуара находится в установленных пределах. Эту цель управления трудно достичь с помощью обычного пропорционально-интегрально-дифференциального (ПИД) управления дозированием с обратной связью или ручного управления из-за сложной динамики процесса хлорирования. В этом исследовании предлагается модель прогнозирующего управления (MPC) для дозирования хлора, в которой FCR может быть предсказан с помощью модели машины опорных векторов (SVM). Как результаты моделирования, так и экспериментальные результаты показывают, что предложенная схема MPC имеет лучшую эффективность управления, чем обычная схема управления PID с обратной связью, поскольку прогнозы SVM являются точными, а MPC превосходит PID, и что она может эффективно стабилизировать качество очищенной воды.

Дезинфекция проводится для уничтожения патогенных организмов, а хлор является преимущественно применяемым дезинфицирующим средством при очистке питьевой воды, поскольку он относительно недорог, эффективен, широко доступен и прост в применении. Правильная дозировка хлора имеет решающее значение для безопасности питьевой воды. Слишком малое количество хлора не будет достаточно дезинфицировать воду, в то время как передозировка неэкономична и приводит к чрезмерному количеству вредных побочных продуктов дезинфекции (ПБД), таких как трихлорметан, тетрахлорметан и т. д. Однако для их образования также требуются различные прекурсоры ПБД.

Таким образом, идеальная дозировка хлора должна быть компромиссом между достаточным эффектом дезинфекции и минимизацией образования ППД. В Китае установки по очистке питьевой воды должны соответствовать Стандартам качества питьевой воды, которые основаны на рекомендациях Всемирной организации здравоохранения (ВОЗ) по качеству воды. Остаточный свободный хлор (FCR) на выходе из резервуара с чистой водой, как правило, поддерживается в пределах регламентируемых пределов 0,2–0,5 мг л –1 . При очистке питьевой воды хлор вступает в сложные реакции с многочисленными органическими и неорганическими микрозагрязнителями в воде. Реакции зависят не только от характеристик качества воды и условий окружающей среды, но и от дозировки хлора и времени реакции, среди прочих факторов. В литературе разработан ряд моделей распада и потребления хлора для описания процесса хлорирования. Большинство этих моделей относятся к первому порядку при типичном предположении о постоянном качестве поступающей воды. Однако качество поступающей воды любого резервуара с чистой водой часто меняется из-за разного качества сырой воды и условий эксплуатации каждого звена перед резервуаром с чистой водой. Что еще более важно, эти модели используются только для автономной поддержки принятия решений при ручном управлении и не могут использоваться для автоматического управления в реальном времени.

Таким образом, требуется исследование управляемого моделирования дозирования хлора, которое может справиться с переменным качеством поступающей воды. Машина опорных векторов (SVM) — это мощный алгоритм машинного обучения, предложенный Вапником. По сравнению с традиционными методами, которые минимизируют эмпирическую ошибку обучения, SVM использует принцип минимизации структурного риска (SRM).

Привлекательные свойства SVM заключаются в том, что он сжимает информацию об обучающих данных и обеспечивает разреженное представление для небольшой выборки. SVM широко используется при решении задач классификации, прогнозирования и обработки сигналов. Однако на эффективность обобщения SVM влияют такие параметры, как штрафной коэффициент и параметр ядра, например, δ в ядре Гаусса. Таким образом, важно получить оптимальные параметры модели SVM с помощью эффективных методов.

Традиционные методы выбора параметров SVM, такие как поиск по сетке, градиентный спуск и алгоритмы нелинейного программирования, имеют недостатки, заключающиеся в высокой стоимости вычислений и легком попадании в локальные минимумы. Оптимизация роя частиц (PSO) — это метод глобальной оптимизации, основанный на роевом интеллекте. Он осуществляет интеллектуальный поиск пространства решений с помощью «кооперативной» стратегии частиц по сравнению с «конкурентной» стратегией, используемой генетическими алгоритмами (ГА). Таким образом, субоптимальные решения в алгоритме PSO могут сохраняться и вносить свой вклад в процесс поиска на более поздних этапах итерации.

PSO применим для оптимизации параметров модели SVM и, как было доказано, имеет лучшую производительность оптимизации параметров, чем GA. Как правило, управление дозированием хлора осуществляется с помощью обычного пропорционально-интегрально-дифференциального (ПИД) управления с обратной связью или ручного управления, основанного на опыте оператора. Эти два метода управления регулируют дозировку хлора в соответствии с отклонением между фактическим значением измерения и заданным значением FCR. Таким образом, дозировка хлора не может быть отрегулирована в режиме реального времени, а FCR легко превышает нормативные пределы при изменении качества поступающей воды.

Модель прогнозирующего управления процессом дозирования

Модель прогнозирующего управления считается эффективным методом управления процессом с нелинейностью и большой задержкой по времени из-за его предсказания будущего динамического поведения. Управляющее действие MPC основано на модельном прогнозировании выходных данных процесса на расширенном горизонте прогнозирования при ограничениях. Таким образом, будущие выходные данные процесса можно приблизить к заданному значению.

Основным вкладом этого исследования является разработка более эффективного метода управления в режиме реального времени для практического процесса дозирования хлора при очистке питьевой воды. Во-первых, на основе SVM создается ориентированная на управление модель процесса дозирования хлора. Помимо использования в качестве прямого управления процессом дозирования хлора в режиме реального времени, новизна установленной модели заключается в том, что она основана на мощном подходе нелинейного моделирования SVM, который может справиться с очень нестандартными задачами. линейная и нестационарная динамика процесса дозирования хлора при различном качестве поступающей воды.

Затем предлагается схема MPC, основанная на прогностической модели SVM, для контроля FCR на выходе из водохранилища с чистой водой. На сегодняшний день предложенный метод управления дозированием хлора в реальном времени в этой рукописи был смоделирован, и эксперимент был успешно завершен в практической системе управления технологическим процессом.

Моделирование процесса дозирования хлора на основе SVM

После краткого описания схемы ПДК процесса дозирования хлора, моделирования и экспериментов проводятся в разделе ниже. Процесс очистки питьевой воды. Установка XYWW (мощностью 300 000 м 3 сут–1) была первоначально введена в эксплуатацию в 2001 году, и сырая вода забирается из реки Янцзы. Статистический анализ временных рядов суточных значений параметров качества сырой воды за 2012–2017 гг. сведен в таблице. Общий процесс очистки питьевой воды на КСВС включает предварительное хлорирование, коагуляцию, флокуляцию, осаждение, фильтрацию песка и доочистку. — хлорирование, как схематично показано на рисунке. Предварительное хлорирование в основном используется в качестве вспомогательного средства для флокуляции, а также для удаления водорослей и органических веществ. Коагуляция используется в первую очередь для ускорения агломерации мелких частиц. Коагуляция вместе с флокуляцией представляет собой процесс разделения твердой и жидкой фаз для дестабилизации растворенных и коллоидных примесей и образования крупных агрегатов хлопьев. Седиментация позволяет оседать большим массам хлопьев. В конце концов, физическое удаление мути и микроорганизмов осуществляется фильтрацией через песок.

Постхлорирование является основным процессом обеззараживания, окисления органических загрязнений и удаления патогенов и напрямую влияет на качество очищаемой воды. Таким образом, в данной работе разработан контроль доз хлора на стадии постхлорирования.

Дозирование на этапе процесса хлорирования

Хлор реагирует как с неорганическими, так и с органическими веществами в воде. Неорганические вещества в воде, такие как железо, марганец, сульфид и аммиак, наиболее активно реагируют с хлором, приводят к быстрому потреблению хлора, в то время как реакции органических веществ с хлором обычно протекают относительно медленно.

Во время обработки питьевой воды качество поступающей воды процесса дозирования хлора меняется во времени. Иногда это приводит к несоответствию между установленной моделью и реальным процессом. Чтобы проверить надежность предложенной схемы MPC, 20% уменьшение параметров в уравнениях.

Процессы дозирования смоделированы для случая рассогласования моделей. Можно заметить, что предложенная схема МПК на основе модели SVM также обеспечивает более высокую скорость сходимости и меньшие амплитуды колебаний, чем схема МПК на основе Модель FOPTD и схема PID. Это означает, что базовая точность модели SVM и отличное управление схемой MPC позволяют предлагаемой схеме управления достигать лучших характеристик управления даже в случае серьезных несоответствий модели.

Экспериментальные результаты

Для проверки практического применения предложенной схемы ПДК, основанной на модели SVM, были также проведены эксперименты по предложенной схеме ПДК, основанной на модели FOPTD, вместе со схемой PID при аналогичных условиях качества воды. Алгоритмы управления закодированы в коммерческом программном обеспечении SCADA XYWW. Все онлайн-сигналы от или к системе управления технологическим процессом дозирования хлора связаны между собой через распределенную систему управления, как показано. Данные процесса сохраняются в базе данных на ПК-сервере, а схемы управления программируются на ПК и выполняется через программируемый логический контроллер. Во время практического процесса дозирования хлора точка дозирования хлора находится на входном трубопроводе резервуара с чистой водой. Время контакта хлора и воды является важным фактором для обеспечения эффекта дезинфекции. Хлор и вода должны быть полностью смешаны в резервуаре с чистой водой, а время контакта должно быть более 30 минут. После дозирования хлора хлор и примеси в отфильтрованной воде полностью реагируют в резервуаре чистой воды, далее через вторую насосную в систему водоснабжения. Блок-схема управления системой дозирования хлора показана. Под влиянием различного качества исходной воды и процессов перед хлорированием в реальных условиях нередки случаи несоответствия модели и внешнего возмущения. Из экспериментальных результатов видно, что предложенная схема ПДК, основанная на модели SVM, более устойчива к изменению качества воды, чем схема ПДК, основанная на модели FOPTD и схеме PID. Это в основном согласуется с предыдущим анализом результатов моделирования в случае рассогласования моделей. Кроме того, выбросы и время установления экспериментальных результатов меньше, чем у аналогов.