Информация, используемая для нейросетевого прогнозирования дозировки коагулянта, была взята из исторических данных одной из установок по дозированию и очистке питьевой воды точка данных включала следующие входные и выходные переменные: pH, мутность, электропроводность и температура сырой воды; мутность воды после осветления и фильтрации (все входные параметры); и оптимальная дозировка коагулянта в мг/л для снижения мутности воды до уровня ниже 5 NTU после осветления (выходная переменная). На основе этих данных построена нейросетевая модель с одним входным слоем (все входные переменные и их преобразования), одним скрытым и одним выходным слоем (выходная переменная – дозировка коагулянта). На первом этапе необходимо было скорректировать формат данных, чтобы исключить точки данных с некоторой отсутствующей информацией и явно неверными данными, а также данные с переменными, выходящими за ожидаемый диапазон, т.е. для температуры 9-36°C, для мутности сырой воды 10- 42 НТУ. Все использованные данные относились к «успешным» дозировкам коагулянта (т. е. к случаям, когда конечная мутность соответствует нормативам (т. е. для осветлителей <5 NTU и после фильтрации <0,5 NTU). Это неявно означает, что прогнозируемая дозировка должна соответствовать нормативные пределы мутности воды.

Результаты исследования

Элементы обработки во входном и скрытом слоях, а также между скрытым и выходным слоями взвешиваются, чтобы минимизировать различия между выходными данными сети и экспериментальными значениями. Этот этап называется «обучение нейронной сети». Указана целевая функция, которая является мерой того, насколько точно выходные данные сети соответствуют целевым значениям из обучающего набора данных. Приведенные выше экспериментальные данные были использованы для установления связи между входными параметрами и конечной дозой коагулянта.

Все экспериментальные данные, собранные в процессе, использовались при разработке (построении и обучении) модели нейронной сети. 80% данных использовались для разработки модели, а 20% данных использовались для тестирования модели. Затем проводилось обучение нейронной сети и оценивалась точность предсказания модели с использованием среднеквадратичной ошибки предсказания для тестового набора. Обучение повторялось несколько раз для разного разбиения данных на обучающую и тестовую выборки и рассчитывались прогнозы для каждой тестовой выборки. Поскольку отношение ввода-вывода, представленное сетью, не зависело от способа разбиения экспериментальных данных на обучающую и тестовую выборки, обучение можно было считать устойчивым. Было построено несколько моделей нейронных сетей с использованием различных комбинаций входных переменных.

Решение о том, какая модель является лучшей, принималось на основе минимального значения среднеквадратичной ошибки, выбранной в качестве критерия оптимизации. В идеале все точки данных должны лежать на диагонали. Хотя расчетные значения имеют разброс по диагонали, тенденция прогнозирования является многообещающей. Приблизительно для 1% данных предсказание вообще не было успешным. Эти данные исключены, на котором показаны измеренные и прогнозируемые значения дозы коагулянта для интервала 0-8 мг/л. С академической точки зрения может показаться, что модель нейронной сети дает наилучший прогноз в этом диапазоне. Причина этого в том, что большая часть данных, используемых для обучения нейронной сети, была из этого региона. Однако для целей настоящего исследования разброс между прогнозируемой и расчетной дозами коагулянта слишком велик и экономически невыгоден. Например, для измеренной дозы коагулянта 3,5 мг/л модель может рассчитать дозу в любом диапазоне от 2 до 5 мг/л, что соответствует отклонению ±43%. Дальнейшие натурные испытания этой модели были прекращены.

Оценка методики применения поточного дозирующего детектора

В этой статье обсуждается оценка поточного дозирующего детектора, результаты и исходы. Пробы синтетической сырой воды не готовились. Основными параметрами качества сырой воды, использованными для сравнения в ходе данного исследования, были мутность и цветность. Эксперименты были разработаны для получения информации о чувствительности и отклике детектора проточного дозирования на различные типы воды и обычные химикаты для обработки, используемые на обычных водоочистных сооружениях. Чувствительность и отклик поточного дозирующего детектора измеряли путем проведения титрования. Тесты в сосуде проводились одновременно с титрованием поточного дозирующего детектора для определения взаимосвязи между откликом поточного дозирующего детектора и оптимальной дозой коагулянта. Все пробы воды тестировались с тремя коагулянтами, а именно с двумя коагулянтами минеральных солей (хлоридом железа и сульфатом алюминия) и полимерным коагулянтом.

Титрование проводилось на стендовом поточном дозирующем детекторе с использованием следующей процедуры: Поршень поточного дозирующего детектора 16mp был погружен в 500 мл образца сырой воды. Для непрерывного перемешивания образца использовалась магнитная мешалка, и стабилизировался в течение 3 минут, прежде чем были записаны начальные показания. Чтобы оценить влияние добавления химического вещества на реакцию поточного дозирующего детектора, химическое вещество добавлялось с заранее установленными приращениями. Показания поточного дозирующего детектора давали стабилизироваться в течение 3 минут после каждой дозы и записывали показания. Описанные выше шаги повторялись до тех пор, пока не была получена полная кривая отклика. На каждом участке было отобрано по 20 л сырой воды. Определялись начальная единица ионного заряда (ICu), мутность и pH сырой воды, и результаты записывались химический стакан. Хлор, известь и коагулянт дозировались в том же порядке, что и на установке. Градиент скорости для мгновенного смешивания образцов составлял 234,9 с-1 в течение 2 минут. Затем образцы медленно перемешивались с градиентом скорости 59,4 с-1 в течение 15 минут, и были зарегистрированы размеры хлопьев. Образцам давали отстояться в течение 15 минут, и регистрировалась скорость осаждения, т.е. медленная, умеренная или быстрая. Осадившиеся образцы анализировались на мутность; Затем образцы фильтровались и определялись pH и мутность. Цвет измерялся до и после испытания в банке на предварительно определенных образцах.

Лабораторные результаты

В каждом разделе оценивается отклик поточного дозирующего детектора с использованием минеральных солей и полимерных коагулянтов для следующих типов сырой воды. Для целей данного исследования в качестве целевого значения для отфильтрованной воды был установлен стандарт для порогового значения мутности питьевой воды. Для определения мутности осевшей воды использовалось руководство. Оптимальный диапазон дозировки – это когда кривая фильтрованной мутности составляет <1 NTU, а осевшая мутность составляет <5 NTU. При нейтрализации заряда каждая уставка заряда иона соответствует одной дозе коагулянта. Лучшим примером этого является линия с градиентом больше нуля. Вне нейтрализации заряда реакция поточного дозирующего детектора менее чувствительна, и одна уставка может соответствовать нескольким дозировкам коагулянта, что усложняет управление процессом. Лабораторные результаты покажут, находится ли оптимальная доза коагулянта для каждой системы в пределах зоны нейтрализации заряда или линейной зоны, поскольку это наиболее эффективный диапазон при использовании обнаружения проточного тока в качестве автоматической системы дозирования коагулянта.

Метод дозироавния оказался подходящей системой контроля дозы коагулянта для всей сырой воды, протестированной в ходе лабораторных исследований. Титрование показало, что результаты анализов были стабильными при требуемой дозировке химикатов и подходили для тестирования управляемости в больших масштабах. Было отмечено, что по мере увеличения мутности сырой воды оптимальная доза коагулянта находилась в пределах линейного диапазона реакции дозирования на зависимость дозы коагулянта (при R2 >0,96). Это указывает на то, что дозирование  будет хорошо реагировать на изменения качества сырой воды и успешно контролировать дозирование. Для сырой воды с мутностью менее 10 NTU оптимальная доза коагулянта все еще находилась в пределах линейной области зависимости процесса дозирования от дозы коагулянта; однако корреляция R2 была <0,95. Это означало бы, что система автоматики дозирвоания не будет контролировать подмены сырой воды для сырой воды с низкой мутностью, а также будет контролировать дозирование для сырой воды с более высокой мутностью. Реакция системы дозирования на неорганические коагулянты была аналогична реакции полимерных коагулянтов. Имитировались операции завода; поэтому pH обрабатываемой воды не контролировался. Реакция автоматизации дозатора оставалась стабильной в пределах оптимального диапазона доз.

Методология испытаний

Основной целью масштабирования оценки от лабораторного масштаба до этапа опытно-промышленной установки было понимание философии автоматического управления и проверка точности контура управления в поддержании правильной дозировки коагулянта и конечного качества воды. Автоматический дозатор хорошо показал себя в лабораторных испытаниях, доказав, что он может эффективно контролировать широкий спектр сырой воды с различными характеристиками сырой воды. В этой части исследования снова использовалась пилотная установка установки оценки водоподготовки. Из-за того, что он расположен на территории завода по очистке воды, для тестирования была доступна только сырая вода с низкой мутностью. Это представляет собой полуавтоматическую традиционную пилотную установку по очистке воды, управляемую ПЛК, с производительностью 5 м3/ч. Система диспетчерского контроля и сбора данных (SCADA) регистрировала мутность сырой воды, мутность осевшей воды, мутность отфильтрованной воды, дозу коагулянта и показания системы дозировки в зависимости от времени. Оптимизация пилотной установки была аналогична той, которая использовалась на полномасштабных водоочистных сооружениях. Оптимальные дозы коагулянта были определены в ходе баночных испытаний и применены к пилотной установке, работающей в ручном режиме. После внесения корректировок в пилотную установку для дальнейшей оптимизации дозы коагулянта установка работала до тех пор, пока она не достигла устойчивого состояния. Значение системы дозирования при оптимальных рабочих условиях процесса для желаемой мутности перелива фильтрованной/осветленной воды было отмечено и использовано в качестве заданного значения (SP) для контура управления дозированием коагулянта. Затем система дозирования коагулянта была переведена с ручного режима на автоматический контроль дозы. Общее время реакции на изменение дозы коагулянта составляло от 3 до 5 минут. Время пребывания в резервуаре мгновенного смешения составляло 2 минуты при рабочем расходе 2,8 м3/ч. Это означает, что дозатору потребовалось от 1 до 3 минут, чтобы отрегулировать дозу коагулянта. Схема пилотной установки ВТЕУ с выделением контура управления автоматической системой дозирования коагулянта. Отверстие для отбора проб дозатора получает коагулированную воду и измеряет параметр процесса дозирования (PV). Дозатор непрерывно подает образец коагулированной воды вскоре после быстрого перемешивания, при этом заряд образца считывается автоматикой. Этот заряд представляет собой переменную процесса, которая отправляется на контроллер и сравнивается с уставкой в SCADA. Алгоритм используется для расчета результирующего сигнала или выходного сигнала, который отправляется на дозирующий насос.

Результаты эксперимента

Можно сделать вывод, что в ситуациях, когда мутность сырой воды довольно постоянна, дозатор может не потребоваться, а система дозирования коагулянта может работать в ручном режиме с пропорциональным управлением по отношению к потоку сырой воды. показатель. Показано, что коагулянт может быть недодозирован или передозирован, в то время как скорость потока дозирующего насоса изменяется, постоянно реагируя на небольшие изменения значения процесса дозирования относительно заданного значения.

Полевые результаты по станции дозирования и водоочистки

Водоочистная станция изначально была построена с расчетной производительностью 45 мл/сутки и забирает воду из плотины Hazelmere, которая находится в ±7 км от входа в станцию. Завод был недавно модернизирован, чтобы увеличить производительность до 75 мл/сутки в 2014 году. Во время модернизации был установлен автоматический контроль дозирования коагулянта с использованием дозатора в качестве метода контроля. Процесс очистки состоит из предварительного хлорирования, коагуляции, флокуляции, осветления, фильтрации и дезинфекции. Завод оснащен насосами-дозаторами бентонита; бентонит используется в качестве коагулянта в периоды низкой мутности воды. Водоочистная установка Hazelmere является примером использования дозатора для автоматического контроля дозы коагулянта в условиях относительно высокой мутности сырой воды (30–40 NTU) по сравнению с водоочистной станцией Wiggins (<5 NTU). Для ручного контроля дозы коагулянта завод постоянно оптимизирует дозировку полиэлектролитов (полимерных смесей) на основании результатов каскадных испытаний, которые проводятся один раз в смену. Тесты в сосудах проводятся один раз в неделю и всякий раз, когда происходит резкое изменение мутности сырой воды. Автоматический контроль дозы коагулянта с помощью дозатора возвращается в исходное состояние после определения уставки автоматики в соответствии с предписанной процедурой. Изначально установка не работала в автоматическом режиме, а дозатор просто использовался для мониторинга. Аргументация оператора установки заключалась в том, что дозатор загрязнился и нуждался в очистке. Загрязнение было вызвано тем, что перманганат калия был дозирован в качестве химического вещества для предварительной обработки и влиял на работу автоматического дозатора в автоматическом режиме, поскольку он образует пятна на ячейке и зонде. Затем дозатор был очищен, и процесс был переключен на автоматическое дозирование. Контур управления был плохо настроен, поскольку переменная процесса не отслеживала уставку дозатора, что приводило к передозировке коагулянта. Испытание на падение на месте, проведенное технологической службой (независимый отдел, работающий в качестве консультанта по технологическому процессу), показало, что средняя дозировка установки составляет 12 мг/л. Рекомендуемая дозировка, основанная на тестах в банке, составляла 8 мг/л. 

Выводы и рекомендации

На основании лабораторных и экспериментальных исследований, проведенных на выбранном оборудовании для использования в автоматических системах дозирования коагулянта, можно сделать следующие выводы:

Метод счетчика частиц не подходит для обычных процессов очистки воды. Количество частиц, включая изменения размера частиц, не было напрямую связано только с дозой коагулянта, поскольку изменения в осветлителе также влияли на выходные данные счетчика частиц. Засорение и загрязнение датчика счетчика частиц также делало этот метод неудовлетворительным.

Математическая модель, основанная на исторических данных водоочистных сооружений, была применима только к ограниченному диапазону предоставленных данных. Модель дала ошибочные результаты из-за больших колебаний мутности сырой воды, которые обычно возникают при заборе воды из рек. Модель также была очень чувствительна к точности данных. Учитывая проблемы, с которыми сталкиваются диспетчеры технологических процессов в отношении обучения, наличия функционального, хорошо обслуживаемого и откалиброванного лабораторного или онлайнового аналитического измерительного оборудования, надежность измерений в таких обстоятельствах может отрицательно сказаться. Преимуществом модели является ее простота, и ее можно использовать для оптимизации процессов и устранения неполадок при условии, что используемые данные точны. Математическая модель все еще может быть полезна для контроля дозы коагулянта, но требуются дополнительные исследования.

Автоматический дозатор оказался наиболее надежной системой автоматического контроля дозы коагулянта и дал положительные результаты.

Детальная оценка реакции системы автоматического дозирования на различную мутность сырой воды показала следующее:

Испытания в сосудах показывают широкий «оптимальный» диапазон дозирования коагулянта, характеризующийся отсутствием изменения мутности при увеличении дозы коагулянта до тех пор, пока не произойдет повторная стабилизация заряда. С практической точки зрения, полимерные коагулянты могут быть передозированы от 4 до 8 мг/л без какого-либо заметного ухудшения окончательной мутности воды.

Дозатор работает наиболее стабильно и чувствителен к изменениям образца в зоне нейтрализации заряда, где отклик имеет уникальную дозировку для данной уставки.

Для мутности >10 NTU реакция дозирования была чувствительной и стабильной.

Для мутности <10 NTU реакция дозирования оставалась линейной; однако он был менее чувствителен, чем при более высокой мутности.

В целом бентонит не влиял на измерения системы дозирования, но повышал его чувствительность. Однако эффекты бентонита могут различаться в зависимости от используемого типа, и, таким образом, реакция дозатора может быть разной. В диапазоне рН от 6 до 9 (типичный диапазон рН сырой воды) не было значительного влияния рН на реакцию дозатора.

Для стабильно низкой мутности сырой воды, ниже 10 NTU, автоматическая система дозирования коагулянта не требуется из-за плохого автоматического управления. Вместо этого следует рассмотреть возможность ручного управления. При использовании органических коагулянтов с низкой и постоянной мутностью сырой воды автоматическое дозирование коагулянта на основе дозирования может привести к недостаточной или избыточной дозировке. Во избежание передозировки или недостаточной дозировки коагулянта следует проводить еженедельные тесты в банках. В настройке контуров («настройка на ощупь») должны участвовать штатные инженеры или специалисты по управлению, и они не должны полагаться только на настройки производителя.

Основываясь на выводах и выводах этого исследования, можно сделать следующие рекомендации: Должен быть составлен всеобъемлющий руководящий документ автоматического дозирования с подробным описанием областей применения, установки, эксплуатации, устранения неполадок и технического обслуживания. Необходимы дальнейшие исследования по использованию математической модели, основанной на исторических данных, для конкретного тематического исследования. Исследование должно включать в себя следующее: Сбор и проверка данных. Разработка удобной для пользователя модели и программного обеспечения. При использовании этих химических веществ для предварительной обработки необходимо определить влияние окислителей (KMnO4 и хлор) и ПАУ на работу системы автоматического дозирования.