Традиционные методы управления и экспертные системы в биологической очистке сточных вод

В настоящее время имеется значительное число технологических схем процесса биологической очистки, каждая из которых отличается числом ступеней аэрации, наличием или отсутствием регенерации активного ила, способами ввода в сооружения сточной воды и возвратного ила, степенью очистки и др. Каждый тип сооружений характеризуется своими показателями нормальной работы и требует индивидуального подхода к проектированию системы автоматизированного управления.

Воздействия, которыми можно воспользоваться для построения системы автоматизированного управления, следующие [1]:

- управление расходом возвратного ила с целью поддержания концентрации активного ила в аэротенке;

- управление расходом воздуха таким образом, чтобы поддержать заданную концентрацию растворённого кислорода во всем объёме аэротенка;

- управление расходом выводимого из системы активного ила для поддержания возраста ила постоянным;

- изменение соотношения объёмов аэротенка и регенератора(при сохранении постоянства их суммарного объёма) с целью оптимальной регенерации ила;

- распределение расхода поступающих сточных вод между параллельно работающими аэротенками;

- поддержание оптимального значения рН воды, поступающей в аэротенк

- управление расходом ила, выпускаемого из отстойников, чтобы поддержать в них оптимальный уровень ила и изменять его в зависимости от концентрации и расхода иловой смеси, мутности очищенной отстоянной воды, а также илового индекса.

В традиционных АСУ применяются алгоритмические модели, связывающие управляющее воздействие с входными данными (или их изменением). Недостатком традиционных методов управления применительно к процессу биологической очистки сточных вод является многомерность и сложность создаваемых математических моделей при низкой точности и неполноте исходной информации и неоднозначности критерия управления [10]. С другой стороны, ситуации, возникающие при функционировании блока биологической очистки сточных вод, зачастую позволяют использование для управления методов формальных рассуждений, близких к естественному ходу рассуждений человека-эксперта. Для решения задач управления биологической очисткой они могут быть значительно более эффективны, чем традиционные АСУ, особенно с точки зрения сроков и стоимости разработки и модификации при изменении требований к системе и внешних условий, что является крайне важным фактором в свете непрерывного совершенствования технологии и повышения производительности блока биологической очистки. Характерной особенностью управляемого объекта является присущая очистной станции возможность корректировки технологической схемы и изменения состава оборудования. Данное обстоятельство повышает требования к открытости, перспективности и стандартизации создаваемой системы. Изменения в нормах качества очистки сточных вод, наращивание мощности очистных сооружений или добавление новых параметров контроля потребуют полной переработки математических моделей традиционной АСУ, в то время как в экспертной системе достаточно будет лишь скорректировать правила или добавить новые.

Кроме того, в процессе управления биологической очисткой часто возникают проблемные ситуации, для преодоления которых необходимо использовать опыт многих экспертов, нормативно-техническую, справочную и регламентирующую информацию, которая не всегда может быть доступна оператору. Управление работой очистных сооружений является сложной задачей, связанной с особенностями состояния и функционирования очистных сооружений. На практике, технолог очистных сооружений, осуществляющий принятие решений по управлению очисткой сточных вод, сталкивается со следующими проблемами:

- недостаток параметров для принятия решений, вследствие ограниченного резерва времени и высокой стоимости проведения специализированных лабораторных анализов;

- неполнота, неточность естественно-языковых инструкций для принятия решений;

- недостаточность теоретических знаний о процессе управления очисткой сточных вод и отсутствие учета особенностей функционирования конкретного очистного сооружения.

Процесс очистки сточных вод осуществляется в режиме запаздывания реакции системы и зависит от многих входных сигналов. Сигналы эти являются разнородными, поступают с разной периодичностью, на обработку части из них необходимо время, а также специальные лабораторные условия и дорогостоящие реактивы. Очистные сооружения функционируют частично за счет деятельности разнообразных живых организмов, чьи реакции на воздействие входных параметров специфичны и взаимозависимы. Оптимальные условия для существования комплексов организмов, осуществляющих очистку сточных вод, весьма сложно подбирать вследствие изменчивости этих комплексов в зависимости от состава сточных вод. Регулирование концентрации биогенных элементов, поддержание рН среды и температуры в нужном диапазоне положительно отражаются не только на развитии микроорганизмов, но и на биохимической активности последних по очищению воды. Для подбора оптимальных условий функционирования микроорганизмов в аэротенках используются автоматизированные системы управления, которые основываются на математических моделях (таблица 1.2) [2]. Такие системы имеют ряд недостатков. Они хорошо работают, когда очистные сооружения находятся в нормальном режиме работы и плохо применимы в случае внештатного режима.

Естественно, что при возникновении проблемных ситуаций, необходимы знания и опыт экспертов, и разработки имитационных моделей и программ для решения уравнений явно недостаточно. Возникает необходимость использовать субъективную информацию, накопленную за годы, а также неполные данные и объективную информацию, накопленную за период работы очистных сооружений.

Применение методов и средств искусственного интеллекта предоставляет новые возможности для решения проблемы управления очистными сооружениями. Экспертные системы на основе искусственного интеллекта в идеальном случае должны обладать уровнем эффективности решений неформализованных задач, сравнимым с человеческим или превосходящим его. В любом случае, экспертная система «знает» меньше, чем человек-эксперт, но тщательность, с которой применяются эти знания, компенсирует их ограниченность. На данный момент за рубежом существует ряд экспертных систем (ЭС), применяемых для очистки сточных вод (таблица 1.3) [2].

Анализируя примеры из таблицы 1.3, следует отметить, что для управления блоком биологической очистки, являющимся элементом комплексной системы очистки бытовых сточных вод наиболее целесообразно использование системы, основанной на правилах.

Таблица 1.2 - Модели классического управления на биологических очистных сооружениях

Название	Пример применения	Оборудование	Недостатки моделей	Достоинства моделей
Корреляционная модель	Установление взаимо-связей и взаимо-зависимостей между характеристиками воды	Очистные сооружения	• Наличие большого числа внешних факторов, взаимовлияние микроорганизмов взаимодействие с субстратом приводит сложности выбора адекватной модели описания системы. • Модели сложно разрабатывать, они часто неточны и чрезмерно упрощают действительность. • Имитационное моделирование не работает с неизвестными или не смоделированными ситуациями. • Качественные данные не могут быть использованы для модели числового управления. • Данные неточны или отсутствуют, датчики выдают ошибочную информацию или отсутствуют, не все характеристики, необходимые для моделирования анализируются каждый день, что влияет на точность моделей. • Характеристики втекающей воды сильно изменчивы и неуправляемы. • Задержка в получении данных из-за длительных лабораторных анализов и аналитических расчетов.	• Оценка поведения очистных сооружений в ответ на определенный сценарий развития (операционные условия и характеристика втекающей воды) и прогноз на средний и длительный период возможных исходов при определенных действиях по процессу очистки • Повышение эффективности удаления загрязнителей • Сокращение расхода электроэнергии, химических реагентов и затрат на обслуживание очистных сооружений • Разработка альтернатив для модифицирования существующих очистных сооружений
Адаптивный алгоритм	Для поддержания необходимого уровня кислорода в аэротенке	Аэротенк
Прагматические модели Фундаментальные модели	Рост бактерий и потребление субстрата	Аэротенк
Имитационные модели Статистический синтез	Моделирование эволюции состояний очистных сооружений	Очистные сооружения
Кластеризация	Классификация данных с датчиков	Очистные сооружения
Закон Стокса	Моделирование осаждения	Песколовка
Кривая Гусмана	Моделирование осажде-ния твердых веществ	Первичный, вторичный отстойники
Метод оптимизации	Оптимизация обработки осадка	Первичный, вторичный отстойники
Детерминистические, прогнозные модели	Осаждение	Первичный, вторичный отстойники
Кривые функционирования и стохастические модели	Прогноз поведения отстойников	Первичный, вторичный отстойники

Таблица 1.3 - Средства искусственного интеллекта, разработанные для очистных сооружений

Название. Разработчик	Представле-ние знаний	Основные функции и характеристики	Недостатки
ЭС реального времени. (Baeza,J) [3]	Правила	Регулирование работы очистных сооружений. Управление процессом очистки сточных вод через Интернет.	Системы на основе правил: - не обучаются в процессе работы - сложности с процессом извлечения знаний и опыта исходных данных - неспособны к предви-дению, их область ограничена прошлыми предопределёнными ситуациями. Системы на прецедентах: - проблема индексации прецедентов в базе знаний; - организация эффективной процедуры поиска ближайших прецедентов; - обучение, формирования правил адаптации; - удаление прецедентов, потерявших актуальность. Прецеденты и правила: - Отсутствует синтаксическая и семантическая интеграция модулей системы
ЭС для определения состояния очистных сооружений. (Riano) 4]	Правила	Система автоматического построения правил, используемых для идентификации состояния очистных сооружений.
ЭС для управления очистными соору-жениями.(Yang)[5]	Правила	Экспертная система для определения последовательности стадий очистки воды на очистных сооружениях
ЭС для управления ОС.(Wiese, J., Stahl, A., Hansen,J.) [6]	Преце-денты	Экспертная система для определения вредных микроорганизмов в системе активного ила
ЭС по сокращению ущерба от загрязнения водных ресурсов. (Университет Сев. Каролины) [7]	Правила, прецеденты	Оценка потенциальных воздействий для управления рассеянными источниками загрязнения в бассейне рек, основанная на информации и решениях, поступающих от пользователя.
ЭС реального времени для управления очистными сооружениями, (Sanchez-Marre) [8]	Правила, прецеденты	ППР при наблюдении, комплексном контроле и управлении работой очистных сооружений. Комбинирует во фреймовую структуру: обучение, рассуждение, приобретение знаний, распределенное принятие решений. Правила вывода частично моделируют данные и экспертные знания. Система на прецедентах моделирует эмпирические знания.
Управление системой активного ила. (Comas,J.) [9]	Правила, прецеденты	Система контроля и управления системой активного ила на биологических очистных сооружениях. Ядро и основные модули разработаны на основе объектно-ориентированной оболочки, реализующей механизм логического вывода. Управляет получением данных, БД, системой правил и прецедентов.

Наиболее характерной формой для решения задач управления непосредственно блоком биологической очистки, являются экспертные системы, построенные на основе продукционной модели, где знания представлены совокупностью правил вида “если – то”. Основные преимущества такой экспертной системы — это простота пополнения, модификации и аннулирования информации и простота механизма логического вывода. Для организации структуры экспертной системы, представленной на рис.1.1 [12], требуется преобразовать технологическую информацию в структуру принятия решений, которая описывает работу базы знаний, а затем, на основе выбранной программной оболочки, составить программу работы экспертной системы.

Это и будет являться целью данной дипломной работы: адаптировать опыт теоретических исследований и практических решений в области использования экспертных систем для управления блоком биологической очистки сточных вод к конкретному процессу очистки, с учётом конструктивных параметров и принятой при проектировании индивидуальной технологической схемы данных очистных сооружений. А также создание полноценной системы автоматизации процесса и выбор технических средств её реализации.

Рисунок 1.1 – Структура управления процессом очистки сточных вод

Дата добавления: 2015-07-15