尿素生產(chǎn)項(xiàng)目中工藝污水氨氮濃度測(cè)量方法研究

馬偉偉　石長(zhǎng)利

摘? 要：氨氣吹脫塔是污水處理過(guò)程中的一個(gè)重要設(shè)備，可以有效降低污水中的氨氮濃度，它的運(yùn)行好壞直接影響到最終出水是否可以達(dá)標(biāo)排放。要保證氨氣吹脫塔高效穩(wěn)定運(yùn)行，實(shí)現(xiàn)對(duì)氨氣吹脫過(guò)程優(yōu)化控制，前提是需要對(duì)氨氣吹脫塔出水氨氮濃度進(jìn)行及時(shí)準(zhǔn)確的測(cè)量。

關(guān)鍵詞：氨氣吹脫;尿素生產(chǎn);水氨氮

在實(shí)際的污水處理過(guò)程中由于企業(yè)排放污水量大、污水成分復(fù)雜、pH波動(dòng)大、氨氮（NH3-N）濃度高以及有機(jī)污染物種類(lèi)多，因此對(duì)污水處理過(guò)程建立軟測(cè)量模型的難度要大于其它工業(yè)過(guò)程。氨氣吹脫塔作為污水處理過(guò)程中的一個(gè)重要設(shè)備，它的運(yùn)行好壞直接影響到最終污水是否可以達(dá)標(biāo)排放。為了保證系統(tǒng)既能有較高的處理效率又可以有較為經(jīng)濟(jì)的處理費(fèi)用，就必須合理控制吹脫塔的進(jìn)水流量、塔內(nèi)溫度、鼓風(fēng)機(jī)給風(fēng)量、進(jìn)水pH，使氨氣吹脫塔負(fù)荷（去除氨氮的效率）處于一個(gè)理想的區(qū)間，因此對(duì)氨氣吹脫塔出水氨氮濃度進(jìn)行及時(shí)準(zhǔn)確的測(cè)量，對(duì)提升我國(guó)污水處理水平、降低污水處理成本極具現(xiàn)實(shí)意義。

1氨氣吹脫塔出水氨氮濃度模型的建立

1.1輔助變量的選擇

軟測(cè)量建模過(guò)程中輔助變量的選擇對(duì)模型結(jié)構(gòu)以及最終模型預(yù)測(cè)精度有很大的影響。在選擇上主要考慮變量參數(shù)的類(lèi)型、變量參數(shù)的數(shù)量、變量參數(shù)對(duì)輸出結(jié)果的影響程度以及變量參數(shù)在實(shí)際工業(yè)中采集的難易程度。確定輔助變量的主要方法有：通過(guò)對(duì)系統(tǒng)進(jìn)行機(jī)理分析獲得輔助變量、結(jié)合工業(yè)現(xiàn)場(chǎng)的實(shí)際運(yùn)行數(shù)據(jù)，計(jì)算出各變量參數(shù)的貢獻(xiàn)率，最終確定出輔助變量。通過(guò)第四章對(duì)氨氣吹脫工藝的機(jī)理介紹，以及對(duì)影響出水氨氮濃度的因素進(jìn)行分析可知：污水溫度、pH對(duì)吹脫塔最后的出水氨氮濃度有直接影響，這兩個(gè)變量可以通過(guò)傳感器直接測(cè)量得到。鼓風(fēng)機(jī)的給風(fēng)量是吹走游離氨的主要介質(zhì)，因此該變量也是需要考慮的一個(gè)輔助變量。由于吹脫塔單體容積是固定的，因此吹脫塔進(jìn)水量間接決定了污水在塔內(nèi)停留的時(shí)間，最終也會(huì)影響到出水氨氮濃度。

1.2采用關(guān)聯(lián)度分析法最終確定輔助變量。

本文中的數(shù)據(jù)來(lái)源于我公司尿素生產(chǎn)工藝產(chǎn)生污水，其中進(jìn)水氨氮濃度是通過(guò)化驗(yàn)室實(shí)際測(cè)量得到的，鼓風(fēng)機(jī)給風(fēng)量由其銘牌可以直接獲?。ㄒ粋€(gè)氨氣吹脫塔配有4臺(tái)鼓風(fēng)機(jī)，根據(jù)不同的進(jìn)水量靈活選擇給風(fēng)量），其余3個(gè)輔助變量均是通過(guò)現(xiàn)場(chǎng)測(cè)量?jī)x表進(jìn)行讀數(shù)獲取。

1.3樣本數(shù)據(jù)處理

對(duì)獲得的數(shù)據(jù)樣本首先進(jìn)行異常數(shù)據(jù)處理，由經(jīng)驗(yàn)可以知道氨氣吹脫塔出水氨氮濃度一定會(huì)小于進(jìn)水氨氮濃度、吹脫塔內(nèi)污水的pH通常大于7、進(jìn)水流量不可能大于進(jìn)水泵的最大流量，根據(jù)這些原則先把樣本數(shù)據(jù)中明顯錯(cuò)誤的數(shù)據(jù)進(jìn)行剔除，將剔除后的數(shù)據(jù)繼續(xù)進(jìn)行歸一化處理，數(shù)據(jù)歸一化處理是將有量綱的數(shù)值轉(zhuǎn)換成無(wú)量綱的純數(shù)，這樣做的主要原因是在污水處理過(guò)程中各個(gè)指標(biāo)的工程單位不同，數(shù)量級(jí)也會(huì)相差很大，所以直接用原始數(shù)據(jù)輸入到模型之中會(huì)導(dǎo)致信息的丟失，還會(huì)引起計(jì)算數(shù)值的不穩(wěn)定，因此必須對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)歸一化處理。

模型建立與仿真，經(jīng)過(guò)歸一化處理后，最終整理出來(lái)650組數(shù)據(jù)，其中600組用來(lái)作為模型建立的數(shù)據(jù)樣本，50組用來(lái)對(duì)模型的性能進(jìn)行檢驗(yàn)。本文將用SVM、LSSVM以及LL-LSSVM方法對(duì)氨氣吹脫塔出水氨氮濃度進(jìn)行軟測(cè)量建模。標(biāo)準(zhǔn)的SVM和LSSVM所建立的預(yù)測(cè)模型在精度上基本相似，但是兩種建模方法在工況點(diǎn)波動(dòng)劇烈的階段出現(xiàn)對(duì)曲線(xiàn)跟蹤能力下降的問(wèn)題。預(yù)測(cè)誤差曲線(xiàn)上也可以看出SVM預(yù)測(cè)曲線(xiàn)整體偏上，LSSVM預(yù)測(cè)曲線(xiàn)波動(dòng)劇烈，這兩種方法對(duì)工況波動(dòng)大的系統(tǒng)建模時(shí)，缺乏一定的自適應(yīng)能力。

2氨氣吹脫塔出水氨氮濃度模型的實(shí)時(shí)性改進(jìn)

在氨氣吹脫塔出水氨氮濃度的軟測(cè)量模型中，LL-LSSVM建模方法與其它方法相比，表現(xiàn)出更好的預(yù)測(cè)精度以及自適應(yīng)能力，但由于局部學(xué)習(xí)策略建模方法在整個(gè)樣本預(yù)測(cè)過(guò)程中，不斷的根據(jù)待測(cè)樣本變化來(lái)更新自己的局部模型，這勢(shì)必會(huì)加大模型的計(jì)算開(kāi)銷(xiāo)。然而，高精度對(duì)于實(shí)際應(yīng)用有時(shí)候是沒(méi)有意義的，例如本文研究的氨氣吹脫塔出水氨氮濃度的測(cè)量，在實(shí)際的生產(chǎn)過(guò)程中，氨氣吹脫工藝是污水處理過(guò)程中的一個(gè)預(yù)處理階段，主要是將污水中的氨氮濃度從很高的值（例如3000～4000mg/L）降到一個(gè)比較低的值（例如氨氮濃度<200mg/L），只要保證了污水氨氮含量不超過(guò)警戒值，就不會(huì)對(duì)污水后續(xù)的生物處理造成大的影響。而氨氣吹脫塔出水氨氮濃度是作為指導(dǎo)現(xiàn)場(chǎng)生產(chǎn)、優(yōu)化工藝的一個(gè)重要指標(biāo)，必須及時(shí)獲知以方便現(xiàn)場(chǎng)操作人員對(duì)于不同的出水氨氮濃度進(jìn)行最優(yōu)化的操作，例如當(dāng)氨氣吹脫塔處理效果很好時(shí)，可以及時(shí)減小氨氣吹脫塔進(jìn)風(fēng)量或者減小用于調(diào)節(jié)pH的藥劑，這樣可以使污水處理過(guò)程更為經(jīng)濟(jì)，降低了企業(yè)處理污水的成本。為此，必須將局部學(xué)習(xí)模型預(yù)測(cè)的實(shí)時(shí)性（realtime）作為一個(gè)衡量其實(shí)用價(jià)值的重要指標(biāo)[1] 。

基于局部學(xué)習(xí)建模與傳統(tǒng)的離線(xiàn)建模方式不同，傳統(tǒng)的離線(xiàn)建模只是通過(guò)對(duì)樣本數(shù)據(jù)進(jìn)行一次學(xué)習(xí)并建立一個(gè)全局模型，然后用于對(duì)所有待測(cè)樣本進(jìn)行預(yù)測(cè)輸出。因此，全局建模只有在第一次建立模型時(shí)才會(huì)有計(jì)算開(kāi)銷(xiāo)，而局部學(xué)習(xí)建模在預(yù)測(cè)輸出結(jié)束后將模型拋棄，下一次進(jìn)行預(yù)測(cè)時(shí)還需重新建立局部模型。因此，每一個(gè)新的待測(cè)樣本數(shù)據(jù)都必然對(duì)應(yīng)著要建立一個(gè)新的局部模型，待測(cè)樣本數(shù)量很多的時(shí)候?qū)?huì)大大增加建立局部模型的計(jì)算開(kāi)銷(xiāo)[2] 。

然而實(shí)際的工業(yè)過(guò)程中，在一些時(shí)間段內(nèi)，系統(tǒng)的變化可能很緩慢，工況波動(dòng)的范圍很小或者幾乎處于“靜止”狀態(tài)。如果待查詢(xún)的樣本數(shù)據(jù)連續(xù)落入到這一區(qū)域中，我們?nèi)岳^續(xù)采用“一個(gè)數(shù)據(jù)建立一個(gè)局部模型”的做法，這將會(huì)浪費(fèi)很多時(shí)間。我們通過(guò)分析可以得到：在這相對(duì)“靜止”的一段工況內(nèi)，數(shù)據(jù)波動(dòng)范圍很小，這段工況內(nèi)完全可以用一個(gè)局部模型來(lái)表示[3] 。因此，如果可以把局部模型更新的條件進(jìn)行一些規(guī)則上的設(shè)置，根據(jù)工況的實(shí)際波動(dòng)情況，在工況發(fā)生大幅度改變的時(shí)候，及時(shí)對(duì)局部模型進(jìn)行更新，確保模型可以有一個(gè)較高的預(yù)測(cè)精度;而在工況處于一個(gè)相對(duì)“靜止”的階段時(shí)，通過(guò)犧牲較小的預(yù)測(cè)精度降低局部模型更新的頻率，從而有效改善了局部學(xué)習(xí)模型預(yù)測(cè)的實(shí)時(shí)性。

3結(jié)論

對(duì)氨氣吹脫塔出水氨氮濃度進(jìn)行及時(shí)準(zhǔn)確的測(cè)量，可以有效提高企業(yè)污水處理能力以及降低污水處理費(fèi)用。通過(guò)第三章對(duì)氨氣吹脫塔工藝原理以及影響最終出水氨氮濃度的各個(gè)因素進(jìn)行了詳細(xì)的分析之后，結(jié)合實(shí)際的現(xiàn)場(chǎng)運(yùn)行數(shù)據(jù)初步確定了系統(tǒng)的輔助變量，然后利用關(guān)聯(lián)度分析方法對(duì)輔助變量集進(jìn)行優(yōu)化篩選，確定最終的輔助變量，對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理后，提出的LL-LSSVM方法建立氨氣吹脫塔出水氨氮濃度的軟測(cè)量模型，并與傳統(tǒng)的SVM和LSSVM模型進(jìn)行了對(duì)比。通為了改善局部學(xué)習(xí)模型預(yù)測(cè)實(shí)時(shí)性不足的問(wèn)題，提出一種可以有效降低局部模型更新頻率的方法，雖然會(huì)犧牲掉一小部分預(yù)測(cè)精度，但在實(shí)際的工業(yè)生產(chǎn)中并不會(huì)對(duì)生產(chǎn)造成太大影響，并且這種方法使模型預(yù)測(cè)的實(shí)時(shí)性有了很大的提高，在實(shí)際的污水處理過(guò)程中，可以及時(shí)將氨氮濃度反饋回現(xiàn)場(chǎng)，方便操作人員對(duì)現(xiàn)場(chǎng)工藝進(jìn)行更好的控制。

參考文獻(xiàn)

[1] 李康，王魏，王奕鵬.集成隨機(jī)配置網(wǎng)絡(luò)在養(yǎng)殖水質(zhì)監(jiān)測(cè)中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2020，36（04）：220-226.

[2] 李康，王魏，林少涵.基于GA-SVR的海水養(yǎng)殖過(guò)程軟測(cè)量建模[J].控制工程，2019，26（11）：2047-2051.

[3] 王魏，郭戈.基于隨機(jī)配置網(wǎng)絡(luò)的海水養(yǎng)殖氨氮濃度軟測(cè)量模型[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2020，51（01）：214-220.