Giải pháp nâng cao chất lượng điều khiển lượng Oxy hòa tan trong hệ thống xử lý nước thải theo phương pháp bùn hoạt tính
Nghiên cứu khoa học công nghệ
GIẢI PHÁP NÂNG CAO CHẤT LƯỢNG ĐIỀU KHIỂN LƯỢNG OXY
HÒA TAN TRONG HỆ THỐNG XỬ LÝ NƯỚC THẢI THEO
PHƯƠNG PHÁP BÙN HOẠT TÍNH
Bạch Văn Nam*, Đỗ Trung Hải, Nguyễn Phương Huy
Tóm tắt: Bài báo phân tích một số giải pháp nâng cao chất lượng điều khiển
lượng oxy hòa tan (Dissolved Oxygen - DO) trong hệ thống xử lý nước thải theo
phương pháp bùn hoạt tính (Activated Sludgle Model - ASM) qua đó giúp cải thiện
chất lượng đầu ra nước thải, đồng thời giảm thiểu chi phí hoạt động của hệ thống.
Các giải pháp này bao gồm việc lắp thêm các bộ điều khiển PI cho một số bể xử lý
và/hoặc sử dụng giải thuật di truyền để tìm ra các tham số tối ưu của bộ điều khiển
PI. Việc đánh giá các giải pháp được thực hiện trên mô hình BSM1, là mô hình
chuẩn được cộng đồng thế giới khuyến nghị.
Từ khóa: Xử lý nước thải bùn hoạt tính; BSM1; Điều khiển oxy hòa tan; Bộ điều khiển PI; Giải thuật di truyền.
1. ĐẶT VẤN ĐỀ
Nước thải là một thuật ngữ áp dụng đối với bất kỳ nguồn nước nào bị ô nhiễm bởi con
người gây ảnh hưởng tiêu cực đến chất lượng nước, chẳng hạn nước thải trong sinh hoạt
như nước thải do bơi lội, nấu ăn, giặt giũ, xả nước nhà vệ sinh… hoặc nước thải trong
công nghiệp, nông nghiệp. Tất cả nước thải trên cần được xử lý trước khi thoát trực tiếp
vào các lưu vực sông chính [9]. Khi nước thải không được xử lý, một số nước thải có thể
ảnh hưởng nghiêm trọng đến sức khoẻ của con người và chất lượng môi trường.
Đã có rất nhiều hệ thống nước thải sử dụng phương pháp bùn hoạt tính được thiết kế và
cũng có rất nhiều chiến lược điều khiển đã được áp dụng [9], [10]. Tuy nhiên, để so sánh
giữa các hệ thống xử lý nước thải và các chiến lược điều khiển là rất khó khăn do yêu cầu
đầu ra của nước thải của các quốc gia và mức chi phí là khác nhau.
Nhằm nâng cao việc đánh giá và áp dụng các phương pháp điều khiển mới, từ năm
1998 đến năm 2004, việc phát triển của các công cụ chuẩn để đánh giá dựa trên mô phỏng
các phương pháp điều khiển cho các nhà máy bùn hoạt tính đã được thực hiện ở châu Âu
bởi các nhóm làm việc của COST Action 682 và 624 [1], [3]. Trong đó, mô hình mô
phỏng BSM1 (Benchmark Simulation Model No 1) là một môi trường mô phỏng xác định
cách bố trí hệ thống, dòng nước thải đầu vào/ra, quy trình kiểm tra và tiêu chí đánh giá.
Mô hình này được cộng đồng thế giới khuyến nghị sử dụng làm mô hình mẫu để đánh giá
các chiến lược, giải pháp điều khiển khác nhau trong xử lý nước thải theo phương pháp
bàn hoạt tính.
Trong quá trình xây dựng mô hình BSM1 cho hệ thống xử lý nước thải bằng bùn hoạt
tính [1], nhóm tác giả đã đề xuất 2 vòng điều khiển PI: Điều khiển Nitrat (SNO) trong bể
thứ hai và điều khiển lượng oxy hòa tan (DO) trong bể thứ năm (hình 3). Hai bộ điều
khiển này được gọi là hai bộ điều khiển mặc định. Nhờ sự hoạt động của hai bộ điều khiển
này, các kết quả chất lượng nước thải đầu ra (EQI), chi phí vận hành hệ thống (OCI), nồng
độ của các chất Ntot, CODt, SNH, TSS và BOD5 sẽ là giá trị tham chiếu để so sánh với
các chiến lược điều khiển khác được đề xuất (nếu có).
Từ mô hình BSM1, rất nhiều chiến lược điều khiển như điều khiển dự báo [8], [11],
mạng nơ ron [6], điều khiển mờ [4], [9] hay đại số gia tử [2] đã được đề xuất áp dụng để
điều khiển nồng độ Oxy hòa tan (DO), nhằm làm giảm thiểu chỉ số chất lượng nước thải
đầu ra (EQI), đồng thời giảm thiểu chỉ số chi phí hoạt động (OCI) của hệ thống. Tuy
nhiên, nhóm tác giả nhận thấy trên thực tế đang triển khai, hầu hết các bộ điều khiển đã và
đang sử dụng trong các nhà máy xử lý nước thải cũng như trong công nghiệp đều là bộ
điều khiển kinh điển PI.
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018
135
Kỹ thuật Điện tử – Thông tin
Bên cạnh đó, sau khi tìm hiểu về với mô hình mô phỏng điểm chuẩn BSM1 và chiến lược
điều khiển mặc định [1], tác giả thấy rằng hệ thống chỉ điều khiển nồng độ Oxy trong bể số 5
mà không điều khiển nồng độ oxy trong các bể hiếu khí khác (bể số 3 và bể số 4) và hệ số
của bộ điều khiển (KSO5, TiSO5) là giá trị khuyến nghị chứ không phải giá trị tối ưu.
Chính vì vậy, nhằm cải thiện chỉ số chất lượng nước thải đầu ra (EQI), đồng thời giảm
thiểu chỉ số chi phí hoạt động (OCI) của hệ thống, trong bài này, nhóm tác giả để xuất một
số giải pháp nâng cao chất lượng điều khiển DO theo hai hướng:
- Tăng cường thêm các bộ điều khiển PI cho các bể hiếu khí số 4,5 với các tham số của
bộ điều khiển là tham số mặc định (được khuyến nghị trong mô hình chuẩn)
- Sử dụng giải thuật di truyền để tìm các hệ số tối ưu cho các bộ điều khiển PI nhằm
đạt tới các chỉ số chất lượng tốt hơn..
Các giải pháp này sẽ được đánh giá thông qua mô phỏng để từ đó cho phép lựa chọn ra
giải pháp phù hợp nhất tùy theo các tiêu chí đặt ra.
2. HỆ THỐNG XỬ LÝ NƯỚC THẢI THEO PHƯƠNG PHÁP BÙN HOẠT TÍNH
VÀ CÁC CHỈ TIÊU ĐÁNH GIÁ
Hiện tại, trên thế giới cũng như ở Việt Nam, xử lý sinh học nói chung và xử lý dùng
bùn hoạt tính nói riêng là một phần quan trọng và phổ biến ở các nhà máy xử lý nước
thải. Quá trình bùn hoạt tính phức tạp, bao gồm một số lượng lớn các vi sinh vật, liên tục
phát triển và lưu thông trong nước thải. Vi sinh vật liên tục tiêu thụ các chất hữu cơ
trong nước thải.
Hình 1. Sơ đồ xử lý nước thải bằng bùn hoạt tính.
Quy trình bùn hoạt tính có ba thành phần cơ bản (hình 1):
- Bể xử lý sinh học, trong đó vi sinh vật được giữ dạng lơ lửng
- Bể lắng để tách lỏng và rắn
- Hệ thống tái chế bùn cho bùn hoạt tính trở lại cho đến khi bắt đầu quá trình.
Theo sơ đồ xử lý nước thải bằng bùn hoạt tính (hình 1), sục khí là phần quan trọng
trong các bể xử lý sinh học vì đây là quá trình cung cấp Oxy cho các vi khuẩn trong các bể
hiếu khí hoạt động. Khi lượng Oxy không đầy đủ dẫn đến sự suy thoái của bùn hoạt tính
hoặc khi dư thừa sẽ gây sự lãng phí năng lượng và tiền bạc [5]. Vì vậy, điều khiển nồng độ
Oxy hòa tan (DO) trong các bể xử lý sinh học là công việc rất quan trọng. Cấu trúc của
điều khiển DO được mô tả chi tiết trong hình 2.
ꢀꢁ/ꢀꢂ
ꢃ
ꢅ
Hệ số truyền
Oxy (Kla)
Bộ điều
khiển
Máy thổi
ꢃ
( )
−
Hình 2. Sơ đồ cấu trúc điều khiển DO.
136
B. V. Nam, Đ. T. Hải, N. P. Huy, “Giải pháp nâng cao chất lượng … bùn hoạt tính.”
Nghiên ccứu khoa học công nnghhệ
Để k
i
i
ểm chứng và so ssán
hình chuuẩn BSMM1 [
ng tích 6000 m3 baao
33 m3. Hệ thống gồ
y trì nồng độ Nitơơ ở
òa tan ở mức 2 gg (
ều khiển PI kinh đđiể
h
h
giữa các phương pháp điều khiển DO
] như hình 3. BS 1 bao gồm năm bể
ồm: 2
ể kỵ khí, mỗi bình 1000 m3 v
hai bộ điiều khiể : Bộ điều khiển quá
ộ điều khiể DO (tại bể số 5) du
án điều khiển mặc ịnh đượcc đ
,
x
các nhà kh
ử lý bùnn h
ba bể hhiế
rình nitraat
o
o
a học s
ạt tính c
khí, mỗi
óa (tại b
trì nồn
xuất bở
ửử
óó
dụng m
ôô
1
1
M
M
o
o
tổng du
n
g
g
b
à
à
uu
hh
bình 13
3
ồ
m
m
n
n
tt
ểể
gg
ii
3
số 2) d
độ oxy
hai bộ đ
u
u
m
m
ức 1 g.
và
b
o
n
y
y
m
h
h
C
COD). 3 . Bài t
đđ
ềề
m
i
nn.
Hìnhh 3. Sơ đồ tổng quan của hệ thống BSM1[3
]].
Bảng 1. Giới hạ nồng độ đầu ra của các chất ttronng BSM1.
n
Việc đánh giá hiệu quảả c
dựa trê ba tiêu c í:
- Gi i hạn nồng độ củaa m
số chất ượng nướớc
số chi p í tổng thhể (
độ nướ thải của
tiêu chí hiệu quảả h
í hoạt động) và EQQI
ủ
ủa phươngg pháp điều khiển được áp dụnng cho môô hình BSM11
n
n
hh
ớ
ớ
ộ
ộ
t số chấ
hải đầu r
CI - OCI-Overal
t số chất phải tuân thủ các giớii hạn nêu trong bảnng
t
a
trong n
của hệ
ư
ư
ớc thải
hống (EQI - Effluent Quality IInd
Cost Index)) [3].
- Ch
ỉỉ
l
h
t
t
t
t
e
ex)
- Ch
ỉỉ
O
O
ll
Nồngg
c
m
ộ
ộ
1
1.
Trongg
o
o
ạt động ccủa hệ th
ố
ố
ng, hai tha
m
số đượ
c
c
sử dụngg là OCI (chỉỉ
số chi p
hh
(
(
chỉ số chất lượng nước thải đầầu ra)
t11
4days BSS T
S
S
S t BCOD
B
CODDe t B TKNe
t
e
1
TKNN
(1))
EQI
Q t dt
e
BNO SNN
t BBOD5 BODe
O,e
t
T
1000
t
0days
Tron
oxy hóa học, tổng lượng nnit
thải đầ ra. Qe l tốc độ lluồ
g
g
đó, TSSSe, CODe,, T
K
K
Ne, SNOe và BODe
, nồng độ nitrate và nhu cầu oxy sinh
g nước thải đầu ra và T là thời gian
cuối). BSSS = 2, BCOD = 1, BTTKN = 30, BNO = 10 và BBOD5 = 2.
D
lần lượt là: tổng lư
ợ
h
ng chất rắ
ọc trongg l
= 14 ngàày
n
n
, nhu cầ
ồng nướ
ô phỏngg
uu
cc
o
o
u
u
uu
à
n
n
((
m
m
OCI =
=
M
M
E + PE + AE +3E
C
+ 5·SludgeProd
(2))
u
Tạp chí NNghiên cứu KH&CNN quân sự, Số Đặc san FEE, 08 - 2018
1377
Kỹ thuật Điện tử – Thông tin
Ở đây, AE là năng lượng sục khí được tính theo công thức:
t14days
SOsat,15
5
kWh
d
AE
Vi K L a1i 5
t
dt
(3)
T 1.8 1000
i1
t0days
Với Vi là thể tích bể chứa, KLai15 là hệ số truyền đạt oxygen ở 15°C và SOsat,15 là độ tập
trung oxygen bão hòa tại 15°C.
EC đề cập đến carbon có thể được thêm vào để cải thiện sự khử nitơ:
ꢍꢗꢙꢛꢘꢜàꢝ
ꢍꢗꢞꢘꢜàꢝ
ꢈꢉꢊ
ꢋꢌ
ꢖꢗꢘ
ꢖꢗꢙ
∑
ꢓ
ꢆꢇ = ꢍ
ꢔ
ꢕꢈ,ꢖ
ꢚ. ꢀꢂ
∫
(4)
ꢎꢏꢐ.ꢑꢒꢒꢒ
Năng lượng khuấy (ME) cung cấp cho các bể khi quá trình sục khí không đủ để duy trì
điều kiện hoạt động của bùn hoạt tính được tính như sau:
t14days
5
kWh
d
1
ME
mei
tVi dt
(5)
T
i1
t0days
Với mei = 0.005 khi KLai dưới 20 d-1 và bằng 0 trong trường hợp ngược lại. PE là năng
lượng bơm và SludgeProd là tổng lượng bùn thải ra.
3. MỘT SỐ CHIẾN LƯỢC ĐIỀU KHIỂN DO CHO MÔ HÌNH BSM1
3.1. Bộ điều khiển PI mặc định
Hình 4. Sơ đồ mô phỏng dùng bộ điều khiển PI.
Bộ điều khiển PI kinh điển được mô tả bởi:
t
KP
u(t) KPe(t)
e(t)dt
(6)
TI
0
Với: e(t) là sai lệch của tín hiệu điều khiển và u(t) là tín hiệu điều khiển ở đầu ra của bộ
điều khiển.
Hình 4 minh họa sơ đồ mô phỏng của bộ điều khiển PI tại bể số 5 của mô hình BSM1.
Bộ điều khiển PI này sẽ điều chỉnh hệ số truyền oxy (KLa) với lượng đặt là 2 g/m3 (theo
khuyến nghị). Các tham số bộ điều khiển KP và TI đã được đề xuất bởi BSM1 là: KSO5
(KP)= 25, TiSO5(TI)= 0.0020 [3].
3.2. Một số giải pháp điều khiển đề xuất
Như đã phân tích ở trên, do PI là bộ điều khiển thường được sử dụng trong công
nghiệp, việc triển khai thêm các bộ điều khiển PI là rất dễ dàng. Vấn đề quan trọng là tìm
được các tham số KP và TI phù hợp đối với mỗi bộ điều khiển.
138
B. V. Nam, Đ. T. Hải, N. P. Huy, “Giải pháp nâng cao chất lượng … bùn hoạt tính.”
Nghiên cứu khoa học công nghệ
Vì vậy, trong bài báo này tác giả đề xuất 2 nhóm giải pháp bao gồm 4 chiến lược điều
khiển DO cho mô hình xử lý nước thải BSM1.
a. Bổ xung thêm bộ điều khiển PI cho các bể hiếu khí
- Chiến lược điều khiển thứ nhất (S1), tác giả mắc thêm bộ điều khiển PI vào bể số 4
để điều khiển DO đồng thời bể 4,5. Hệ số của bộ điều khiển PI và lượng đặt lấy theo
khuyến nghị (như cấu hình chuẩn). Cấu hình của chiến lược điều khiển S1 được thể
hiện trong hình 5.
a
Kl
4
Qi ,Zi
a
Kl
5
PI
PI
Bể 1
Bể 2
Bể 3
Bể 4
Bể 5
m=10
m=6
S O,5
Qc
Qf
m=1
Qu
PI
Qint
SNO,2
Qr
Qw
Hình 5. Cấu hình điều khiển C1.
- Chiến lược điều khiển thứ hai (S2), tác giả mắc thêm bộ điều khiển PI vào bể số 3, 4
để điều khiển DO đồng thời bể 3,4,5. Hệ số của các bộ điều khiển PI và lượng đặt lấy
theo khuyến nghị (như cấu hình chuẩn). Cấu hình của chiến lược điều khiển S2 được
thể hiện trong hình 6.
a
Kl
a
3
Kl
4
Qi ,Zi
a
Kl
5
PI
PI
PI
Bể 1
Bể 2
Bể 5
Bể 4
Bể 3
m=10
m=6
S O,5
Qc
Qf
m=1
Qu
PI
Qint
SNO,2
Qr
Qw
Hình 6. Cấu hình điều khiển C2.
b. Tìm kiếm các tham số cho bộ điều khiển PI dùng giải thuật di truyền
- Chiến lược điều khiển thứ 3 (S3): Chỉ sử dụng một bộ điều khiển PI cho bể 5 (như
mặc định). Tuy nhiên, tác giả sử dụng giải thuật di truyền (Genetic Algorithm - GA)
để tìm kiếm hệ số KP và TI mới sao cho chỉ số OCI và EQI là tốt nhất.
- Chiến lược điều khiển thứ 4 (S4): Sử dụng cấu hình điều khiển C2 (Hình 6) nhưng sử
dụng GA để tìm kiếm các hệ số tối ưu KP và TI của ba bộ điều khiển tại các bình
3,4,5.
GA là một phương pháp tìm kiếm ngẫu nhiên toàn cục mô phỏng các quá trình tiến hóa
tự nhiên. Các thuật toán di truyền bắt đầu một cách không có tri thức về lời giải chính xác
và hoàn toàn phụ thuộc vào phản ứng từ môi trường bằng cách khai thác quá trình tiến hóa
(tức là sinh sản, lai tạo và đột biến) để đi đến giải pháp tốt nhất [7].
Bằng cách bắt đầu tại một số điểm độc lập và tìm kiếm song song, GA tránh được cực
trị địa phương cũng như việc hội tụ tới các giải pháp tối ưu phụ. Nhờ vậy, GA đã được
chứng minh là có khả năng định vị khu vực hiệu suất cao trong các không gian phức tạp
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018
139
Kỹ thuật Điện tử – Thông tin
mà không gặp phải những khó khăn liên quan đến số chiều của không gian như các kỹ
thuật gradient hoặc các phương pháp tìm kiếm tối ưu dựa trên thông tin về đạo hàm.
Tham số của
bộ ĐK {Ci}
Đúng
fiti
yi
Quần thể
các hệ thống
điều khiển CSi
Xác định giá trị
fitness
GA
Hội tụ
Đưa ra cá
thể tốt nhất
Sai
Hình 7. Tối ưu tham số của bộ điều khiển dùng GA.
Một thuật toán di truyền thường được khởi tạo với một quần thể ngẫu nhiên gồm từ 20-
100 cá thể. Mỗi cá thể thường được biểu diễn bởi một chuỗi số thực hoặc nhị phân được
gọi là nhiễm sắc thể. Việc đánh giá hiệu quả của một nhiễm sắc thể được đo bằng hàm
mục tiêu. Hàm mục tiêu gán cho mỗi nhiễm sắc thể một số tương ứng được gọi là giá trị
fitness. Theo cách này, fitness của mỗi nhiễm sắc thể được tính và các thuật toán tìm kiếm
các nhiễm sắc thể thích hợp nhất được áp dụng (sinh sản, lai tạo và đột biến) [7].Hình 7
mô tả việc sử dụng GA để tìm ra các tham số phù hợp cho các bộ điều khiển DO. Mỗi
nhiễm sắc thể {Ci} sẽ đại diện cho các tham số KP, TI của các bộ điều khiển {CSi}. Độ
thích nghi của từng nhiễm sắc thể sẽ được đánh giá nhờ hàm fitness cho ta các giá trị fiti.
Cá thể Ci được xem là thích nghi nhất nếu có giá trị fiti nhỏ nhất. Khi điều kiện hội tụ
đảm bảo, ta sẽ tìm được nhiễm sắc thể chứa các tham số phù hợp nhất của bộ điều khiển.
Ở đây, hàm thích nghi được tính theo công thức
( )
ꢟꢠꢂꢡ ꢢ = 6096 ∗ ꢣꢇꢤ + 16366 ∗ ꢆꢔꢤ
(7)
Trong bài báo này, các tham số cài đặt giải thuật di truyền là:
- Kích thước quần thể: 100 cá thể.
- Số thế hệ: 1000.
P 0.7
- Xác suất lai tạo :
c
P 0.001
- Xác suất đột biến:
m
4. KẾT QUẢ MÔ PHỎNG VÀ BÀN LUẬN
Để đánh giá hiệu quả của các chiến lược điều khiển đề xuất (S1-S4), chúng tôi so sánh
việc hoạt động của các bộ điều khiển này với bộ điều khiển PI mặc định (PIdef) trên cùng
một điều kiện đầu vào là mẫu nước thải trong điều khiện thời tiết khô (dryinfluent) như mô
tả trong [3]. Các tham số thu được của hệ thống sau khi thực hiện các bộ điều khiển được
tổng hợp trong bảng 2.
Từ Bảng 2, với chiến lược điều khiển S1, chỉ số chất lượng nước thải đầu ra của hệ
thống (EQI) và chỉ số chi phí tổng thể (OCI) đồng thời thấp hơn so với bộ điều khiển
PIdef. Điều này chỉ ra rằng khi đưa thêm bộ điều khiển DO vào bể 4 ta thu được các kết
quả tốt hơn.
Tuy nhiên, từ kết quả của chiến lược S2 ta thấy, khi đưa thêm bộ điều khiển PI vào bể
3, kết quả không cải thiện được nhiều cho dù lúc này hệ thống có tới 3 bộ điều khiển ở cả
3 bể. Với chiến lược điều khiển S2, chỉ số EQI giảm hơn so với bộ điều khiển mặc định và
chiến lược S1, tuy nhiên, chỉ số OCI lớn hơn so với chiến lược S1 (dù vẫn thấp hơn PIdef).
140
B. V. Nam, Đ. T. Hải, N. P. Huy, “Giải pháp nâng cao chất lượng … bùn hoạt tính.”
Nghiên cứu khoa học công nghệ
Điều này cho thấy rằng không phải cứ đưa thêm nhiều bộ điều khiển PI vào là có thể nâng
cao được chất lượng hoạt động của hệ thống.
Bảng 2. Một số kết quả mô phỏng.
Chiến lược điều
khiển
Nồng độ
nước thải trung bình
PIdef
(Mặc định)
S1
S2
S3
S4
Thành
phần
Giới
hạn
Ntot (mg)
18
17.966
16.7881
48.2497
16.8685
48.2459
16.7908
48.2621
15.939
48.247
COD
(mg)
100
47.2159
BOD5
(mg)
10
2.7629
2.7594
2.7585
2.7627
2.7587
SNH (mg)
TSS (mg)
4
5.611
2.5144
2.3743
2.9276
2.4783
30
12.209
13.0247
13.0252
13.0211
13.0248
EQI (kg/d)
OCI (Euro/d)
6096.7133 6091.9096 6054.8045 6089.6677 5960.7135
16366.2631 16152.936 16206.1012 16252.3615 15836.2633
Với các chiến lược S3, S4, sau khi sử dụng GA để tìm tham số tối ưu cho bộ điều
khiển. Chiến lược điều khiển S3 có chỉ số EQI thấp hơn so với chiến lược S1 và PIdef, tuy
nhiên chỉ số OCI lớn hơn so với chiến lược S1. Như vậy, có thể thấy các giá trị khuyến
nghị cho tham số của bộ điều khiển PI ở bể số 5 đã được đánh giá rất kỹ. Sử dụng giải
thuật di truyền để tìm các hệ số khác chỉ cho kết quả tương tự hoặc nếu được lợi về chỉ số
EQI thì lại thiệt về OCI.
Chiến lược điều khiển S4 cho kết quả tốt nhất, vừa giảm chỉ số chất lượng nước thải
đầu ra (EQI) vừa giảm thiểu chi phí tổng thể (OCI) của hệ thống. Đồng thời, các chỉ tiêu
về chất lượng nước thải đầu ra đều nhỏ hơn các chiến lược khác (tuy không nhiều). Do các
bể hiếu khí được mắc liên tiếp nhau và tuần hoàn nên việc mắc ba bộ PI với cũng một giá
trị KP, TI như chiến lược S2 là không hợp lý. Trong chiến lược S4, việc sử dụng GA sẽ
cho phép xác định các giá trị KP, TI khác nhau đối với từng bể hiếu khí và phù hợp hơn
với đặc tính động học của nước thải đầu bào. Do đó, chất lượng nước thải đầu ra cũng như
các tham số hoạt động thu được là tốt hơn.
5. KẾT LUẬN
Trong bài báo này, nhóm tác giả đưa ra một số chiến lược cho bài toán điều khiển DO
trong mô hình BSM1. Chiến lược điều khiển mặc định theo khuyến nghị cho kết quả hoạt
động đáp ứng được các chỉ tiêu đánh giá. Tuy nhiên, các kết quả này có thể được cải thiện
hơn nữa nếu sử dụng thêm các bộ điều khiển PI ở các bể hiếu khí còn lại. Vấn đề là phải
xác định được các tham số thực sự phù hợp của các bộ PI (khác nhau ở mỗi bể). GA là một
công cụ dễ sử dụng và hiệu qủa cho ta thực hiện điều này. Kết quả thu được là gợi ý cho
các nhà thiết kế hệ thống xử lý nước thải trên thực tế khi chỉ muốn sử dụng bộ điều khiển
PI cho hệ thống đó.
Trong các chiến lược điều khiển ở trên, lượng đặt để điều khiển DO đều là 2 g/m3.
Việc thay đổi lượng đặt oxy hòa tan tại các bể khác nhau chắc chắn sẽ tác động đến chất
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018
141
Kỹ thuật Điện tử – Thông tin
lượng của hệ thống. Vì vậy, cần tìm ra lượng đặt phù hợp tại mỗi bể sao cho vừa giảm chỉ
số chất lượng nước thải đầu ra (EQI) vừa giảm thiểu chi phí tổng thể (OCI) của hệ thống.
Việc đề xuất sử dụng thêm các bộ điều khiển PI được nhóm tác giả đưa ra là do tính
phổ dụng và đơn giản trong triển khai thực tế. Các kết quả thu được có tốt hơn tuy nhiên
vẫn chưa thực sự rõ rệt. Về mặt bản chất thì hệ thống xử lý nước thải bùn hoạt tính là một
hệ động, phi tuyến. Do đó, để có thể nâng cao hơn nữa chất lượng của hệ thống này ta phải
áp dụng các phương pháp điều khiển mới, tiến tiến hơn như điều khiển mờ, điều khiển dự
báo. Đây cũng là hướng dự kiến nghiên cứu tiếp theo của nhóm tác giả.
Lời cảm ơn: Nhóm tác giả cảm ơn sự tài trợ về kinh phí của Trường Đại học Kỹ thuật
Công nghiệp - Đại học Thái Nguyên cho đề tài mã số ĐH2017 - TN02 -03
TÀI LIỆU THAM KHẢO
[1]. Alex, J., L. Benedetti, J. Copp, K.V. Gernaey, U. Jeppsson, I. Nopens, Pons, M. N.,
Rieger, L., Rosen, C., Steyer, J. P., Vanrolleghem, P., and Winkler, S., 2008.
“Benchmark Simulation Model. 1 (BSM1)”. Report by the IWA Taskgroup on
Benchmarking of Control Strategies for WWTPs.
[2]. Binh Lam Hoang, Fei Luo, Duy Nguyen Tien, Phuong Huy Nguyen (2014),
Dissolved Oxygen Control of the Activated Sludge Wastewater Treatment Process
Using Hedge Algebraic Control, Biomedical Engineering and Informatics (BMEI),
7th International Conference (BMEI 2014), pp 827 – 832.
[3]. Copp, J.B. (Ed.), 2002. The COST Simulation Benchmark - Description and
Simulator Manual. Office for Official Publications of the European Communities,
Luxembourg.
[4]. C. Belchiora, R. Araujo and J. Landeck, 2010, Dissolved oxygen control of the
activated sludge wastewater treatment process using stable adaptive fuzzy control.
[5]. Carl-Fredrik Lindberg, 1998, Multivariable modeling and control of an activated
sludge process. Water Science Technology, 37(12):149–156.
[6]. Luolong, Luofei and Zhouliyou, 2010, Prediction of Wastewater sludge recycle
performance using Radial Basis Function Neural Network. In International
Conference on Networking and Information Technology, pp: 319-321.
[7]. Goldberg D.E (1989), Genetic Algorithms in Search, Optimization, and Machine
Learning, Addison-Wesley.
[8]. Holenda, B., Domokos, E., R´ edey, ´ A., & Fazakas, J. (2008), Dissolved oxygen
control of the activated sludge wastewater treatment process using model predictive
control, Computers & Chemical Engineering, 32, 1270–1278.
[9]. YE Hong-tao, LI Zhen-qiang, LUO Wen-guang (2013), Dissolved Oxygen Control of
the Activated Sludge Wastewater Treatment Process Using Adaptive Fuzzy PID
Control, Proceedings of the 32nd Chinese Control Conference, pp 7510-7513
[10]. T.Wang (2011). UASB-CASS joint technology applied to treatment of brewery
wastewater. In Computer Distributed Control and Intelligent Environmental
Monitoring, pages 330–333
[11]. Jean-Pierre Corriou and Marie-Noelle Pons; Model Predictive Control of
Wastewater Treatment Plants: application to the BSM1. Benchmark European
Symposium on Computer-Aided Process Engineering- 14
142
B. V. Nam, Đ. T. Hải, N. P. Huy, “Giải pháp nâng cao chất lượng … bùn hoạt tính.”
Nghiên cứu khoa học công nghệ
ABSTRACT
SOLUTIONS IMPROVING THE CONTROL PERFORMANCE
OF THE DISOLVED OXYGEN IN WASTED-WATER TREATMENT SYSTEM
USING ACTIVATED SLUDGE METHOD
The paper analyzes some solutions improving the control performance of
dissolved oxygen amount in wasted-water treatment system using activated sludge
method. Therefore, qualities of output water flow are improved, and the operational
cost paying for this process is reduced. These solutions include adding more PI
controllers for some tanks or using genetic algorithm to figure out the optimal
parameters of the PI controllers. The solutions are evaluated based on the BSM1
model which is suggested by scientific community.
Keywords: Wasted-water treatment system using activated sludge method; BSM1; Dissolved oxygen control;
PI controller; Genetic algorithm.
Nhận bài ngày 01 tháng 7 năm 2018
Hoàn thiện ngày 10 tháng 9 năm 2018
Chấp nhận đăng ngày 20 tháng 9 năm 2018
Địa chỉ: 1 Trường Đại học Kỹ thuật công nghiệp – ĐH Thái Nguyên.
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018
143
9 trang
13/01/2024
14060
Free
Bạn đang xem tài liệu "Giải pháp nâng cao chất lượng điều khiển lượng Oxy hòa tan trong hệ thống xử lý nước thải theo phương pháp bùn hoạt tính", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- giai_phap_nang_cao_chat_luong_dieu_khien_luong_oxy_hoa_tan_t.pdf
