鼓风机出气量精确控制与运行效率分析
发布时间:2020-05-13 03:49
【摘要】:现代污水处理厂处理工艺以生物处理法(又称活性污泥法)为主。曝气是生物处理法的重要环节,也是污水处理厂耗能最高的环节。将溶解氧(DO)控制在2mg/L,可以有效提高污水处理出水水质,同时降低曝气量(即鼓风机出气量),节约生产成本。目前国内很多污水处理厂DO波动很大,不利于污水处理稳定高效运行。解决此问题需要对曝气量进行精确的控制,满足溶解氧浓度维持在2mg/L左右,这样既能满足生产质量需要,又能够最大限度减少曝气量,降低能耗。本文使用BP神经网络、最小二乘法求得多风机并联状态下出气量的函数解析式。分析历史数据得出鼓风机在不同工况下的效率,使鼓风机出气量在满足生产需求的前提下,实现其效率的最大化。建立通过不断调整鼓风机进口导叶开度来控制曝气量的预测模型。结果表明,该预测模型具有延迟时间短,精度高,对风机风量的实时控制能力强,达到智能控制、实时控制、降低能耗、提高效率、节约运营成本的目的,在污水处理的自动控制中有良好的应用前景。
【图文】:
上采用了三元流动设计理论,使单极离心式鼓风机效率高达 82%以上,远优于多极离心鼓风机,在结构上采用了轴向进气导叶调节装置,在恒定压力下,流量调节为额定电流的 65%-105%[7],单台流量调节范围 45%-100%[8],使得在低负荷条件下运行也有较高的效率,这是低速多极鼓风机和罗茨鼓风机所没有的优点。由于单极高速离心鼓风机具有体积小、重量轻、效率高、节约能源、性能范围调节广泛和自动化水平高等特点,目前已是污水处理行业曝气鼓风机的主流产品[9,10]。1.3.2 津沽污水处理厂鼓风机简介及分布图津沽污水处理厂采用单级高速离心鼓风机,6 用 1 备。设备规格为:风量 Q=26560Nm3/h、出口升压 P=770mbar、额定电压 U=10kV、电机功率 P=720kW(均为额定值)。鼓风机及进出风管道分布如图 1-2 所示。7 台风机并列分布,各风机出风管直径 600mm,,主风管直径初始为 1200mm,16.7m 后直径变为 1600mm,鼓风机间隔为 6m。
神经网络、最小二乘法的发展过程、原理及特点P 神经网络神经网络的研究可以追溯到 1800 年 Frued 的精神分析学时期初步工作。1943 年美国心理学家 Warren 与数学家 Walter 合具研究客观事件在形式神经网络中的描述,从此开创神经网在已经发展出 BP 神经网络、径向基神经网络、竞争型神经网络、反馈型神经网络等多种网络结构,其中应用最广的为 BP神经网络特有的非线性适应性信息处理能力,克服了传统人觉,如模式、语音识别、非结构化信息处理方面的缺陷。使系统、模式识别、智能控制、组合优化、预测等领域得到成
【学位授予单位】:天津大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:X703
【图文】:
上采用了三元流动设计理论,使单极离心式鼓风机效率高达 82%以上,远优于多极离心鼓风机,在结构上采用了轴向进气导叶调节装置,在恒定压力下,流量调节为额定电流的 65%-105%[7],单台流量调节范围 45%-100%[8],使得在低负荷条件下运行也有较高的效率,这是低速多极鼓风机和罗茨鼓风机所没有的优点。由于单极高速离心鼓风机具有体积小、重量轻、效率高、节约能源、性能范围调节广泛和自动化水平高等特点,目前已是污水处理行业曝气鼓风机的主流产品[9,10]。1.3.2 津沽污水处理厂鼓风机简介及分布图津沽污水处理厂采用单级高速离心鼓风机,6 用 1 备。设备规格为:风量 Q=26560Nm3/h、出口升压 P=770mbar、额定电压 U=10kV、电机功率 P=720kW(均为额定值)。鼓风机及进出风管道分布如图 1-2 所示。7 台风机并列分布,各风机出风管直径 600mm,,主风管直径初始为 1200mm,16.7m 后直径变为 1600mm,鼓风机间隔为 6m。
神经网络、最小二乘法的发展过程、原理及特点P 神经网络神经网络的研究可以追溯到 1800 年 Frued 的精神分析学时期初步工作。1943 年美国心理学家 Warren 与数学家 Walter 合具研究客观事件在形式神经网络中的描述,从此开创神经网在已经发展出 BP 神经网络、径向基神经网络、竞争型神经网络、反馈型神经网络等多种网络结构,其中应用最广的为 BP神经网络特有的非线性适应性信息处理能力,克服了传统人觉,如模式、语音识别、非结构化信息处理方面的缺陷。使系统、模式识别、智能控制、组合优化、预测等领域得到成
【学位授予单位】:天津大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:X703
【相似文献】
相关期刊论文 前10条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
7 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
8 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
9 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
10 朱n
本文编号:2661331
本文链接:https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/2661331.html