特許ウォッチ

公開番号2024152543
公報種別公開特許公報(A)
公開日2024-10-25
出願番号2023089191
出願日2023-05-30
発明の名称最適化浄水処理凝固操作パラメータ提案方法
出願人國立中央大學,National Central University
代理人個人
主分類C02F 1/52 20230101AFI20241018BHJP(水,廃水,下水または汚泥の処理)
要約【課題】本発明は、最適化浄水処理凝固操作パラメータ提案方法を提供する。
【解決手段】AIoT(Artificial Intelligence of Things)を応用して、最適化凝固手順で、省エネルギーとコスト低減の目的を実現する。最適化凝固手順は、水質条件と凝集剤注入率及び撹拌速度等のトレーニングデータを利用して、AIと統計モデルで、対応する濁り変量を推定し、そして、飲料水の水質基準と薬剤及びエネルギーコストを検討した後、最適化操作パラメータを求める。結果から分かるように、最適化模型において、多重非線形回帰の正確度が比較的に高く、その二乗平均平方根誤差(root-mean-square difference, RMSD)が1.57濁り(NTU)である。言い換えれば、最適化凝固手順は、水質の変化に基づいて、的確的に、凝固に関連する操作パラメータが推定される。
【選択図】図1
特許請求の範囲【請求項１】
少なくとも、
ジャーテストを行って凝固データを収集し、水質条件と凝固操作パラメータが含まれる、収集した凝固データを、複数の人工神経網(Artificial Neural Network, ANN)や回帰モデル(Regression Model)のトレーニングデータとして、異なる、原水の濁りや原水のpH価(pH)及び水温が含まれる水質条件と、凝集剤注入率と撹拌速度が含まれる凝固操作パラメータとに対応する濁り変量、を推定する、訓練ステップと、
訓練済みの当該らのANNと回帰モデルに、水質条件や凝集剤注入率設定値及び撹拌速度設定値を入力して、濁り変量を推定し、また、当該濁り変量と当該水質条件の原水の濁りとを比較することにより、ある実施規則に満足することと判断すれば、コストの最も低い凝集剤注入率と撹拌速度を、最も良い操作パラメータとして予測し、また、複数のANN構成と迴歸方法を比較して、当該らのANNと回帰モデルから、凝固操作パラメータ提案模型を選別する、応用ステップと、
が含まれ、
ことを特徴とする最適化浄水処理凝固操作パラメータ提案方法。
続きを表示（約 1,500 文字）【請求項２】
その中、当該濁り変量は、原水の濁りと沈殿済の水の濁りとの差である、ことを特徴とする請求項1に記載される最適化浄水処理凝固操作パラメータ提案方法。
【請求項３】
その中、当該訓練ステップにおいて収集した凝固データは、複数の、区間が10 NTUでありながら、10～100 濁り(Nephelometric Turbidity Unit, NTU)に介在する原水の濁りと、複数の、区間が10 rpmでありながら、20～60 rpmに介在する撹拌速度及び、複数の、0.1～50 ppm濃度の凝集剤注入率である、ことを特徴とする請求項1に記載される最適化浄水処理凝固操作パラメータ提案方法。
【請求項４】
その中、当該訓練ステップにおいて、当該ジャーテストは、
複数の、異なる濁りを有する原水を調整して、当該らの原水の濁りと原水のpH及び水温である水質条件を測定し、それから、当該複数の、濁り調整済みの原水を、夫々、ビーカーに入れ込む、サブステップ1と、
凝固剤を添加する、サブステップ2と、
高速と低速の撹拌速度を設定する、サブステップ3と、
靜置することにより、フロックを、底部に沈殿させる、サブステップ4及び、
上澄み液を取り出して、沈殿済の水の濁りや沈殿済の水のpH及び水温を測定して記録する、サブステップ5と、
が含まれる、
ことを特徴とする請求項1に記載される最適化浄水処理凝固操作パラメータ提案方法。
【請求項５】
その中、当該凝固剤は、ポリ塩化アルミニウムや塩化第二鉄である、ことを特徴とする請求項1か4に記載される最適化浄水処理凝固操作パラメータ提案方法。
【請求項６】
その中、当該複数の、人工神経網と回帰モデルは、逆伝搬神経回路網(Back Propagation Neural Network, BPNN)や、エクストリーム・ラーニング・マシン(Extreme Learning Machines, ELM)、多重線形回帰(Multiple Linear Regression, MLR)及び、多重非線形回帰(Multiple Nonlinear Regression, MNR)等の四種類の模型が含まれる、ことを特徴とする請求項1に記載される最適化浄水処理凝固操作パラメータ提案方法。
【請求項７】
その中、当該応用ステップにおいて、アプリケーションに、複数組の、模擬した当該凝集剤注入率設定値と当該撹拌速度設定値を設定し、比較的低いコストである凝集剤注入率設定値と撹拌速度設定値を、最も低いコストの操作パラメータに調整させ、その中、各組の設定値収束条件の間隔が、反復時設定値の差である、ことを特徴とする請求項1に記載される最適化浄水処理凝固操作パラメータ提案方法。
【請求項８】
その中、当該応用ステップが、当該実施規則を満足すると判断した後、更に、設定値の間隔を判断し、例えば、当該凝集剤注入率設定値の間隔が0.1 ppmより少ない或いは、当該撹拌速度設定値の間隔が0.1 rpmより少ないであることにより、最も良い操作パラメータを取得する、ことを特徴とする請求項1に記載される最適化浄水処理凝固操作パラメータ提案方法。
【請求項９】
その中、当該実施規則は、靜置沈殿後、上澄み液の濁りが、5 NTUより少ない、ことを特徴とする請求項1に記載される最適化浄水処理凝固操作パラメータ提案方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、最適化浄水処理凝固操作パラメータ提案方法に関し、特に、省エネルギーや投薬量コストの低下、そして、浄化効率の向上のために、人工神経網(Artificial Neural Network, ANN)や回帰モデル(Regression Model)で、最適化凝固手順を研究開発して、適切な凝集剤注入率と撹拌速度を予測するものに関する。
続きを表示（約 2,600 文字）【背景技術】
【０００２】
世界保健機関によれば、水は、生命に不可欠の要素の一である。浄水場は、人々に水道水を供給するための重要なインフラストラクチャーである。浄水場の複雑な手順において、凝固は、淨水過程の重要な一番目の手順である。既存の多数浄水場の凝固手順においての操作パラメータは、殆ど、水質監視データと定期的なジャーテストに基づいて、投薬作業を調整しながら、浄水場の作業員の主観経験で、実際の操作パラメータを判断する。しかしながら、水処理の過程において、原水に係る水質データの変異性が、大きくて、また、動的変化であるため、水質データと操作パラメータとの間に、複雑的且つ非線性の関係を持ち、そのため、即時に、異なる水質条件に応じて、投薬量を調整する場合は、余計に労働力を投入しなければならなく、そのため、既存の方法によれば、客観的要因に基づいて実際の操作パラメータを調整することは難しいから、凝固効率が低下になり、沈殿効率が悪くなって、急速濾過池の負担が増大される。上記のように、凝固の状況に応じて、即時に水処理の操作パラメータを調整することが容易ではないため、水処理効率に悪影響を与えるだけでなく、エネルギーや薬剤のコスト、そして、人件費を増大させる。
【０００３】
海内外の多い研究によれば、神経ネットワークと回帰モデルで凝集剤注入率(康世芳等、1999; Deng & Lin, 2017; Santos et al., 2017; Baouab et al., 2018)を予測することにより、浄水処理の効率が向上されて、自動監視によって、即時に、適切な凝集剤注入率を実現できる。しかしながら、最適化凝固手順に対する探究が、まだ、欠如であり、また、今までに、凝固手順に対する研究は、殆ど、凝集剤注入率の制御に集中するだけで、同時に、撹拌速度(水道水設備のエンジニアリング施設標準のG値が10～75である)を検討する研究が少ない。しかしながら、凝固手順において、凝集剤注入率の制御の外に、混合速度が、凝固効率を影響する要因の一つであるため、同時に、凝集剤注入率と撹拌速度を考慮することが必要である。
【０００４】
今までの関連研究は、歴史データで、モデルを作るものであり、操作員の判断決策を予測できるが、最も良いと最も低いコストの操作パラメータでは、限らない。その原因は、歴史データが、操作員の主観経験に基づくものであり、個人的な主観経験によれば、浄水処理の不安定や、必要としない投薬量、そして、エネルギーコストの向上になる。そのため、精密に投薬量と回転速度を制御して、浄水処理の効率を向上し、並びに、薬剤コストとエネルギーの節約を求める。上記のように、エネルギーとコストの節約問題と既存の技術欠点を解消できる発明は、必要とする。
【０００５】
本発明者は、上記欠点を解消するため、慎重に研究し、また、学理を活用して、有効に上記欠点を解消でき、設計が合理である本発明を提案する。
【発明の開示】
【発明が解決しようとする課題】
【０００６】
本発明の主な目的は、従来の上記問題を解消できる、省エネルギー且つ投薬量コストの節約できるものを提供し、特に、浄化効率を向上するため、逆伝搬神経回路網(Back Propagation Neural Network, BPNN)や、エクストリーム・ラーニング・マシン(Extreme Learning Machines, ELM)、多重線形回帰(Multiple Linear Regression, MLR)及び、多重非線形回帰(Multiple Nonlinear Regression, MNR)等のアルゴリズムを利用して、最適化凝固手順の最適化浄水処理凝固操作パラメータ提案方法を提供する。
【０００７】
本発明の他の目的は、AIoT(Artificial Intelligence of Things)を応用して、最適化凝固手順を提供し、水質条件や凝集剤注入率及び、撹拌速度等のデータで、AIと統計モデルを利用して、対応する濁り変量を推定し、また、飲料水の水質基準や薬剤及びエネルギーコストを検討した後、最適化操作パラメータを求める、最適化浄水処理凝固操作パラメータ提案方法を提供する。
【課題を解決するための手段】
【０００８】
本発明は、上記の目的を達成するため、最適化浄水処理凝固操作パラメータ提案方法であって、少なくとも、ジャーテストを行って凝固データを収集し、水質条件と凝固操作パラメータが含まれる、収集した凝固データを、複数の人工神経網(Artificial Neural Network, ANN)や回帰モデル(Regression Model)のトレーニングデータとして、異なる、原水の濁りや原水のpH価(pH)及び水温が含まれる水質条件と、凝集剤注入率と撹拌速度が含まれる凝固操作パラメータとに対応する濁り変量、を推定する、訓練ステップと、訓練済みの当該らのANNと回帰モデルに、水質条件や凝集剤注入率設定値及び撹拌速度設定値を入力して、濁り変量を推定し、また、当該濁り変量と当該水質条件の原水の濁りとを比較することにより、ある実施規則に満足することと判断すれば、コストの最も低い凝集剤注入率と撹拌速度を、最も良い操作パラメータとして予測し、また、複数のANN構成と迴歸方法を比較して、当該らのANNと回帰モデルから、凝固操作パラメータ提案模型を選別する、応用ステップと、が含まれる、最適化浄水処理凝固操作パラメータ提案方法である。
【０００９】
本発明に係る上記実施例によれば、当該濁り変量は、原水の濁りと沈殿済の水の濁りとの差である。
【００１０】
本発明に係る上記実施例によれば、当該訓練ステップにおいて収集した凝固データは、複数の、区間が10 NTUでありながら、10～100 濁り(Nephelometric Turbidity Unit, NTU)に介在する原水の濁りと、複数の、区間が10 rpmでありながら、20～60 rpmに介在する撹拌速度及び、複数の、0.1～50 ppm濃度の凝集剤注入率である。
（【００１１】以降は省略されています）

関連特許