预测控制在自来水厂加氯中的应用探讨

施俊 杨晶

摘 要：由于自来水厂加氯系统从滤池后加氯点到清水池长时间接触反应具有滞后时间长、内部化学反应复杂等因素，难以获得精确的数学模型，本文通过采集上海闵行某水厂现场数据，并对数据进行预处理，利用Matlab辨识工具选取合适函数建立数学模型，对该数学模型预测控制仿真模拟并与传统的PID控制进行比较，得到预测控制在自来水厂加氯中具有更好的控制效果。

关键词：matlab辨识工具；预测控制；仿真模拟

DOI：10.16640/j.cnki.37-1222/t.2018.13.057

1 引言

自来水出厂余氯量是自来水出厂水质的一个重要指标。出厂水余氯过低或过高都直接影响着自来水的正常使用，因此余氯控制是水处理过程中非常关键的环节。但是余氯控制对象具有大时变、大时滞和大惯性等特性，使自来水的余氯控制具有一定的难度，尤其当发生水质或水流量扰动的时候，能否及时调节加氯量，将出厂余氯控制在一定误差范围内是问题的关键所在。

模型预测控制是20世纪80年代初开始发展起来的一类新型计算机控制算法。模型预测控制算法由于采用了多步预测、滚动优化和反馈校正等控制策略，因而具有控制效果好、鲁棒性强、对模型精确性要求不高的优点。结合水厂加氯过程中具有非线性、不确定性和时变的特点，要建立精确的解析模型十分困难，故引入预测控制，与经典控制方法如PID控制进行matlab仿真比较控制效果，分析预测控制在水厂加氯中的应用前景。

2 简述水厂加氯工艺

我国生活饮用水标准中规定出厂水自由性余氯不低于0.3mg/L，在管网末梢不低于0.05mg/L，因此需要加氯消毒，以闵行某水厂为例，工艺如图1，该厂使用次氯酸钠为添加药剂，利用计量泵在碳滤后管道中加入次氯酸钠，根据季节及水质变化在混凝沉淀前投加前加氯，并根据现场仪表水流量、余氯数值的反馈，远程手动调节计量泵频率及冲程改变加药量，以保证出厂水余氯量在规定指标范围内。

3 建立模型

通过学术研究及采样对象的实际情况，水厂余氯的数学模型，即对计量泵加氯而言，其频率或冲程作为一个控制量，直接决定氯的投加量，故选取加氯计量泵的频率或冲程为被控变量。被控对象就是加氯计量泵的频率或冲程的转换，管道输送和清水池衰减三部分组成的。从执行机构加氯计量泵到氯水混合过程再到清水池的反应，过程时间长，化学反应情况复杂，影响因素多并且有很多因素都无法测量，所以无法建立精确的过程模型，因此水厂加氯可近似看作两个一阶惯性、纯滞后控制对象，关系式近似为公式（1）：

通过实际现场采集的2015年9月生产数据，分别取水流量、加氯量、出厂余氯数值三组数据，每组样本120个，采样周期为1H，经过代入计算，可得出 K=86.544，=15.527，=90.847，=20.067。

针对水处理加氯过程是一个复杂的物理、化学反应过程，具有大时滞、大惯性和非线性特性。我们提出利用matlab辨识工具，对已知的数据进行处理分析，运用基于最小二乘法估计的ARX 模型辨识，即A（）y（k）=B（）u（k-）+ξ（k）的模型。首先收集现场生产数据，并对数据进行预处理，将加氯量除以进水量作为输入，输出就是余氯量，便于模型辨识，之后在matlab中导入生产数据，然后进入辨识工具，在工作区的数据中选择输入输出数据，之后生成工作数据，在预测中选择多项式模型，ARX方法，自动进行估计，可生成多个估计模型，选择拟合度最好的模型，所选的多项式模型为公式（2）（3）（4）：

利用matlab仿真两个模型与实际值相比较，如图2，可以看出用纯数据处理分析基于最小二乘法估计的ARX 模型辨识比根据近似模型计算得出的模型拟合度要好，从仿真模拟图线上来看比较接近实际数据的趋势。

4 模型优化

从上述模型和实际数据的拟合中我们可以看出，建立的模型与实际数据拟合效果不是很好，因为只考虑水量、加氯量与余氯之间的关系，而在加氯混合過程中还有很多关联因素影响余氯数值，通过实际加氯经验所知，因为生产中采用氯胺消毒，故而在加氯过程中氨氮量也起着很大作用，因此我们将考虑因素增加到4个，输入为水量、氨氮值、硫酸铵量、次氯酸钠量，输出仍是出厂余氯，数据预处理过程中，将水量取倒数以便于模型辨识，利用ARX 模型辨识得到最佳多项式模型，对比实际数据如图3中，辨识模型与实际数据的拟合比起单输入单输出的多项式模型有了很大的提高。

5 传统PID控制与预测控制仿真比较

利用matlab软件工具中的应用，将数据辨识出来的模型进行PID控制及预测控制的仿真模拟，在PID控制中选择适当的响应速度及鲁棒性，得到PID控制的系统阶跃响应曲线及各参数值如图4所示，同样在预测控制输入合适的参数，如采样间隔时间、预测时域长度、控制时域长度，及对控制器设计的约束条件和加权等，模型预测控制的控制信号和系统阶跃响应曲线如图5所示。

根据matlab仿真得到的PID控制及预测控制的系统阶跃响应曲线，我们可以得到如表1所示，在相同超调量的情况下，预测控制比PID控制响应时间快，稳定时间预测控制比PID控制明显短，预测控制鲁棒性优于PID控制。

6 总结与展望

通过采集实际生产数据进行建模，利用matlab辨识工具对纯生产数据进行模型估计，克服了模型不精确的问题，并对PID控制与预测控制进行matlab仿真比较得出，相比PID控制而言，预测控制可以根据过去和现在的输出来预测未来的输出，具有适应性强、响应速度快、超调量小、调节时间短、鲁棒性强等特点，对自来水厂加氯这种时滞长，影响因素较多，模型不精确的控制，控制效果优于传统的PID控制。本文研究中考虑的因素还不够全面，模型精确度仍不够高，水质变化及季节变化引起的水质、反应变化未考虑的很全面，将预测控制与神经网络控制模糊控制等控制方法有机的整合在一起可能会有更好的控制效果是今后的研究方向。

参考文献：

[1]李国勇，杨丽娟.神经模糊预测控制及其MATLAB实现（第3版）[M].电子工业出版社，2013（05）.

[2]田春军，刘丕德.基于MATLAB的线性拟合计算[J].情报指挥控制系统与仿真技术，2015，12，27（06）：14-17.

[3]王东兴，徐永灿.水厂絮凝药剂自动投加的应用及研究[J].神州，学术论丛，2015（62）.