JP2004000986A

JP2004000986A - 生物学的水処理装置の制御方法

Info

Publication number: JP2004000986A
Application number: JP2003279222A
Authority: JP
Inventors: Seiji Furukawa; 古川　誠司; Junji Hirotsuji; 廣辻　淳二; Kouichi Tokimori; 時盛　孝一
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1996-05-31
Filing date: 2003-07-24
Publication date: 2004-01-08

Abstract

【課題】　生物学的水処理装置の運転条件を、経験やカンに頼ることなく、適切に設定し、常に良好な水質が得られる制御方法を得る。
【解決手段】　入力項目が、生物反応タンク内に流入する雨の強さ、降雨の持続時間、水処理装置の第１の運転条件（生物反応タンク内の溶存酸素濃度）、及び水処理装置の第２の運転条件（生物反応タンク内に流入する被処理水の流量に対する最終沈殿池から生物反応タンクへ返送される返送汚泥量の比）であり、出力項目が、処理水リン濃度の上昇を抑制する第１の運転条件、及び処理水リン濃度の上昇を抑制する第２の運転条件であるニューラルネットワークモデルを予め作成し、第１及び第２の運転条件を算出する際に、上記ニューラルネットワークモデルを用いて水処理装置の新たな運転条件を決定する。
【選択図】　　　　図１２

Description

　本発明は、生物学的水処理装置の制御方法、とくに嫌気−好気活性汚泥法を用いた生物学的水処理装置において、下水等の被処理水中の汚濁物を効率的に除去するための制御方法に関するものである。

　嫌気−好気活性汚泥法とは、活性汚泥微生物によるリン過剰摂取現象を利用して下水中のリンを除去することを主たる目的とした処理方法である（例えば、非特許文献１参照。）。

　近年、上水道源である湖沼などで赤潮やかび臭微生物が繁殖し、社会問題となっている。そのため、これらの微生物にとって栄養源となる下水中のリンや窒素の除去が強く求められている。

　生物学的リン除去のメカニズムについて以下に説明する。リン過剰摂取を行う能力を持つ微生物を含む活性汚泥を嫌気状態（酸素の無い状態）に置くと、活性汚泥は体内から正リン酸態イオン（溶解性ＰＯ₄ ^-−Ｐ）を放出し、液中の溶解性ＰＯ₄ ^-−Ｐ濃度は増加する。この状態を一定時間継続した後、活性汚泥を好気状態（酸素のある状態）に置くと活性汚泥微生物は逆に液中に放出した量以上の溶解性ＰＯ₄ ^-−Ｐを体内に摂取する。これを活性汚泥微生物によるリンの過剰摂取現象という。この結果、液中の溶解性ＰＯ₄ ^-−Ｐ濃度は流入水中の濃度以下まで減少し、最終的にはほぼ０に近い濃度にまで低下する。

　一方、生物学的窒素除去のメカニズムは以下の通りである。下水中のアンモニア性窒素は、好気条件下で、活性汚泥微生物中のアンモニア酸化菌により亜硝酸性窒素に酸化される。さらに、亜硝酸性窒素は活性汚泥微生物中の亜硝酸酸化菌により硝酸性窒素に酸化される。この反応を硝化反応と呼ぶ。

　硝酸性窒素は、嫌気条件下で、活性汚泥微生物中の脱窒菌により窒素ガスに還元される。この反応を脱窒反応と呼ぶ。下水中の窒素は、硝化反応から脱窒反応を経て大気中に放散することにより除去される。

　図１６は、従来の嫌気−好気活性汚泥法を用いた生物学的水処理装置の一例を示す構成図である。図１６において、１は２つの生物反応タンクのうちの嫌気タンク、２は好気タンク、３は最終沈殿池、４は空気供給装置である。また、ａは下水を生物反応タンクに導くための配管、ｂは生物反応タンクからの処理水を最終沈殿池３に送るための配管、ｃは活性汚泥を沈殿分離したあとの上澄水を放流するための配管である。５は活性汚泥の一部を余剰汚泥として引き抜くためのポンプであり、ｄはポンプ５に接続された配管である。６はその他の汚泥を生物反応タンクへ返送するためのポンプであり、ｅはポンプ６に接続された配管である。

　次に、動作について説明する。
下水は配管ａを介して生物反応タンクに導入される。嫌気タンク１では、下水中の有機物が活性汚泥内に摂取されるとともに、活性汚泥中からリンが吐出される。好気タンク２では、活性汚泥内に摂取された有機物と液中に残留している有機物が酸化分解されるとともに、リンが活性汚泥内に過剰摂取される。このようにリンが除去された処理水は、活性汚泥とともに配管ｂを介して最終沈殿池３へ送られる。最終沈殿池３では、活性汚泥を沈降分離した後、配管ｃを介して上澄水を放流する。活性汚泥の一部はポンプ５、配管ｄを介して系外へ引き抜かれる。その他の汚泥はポンプ６、配管ｅを介して嫌気タンク１へ返送される。

　なお、好気タンク２で硝化反応（アンモニア性窒素→硝酸性窒素）を進ませ、嫌気タンク１では脱窒反応（硝酸性窒素→窒素ガス）を進ませることによって、生物学的窒素除去処理を行うことも可能である。しかし、この場合、好気タンクから返送される硝酸性窒素が嫌気タンク１内でのリンの吐出反応に悪影響を及ぼすため、生物学的リン除去効果が低減してしまうことが知られている。

「高度処理施設設計マニュアル（案）」（日本下水道協会、平成６年）

　従来は、上記のような生物学的水処理装置を運転するにあたって、上記水処理装置の運転管理者が、いわば自らの経験やカンを頼りに運転条件を決定していた。しかも、好気タンク１への空気供給量、最終沈殿池から生物反応タンクへ返送される返送汚泥量などの各々の運転条件は、別々の判断基準に基づいて設定されていた。そのため、流量や性状が著しく変動する一般下水を対象としてリン除去反応を適切にコントロールし、常に良好な水質を得ることは難しいという問題点があった。また、上記水処理装置において、生物学的リン除去反応と生物学的窒素除去反応とを両立させることは難しいという問題点もあった。

　本発明は、かかる問題点を解決するためになされたもので、生物学的水処理装置の運転条件を、経験やカンに頼ることなく、適切に設定することにより、下水中のリンを常に良好に除去し、場合によっては窒素除去との両立も可能ならしめ、常に良好な水質が得られる制御方法を得ることを目的としている。

　この発明に係る生物学的水処理装置の制御方法は、生物学的水処理装置の運転を、第１の運転条件である生物反応タンク内の溶存酸素濃度と、第２の運転条件である生物反応タンク内に流入する被処理水の流量に対する最終沈殿池から生物反応タンクへ返送される返送汚泥量の比とに基づいて制御する方法であって、上記各運転条件を算出する際に、生物反応タンク内に流入する被処理水の条件、環境条件、および目標とする処理水質のうちの少なくとも１つと、現在の水処理装置の運転条件とを用いて、処理水リン濃度の上昇を抑制する新たな運転条件を算出するものである。

　また、上記制御方法において、生物学的水処理装置の各運転条件の演算に、所定の入力項目と出力項目に対して予め作成されたニューラルネットワークモデルを供するものである。

　また、上記入力項目は、生物反応タンク内に流入する雨の強さ、降雨の持続時間、現在の第１の運転条件、及び現在の第２の運転条件であり、上記出力項目は、処理水リン濃度の上昇を抑制する第１の運転条件、及び処理水リン濃度の上昇を抑制する第２の運転条件であるものである。

　この発明は、生物学的水処理装置の運転を、第１の運転条件である生物反応タンク内の溶存酸素濃度と、第２の運転条件である生物反応タンク内に流入する被処理水の流量に対する最終沈殿池から生物反応タンクへ返送される返送汚泥量の比とに基づいて制御する方法であって、上記各運転条件を算出する際に、生物反応タンク内に流入する被処理水の条件、環境条件、および目標とする処理水質のうちの少なくとも１つと、現在の水処理装置の運転条件とを用いて、処理水リン濃度の上昇を抑制する新たな運転条件を算出するので、被処理水の条件や環境条件や目標とする処理水質が変化した場合にも、適切に対応でき常に良好な水質が得られるようになる。

　また、上記制御方法において、生物学的水処理装置の各運転条件の演算に、所定の入力項目と出力項目に対して予め作成されたニューラルネットワークモデルを供するので、上記演算を短時間に行えるようになる。

参考例１．
　発明者らは、長年、動力学モデルに基づく計算機シミュレーションを繰り返し、嫌気−好気活性汚泥法を用いた生物学的水処理装置において良好な処理水質を安定に得るための制御方法について研究してきた。その結果、いくつかの重要な現象を発見し、この発明に想到した。以下、参考例１に係わる研究成果を説明するとともに、本発明に想到した経緯について述べる。

　図１にシミュレーションに用いた水処理装置の構成を、また表１にシミュレーション条件を示す。生物反応タンクは２つの嫌気タンクと４つの好気タンクで構成され、容積は４９０００ｍ³ 、最終沈殿池の容積は１６０００ｍ³ 、流入下水の組成はＣＯＤ濃度２６０ｇ／ｍ³ 、アンモニア態窒素１６ｇ／ｍ³ 、正リン酸態リン３．６ｇ／ｍ³ で、流入流量は３０００ｍ³／ｈとする。動力学モデルは、文献”ＴＨＥ　ＡＣＴＩＶＡＴＥＤ　ＳＬＵＤＧＥ　ＭＯＤＥＬ　ＮＯ．２：ＢＩＯＬＯＧＩＣＡＬ　ＰＨＯＳＰＨＯＲＵＳ　ＲＥＭＯＶＡＬ”（Ｗａｔｅｒ　Ｓｃｉｅｎｃｅ　Ｔｅｃｈｎｏｌｏｇｙ，Ｖｏｌ．３１，Ｎｏ．２，ｐｐ．１−１１，１９９５）に記載のモデルを用いた。

　図２〜図４に種々の運転条件での定常状態のシミュレーション結果を示す。
図２（ａ）（ｂ）は、水温２０℃の条件で生物反応タンク内の微生物濃度（以下ＭＬＳＳ濃度）を１０００ｍｇ／Ｌとしたときの処理水リン濃度ならびに窒素濃度である。図３（ａ）（ｂ）は、水温２０℃の条件でＭＬＳＳ濃度を１５００ｍｇ／Ｌとしたときの処理水リン濃度ならびに窒素濃度である。図４（ａ）（ｂ）は、水温２０℃の条件でＭＬＳＳ濃度を２０００ｍｇ／Ｌとしたときの処理水リン濃度ならびに窒素濃度である。また、図２〜図４において、横軸は好気タンク出口の溶存酸素濃度、縦軸は処理水リン濃度もしくは窒素濃度であり、返送比（生物反応タンク内に流入する被処理水の流量に対する、最終沈殿池から生物反応タンクへ返送される返送汚泥量の比）をパラメータとして両者の関係を示している。

　図２〜図４において、処理水リン濃度はＭＬＳＳ濃度が低い方が良好であった。一方、処理水窒素濃度はＭＬＳＳ濃度が高い方が良好であり、このとき処理水リン濃度は、逆に、若干悪化した。これは、増殖速度の遅い硝化菌が増え窒素除去が活発になったものの、生成する硝酸性窒素が嫌気タンクでのリンの吐出を妨害したためと考えられる。従って、処理水リン濃度のみを高率に除去するのであれば、例えばＭＬＳＳ濃度を１０００ｍｇ／Ｌ、返送比を０．４、好気タンク出口溶存酸素濃度を２ｍｇ／Ｌに設定すれば処理水リン濃度として０．１１ｍｇ／Ｌが得られることがわかった。一方、処理水窒素濃度もある程度低減させたければ、例えばＭＬＳＳ濃度を１５００ｍｇ／Ｌ、返送比を０．３、好気タンク出口溶存酸素濃度を４ｍｇ／Ｌに設定すれば処理水リン濃度として１．６ｍｇ／Ｌ、処理水窒素濃度として８．２４ｍｇ／Ｌが得られることがわかった。
　これらのシミュレーション結果より、発明者らは次のような考察を導いた。すなわち、
（１）好気タンク出口溶存酸素濃度、返送比、およびＭＬＳＳ濃度という３つの項目が処理水質を左右する重要な制御因子である。
（２）上記制御項目を、従来のように別々の判断基準で独自に設定しては良好な処理水質は得られない。３つを同時に設定、変更することにより、良好な処理水質が得られる。
（３）ただし、ＭＬＳＳ濃度は生物反応タンク内の微生物濃度であるから、余剰汚泥として引き抜くことにより減らすことはできても、急に増やすことはできない。そのときは、好気タンク出口溶存酸素濃度ならびに返送比の２つを同時に設定、変更するだけでも相当の効果を奏する。

　次に、別の環境条件でのシミュレーション結果を示す。図５〜図７は水温１０℃での種々の運転条件での定常状態のシミュレーション結果である。
図５（ａ）（ｂ）は、水温１０℃の条件でＭＬＳＳ濃度を１０００ｍｇ／Ｌとしたときの処理水リン濃度ならびに窒素濃度である。図６（ａ）（ｂ）は、水温１０℃の条件でＭＬＳＳ濃度を１５００ｍｇ／Ｌとしたときの処理水リン濃度ならびに窒素濃度である。図７（ａ）（ｂ）は、水温１０℃の条件でＭＬＳＳ濃度を２０００ｍｇ／Ｌとしたときの処理水リン濃度ならびに窒素濃度である。また、図５〜図７において、横軸は好気タンク出口の溶存酸素濃度、縦軸は処理水リン濃度もしくは窒素濃度であり、返送比をパラメータとして両者の関係を示している。

　図５〜図７において、水温が１０℃のときは、処理水リン濃度はほとんどのケースで０．１ｍｇ／Ｌを下回り良好であった。その中で最も低いリン濃度（０．０１７ｍｇ／Ｌ）が得られたのは、ＭＬＳＳ濃度を１０００ｍｇ／Ｌ、返送比を０．４、好気タンク出口溶存酸素濃度を４ｍｇ／Ｌに設定したときであった。一方、窒素濃度はほとんどのケースで低減せず、唯一低減したのは（１１．６０ｍｇ／Ｌ）、ＭＬＳＳ濃度を２０００ｍｇ／Ｌ、返送比を０．４、好気タンク出口溶存酸素濃度を４ｍｇ／Ｌに設定したときであった。
　これらのシミュレーション結果より、図２〜図４のシミュレーション結果と同様、好気タンク出口溶存酸素濃度、返送比、およびＭＬＳＳ濃度という３つの項目が処理水質を左右する重要な制御因子であり、これらを適切に設定することにより、良好な処理水質が得られることがわかった。さらに、図２〜図４のシミュレーション結果と図５〜図７のシミュレーション結果とを比較すると、同じ運転条件でも水温が異なると処理水リン濃度および窒素濃度は全く異なっており、処理水質は水温に大きく左右される、言い換えると水温などの環境条件により上記生物学的水処理装置の運転条件を変更する必要のあることがわかった。

　以上の詳細な研究成果より、発明者らは、上記生物学的水処理装置において良好な処理水質を得るための制御方法として、生物反応タンク内に流入する被処理水の条件、環境条件、目標とする処理水質などを用いて、上記水処理装置の２つ（好気タンク出口溶存酸素濃度、返送比）または３つ（好気タンク出口溶存酸素濃度、返送比、ＭＬＳＳ濃度）の運転条件を同時に設定、変更する方法に想到した。
　運転条件の算出は、上記のような動力学モデルに基づく計算機シミュレーションを繰り返して行うこともできる。ただし、モデルは長大かつ複雑なので計算には長時間を要する。そこで発明者らは、上記演算を短時間に行うための方法として、運転条件、流入する排水の条件、環境条件ならびに処理水質の複雑な相互関係を１つに集約したニューラルネットワークモデルを用いる方法に想到した。

　図８に本発明の参考例１に係わるニューラルネットワークモデルの一例を示す。このモデルは、流入する排水の条件として流入流量を、環境条件として水温を、目標とする処理水質として処理水リン濃度ならびに処理水窒素濃度を入力すると、上記処理水質を達成するための運転条件として好気タンク出口溶存酸素濃度（第１の運転条件）、返送比（第２の運転条件）、およびＭＬＳＳ濃度（第３の運転条件）を出力するものである。

　流入流量１５００〜４５００ｍ³／ｈ、水温１０〜２０℃、ＭＬＳＳ濃度１０００〜２０００ｍｇ／Ｌ、返送比０．２〜０．４、好気タンク出口溶存酸素濃度０．５〜４ｍｇ／Ｌの範囲で設定した計算機シミュレーション結果から得られた処理水質（処理水リン濃度ならびに処理水窒素濃度）を基に教師データを作成し、バックプロパゲーション法を用いて上記ニューラルネットワークモデルの学習を行った。図９に学習曲線の一例を示す。図９において、横軸は学習回数、縦軸は誤差を示す。このように、教師データとニューラルネットワークモデルの出力値とがよく一致したことから、本モデルを用いた制御が可能であることが示唆された。

　図１０は、本発明の参考例１に係わる嫌気−好気活性汚泥法を用いた生物学的水処理装置を示す構成図である。参考例１の生物学的水処理装置においては、流入する排水の条件として流入流量を、環境条件として水温を、目標とする処理水質として処理水リン濃度ならびに処理水窒素濃度を入力すると、上記処理水質を達成するための運転条件として好気タンク出口溶存酸素濃度、返送比、ならびにＭＬＳＳ濃度が出力され、出力された値に従って運転が制御される。

　図１０において、１〜６、及びａ〜ｅは図１６に示したものと同様のものである。１０は、予め、流入流量、水温、および水処理装置の運転条件（好気タンク出口溶存酸素濃度、返送比、ならびにＭＬＳＳ濃度）に応じて得られた処理水リン濃度ならびに処理水窒素濃度を用いて、図８に示されるように、流入流量、水温、目標とする処理水リン濃度、ならびに処理水窒素濃度を入力すると、好気タンク出口溶存酸素濃度、返送比、ならびにＭＬＳＳ濃度が出力されるように作成されたニューラルネットワークモデルを記憶した演算器である。１１は流入流量を設定するための設定器であり、信号線１１ａを介して演算器１０と接続されている。１２は水温を設定するための設定器であり、信号線１２ａを介して演算器１０と接続されている。１３は処理水リン濃度の目標値を設定するための設定器であり、信号線１３ａを介して演算器１０と接続されている。１４は処理水窒素濃度の目標値を設定するための設定器であり、信号線１４ａを介して演算器１０と接続されている。２１は好気タンクへの空気供給量を制御するためのコントローラであり、信号線２１ａを介して演算器１０と、信号線４ａを介して空気供給装置４と、また信号線３１ａを介して好気タンク出口付近に設置された溶存酸素濃度計３１と接続されている。２２は返送汚泥量を制御するためのコントローラであり、信号線２２ａを介して演算器１０と、信号線６ａを介してポンプ６と接続されている。２３は余剰汚泥引き抜き量を制御するためのコントローラであり、信号線２３ａを介して演算器１０と、信号線５ａを介してポンプ５と、信号線３２ａを介して生物反応タンク内に設置されたＭＬＳＳ濃度計３２と接続されている。
　なお、ＭＬＳＳ濃度計の位置は図１０に何等制限されるものではなく、嫌気タンク、好気タンクのいずれかに設置してもよい。

　次に、参考例１の動作について説明する。
設定器１１、１２、１３、１４に設定された流入流量、水温、処理水リン濃度の目標値ならびに処理水窒素濃度の目標値は、信号線１１ａ、１２ａ、１３ａ、１４ａを介して演算器１０に入力される。演算器１０では、記憶されているニューラルネットワークモデルを用いて、与えられた条件を満たすための好気タンク出口溶存酸素濃度、返送汚泥量、ＭＬＳＳ濃度の設定値を算出する。
好気タンク出口溶存酸素濃度の設定値は、信号線２１ａを介してコントローラ２１へ送られる。コントローラ２１は、信号線３１ａを介して送られてくる溶存酸素濃度計３１の値が上記設定値となるように空気供給量を制御する。制御信号は信号線４ａを介して空気供給装置４へ送られる。
　返送比の設定値は、信号線２２ａを介してコントローラ２２へ送られる。コントローラ２２は、返送比が上記設定値となるように返送汚泥量を制御する。制御信号は信号線６ａを介してポンプ６へ送られる。
　ＭＬＳＳ濃度の設定値は、信号線２３ａを介してコントローラ２３へ送られる。コントローラ２３は、信号線３２ａを介して送られてくるＭＬＳＳ濃度計３２の値が上記設定値となるように余剰汚泥引き抜き量を制御する。制御信号は信号線５ａを介してポンプ５へ送られる。

　これにより、与えられた条件下で処理水リン濃度ならびに窒素濃度の目標値を達成するように、好気タンク出口溶存酸素濃度、返送比、ＭＬＳＳ濃度が適切に設定されるので、良好な処理水質を安定して得ることができる。

　また、上記参考例では、環境条件として水温をニューラルネットワークモデルに供したが、気温、天候などを供するようにしても、同様の効果もしくはより精緻に処理水質を制御できるという効果を奏する。

　また、上記参考例では、運転条件として好気タンク出口溶存酸素濃度（第１の運転条件）、返送比（第２の運転条件）、ならびにＭＬＳＳ濃度（第３の運転条件）を出力したが、これらの項目のうち、好気タンク出口溶存酸素濃度（第１の運転条件）と返送比（第２の運転条件）、または好気タンク出口溶存酸素濃度（第１の運転条件）とＭＬＳＳ濃度（第３の運転条件）、または返送比（第２の運転条件）とＭＬＳＳ濃度（第３の運転条件）の組み合わせからなる２つの運転条件を出力するようにすることもできる。また、その他の運転条件、例えば凝集剤添加量などを出力するようにしても、同様の効果もしくはより精緻に処理水質を制御できるという効果を奏する。

　また、上記参考例では流入する排水の条件と環境条件と目標とする処理水質とをニューラルネットワークモデルに入力したが、これらのうちの少なくとも１つを入力するものでもよい。

実施の形態１．
　次に本発明の実施の形態１に係わる研究成果を説明するとともに、本発明に想到した経緯について述べる。
　降雨があり、溶存酸素を含む雨水が流入すると、嫌気タンクでのリンの吐出が鈍り好気タンクでの摂取も制限されるために、リンの除去率が低減することが知られている。図１１（ａ）は、ＭＬＳＳ濃度１０００ｍｇ／Ｌ、返送比０．３、好気タンク出口溶存酸素濃度（ＤＯ濃度）２ｍｇ／Ｌの定常状態にあるところへ６時間の降雨があったと仮定したシミュレーション結果であり、横軸は時間、縦軸左は処理水リン濃度、縦軸右は流入流量を示す。降雨中は流入流量が倍増し、各基質濃度は１／２に希釈されるものとした。また、流入水には１ｍｇ／Ｌの酸素が溶存するとした。また、動力学モデルおよびシミュレーション条件は参考例１で用いたものと同じとした。図において、曲線Ａは流入流量、曲線Ｂは降雨期間中も上記と同じ運転条件で運転したときの処理水リン濃度、曲線Ｃは降雨時のみ返送比０．２、ＤＯ濃度４ｍｇ／Ｌで運転し、他の期間は前記定常状態と同様の運転条件で運転したときの処理水リン濃度を示す。
　また、図１１（ｂ）は、ＭＬＳＳ濃度１０００ｍｇ／Ｌ、返送比０．２、好気タンク出口溶存酸素濃度（ＤＯ濃度）１ｍｇ／Ｌの定常状態にあるところへ図１１（ａ）と同じ６時間の降雨があったと仮定したシミュレーション結果である。図において、曲線Ｄは流入流量、曲線Ｅは降雨期間中も上記と同じ運転条件で運転したときの処理水リン濃度、曲線Ｆは降雨時のみ返送比０．３、ＤＯ濃度４ｍｇ／Ｌで運転し、他の期間は前記定常状態と同様の運転条件で運転したときの処理水リン濃度を示す。その他は図１１（ａ）と同様である。

　図１１（ａ）に示すように、降雨期間中も同じ運転条件を設定した場合（曲線Ｂ）は処理水リン濃度が一時的に上昇した。しかし、返送比を０．２に、好気タンク出口溶存酸素濃度を４ｍｇ／Ｌに設定する（曲線Ｃ）とリン濃度の上昇は抑制された。また、図１１（ｂ）のケースでは、返送比を０．３に、好気タンク出口溶存酸素濃度を４ｍｇ／Ｌに設定する（曲線Ｆ）とリン濃度の上昇は抑制された。
　以上のシミュレーション結果より、次のことがわかった。すなわち、
（１）従来、溶存酸素を含む雨水が流入したときは好気タンクへの空気供給量を減らすのがよいとされてきたが、逆に空気供給量を増やして溶存酸素濃度を高めた方が好気タンクでのリンの吸着量が一時的に増え、処理水リン濃度の上昇を抑えられる。
（２）同じ降雨があった場合でも、降雨前の運転条件が異なると、降雨期間に設定するべき、すなわちリン濃度の上昇が抑制される運転条件は異なる。このように、上記生物学的水処理装置の新しい運転条件を設定する際には、場合によっては、現在の運転条件や現在の処理水質も考慮する必要がある。

　以上の詳細な研究成果より、発明者らは、生物学的水処理装置において良好な処理水質を得るための制御方法として、生物反応タンク内に流入する被処理水の条件、環境条件、目標とする処理水質、現在の水処理装置の運転条件や現在の処理水質などを用いて、上記水処理装置の２つ（好気タンク出口溶存酸素濃度、返送比）または３つ（好気タンク出口溶存酸素濃度、返送比、ＭＬＳＳ濃度）の運転条件を同時に設定、変更する方法に想到した。

　図１２に本発明の実施の形態１に係わるニューラルネットワークモデルの一例を示す。このモデルは、流入する排水の条件として雨の強さ（実際には降雨期間中の流入流量）ならびに降雨の継続時間を、また現在の水処理装置の運転条件として、現在の好気タンク出口溶存酸素濃度ならびに現在の返送比を入力すると、処理水リン濃度の上昇を抑制する運転条件として、好気タンク出口溶存酸素濃度（第１の運転条件）、ならびに返送比（第２の運転条件）を出力するものである。なお、ここではＭＬＳＳ濃度（第３の運転条件）は１０００ｍｇ／Ｌで一定としている。

　降雨期間中の流入流量３７５０〜６０００ｍ³／ｈ、継続時間３〜１２時間、返送比０．２〜０．４、好気タンク出口溶存酸素濃度０．５〜４ｍｇ／Ｌの範囲で設定した計算機シミュレーション結果から得られた処理水質（処理水リン濃度ならびに処理水窒素濃度）を基に教師データを作成し、バックプロパゲーション法を用いて上記ニューラルネットワークモデルの学習を行った。図１３に学習曲線の一例を示す。図１３において、横軸は学習回数、縦軸は誤差を示す。このように、教師データとニューラルネットワークモデルの出力値とがよく一致したことから、本モデルを用いた制御が可能であることが示唆された。

　図１４は、実施の形態１に係わる嫌気−好気活性汚泥法を用いた生物学的水処理装置を示す構成図である。実施の形態１の生物学的水処理装置においては、流入する排水の条件として、降雨強度（降雨期間中の流入流量）ならびに降雨の継続時間を、また現在の水処理装置の運転条件として好気タンク出口溶存酸素濃度ならびに返送比を入力すると、処理水リン濃度の上昇を抑制する運転条件として、好気タンク出口溶存酸素濃度ならびに返送比が新たに出力され、出力された値に従って運転が制御される。

　図１４において、１５は降雨強度を設定するための設定器であり、信号線１５ａを介して演算器１０と接続されている。１６は降雨の継続時間を設定するための設定器であり、信号線１６ａを介して演算器１０と接続されている。１７は現在の返送比を設定するための設定器であり、信号線１７ａを介して演算器１０と接続されている。１８は現在の好気タンク出口溶存酸素濃度を設定するための設定器であり、信号線１８ａを介して演算器１０と接続されている。演算器１０には、予め、降雨強度、降雨の継続時間、および水処理装置の運転条件（好気タンク出口溶存酸素濃度、返送比、ならびにＭＬＳＳ濃度）に応じて得られた処理水リン濃度ならびに処理水窒素濃度を用いて、図１２に示されるように、雨の強さ、継続時間、現在の好気タンク出口溶存酸素濃度、ならびに現在の返送比を入力すると、処理水リン濃度の上昇を抑制する運転条件として好気タンク出口溶存酸素濃度ならびに返送比が出力されるように作成されたニューラルネットワークモデルが記憶されている。その他は図１０、および図１６と同一または相当部分を示す。

　次に、実施の形態１の動作について説明する。
設定器１５、１６、１７、１８に設定された降雨強度、降雨の継続時間、現在の好気タンク出口溶存酸素濃度、ならびに現在の返送比は、信号線１５ａ、１６ａ、１７ａ、１８ａを介して演算器１０に入力される。演算器１０では、記憶されているニューラルネットワークモデルを用いて、与えられた条件を満たすための好気タンク出口溶存酸素濃度ならびに返送比の設定値を算出する。
　好気タンク出口溶存酸素濃度の設定値は信号線２１ａを介してコントローラ２１へ送られる。また、返送比の設定値は信号線２２ａを介してコントローラ２２へ送られる。その他は参考例１と同様である。

　これにより、与えられた条件下で処理水リン濃度の上昇が抑制されるように好気タンク出口溶存酸素濃度ならびに返送比が適切に設定されるので、良好な処理水質を安定して得ることができる。

　なお、上記実施の形態１では、現在の処理水質を考慮しなかったが、これを考慮すればより精緻に処理水質を制御できる。また、現在の運転条件のかわりに現在の処理水質を用いるようにしても、実施の形態１と同等の効果を奏する。

　また、上記実施の形態１は、ニューラルネットワークモデルに供する現在の運転条件ならびに新たに算出する運転条件を、好気タンク出口溶存酸素濃度（第１の運転条件）と返送比（第２の運転条件）としたが、その他の運転条件、例えばＭＬＳＳ濃度、凝集剤添加量などの運転条件を合わせて用いても、上記実施の形態と同様の効果もしくはより精緻に処理水質を制御できるという効果を奏する。また、ニューラルネットワークモデルに供する現在の運転条件、ならびに新たに算出する運転条件を、好気タンク出口溶存酸素濃度（第１の運転条件）とＭＬＳＳ濃度（第３の運転条件）、あるいは返送比（第２の運転条件）とＭＬＳＳ濃度（第３の運転条件）の組み合わせからなる２つの運転条件を用いるようにしてもよい。

　また、上記実施の形態１では流入する排水の条件と現在の運転条件を入力し、処理水リン濃度の上昇を抑制する新たな運転条件を出力するようにしたが、環境条件、または目標とする処理水質と現在の水処理装置の運転条件とを入力し、新たな運転条件を出力するようにニューラルネットワークモデルを作成して水処理装置を制御してもよい。
　また、排水の条件、環境条件、および目標とする処理水質のうちの２つまたは３つと、現在の水処理装置の運転条件とを入力し、新たな運転条件を出力するようにニューラルネットワークモデルを作成して水処理装置を制御してもよい。

　また、上記実施の形態１では、流入する排水の条件として流入流量をニューラルネットワークモデルに供したが、流入排水中の汚濁物の濃度、例えば有機物濃度、窒素濃度、リン濃度などを供するようにしても、上記実施の形態と同様の効果もしくはより精緻に処理水質を制御できるという効果を奏する。

　また、上記実施の形態１では、目標とする処理水質として処理水リン濃度ならびに処理水窒素濃度をニューラルネットワークモデルに供したが、どちらか一方のみを供するようにすることもできる。また、その他の処理水質、例えば有機物濃度を供するようにすることもできる。

参考例２．
　次に、本発明の参考例２に係わる研究成果を説明するとともに、本発明に想到した経緯について述べる。
　参考例１では、種々の運転条件で定常状態に達したときの処理水質について議論した。このとき、生物反応タンク内に流入する被処理水の条件、環境条件および目標とする処理水質を用いて適切な運転条件を決定できることがわかった。
　一方、実施の形態１では、雨水が流入したときのような非定常状態の処理水質について議論した。このとき、生物反応タンク内に流入する被処理水の条件、環境条件および目標とする処理水質だけでは適切な運転条件を決めることはできず、現在の運転条件や現在の処理水質も考慮する必要のあることがわかった。
　定常状態のプラントを念頭においた制御、すなわち制御設定値計画のようなものと、非定常状態のプラントを念頭においた制御、すなわち比較的短い周期での制御設定値の調整とは、方式、対象とする制御項目などを変えて行うのが適切かつ効率的であると考えられる。以上のことから発明者らは以下に述べるような制御方法に想到した。

　図１５は、本発明の参考例２に係わる嫌気−好気活性汚泥法を用いた生物学的水処理装置を示す構成図である。
　図１５において、１００は対象とする生物学的水処理装置の運転条件を計画するための演算器であり、生物反応タンク内に流入する被処理水の条件、環境条件および目標とする処理水質を入力すると好気タンク出口溶存酸素濃度、返送比ならびにＭＬＳＳ濃度の計画値、すなわち与えられた条件が定常的に保たれている場合に目標水質を達成しうる各運転条件（好気タンク出口溶存酸素濃度、返送比ならびにＭＬＳＳ濃度）を出力するように作成されたニューラルネットワークモデルを記憶している。
　２００は非定常状態において各運転条件を調整するための演算器であり、演算器１００の入力項目の他に、現在の運転条件および現在の処理水質を入力すると、好気タンク出口溶存酸素濃度および返送比の新しい設定値を出力するように作成されたニューラルネットワークモデルを記憶している。
　１０１は生物反応タンク内に流入する被処理水の条件、例えば流入下水の流量などを設定するための設定器であり、信号線１０１ａを介して演算器１００と、信号線１０１ｂを介して演算器２００と接続されている。１０２は環境条件、例えば水温などを設定するための設定器であり、信号線１０２ａを介して演算器１００と、信号線１０２ｂを介して演算器２００と接続されている。１０３は目標とする処理水質、例えば処理水リン濃度などを設定するための設定器であり、信号線１０３ａを介して演算器１００と、信号線１０３ｂを介して演算器２００と接続されている。１０４は現在の処理水質、例えば処理水の分析等によって得られた現在の処理水リン濃度などを入力するための設定器であり、信号線１０４ｂを介して演算器２００と接続されている。
　３０２は演算器２００の動作を制御するためのタイマであり、信号線３０２ａを介して演算器２００と接続されている。４０２はタイマ３０２の周期を設定するための設定器であり、信号線４０２ａを介してタイマ３０２と接続されている。５０２は演算器２００が出力した流量、水温、処理水リン濃度等の設定値を記憶している記憶回路であり信号線５０２ａならびに５０２ｂを介して演算器２００と接続されている。
　さらに、演算器１００は、信号線１００ａ、１００ｂ、１００ｃを介して好気タンクへの空気供給量を制御するためのコントローラ２１、返送汚泥量を制御するためのコントローラ２２、余剰汚泥引き抜き量を制御するためのコントローラ２３と接続されている。演算器２００は、信号線１００ａ、１００ｂを介して好気タンクへの空気供給量を制御するためのコントローラ２１、返送汚泥量を制御するためのコントローラ２２と接続されている。その他は図１０および図１４と同一または相当部分を示す。

　次に、参考例２の動作について説明する。設定器１０１、１０２、１０３に設定された生物反応タンク内に流入する被処理水の条件、環境条件および目標とする処理水質は、信号線１０１ａ、１０２ａ、１０３ａを介して演算器１００に入力される。演算器１００は記憶されているニューラルネットワークモデルを用いて、与えられた条件が定常的に保たれている場合に、上記目標水質を達成しうる各運転条件として好気タンク出口溶存酸素濃度、返送比ならびにＭＬＳＳ濃度の計画値を算出する。すなわち、好気タンク出口溶存酸素濃度や返送比のように応答の速い制御変数に対しては、運転条件の初期設定値として該演算値が与えられる。具体的には信号線１００ａ、１００ｂを介して演算器１００の出力がコントローラ２１、２２へ送られる。ＭＬＳＳ濃度のように応答の遅い制御変数に対しては、運転条件の設定値そのものとして該演算値が与えられる。具体的には信号線１００ｃを介して演算器１００の出力がコントローラ２３へ送られる。この動作は、例えば季節毎など、生物反応タンク内に流入する被処理水の条件、環境条件などが大きく変わったときに行う。
　また設定器１０１、１０２、１０３、１０４に設定された生物反応タンク内に流入する被処理水の条件、環境条件、目標とする処理水質および現在の処理水質は信号線１０１ｂ、１０２ｂ、１０３ｂ、１０４ｂを介して演算器２００に入力される。また記憶回路５０２に記憶されている前回の演算値、すなわち現在の運転条件を規定している設定値は信号線５０２ａを介して演算器２００に入力される。演算器２００は記憶されているニューラルネットワークモデルを用いて好気タンク出口溶存酸素濃度および返送比の新しい設定値を出力する。各設定値は信号線２００ａ、２００ｂを介してコントローラ２１、２２へ送られる。また新しい設定値は信号線５０２ｂを介して記憶回路５０２へ送られ、次回の演算に用いるために記憶される。この動作は設定器４０２に設定された周期に従って自動的に行われる。すなわち、設定器４０２に設定された制御周期は演算器１００を用いて制御される周期より短い周期であり、例えば１日における被処理水の条件や環境条件の変動に応じて運転条件が調整されるように設定される。設定された制御周期は信号線４０２ａを介してタイマ３０２に送られ、タイマ３０２は信号線３０２ａを介して演算器２００を制御する。これにより、生物反応タンク内に流入する被処理水の条件、環境条件の変動に応じて好気タンク出口溶存酸素濃度ならびに返送比が適切に調節される。

　以上のように、与えられた条件下で処理水質の目標値を達成するように好気タンク出口溶存酸素濃度、返送比ならびにＭＬＳＳ濃度が適切に設定される。特に好気タンク出口溶存酸素濃度や返送比のように応答の速い制御変数は短い周期で、またＭＬＳＳ濃度のように応答の遅い制御変数は長い周期で制御することが可能なので、計算機の負荷を効率的に配分しつつ処理水質を良好に維持できるという効果を奏する。

　なお、上記参考例２では、演算器１００にはタイマを設けなかったが、演算器２００のようにタイマを用いて周期的に制御演算を行ってもよい。この場合、タイマには比較的長い周期を設定する必要がある。

　また、上記参考例２では、現在の運転条件を演算器２００に接続された記憶回路５０２から入力するようにしたが、各コントローラ２１、２２、２３から信号線を介して入力するようにしてもよい。

　また、上記参考例２では、制御設定値の計画を行うために生物反応タンク内に流入する被処理水の条件、環境条件、目標とする処理水質の全てを用いるようにしたが、これらのうちの少なくとも一つを用いるようにしてもよい。また、制御設定値の調整を行うために生物反応タンク内に流入する被処理水の条件、環境条件、目標とする処理水質、現在の処理水質、現在の運転条件の全てを用いるようにしたが、生物反応タンク内に流入する被処理水の条件、環境条件、目標とする処理水質のうちの少なくとも一つと、現在の処理水質、現在の運転条件のうちの少なくとも一つを用いるようにしてもよい。

　さらに、上記参考例２では、演算器１００を用いて好気タンク出口溶存酸素濃度、返送比ならびにＭＬＳＳ濃度の全てを出力するようにしたが、好気タンク出口溶存酸素濃度、返送比のうちの少なくとも１つとＭＬＳＳ濃度、もしくはＭＬＳＳ濃度のみを出力するようにしてもよい。また、演算器２００を用いて好気タンク出口溶存酸素濃度ならびに返送比を出力するようにしたが、これらのうちの一つを出力するようにしてもよい。

　また、上記参考例１、２、及び実施の形態１において、ニューラルネットワークモデルへの入力項目を、水処理装置もしくはこれに設置されたセンサーから自動的に入力するようにしても、より精緻に処理水質を制御できるという効果を奏する。

　また、その他のプラントデータ、例えば生物反応タンク内の酸化還元電位などを入力項目として付加したニューラルネットワークモデルを作成し、本発明に係る制御方法に供せば、より精密に処理水質を制御できるという効果を奏する。

　また、ニューラルネットワークモデルを用いるかわりに、動力学モデルによる最適化計算を行って運転条件を算出してもよい。

　また、ＭＬＳＳ濃度のかわりに余剰汚泥引き抜き量を、返送比のかわりに返送汚泥量を、好気タンク出口溶存酸素濃度のかわりに空気供給量を出力しても、同等の効果を奏する。

　また、生物学的水処理装置としてその他の方式のもの、例えば標準活性汚泥法や嫌気−無酸素−好気活性汚泥法などを用いた生物学的水処理装置に、本発明を適用することも可能である。

　また、上記参考例１、２、及び実施の形態１は、時間連続のアナログ式で構成したが、時間不連続のアナログ式（サンプル値式）やデジタル式で構成しても、同様の効果を奏する。

　また、上記参考例１、２、及び実施の形態１は、制御回路構成を示したが、これを計算機内にプログラム化して実装しても、同様の効果を奏する。

　また、上記参考例１、２、及び実施の形態１は、制御回路を閉ループで構成したが、制御操作を運転管理者に提示する運転支援システムとして構成することもできる。

計算機シミュレーションに用いた水処理装置の構成を示す構成図である。水温２０℃、ＭＬＳＳ濃度１０００ｍｇ／Ｌのときの処理水リン濃度ならびに窒素濃度のシミュレーション結果を示すグラフである。水温２０℃、ＭＬＳＳ濃度１５００ｍｇ／Ｌのときの処理水リン濃度ならびに窒素濃度のシミュレーション結果を示すグラフである。水温２０℃、ＭＬＳＳ濃度２０００ｍｇ／Ｌのときの処理水リン濃度ならびに窒素濃度のシミュレーション結果を示すグラフである。水温１０℃、ＭＬＳＳ濃度１０００ｍｇ／Ｌのときの処理水リン濃度ならびに窒素濃度のシミュレーション結果を示すグラフである。水温１０℃、ＭＬＳＳ濃度１５００ｍｇ／Ｌのときの処理水リン濃度ならびに窒素濃度のシミュレーション結果を示すグラフである。水温１０℃、ＭＬＳＳ濃度２０００ｍｇ／Ｌのときの処理水リン濃度ならびに窒素濃度のシミュレーション結果を示すグラフである。本発明の参考例１に係わるニューラルネットワークモデルを示す説明図である。図８のニューラルネットワークモデルの学習曲線を示すグラフである。本発明の参考例１に係わる嫌気−好気活性汚泥法を用いた生物学的水処理装置を示す構成図である。降雨があったと仮定した場合のシミュレーション結果を示すグラフである。本発明の実施の形態１に係わるニューラルネットワークモデルを示す説明図である。図１２のニューラルネットワークモデルの学習曲線を示すグラフである。本発明の実施の形態１に係わる嫌気−好気活性汚泥法を用いた生物学的水処理装置を示す構成図である。本発明の参考例２に係わる嫌気−好気活性汚泥法を用いた生物学的水処理装置を示す構成図である。従来の嫌気−好気活性汚泥法を用いた生物学的水処理装置を示す構成図である。

符号の説明

　１　嫌気タンク、２　好気タンク、３　最終沈殿池、４　空気供給装置、５，６　ポンプ、１０，１００，２００　演算器、１１，１２，１３，１４，１５，１６，１７，１８，１０１，１０２，１０３，１０４，４０２　設定器、２１，２２，２３　コントローラ、３１　溶存酸素濃度計、３２　ＭＬＳＳ濃度計、３０２　タイマ、５０２　記憶回路。

Claims

生物学的水処理装置の運転を、第１の運転条件である生物反応タンク内の溶存酸素濃度と、第２の運転条件である生物反応タンク内に流入する被処理水の流量に対する最終沈殿池から生物反応タンクへ返送される返送汚泥量の比とに基づいて制御する方法であって、上記各運転条件を算出する際に、生物反応タンク内に流入する被処理水の条件、環境条件、および目標とする処理水質のうちの少なくとも１つと、現在の水処理装置の運転条件とを用いて、処理水リン濃度の上昇を抑制する新たな運転条件を算出することを特徴とする生物学的水処理装置の制御方法。
生物学的水処理装置の各運転条件の演算に、所定の入力項目と出力項目に対して予め作成されたニューラルネットワークモデルを供することを特徴とする請求項１記載の生物学的水処理装置の制御方法。
入力項目は、生物反応タンク内に流入する雨の強さ、降雨の持続時間、現在の第１の運転条件、及び現在の第２の運転条件であり、出力項目は、処理水リン濃度の上昇を抑制する第１の運転条件、及び処理水リン濃度の上昇を抑制する第２の運転条件であることを特徴とする請求項２記載の生物学的水処理装置の制御方法。