تعمل معظم عمليات معالجة المياه في وضع تفاعلي. يتحرك أحد المعايير، وتظهر القياسات ذلك، ويتم تعديل الجرعة بعد حدوث الأمر. تتعقب الجرعات الكيميائية الظروف التي تغيرت بالفعل، وفترة التأخير بين القياس، والقرار، والاستجابة هي السبب في أن التحكم لا يكون دائمًا محكمًا كما يقترح نقطة الضبط. يغير التنبؤ التسلسل: توقع الحالة، ثم قم بإجراء التعديل قبل وصولها.
Table of Contents
التحول من العمليات التفاعلية إلى التنبؤية
يستجيب التحكم التفاعلي للانحرافات المقاسة، ولعدم الاستقرار الناتج سبب محدد — حلقة التأخير. نقل العينات، استجابة المحلل، نطاق الموت للتحكم، خلط المواد الكيميائية ووقت التفاعل كلها تتجمع، وتصل التصحيح إلى عملية قد انتقلت بالفعل. تكون المشكلة أسوأ بالنسبة للمعايير ذات الاستجابة البطيئة أو لمراحل المعالجة حيث يتم فصل الجرعات والتأثير بفترة الاحتجاز.
تعمل العمليات التنبؤية على المدخلات بدلاً من النتائج. إذا تم التنبؤ بعتامة المياه الخام، ودرجة الحرارة، والمحتوى العضوي للساعات القليلة القادمة، يمكن ضبط جرعة المادة المساعدة وخطة تشغيل الفلتر للمياه القادمة بدلاً من المياه التي وصلت. تصف المرافق التي قامت بهذا التغيير الفائدة بنفس المصطلحات: تقليل مطاردة نقطة الضبط، جودة مياه معالجة أكثر استقرارًا، وضغط أقل على المعدات التي لم تعد تُطلب منها تصحيح عملية متأخرة.
أساليب التنبؤ بتعلم الآلة
يتم تدريب أنظمة التنبؤ على بيانات التشغيل التاريخية لتوقع القيم المستقبلية من الظروف الحالية والتأثيرات المعروفة. المدخلات التي تهم هي تلك التي لها وزن سببي حقيقي: اتجاهات جودة مياه المصدر، الطقس والأمطار، الأنماط الموسمية، وديناميات عملية المعالجة نفسها.
تكون هياكل الشبكات العصبية مناسبة تمامًا لهذه المشكلة، لأن علاقات جودة المياه غير خطية وتعتمد على الوقت — تؤدي حدث الأمطار إلى تغيير العتامة، واللون، والحمل العضوي معًا، والتأثير على الطلب على المادة المساعدة ليس مجموع الثلاثة. لا تزال النماذج الإحصائية الأبسط لها مكان حيث تكون العلاقة قريبة من الخطية أو حيث تكون تاريخ البيانات قصيرًا.
تحذيران عمليان. تعتمد مهارة التنبؤ على المعامل والأفق: العتامة لبضع ساعات قادمة هي مشكلة أسهل بكثير من بقايا الكلور ليوم قادم في نظام توزيع طويل، والأرقام المبلغ عنها من الأدبيات ليست قابلة للنقل بين المواقع. وأداء النموذج ينحرف مع تغير مياه المصدر أو المصنع، لذا تحتاج أنظمة التنبؤ إلى دورة إعادة تدريب ومراجعة، وليس مجرد تكليف لمرة واحدة.
تنبؤ جودة مياه المصدر
يعتبر التنبؤ بالمياه الخام عادةً هو التطبيق الأكثر قيمة، لأن مياه المصدر تدفع كل شيء downstream. تحدد العتامة، والمحتوى العضوي، ونشاط الطحالب، ودرجة الحرارة مقدار المعالجة التي تحتاجها المياه؛ يسمح التنبؤ بها بإعداد التجلط، والترشيح، والتعقيم مسبقًا.
أوضح مثال هو جرعة المادة المساعدة. عندما تتبع الجرعة جودة المياه الخام المتوقعة بدلاً من قراءة التحول السابق، يتجنب المصنع كل من الجرعة الزائدة — التي تهدر المواد الكيميائية وتخلق المزيد من الحمأة — والجرعة الناقصة، التي تدفع التحميل على الفلاتر. يدعم التنبؤ بظهور الطحالب تفعيل المعالجة المحسنة مسبقًا قبل أن تصل مشاكل الطعم والرائحة إلى العميل، وهو ما يعد عملية مدفوعة بالشكوى بدون نتيجة جيدة لأي شخص.
تحسين العملية في الوقت الحقيقي
بعيدًا عن مياه المصدر، يدعم التنبؤ تحسين العملية في الوقت الحقيقي لمراحل المعالجة نفسها. تسمح النماذج لطلب الكلور، ووقت تشغيل الفلتر، ومعدل انسداد الغشاء بإجراء تعديلات تحافظ على الأداء مع تقليل استخدام المواد الكيميائية والطاقة.
تكون هذه القدرات أكثر أهمية للعمليات ذات التفاعلات القوية: التناضح العكسي، الأكسدة المتقدمة، والمعالجة البيولوجية. ستحتفظ الأنظمة الآلية التي تقرأ المدخلات المستمرة من المستشعرات وتعدل نقاط الضبط بعملية مستقرة عبر تغيرات المدخلات التي ستستنفد مشغلًا بشريًا يقوم بإجراء تغييرات يدوية — إلى حد كبير لأن النظام التلقائي ليس لديه تأخير في رد الفعل ولا أولويات متنافسة.
بنية التنفيذ
يحتاج التنبؤ إلى بنية تحتية بقدر ما يحتاج إلى خوارزميات. ثلاث طبقات:
الاستشعار. التنوع الكافي في القياسات هو ما يجعل التنبؤ ممكنًا. لا يمكن للنموذج التنبؤ بما لم يتم قياسه upstream من التأثير.
الحساب. توفر منصات السحابة نطاقًا لتدريب النماذج والتعلم عبر المواقع، بتكلفة الاعتماد على الاتصال والكمون. توفر أنظمة الحافة أوقات استجابة حتمية وتستمر في العمل عندما لا يكون الشبكة متاحة، ولكن مع قدرة حساب محدودة. تنتهي معظم التطبيقات الكبيرة إلى أن تكون هجينة: التحكم في الوقت الحقيقي عند الحافة، وتدريب النموذج وإعادة تدريبه في السحابة.
التكامل. التنبؤات تستحق التوليد فقط إذا وصلت إلى نظام التحكم أو المشغل في الوقت المناسب للتصرف. وهذا يعني وجود واجهات محددة لـ SCADA، وسلوك احتياطي محدد عندما لا يتوفر التنبؤ، ومشغل يفهم ما هو التنبؤ وما ليس كذلك.
الفوائد الاقتصادية والجودة
تستند الحالة المالية على بعض التأثيرات القابلة للقياس: استهلاك المواد الكيميائية الذي يتبع الطلب الفعلي، والاستجابة الطارئة الأقل، وارتداء المعدات الأقل من التصحيح المستمر. التأثيرات النوعية — مياه معالجة أكثر اتساقًا، وشكاوى أقل من العملاء، وانخفاض مخاطر الامتثال — أصعب في الت quantification ولكن عادةً ما تكون الحجة الأقوى داخليًا.
يعتمد العائد بشكل كبير على حجم المصنع، وتكاليف المواد الكيميائية، وكمية الهامش التشغيلي الحالي الذي يُنفق لتعويض تباين العملية. من الجدير حساب ذلك من بيانات المصنع الخاصة بدلاً من اعتماد رقم عام: تأتي المدخرات من تقليل التباين، والمصنع الذي يتم التحكم فيه جيدًا لديه تباين أقل لإزالته.
إلى أين يتجه هذا
يفهم التنبؤ بشكل أفضل كخطوة تالية بعد المراقبة المستمرة، وليس كبديل لها. المصنع الذي لا يمتلك قياسًا مستمرًا موثوقًا ليس لديه ما يدرب عليه نموذجًا؛ المصنع الذي لديه قياس مستمر ولكن لا يوجد تنبؤ لا يزال يتفاعل، ولكن بشكل أسرع.
المسار الواقعي هو تدريجي — احصل على المستشعرات وسجل البيانات بشكل صحيح، وأكد أن البيانات موثوقة، ثم أضف التنبؤ حيث يوجد دافع واضح وحيث يتم تعريف الاستجابة التشغيلية للتنبؤ. إدارة المعالجة التنبؤية ليست منتجًا يمكن تثبيته؛ إنها قدرة تتراكم من قاعدة قياس جيدة.
