一种基于云端的填埋气采集优化控制系统

摘要

本发明公开了一种基于云端的填埋气采集优化控制系统，包括数据采集终端、控制终端和云端服务器。本发明基于云端的填埋气采集优化控制系统能够将填埋场运行过程中的生产数据和监测数据通过GPRS网络传输到云服务器，在云服务器中完成填埋场模型参数的反演计算和生产策略的优化，一方面将数据呈现到网站前端进行可视化，另一方面将决策数据发送到控制终端进行采气优化控制。由此，本发明能够有效提升填埋气采集管理水平，减少填埋气排放引发的环境问题，提升填埋气(甲烷)作为可替代的清洁能源的使用率，缓解能源危机。

说明书

技术领域

本发明属于废弃物管理及物联网工业控制技术领域，具体涉及一种基于云端的填 埋气采集优化控制系统。

背景技术

人类社会步入高速发展的时代，人们的生产生活垃圾也在随着社会发展的步伐与 日俱增，目前国内外对垃圾的处理方式依然以填埋为主，焚烧为辅。填埋为主的处理模式节 约了很多工艺成本，但是也带来了诸多困扰，比如占用大量土地、填埋气和渗滤液的二次污 染等等。填埋气是生活垃圾填埋场的副产物，生活垃圾中的有机物降解后会产生大量填埋 气(CH₄和CO₂为主)，它们是主要的温室气体，会加剧全球气候变化，另外甲烷是清洁能源，在 倡导清洁能源开发利用的“十三五”开局之年，填埋气作为极具价值的清洁能源储备理应受 到政府和企业的重视。

目前国内对填埋场的管理普遍粗放，有填埋气采集工程的填埋场都在极少数，即 便有这样的工程，管理水平也不高，管理者不会对填埋场日常的生产数据合理收集与利用。 众所周知，填埋场是一个高度时变的动态系统，填埋场内的地质参数时刻都处于动态变化 之中，如果能通过实时实地监测、以及进一步计算分析的方式得到填埋场时变的地质参数， 必将对填埋场系统有更全面的把握。在获得较为准确的填埋场地质参数之后，可据此调节 填埋气采集负压以便获得最大的气体采集量，接下来进一步阐述调节抽气负压可增大气体 产量的原因。

孔隙气体的运移是由对流和扩散引起，以二元组分孔隙气体运移为例，对流引起 的通量可以表示为：

$N^v=N_1^v+N_2^v=\overline{v_a}{n}_a---\left(1\right)$

其中：N^v表示总对流通量，和分别表示气体1和气体2的对流通量(mol/m²/s)， 为整体平均流速(m/s)，n_a为总的摩尔浓度(mol/m³)。

孔隙气的扩散按驱动力不同可分为体相扩散和努森扩散，如果只考虑体相扩散， 根据气体间阻滞力与气体分压力的力学平衡可以有以下表达式：

$X_2{N}_{1m}^D-X_1{N}_{2m}^D=-D_{12}\frac{\partial n_{gm}^1}{\partial x}---\left(2\right)$

其中：X₁和X₂是气体1和气体2占孔隙气总摩尔数的比例，和分别为气体1和 气体2的体相扩散通量(mol/m²/s)，D₁₂为二元气的扩散系数(m²/s)，代表经由体相扩散 的气体1的摩尔浓度。

如果只考虑努森扩散，气体1的努森扩散通量可以表示为：

$N_{1w}^D=-D_{1M}\frac{\partial n_{gw}^1}{\partial x}---\left(3\right)$

其中：为气体1的努森扩散通量，D_1M为努森扩散系数，代表经由努森扩散的 气体摩尔浓度，由于同时存在体相扩散和努森扩散，气体1的体相扩散通量和努森扩散通量 相等，引起体相扩散和努森扩散的浓度梯度之和等于气体1的浓度梯度，有以下表达式：

$N_{1w}^D=N_{1m}^D=N_1^D---\left(4\right)$

$▿n_g^1=▿n_{gm}^1+▿n_{gw}^1=-\frac{X_2{N}_1^D-X_1{N}_2^D}{D_{12}}-\frac{N_1^D}{D_{1m}}---\left(5\right)$

气体的总通量为对流通量与扩散通量之和，对于气体1有根据理想 状态方程式中为气体1的摩尔浓度，为气体1的分压。

整合以上公式可得气体通量与分压的如下关系：

$-\frac{1}{RT}\frac{\partial u_g^1}{\partial x}+\frac{X_1\overline{v_a}}{D_{1m}}\frac{\overline{u_a}}{RT}=\frac{X_2{N}_1-X_1{N}_2}{D_{12}}+\frac{N_1}{D_{1m}}---\left(6\right)$

$-\frac{1}{RT}\frac{\partial u_g^2}{\partial x}+\frac{X_2\overline{v_a}}{D_{2m}}\frac{\overline{u_a}}{RT}=\frac{X_1{N}_2-X_2{N}_1}{D_{12}}+\frac{N_2}{D_{2m}}---\left(7\right)$

式中：u_a为总气压。

根据式(6)(7)可以发现如果在抽气井处增大抽气负压，可引起气体总压以及分压 压力梯度的增大，再根据达西定律：

$v_a=\frac{k_i{k}_{ra}}{{\mu }_a}▿u_a---\left(8\right)$

可知压力梯度增大会使气体流速增大，因此会使等式右边的N₁和N₂都增大，所以气 体通量即产量会增大。

此外，根据规范《生活垃圾卫生填埋气体收集处理及利用工程运行维护技术规程》 (CJJ175-2012)中4.1.2规定：由于填埋气体产气速率随时间变化较大，每个导气井应设置 阀门，并通过阀门开度达到产气量和抽气量平衡。若抽气量大于产气量，易造成空气的吸 入，非常危险。因此，本条规定实时监测导气井的产气流量和压力，一旦发现产气量和抽气 量失去平衡，需立即调节井口阀门开度，重新达到产气量和抽气量平衡。

发明内容

为了解决以甲烷、二氧化碳为主的填埋场气体肆意逸散引发的大气污染和温室效 应加剧以及气体在填埋场滞留引发的堆体失稳滑坡等地质灾害的问题，本发明提供了一种 基于云端的填埋气采集优化控制系统，该系统基于云端服务器搭建，不受空间限制，能够利 用生产数据进行实时优化决策以及工业控制，显著提升填埋气采集管理水平。

一种基于云端的填埋气采集优化控制系统，应用于控制填埋场内生产井的井口阀 门开度，利用压差将填埋气从垃圾堆体中抽取出来送入发电机房进行沼气发电；所述的填 埋场包括有生产井和监测井，所述的监测井以固定间隔呈阵列排布，由相邻四口监测井所 围成的且以固定间隔为边长的正方形区域的中心位置布置一口生产井；所述的填埋气采集 优化控制系统包括：数据采集终端、控制终端和云端服务器；其中：

所述的数据采集终端用于采集填埋场内气体的气压和流量，并将关于气压和气体 流量的监测数据通过GPRS网络传输给云端服务器；

所述的云端服务器基于集合卡尔曼滤波算法同化所述的监测数据，得到填埋场垃 圾堆体多孔介质内异质分布的渗透率和孔隙度；然后根据所述的渗透率和孔隙度解算出各 抽气负压控制方案下甲烷气体的气压，进而求得各抽气负压控制方案下每口生产井的甲烷 气体产量；最后通过对以下目标方程进行优化求解，得到系统最优的抽气负压控制方案 x_best并通过GPRS网络传输给控制终端；

$x_{best}=\underset{x}{\arg \max }\left\{\underset{i=1}{\overset{N_x}{\Sigma }}\right[\underset{j=1}{\overset{N_t}{\Sigma }}\left({f_i}^j\right(x\left){\tau }^j\right)-h_i\left(x_i\right)\left]\right\}$

其中：N_x为填埋场内生产井的总数，N_t为系统初始化起至当前的时间步数，f_i^j(x) 为抽气负压控制方案x下第j个时间步内第i口生产井的甲烷气体产量，τ^j为第j个时间步内 天然气的市场价格，x为抽气负压控制方案且x＝{x₁,x₂,…x_Nx}，x_i为第i口生产井的抽气负 压，h_i(x_i)为按抽气负压x_i去开凿第i口生产井的成本；

所述的控制终端用于根据抽气负压控制方案x_best控制每口生产井的井口阀门开 度。

所述的数据采集终端包括布置于每口监测井上的气压传感器、布置于每口生产井 上的气体流量传感器以及单片机和GPRS模块；其中，所述的单片机收集气压传感器以及气 体流量传感器所采集的关于气压和气体流量的监测数据，进而通过GPRS模块将这些监测数 据传输给云端服务器。

所述的云端服务器将关于气压和气体流量的监测数据存储于MySQL数据库中，进 而利用Linux系统中的Crontab服务自动从MySQL数据库中调取当前的监测数据进行解算， 最后将解算得到最优的抽气负压控制方案x_best保存至MySQL数据库中并实时显示当前的监 测数据和抽气负压控制方案x_best。

对于任一抽气负压控制方案，所述的云端服务器通过以下方程计算该抽气负压控 制方案下甲烷气体的气压：

其中：ρ_nw、η_nw、和P_nw分别为甲烷气体的密度、百分含量、饱和度和气压，ε为填埋 场垃圾堆体多孔介质内异质分布的孔隙度，t为时间，且M_nw为甲烷气体的摩尔 质量，R为摩尔气体常量，T为当前温度；Q(z)为产生甲烷气体的源项，x、y、z分别为X、Y、Z三 个方向上的距离，K_x、K_y、K_z分别为填埋场垃圾堆体多孔介质内异质分布在X、Y、Z三个方向上 的渗透率，g为重力加速度。

所述源项Q(z)的表达式如下：

$Q\left(z\right)={\Sigma }_{i=1}^3{C}_i{A}_i{\lambda }_i{e}^{-{\lambda }_i[t_e+t_f\left(\frac{z}{L_z}\right)]}$

其中：源项Q(z)即表示甲烷气体在不同深度下的产生速率，C_i为第i种组分全部降 解能产生甲烷气体的潜力值，A_i为填埋场垃圾堆体中第i种组分的体积分数，λ_i为第i种组分 中甲烷气体的产生常数，t_e为填埋场封场至当前时刻的历时，t_f为填埋场开始堆填至封场的 历时，z为Z方向上的距离即深度，L_z为填埋体的厚度，第1～3种组分对应为填埋场垃圾堆体 中易降解、中等易降解和难降解三种组分。

对于任一抽气负压控制方案，所述的云端服务器在该抽气负压控制方案下计算得 到甲烷气体的气压后，通过达西定律计算出每口生产井周围甲烷气体的流速，进而根据流 速求得每口生产井的甲烷气体产量。

所述的控制终端包括布置于每口生产井上的单片机、GPRS模块和电机；其中，所述 的单片机通过GPRS模块接收云端服务器发送过来的关于本生产井抽气负压的数字信号，并 对该数字信号依次进行D/A转换以及PI调节后输出相应的控制量，进而通过电机控制生产 井的井口阀门开度。

所述的云端服务器通过网站页面的形式显示填埋场内每口生产井实时的气体流 量数据、每口监测井实时的气压数据以及经优化求解得到关于抽气负压控制方案x_best的调 控数据。

优选地，当云端服务器解算出前后两次关于抽气负压控制方案x_best的调控数据相 差不大时，则管理人员可通过网站页面施加中断指令，即不采用本次调控数据进行控制，而 沿用上次调控数据维持相应的操作；这样能够减少阀门控制的操作损耗。

本发明基于云端的填埋气采集优化控制系统能够将填埋场运行过程中的生产数 据和监测数据通过GPRS网络传输到云服务器，在云服务器中完成填埋场模型参数的反演计 算和生产策略的优化，一方面将数据呈现到网站前端进行可视化，另一方面将决策数据发 送到控制终端进行采气优化控制。由此，本发明能够有效提升填埋气采集管理水平，减少填 埋气排放引发的环境问题，提升填埋气(甲烷)作为可替代的清洁能源的使用率，缓解能源 危机。

附图说明

图1为填埋场的二维水平切面图。

图2为本发明控制系统的逻辑架构图。

图3为本发明控制系统的填埋气采集优化控制流程图。

具体实施方式

为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案 进行详细说明。

如图1所示，填埋场二维水平切面图包括生产井和监测井，监测井每隔20m布置一 口，在4口监测井形成的正方形区域的中间布置一口生产井，生产井井口由阀门控制，提供 一定的抽气负压，利用压差将填埋气抽取出来送入发电机房进行沼气发电。进一步的，生产 井上装有流量监测传感器和阀门开度控制器，用于定时监测填埋气流量数据和控制阀门开 度。监测井较生产井而言管径较小，在不同深度装有气压监测传感器，主要用于定时监测填 埋场内的气压。

如图2所示，本实施例控制系统系统从上至下依次包括：云端服务器1，硬件层面上 讲，其为一台具有公网IP的超级计算机；软件层面上讲，其提供数据云存储、web访问等服 务，多计算核心可提供高性能并行计算环境，用于快速处理填埋气数据，短时间内做出优化 决策方案。两个数据无线传输模块2和6，基于SocketTCP/IP协议与云服务器1通信。两个单 片机3和7，其中单片机3安装在图1所示的生产井，用于接收流量监测传感器4测得的井口流 量数据，单片机7安装在图1所示的监测井，用于接收气压传感器8测得的井内气压数据，流 量数据和气压数据分别通过上述的无线传输模块2和6发送到云端数据库1；安装在生产井 上的单片机3还与阀门开度控制器5连接，通过数据无线传输模块2接收云端传输过来的优 化控制指令，其为优化后的抽气负压值，单片机解析该负压值得到模拟信号控制阀门开度， 进而控制填埋气产量。本套系统采用输出电压不超过12V的太阳能光板9和10为其供电。

上述云服务器1配置开源CentOS系统、MySQL数据库、Apache服务器软件、Python开 发环境等等。MySQL数据库用于数据云存储，Apache服务器软件用于提供Web服务，Python用 于系统运维以及高性能并行计算程序的编写。

上述数据无线传输模块2和6采用GPRS模块，采用SIM900A芯片，支持标注AT指令， 基于SocketTCP/IP协议，利用中国移动GPRS网络与云服务器1通信，能显著扩大填埋场测 点的布置范围，能极大地提升管理人员对填埋场实时运行数据的获取水平。

上述单片机3和7采用MCS-51系列单片机，由输出电压不超过12V的太阳能光板9和 10为其供电，并内置A/D转换器，用于单片机与传感器之间的数据转换，此外，通过TTL接口 与上述GPRS模块2和6连接。

如图3所示，本实施控制系统的填埋气采集优化控制流程包括以下步骤：

S1.填埋场在正常运行当中，生产井和气压监测井上的传感器4和8每隔12小时采 集一次数据，经过A/D转换器之后分别发送到单片机3和7，利用GPRS模块2和6，通过移动网 络将数据传输到云端服务器1的数据库中。

S2.云数据库由MySQL搭建，动态网页由PHP脚本编写，使用PHP程序获取MySQL数据 库中最新的气体流量数据和气压数据，传递给JavaScript程序，可实现两项数据在前端网 页的动态图表显示。

S3.模型参数反演算法为一套由Python编写的脚本程序，本实施方式利用Linux系 统的Crontab服务定时从MySQL数据库中提取当前时刻的监测数据，以便参与数据同化。该 算法可为集合卡尔曼滤波等数据同化算法，本实施例以集合卡尔曼滤波算法为例。在利用 集合卡尔曼滤波进行数据同化的过程当中，首先需要构建状态向量y：

状态向量y中包括基本不随时间变化的模型参数(垃圾堆体孔隙度渗透率的对 数形式lnK)，以及随时间变化的状态变量(监测井气压P，生产井气体流量G)。为了充分考 虑场地的异质性以及参数不确定性所带来的影响，本实施例构建Ne组符合高斯分布的y向 量，并组成Y矩阵，参数不确定性带来的影响由样本集合的统计性质得出。

Y＝[y₁，y₂，......y_Ne](10)

可利用以下公式同化观测数据，进而得到状态向量的更新值：

$y_j^u=y_j^f+C_Y{H}^T{({\mathrm{HC}}_Y{H}^T+C_D)}^{-1}(d_{obs,j}-{\mathrm{Hy}}_j^f),j=1,2,......N_e---\left(11\right)$

式(11)中j代表样本编号，d_obs，j是经过噪声扰动的第j组监测数据，上标u代表更新 之后的状态向量，上标f代表由模型模拟预测出来的状态向量，C_D为观测误差协方差矩阵， 表示观测点处对应的预测值，N_e为样本数，C_Y可用下式计算：

$C_Y\approx \frac{1}{N_e-1}(Y^f-\overline{Y^f}){(Y^f-\overline{Y^f})}^T---\left(12\right)$

其中：

$\overline{Y^f}=\frac{1}{N_e}\underset{i=1}{\overset{N_e}{\Sigma }}{Y}_i^f---\left(13\right)$

该算法基于填埋场模型和实时气压和流量监测数据进行实时顺序数据同化，能得 出当前时刻场地内渗透率、孔隙度等模型参数的较真实分布。

S4.填埋场模型优化基于三维填埋场模型、模型参数反演算法和优化算法运行。三 维填埋场模型考虑填埋场作为固、液、气三相共存体系，假设固体压缩规律已知，基于两相 达西定律建立气液耦合运移模型，描述填埋场在有渗滤液存在的情况下填埋气的运移规 律。

气液共存(本实施例仅考虑甲烷气体)的情况下，气体运移的控制方程可用下式表 述：

$=\frac{\partial \left({\rho }_{nw}{K}_x\frac{\partial P_{nw}}{\partial x}\right)}{\partial x}+\frac{\partial \left({\rho }_{nw}{K}_y\frac{\partial P_{nw}}{\partial y}\right)}{\partial y}+\frac{\partial \left({\rho }_{nw}{K}_z\right(\frac{\partial P_{nw}}{\partial z}-{\rho }_{nw}g))}{\partial z}---\left(14\right)$

式中：ρ_nw、η_nw、和P_nw为甲烷气体的密度、百分含量、饱和度和气压，ε为填埋场堆 体多孔介质内异质分布的孔隙度，t为时间，且M_nw为甲烷气体的摩尔质量，R为 摩尔气体常量，T为当前温度，Q(z)为产生甲烷气体的源项，x、y、z分别为X、Y、Z三个方向上 的距离，K_x、K_y、K_z分别为填埋场堆体内异质分布在X、Y、Z三个方向上的渗透率，g为重力加速 度。控制方程的因变量为甲烷气体分压，求解出分压之后可根据达西定律求解出甲烷气体 流速，进而可继续计算得出抽气井处的甲烷气体通量即产量。其中：

$Q\left(z\right)={\Sigma }_{i=1}^3{C}_i{A}_i{\lambda }_i{e}^{-{\lambda }_i[t_e+t_f\left(\frac{z}{L_z}\right)]}---\left(15\right)$

其中：Q(z)为甲烷气体的产生速率；i＝1,2,3分别表示垃圾堆体中易降解，中等易 降解和难降解三种组分；C_i为第i种组分全部降解能产生的甲烷的潜力值；A_i为第i种组分的 体积分数；λ_i为第i种组分中甲烷气体的产生常数；t_e为填埋场封场至当前时刻的历时；t_f为 填埋场开始堆填至封场的历时；z为Z方向上的距离即深度；L_z为填埋体的厚度。

S5.优化算法可为基于梯度的随机优化算法，该算法基于S4中的三维模型和S3中 得到的拟合参数，以净利润为目标函数，求解使得目标函数最大的控制方案x，即每口生产 井的抽气负压；目标函数的形式为：

$g\left(x\right)=\underset{i=1}{\overset{N_x}{\Sigma }}[\underset{j=1}{\overset{N_t}{\Sigma }}\left({f_i}^j\right(x\left){\tau }^j\right)-h_i\left(x_i\right)]---\left(16\right)$

其中：N_x为生产井个数，N_t为系统初始化起至当前的时间步数，12个小时为一步， 为x方案下第j个时间步内第i口生产井的气体总产量，可由S3中得到的参数结合S4 中的气体运移模型计算求得；τ^j为第j个时间步内天然气的市场价格，x为抽气负压控制方 案且x_i为第i口生产井的抽气负压；h_i(x_i)为按抽气负压x_i去开凿 第i口生产井的成本。

本实施方式采用最速上升法求解控制方案x，迭代公式为：

$x_{l+1}=\frac{1}{{\alpha }_l}{C}_x{C}_{x,g\left(x\right)}+x_l---\left(17\right)$

其中：l为迭代指标，α_l为调谐参数，C_x为平滑矩阵，C_x,g(x)可由下式求得：

$C_{x,g\left(x\right)}=\frac{1}{N_e-1}\underset{j=1}{\overset{N_e}{\Sigma }}(x_{l,j}-\overline{x_l})\left(g\left(x_{l,j}\right)-\overline{g\left(x_l\right)}\right)---\left(18\right)$

$\overline{x_l}=\frac{1}{N_e}\underset{j=1}{\overset{N_e}{\Sigma }}{x}_{l,j}---\left(19\right)$

$\overline{g\left(x_l\right)}=\frac{1}{N_e}\underset{j=1}{\overset{N_e}{\Sigma }}g\left(x_{l,j}\right)---\left(20\right)$

最终得到优化后的每口生产井的抽气负压值x_i，并将其存入数据库。

S6.依照S2所述技术，将S5获得的优化抽气负压值呈现在前端网页，供填埋场管理 人员参考。

S7.存储到数据库的抽气负压值通过移动网络传输到生产井上的单片机3，由GPRS 模块2负责接收数据，单片机内置的D/A转换器负责将数字信号转换成模拟信号，进而控制 阀门开度，调节气压。

此外，本实施控制系统优化决策指令的发送权也可掌握在管理人员手中，S5中得 到的抽气负压优化数据呈现在网页终端，如果管理人员认为本次优化数据与12小时之前相 比变化非常小，可在网页终端点击“中断”指令，终止本次远程控制，等待12小时之后下一次 循环开始。如果管理人员没有发送“中断”指令，则系统默认发送优化数据到终端设备进行 远程控制。

上述的对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发 明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的 一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例， 本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护 范围之内。