Тұрсынхан Саятұлы Жылқыбаев – преподаватель кафедры IT технологий,
071412, г. Семей, ул. Глинки, 20 А
Tursinkhan Sayatuly Zhylkybayev – lecturer at the Department of IT Technologies,
120 A Glinka St., Semey, 071412
Александр Дмитриевич Золотов – кандидат технических наук, ассоциированный профессор кафедры IT технологий,
071412, г. Семей, ул. Глинки, 20 А
Alexander Dmitrievich Zolotov – Candidate of Technical Sciences, Associate Professor of the Department of IT Technologies,
120 A Glinka St., Semey, 071412
Бахытгуль Кадырхановна Копабаева – докторант кафедры IT технологий,
071412, г. Семей, ул. Глинки, 20 А
Bakhytgul Kadyrkhanovna Kopabayeva – PhD student of the Department of IT Technologies,
120 A Glinka St., Semey, 071412
Наркен Кайрулаевич Алгазинов – магистр технических наук, старший преподаватель кафедры «Электротехника и автоматизация»,
140000 г. Павлодар, ул. Ломова 64
Narken Kairulayevich Algazinov – Master of Technical Sciences, Senior Lecturer at the Department of Electrical Engineering and Automation,
64 Lomova St., Pavlodar, 140000
Динмухамед Аскарович Жумагажинов – студет группы АУ 101 кафедры IT технологий,
071412, г. Семей, ул. Глинки, 20 А
Dinmukhamed Askarovich Zhumagazhinov – student of AU 101 group of the Department of IT Technologies,
120 A Glinka St., Semey, 071412
Габит Жумабаевич Шүйтенов – кандидат педагогических наук, доцент, проректор по стратегии и цифровизации,
040005, г. Астана, ул. Жубанова, 7
Gabit Shuitenov – Candidate of Pedagogical Sciences, Associate Professor, Vice-Rector for Strategy and Digitalization,
040005, Astana, Zhubanova street 7
Целью исследования в данной статье является совершенствования работы городских водоочистных сооружений, использующих биологическую очистку с использованием нейросетевых технологий. Перед управлением аэрацией в аэротенке нейросеть обрабатывает объём поступающих сточных вод (датчики расхода и уровня измеряют объём поступающих сточных вод, скорость потока и его динамику. Датчики растворённого кислорода контролируют уровень кислорода в аэротенке, что является критически важным для работы микроорганизмов Например, если прогнозируется увеличение объёма воды, система заранее увеличивает подачу кислорода. Постоянный сбор данных с датчиков позволяет сравнивать фактические параметры с прогнозными, корректируя работу системы в режиме реального времени. Интеграция предсказательной аналитики с системами управления аэротенками позволяет добиться синергетического эффекта: 1 – Прогнозирование параметров поступающих сточных вод обеспечивает возможность заранее корректировать работу системы, 2 – Адаптивное управление аэрацией и состоянием активного ила снижает энергопотребление и повышает эффективность биологической очистки. Непрерывный мониторинг и обратная связь позволят системе динамически реагировать на изменения, обеспечивая стабильность процесса и предотвращая аварийные ситуации. Таким образом, нейросетевые алгоритмы, в сочетании с SCADA-системами, формируют основу интеллектуальной автоматизации очистных сооружений, что способствует не только улучшению качества очистки сточных вод, но и значительной экономии энергетических ресурсов, снижению эксплуатационных затрат и повышению экологической безопасности.
The purpose of the research in this article is to improve the operation of urban water treatment plants using biological purification using neural network technologies. Before controlling aeration in the aeration tank, the neural network processes the volume of incoming wastewater (flow and level sensors measure the volume of incoming wastewater, flow rate and its dynamics. Dissolved oxygen sensors monitor the oxygen level in the aeration tank, which is critical for the work of microorganisms, for example, if an increase in water volume is predicted, the system increases the oxygen supply in advance. The constant collection of data from sensors allows you to compare the actual parameters with the predicted ones, correcting the operation of the system in real time. The integration of predictive analytics with aerotank control systems allows for a synergistic effect: 1 – Forecasting the parameters of incoming wastewater provides an opportunity to adjust the system operation in advance, 2 – Adaptive control of aeration and activated sludge reduces energy consumption and increases the efficiency of biological treatment. Continuous monitoring and feedback will allow the system to dynamically respond to changes, ensuring process stability and preventing emergencies. Thus, neural network algorithms, combined with SCADA systems, form the basis for intelligent automation of wastewater treatment plants, which contributes not only to improving the quality of wastewater treatment, but also to significant savings in energy resources, reducing operating costs and improving environmental safety.
The authors declare that there are no conflicts of interest present.