一种用于自来水处理的精准投药方法技术

本发明专利技术公开了一种用于自来水处理的精准投药方法，包括：数据预处理：0值、空值和异常值处理；通过相关性分析，分析进水指标：进水流量、进水浊度、进水PH、投药量与出水浊度之间的关系；构建日均进水浊度与日均投药量线性回归方程；利用系统动态方程算法构建出水浊度预测模型；利用K‑L信息法确定投药出水浊度滞后时间；根据曼哈顿距离算法寻找历史样本中的近似样本，进行投药量近似最优解分析；利用模拟退火算法进行投药量寻优最优解分析。本发明专利技术实用性强，实现对自来水生产工艺中精准投药的控制，保证出水水质的情况下，有效避免人工饱和式投药带来的经济损失，意义重大。

A precise dosing method for tap water treatment

【技术实现步骤摘要】
一种用于自来水处理的精准投药方法
本专利技术涉及水务
，更具体的说，是一种用于自来水处理的精准投药方法。
技术介绍
混凝加药是自来水生产工艺中的核心环节，直接影响到出水水质，而影响混凝效果的最重要的因素，是混凝剂的投加量。目前所用的混凝剂多为铝盐，研究表明，水中铝离子浓度过高会影响人的身体健康，并对水质及输水系统产生不良影响。另一方面净水的混凝剂药剂费是仅次于电费而构成制水成本的第二大要素，混凝剂投加量直接影响到制水成本以至水价，在保证处理效果的前提下，节约混凝剂消耗，是降低净水成本的重要措施，经济意义十分重大。因此，实现精确控制投药不但可以充分利用混凝剂的效能，保证出水水质，而且对于控制生产成本也同样意义重大。
技术实现思路
本专利技术的目的是提供一种用于自来水处理的精准投药方法，以解决现有模式中人工饱和式投药对水质造成不利影响和带来巨大经济损失等问题。为了实现上述目的，本专利技术提供如下技术方案：一种用于自来水处理的精准投药方法，包括：数据预处理：0值、空值和异常值处理。通过相关性分析，分析进水指标：进水流量、进水浊度、进水PH、投药量与出水浊度之间的关系；构建日均进水浊度与日均投药量线性回归方程。利用系统动态方程算法构建出水浊度预测模型。利用K-L信息法确定投药出水浊度滞后时间。根据曼哈顿距离算法寻找历史样本中的近似样本，进行投药量近似最优解分析。利用模拟退火算法进行投药量寻优最优解分析。优选的，数据预处理：0值、空值和异常值处理，包括：空值转化为零值。历史存量数据中0值的处理。实时增量数据中0值的处理。历史存量数据中异常值的处理。实时增量数据中异常值的处理。优选的，0值、空值和异常值处理方法，包括：空值处理：将空值转化为零值。历史存量数据中0值的处理：第一步：记历史投药输入数据{Qi|i＝1,2,...,n}，定义目标点为Qi(目标点从开始到结束依次扫描)；第二步：定位得到Qi＝0值的点位；第三步：向前回滚10个点的时间窗口，筛选非空非零记录，筛选后中位数作为0值的填充值。实时增量数据中0值的处理：第一步：判断是否为0；第二步：向前回滚10个点的时间窗口，筛选非空非零记录，筛选后中位数作为0值的填充值。历史存量数据中异常值的处理：第一步：记历史投药输入数据{Qi|i＝1,2,...,n}，定义目标点为Qi(目标点从开始到结束依次扫描)；第二步历史投药输入数据求Ui＝Qi-Qi-1，Ui-1＝Qi-1-Qi-2得到{Ui|i＝1,2,...,n-1}，定义目标点Qi对应的目标相关点为Ui和Ui-1；第三步除目标相关点外逐次执行分箱操作，即:Pup＝B+1.5*(A-C)Pdown＝B-1.5*(A-C)其中Pup为上边界，Pdown为下边界，B为因子中非空非零的中位数，A为上四分位数，C为下四分位数；第四步判断Qi异常情况。若Ui和Ui-1都不在边界内，则判定目标点Qi为异常值。否则不是异常值；第五步识别出异常值后，采用当前计算点向前10个点中位数代替。实时增量数据中异常值的处理：第一步：同样的，获取目标点及其之前n个点的数据(历史数据已经处理过了)；第二步：然后执行1中的异常值识别过程；第三步：采用当前计算点向前回滚10个点的非空非零记录的中位数代替均值代替。优选的，所述的通过相关性分析，分析进水指标：进水流量、进水浊度、进水PH、投药量与出水浊度之间的关系，包括：采用皮尔逊相关系数分析进水指标：进水流量、进水浊度、进水PH、投药量与出水浊度之间的关系。变量相关分析是考虑多个变量之间的线性关系的一种统计方法，用于衡量多个变量因素之间的相关程度。皮尔逊相关系数的全称为：皮尔逊积矩相关系数(Pearsonproduct-momentcorrelationcoefficient)。该系数广泛用于度量两个变量之间的相关程度。定义的公式如下：其中，xi和yi分别为i时刻变量x和y的值，和分别为x和y的平均值。如，计算进水温度与出水浊度之间的相关程度，xi为i时刻的进水温度值，yi为i时刻的出水浊度值，为进水温度的平均值，为出水浊度的平均值。优选的，所述的构建日均进水浊度与日均投药量线性回归方程，包括：获取日均进水浊度数据。获取日均投药量数据。根据所得日均进水浊度与日均投药量数据采用最小二乘法拟合线性回归方程，并将所得函数关系记为f2。其中，为日均进水浊度，为日均投药量，a和b为线性回归参数。优选的，所述的利用系统动态方程算法构建出水浊度预测模型，包括：在明确出水浊度相关因素的情况下，相关因素包括进水温度、进水浊度、进水流量等，采用系统动态方程算法构建出水浊度预测模型，模型定义为：其中，Th,Zh,Qh,Mh,Ch+L分别为h时刻的进水温度、进水浊度、进水流量、投药量和h+L时刻的出水浊度数据。将该模型定义为f1模型，供后续寻优模块的调用。优选的，系统动态方程算法，包括：系统的状态方程和输出方程一起，称为系统状态空间表达式，或称为系统动态方程。在经典控制理论中，对线性定常系统常采用常微分方程和传递函数来描述系统输入和输出关系，而现代控制理论，则由描述系统输入、输出动态关系的微分方程和传递函数建立系统动态方程，步骤如下：首先，确定状态变量、输入变量、输出变量若给定初始条件及t≥0的输入u(t),则系统行为被完全确定。故选择为系统的一组状态变量，令：其次，根据所确定的状态变量得到微分方程组；将上述方程组两边对t求导，化为状态变量x1,x2,…xn的一阶微分方程组；最后，针对所得微分方程组，写出状态变量、输入变量、输出变量表示的状态方程和输出方程。对于建立好的输出方程，给定输入变量的值即可得到输出变量的值。优选的，所述利用K-L信息法确定投药出水浊度滞后时间，包括：K-L信息量法是本世纪中叶，由Kull-back和Leibler提出，用以判定两个概率分布的接近程度。其原理是以基准序列为理论分布，备选指标为样本分布，不断变化备选指标与基准序列时差，计算K-L信息量。K-L信息量最小时对应的时差数确定为备选指标的最终时差。设基准指标为y＝{y1,y2,…,yn}，由于任意满足的序列P均可视为随机变量的概率分布，因此，对基准指标做标准化处理，使得指标的和为单位1，处理后的序列记为P，则：(其中假定yt＞0)被选指标x＝{x1,x2,…,xn}，做标准化处理，处理后的序列记为q，则：(其中假定xt＞0)K-L信息量计算公式为：其中，l被称为时差或延迟数，L是最大延迟数，nl表示数据取齐后本文档来自技高网...

【技术保护点】
1.一种用于自来水处理的精准投药方法，其特征在于，包括：/n数据预处理：0值、空值和异常值处理；/n通过相关性分析，分析进水指标：进水流量、进水浊度、进水PH、投药量与出水浊度之间的关系；/n构建日均进水浊度与日均投药量线性回归方程；/n利用系统动态方程算法构建出水浊度预测模型；/n利用K-L信息法确定投药出水浊度滞后时间；/n根据曼哈顿距离算法寻找历史样本中的近似样本，进行投药量近似最优解分析；/n利用模拟退火算法进行投药量最优解分析。/n

【技术特征摘要】
1.一种用于自来水处理的精准投药方法，其特征在于，包括：
数据预处理：0值、空值和异常值处理；
通过相关性分析，分析进水指标：进水流量、进水浊度、进水PH、投药量与出水浊度之间的关系；
构建日均进水浊度与日均投药量线性回归方程；
利用系统动态方程算法构建出水浊度预测模型；
利用K-L信息法确定投药出水浊度滞后时间；
根据曼哈顿距离算法寻找历史样本中的近似样本，进行投药量近似最优解分析；
利用模拟退火算法进行投药量最优解分析。


2.根据权利要求1所述的方法，其特征在于，数据预处理：0值、空值和异常值处理，包括：
空值转化为零值；
历史存量数据中0值的处理；
实时增量数据中0值的处理；
历史存量数据中异常值的处理；
实时增量数据中异常值的处理。


3.根据权利要求2所述的方法，其特征在于，0值、空值和异常值处理方法，包括：
空值处理：将空值转化为零值；
历史存量数据中0值的处理：
第一步：记历史投药输入数据{Qi|i＝1,2,...,n}，定义目标点为Qi(目标点从开始到结束依次扫描)；
第二步：定位得到Qi＝0值的点位；
第三步：向前回滚10个点的时间窗口，筛选非空非零记录，筛选后中位数作为0值的填充值；
实时增量数据中0值的处理：
第一步：判断是否为0；
第二步：向前回滚10个点的时间窗口，筛选非空非零记录，筛选后中位数作为0值的填充值；
历史存量数据中异常值的处理：
第一步：记历史投药输入数据{Qi|i＝1,2,...,n}，定义目标点为Qi(目标点从开始到结束依次扫描)；
第二步历史投药输入数据求Ui＝Qi-Qi-1，Ui-1＝Qi-1-Qi-2得到{Ui|i＝1,2,...,n-1}，定义目标点Qi对应的目标相关点为Ui和Ui-1；
第三步除目标相关点外逐次执行分箱操作，即:
Pup＝B+1.5*(A-C)
Pdown＝B-1.5*(A-C)
其中Pup为上边界，Pdown为下边界，B为因子中非空非零的中位数，A为上四分位数，C为下四分位数；
第四步判断Qi异常情况，若Ui和Ui-1都不在边界内，则判定目标点Qi为异常值，否则不是异常值；
第五步识别出异常值后，采用当前计算点向前10个点中位数代替；
实时增量数据中异常值的处理：
第一步：同样的，获取目标点及其之前n个点的数据(历史数据已经处理过了)；
第二步：然后执行1中的异常值识别过程；
第三步：采用当前计算点向前回滚10个点的非空非零记录的中位数代替均值代替。


4.根据权利要求1所述的方法，其特征在于，通过相关性分析，分析进水指标：进水流量、进水浊度、进水PH、投药量与出水浊度之间的关系，包括：
采用皮尔逊相关系数分析进水指标：进水流量、进水浊度、进水PH、投药量与出水浊度之间的关系；
变量相关分析是考虑多个变量之间的线性关系的一种统计方法，用于衡量多个变量因素之间的相关程度，皮尔逊相关系数的全称为：皮尔逊积矩相关系数(Pearsonproduct-momentcorrelationcoefficient)，该系数广泛用于度量两个变量之间的相关程度，定义的公式如下：



其中，xi和yi分别为i时刻变量x和y的值，和分别为x和y的平均值。如，计算进水温度与出水浊度之间的相关程度，xi为i时刻的进水温度值，yi为i时刻的出水浊度值，为进水温度的平均值，为出水浊度的平均值。


5.根据权利要求1所述的方法，其特征在于，构建...

【专利技术属性】
技术研发人员：程宏亮，张鹏飞，刘宏，苟蛟龙，王栋平，陈栓涛，
申请(专利权)人：美林数据技术股份有限公司，
类型：发明
国别省市：陕西;61