一种自来水厂后臭氧接触池水中余臭氧浓度的智能化连续监测方法技术

本发明专利技术提供了一种自来水厂后臭氧接触池水中余臭氧浓度的智能化连续监测方法。其特征在于：针对水中余臭氧浓度在线监测仪表经常失灵和维修保养不及时的现实状况，在对原水水质、水中余臭氧浓度、臭氧破坏前浓度历史运行数据分析的基础上，构建水中余臭氧浓度与臭氧破坏前浓度的关系模型；当在线诊断出水中余臭氧浓度仪表失灵时，将实时监测到的臭氧破坏前浓度值作为输入，通过水中余臭氧浓度与臭氧破坏前浓度的关系模型，得到水中余臭氧浓度预测值。本发明专利技术可以为后臭氧投加的反馈控制提供连续的水中余臭氧浓度监测值，从而为后臭氧化工艺的运行管控提供保障。艺的运行管控提供保障。艺的运行管控提供保障。

【技术实现步骤摘要】
一种自来水厂后臭氧接触池水中余臭氧浓度的智能化连续监测方法


[0001]本专利技术涉及一种智能化连续监测方法，尤其涉及一种自来水厂后臭氧接触池水中余臭氧浓度的智能化连续监测方法。

技术介绍

[0002]随着中国饮用水水源受到日趋广泛的污染，以去除浑浊度和病原生物为主要目标的常规处理工艺已经不能满足保障饮用水水质安全的需求。我国数十个自米水厂已经采用“臭氧
‑
生物活性炭”工艺对水进行深度处理。臭氧可以消毒和降解部分有机物并将大分子有机物转化为小分子有机物，以利于后续生物活性炭单元的生物降解。
[0003]臭氧的过量投加可能会导致溴酸盐等臭氧化副产物增加、减少活性炭使用寿命等不良后果，臭氧投加量不足可能会导致接触氧化不充分、生物活性炭降解有机物效果降低。此外，臭氧还具有一定毒性，低浓度臭氧会造成胸闷咳嗽、气短等呼吸道炎症。人若长期接触高浓度臭氧，身体会受到永久伤害。因此需要对臭氧化工艺残余气体进行监测和破坏，进行严格浓度控制。
[0004]理论上，如果臭氧与进厂水有足够的消毒接触时间，则臭氧可以完全消耗，在出水中几乎没有余臭氧。因此，在自来水厂臭氧化工艺日常运行中，操作人员通常将出水余臭氧浓度作为控制目标，通过闭环反馈控制，对臭氧投加量进行调整。
[0005]水中余臭氧浓度一般采用极谱法电极式仪器进行测量，这类仪器长期应用于低浓度(0.2mg/L以下)工作环境易发生钝化现象，仪器钝化后对臭氧浓度变化响应慢或者不响应，导致臭氧浓度监测异常，因而无法准确调整臭氧投加量。臭氧破坏前浓度监测仪表一般采用紫外辐射吸收法进行测量。相对于水中余臭氧浓度监测仪表，其具有便于校准、精度较高的特点。
[0006]本专利技术研究对象自来水厂的后臭氧投加采用传统的反馈控制方法，当水中余臭氧浓度仪表失灵时，无法准确调整臭氧投加量，严重影响出厂水质安全。

技术实现思路

[0007]专利技术目的：
[0008]本专利技术针对自来水厂后臭氧接触池水中余臭氧浓度在线监测仪表经常失灵和维修保养不及时的现实状况，提出当监测到仪表失灵时，采用智能化连续监测方法根据臭氧破坏前浓度监测值预测当前水中余臭氧浓度值，进而可以为臭氧投加控制提供连续的水中余臭氧反馈信息，提高后臭氧化工艺的处理效果。
[0009]技术方案：
[0010]本专利技术为解决如上技术问题采用如下技术方案：
[0011]一种水中余臭氧浓度的智能化连续监测方法，包括以下步骤：
[0012]第(I)步骤，水中余臭氧浓度与臭氧破坏前浓度之间的相关性计算方法如下：
[0013]步骤1，对自来水厂历史运行数据(过去3年及以上)进行数据清洗，剔除水中余臭氧浓度历史数据箱线图不在上界和下四分位之间的数据样本，剔除臭氧破坏前浓度历史数据箱线图不在上界和下界之间的数据样本；
[0014]步骤2，对数据清洗后的数据进行数据归一化处理；
[0015]步骤3，对数据预处理后的数据采用Pearson相关系数分析两个变量之间的关系，验证水中余臭氧浓度与臭氧破坏前浓度是否具有较强相关性。
[0016]第(II)步骤，水中余臭氧浓度与臭氧破坏前浓度关系模型建立步骤具体如下：
[0017]步骤1，对自来水厂历史运行数据库中的水中余臭氧浓度、臭氧破坏前浓度(过去3年及以上)数据进行数据提取、数据清洗和数据分析，筛选出符合要求的大数据样本集；
[0018]步骤2，以臭氧破坏前浓度为输入，以水中余臭氧浓度为输出，采用随机森林算法，采用步骤1得到的大数据样本集训练得到水中余臭氧浓度与臭氧破坏前浓度关系模型。
[0019]第(III)步骤，对水中余臭氧浓度进行实时监测，当监测到监测水中余臭氧浓度的仪表失灵时，使用步骤(II)得到的关系模型，以当前臭氧破坏前浓度为输入预测当前水中余臭氧浓度，从而可以为后臭氧投加反馈控制提供连续的水中余臭氧浓度反馈信息。
[0020]有益效果：
[0021]本专利技术基于自来水厂历史运行数据建立水中余臭氧浓度与臭氧破坏前浓度关系模型，提出一种水中余臭氧浓度的连续监测方法，可以有效解决由于水中余臭氧浓度仪表失灵和维修保养不及时的现实困难，保障后臭氧化工艺的连续稳定运行，提高自来水厂的精细化管理水平。
附图说明
[0022]图1是研究对象自来水厂后臭氧化工艺结构图；
[0023]图2是箱线图示意图；
[0024]图3是水中余臭氧浓度连续监测方法流程图；
[0025]图4是水中余臭氧浓度与臭氧破坏前浓度相关性示意图；
[0026]图5是随机森林模型构建过程示意图。
具体实施方式
[0027]下面结合在研究对象自来水厂的实际在线试验对本专利技术的技术方案进行详细说明：
[0028](一)分析验证水中余臭氧浓度与臭氧破坏前浓度相关性，具体步骤如下：
[0029]步骤1，对自米水厂历史运行数据(过去3年及以上)进行数据清洗，剔除水中余臭氧浓度历史数据箱线图不在上界和下四分位之间的数据样本，剔除臭氧破坏前浓度历史数据箱线图不在上界和下界之间的数据样本；
[0030]步骤2，对数据清洗后的数据进行归一化；
[0031]步骤3，对数据预处理后的数据采用Pearson相关系数分析两个变量之间的相关性，计算结果为0.73，为显著线性相关，如图4所示。
[0032](二)采样随机森林算法构建水中余臭氧浓度与臭氧破坏前浓度关系模型，具体步骤如下：
[0033]步骤1，从自来水厂历史运行数据样本集(假设有n组数据样本)中随机有放回的抽取m组数据作为训练子集，剩余n
‑
m组数据样本作为测试子集；
[0034]步骤2，将臭氧破坏前浓度作为输入变量，水中余臭氧浓度作为为输出变量；
[0035]步骤3，每个训练子集单独生长为一颗不剪枝叶的回归决策树，使这颗决策树充分生长；
[0036]步骤4，根据测试子集的n
‑
m组数据样本，分别建立n
‑
m个决策树模型，取n
‑
m个决策树模型输出的平均值作为随机森林模型输出；
[0037]步骤5，计算测试子集的样本与随机森林模型输出的偏差，若偏差大于阈值，则重复步骤1～步骤4；否则训练结束后，最后一次训练得到的随机森林模型即该数据样本集下的水中余臭氧浓度与臭氧破坏前浓度之间的关系模型。
[0038](三)当在线诊断出水中余臭氧浓度仪表失灵时，由臭氧破坏前浓度计算获得水中余臭氧浓度，步骤如下：
[0039]步骤1，对实时水中余臭氧浓度进行监测，并进行数据滤波：
[0040][0041]式中，为t时刻的数据滤波值，A(t)为t时刻的数据采集值，k
i
为滤波系数，l为滤波时间长度。
[0042]当监测到水中余臭氧浓度测量值不在水中余臭氧浓度历史数据箱线图上界和下四分位之间(0.035
‑
0.068)时，认为仪表监测失灵；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自来水厂后臭氧接触池水中余臭氧浓度的智能化连续监测方法，其特征在于，具体包括以下步骤：步骤1，基于自来水厂历史运行数据，分析验证水中余臭氧浓度与臭氧破坏前浓度之间的相关性；步骤2，采用随机森林算法，构建水中余臭氧浓度与臭氧破坏前浓度的关系模型；步骤3，当在线诊断出水中余臭氧浓度仪表失灵时，基于步骤2得到的关系模型，以当前臭氧破坏前浓度为输入，预测当前水中余臭氧浓度。2.如权利要求1步骤1所述的基于自来水厂历史运行数据，分析验证水中余臭氧浓度与臭氧破坏前浓度之间的相关性，其特征在于，具体包括以下步骤：步骤1，对自来水厂历史运行数据(过去3年及以上)进行数据预处理，包括数据清洗和数据归一化两部分；步骤2，对数据预处理后的数据，采用Pearson相关系数分析验证水中余臭氧浓度与臭氧破坏前浓度之间的关系，其计算公式如下所示：0≤|r|≤1表示存在不同程度的线性相关：3.如权利要求2步骤1所述的数据清洗和数据归一化，其特征在于，具体包括以下步骤：步骤1，对水中余臭氧浓度历史运行数据采用箱线图法剔除异常值。鉴于水中余臭氧浓度仪表长期处于低浓度(0.2mg/L以下)工作环境易发生钝化的现象，所以会导致水中余臭氧浓度测量值偏低或者数值变化不明显，故本发明取位于余臭氧浓度历史数据箱线图上界和下四分位之间的数据为监测正常值；步骤2，对臭氧破坏前浓度历史运行数据采用箱线图法剔除异常值，取箱线图上界和下界之间的数据集为数据样本；步骤3，对数据清洗后的数据进行数据归一化处理。4.如权利要求3步骤1所...

【专利技术属性】
技术研发人员：王冬生，邓联庆，李智轩，张雪，钱勇，蒋福春，康继民，
申请(专利权)人：苏州市自来水有限公司，
类型：发明
国别省市：