一种饮用水处理过程中多点加氯的数据驱动方法技术

本发明专利技术涉及一种饮用水处理过程中多点加氯的数据驱动方法，对水源地和水厂的饮用水处理过程中多点加氯的各个加氯点加氯量进行预测。本发明专利技术的实现是通过一种采用随机森林回归算法的数据驱动模型，通过各个加氯点加氯量和原水水质指标(浊度、耗氧量、pH值、水温、氨氮、溶解氧、电导率、藻密度)的相关性分析和数据集训练，得到各个加氯点加氯量数据驱动模型，并由此进行多点加氯的加氯量预测。本发明专利技术提出的多点加氯的数据驱动方法，科学准确、用氯量小、成本低，可以有效提高饮用水处理过程中对氯的使用效率，减少消毒过程中副产物的产生，提升饮用水处理过程的出水品质。饮用水处理过程的出水品质。饮用水处理过程的出水品质。

【技术实现步骤摘要】
一种饮用水处理过程中多点加氯的数据驱动方法


[0001]本专利技术涉及饮用水处理
，特别是涉及一种饮用水处理过程中多点加氯的数据驱动方法。

技术介绍

[0002]饮用水是人类生存的基本需求，饮用水处理技术的发展直接关系到人民群众的身体健康和社会的安全稳定。经过百余年的发展，现代化的饮用水处理技术已经逐渐发展成熟。自来水厂对饮用水的净化处理过程一般分为混凝、沉淀、过滤、消毒四个步骤，其中消毒是保障饮用水水质安全的重要步骤。目前我国绝大多数自来水厂采用的消毒工艺为氯消毒，加注的氯消毒剂包括氯气、次氯酸钠、液氯等。
[0003]当前，国内的自来水厂整体对氯的使用率较低，凭借人工方式加氯无法精准地控制剂量。若氯的投加量过少，将无法保证消毒效果。且因为目前饮用水处理工艺中只在消毒环节中加氯，为确保水中的细菌和有机物的含量快速降低，往往会在消毒这一环节中投加过量的氯，而当氯的剂量投加超标时，不仅会导致成本的增加、资源的浪费和饮用水原有气味的改变，而且会导致消毒过程中产生的副产物(如氯酸钙、三卤甲烷等)的质量快速增加，进而造成自来水中消毒副产物浓度水平的波动。
[0004]针对采用多点加氯的工艺流程：
[0005](1)取水口预加氯，由于水源地夏季藻类的过度繁殖，极大影响饮用水处理的絮凝效果。通过预加氯可以破坏藻类细胞的结构，强氧化性的氯进入藻类细胞，与其酶反应，藻类的光合作用减弱或停止，从而抑制其活性，达到杀藻或抑制藻类生长的目的；
[0006](2)混凝池前加氯，起到助凝和除藻的作用，降低沉淀池出水中藻类数量与浊度，保证砂滤池在较长周期下平稳运行，减轻对炭滤池的负荷冲击、延长活性炭的使用寿命；
[0007](3)砂滤池前加氯，在高藻期可根据砂滤池的运行效果，对砂滤池短时间、低浓度地加氯除藻，提高过滤效率，延长过滤周期，从而充分发挥砂滤池去除浊度的效能。
[0008](4)炭滤池后加氯，由于微生物的硝化作用，滤后水的余氯和pH值均出现了一定程度的下降，在炭滤池后加氯可以有效控制池内微生物数量，防止在温暖的气温下出现砂滤池中微生物数量的失控，以增强出水的稳定性；
[0009](5)出厂水补加氯，在常规处理工艺条件之后，出厂水补加氯可以有效地应对供水管网输水过程中管道滋生的微生物对水的二次污染，确保龙头出水水质。
[0010]目前已有的饮用水处理的多点加氯过程中加氯量控制方法，主要是基于人工经验，根据水质指标(浊度、耗氧量、pH值、水温、氨氮、溶解氧、电导率、藻密度)孤立的对各个加氯点的加氯量进行调节，一方面没有对各个加氯点加氯量做到协同控制，另一方面缺乏科学准确的加氯量判断。本专利技术涉及了一种饮用水处理过程中的多点加氯的数据驱动方法，通过对水源地原水水质指标数据和历史加氯量的统计分析，建立数据驱动模型，以此对多点加氯中的加氯量进行预测，以达到合理控制加氯量的目的。

技术实现思路
：
[0011]本专利技术提供了一种饮用水处理过程中多点加氯的数据驱动方法，对自来水厂净水流程中各个加氯点位的加氯量进行精细预测。
[0012]本专利技术通过以下技术方案来实现：
[0013]一种基于随机森林回归的多点加氯的加氯量预测方法，包括：
[0014]步骤1，采集水源地和水厂各加氯点的加氯量及对应时刻的水源地原水水质指标(浊度、耗氧量、pH值、水温、氨氮、溶解氧、电导率、藻密度)数据集；
[0015]步骤2，基于步骤1得到的数据集，分析获取的各加氯点加氯量及对应时刻的水源地原水水质指标(浊度、耗氧量、pH值、水温、氨氮、溶解氧、电导率、藻密度)之间的相关性，对于相关性大于给定阈值的原水水质指标，作为数据驱动模型的输入变量；
[0016]步骤3，以各加氯点加氯量为模型输出变量，以步骤2得到的模型输入变量，基于步骤1 得到的数据集，采用随机森林回归算法训练得到数据驱动模型；
[0017]步骤4，计算该模型的可决系数(R
‑
squared，R2)和均方根误差(Root Mean Squared Error， RMSE)，来评价模型的拟合效果；
[0018]步骤5，针对于预测结果在峰值附近的误差较大，采用粗糙集理论进行修正。
[0019]有益技术效果：
[0020]本专利技术提供了一种饮用水处理过程中多点加氯的数据驱动方法，通过对加氯量和原水水质指标的采集分析，利用随机森林回归模型，实现对所需的加氯量的预测，有效保障了各环节的消毒工艺中对氯的使用率，减少出厂水消毒副产物的波动，同时也避免出厂水含氯量过高，有效提升水质品质。
附图说明
[0021]图1为多点加氯的工艺流程图
[0022]图2为多点加氯加氯量的数据驱动算法流程图
[0023]具体实施方法
[0024]第(I)步骤，取水口预加氯具体步骤如下：
[0025]步骤1，将历史数据库中采集的取水口原水水质指标(浊度、耗氧量、pH值、水温、氨氮、溶解氧、电导率、藻密度)和取水口预加氯的加氯量作为数据集；
[0026]步骤2，采用皮尔逊相关系数法，计算数据集中取水口预加氯的加氯量和原水水质指标 (浊度、耗氧量、pH值、水温、氨氮、溶解氧、电导率、藻密度)的相关性；
[0027]皮尔逊相关系数的计算公式：
[0028][0029]式中，分别代表X、Y的均值。P的取值介于
‑
1与1之间，P的绝对值越大，表明变量X与变量Y的相关性越高；P的绝对值越小，表明变量X与变量Y的相关性越低；对于评价皮尔逊相关系数的标准如下：
[0030]P的范围相关程度0.0≤P＜0.2极弱相关或无关0.2≤P＜0.4弱相关
0.4≤P＜0.6中等程度相关0.6≤P＜0.8强相关0.8≤P＜1.0极强相关
[0031]规定，对于相关性大于等于0.6的原水水质指标进行保留；
[0032]步骤3，基于上述步骤2获取的原水水质指标作为自变量，以取水口预加氯的加氯量为目标变量，采用随机森林回归算法建立数据驱动模型；
[0033]步骤4，对步骤3建立好的数据驱动模型输入实时的水源地原水水质指标值，即可获得当前水源地原水水质指标对应的取水口预加氯的加氯量预测值。
[0034]第(II)步骤，混凝池前加氯具体步骤如下：
[0035]步骤1，将历史数据库中采集的混凝池前水质指标(浊度、耗氧量、pH值、水温、氨氮、溶解氧、电导率、藻密度)和混凝池前加氯的加氯量作为数据集；
[0036]步骤2，采用皮尔逊相关系数法，计算数据集中混凝池前加氯的加氯量和水质指标(浊度、耗氧量、pH值、水温、氨氮、溶解氧、电导率、藻密度)的相关性，对于相关性大于等于0.6的原水水质指标进行保留；
[0037]步骤3，基于上述步骤2获取的水质指标作为自变量，以混凝池前加氯的加氯量为目标变量，采用随机森林回归算法建立数据驱动模型；
[0038]步骤4，对步骤3建立好的数据驱动模型输入实时的混凝本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.为改善饮用水处理过程中对氯的使用效率低、消毒副产物生成不稳定等现有技术的不足，本发明提供一种饮用水处理过程中多点加氯的数据驱动方法，优化水源地和水厂的各个加氯点加氯量，实现控藻和加氯的精细化管控。2.根据权利要求1所述的一种饮用水处理过程中多点加氯的数据驱动方法，本发明中在水源地和水厂的5个加氯点包括：取水口预加氯、混凝池前加氯、砂滤池前加氯、炭滤池后加氯、出厂水补加氯。3.如权利要求2所述的5个加氯点，采集过去5年的各个加氯点的加氯量和原水水质指标(浊度、耗...

【专利技术属性】
技术研发人员：张鹏，陈乐，沈天明，谢嘉宸，王冬生，
申请(专利权)人：陈乐沈天明谢嘉宸王冬生，
类型：发明
国别省市：