一种污水处理场景下的人工智能自动化投药方法技术

本发明专利技术涉及一种污水处理场景下的人工智能自动化投药方法，包括如下步骤：基于正式投产污水处理场景下的投药效果进行预测分析，获取有偏数据集合D1形成正向投药预测模型；在同一投药生产工艺环境下，采用实验环境与正向投药预测模型相互关联，在同等环境下获取实验环境下的异常边界样本数据集合D2；合并有偏数据集合D1和异常边界样本数据集合D2作为逆向投药预测模型的训练样本集合，重新训练逆向投药预测模型，获取最终的投药预测试剂量。本发明专利技术能针对不同污水的药剂投加场景，仅通过较少的几个业界通用指标，结合往期有偏实际生产数据以及小规模实验数据并通过MLP多层感知机网络进行训练，实现可具备落地量产实施的自动化精准投药方案。准投药方案。准投药方案。

【技术实现步骤摘要】
一种污水处理场景下的人工智能自动化投药方法


[0001]本专利技术属于智能污水处理
，主要涉及一种污水处理场景下的人工智能自动化投药方法。

技术介绍

[0002]在污水或废水处理工艺设置过程中，考虑因素较为复杂，需要针对不同的污水来源及水质，设置相应的处理工艺流程，并建设定制化的厂房和污水处理设施。涉及的因素包括：物理性污染、无机物污染、有机物污染、营养盐污染与水体富营养化、生物污染和放射性污染等。其中，投加药剂处理具有适用面广、普适性好、效率高、效果稳定的优势，成为了污废水处理工艺中非常重要的环节。由于处理水质的不同及定制化工艺流程的差异，也使得整个污废水处理系统从前期的设计到后期的运营维护，都离不开有经验的工程师进行分析和操作，尤其是不同的药剂投加工艺环节(重点是加药量与效果呈现非严格线性关系，以及同时投加包含多种药剂的药剂组合投加等场景)，其药剂投加量的决策更是需要工程师进行持续跟踪。
[0003]随着人工智能AI(Artificial Intelligence)近年来的兴起，模型技术已经在各个行业领域得到了广泛的应用，智能水务领域天然有着大数据支撑、复杂因素相互作用、明确的指标预期等特性，十分适合应用AI技术，来解决各环节的数据预测推理，进而结合业务演化出自动化数据展现、指标预测、指标风控、监控预警、药剂精准投加等应用技术。然而实际从业界技术发展现状看来，AI技术在环保污水处理领域落地的案例还较少，其中最主要的问题可以归结为：有效数据样本的不足。在实际落地过程中，污水处理工艺涉及的影响因素复杂，不同水厂的处理系统有着其特殊性，而且一般考虑到指标采集传感器造价昂贵，通常仅对一些主要指标进行采集，因此对于系统的运行细节往往仅停留在粗略的了解。与理论模型推导不同的是，一方面由于真实生产环境下要求出水指标确保在合规范围内，因此数据都是乐观样本，缺少不同情况下对数值超标的试探和感知；另一方面，在某些情况下工程师为了获取超标时的投药情况数据，往往使用测试环境的数据来作为样本训练，但测试系统并不能确保与实际生产一致，因此，工程师们很难拿到大量的、覆盖全场景的水厂真实数据，这样的数据训练出的模型，或者过于保守，导致投药浪费，亦或者不能精准把控标准边界，造成出水指标超标等风险。
[0004]因此，虽然业内涌现出一些通过建模来解决智能投药的理论，但往往由于数据获取成本高昂，数据偏差较大，出现模型效果欠佳，实际应用落地难等情况；其主要原因在于，在开展基于基于人工智能大数据模型的药剂投加技术应用时，无法避免会面临数据缺失的问题，甚至对于一些存在一定量历史运行数据的项目场景，也同样存在数据量不足的问题，其主要原因是：
[0005](1)AI智能模型训练依赖的大数据建设成本较大，收益不明确，设备投入成本高；
[0006](2)历史的实验级别数据，与实际投产环境仍然存在差别，数据不可直接复用；
[0007](3)人工阶段形式的补充指标采集，由于检测效率的限制，采样间隔时间较长，数
据曲线不连续平滑。
[0008]综合以上问题，最核心的难点在于，历史往期小量的数据样本，本身无法代表最优的投药经验，label本身与最优真值存在偏差，而逆向模型如果以此数据作为训练的话，无法学习到最优的投药方式；而如果需要补足数据样本，将大幅度增加投入成本，为此还会存在：第一、历史数据中的投药量，出于实际生产中的谨慎考量，各种药量可能存在着过量投药或者药量之间的此消彼长互补，那么经过学习得到的投药量也是偏谨慎的；第二、在历史投药过程，尤其是同时投加包含多种药剂的药剂组合投加等场景，不同的药剂之间可以通过此消彼长来互补效果，而由于数据量过少，存在着模型无法捕捉组合药剂间的互补关系，难以判断哪种适当多些，哪种适当少一些，以及样本中哪些药剂实际是过量加注浪费等问题。

技术实现思路

[0009]针对以上问题，本专利技术提出污水处理场景下一种基于人工智能的低成本高效自动化投药方法。本专利技术应用MLP多层感知机神经网络，并采取一种有偏数据样本下的模型构建方案，针对不同污水处理系统的药剂投加场景，仅通过较少的几个业界通用指标，并结合往期有偏实际生产数据以及小规模实验数据，从正向和逆向路径多步骤构建预测模型，实现可具备落地量产实施的自动化精准投药方案。为解决上述技术问题，本专利技术所采用如下技术方案：
[0010]本专利技术提供了一种污水处理场景下的人工智能自动化投药方法，包括如下步骤：
[0011]基于正式投产污水处理系统场景下的投药效果进行预测分析，获取有偏数据集合D1形成正向投药预测模型；
[0012]在同一投药生产工艺环境下，基于正式投产污水系统场景按等比例缩小的方式制作一套实验系统场景下的实验模型，采用实验模型与正向投药预测模型相互关联，在同等环境下获取实验环境下的异常边界样本数据集合D2；并按照等比缩量投药方式，补充实验环境下的异常边界样本数据集合D2，实现样本增强；
[0013]合并有偏数据集合D1和异常边界样本数据集合D2作为逆向投药预测模型的训练样本集合，重新训练逆向投药预测模型，获取最终的投药预测试剂量。
[0014]上述方案进一步优选的，基于正式投产污水处理场景下的投药效果进行预测分析包括如下步骤：
[0015]步骤:10：在正式投产的生产环境下收集往期投药有偏数据作为训练样本，并对训练样本行归一化处理和指标真值恢复处理；
[0016]步骤:11：选取入水特征指标和出水特征指标，以污水的入水特征指标作为输入指标，并为每个输入指标提取n次方值作为基础特征；
[0017]步骤:12：将基础特征输入正向投药预测模型进行预测分析，获取支持根据输入指标预估的输出指标；
[0018]上述方案进一步优选的，所述归一化处理数值满足：
[0019]a_u＝(a
‑
a_min)/(a_max
‑
a_min)，其中a_min和a_max分别为各个指标的最大最小值；
[0020]所述指标真值恢复处理满足：a＝a_u*(a_max
‑
a_min)+a_min。
[0021]上述方案进一步优选的，采用实验环境与正向投药预测模型相互关联包括步骤如下：
[0022]步骤20：基于正式投产污水系统场景按等比例缩小的方式制作一套实验系统场景下的实验模型，采用与正式投产的生产环境下同等工艺的实验环境，根据正式投产生产环境的投药量，按照等比缩量投药方式分别收集实验环境下的非超标区域的入水特征指标和出水特征指标以及超标区域的入水特征指标和出水特征指标；
[0023]步骤21：选取与正式投产的生产环境下同等的入水特征指标和出水特征指标，以此作为实验环境下的训练样本，
[0024]步骤22：将实验环境下的训练样本借助正向投药预测模型进行关联训练，获取实验环境下的异常边界样本数据的预测指标；
[0025]步骤23：为每个异常边界样本数据的预测指标提取n次方值作为基础特征；
[0026]步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种污水处理场景下的人工智能自动化投药方法，其特征在于：包括如下步骤：基于正式投产污水处理系统场景下的投药效果进行预测分析，获取有偏数据集合D1形成正向投药预测模型；在同一投药生产工艺环境下，基于正式投产污水系统场景按等比例缩小的方式制作一套实验系统场景下的实验模型，采用实验模型与正向投药预测模型相互关联，在同等环境下获取实验环境下的异常边界样本数据集合D2；并按照等比缩量投药方式，补充实验环境下的异常边界样本数据集合D2，实现样本增强；合并有偏数据集合D1和异常边界样本数据集合D2作为逆向投药预测模型的训练样本集合，重新训练逆向投药预测模型，获取最终的投药预测试剂量。2.根据权利要求1所述一种污水处理场景下的人工智能自动化投药方法，其特征在于：基于正式投产污水处理场景下的投药效果进行预测分析包括如下步骤：步骤:10：在正式投产的生产环境下收集往期投药有偏数据作为训练样本，并对训练样本行归一化处理和指标真值恢复处理；步骤:11：选取入水特征指标和出水特征指标，以污水的入水特征指标作为输入指标，并为每个输入指标提取n次方值作为基础特征；步骤:12：将基础特征输入正向投药预测模型进行预测分析，获取支持根据输入指标预估的输出指标。3.根据权利要求1所述一种污水处理场景下的人工智能自动化投药方法，其特征在于：所述归一化处理数值满足：a_u＝(a
‑
a_min)/(a_max
‑
a_min)，其中a_min和a_max分别为各个指标的最大最小值；所述指标真值恢复处理满足：a＝a_u*(a_max
‑
a_min)+a_min。4.根据权利要求1所述一种污水处理场景下的人工智能自动化投药方法，其特征在于：采用实验环境与正向投药预测模型相互关联包括步骤如下：步骤20：基于正式投产污水系统场景按等比例缩小的方式制作一套实验系统场...

【专利技术属性】
技术研发人员：陆立海，洪雷，方圆，王德凯，杜镭，成刚，田冬梅，何华生，覃日帮，林日团，李文文，李庆金，梁传顺，
申请(专利权)人：广西博世科环保科技股份有限公司，
类型：发明
国别省市：