一种基于模型优化的废气废水处理方法及装置制造方法及图纸

本发明专利技术的实施例提供一种基于模型优化的废气废水处理方法及装置，该方法涉及大数据技术领域，该方法包括：获取工厂的当前生产量；利用检测设备对废气废水一体化处理设备进行检测，以获得废气废水一体化处理设备的当前净化处理参数；其中，当前净化处理参数包括：当前废水进入流量、当前废气进入流量、当前废水进入温度以及当前废气进入温度；将当前生产量以及当前净化处理参数输入经过训练的参数预测神经网络模型，以预测出废气废水一体化处理设备的目标运行控制参数；以及，基于目标运行控制参数对废气废水一体化处理设备进行控制。该方法能够有效地降低废气废水处理成本和能耗。法能够有效地降低废气废水处理成本和能耗。法能够有效地降低废气废水处理成本和能耗。

【技术实现步骤摘要】
一种基于模型优化的废气废水处理方法及装置


[0001]本专利技术涉及大数据
，具体而言，涉及一种基于模型优化的废气废水处理方法及装置。

技术介绍

[0002]当前的工厂进行生产活动的过程中，为了使得排放物达到排放标准，会使用废水处理设备和废气处理设备对排放物进行净化后再排放。虽然通过废水处理设备和废气处理设备实现了排放物的净化，但是当前的废水处理设备和废气处理设备却存在着浪费能源的情况。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于模型优化的废气废水处理方法及装置，通过参数预测神经网络模型对废气废水一体化处理设备的目标运行控制参数进行预测，并利用预测出的目标运行控制参数对所述废气废水一体化处理设备进行控制，能够在保证排放物达标的情况下，提高废气废水一体化处理设备的工作能效值，从而有效地降低废气废水处理成本和能耗。
[0004]为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术提供一种基于模型优化的废气废水处理方法，应用于废气废水处理系统，所述废气废水处理系统包括：设置于工厂的废气废水一体化处理设备以及检测设备。第一方面所述的方法包括：获取工厂的当前生产量；利用检测设备对废气废水一体化处理设备进行检测，以获得废气废水一体化处理设备的当前净化处理参数；其中，当前净化处理参数包括：当前废水进入流量、当前废气进入流量、当前废水进入温度以及当前废气进入温度；将当前生产量以及当前净化处理参数输入经过训练的参数预测神经网络模型，以预测出废气废水一体化处理设备的目标运行控制参数；以及，基于目标运行控制参数对废气废水一体化处理设备进行控制；其中，参数预测神经网络模型的训练过程包括如下步骤：获取数据集，数据集包括多组训练数据，每组训练数据包括：工厂的历史生产量、废气废水一体化处理设备的历史净化处理参数以及对应的预设运行控制参数；其中，历史净化处理参数包括：历史废水进入流量、历史废气进入流量、历史废水进入温度以及历史废气进入温度；并且其中，在工厂按照历史生产量运行、废气废水一体化处理设备的净化处理参数为历史净化处理参数的情况下，当废气废水一体化处理设备按照预设运行控制参数运行时，废气废水一体化处理设备的液体排放物中的污染物浓度以及气体排放物中的污染物浓度均符合排放标准，并且废气废水一体化处理设备的能耗低于预设能耗阈值；以及，利用数据集对参数预测神经网络模型进行训练，以得到经过训练的参数预测神经网络模型；其中，预设运行控制参数被作为参数预测神经网络模型的输出变量，历史生产量以及历史净化处理参数被作为参数预测神经网络模型的输入变量。
[0005]第二方面，本专利技术提供一种基于模型优化的废气废水处理装置，也可以称为一种基于模型优化的废气废水处理系统。该装置包括设置于工厂的废气废水一体化处理设备、控制台以及检测设备，控制台与废气废水一体化处理设备以及检测设备连接。其中，控制台，用于获取工厂的当前生产量；控制台，还用于利用检测设备对废气废水一体化处理设备进行检测，以获得废气废水一体化处理设备的当前净化处理参数；其中，当前净化处理参数包括：当前废水进入流量、当前废气进入流量、当前废水进入温度以及当前废气进入温度；控制台，还用于将当前生产量以及当前净化处理参数输入经过训练的参数预测神经网络模型，以预测出废气废水一体化处理设备的目标运行控制参数；控制台，还用于基于目标运行控制参数对废气废水一体化处理设备进行控制；其中，参数预测神经网络模型的训练过程包括如下步骤：获取数据集，数据集包括多组训练数据，每组训练数据包括：工厂的历史生产量、废气废水一体化处理设备的历史净化处理参数以及对应的预设运行控制参数；其中，历史净化处理参数包括：历史废水进入流量、历史废气进入流量、历史废水进入温度以及历史废气进入温度；并且其中，在工厂按照历史生产量运行、废气废水一体化处理设备的净化处理参数为历史净化处理参数的情况下，当废气废水一体化处理设备按照预设运行控制参数运行时，废气废水一体化处理设备的液体排放物中的污染物浓度以及气体排放物中的污染物浓度均符合排放标准，并且废气废水一体化处理设备的能耗低于预设能耗阈值；以及，利用数据集对参数预测神经网络模型进行训练，以得到经过训练的参数预测神经网络模型；其中，预设运行控制参数被作为参数预测神经网络模型的输出变量，历史生产量以及历史净化处理参数被作为参数预测神经网络模型的输入变量。
[0006]在本专利技术的可选实施例中，每组训练数据的获取过程包括如下步骤：在预设时间段中，获取工厂的目标时刻生产量以及废气废水一体化处理设备的目标时刻净化处理参数；其中，目标时刻净化处理参数包括：目标时刻废水进入流量、目标时刻废气进入流量、目标时刻废水进入温度以及目标时刻废气进入温度；获取建议运行控制参数集合，建议运行控制参数集合包括多个大小不同的建议运行控制参数；在工厂按照目标时刻生产量运行、废气废水一体化处理设备的净化处理参数为目标时刻净化处理参数的情况下，确定每个建议运行控制参数对应的能效值；其中，能效值根据如下公式确定：ENF=NOE/（P*C）其中，ENF表示能效值，NOE表示废气废水一体化处理设备的已净化液体和已净化气体的排放总流量，P表示废气废水一体化处理设备的运行功率，C表示液体排放物以及气体排放物中的污染物总浓度；以及，将建议运行控制参数集合中满足筛选条件且能效值最高的建议运行控制参数作为目标时刻生产量以及目标时刻净化处理参数对应的预设运行控制参数；其中，筛选条件包括：按照建议运行控制参数运行的废气废水一体化处理设备的液体排放物中的污染物浓度以及气体排放物中的污染物浓度均符合排放标准，并且废气废水一体化处理设备的能耗低于预设能耗阈值。
[0007]在本专利技术的可选实施例中，控制台，还用于确定废气废水一体化处理设备的多个可调控参数；控制台，还用于在工厂按照参考生产量运行、废气废水一体化处理设备的净化处理参数为参考净化处理参数的情况下，确定每个可调控参数对废气废水一体化处理设备的影响量；其中，影响量表示：对于按照可调控参数运行的废气废水一体化处理设备，在基
于预设调整步长对可调控参数进行调整前后，废气废水一体化处理设备的能效值变化量；以及，控制台，还用于将多个可调控参数中影响量最大的可调控参数作为建议运行控制参数。
[0008]在本专利技术的可选实施例中，基于模型优化的废气废水处理方法还包括：控制台，还用于确定废气废水一体化处理设备的多个可调控参数；控制台，还用于在工厂按照参考生产量运行、废气废水一体化处理设备的净化处理参数为参考净化处理参数的情况下，确定每个可调控参数对废气废水一体化处理设备的影响量；其中，影响量表示：对于按照可调控参数运行的废气废水一体化处理设备，在基于预设调整步长对可调控参数进行调整前后，废气废水一体化处理设备的能效值变化量；以及，控制台，还用于将多个可调控参数中影响量最小的可调控参数作为建议运行控制参数。
[0009]在本专利技术的可选实施例中，影响量按照如下公式进行计算：INFend=|enf1
‑
enf2|；其中，INFend表示影响量，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型优化的废气废水处理方法，其特征在于，应用于废气废水处理系统，所述废气废水处理系统包括：设置于工厂的废气废水一体化处理设备以及检测设备；其中，所述基于模型优化的废气废水处理方法包括：获取所述工厂的当前生产量；利用所述检测设备对所述废气废水一体化处理设备进行检测，以获得所述废气废水一体化处理设备的当前净化处理参数；其中，所述当前净化处理参数包括：当前废水进入流量、当前废气进入流量、当前废水进入温度以及当前废气进入温度；将所述当前生产量以及所述当前净化处理参数输入经过训练的参数预测神经网络模型，以预测出所述废气废水一体化处理设备的目标运行控制参数；以及，基于所述目标运行控制参数对所述废气废水一体化处理设备进行控制；其中，所述参数预测神经网络模型的训练过程包括如下步骤：获取数据集，所述数据集包括多组训练数据，每组训练数据包括：所述工厂的历史生产量、所述废气废水一体化处理设备的历史净化处理参数以及对应的预设运行控制参数；其中，所述历史净化处理参数包括：历史废水进入流量、历史废气进入流量、历史废水进入温度以及历史废气进入温度；并且其中，在所述工厂按照所述历史生产量运行、所述废气废水一体化处理设备的净化处理参数为所述历史净化处理参数的情况下，当所述废气废水一体化处理设备按照所述预设运行控制参数运行时，所述废气废水一体化处理设备的液体排放物中的污染物浓度以及气体排放物中的污染物浓度均符合排放标准，并且所述废气废水一体化处理设备的能耗低于预设能耗阈值；以及，利用所述数据集对所述参数预测神经网络模型进行训练，以得到所述经过训练的参数预测神经网络模型；其中，所述预设运行控制参数被作为所述参数预测神经网络模型的输出变量，所述历史生产量以及所述历史净化处理参数被作为所述参数预测神经网络模型的输入变量。2.根据权利要求1所述的一种基于模型优化的废气废水处理方法，其特征在于，每组所述训练数据的获取过程包括如下步骤：在预设时间段中，获取所述工厂的目标时刻生产量以及所述废气废水一体化处理设备的目标时刻净化处理参数；其中，所述目标时刻净化处理参数包括：目标时刻废水进入流量、目标时刻废气进入流量、目标时刻废水进入温度以及目标时刻废气进入温度；获取建议运行控制参数集合，所述建议运行控制参数集合包括多个大小不同的建议运行控制参数；在所述工厂按照所述目标时刻生产量运行、所述废气废水一体化处理设备的净化处理参数为所述目标时刻净化处理参数的情况下，确定每个所述建议运行控制参数对应的能效值；其中，所述能效值根据如下公式确定：ENF=NOE/（P*C）其中，ENF表示所述能效值，NOE表示所述废气废水一体化处理设备的已净化液体和已净化气体的排放总流量，P表示所述废气废水一体化处理设备的运行功率，C表示液体排放物以及气体排放物中的污染物总浓度；以及，将所述建议运行控制参数集合中满足筛选条件且能效值最高的建议运行控制参数作为所述目标时刻生产量以及所述目标时刻净化处理参数对应的预设运行控制参数；其中，
所述筛选条件包括：按照所述建议运行控制参数运行的所述废气废水一体化处理设备的液体排放物中的污染物浓度以及气体排放物中的污染物浓度均符合排放标准，并且所述废气废水一体化处理设备的能耗低于预设能耗阈值。3.根据权利要求2所述的一种基于模型优化的废气废水处理方法，其特征在于，所述基于模型优化的废气废水处理方法还包括：确定所述废气废水一体化处理设备的多个可调控参数；在所述工厂按照参考生产量运行、所述废气废水一体化处理设备的净化处理参数为参考净化处理参数的情况下，确定每个所述可调控参数对所述废气废水一体化处理设备的影响量；其中，所述影响量表示：对于按照所述可调控参数运行的所述废气废水一体化处理设备，在基于预设调整步长对所述可调控参数进行调整前后，所述废气废水一体化处理设备的能效值变化量；以及，将所述多个可调控参数中影响量最大的可调控参数作为所述建议运行控制参数。4.根据权利要求2所述的一种基于模型优化的废气废水处理方法，其特征在于，所述基于模型优化的废气废水处理方法还包括：确定所述废气废水一体化处理设备的多个可调控参数；在所述工厂按照参考生产量运行、所述废气废水一体化处理设备的净化处理参数为参考净化处理参数的情况下，确定每个所述可调控参数对所述废气废水一体化处理设备的影响量；其中，所述影响量表示：对于按照所述可调控参数运行的所述废气废水一体化处理设备，在基于预设调整步长对所述可调控参数进行调整前后，所述废气废水一体化处理设备的能效值变化量；以及，将所述多个可调控参数中影响量最小的可调控参数作为所述建议运行控制参数。5.根据权利要求3或4所述的一种基于模型优化的废气废水处理方法，其特征在于，所述影响量按照如下公式进行计算：INFend=|enf1
‑
enf2|；其中，INFend表示所述影响量，enf1表示按照调整前的可调控参数运行的所述废气废水一体化处理设备的能效值，enf2表示按照调整后的可调控参数运行的所述废气废水一体化处理设备的能效值，所述调整前的可调控参数与所述调整后的可调控参数之间的差值为所述预设调整步长。6.根据权利要求1所述的一种基于模型优化的废气废水处理方法，其特征在于，每组所述训练数据的获取过程...

【专利技术属性】
技术研发人员：宋明洋，乔光明，王汝秀，
申请(专利权)人：科扬环境科技有限责任公司，
类型：发明
国别省市：