一种智能臭氧投加方法和系统技术方案

本发明专利技术涉及污水处理技术，公开了一种智能臭氧投加方法和系统，其方法包括，数据的准备，通过对输入的原始时间序列数据进行预处理得到训练数据；训练数据包括排放COD浓度、臭氧投加量、高效出水COD浓度；智能投加算法的控制，对输入的数据通过智能投加算法进行计算，从而得到臭氧投加的控制值；臭氧投加量的获取，通过臭氧投加的控制值，获得最终臭氧投加量。本发明专利技术有效利用了污水运行中臭氧投加工艺的智能控制算法，将所输入的多个运行指标和控制设备调控值形成的多维度时间序列，根据控制设定值来配置决策模型，算法加载决策模型后进行定期计算，然后输出控制设备的目标调控值；能够实时的控制臭氧投加量，且系统的安全性好，成本低。本低。本低。

【技术实现步骤摘要】
一种智能臭氧投加方法和系统


[0001]本专利技术涉及污水处理技术，尤其涉及了一种智能臭氧投加方法和系统。

技术介绍

[0002]污水厂中常见的工艺，通过利用臭氧的强氧化性达到去除化学需氧量(简称：COD)的目的。在整个污水处理的过程中，除去COD需要消耗臭氧，若想维持臭氧池中的COD浓度稳定，必须通过持续投加来补充臭氧，使排放COD浓度维持在一个安全合理的水平。由于来水的COD浓度不同，因此臭氧投加量也要实时变化，以此保证安全性的前提下提升经济性。
[0003]污水厂运行中臭氧投加工艺常用的运行指标，一般由传感器检测出来，例如排放COD浓度、臭氧投加量、高效出水COD浓度等；检测某种指标所对应的的仪器或仪表(比如说COD仪能检测COD浓度值，流量计能检测流量等)，并且能将检测值转变成信号(一般为电信号，按某种成熟的通信协议，通过电线传输)输出给自控单元(PLC或DCS；在自动控制中的一种服务器，专门负责接受来自设备的信号输入、执行简单的自动控制程序(所谓简单，指的是不具有人工智能的复杂程序)、以及将自动控制程序的指令输出转变成指令信号发送给控制设备；一般为PLC或DCS这两类。
[0004]如现有技术CN201510106019.9，其不能实时监测臭氧投加量。

技术实现思路

[0005]本专利技术针对现有技术中不能实时监测臭氧投加量，而且对于臭氧投加量控制成本高操作复杂的问题，提供了一种智能臭氧投加方法和系统。
[0006]为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
[0007]一种智能臭氧投加方法，其方法包括：
[0008]步骤1，数据的准备，通过对输入的原始时间序列数据进行预处理得到训练数据；训练数据包括排放COD浓度、臭氧投加量、高效出水COD浓度；
[0009]步骤2，智能投加算法的控制，对输入的数据通过智能投加算法进行计算，从而得到臭氧投加的控制值；
[0010]步骤3，臭氧投加量的获取，通过臭氧投加的控制值，获得最终臭氧投加量。
[0011]作为优选，智能投加算法包括前反馈控制算法，前方控制算法包括：
[0012]残差COD序列L计算，通过步骤1得到训练数据(Train_data)中的高效出水COD浓度时间序列数据(G_COD)和排放池COD浓度时间序列数据(P_COD)，从而得到第一残差COD序列L；
[0013]L(G_COD,P_COD)＝G_COD
‑
P_COD
[0014]第一预测模型的获取，根据残差COD序列L和步骤1中的训练后的臭氧投加量组成一组供机器学习模型训练的序列数组，得到第一预测模型Model_1，
[0015]Predict1＝Model_RF(L(G_COD,P_COD)，O3)
[0016]Predict2＝Model_BP(L(G_COD,P_COD)，O3)
[0017][0018][0019]Model_1＝μ1*Model_RF+μ2*Model_BP
[0020]其中，O3代表经过数据平滑过后的臭氧投加量，L(G_COD,P_COD)高效出水COD浓度和排放池COD浓度的残差序列；Model_RF为随机森林模型；Model_BP为BP神经网络模型，μ1为随机森林模型预测值的权重，μ2为BP神经网络模型预测值的权重；
[0021]第二残差序列第二残差序列的构建L*，通过实时高效出水COD浓度与排放池COD浓度的目标值(Target_COD)构建第二残差序列L*；
[0022]臭氧投加量的计算，通过第二残差序列L*和经过训练得到的第一预测模型Model_1得到前反馈臭氧投加量O3_input_1；
[0023]O3_input_1＝Model_1(L
*
(G_COD,Target_COD))。
[0024]作为优选，智能投加算法还包括后反馈控制算法，后反馈控制算法包括：
[0025]第二数学模型Model_2的获取，根据历史的排放COD浓度(P_COD)与排放COD浓度的目标值(Target_COD)之间的关系获得第二数学模型Model_2
[0026]error＝Target_COD
‑
P_COD_new；
[0027][0028]Integral＝∑(P_COD[i]‑
Target_COD)；
[0029][0030]其中，P_COD_new为最新的排放COD浓度数值，P_COD_old为前一个排放COD浓度数值，P_COD为一个历史排放COD的一个序列，error为COD浓度目标值浓度与最新的排放COD浓度数值的差值，为一阶差分，Integral为历史误差的积分值；
[0031]臭氧投加的变化量ΔO3的计算，依据第二数学模型Model_2获得臭氧投加的变化量ΔO3；
[0032]ΔO3＝Model_2(L(P_COD,Target_COD))；
[0033]将前反馈控制得到的臭氧投加量O3_input_1与Model_2模型计算得出的臭氧变化量进行相加得出后反馈控制的臭氧投加量O3_input_2：
[0034]O3_input_2＝O3_input_1+ΔO3[0035]作为优选，
[0036]决策函数的获取通过将前反馈臭氧投加量O3_input_1与后反馈臭氧投加量O3_input_2做加权平均获得决策函数，并依据决策函数获得最终臭氧投加量F_O3_input；
[0037][0038]其中，为权重参数。
[0039]作为优选，还包括臭氧投加量的约束与调整，通过设置臭氧投加量的阈值进行臭氧投加量的约束与调整。
[0040]作为优选，数据的预处理包括，数据的清洗，对输入的原始时间序列数据进行清洗，即将无效的数据进行删除，从而获得有效的数据；无效的数据包括负数、None、异常过大值、空值、非数值；
[0041]有效数据的顺序排序，通过对有效数据进行时间的排序，从而获取可训练的时间序列数据；排序后的时间序列为[(t1,x1),(t2,x2),(t3,x3),...]中，第i个元素(t
i
,x
i
)代表第i个时间段t
i
和其对应的当时指标值x
i
，其中，i为时间顺序。
[0042]为了解决上述技术问题，本专利技术还提供了一种智能臭氧投加系统，其特征在于，通过所述智能臭氧投加实现的系统包括：
[0043]数据准备模块，通过对输入的原始时间序列数据进行预处理得到训练数据；训练数据包括排放COD浓度、臭氧投加量、高效出水COD浓度；
[0044]智能投加算法的控制模块，对训练的数据通过智能投加算法进行控制，从而得到臭氧投加的控制值；
[0045]臭氧投加量的获取模块，通过臭氧投加的控制值，获得最终臭氧投加量。
[0046]为了解决上述技术问题，本专利技术还提供了一种计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能臭氧投加方法，其方法包括：步骤1，数据的准备，通过对输入的原始时间序列数据进行预处理得到训练数据；训练数据包括排放COD浓度、臭氧投加量O3、高效出水COD浓度；步骤2，智能投加算法的控制，对输入的数据通过智能投加算法进行计算，从而得到臭氧投加的控制值；步骤3，臭氧投加量的获取，通过臭氧投加的控制值，获得最终臭氧投加量。2.根据权利要求1所述的一种智能臭氧投加方法，其特征在于，智能投加算法包括前反馈控制，前反馈控制步骤包括：残差COD序列L(G_COD,P_COD)计算，通过步骤1得到训练数据中的高效出水COD浓度时间序列数据G_COD和排放池COD浓度时间序列数据P_COD，从而得到第一残差COD序列L(G_COD,P_COD)；L(G_COD,P_COD)＝G_COD
‑
P_COD；第一预测模型的获取，根据残差COD序列L(G_COD,P_COD)和步骤1中的预处理后的臭氧投加量O3组成一组供机器学习模型训练的序列数组，得到第一预测模型Model_1，Predict1＝Model_RF(L(G_COD,P_COD)，O3)Predict2＝Model_BP(L(G_COD,P_COD)，O3))Model_1＝μ1*Model_RF+μ2*Model_BP其中，O3为经过数据平滑过后的臭氧投加量，L(G_COD,P_COD)高效出水COD浓度和排放池COD浓度的残差序列；Model_RF为随机森林模型；Model_BP为BP神经网络模型，μ1为随机森林模型预测值的权重，μ2为BP神经网络模型预测值的权重；第二残差序列第二残差序列的构建L*，通过实时高效出水COD浓度与排放池COD浓度的目标值(Target_COD)构建第二残差序列L*；臭氧投加量的计算，通过第二残差序列L*和经过训练得到的第一预测模型Model_1得到前反馈臭氧投加量O3_input_1；O3_input_1＝Model_1(L
*
(G_COD,Target_COD))。3.根据权利要求2所述的一种智能臭氧投加方法，其特征在于，智能投加算法还包括后反馈控制，后反馈控制的方法包括：第二数学模型Model_2的获取，根据历史的排放COD浓度P_COD与排放COD浓度的目标值Target_COD之间的关系获得第二数学模型Model_2；error＝Target_COD
‑
P_COD_new；Integral＝Σ(P_COD
‑
Target_COD)；
其中，P_COD_new为最新的排放COD浓度数值，P_...

【专利技术属性】
技术研发人员：邹德扬，顾象天，李超，郭慧，钟丁磊，
申请(专利权)人：浙江数翰科技有限公司，
类型：发明
国别省市：