【技术实现步骤摘要】
本专利技术涉及一种污水处理技术，尤其是一种污水处理工艺的药剂投加控制方法及系统。
技术介绍
1、目前，污水处理的工艺控制中，水厂主要采用的控制工艺是基于经验的反馈控制，基于经验的前馈加反馈控制，以及考虑污水处理工艺的前馈+模型+反馈的控制方法。基于专家经验的反馈或者前馈+反馈，主要是根据输出水质和期望值的误差(反馈)，以及进水的水质，水量(前馈)，根据专业经验设定控制值，该方法属于事后控制，对于污水这种具有大滞后、多耦合、强干扰特性下，难以达到较好效果。
2、前馈控制+控制模型+反馈控制相结合的污水处理工艺，通过模型得到初步的控制量，然后通过反馈补偿模型的误差。这个方法能减少单纯用反馈控制形成的控制振荡，性能较反馈控制要平稳一些。然而该方法在模型主要基于机理理论计算，和实际情况有比较大的偏差，在模型不准确的情况下，输出结果也不理想。前馈控制中，只考虑了当前的输入，没有对未来的输入做一个预期，不能提前对未来的变化做出控制改变，只是临时的变动，同样形成控制的波动及达不到控制期望输出的风险。相关控制中，期望的控制输出往往采用固定值，不能跟随后续工艺的特点调整，造成不必要的浪费。
3、现有技术中的前馈+模型+反馈方法的污水处理工艺，主要有以下几个方面的缺陷。
4、1、控制模型不准：目前采用的工艺模型基于机理理论值设定方程，然而实际工艺中由于水质的变化、成分的变化和天气的变化等，造成工艺模型的变化，而目前方法没有办法更新，造成控制模型和实际模型的差异。
5、2、控制算法波动大：控制算法单纯仅
6、3、没有预期的控制：当前控制是基于当下以及反馈的事后控制，如果下一个输入变化较大，控制没有提前准备，造成控制的响应不及时，就不能达到控制预期，输出超出预期值，造成风险。
7、4、控制算法不经济：当前控制算法主要采用固定的输出值，由于没有考虑后期工艺性能的变化以及水质控制平稳性情况，造成控制值偏低而药剂投加过多。
8、综上所述，现有技术中前馈+模型+反馈方法的污水处理工艺，主要缺陷为控制模型和实际模型存在不一致、控制输出稳定性不高、控制达不到期望标准、控制不经济等一些可能的不足。
技术实现思路
1、本专利技术是为避免上述已有技术中存在的不足之处，提供一种污水处理工艺的药剂投加控制方法及系统，以对矿井的湿热环境进行不同工况的模拟。
2、本专利技术为解决技术问题采用以下技术方案。
3、本专利技术的一种污水处理工艺的药剂投加控制方法，其包括如下步骤：
4、步骤1：数据预处理步骤；水质信息及流量数据的预处理；
5、步骤2：工艺理论计算步骤；通过工艺理论计算获取基础当量；
6、步骤3：未来输入预测步骤；根据当前时间点的前段时间的工艺水质数据，预测到未来输入水质；
7、步骤4：药剂需求模型建模步骤；对基础当量采用大数据学习规律，建立基础当量和药剂投加的药剂需求模型；
8、步骤5：模型自适应更新步骤；获取一段时间的历史数据进行数据学习，更新工艺模型；
9、步骤6：mpc模型预判控制步骤；
10、步骤7：未来期望输出步骤；
11、步骤8：断面输出及总出水输出反馈步骤。
12、本专利技术的一种污水处理工艺的药剂投加控制方法的结构特点也在于：
13、优选地，所述步骤1中，所述数据的预处理方法包括采用趋势法、阈值法去除异常值的步骤。
14、优选地，所述步骤1中，所述步骤1中，所述数据的预处理方法包括均值滤波的步骤。
15、优选地，所述步骤3中，基于神经网络的未来输入及期望输出预测方法，采用深度神经网络模型构建预测模型。
16、优选地，所述步骤5中，所述模型自适应更新步骤中，根据水质因素、流量因素、天气因素的影响，根据实际情况调整和更新模型。
17、优选地，所述步骤6中，所述mpc模型预判控制步骤包括如下步骤：
18、步骤61：建立价值函数j(k)；
19、步骤62：根据计划药剂投加量，计算价值函数的一阶梯度极点及对应的g值；
20、步骤63：根据一阶梯度g值，计算二阶导数矩阵h值；
21、步骤64：根据g值和h值，计算药剂投加的修正量；
22、步骤65：根据药剂投加修正量，更新新的药剂投加；如果更新药剂投加量和上一步投加量差值小于给定阈值，结束循环，输出药剂投加量；
23、步骤66：计算新的药剂投加预期的价值，如果小于当前价值，计划投加量调整为新的药剂投加；如果大于当前价值，缩短价值调整一半步长，更新计划药剂投加量，跳回步骤62。
24、本专利技术还公开了一种污水处理工艺的药剂投加控制方法的系统，其包括数据预处理模块、工艺模型计算模块、未来输入预测模块、模型自适应更新模块、药剂需求模型建模模块、mpc模型预判控制模块、未来期望输出模块和断面输出及总出水输出反馈模块；
25、所述数据预处理模块，用于水质信息及流量数据的预处理；
26、所述工艺理论计算模块，用于通过工艺理论计算获取基础当量；
27、所述未来输入预测模块，用于根据当前时间点的前段时间的工艺水质数据，预测到未来输入水质；
28、所述模型自适应更新模块，用于获取一段时间的历史数据进行数据拟合，更新工艺模型；
29、所述药剂需求模型建模模块，用于对基础当量及大数据进行拟合，建立基础当量和药剂投加的药剂需求模型；
30、所述mpc模型预判控制模块，用于根据未来多步输入信息以及价值函数，找到控制的最优值；
31、所述未来期望输出模块，用于根据历史数据包含断面输出及总出水输出等数据，利用深度神经网络模型进行训练，根据模型来预测后续工艺对于关键水质参数的消减，根据预测及总出水的水质目标，生成当前工艺的输出期望值；
32、所述断面输出及总出水输出反馈模块，用于根据输出和期望值的误差，把误差作为补偿量加在mpc控制参考值之上，补偿由于模型不准，数据不准，控制不准等因素造成的误差。
33、本专利技术还公开了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的污水处理工艺的药剂投加控制方法。
34、本专利技术还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据所述的污水处理工艺的药剂投加控制方法。
35、本专利技术还公开了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据所述的污水处理工艺的药剂投加控制方法。<本文档来自技高网...
【技术保护点】
1.一种污水处理工艺的药剂投加控制方法，其特征是，包括如下步骤：
2.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤1中，所述数据的预处理方法包括采用趋势法、阈值法去除异常值的步骤。
3.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤1中，所述步骤1中，所述数据的预处理方法包括均值滤波的步骤。
4.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤3中，基于神经网络的未来输入及期望输出预测方法，采用深度神经网络模型构建预测模型。
5.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤5中，所述模型自适应更新步骤中，根据水质因素、流量因素、天气因素的影响，根据实际情况调整和更新模型。
6.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤6中，所述MPC模型预判控制步骤包括如下步骤：
7.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法的系统，其特征是，包括数据预处理模块、工艺模
8.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的污水处理工艺的药剂投加控制方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的污水处理工艺的药剂投加控制方法。
10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的污水处理工艺的药剂投加控制方法。
...【技术特征摘要】
1.一种污水处理工艺的药剂投加控制方法，其特征是，包括如下步骤：
2.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤1中，所述数据的预处理方法包括采用趋势法、阈值法去除异常值的步骤。
3.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤1中，所述步骤1中，所述数据的预处理方法包括均值滤波的步骤。
4.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤3中，基于神经网络的未来输入及期望输出预测方法，采用深度神经网络模型构建预测模型。
5.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤5中，所述模型自适应更新步骤中，根据水质因素、流量因素、天气因素的影响，根据实际情况调整和更新模型。
6.根据权利要求1所述的一种污水处理工艺的药剂投加控制方法，其特征是，所述步骤6中，所述mpc模型预判控制步骤包括如...
【专利技术属性】
技术研发人员：黄巍伟，郭成洪，阎怀国，刘华明，
申请(专利权)人：爱沃特智能水务安徽有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。