【技术实现步骤摘要】
本专利技术涉及污水处理控制系统，具体而言，涉及一种污水处理厂运行系统及控制方法。
技术介绍
1、污水处理厂的运行系统通常包括以下几个部分：进水系统：用于接收和输送污水到处理厂，包括污水管道、泵站等设施。预处理系统：用于去除大颗粒杂质、沙子、油脂等物质，通常包括格栅、砂池、油水分离器等设备。生化处理系统：主要包括生物处理工艺，如活性污泥法、生物膜法等，用于去除有机物、氮、磷等污染物。污泥处理系统：用于处理生化处理过程中产生的污泥，通常包括污泥浓缩、脱水、干化等设备。控制系统：用于监控和调节整个处理过程，包括自动化控制系统、监测设备等。
2、在本方案中主要涉及对控制系统的改进，目前的污水池处理中，对污泥的脱水率有一定的要求，常规的采用技术为监控脱水率的数值，然后进行单一的对应加入相应的化学试剂，但这种处理的方式效率不高，没有针对性的对某一数值的改变，来达到更好的处理效果，导致可能浪费了化学试剂，而处理效果一般。
技术实现思路
1、本专利技术的目的是提供一种污水处理厂运行系统及控制方法，来解决目前脱水率处理效率不高的问题。
2、本专利技术的实施例通过以下技术方案实现：
3、第一方面，本专利技术提供了一种污水处理厂运行系统控制方法，包括：
4、获取污泥处理时的数据参数，并对数据参数进行预处理；
5、通过数据参数建立污泥含水率的预测模型，设置默认参数，通过默认参数和预测模型计算得到第一污泥含水率；
6、并设置若干影响因子
7、将若干个第二污泥含水率与第一污泥含水率进行比较，选择差值最大的第二污泥含水率所对应的影响因子作为最优调控影响因子；
8、设置污泥含水率阈值，获取入水口、处理中和出水口的污泥含水率，并与污泥含水率阈值进行对比，进行改变最优调控影响因子的值。
9、在本专利技术的一实施例中，所述通过数据参数建立污泥含水率的预测模型包括；
10、选择若干个数据参数，并对各个数据参数进行时延补偿；
11、通过k近邻互信息变化率双向选择算法对加入时延的数据参数进行筛选，去除冗余数据参数，生成由剩余数据参数组成的最优子集；
12、利用vmd算法对最优子集进行分解，分解后的imf分量通过互信息计算与筛选，确定预测模型的最终输入；
13、构建rbf神经网络，利用bso优化算法对神经网络的超参数进行寻优，将预测模型的最终输入带入模型中，进行训练和测试，得到最终结果。
14、在本专利技术的一实施例中，所述通过k近邻互信息变化率双向选择算法对加入时延的数据参数进行筛选包括；
15、步骤一：设置最优子集，计算数据参数内任意一数据与输出之间的一维互信息值，并由大到小排列，取互信息值最大的变量放入到最优子集中；
16、步骤二：剩余未被放入到最优子集中的数据参数进行变化率的计算，并设置阈值，选取变化率小于阈值的对应数据参数加入到最优子集中；
17、步骤三：重复步骤二，直至所有数据参数被选取完毕，完成数据的筛选形成最终的最优子集。
18、在本专利技术的一实施例中，所述利用bso优化算法对神经网络的超参数进行寻优包括；
19、步骤一：获取最优子集的数据参数，并对该数据参数计算初始适应函数，得到初始最优解；
20、步骤二：通过天牛两须位置xl、xr计算天牛群更新速度v以及更新位置x；
21、步骤三：根据位置x计算适应度函数值，并更新个体最优和全局最优解；
22、步骤四：判断是否达到最大迭代次数，若是，则输出全局最优解，若不是，则从步骤二开始循环求解，直至达到最大迭代次数。
23、在本专利技术的一实施例中，所述根据若干个影响因子和预测模型包括；
24、改变其中一个影响因子的值，其余影响因子保持不变，通过预测模型进行计算，计算的到该影响因子所对应的第二污泥含水率，并判断该影响因子为正反馈还是负反馈；
25、重复进行上述步骤，直至所有的影响因子均轮换改变后，得到所有计算对应的第二污泥含水率。
26、在本专利技术的一实施例中，所述获取入水口、处理中和出水口的污泥含水率，并与污泥含水率阈值进行对比包括：
27、将入水口的污泥含水率与污泥含水率阈值进行对比，若最优调控影响因子为正反馈，入水口的污泥含水率大于污水含水率阈值时，则减小最优调控影响因子的值，同理，则增大；
28、反之，若最优调控影响因子为负反馈，入水口的污泥含水率大于污水含水率阈值时，则增大最优调控影响因子的值，同理，则减小。
29、在本专利技术的一实施例中，还包括设置污泥含水率阈值误差；
30、当处理中的污泥含水率与污泥含水率阈值的差值位于污泥含水率阈值误差内，则停止最优调控影响因子的数值变化。
31、在本专利技术的一实施例中，包括：
32、将出水口的污泥含水率与污泥含水率阈值进行对比计算其差值，若未在污泥含水率阈值误差内，则选取第二污泥含水率与污泥含水率阈值差值第二大所对应的影响因子作为次调控影响因子；
33、并根据次调控影响因子为正反馈还是负反馈，进行次调控影响因子值的调整，直至出水口的污泥含水率与污泥含水率阈值的差值位于污泥含水率阈值误差内。
34、第二方面，本专利技术还提供了一种污水处理厂运行系统，包括：
35、参数获取模块，被配置为获取污泥处理时的数据参数，并对数据参数进行预处理；
36、预测模型建立模块，被配置为通过数据参数建立污泥含水率的预测模型，设置默认参数，通过默认参数和预测模型计算得到第一污泥含水率；
37、影响因子计算模块，被配置为并设置若干影响因子，根据若干个影响因子和预测模型，得到若干个不同影响因子通过预测模型计算得到的第二污泥含水率；
38、影响因子判断模块，将若干个第二污泥含水率与第一污泥含水率进行比较，选择差值最大的第二污泥含水率所对应的影响因子作为最优调控影响因子；
39、调控模块，设置污泥含水率阈值，获取入水口、处理中和出水口的污泥含水率，并与污泥含水率阈值进行对比，进行改变最优调控影响因子的值；
40、主控装置，所述主控装置与所述参数获取模块、预测模型建立模块、影响因子计算模块、影响因子判断模块和调控模块连接，用于执行上述的一种污水处理厂运行系统控制方法。
41、本专利技术实施例的技术方案至少具有如下优点和有益效果：
42、采用本专利技术所提供的方案，主要包括了获取污泥处理时的数据参数，通过数据参数建立污泥含水率的预测模型，设置默认参数，通过默认参数和预测模型计算得到第一污泥含水率；并设置若干影响因子，得到若干个不同影响因子通过预测模型计算得到的第二污泥含水率；将若干个第二污泥含水率与第一污泥含水率进行比较，选择差值最大的第二污泥含本文档来自技高网...
【技术保护点】
1.一种污水处理厂运行系统控制方法，其特征在于，包括；
2.根据权利要求1所述的一种污水处理厂运行系统控制方法，其特征在于，所述通过数据参数建立污泥含水率的预测模型包括；
3.根据权利要求2所述的一种污水处理厂运行系统控制方法，其特征在于，所述通过K近邻互信息变化率双向选择算法对加入时延的数据参数进行筛选包括；
4.根据权利要求3所述的一种污水处理厂运行系统控制方法，其特征在于，所述利用BSO优化算法对神经网络的超参数进行寻优包括；
5.根据权利要求1所述的一种污水处理厂运行系统控制方法，其特征在于，所述根据若干个影响因子和预测模型包括；
6.根据权利要求5所述的一种污水处理厂运行系统控制方法，其特征在于，所述获取入水口、处理中和出水口的污泥含水率，并与污泥含水率阈值进行对比包括：
7.根据权利要求6所述的一种污水处理厂运行系统控制方法，其特征在于，还包括设置污泥含水率阈值误差；
8.根据权利要求7所述的一种污水处理厂运行系统控制方法，其特征在于，包括：
9.一种污水处理厂运行系统，其
...【技术特征摘要】
1.一种污水处理厂运行系统控制方法，其特征在于，包括；
2.根据权利要求1所述的一种污水处理厂运行系统控制方法，其特征在于，所述通过数据参数建立污泥含水率的预测模型包括；
3.根据权利要求2所述的一种污水处理厂运行系统控制方法，其特征在于，所述通过k近邻互信息变化率双向选择算法对加入时延的数据参数进行筛选包括；
4.根据权利要求3所述的一种污水处理厂运行系统控制方法，其特征在于，所述利用bso优化算法对神经网络的超参数进行寻优包括；
5.根据权利要求1所...
【专利技术属性】
技术研发人员：杨华仙，赵忠富，付忠志，黄慎勇，李晓敏，李志刚，何文源，侯继燕，聂楠，罗越月，田伟峰，夏洪薇，郭路伟，周宇东，章厚林，李蒲剑，
申请(专利权)人：中国市政工程西南设计研究总院有限公司，
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。