【技术实现步骤摘要】
本专利技术属于污水处理，更具体地说，涉及一种污水好氧处理系统溶解氧精准控制方法。
技术介绍
1、污水处理厂在当今社会中扮演着至关重要的角色。然而，传统的污水处理方法往往面临着能耗高、成本高以及操作复杂等挑战。针对这些挑战，机器学习技术的应用正在为污水处理厂带来全新的解决方案，机器学习模型在污水处理厂中的应用已经成为提高运营效率、降低成本、优化工艺的重要手段。
2、现有技术中，污水处理厂中，机器学习方法被广泛应用于运行监测：通过收集传感器、流量计、水质检测仪器等设备获取的大量数据，机器学习模型可以对污水处理过程进行实时监测和分析，这些模型可以识别异常情况并提前预警，从而帮助运营人员快速做出响应，减少潜在的损失和风险。
3、污水处理厂的能耗一直是业界关注的焦点，其中，污水好氧处理的曝气过程所消耗的电力占据了相当大的比例，此外，传统的曝气系统需要人工不断地调节，这不仅费时费力，还存在着操作误差的风险。若能引入机器学习模型代替人工进行曝气过程的调节，将带来诸多优势。
4、此外，污水厂往往是多风机并行运行的模式，风机产生的风量会汇总到一个管道中，由气阀控制分配到各生化池。当溶解氧浓度与设定值偏差不大时，会调节各生化池的气阀开度以控制溶解氧浓度，但由于风机风量恒定，单个气阀开度的改变将影响通入其他气阀的风量，也即影响其他生化池的溶解氧含量；再者，当溶解氧与设定值偏差过大时，将会调节风机风量大小。因此，对调节风机风量和气阀开度进行控制至关重要且复杂，由技术人员凭借经验进行调整难免出现不够精准、误差较大等问题
5、中国专利文献cn201620880870.7公开了一种用于污水处理的溶解氧监控系统，该监控系统可通过反馈模块以及微处理器的配合，自动驱使蜂鸣器以及警示灯完成现场报警工作，从而便于在现场的管理人员及时采取相关增氧措施进行补救。但是该专利并未给出解决溶解氧浓度需人工控制这一问题的技术方案，也未提供任何技术启示。
技术实现思路
1、1.要解决的问题
2、针对现有技术中污水好氧处理系统中生化池的溶解氧浓度需人工控制的问题，本专利技术提供一种使用深度学习模型智能控制溶解氧浓度的一种污水好氧处理系统溶解氧精准控制方法。
3、2.技术方案
4、本专利技术提供了一种污水好氧处理系统溶解氧精准控制方法，包括以下步骤：
5、s1.使用数据采集和控制模块采集污水好氧处理系统的进水水质、进水水量、第一生化池和第二生化池溶解氧浓度、第一气阀和第二气阀开度、风机风量数据，并传输到服务器；
6、s2.以污水好氧处理系统的进水水质、进水水量、第一生化池和第二生化池溶解氧浓度、第一气阀和第二气阀开度、风机风量数据为基础构建机器学习矩阵；
7、s3.建立污水好氧处理系统的进水水质、进水水量、第一生化池和第二生化池溶解氧浓度、第一气阀和第二气阀开度、风机风量数据之间的深度学习模型；并基于所述步骤s2中构建的数据矩阵对所述深度学习模型进行训练；
8、s4.在所述服务器中设定第一生化池和第二生化池的溶解氧浓度目标值；
9、s5.当所述第一生化池和第二生化池的溶解氧浓度偏离目标值时，基于所述步骤s3中构建的模型计算出第一气阀开度、第二气阀开度、风机风量的调节建议值，并通过调节第一气阀开度、第二气阀开度或风机风量使第一生化池和第二生化池的溶解氧浓度维持在目标值。
10、进一步的，所述步骤s1中，所述进水水质数据包括进水化学需氧量浓度数据、进水氨氮浓度数据。
11、进一步的，所述步骤s1中，所述污水好氧处理系统的进水水质、进水水量、第一生化池和第二生化池溶解氧浓度、第一气阀和第二气阀开度、风机风量的数据采集时间间隔为固定值；
12、其中，所述进水水质和进水水量数据的采集时间间隔不大于60分钟，第一生化池和第二生化池溶解氧浓度、第一气阀和第二气阀开度、风机风量的数据采集时间间隔为20-60秒。
13、进一步的，所述步骤s2中，构建机器学习矩阵具体为：
14、
15、t1～tm为每次记录的时间，op11～op1m为每次记录对应的第一气阀开度，op21～op2m为每次记录对应的第二气阀开度，fl1～flm为每次记录对应的风机风量，cod1～codm为每次记录对应的进水化学需氧量，n1～nm为每次记录对应的进水氨氮浓度，intfl1～intflm为每次记录对应的进水水量，do11～do1m为每次记录对应的第一生化池溶解氧浓度，do21～do2m为每次记录对应的第二生化池溶解氧浓度。
16、进一步的，所述步骤s3中的深度学习模型为基于长短期记忆lstm网络构建的长短期记忆模型。
17、进一步的，所述长短期记忆模型在使用之前需要不少于6天的数据进行训练。
18、进一步的，所述长短期记忆模型在使用过程中，每30min根据更新的数据进行重新训练学习。
19、采用上述技术方案，每30min根据更新的数据进行重新训练学习能够使模型不断适配当前污水好氧处理系统，对第一生化池和第二生化池的溶解氧浓度的调节更加精确。
20、进一步的，所述步骤s4中，所述第一生化池和第二生化池的溶解氧浓度目标值范围为1-5mg/l；当实测溶解氧浓度值与目标值的差值大于0.2mg/l时，认为所述第一生化池和第二生化池的溶解氧浓度偏离目标值。
21、进一步的，所述步骤s4中，在所述服务器中设定第一生化池和第二生化池的溶解氧浓度目标值的方法为使用用户终端向服务器中输入设定的目标值。
22、采用上述技术方案，所述服务器根据污水好氧处理系统的当前进水水质、进水水量和溶解氧浓度情况，给出风机和阀门调节建议，筛选得到的最佳调节指令通过数据采集和控制模块传输到所述的风机和/或阀门，进而能够使得所述生化池内的溶解氧浓度满足要求。
23、进一步的，所述步骤s5中，计算第一气阀开度、第二气阀开度、风机风量的调节值的具体方法为：
24、当第一溶解氧在线检测仪或者第二溶解氧在线检测仪检测到的溶解氧浓度偏离目标值时，向长短期记忆模型输入0-t时刻的污水好氧处理系统的进水水质、进水水量、第一生化池和第二生化池溶解氧浓度、第一气阀和第二气阀开度、风机风量数据以及t+1时刻的第一生化池和第二生化池溶解氧浓度目标值进行预测，分别计算得到t+1时刻第一气阀开度、第二气阀开度或风机风量所需调节的数值。t与t+1之间相隔一个时间步长，多数据监测设备的采集时间间隔通常不同。当输入数据矩阵时间步长小于参数采集间隔时，将该参数的单采集间隔内的值重复应用于多时间步长；当时间步长大于参数采集间隔时，将该参数的多采集间隔内的平均值应用于该时间步长。
25、进一步的，所述步骤s5中，当风机风量需要调大时，优先调节第一气阀开度和第二气阀开度，当服务器给出的第一气阀开度和第二气阀开度调节建议值超出可调范围时，再调节风机风量，该方案相比于直接调大本文档来自技高网...
【技术保护点】
1.一种污水好氧处理系统溶解氧精准控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤S1中，所述进水水质数据包括进水化学需氧量浓度数据、进水氨氮浓度数据。
3.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤S1中，所述污水好氧处理系统的进水水质、进水水量、第一生化池和第二生化池溶解氧浓度、第一气阀和第二气阀开度、风机风量的数据采集时间间隔为固定值；
4.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤S2中，构建机器学习矩阵具体为：
5.根据权利要求1～4任一项所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤S3中的深度学习模型为基于长短期记忆LSTM网络构建的长短期记忆模型。
6.根据权利要求5所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述长短期记忆模型在使用之前需要不少于6天的数据进行训练。
7.根据权利要求5所述的污水好氧处理系统溶解氧精准控制方法，其特
8.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤S4中，所述第一生化池和第二生化池的溶解氧浓度目标值范围为1-5mg/L；当实测溶解氧浓度值与目标值的差值大于0.2mg/L时，认为所述第一生化池和第二生化池的溶解氧浓度偏离目标值。
9.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤S5中，当风机风量需要调大时，优先调节第一气阀开度和第二气阀开度，当服务器给出的第一气阀开度和第二气阀开度调节建议值超出可调范围时，再调节风机风量；
10.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述第一气阀开度和第二气阀开度可调范围为30-100％；
...【技术特征摘要】
1.一种污水好氧处理系统溶解氧精准控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤s1中，所述进水水质数据包括进水化学需氧量浓度数据、进水氨氮浓度数据。
3.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤s1中，所述污水好氧处理系统的进水水质、进水水量、第一生化池和第二生化池溶解氧浓度、第一气阀和第二气阀开度、风机风量的数据采集时间间隔为固定值；
4.根据权利要求1所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤s2中，构建机器学习矩阵具体为：
5.根据权利要求1～4任一项所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述步骤s3中的深度学习模型为基于长短期记忆lstm网络构建的长短期记忆模型。
6.根据权利要求5所述的污水好氧处理系统溶解氧精准控制方法，其特征在于，所述长短期记...
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。