【技术实现步骤摘要】
本专利技术涉及滤池的反冲洗控制和排班领域，具体地说是一种用于滤池反冲洗的控制和排班方法。
技术介绍
1、在净水处理过程中，滤池是最重要的水质净化单元之一，滤池的运行效率直接影响处理水的质量。滤池运行过程中，滤层会逐渐堵塞，导致滤格滤后压力不断升高。当滤后压力或出水浊度超过预设阈值时，需要进行反冲洗，清除滤层堵塞物，恢复滤池运行效率。然而，现有的滤池反冲洗策略往往基于经验规则或固定时间间隔，难以精确判断最佳反冲洗时机，导致反冲洗过度或不足，影响滤池运行效率和水质。
2、现有反冲洗策略存在以下不足：1、缺乏精准的反冲洗时机预测：传统的反冲洗策略依赖于经验或预设时间，无法根据滤池实时状态进行精准预测，容易造成反冲洗过度或不足，降低滤池运行效率和水质。2、缺乏对滤池滤格个性化处理：滤池滤格由于使用情况和材质等差异，其堵塞情况和反冲洗需求可能存在较大差异，现有策略无法有效地针对不同滤格进行个性化处理。3、缺乏优化排班机制：现有冲洗策略无法综合考虑滤池各滤格状态，对反冲洗时间和顺序进行优化排班，导致资源浪费和运行效率低下。
技术实现思路
1、为了解决上述问题，本专利技术提出一种基于机器学习模型和智能排班算法的滤池冲洗和排班方法。该方法利用滤池滤格的相关监测状态参数数据，训练机器学习模型，预测未来一段时间内滤格滤后压力分布及变化率，以此为中间变量，基于历史数据寻优确定中间变量的合理阈值范围，从而精准地判断最佳反冲洗时机，避免直接预测过滤周期这一受人为管理因素影响的变量。同时，结合智能
2、为了达到以上目的，本专利技术具体采用了以下技术方案：
3、s01：滤格过滤状态数据采集、预处理，基于模型预测滤后压力分布及变化率；
4、s02：基于设定的滤后压力及变化率阈值，或滤层水头损失及变化率阈值，分析和计算滤格反冲洗时刻；
5、s03：根据日常运维管理设定优化目标，基于智能排班算法，生成反冲洗排班方案；
6、s04：持续采集滤格过滤状态数据，综合确定滤格反冲洗时刻，执行滤格反冲洗。
7、进一步的，其中s01具体包括以下步骤：
8、s01-1：采集每一滤格的实时运行数据；
9、s01-2：采用机器学习模型的特征工程处理方法，对实时采集数据进行预处理；
10、s01-3：使用预先训练好的机器学习模型，根据每一滤格预处理后的数据，进行每一滤格的滤后压力分布和变化率预测，其中：
11、预测总时长为t，预测时序间隔为δt，则总共产生个预测值，[pδt,p2δt,p3δt,…,pnδt]代表未来距当前δt、2δt、3δt、……、nδt时刻的滤后压力预测值，代表相应的滤后压力变化率预测值。
12、进一步的，其中s01-3具体包括以下步骤：
13、s01-3-1：每一滤格的预测模型基于该滤格的历史监测时序数据，设定合适的数据采集频率，时序数据的时间间隔为δt，频率根据预测数据密度进行调整；
14、s01-3-2：检查数据完整性，处理缺失值和异常值，识别滤池正常过滤时间段和反冲洗时间段，对单个过滤周期赋予唯一识别号，扩展特征集；
15、s01-3-3：确定预测目标变量，以每一滤格未来时刻的滤后压力和压力变化率为预测目标，预测步长为n，预测总时长为t，预测时序间隔为△t，部署模型并持续监控和优化。
16、进一步的，其中s02具体包括以下步骤：
17、s02-1：采用历史数据分析法或敏感性分析法确定滤格运行的最佳滤后压力及变化率阈值；
18、s02-2：将预测的多个滤后压力值及变化率向量与设定阈值进行比较，进而得到滤格的预测反冲洗时刻；对预测数据向量做平滑处理，以更稳健地确定反冲洗时间点；其中采用的方法为：移动平均法、指数加权平均法、卡尔曼滤波、多点判断法。
19、进一步的，其中s02-1的分析方法为历史数据分析法或敏感性分析法，
20、历史数据分析法，适用于建成水厂，有较长时间的历史运行数据，具体包括以下步骤：
21、s02-1-1-1：针对每个滤格绘制单个过滤周期的滤后压力-时间曲线，分析其变化趋势；
22、s02-1-1-2：标记单个过滤周期即将反冲洗前对应的滤后压力值。
23、s02-1-1-3：对所有反冲洗时刻的滤后压力值及变化率进行统计分析，计算均值、标准差、中位数、分位数统计量；
24、s02-1-1-4：根据统计结果和运行经验，考虑安全裕度，设定滤格滤后压力阈值；
25、敏感性分析法，适用于新建水厂，调试期间有条件进行试验模拟，具体包括以下步骤：
26、s02-1-2-1：选择若干不同的滤后压力阈值进行试验模拟。
27、s02-1-2-2：模拟不同阈值下的滤格运行情况，评估每个阈值对应的滤后水质、反冲洗效能指标。
28、s02-1-2-3：根据评估结果，选择最佳阈值；
29、s02-1-3：引入可调整的阈值偏移量，以适应水质变化、滤料老化因素。
30、进一步的，在步骤s02-2中当采用多点判断法时，包括以下步骤：
31、s02-2-1：设定一个连续的比较判断窗口，窗口大小为m；
32、s02-2-2：以连续m个数据点低于阈值或滑动窗口平均值低于阈值为判定依据，计算数据向量中满足判定条件的首个向量元素位置i；
33、s02-2-3：根据预测时序间隔δt和i，t冲洗＝δt×i即为预测的滤格剩余过滤时间；
34、s02-2-4：根据采集数据的时刻，和预测的滤格剩余过滤时间t冲洗，即可得到滤格的预测反冲洗时刻。
35、进一步的，其中s03具体包括以下步骤：
36、s03-1：根据实际运行需求和资源限制，定义反冲洗排班目标函数；目标包括：避开指定时间段，调整总范围最小；或避开指定时间段，废水系统尽量稳定均衡；
37、s03-2：根据优化目标，计算得出一组滤格的第二反冲洗时刻，生成反冲洗排班方案；使用的算法包括：混合整数规划算法、nsga算法、nsga-ii算法。
38、进一步的，当s03-1的目标为：避开指定时间段，调整总范围最小时，其优化目标及约束条件的数学表达如下：
39、s03-1-1：
40、
41、约束条件为：
42、
43、其中，n：滤格数；
44、m：限制时间段数；
45、ti：预测的第i格滤格的第一反冲洗开始时刻(i＝1，...，n)，从小到大排序；
46、d：反冲洗时长；
47、δt：反冲洗时刻最大允许调整时间窗口；
48、第j个限制时间段；
49、xi：决策变本文档来自技高网...
【技术保护点】
1.一种用于滤池反冲洗的控制和排班方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中S01具体包括以下步骤：
3.根据权利要求1所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中S01-3具体包括以下步骤：
4.根据权利要求1所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中S02具体包括以下步骤：
5.根据权利要求4所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中S02-1的分析方法为历史数据分析法或敏感性分析法，历史数据分析法，适用于建成水厂，有较长时间的历史运行数据，具体包括以下步骤：
6.根据权利要求4所述的用于滤池反冲洗的控制和排班方法，其特征在于，在步骤S02-2中当采用多点判断法时，包括以下步骤：
7.根据权利要求1所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中S03具体包括以下步骤：
8.根据权利要求7所述的用于滤池反冲洗的控制和排班方法，其特征在于，当S03-1的目标为：避开指定时间段，调整总范围最小时
9.根据权利要求1所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中S04具体包括以下步骤：
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9中任一项所述用于滤池反冲洗的控制和排班方法的步骤。
11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述用于滤池反冲洗的控制和排班方法的步骤。
...【技术特征摘要】
1.一种用于滤池反冲洗的控制和排班方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中s01具体包括以下步骤：
3.根据权利要求1所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中s01-3具体包括以下步骤：
4.根据权利要求1所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中s02具体包括以下步骤：
5.根据权利要求4所述的用于滤池反冲洗的控制和排班方法，其特征在于，其中s02-1的分析方法为历史数据分析法或敏感性分析法，历史数据分析法，适用于建成水厂，有较长时间的历史运行数据，具体包括以下步骤：
6.根据权利要求4所述的用于滤池反冲洗的控制和排班方法，其特征在于，在步骤s02-2中当采用多点判断法时，包括以下步骤：
7.根据...
【专利技术属性】
技术研发人员：吴宝荣，许嘉炯，李翊君，黄凯，高泽晨，
申请(专利权)人：上海市政工程设计研究总院集团有限公司，
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。