申请日2018.09.30
公开(公告)日2018.11.30
IPC分类号G06Q10/04; G06Q10/06; G06Q50/06
摘要
本发明公开一种基于人工智能的污水处理厂鼓风机节能降耗方法。所述的方法包括下述步骤：1)、基于污水处理厂已有的历史真实运行数据进行数据预处理;2)将预处理后的数据分成训练数据样本和测试数据样本;3)利用训练数据样本和测试数据样本构建人工智能模型;4)根据出水指标情况不断循环调整人工智能模型输入参数中的鼓风量，直到模型输出的出水指标无限接近最优出水指标值。本发明方法利用人工智能机器学习算法找出数据之间的关联性，代替人工经验找出比较有利于污水处理工艺的鼓风机风量值，更加准确、有效。并且本发明通过人工智能技术得出的最优鼓风量去调整鼓风机开关及频率，可以解决污水厂曝气量过大的能耗浪费问题，节约能源，节省运行成本。
权利要求书
1.一种基于人工智能的污水处理厂鼓风机节能降耗方法，其特征在于，所述的方法包括下述步骤：
1)、基于污水处理厂已有的历史真实运行数据进行数据预处理;
2)将预处理后的数据分成训练数据样本和测试数据样本;
3)利用训练数据样本和测试数据样本构建人工智能模型;
4)根据出水指标情况不断循环调整人工智能模型输入参数中的鼓风量，直到模型输出的出水指标无限接近最优出水指标值。
2.如权利要求1所述的基于人工智能的污水 处理厂鼓风机节能降耗方法，其特征在于，
所述的步骤1)具体为：
21)拿到污水处理厂历史数据，对数据进行预处理，主要包含删除重复数据、删除无效数据、补充缺失数据、3delta处理等。
22)将处理好的数据进行时间重新匹配。
23)将步骤二处理好的数据划分为训练数据样本和测试数据样本，按照训练样本数：测试样本数=9：1的比例划分。
3.如权利要求1所述的基于人工智能的污水处理厂鼓风机节能降耗方法，其特征在于，所述构建人工智能模型的步骤包括：
31)、以出水指标作为输出参数，其它指标作为输入参数建立人工智能模型;利用人工智能模型对对训练数据样本进行训练;
32)用训练好的人工智能模型对测试数据样本进行测试;
33)调整模型参数，重复步骤31和步骤32，以得到最优的模型。
4.如权利要求1所述的基于人工智能的污水处理厂鼓风机节能降耗方法，其特征在于，所述的人工智能模型采用的算法包含但不限于逻辑回归、BP神经网络、SVM、决策树、随机森林。
说明书
基于人工智能的污水处理厂鼓风机节能降耗方法
技术领域
涉及基于生物法工艺的污水处理厂及AI人工智能技术，对污水处理过程中的鼓风量利用人工智能模型进行建模实现鼓风量降低，从而节约鼓风机能耗。
背景技术
针对活性污泥法等生物法工艺的污水处理厂，能源消耗一般50%来源于氧化沟供氧鼓风机(主要是电能消耗)，在这种大滞后大延迟污水处理系统，往往存在鼓风机爆气过量的能量浪费问题;AI人工智能技术是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的技术，人工智能的机器学习算法(包含但不限于神经网络算法、支持向量机、随机森林等)能通过既定数据，自行训练学习，找出数据中的关联性、依赖，从而代替人工做出决策。
业界已存在的人工智能技术结合污水处理工艺改进研究的专利大都以工艺中的DO(溶解氧)控制为中心，如CN 106354019 A“一种基于RBF神经网络的溶解氧精确控制方法”;CN 107085372 A”一种基于改进萤火虫算法和最小二乘支持向量机的污水节能处理优化控制方法”;CN 107358021 A”一种基于优化BP神经网络的DO预测模型建立方法”,都是以溶解氧控制为目标，并且使用到了人工智能技术机器学习算法中的具体几个算法，但是机器学习算法有很多，而且他们只是工具，针对具体的污水处理厂具体使用哪个算法进行建模最好也不一定。本发明涵盖人工智能的所有机器学习算法作为建模工具，同时不再以DO为解决控制目标，直接以鼓风量为研究控制目标。
发明内容
本发明的目的是在污水处理厂活性污泥法等生物法工艺环节引入人工智能技术对污水处理厂历史数据进行建模分析，保证污水处理后净水达标前提不变的条件下，降低鼓风机鼓风量，节约能耗。目标是通过人工智能技术自训练，自学习从而给出污水厂生物法工艺环节中鼓风机的最佳目标鼓风量(既可以保证污水处理达标，也可以合理节约鼓风机能耗)，达到污水厂节能降耗的目的。
为达到上述目的，本发明基于人工智能的污水处理厂鼓风机节能降耗方法，所述的方法包括下述步骤：
1)、基于污水处理厂已有的历史真实运行数据进行数据预处理;
2)将预处理后的数据分成训练数据样本和测试数据样本;
3)、以出水指标作为输出参数，其它指标作为输入参数建立人工智能模型;利用人工智能模型对对训练数据样本进行训练;
4)用训练好的人工智能模型对测试数据样本进行测试;
5)调整模型参数，重复步骤3和步骤4，以得到最优的模型。
6)根据出水指标情况不断循环调整模型输入参数中的鼓风量，直到模型输出的出水指标无限接近最优出水指标值。
其中，
所述的步骤1)具体为：
21)拿到污水处理厂历史数据，对数据进行预处理，主要包含删除重复数据、删除无效数据、补充缺失数据、3delta处理等。
22)将处理好的数据进行时间重新匹配。
23)将步骤二处理好的数据划分为训练数据样本和测试数据样本，按照训练样本数：测试样本数=9：1的比例划分。
其中，所述的人工智能模型采用的算法包含但不限于逻辑回归、BP神经网络、SVM、决策树、随机森林。
本发明方法利用人工智能机器学习算法找出数据之间的关联性，代替人工经验找出比较有利于污水处理工艺的鼓风机风量值，更加准确、有效。并且本发明通过人工智能技术得出的最优鼓风量去调整鼓风机开关及频率，可以解决污水厂曝气量过大的能耗浪费问题，节约能源，节省运行成本。
