公布日：2024.01.26
申请日：2023.10.25
分类号：G05B13/04(2006.01)I
摘要
本发明公开了一种污水处理工艺的药剂投加控制方法及系统，包括数据预处理步骤；水质信息及流量数据的预处理、工艺理论计算步骤、未来输入预测步骤、药剂需求模型建模步骤、模型自适应更新步骤、MPC模型预判控制步骤、未来期望输出步骤、断面输出及总出水输出反馈步骤；本发明的系统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。本发明的污水处理工艺的药剂投加控制方法及系统，具有能够实现污水工艺控制过程的平滑、稳定、可靠并且能够节约污水处理工艺的成本等优点。
权利要求书
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：步骤1：数据预处理步骤；水质信息及流量数据的预处理；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；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；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；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；步骤6：MPC模型预判控制步骤；步骤7：未来期望输出步骤；步骤8：断面输出及总出水输出反馈步骤。
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：步骤61：建立价值函数J(k)；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；步骤63：根据一阶梯度G值，计算二阶导数矩阵H值；步骤64：根据G值和H值，计算药剂投加的修正量；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；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。
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；所述数据预处理模块，用于水质信息及流量数据的预处理；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；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；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；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；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；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；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。
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。
发明内容
本发明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。
本发明为解决技术问题采用以下技术方案。
本发明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：
步骤1：数据预处理步骤；水质信息及流量数据的预处理；
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；
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；
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；
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；
步骤6：MPC模型预判控制步骤；
步骤7：未来期望输出步骤；
步骤8：断面输出及总出水输出反馈步骤。
本发明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：
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。
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。
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。
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。
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：
步骤61：建立价值函数J(k)；
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；
步骤63：根据一阶梯度G值，计算二阶导数矩阵H值；
步骤64：根据G值和H值，计算药剂投加的修正量；
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；
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。
本发明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；
所述数据预处理模块，用于水质信息及流量数据的预处理；
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；
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；
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；
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；
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；
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；
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。
本发明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。
本发明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。
本发明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。
与已有技术相比，本发明有益效果体现在：
本发明公开了一种污水处理工艺的药剂投加控制方法及系统，包括数据预处理步骤；水质信息及流量数据的预处理、工艺理论计算步骤、未来输入预测步骤、药剂需求模型建模步骤、模型自适应更新步骤、MPC模型预判控制步骤、未来期望输出步骤、断面输出及总出水输出反馈步骤；本发明的系统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。各个步骤和各个模块协同工作构成一个有机整体，形成更加稳定、可靠、经济的污水处理药剂投加。
本发明具有以下几个方面的优点。
1、方法采用模型预判控制，可以支持模型输入，预判输入，是一个融合最优算法，利用该方法结合模型自适应更新，深度神经网络预测，使得控制可以提前预判，实现平滑，稳定，可靠的控制。
2、通过模型自适应更新，控制算法所采用模型，根据实际数据情况不断调整更新，维护模型和现实运营的一致性。
3、根据深度神经网络预测功能，预测模块可以根据进水水质预判本工艺的未来几步输入，给控制提供的未来信息。
4、在经济方面，模型采用神经网络预测后续工艺的特性，根据输出参考值，得到本段工艺的参考输出值最大限度利用后续工艺的处理特性，减少当前药剂投加量。另外，本方法中出水输出参考可以根据控制的平稳而调整，平衡风险以及成本节约。综合实现成本的节约。
通过断面输出和出水输出和真实值的对比，得到误差反馈给控制器，实现偏差下的纠正，形成完整的控制体系，可以实现污水工艺控制过程的稳定、可靠及成本节约。
本发明的污水处理工艺的药剂投加控制方法，具有能够实现污水工艺控制过程的平滑、稳定、可靠并且能够节约污水处理工艺的成本等优点。
（发明人：黄巍伟;郭成洪;阎怀国;刘华明）
