公布日：2024.01.26
申請日：2023.10.25
分類號：G05B13/04(2006.01)I
摘要
本發明公開了一種污水處理工藝的藥劑投加控制方法及系統，包括數據預處理步驟；水質信息及流量數據的預處理、工藝理論計算步驟、未來輸入預測步驟、藥劑需求模型建模步驟、模型自適應更新步驟、MPC模型預判控制步驟、未來期望輸出步驟、斷面輸出及總出水輸出反饋步驟；本發明的系統包括數據預處理模塊、工藝模型計算模塊、未來輸入預測模塊、模型自適應更新模塊、藥劑需求模型建模模塊、MPC模型預判控制模塊、未來期望輸出模塊和斷面輸出及總出水輸出反饋模塊。本發明的污水處理工藝的藥劑投加控制方法及系統，具有能夠實現污水工藝控制過程的平滑、穩定、可靠并且能夠節約污水處理工藝的成本等優點。
權利要求書
1.一種污水處理工藝的藥劑投加控制方法，其特征是，包括如下步驟：步驟1：數據預處理步驟；水質信息及流量數據的預處理；步驟2：工藝理論計算步驟；通過工藝理論計算獲取基礎當量；步驟3：未來輸入預測步驟；根據當前時間點的前段時間的工藝水質數據，預測到未來輸入水質；步驟4：藥劑需求模型建模步驟；對基礎當量采用大數據學習規律，建立基礎當量和藥劑投加的藥劑需求模型；步驟5：模型自適應更新步驟；獲取一段時間的歷史數據進行數據學習，更新工藝模型；步驟6：MPC模型預判控制步驟；步驟7：未來期望輸出步驟；步驟8：斷面輸出及總出水輸出反饋步驟。
2.根據權利要求1所述的一種污水處理工藝的藥劑投加控制方法，其特征是，所述步驟1中，所述數據的預處理方法包括采用趨勢法、閾值法去除異常值的步驟。
3.根據權利要求1所述的一種污水處理工藝的藥劑投加控制方法，其特征是，所述步驟1中，所述步驟1中，所述數據的預處理方法包括均值濾波的步驟。
4.根據權利要求1所述的一種污水處理工藝的藥劑投加控制方法，其特征是，所述步驟3中，基于神經網絡的未來輸入及期望輸出預測方法，采用深度神經網絡模型構建預測模型。
5.根據權利要求1所述的一種污水處理工藝的藥劑投加控制方法，其特征是，所述步驟5中，所述模型自適應更新步驟中，根據水質因素、流量因素、天氣因素的影響，根據實際情況調整和更新模型。
6.根據權利要求1所述的一種污水處理工藝的藥劑投加控制方法，其特征是，所述步驟6中，所述MPC模型預判控制步驟包括如下步驟：步驟61：建立價值函數J(k)；步驟62：根據計劃藥劑投加量，計算價值函數的一階梯度極點及對應的G值；步驟63：根據一階梯度G值，計算二階導數矩陣H值；步驟64：根據G值和H值，計算藥劑投加的修正量；步驟65：根據藥劑投加修正量，更新新的藥劑投加；如果更新藥劑投加量和上一步投加量差值小于給定閾值，結束循環，輸出藥劑投加量；步驟66：計算新的藥劑投加預期的價值，如果小于當前價值，計劃投加量調整為新的藥劑投加；如果大于當前價值，縮短價值調整一半步長，更新計劃藥劑投加量，跳回步驟62。
7.根據權利要求1所述的一種污水處理工藝的藥劑投加控制方法的系統，其特征是，包括數據預處理模塊、工藝模型計算模塊、未來輸入預測模塊、模型自適應更新模塊、藥劑需求模型建模模塊、MPC模型預判控制模塊、未來期望輸出模塊和斷面輸出及總出水輸出反饋模塊；所述數據預處理模塊，用于水質信息及流量數據的預處理；所述工藝理論計算模塊，用于通過工藝理論計算獲取基礎當量；所述未來輸入預測模塊，用于根據當前時間點的前段時間的工藝水質數據，預測到未來輸入水質；所述模型自適應更新模塊，用于獲取一段時間的歷史數據進行數據擬合，更新工藝模型；所述藥劑需求模型建模模塊，用于對基礎當量及大數據進行擬合，建立基礎當量和藥劑投加的藥劑需求模型；所述MPC模型預判控制模塊，用于根據未來多步輸入信息以及價值函數，找到控制的最優值；所述未來期望輸出模塊，用于根據歷史數據包含斷面輸出及總出水輸出等數據，利用深度神經網絡模型進行訓練，根據模型來預測后續工藝對于關鍵水質參數的消減，根據預測及總出水的水質目標，生成當前工藝的輸出期望值；所述斷面輸出及總出水輸出反饋模塊，用于根據輸出和期望值的誤差，把誤差作為補償量加在MPC控制參考值之上，補償由于模型不準，數據不準，控制不準等因素造成的誤差。
8.一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1-6中任一項所述的污水處理工藝的藥劑投加控制方法。
9.一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行根據權利要求1-6中任一項所述的污水處理工藝的藥劑投加控制方法。
10.一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現根據權利要求1-6中任一項所述的污水處理工藝的藥劑投加控制方法。
發明內容
本發明是為避免上述已有技術中存在的不足之處，提供一種污水處理工藝的藥劑投加控制方法及系統，以對礦井的濕熱環境進行不同工況的模擬。
本發明為解決技術問題采用以下技術方案。
本發明的一種污水處理工藝的藥劑投加控制方法，其包括如下步驟：
步驟1：數據預處理步驟；水質信息及流量數據的預處理；
步驟2：工藝理論計算步驟；通過工藝理論計算獲取基礎當量；
步驟3：未來輸入預測步驟；根據當前時間點的前段時間的工藝水質數據，預測到未來輸入水質；
步驟4：藥劑需求模型建模步驟；對基礎當量采用大數據學習規律，建立基礎當量和藥劑投加的藥劑需求模型；
步驟5：模型自適應更新步驟；獲取一段時間的歷史數據進行數據學習，更新工藝模型；
步驟6：MPC模型預判控制步驟；
步驟7：未來期望輸出步驟；
步驟8：斷面輸出及總出水輸出反饋步驟。
本發明的一種污水處理工藝的藥劑投加控制方法的結構特點也在于：
優選地，所述步驟1中，所述數據的預處理方法包括采用趨勢法、閾值法去除異常值的步驟。
優選地，所述步驟1中，所述步驟1中，所述數據的預處理方法包括均值濾波的步驟。
優選地，所述步驟3中，基于神經網絡的未來輸入及期望輸出預測方法，采用深度神經網絡模型構建預測模型。
優選地，所述步驟5中，所述模型自適應更新步驟中，根據水質因素、流量因素、天氣因素的影響，根據實際情況調整和更新模型。
優選地，所述步驟6中，所述MPC模型預判控制步驟包括如下步驟：
步驟61：建立價值函數J(k)；
步驟62：根據計劃藥劑投加量，計算價值函數的一階梯度極點及對應的G值；
步驟63：根據一階梯度G值，計算二階導數矩陣H值；
步驟64：根據G值和H值，計算藥劑投加的修正量；
步驟65：根據藥劑投加修正量，更新新的藥劑投加；如果更新藥劑投加量和上一步投加量差值小于給定閾值，結束循環，輸出藥劑投加量；
步驟66：計算新的藥劑投加預期的價值，如果小于當前價值，計劃投加量調整為新的藥劑投加；如果大于當前價值，縮短價值調整一半步長，更新計劃藥劑投加量，跳回步驟62。
本發明還公開了一種污水處理工藝的藥劑投加控制方法的系統，其包括數據預處理模塊、工藝模型計算模塊、未來輸入預測模塊、模型自適應更新模塊、藥劑需求模型建模模塊、MPC模型預判控制模塊、未來期望輸出模塊和斷面輸出及總出水輸出反饋模塊；
所述數據預處理模塊，用于水質信息及流量數據的預處理；
所述工藝理論計算模塊，用于通過工藝理論計算獲取基礎當量；
所述未來輸入預測模塊，用于根據當前時間點的前段時間的工藝水質數據，預測到未來輸入水質；
所述模型自適應更新模塊，用于獲取一段時間的歷史數據進行數據擬合，更新工藝模型；
所述藥劑需求模型建模模塊，用于對基礎當量及大數據進行擬合，建立基礎當量和藥劑投加的藥劑需求模型；
所述MPC模型預判控制模塊，用于根據未來多步輸入信息以及價值函數，找到控制的最優值；
所述未來期望輸出模塊，用于根據歷史數據包含斷面輸出及總出水輸出等數據，利用深度神經網絡模型進行訓練，根據模型來預測后續工藝對于關鍵水質參數的消減，根據預測及總出水的水質目標，生成當前工藝的輸出期望值；
所述斷面輸出及總出水輸出反饋模塊，用于根據輸出和期望值的誤差，把誤差作為補償量加在MPC控制參考值之上，補償由于模型不準，數據不準，控制不準等因素造成的誤差。
本發明還公開了一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行所述的污水處理工藝的藥劑投加控制方法。
本發明還公開了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行根據所述的污水處理工藝的藥劑投加控制方法。
本發明還公開了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現根據所述的污水處理工藝的藥劑投加控制方法。
與已有技術相比，本發明有益效果體現在：
本發明公開了一種污水處理工藝的藥劑投加控制方法及系統，包括數據預處理步驟；水質信息及流量數據的預處理、工藝理論計算步驟、未來輸入預測步驟、藥劑需求模型建模步驟、模型自適應更新步驟、MPC模型預判控制步驟、未來期望輸出步驟、斷面輸出及總出水輸出反饋步驟；本發明的系統包括數據預處理模塊、工藝模型計算模塊、未來輸入預測模塊、模型自適應更新模塊、藥劑需求模型建模模塊、MPC模型預判控制模塊、未來期望輸出模塊和斷面輸出及總出水輸出反饋模塊。各個步驟和各個模塊協同工作構成一個有機整體，形成更加穩定、可靠、經濟的污水處理藥劑投加。
本發明具有以下幾個方面的優點。
1、方法采用模型預判控制，可以支持模型輸入，預判輸入，是一個融合最優算法，利用該方法結合模型自適應更新，深度神經網絡預測，使得控制可以提前預判，實現平滑，穩定，可靠的控制。
2、通過模型自適應更新，控制算法所采用模型，根據實際數據情況不斷調整更新，維護模型和現實運營的一致性。
3、根據深度神經網絡預測功能，預測模塊可以根據進水水質預判本工藝的未來幾步輸入，給控制提供的未來信息。
4、在經濟方面，模型采用神經網絡預測后續工藝的特性，根據輸出參考值，得到本段工藝的參考輸出值最大限度利用后續工藝的處理特性，減少當前藥劑投加量。另外，本方法中出水輸出參考可以根據控制的平穩而調整，平衡風險以及成本節約。綜合實現成本的節約。
通過斷面輸出和出水輸出和真實值的對比，得到誤差反饋給控制器，實現偏差下的糾正，形成完整的控制體系，可以實現污水工藝控制過程的穩定、可靠及成本節約。
本發明的污水處理工藝的藥劑投加控制方法，具有能夠實現污水工藝控制過程的平滑、穩定、可靠并且能夠節約污水處理工藝的成本等優點。
（發明人：黃巍偉;郭成洪;閻懷國;劉華明）
