基于边缘推理的污水水质预测控制方法及系统与流程

本发明涉及污水处理，尤其涉及一种基于边缘推理的污水水质预测控制方法及系统。

背景技术：

1、污水处理行业的水质预测与控制长期依赖传统的人工取样检测与实验室分析模式，现场运维人员按照固定时间间隔采集水样，送回化验室完成化学需氧量、氨氮、总磷等指标的测定，再依据化验结果人工判断水质状态并调整曝气量、回流比、药剂投加量等工艺参数。随着在线仪表和自动化控制系统在污水处理厂的逐步普及，部分设施开始采用基于实时监测数据的反馈控制策略，通过plc或上位机组态软件将溶解氧、ph、浊度等在线仪表的读数与预设阈值进行比较，触发相应的设备动作，实现了数据采集和基础控制的自动化，本质上仍属于单点触发式的阈值控制，依据的数据维度较为单一，缺乏对多源监测信息的综合挖掘能力，也难以捕捉水质参数之间存在的非线性耦合关系与动态演变趋势。在进水水质波动剧烈或工况切换频繁的场合，脱离全局数据关联而仅依赖单一指标的阈值判断，容易造成控制决策的滞后和偏差。

2、现有技术中，由于水质检测周期与工艺调节周期之间的时间错配，控制系统所依据的水质信息与环境真实状态之间存在显著的时间差，致使调控指令往往针对的是已经发生变化的历史工况，难以有效抑制水质指标的持续偏离。此外，固定阈值与经验规则难以适配复杂多变的进水条件，不同季节、不同时段的水质波动规律存在明显差异，恒定不变的判断标准在应对突发性高负荷冲击或长期缓慢劣化时缺乏足够的适应性，加之设备调节量的确定依赖现场人员的经验估算，缺少对安全边界和执行可行性的系统校核，容易出现过度调节或调节不足的情形，进而影响出水水质的稳定达标。

技术实现思路

1、本发明实施例提供一种基于边缘推理的污水水质预测控制方法及系统，至少能解决现有技术中存在的部分问题。

2、本发明实施例的第一方面，提供一种基于边缘推理的污水水质预测控制方法，包括：

3、获取污水处理系统的多源时序数据并进行时间对齐和缺失值填充得到完整时序数据，基于所述完整时序数据构建滑动窗口并计算变化率特征，获取当前工况参数并与所述变化率特征进行拼接和标准化得到归一化特征向量；

4、将所述归一化特征向量输入至边缘侧存储的决策树集合进行逐层节点判断和特征分裂运算得到水质指标预测值，基于所述水质指标预测值与预设的预测阈值确定超标风险评估值，基于所述超标风险评估值和所述水质指标预测值求解得到综合预测结果，基于所述综合预测结果和所述当前工况参数构建状态风险映射关系并提取关键影响参数；

5、基于所述关键影响参数和预设的安全边界约束确定是否触发预警，若触发则通过预设的修正规则计算设备调节量并进行可行性校验，若校验通过则根据所述设备调节量生成控制指令并发送至现场执行设备；

6、监测所述控制指令的执行结果并计算水质指标偏差，基于所述水质指标偏差对所述修正规则中的判断阈值进行自适应修正并更新所述修正规则，得到优化修正规则并输出。

7、在一种可选的实施方式中，

8、获取污水处理系统的多源时序数据并进行时间对齐和缺失值填充得到完整时序数据，基于所述完整时序数据构建滑动窗口并计算变化率特征，获取当前工况参数并与所述变化率特征进行拼接和标准化得到归一化特征向量包括：

9、从分布式采集接口获取污水处理系统的进水流量时序数据回流比时序数据和加药量时序数据并组合得到多源时序数据，提取所述多源时序数据的时间戳并构建统一时间轴进行重采样得到对齐时序数据集，识别所述对齐时序数据集中的缺失位置，提取所述缺失位置的前后有效数据点并计算时间距离权重，基于所述时间距离权重和所述前后有效数据点求解得到完整时序数据；

10、基于所述完整时序数据设定固定长度的滑动窗口并按照预设步长进行滑动，在每个滑动窗口位置提取窗口内的数值序列，计算所述数值序列的起始值和终止值的差值并结合窗口时间长度求解得到一阶变化率，对所述数值序列进行二次差分计算并除以窗口时间长度的平方得到二阶变化率，组合所述一阶变化率和所述二阶变化率得到变化率特征；

11、获取当前时刻的风机频率参数、溶解氧浓度参数和泥龄参数作为当前工况参数，将所述当前工况参数与所述变化率特征进行向量拼接得到拼接特征向量，计算所述拼接特征向量各维度的均值和标准差并进行标准化处理得到归一化特征向量。

12、在一种可选的实施方式中，

13、将所述归一化特征向量输入至边缘侧存储的决策树集合进行逐层节点判断和特征分裂运算得到水质指标预测值，基于所述水质指标预测值与预设的预测阈值确定超标风险评估值包括：

14、读取边缘侧存储的决策树集合中各决策树的根节点，将所述归一化特征向量中的各维度特征值与所述根节点的分裂特征索引进行匹配，提取匹配到的对应维度的特征值并与所述根节点的分裂阈值进行比较判断，根据比较判断结果确定目标子节点，进入所述目标子节点并读取所述目标子节点的分裂特征索引和分裂阈值，对所述归一化特征向量重复执行特征值提取和阈值比较判断并持续节点跳转直至到达叶节点，读取所述叶节点存储的预测数值作为当前决策树的输出值；

15、遍历所述决策树集合中的所有决策树并获取每个决策树的输出值，对所述输出值进行加权求和得到水质指标预测值；

16、将所述水质指标预测值与预设的预测阈值进行数值比较，当所述水质指标预测值大于所述预测阈值时，计算所述水质指标预测值与所述预测阈值的差值并基于所述差值计算得到归一化超标幅度，对所述归一化超标幅度进行非线性映射变换得到超标风险评估值，当所述水质指标预测值小于所述预测阈值时，获取预设的安全基准值并作为超标风险评估值。

17、在一种可选的实施方式中，

18、基于所述超标风险评估值和所述水质指标预测值求解得到综合预测结果，基于所述综合预测结果和所述当前工况参数构建状态风险映射关系并提取关键影响参数包括：

19、对所述超标风险评估值进行特征嵌入变换得到风险特征向量，对所述水质指标预测值进行特征嵌入变换得到预测特征向量，将所述风险特征向量和所述预测特征向量进行拼接得到融合特征向量，对所述融合特征向量进行多层非线性映射得到综合预测结果；

20、从所述当前工况参数中提取风机频率参数、溶解氧浓度参数和泥龄参数并构建工况向量，计算所述工况向量中各参数相对于预先获取的历史运行区间边界的偏离距离得到偏离度矩阵，对所述综合预测结果进行梯度扰动分析得到各工况参数的敏感性系数，基于所述敏感性系数和所述偏离度矩阵求解得到风险贡献张量并进行降维投影构建得到状态风险映射关系；

21、对所述状态风险映射关系中各工况参数对应的风险贡献度进行降序排列，提取风险贡献度大于预设贡献阈值的工况参数作为关键影响参数并输出。

22、在一种可选的实施方式中，

23、计算所述工况向量中各参数相对于预先获取的历史运行区间边界的偏离距离得到偏离度矩阵，对所述综合预测结果进行梯度扰动分析得到各工况参数的敏感性系数，基于所述敏感性系数和所述偏离度矩阵求解得到风险贡献张量并进行降维投影构建得到状态风险映射关系包括：

24、从预设的历史运行数据库中提取所述工况向量中各参数对应的历史正常运行数值区间并确定上边界值和下边界值，计算所述工况向量中各参数的当前数值与所述上边界值和所述下边界值之间的最小距离并按照工况参数排列构建得到偏离度矩阵；

25、对所述综合预测结果中的每个工况参数施加预设幅度的正向扰动和负向扰动，分别计算施加正向扰动后的综合预测结果变化量和施加负向扰动后的综合预测结果变化量，基于所述正向扰动和所述负向扰动对应的综合预测结果变化量求解梯度响应曲线，提取所述梯度响应曲线的斜率作为各工况参数的敏感性系数；

26、对所述敏感性系数和所述偏离度矩阵进行张量外积运算得到初始风险贡献张量，对所述初始风险贡献张量进行奇异值分解提取主导奇异向量，基于所述主导奇异向量构建降维投影矩阵，将所述初始风险贡献张量通过所述降维投影矩阵进行投影变换得到降维风险贡献矩阵，基于所述降维风险贡献矩阵构建工况参数与风险贡献度之间的映射关系作为状态风险映射关系。

27、在一种可选的实施方式中，

28、基于所述关键影响参数和预设的安全边界约束确定是否触发预警，若触发则通过预设的修正规则计算设备调节量并进行可行性校验，若校验通过则根据所述设备调节量生成控制指令并发送至现场执行设备包括：

29、从预设的安全边界约束配置文件中提取所述关键影响参数对应的允许运行上限值和允许运行下限值，将所述关键影响参数的当前数值与所述允许运行上限值和所述允许运行下限值进行越界判断并确定预警等级；

30、读取所述预设的修正规则中所述预警等级对应的设备调控策略，提取所述设备调控策略中各设备的调节步长参数，基于所述关键影响参数和所述水质指标预测值计算初步调节量，对所述初步调节量施加预设的递减衰减因子并结合预设的历史调节残差得到设备调节量；

31、从设备运行约束库中提取各现场执行设备的物理调节范围和调节速率限制，判断所述设备调节量是否满足所述物理调节范围和所述调节速率限制并完成可行性校验，当可行性校验通过时将所述设备调节量按照现场执行设备标识进行编码封装得到控制指令，通过边缘侧通信接口将所述控制指令发送至对应的现场执行设备。

32、在一种可选的实施方式中，

33、监测所述控制指令的执行结果并计算水质指标偏差，基于所述水质指标偏差对所述修正规则中的判断阈值进行自适应修正并更新所述修正规则，得到优化修正规则并输出包括：

34、通过数据采集接口获取所述现场执行设备响应所述控制指令后的实际运行参数，提取所述实际运行参数中的出水水质指标实测值，将所述出水水质指标实测值与所述水质指标预测值进行差值计算得到预测偏差，对所述预测偏差进行时序累积统计得到偏差序列，基于所述偏差序列计算均方根偏差和偏差趋势系数并组合得到水质指标偏差；

35、从所述修正规则中提取当前使用的判断阈值和阈值调整边界，将所述水质指标偏差与预设的偏差容忍区间进行比较判断，当所述水质指标偏差超出所述偏差容忍区间时计算阈值修正增量，基于所述阈值修正增量和所述偏差趋势系数确定阈值调整方向和调整幅度，对所述判断阈值施加所述调整幅度并约束在所述阈值调整边界内得到修正后判断阈值；

36、使用所述修正后判断阈值替换所述修正规则中当前使用的判断阈值，对所述修正规则中与所述当前使用的判断阈值关联的设备调控策略参数进行同步更新，将更新后的修正规则作为优化修正规则存储至边缘侧规则库。

37、本发明实施例的第二方面，提供一种基于边缘推理的污水水质预测控制系统，包括：

38、数据准备单元，用于获取污水处理系统的多源时序数据并进行时间对齐和缺失值填充得到完整时序数据，基于所述完整时序数据构建滑动窗口并计算变化率特征，获取当前工况参数并与所述变化率特征进行拼接和标准化得到归一化特征向量；

39、预测评估单元，用于将所述归一化特征向量输入至边缘侧存储的决策树集合进行逐层节点判断和特征分裂运算得到水质指标预测值，基于所述水质指标预测值与预设的预测阈值确定超标风险评估值，基于所述超标风险评估值和所述水质指标预测值求解得到综合预测结果，基于所述综合预测结果和所述当前工况参数构建状态风险映射关系并提取关键影响参数；

40、预警控制单元，用于基于所述关键影响参数和预设的安全边界约束确定是否触发预警，若触发则通过预设的修正规则计算设备调节量并进行可行性校验，若校验通过则根据所述设备调节量生成控制指令并发送至现场执行设备；

41、规则修正单元，用于监测所述控制指令的执行结果并计算水质指标偏差，基于所述水质指标偏差对所述修正规则中的判断阈值进行自适应修正并更新所述修正规则，得到优化修正规则并输出。

42、本发明实施例的第三方面，提供一种电子设备，包括：

43、处理器和用于存储处理器可执行指令的存储器，其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

44、本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

45、本发明中，对多源时序数据进行时间对齐和缺失值填充，结合滑动窗口和变化率特征，能够挖掘水质动态变化规律，消除数据噪声和缺失干扰，使归一化特征向量全面反映工况特征，为后续预测提供高质量输入，提升预测精度和鲁棒性，同时减少异常数据的干扰，将归一化特征向量输入边缘侧决策树集合进行分层判断与分裂运算，在靠近数据源位置完成水质预测和超标风险估计，避免数据远程传输的延迟和带宽占用，实现毫秒级响应，提升决策效率，综合预测结果与工况参数映射，提取关键影响参数，使风险识别更具针对性，便于及时调整，基于关键影响参数和安全边界约束触发预警，采用修正规则计算设备调节量并执行可行性校验，确保控制指令安全可靠，保障出水达标，按需调节设备运行状态，避免过度调节和无效操作，降低能耗与药剂消耗，同时及时响应超标风险，减小水质波动，延长设备使用寿命，监测控制指令执行结果并计算水质指标偏差，自适应修正判断阈值并更新修正规则，使控制策略随工况变化持续优化，增强系统对进水波动和设备老化的适应能力，长期运行保持稳定高效，减少人工干预和维护成本，实现精准控制与持续改进。