一种污水处理厂多期负荷智能分配方法及系统与流程

本发明属于污水处理，尤其涉及一种污水处理厂多期负荷智能分配方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、当前污水处理厂多采用分期建设模式，多期处理设施并行运行。受雨污分流不完善、居民用水峰谷波动、降雨冲击、工业废水异常排放等因素影响，进水水量与水质负荷波动剧烈。各期设施建设周期跨度大，工艺、设备、处理规模存在差异，且普遍独立管控，缺少跨期协同分配机制，易出现厂内部分期处理设施长期超负荷、设备故障频发，其余期处理设施处理能力闲置，全厂运行能耗居高不下，出水达标稳定性难以保障。

3、当前相关技术主要分为精确曝气优化、厂网站一体化调度、厂内多级配水三类，但均存在明显短板。精确曝气技术仅针对单一生化单元调节供气量，依赖大量高精度水质传感器，改造成本高，且无法统筹多期构筑物负荷分配；厂网站一体化调度侧重管网与水厂宏观水量调配，忽视各期工艺耐受能力差异，易引发水质冲击，同时缺少来水预判能力，调度滞后；多级联动配水技术虽聚焦厂内负荷均衡，但高度依赖污泥浓度、溶解氧等内部工艺参数，监测条件薄弱的水厂难以落地，且采用全自动直控阀门，无人工复核环节，运维人员接受度低，仅依靠实时数据被动调节，无法提前应对上游来水突变。此外，现有配水技术多仅以水量为核心进行均衡分配，未将水质冲击风险纳入优化目标，无法根据各期工艺的耐冲击能力进行差异化负荷分配，高浓度来水易集中冲击弱耐受工艺段，加剧出水达标风险。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了一种污水处理厂多期负荷智能分配方法及系统，旨在解决现有技术中多期污水处理厂负荷分配粗放、调度被动滞后、传感器依赖度高、全自动管控安全风险高、厂网协同能力不足、改造成本高昂的问题，同时解决现有配水方案仅考量水量负荷、未纳入水质冲击风险、无法实现差异化安全调度的缺陷。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、本发明第一方面提供了一种污水处理厂多期负荷智能分配方法；

4、一种污水处理厂多期负荷智能分配方法，包括：

5、采集污水处理厂的边界数据并进行预处理；

6、基于预处理后的数据，结合污水处理厂的运行模式预测未来设定时段内的进水水量与水质综合负荷及变化趋势；

7、基于预处理后的数据和预测结果，以各期综合负荷均衡度最优、水质冲击风险最低和总运行能耗最低为优化目标，在满足各期处理能力约束的条件下，采用遗传算法生成负荷分配方案；

8、将所述负荷分配方案推送至操作界面进行确认，并对确认后的分配指令进行模式适配校验，确认当前运行模式与指令数据源是否匹配；

9、将分配指令转换为标准协议下发至现场执行设备并实时采集执行反馈数据，持续采集执行反馈数据并与分配指令目标值进行比对，当偏差超过预设阈值时触发闭环再优化。

10、作为进一步的技术方案，所述边界数据包括厂内边界数据与厂外边界数据；

11、所述厂内边界数据包括总进水流量、各期水厂进水口流量、各期水厂当前负荷率、二沉池液位以及进水中的水质数据；

12、所述厂外边界数据包括上游管网监测数据。

13、作为进一步的技术方案，基于预处理后的数据，结合污水处理厂的运行模式预测未来设定时段内的进水水量与水质综合负荷及变化趋势，包括：

14、当运行模式为一体化协同模式时，融合上游管网或泵站历史流量数据、历史同期来水趋势数据与实时边界数据，采用prophet时间序列预测算法进行预测，将时间序列分解为趋势项、季节项和节假日项，输出未来设定时段内的进水水量、代表性水质浓度、综合污染物负荷变化曲线及峰值负荷出现时间点；

15、当运行模式为独立运行模式时，不接入厂外边界数据源，仅基于厂内历史数据与实时边界数据，采用趋势外推算法输出预测结果。

16、作为进一步的技术方案，采用遗传算法生成负荷分配方案，包括：

17、将各期水厂的分配水量编码为染色体，随机生成初始种群；

18、构建适应度函数，以各期综合污染物负荷率标准差、水质冲击风险值与总运行能耗的加权和作为优化目标；

19、设置约束条件，包括各期分配水量不小于零且不超过该期当前可用水力处理能力、水质耐受和污染物负荷约束、单次调度水量约束以及各期分配水量之和等于预测的进水总量；

20、采用遗传算法进行选择、交叉和变异操作，迭代进化至收敛后输出pareto最优解集，从中选取满足运行偏好的分配方案。

21、作为进一步的技术方案，所述适应度函数为：

22、

23、其中，为适应度函数；、、为权重系数；为各期综合污染物负荷率的标准差；为全厂水质冲击风险值；为总运行能耗，为第i期水厂的能效系数， 表示单位污染物负荷处理的能耗值。

24、作为进一步的技术方案，采用遗传算法进行选择、交叉和变异操作，迭代进化至收敛后输出pareto最优解集，包括：

25、采用轮盘赌选择法，根据适应度值大小选择优秀个体进入下一代；

26、以预设概率对选中的个体进行单点交叉，生成新个体；

27、通过变异概率随机选择个体进行变异，增加种群多样性；

28、直到达到预设迭代次数或适应度函数值收敛，输出pareto最优解集。

29、作为进一步的技术方案，将所述负荷分配方案推送至操作界面进行确认，并对确认后的分配指令进行模式适配校验，确认当前运行模式与指令数据源是否匹配，包括：

30、当运行模式为一体化协同模式时，校验分配指令所依据的预测数据是否包含上游管网或泵站数据，若包含则判定匹配通过，若不包含则判定不匹配，触发模式冲突告警并驳回指令，回退至来水预测环节重新生成方案；

31、当运行模式为独立运行模式时，校验所述分配指令所依据的预测数据是否仅包含厂内历史数据与实时边界数据，若是则判定匹配通过，若包含厂外数据则判定不匹配并触发模式冲突告警并驳回指令，回退至来水预测环节重新生成方案。

32、本发明第二方面提供了一种污水处理厂多期负荷智能分配系统。

33、一种污水处理厂多期负荷智能分配系统，包括：

34、双模式切换模块，被配置为：根据外部输入的配置指令或预设策略，将当前运行模式设定为一体化协同模式或独立运行模式；

35、边界数据采集模块，被配置为：根据所述双模式切换模块输出的当前运行模式，采集污水处理厂的边界数据并进行预处理；

36、来水预测模块，被配置为：基于预处理后的数据，结合污水处理厂的运行模式预测未来设定时段内的进水水量与水质综合负荷及变化趋势；

37、多期负荷分配模块，被配置为：基于预处理后的数据和预测结果，以各期综合负荷率均衡度最优、水质冲击风险最低和总运行能耗最低为优化目标，在满足各期处理能力约束的条件下，采用遗传算法生成负荷分配方案；

38、人机协同确认模块，被配置为：将所述负荷分配方案推送至操作界面进行确认，并对确认后的分配指令进行模式适配校验，确认当前运行模式与指令数据源是否匹配；

39、闭环优化模块，被配置为：利用指令执行接口模块将分配指令转换为标准协议下发至现场执行设备并实时采集执行反馈数据，持续采集执行反馈数据并与分配指令目标值进行比对，当偏差超过预设阈值时触发闭环再优化。

40、本发明第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种污水处理厂多期负荷智能分配方法中的步骤。

41、本发明第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种污水处理厂多期负荷智能分配方法中的步骤。

42、本发明第五方面提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本发明第一方面所述的一种污水处理厂多期负荷智能分配方法中的步骤。

43、以上一个或多个技术方案存在以下有益效果：

44、（1）本发明通过边界数据采集与来水预测的协同联动，实时采集进水流量、各期负荷率及上游泵站数据，采用prophet算法预测未来进水总量及峰值时间，并基于预测结果与各期实时可用处理能力生成预分配方案，缩短进水波动响应时间，使负荷不均衡率显著下降，出水超标风险大幅降低。

45、（2）本发明采用遗传算法生成负荷分配方案，将各期分配水量编码为染色体，以各期综合污染物负荷率标准差、水质冲击风险值与总运行能耗的加权和作为适应度函数，通过选择、交叉、变异等遗传操作迭代寻优，在满足各期处理能力约束下输出pareto最优解集，能够在大规模解空间中高效搜索全局最优解，避免陷入局部最优。

46、（3）本发明将水质冲击风险纳入优化目标，基于各期工艺的水质耐受差异进行差异化配水，在水量均衡的基础上实现污染物负荷均衡，避免高浓度来水集中冲击弱耐受工艺段，显著降低水质型出水超标风险，同时兼顾全厂运行能耗优化，实现安全、稳定、经济的多目标协同调度。

47、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。