一种污水处理智能协同调控方法、系统及程序产品与流程
本发明涉及污水处理,具体涉及一种污水处理智能协同调控方法、系统及程序产品。
背景技术:
1、sbr(sequencing batch reactor,序批式活性污泥法)污水处理工艺运行周期依次分为缺氧搅拌阶段、曝气阶段、沉淀阶段、滗水阶段四大工序。目前绝大多数sbr污水处理站均采用固定运行时长、固定曝气量、固定风机频率的经验式运行模式,存在诸多实际运行弊端。
2、首先,进水水质水量存在昼夜波动、季节波动,环境温度、污泥活性等工况持续变化,固定时长运行易造成缺氧阶段反硝化反应不充分,或曝气阶段曝气过度、能耗浪费严重;其次,传统控制方式无法提前预判出水cod、出水氨氮等关键水质指标,仅能事后达标整改,出水水质稳定性差;再次,曝气量依靠人工经验设定,未结合水质预判结果进行前置修正,难以匹配实时生化需氧量;同时,现场溶解氧do、氧化还原电位orp仅作为监测参数,未实现时序趋势预测与工序联动调控,无法根据生化反应完成程度动态启停曝气工序;最后,曝气风机启停台数、运行频率缺乏智能匹配策略,风量供给与实际处理需求脱节,整体污水处理运行能耗偏高、自动化程度低、运维人工成本高。
3、在长期工程实践中进一步发现,sbr工艺中传统的do/orp阈值判断法受污泥活性、水温波动影响显著,实际生产中经常出现在污染物尚未降解完全时误判反应终点导致出水超标,或因无法预判硝化完成度而过量曝气造成大量能耗浪费。
4、已有研究尝试采用lstm、lightgbm等模型进行水质预测和曝气优化,但始终存在以下尚未解决的技术难题:
5、预测滞后性,单一lstm模型虽然能够捕捉时序依赖,但无法在缺乏历史参数积累的工况突变初期做出准确预测;
6、阈值漂移,传统do/orp固定阈值控制方法受水温、污泥龄、进水负荷等多因素干扰,实际控制效果极不稳定;
7、跨阶段协同失效,缺氧阶段的水质预判结果与曝气阶段的供气策略之间无法形成闭环反馈,导致预判结果仅作为监控显示而未被用于前置修正。
8、因此,亟需一种适配sbr分阶段运行逻辑、多模型分层协同、可工程落地的智能调控方案。
技术实现思路
1、本发明提供了一种污水处理智能协同调控方法、系统及程序产品,以解决现有技术存在预测滞后性、阈值漂移、跨阶段协同失效等问题。
2、第一方面,本发明提供了一种污水处理智能协同调控方法,用于智能调控平台;该方法包括:
3、获取sbr反应池的历史目标运行参数集和sbr反应池进水后的多维度实时运行参数集;基于历史目标运行参数集和多维度实时运行参数集,经过基于长短期记忆网络和注意力机制的目标时序预测模型处理,确定sbr反应池在不同阶段的多个目标运行时长,其中,不同阶段包括缺氧搅拌阶段、曝气阶段、沉淀阶段、滗水阶段;利用kshape时序聚类预测模型,对历史目标运行参数集中时序数据进行聚类和模式匹配,得到未来多个时间节点的多个溶解氧浓度预测值和多个氧化还原电位预测值;当sbr反应池的缺氧搅拌阶段运行完成后,基于多个目标运行时长,利用轻量级梯度提升机模型和类别特征梯度提升模型,对sbr反应池在曝气阶段的曝气量进行预测,得到sbr反应池在曝气阶段的实际曝气量;基于实际曝气量、多个溶解氧浓度预测值和多个氧化还原电位预测值,判断曝气阶段结束前sbr反应池的生化反应是否满足出水合格判定标准;当曝气阶段结束前sbr反应池的生化反应满足出水合格判定标准,控制sbr反应池停止曝气,并控制sbr反应池依次进入沉淀阶段和滗水阶段,直至污水排出。
4、本发明提供的污水处理智能协同调控方法,通过获取历史目标运行参数集、进水后多维度实时运行参数集,能够完整覆盖sbr全流程历史与实时工况数据,有助于保障预测输入维度完整性。进一步,通过基于长短期记忆网络和注意力机制的目标时序预测模型能够输出sbr反应池在不同阶段的多个目标运行时长,消除了固定时长与实际生化需求不匹配的缺陷。进一步,利用kshape时序聚类匹配输出多节点溶解氧浓度预测值和氧化还原电位预测值,通过时序形状聚类识别生化参数变化规律,能够提前推演曝气过程溶解氧、氧化还原电位演化趋势。进一步,缺氧阶段完成后,利用轻量级梯度提升机模型和类别特征梯度提升模型预测曝气阶段实际曝气量,实现了基于已确定的阶段时长耦合水质预测,建立了工序时长与出水污染负荷的关联,进而能够前置预判曝气所需气量基准。进一步,结合实际曝气量、溶解氧浓度预测值和氧化还原电位预测值判定曝气生化反应是否达标,通过双重维度判断反应完成度,避免了单一阈值判定带来的误判。进一步,如果曝气阶段结束前sbr反应池的生化反应满足出水合格判定标准则,则停止曝气,并依次执行沉淀、滗水直至排水,实现了曝气冗余时长削减、全流程自动闭环流转。因此,通过实施本发明,在保障污水出水达标的前提下,减少了无效曝气时长,降低了曝气能耗,实现了污水处理全周期的全程自动化,减少了人工操作干预。
5、在一种可选的实施方式中,获取sbr反应池的历史目标运行参数集,包括:
6、获取sbr反应池的多维度历史运行参数集;分别对多维度历史运行参数集进行异常值剔除、缺失值插补、归一化标准化预处理,得到历史目标运行参数集。
7、本发明提供的污水处理智能协同调控方法,通过对历史运行参数进行异常剔除、缺失插补、归一化标准化预处理,能够消除传感器故障、数据缺失、量纲差异带来的数据噪声,提升后续时序预测模型输入数据质量,降低模型预测偏差,进一步能够提升各阶段时长、曝气量、水质、溶解氧浓度/氧化还原电位预测结果准确度,强化了全流程调控的稳定性。
8、在一种可选的实施方式中,基于历史目标运行参数集和多维度实时运行参数集,经过基于长短期记忆网络和注意力机制的目标时序预测模型处理,确定sbr反应池在不同阶段的多个目标运行时长,包括:
9、在sbr反应池进水前,将历史目标运行参数集输入基于长短期记忆网络和注意力机制的目标时序预测模型,得到sbr反应池在不同阶段的多个基准运行时长;在sbr反应池进水后,将多维度实时运行参数集输入基于长短期记忆网络和注意力机制的目标时序预测模型,得到sbr反应池在不同阶段的多个实时运行时长;将每个基准运行时长和每个实时运行时长的偏差与预设第一阈值进行比对,并根据比对结果,确定sbr反应池在不同阶段的多个目标运行时长。
10、本发明提供的污水处理智能协同调控方法,通过进水前将历史参数输入目标时序预测模型得到各阶段基准运行时长,能够提前生成批次基础工序时长,实现了进水前工况预判。进一步,通过进水后将实时参数输入目标时序预测模型得到各阶段实时运行时长,实现了利用池内即时水质、环境参数修正基础时长,进而使得最终得到的运行时长能够反映进水后的真实工况变化。进一步,通过比对基准、实时时长偏差与预设阈值并确定最终目标时长,能够区分工况波动幅度,兼顾了调控稳定性与工况适配性。因此,通过实施本发明,采用进水前预测和进水后实时修正双轮时长预测机制,根据工况波动幅度自适应选用时长结果,解决了单一单次预测无法适配进水瞬时水质波动的问题,提升了各阶段运行时长匹配精度。
11、在一种可选的实施方式中,当sbr反应池的缺氧搅拌阶段运行完成后,基于多个目标运行时长,利用轻量级梯度提升机模型和类别特征梯度提升模型,对sbr反应池在曝气阶段的曝气量进行预测,得到sbr反应池在曝气阶段的实际曝气量,包括:
12、当sbr反应池的缺氧搅拌阶段运行完成后,获取sbr反应池在缺氧搅拌阶段的缺氧搅拌运行参数集;基于缺氧搅拌运行参数集和多个目标运行时长,经过轻量级梯度提升机模型和类别特征梯度提升模型处理,得到多个目标预测出水浓度值;将多个目标预测出水浓度值、多个目标运行时长和缺氧搅拌运行参数集输入informer长时序预测模型,得到sbr反应池在曝气阶段的基准曝气量;将每个目标预测出水浓度值和预设第二阈值进行比对,并根据比对结果和预设风机安全运行区间,对基准曝气量进行修正,得到实际曝气量。
13、本发明提供的污水处理智能协同调控方法,当缺氧搅拌阶段运行完成后获取缺氧搅拌运行参数集,通过实时抓取缺氧阶段实际反应工况,为水质预测提供了缺氧反应过程特征。进一步,通过轻量级梯度提升机模型和类别特征梯度提升模型输出预测出水浓度,将工序运行时长作为水质预测关联特征,建立了缺氧反应时长与出水污染物浓度的映射关系。进一步,将水质预测值、目标时长、缺氧参数输入informer长时序预测模型并得到基准曝气量,实现了污染负荷与供气需求前置的绑定。进一步,通过比对预测水质与第二阈值,并结合风机安全区间修正基准曝气量后得到实际曝气量,兼顾了出水安全与设备运行规范。因此,通过实施本发明,基于预判出水负荷前置调节曝气供给量,规避了曝气过量能耗浪费、曝气不足出水超标两类问题,同时保障了风机设备运行安全。
14、在一种可选的实施方式中,基于缺氧搅拌运行参数集和多个目标运行时长,经过轻量级梯度提升机模型和类别特征梯度提升模型处理,得到多个目标预测出水浓度值,包括:
15、将缺氧搅拌运行参数集和多个目标运行时长输入轻量级梯度提升机模型,得到多个第一预测出水浓度值;将缺氧搅拌运行参数集和多个目标运行时长输入类别特征梯度提升模型,得到多个第二预测出水浓度值;对多个第一预测出水浓度值和多个第二预测出水浓度值进行加权融合,得到多个目标预测出水浓度值。
16、本发明提供的污水处理智能协同调控方法,通过将缺氧搅拌运行参数集和多个目标运行时长分别输入轻量级梯度提升机模型和类别特征梯度提升模型,能够发挥两类树模型各自数据拟合优势,并分别输出对应的水质预测结果。进一步,将两组预测值加权融合得到最终目标预测出水浓度,抵消了单一模型在工况突变下的预测方差,提升了出水污染物浓度预测泛化能力与准确度。因此,通过实施本发明,通过采用双树模型加权融合机制,弥补了单一机器学习模型抗波动能力不足的缺陷,进而能够为后续曝气量修正提供更精准的水质预判依据,进一步优化了曝气调控精准度。
17、在一种可选的实施方式中,基于实际曝气量、多个溶解氧浓度预测值和多个氧化还原电位预测值,判断曝气阶段结束前sbr反应池的生化反应是否满足出水合格判定标准,包括:
18、根据实际曝气量,确定sbr反应池所需的风机启动数量和每台风机的启动频率;基于风机启动数量和每台风机的启动频率,获取sbr反应池的多个溶解氧浓度实测值和多个氧化还原电位实测值;当多个溶解氧浓度实测值和多个氧化还原电位实测值满足第一条件、且多个溶解氧浓度预测值和多个氧化还原电位预测值满足第二条件、以及sbr反应池的曝气时长等于最小安全运行时长,确定曝气阶段结束前sbr反应池的生化反应满足出水合格判定标准。
19、本发明提供的污水处理智能协同调控方法,基于实际曝气量匹配风机启动数量与单台风机频率,能够将理论曝气量转化为风机集群可执行的设备运行参数,实现了气量需求到设备调度的自动换算。进一步,根据风机运行参数采集溶解氧浓度实测值和氧化还原电位实测,实现了曝气过程真实生化参数的同步获取,进而能够形成预测趋势与现场实测的对照数据源。进一步,当同时满足实测参数达标、预测参数趋势平缓、曝气达到最小安全时长三重条件才判定反应完成,从实时现状、未来演化趋势、基础反应安全底线三个维度校验反应终点,避免了瞬时传感器噪声、短时负荷冲击造成的提前停机出水超标。因此,通过实施本发明,通过联合风机设备调度数据、现场实时生化数据、时序预测趋势数据三重条件联合判定,大幅降低了曝气终点误判概率,平衡了出水达标安全性与曝气节能需求。
20、在一种可选的实施方式中,该方法还包括:
21、当曝气阶段结束前sbr反应池的生化反应不满足出水合格判定标准,延长sbr反应池在曝气阶段的曝气时长,并返回对sbr反应池在曝气阶段的曝气量进行预测的步骤,反复迭代,直至曝气阶段结束前sbr反应池的生化反应满足出水合格判定标准。
22、本发明提供的污水处理智能协同调控方法,当曝气未达标时通过自动延长曝气时长,并循环执行曝气量预测、终点判定流程,直至生化反应完全达标,形成了曝气判定、延长、再判定闭环迭代,杜绝了因单次判定未达标直接进入沉淀阶段导致出水超标。因此,通过实施本发明,保障了生化降解反应充分完成,提升了出水水质稳定达标率。
23、第二方面,本发明提供了一种污水处理智能协同调控系统,该系统包括:智能调控平台、现场设备、曝气风机集群、sbr反应池和多个传感器,多个传感器包括布设水质传感器、环境传感器、池内状态传感器、设备运行采集终端;智能调控平台分别与现场设备、曝气风机集群和多个传感器通信连接,sbr反应池分别与现场设备、曝气风机集群和多个传感器通信连接;多个传感器,用于采集sbr反应池的多个运行参数,并将多个运行参数发送至智能调控平台;智能调控平台,用于执行上述第一方面或其对应的任一实施方式的污水处理智能协同调控方法。
24、本发明提供的污水处理智能协同调控系统,通过多类传感器,能够全域采集水质、环境、池内状态、设备运行多维度参数,为智能调控平台提供了完整现场工况采集渠道。进一步,通过智能调控平台分别与现场设备、曝气风机集群和多个传感器通信连接,打通了控制指令下行传输通道,进而智能调控平台可以直接下发工序启停、风机台数与频率调节控制指令,实现了全工序自动化执行,无需人工现场操作设备。进一步,通过sbr反应池分别与现场设备、曝气风机集群和多个传感器通信连接,形成了现场执行、供氧、数据感知一体化硬件载体,能够完整承载缺氧、曝气、沉淀、滗水全序批式污水处理工艺,进而能够保障各调控指令能够作用于污水生化处理过程。进一步,通过智能调控平台执行污水处理智能协同调控方法,实现了sbr污水处理自动化、自适应运行。因此,通过实施本发明,通过构建感知采集端、智能控制端、处理池体一体化硬件调控架构,实现了sbr全工序自适应智能调控。
25、在一种可选的实施方式中,智能调控平台,还用于当存在异常情况时,自动切换为传统定时定频手动运行模式,并利用传统定时定频手动运行模式,对sbr反应池的污水进行协同调控处理,其中,异常情况为sbr反应池中任一传感器异常、模型预测偏差不满足要求、现场出现紧急工况中的一种或多种。
26、本发明提供的污水处理智能协同调控方法,当传感器异常、模型预测偏差超标、现场紧急工况下自动切换传统定时定频手动模式,通过设置双运行模式切换机制,在智能调控链路故障时能够无缝切换传统运行方式,保障了污水处理系统不间断连续运行。因此,通过实施本发明,通过增加应急手动备份运行逻辑,提升了整套污水处理调控系统的鲁棒性与运行容错能力,规避了智能模块异常造成污水处理停机风险。
27、第三方面,本发明提供了一种计算机程序产品,包括计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的污水处理智能协同调控方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com