一种制造企业能源中心水处理控制系统及方法

技术领域

本发明涉及企业能源中心水处理领域，尤其是涉及一种制造企业能源中心水处理控制系统及方法。

背景技术

水处理是通过物理、化学和生物等手段，调整水质，使水质达标，以满足生产和生活需要的全过程。

水处理领域涉及的范围分为自来水的生产及供应，污水处理及再生利用，其他水处理、利用与分配等三大类。

制造企业水处理过程是一个典型的非线性、多变量、高湍流度的复杂系统。强干扰增加了制造企业水处理过程的控制难度。现有技术中，污水处理参考模型1号，即BSM1，提供了一种适用于制造企业水处理的系统，如图1所示，其由5个生化反应池和1个二次沉淀池组成，该结构模拟A/O流程。反应池中的基本生化反应过程。

其中5个生化反应池分为缺氧和好氧，溶解氧作为污水处理过程中的核心控制变量，在污水处理过程中起着重要作用，但在实际过程中，仍采用人工调节来改变污水中溶解氧浓度。调节过程容易过度，从而降低了生化反应的质量。

发明内容

本发明的目的就是为了提供一种制造企业能源中心水处理控制系统及方法，通过将第i个反应池相比于第i-1个反应池的溶解量增加量，第i-1个反应池相比于第i-2个反应池的溶解量增加量，第i个反应池的溶解氧，以及第i个反应池的曝气设备的相对曝气量，作为状态模型的输入向量，提高了曝气设备切换的平顺性，从而提高控制效果。

本发明的目的可以通过以下技术方案来实现：

一种制造企业能源中心水处理控制系统，包括：

数据服务层，包括数据采集模块和数据存储模块，所述数据采集模块被配置为采集所有反应池的仪表数据和设备状态数据，所述数据存储模块被配置为存储各反应池的仪表数据和设备状态数据，其中，所述反应池共设有五个，前两个为缺氧反应池，后三个为好氧反应池；

中间处理层，包括数据读取模块和数据处理模块，所述数据读取模块被配置读取数据存储模块中的数据并转发至数据处理模块，所述数据处理模块被配置根据所有反应池的仪表数据和设备状态数据生成各好氧反应池曝气设备的控制参数；

界面显示层，被配置为显示反应池的仪表数据和设备状态数据；

所述数据处理模块被配置具体实现以下步骤：

从数据存储模块读取从所有反应池的仪表数据和设备状态数据，其中，所述仪表数据包括溶解氧数据，所述设备状态数据包括曝气设备的相对曝气量；

计算各相邻反应池的溶解氧差值，并分别构建对应于三个好氧反应池的输入向量，其中，针对第i个反应池的输出入向量至少包括：第i个反应池相比于第i-1个反应池的溶解量增加量，第i-1个反应池相比于第i-2个反应池的溶解量增加量，第i个反应池的溶解氧，以及第i个反应池的曝气设备的相对曝气量；

将输入向量输入至对应的状态模型，接收由状态模型输出的控制参数，并基于该控制参数控制对应反应池的曝气设备。

所述控制参数为相对曝气量的调整值，基于该控制参数控制对应反应池的曝气设备具体包括：

基于相对曝气量的调整值和当前相对曝气量得到目标相对曝气量；

根据目标相对曝气量，结合反应池内的污水容积，确定曝气流量。

所述界面显示层提供图形交互界面。

所述界面显示层还包括移动终端。

所述状态模型为卷积神经网络。

一种制造企业能源中心水处理控制方法，包括：

读取从所有反应池的仪表数据和设备状态数据，其中，所述反应池共设有五个，前两个为缺氧反应池，后三个为好氧反应池，所述仪表数据包括溶解氧数据，所述设备状态数据包括曝气设备的相对曝气量；

计算各相邻反应池的溶解氧差值，并分别构建对应于三个好氧反应池的输入向量，其中，针对第i个反应池的输出入向量至少包括：第i个反应池相比于第i-1个反应池的溶解量增加量，第i-1个反应池相比于第i-2个反应池的溶解量增加量，第i个反应池的溶解氧，以及第i个反应池的曝气设备的相对曝气量；

将输入向量输入至对应的状态模型，接收由状态模型输出的控制参数，并基于该控制参数控制对应反应池的曝气设备。

一种可读存储介质，其上存储有程序，该程序被处理器执行时实现如上述的方法。

与现有技术相比，本发明具有以下有益效果：

1)通过将第i个反应池相比于第i-1个反应池的溶解量增加量，第i-1个反应池相比于第i-2个反应池的溶解量增加量，第i个反应池的溶解氧，以及第i个反应池的曝气设备的相对曝气量，作为状态模型的输入向量，提高了曝气设备切换的平顺性，从而提高控制效果。

2)利用相对曝气量进行换算，可以简化状态模型的数据结构，降低对于处理芯片的算力要求。

附图说明

图1为水处理系统的结构示意图；

图2为本发明系统的结构示意图；

图3为控制流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

一种制造企业能源中心水处理控制系统，其以计算机系统的形式实现，如图2所示，包括：

数据服务层，包括数据采集模块和数据存储模块，数据采集模块被配置为采集所有反应池的仪表数据和设备状态数据，数据存储模块被配置为存储各反应池的仪表数据和设备状态数据，其中，反应池共设有五个，前两个为缺氧反应池，后三个为好氧反应池，缺氧反应池没有曝气设备，好氧反应池配置了曝气设备；

中间处理层，包括数据读取模块和数据处理模块，数据读取模块被配置读取数据存储模块中的数据并转发至数据处理模块，数据处理模块被配置根据所有反应池的仪表数据和设备状态数据生成各好氧反应池曝气设备的控制参数；

界面显示层，被配置为显示反应池的仪表数据和设备状态数据；

通过将第i个反应池相比于第i-1个反应池的溶解量增加量，第i-1个反应池相比于第i-2个反应池的溶解量增加量，第i个反应池的溶解氧，以及第i个反应池的曝气设备的相对曝气量，作为状态模型的输入向量，提高了曝气设备切换的平顺性，从而提高控制效果。

如图3所示，数据处理模块被配置具体实现以下步骤：

从数据存储模块读取从所有反应池的仪表数据和设备状态数据，其中，仪表数据包括溶解氧数据，设备状态数据包括曝气设备的相对曝气量；

计算各相邻反应池的溶解氧差值，并分别构建对应于三个好氧反应池的输入向量，其中，针对第i个反应池的输出入向量至少包括：第i个反应池相比于第i-1个反应池的溶解量增加量，第i-1个反应池相比于第i-2个反应池的溶解量增加量，第i个反应池的溶解氧，以及第i个反应池的曝气设备的相对曝气量；

将输入向量输入至对应的状态模型，接收由状态模型输出的控制参数，并基于该控制参数控制对应反应池的曝气设备。

具体的，控制参数为相对曝气量的调整值，基于该控制参数控制对应反应池的曝气设备具体包括：基于相对曝气量的调整值和当前相对曝气量得到目标相对曝气量；根据目标相对曝气量，结合反应池内的污水容积，确定曝气流量。

界面显示层提供图形交互界面。在一些实施例中，界面显示层还包括移动终端。

在一些实施例中，状态模型为卷积神经网络。当然在其他实施例中也可以采用其他模型，例如长期记忆网络等，但是经过仿真实验，卷积神经网络的控制平顺性最佳，网络包括四个输入节点和一个输出节点，四个输入节点分别对应于第i个反应池相比于第i-1个反应池的溶解量增加量，第i-1个反应池相比于第i-2个反应池的溶解量增加量，第i个反应池的溶解氧，以及第i个反应池的曝气设备的相对曝气量，一个输出节点对应于控制参数，由于本申请中水处理系统存在三个好氧反应池，因此，共有三个状态模型。

本实施例中，具体的仿真过程使用MATLAB/Simulink实现BSM1。