一种污水除硬的AI智能投加液碱方法及系统与流程

本发明涉及污水处理控制技术，尤其涉及了一种污水除硬的ai智能投加液碱方法及系统。

背景技术：

1、在现有的污水处理系统中，硬度去除通常依赖于化学沉淀法，这一过程主要通过向废水中添加化学试剂，如液碱(氢氧化钠)来调节ph值，以促使钙、镁离子形成难溶的沉淀物从而被去除。然而，在传统的操作中，化学试剂的投加量往往依赖于人工经验或简单的固定配比，导致处理过程中的药剂浪费或不足，既增加了运行成本，也降低了处理效果。

2、同时，由于废水来水因素波动大(流量、ph等)，手动控制或传统的自动控制系统无法实时调整药剂投加量以应对来水变化，常导致处理效果不稳定。特别是在大规模处理场景中，人工操作的延迟性和不准确性对处理系统的整体效率和经济性产生了负面影响。

3、如现有技术：cn201310527554.2,其公开了一种深度污水处理系统及处理方法，深度污水处理系统的结构包括中间水池、废水泵、氧化塔、中和脱气池、沉淀池、污泥泵以及污泥浓缩池，氧化塔的顶部分别设置有浓硫酸进料口和芬顿试剂进料口，浓硫酸进料口与浓硫酸加药装置连通，芬顿试剂进料口分别与硫酸亚铁贮存池和双氧水储罐连通；中和脱气池的顶部设置有液碱进药口和助凝剂进料口，液碱进药口与液碱加药装置连通，助凝剂进料口与助凝剂加药装置连通。

4、现有的部分系统虽然尝试引入自动化控制，但大多基于预设的规则或简单的反馈机制，未能充分利用现代ai技术实现实时的、动态的药剂投加优化。这些控制策略在面对复杂的水质波动时表现出响应滞后、控制精度不足的问题。此外，现有的自动化系统通常缺乏对历史数据的有效利用，无法实现长期的学习和优化。

5、目前最接近本发明的是基于反馈控制原理的自动化加药系统。这类系统通常通过监测水质指标(如ph值、硬度)来实时调整液碱的投加量。尽管在一定程度上提高了药剂利用率和处理效果，但其控制逻辑往往简单，难以应对复杂的水质变化。大多数现有技术无法实现基于多参数、多变量的综合优化控制，导致投药精度和系统稳定性较差。此外，这类系统通常需要频繁的人工校正和调试，增加了操作难度和维护成本。

6、有些系统虽然引入了部分智能控制元素，例如使用模糊控制或专家系统进行决策，但其应用范围和适用性仍然有限。主要问题在于这些系统无法充分利用海量的历史数据进行深度学习，缺乏自适应性和自学习能力，使得其在实际应用中依然受限于固定的控制模型，无法随环境的变化灵活调整。

技术实现思路

1、本发明针对现有技术中无法充分利用海量的历史数据进行深度学习，缺乏自适应性和自学习能力，使得其在实际应用中依然受限于固定的控制模型，无法随环境的变化灵活调整的问题，提供了一种污水除硬的ai智能投加液碱方法及系统。

2、为了解决上述技术问题，本发明通过下述技术方案得以解决：

3、一种污水除硬的ai智能投加液碱方法，包括除硬池、液碱加药泵单元、液碱加药泵智能控制柜和智能液碱投加系统；其方法包括：

4、液碱的投加，通过液碱加药泵单元加投液碱至除硬池内；

5、液碱投加频率的控制，通过液碱加药泵控制柜对于控制液碱加药泵单元的液碱投加频率进行控制；并将液碱投加量传递至液碱加药泵控制柜；

6、液碱投加量的确定，通过智能液碱投加系统对控制液碱加药泵单元的频率来控制液碱投加量。

7、作为优选，通过智能液碱投加系统对控制液碱加药泵单元的频率来控制液碱投加量的实现包括：

8、污水除硬的ai智能投加液碱系统数据库的构建，对系统的除硬池进水数据点位参数和液碱加药泵单元数据点位参数进行数据库的构建；

9、液碱投加数据集的准备，通过对输入的原始时间序列数据集进行预处理，采用前序填充原则，对异常数据进行填充修正，得到液碱投加数据集；

10、液碱投加进水端的控制，通过深度学习ltsm进行时间序列的预测来水流量数据、来水ph数据，及完全除硬下所对应的目标ph值和去除率值，从而确定液碱加药泵下个动作周期所执行的频率s’。

11、作为优选，输入的原始时间序列数据集包括除硬池进水ph值时间序列数据ph_in、除硬池进水流量时间序列数据flow_in、液碱加药泵设定频率时间序列数据s、除硬池出水ph值时间序列数据ph_out

12、作为优选，系统的除硬池进水数据点位参数包括进水流量点位数据、进水ph点位数据、出水ph点位数据；液碱加药泵单元数据点位参数包括液碱加药泵设定频率点位数据、液碱加药泵反馈频率点位数据、液碱运行状态点位数据。

13、作为优选，对输入的原始时间序列数据集进行预处理包括：

14、归一化处理，将来水流量数据值归一化到[0,1]区间内，以便于模型训练，输入数据为xt，归一化后的数据xt'为：

15、

16、其中，xmin为来水流量时间序列数据集的最小值，xmax为来水流量时间序列数据集的最大值；

17、来水流量时间序列x的获取，通过对时间窗口，将数据按固定时间窗口t进行划分，形成输入序列x＝[xt-t+1,xt-t+2,...,xt]；

18、数据分割，将输入序列x划分为训练集、验证集和测试集；

19、lstm模型的形成，对于分割后的数据集型lstm模型。

20、作为优选，lstm模型的形成包括：

21、输入层接受预处理后的数据序列x＝[xt-t+1,xt-t+2,...,xt]。

22、lstm层是模型的核心，包含多个记忆单元，用于捕捉数据中的时间依赖性，对于每个时间步t，lstm单元的状态更新公式如下：

23、it＝σ(wi·[ht-1,xt]+bi)

24、ft＝σ(wf·[ht-1,xt]+bf)

25、ot＝σ(wo·[ht-1,xt]+bo)

26、

27、ht＝ot⊙tanh(ct)

28、其中，it、ft和ot分别表示输入门、遗忘门和输出门；ct为细胞状态；ht为隐藏状态；tanh为lstm使用的激活函数；是候选细胞状态；ht-1为前一时刻的隐藏状态；xt为当前时刻的输入序列数据；wi为lstm中输入门的权重矩阵。xt为当前输入，ht-1为前一时刻的隐藏状态，wf为遗忘门的权重矩阵，wo为输出门的权重矩阵；bi为lstm中输入门的偏置项，bf为遗忘门的偏置项，bo为输出门的偏置项；σ为sigmoid激活函数；

29、全连接层将lstm层的输出转换为最终的预测结果：

30、

31、其中，w和b为权重和偏置项，为预测出未来t+1时刻的来水流量数据。

32、模型优化，模型的训练过程包括前向传播和反向传播，损失函数选择均方误差mse，评估模型的预测能力：

33、

34、其中，yi为实际值，为预测值。

35、作为优选，完全除硬下所对应的目标ph值获取包括，

36、hmol＝h/na

37、hd＝hmol/f

38、ph＝-log10(hd)

39、其中，hmol为离子的物质的量，na为阿伏伽德罗常数6.022×1023，f为流量数据；计算不同流量，在对应的标准流量下的ph值；

40、ph为溶液中h+的浓度值，ph＝-log10(h+)。

41、作为优选，去除率r的获取包括：

42、将除硬池进水ph值时间序列数据ph_in与除硬池进水流量时间序列数据flow_in换算成在对应的标准流量下的ph值时间序列数据ph′，并求得t时间序列的平均来水ph；计算t时间序列的平均出水ph；计算t时间序列的液碱加药泵设定频率s，去除率r的计算公式如下：

43、

44、其中，s为液碱加药泵设定频率，ph′为对应的标准流量下的ph值时间序列数据。

45、为了解决上述技术问题，本发明还提供了一种污水除硬的ai智能投加液碱系统，包括除硬池、液碱加药泵单元、液碱加药泵智能控制柜和智能液碱投加系统；其还包括：

46、液碱的投加模块，通过液碱加药泵单元加投液碱至除硬池内；

47、液碱投加频率的控制模块，通过液碱加药泵控制柜对于控制液碱加药泵单元的液碱投加频率进行控制；并将液碱投加量传递至液碱加药泵控制柜；

48、液碱投加量的确定模块，通过智能液碱投加系统对控制液碱加药泵单元的频率来控制液碱投加量。

49、本发明由于采用了以上技术方案，具有显著的技术效果：

50、本发明针对污水运行中液碱投加工艺的自动控制算法，将所输入的多个运行指标和控制设备调控值形成的多维度时间序列，根据控制设定值来配置决策模型，算法加载决策模型后进行计算，然后输出控制设备的目标调控值。

51、本发明能根据输入的运行指标和设备调控值之间的变化规律和趋势来实时得出所需的液碱投加量，然后根据液碱的投加量调整液碱投加的控制策略。

52、本发明能够实时的检测液碱投加量，其安全性好，成本低，操作简便。