基于卡尔曼滤波的膜系统预警调控方法及介质与流程

本发明涉及膜系统预警调控领域，更具体地，涉及一种基于卡尔曼滤波的膜系统预警调控方法及介质。

背景技术：

1、膜生物反应器是一种将活性污泥法与膜分离技术相结合的废水处理技术，具有出水水质好、负荷高和占地面积小等优点。

2、但是，膜污染会引起跨膜压差的上升和膜通量的下降，导致膜性能的下降，降低膜的使用寿命，增加运行能耗和使用费用。

3、因此，为减少膜污染的发生，有必要开发一种基于卡尔曼滤波的膜系统预警调控方法及介质。

4、公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

1、本发明提出了一种基于卡尔曼滤波的膜系统预警调控方法及介质，通过膜污染物理经验模型与卡尔曼滤波进行耦合，实现对膜污染过程变量的多步预测。解决了膜污染难以预测的问题，减轻膜污染造成的危害，保障了mbr系统安全稳定高效运行。

2、第一方面，本公开实施例提供了一种基于卡尔曼滤波的膜系统预警调控方法，包括：

3、建立基于ln函数的膜污染物理模型；

4、将所述膜污染物理模型代入卡尔曼滤波模型，获得预测的跨膜压差；

5、设置多个预警限值，若所述跨膜压差大于所述预警限值，则针对相应的膜过程阶段进行预警；

6、针对膜清洗顺序进行重新排序，实现膜生物反应器-多个膜组器清洗顺序的动态调控。

7、优选地，基于ln函数的膜污染物理模型为：

8、ln(t)＝ln(t0)+kt

9、其中，t为膜生物反应器在运行过程中的跨膜压差，t0为初始时刻膜生物反应器在运行过程中的跨膜压差，k为膜污染系数，t为时间。

10、优选地，所述卡尔曼滤波模型为：

11、ai＝ciai-1+aivi+ri

12、si＝ciai+mi

13、其中，ai表示预测值，ci表示状态转移矩阵，ai表示控制矩阵，vi表示控制函数，vi＝δt；ri表示过程噪声，si为系统观测值；mi表示观测噪声。

14、优选地，将所述膜污染物理模型代入卡尔曼滤波模型，获得预测的跨膜压差包括：

15、针对所述卡尔曼滤波模型进行单步时间预测；

16、更新滤波，采用当前时刻的观测值和预测值之差对当前时刻的预测值进行校正；

17、针对滤波进行多步时间预测。

18、优选地，单步时间预测为：

19、

20、bi|i-1＝cibi-1|i-1cti+di

21、其中，为先验值；bi|i-1为系统观测值与模型预测值偏差的先验协方差。

22、优选地，采用当前时刻的观测值和预测值之差对当前时刻的预测值进行校正包括：

23、ei＝bi|i-1cti(cibi|i-1cti+pi)-i

24、

25、bi|i＝(i-eici)bi|i-1

26、其中，ei为卡尔曼增益；bi即为后验协方差；即为滤波估计，i为状态转移矩阵，

27、优选地，针对滤波进行多步时间预测包括：

28、从当前时刻开始搜索历史相同时间间隔的时间段，计算与当前运行阶段的百分比平均相对误差，寻找满足历史日期时间段[t-δt，t]与当前运行阶段的百分比平均相对误差最小的时段作为伪观测值的定位日期；

29、未来预测时间段δt的伪观测值等于定位的历史日期末端时刻t，寻找t+δt的数据作为预测数据的伪测量值数据；

30、在预测过程中，以伪测量sdm值替代系统观测值si进行滤波估计的计算。

31、优选地，针对膜清洗顺序进行重新排序包括：

32、根据预测的跨膜压差计算增长速率，确定膜清洗顺序。

33、优选地，增长速率为：

34、

35、其中，prate为增长速率，tt1为时刻t1对应的跨膜压差，tt2为时刻t2对应的跨膜压差。

36、第二方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的基于卡尔曼滤波的膜系统预警调控方法。

37、其有益效果在于：

38、本发明将膜污染模型耦合在卡尔曼滤波公式中，结合伪观测值判定方法，实现了拉尔曼滤波的多步预测过程，提高了膜污染预测的精度和性能。此外还为膜清洗的先后顺序排列提供数据支撑，实现动态膜清洗顺序的调控，解决固定周期固定顺序清洗带来的膜污染严重超量清洗以及严重膜污染的系列清洗不足的问题。本发明大大的降低了膜污染处理成本，提高mbr的使用效能，保证了污水处理厂安全稳定高效运行。

39、本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。

技术特征：

1.一种基于卡尔曼滤波的膜系统预警调控方法，其特征在于，包括：

2.根据权利要求1所述的基于卡尔曼滤波的膜系统预警调控方法，其中，基于ln函数的膜污染物理模型为：

3.根据权利要求2所述的基于卡尔曼滤波的膜系统预警调控方法，其中，所述卡尔曼滤波模型为：

4.根据权利要求1所述的基于卡尔曼滤波的膜系统预警调控方法，其中，将所述膜污染物理模型代入卡尔曼滤波模型，获得预测的跨膜压差包括：

5.根据权利要求4所述的基于卡尔曼滤波的膜系统预警调控方法，其中，单步时间预测为：

6.根据权利要求4所述的基于卡尔曼滤波的膜系统预警调控方法，其中，采用当前时刻的观测值和预测值之差对当前时刻的预测值进行校正包括：

7.根据权利要求6所述的基于卡尔曼滤波的膜系统预警调控方法，其中，针对滤波进行多步时间预测包括：

8.根据权利要求1所述的基于卡尔曼滤波的膜系统预警调控方法，其中，针对膜清洗顺序进行重新排序包括：

9.根据权利要求8所述的基于卡尔曼滤波的膜系统预警调控方法，其中，增长速率为：

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-9中任一项所述的基于卡尔曼滤波的膜系统预警调控方法。

技术总结
本申请公开了一种基于卡尔曼滤波的膜系统预警调控方法及介质。该方法可以包括：建立基于ln函数的膜污染物理模型；将膜污染物理模型代入卡尔曼滤波模型，获得预测的跨膜压差；设置多个预警限值，若跨膜压差大于预警限值，则针对相应的膜过程阶段进行预警；针对膜清洗顺序进行重新排序，实现膜生物反应器‑多个膜组器清洗顺序的动态调控。本发明通过膜污染物理经验模型与卡尔曼滤波进行耦合，实现对膜污染过程变量的多步预测。解决了膜污染难以预测的问题，减轻膜污染造成的危害，保障了MBR系统安全稳定高效运行。

技术研发人员：王浩,刘国梁,邱浩然,常江,陈沉
受保护的技术使用者：北京城市排水集团有限责任公司
技术研发日：
技术公布日：2025/2/27