首页 / 专利库 / 诊断设备和程序 / Q-T间期 / 基于来水预测的污水处理提升泵优化调度控制方法

基于来预测的污水处理提升优化调度控制方法

阅读:1033发布:2020-06-07

专利汇可以提供基于来预测的污水处理提升优化调度控制方法专利检索,专利查询,专利分析的服务。并且本 发明 公开一种基于来 水 预测的污 水处理 提升 泵 优化调度控制方法。所述的方法为:根据污水池水位 数据库 和当地24小时降水量数据库的历史数据,建立污水来水量的 预测模型 ;采集污水池的参数,包括:污水池允许的最大水位和最小水位, 提升泵 的额定排水量、数量和期望运行时长;实时监测污水池当前水位,利用当前水位通过建立污水来水量的预测模型对未来预定时间内污水来水量进行预测;利用预测结果计算出相应时刻需要开启的提升泵数量。本发明通过控制中心智能控制提升泵的启停,实现污水提升泵的无人值守,降低人工成本。,下面是基于来预测的污水处理提升优化调度控制方法专利的具体信息内容。

1.一种基于来预测的污水处理提升优化调度控制方法,其特征在于,所述的方法为:
根据污水池水位数据库和当地24小时降水量数据库的历史数据,建立污水来水量的预测模型
采集污水池的参数,包括:污水池允许的最大水位和最小水位,提升泵的额定排水量、数量和期望运行时长;
实时监测污水池当前水位,
利用当前水位通过建立污水来水量的预测模型对未来预定时间内污水来水量进行预测;
利用预测结果计算出相应时刻需要开启的提升泵数量。
2.如权利要求1所述的基于来水预测的污水处理提升泵优化调度控制方法,其特征在于,所述的污水来水量预测模型是按下述方法构建的:
2a)建立污水池水位的历史数据库H,按时间顺序存放每分钟采样得到水位h(t),历史数据的跨度为N年;
2b)建立当地降水量的数据库R,数据来自于当地的气象台测量的每小时实际降水量,数据按时间顺序依次保存;
2c)建立降水对污水池水位变化的预测模型;
用δr表示降水导致的污水池水位变化值,那么t时刻的一小时内来水位变化值用ri表示i时刻的小时降水量,把该时刻前溯3小时到后溯K小时的每
小时降水量r-3,r-2,r-1,r0,r1,…,rK-1作为BP神经网络的输入,把自当前时刻起K小时内的每小时水位变化δr,0,δr,1,…δr,K-1作为BP神经网络的输出,隐层和输出层神经元采用Sigmoid函数,从数据库H和R构建出训练样本,通过随机梯度下降法训练得到BP神经网络的参数,建成降水对污水池水位变化的预测模型。
3.如权利要求1所述的基于来水预测的污水处理提升泵优化调度控制方法,其特征在于,所述的优化调度算法是:
3a)基于当前水位、当天日期、前3小时实测降水量和后K小时降水量预报,通过模型预测出未来预定时间段内的污水池水位变化率Q(t),t表示时间;
3b)根据实际生产中,当地城市用电峰谷差异化收费政策,分时段考虑:
A、用电的峰段,污水处理池水位应尽量保持在高水位,调度方法为:
B、用电的谷段,污水处理池水位应尽量保持在低水位,调度方法为:
式中,T为提升泵的期望运行时长,单位为分钟;q为提升泵额定排水量除以污水池截面积后的商,单位为米/分钟;n为提升泵开启的数量;h为污水池的当前水位,单位为米;Hmax为允许的污水池最高水位,单位为米;Hmin为允许的污水池最低水位,单位为米;t表示时间。
4.如权利要求1所述的基于来水预测的污水处理提升泵优化调度控制方法,其特征在于,预测出未来预定时间段内的污水池水位变化率Q(t)的方法为:
41)计算当前水位变化率
其中h(t)和h(t-3)分别为t时刻和t-3时刻的污水池水位数据
42)计算当天的历史参考水位变化Qd(t):
从历史数据库Q中选出当前日期起前溯10天的数据,和往年数据中从当前日期起前溯
10天到后溯10天的共21天数据,合起来构成观察空间,对观察空间内的数据计算每时刻的均值,即
其中Qi,j(t)表示第i年前(0表示当年),当前日期向后推第j天(j为负数时表示向前推),t时刻的水位变化率。
43)计算水位变化的工作日修正量δw(t):
Q中的每个数据携带有工作日标签W,从Q中挑选出W标签相同的日期,分别对W=0的数据计算均值,得到QW=0(t);对W=1的数据计算均值,得到QW=1(t);以及对包括工作日和非工作日在内的所有日期计算均值,得到Qall(t)
那么,
44)计算提升泵的期望运行时长内的雨情修正量δr(t):
对于当前时刻t,把实测的前三小时降水量数据和天气预报的后K个小时降水量数据组成输入数据,送入神经网络模型,得到预测的K小时内的雨情修正量δr(t)。K的取值为CEIL(T/60),CEIL表示上取整函数。这里T为提升泵的期望运行时长,单位为分钟。
45)综合得到水位变化的预测结果:

说明书全文

基于来预测的污水处理提升优化调度控制方法

技术领域:

[0001] 本发明涉及污水处理技术领域,具体地,特别涉及一种污水处理提升泵调度控制方法。背景技术:
[0002] 1)随着我国经济发展和城镇化的推进,对城市污水处理的需求日益增加。当前我国虽然在城市污水处理厂的建设方面取得了较大的进展,但是大部分污水处理厂都存在自动化水平低、轻视过程管理、能耗高、运维成本高等问题。
[0003] 2)污水提升泵的启闭工况决定了污水处理系统的进水量,对污水处理运行的平稳性和能耗具有重要的影响,而且提升泵本身也是污水处理系统中仅次于鼓机的第二大能耗设备系统,对其工作过程做优化控制和管理,对实现污水处理厂的智能管控、节能降本、无人值守这三重目标有极重要的作用和意义。
[0004] 3)在实际生产过程中,城镇用电收费通常执行峰谷电价政策,即将一天24小时划分为两个时段,上午到晚上为峰段,执行高资费,夜间到清晨为谷段,执行低资费。在保证污水处理平稳性的前提下,通过污水提升泵的合理调度,让更多的污水在谷段得到处理,有利于节约电费。
[0005] 4)在污水处理提升泵调度控制的时候,还要确保污水池的水位既不过高也不过低。城镇居民用水的周期性规律,周边企业的排水习惯,渗入排污管网的地表水流量变化情况,是污水池水位周期性变化或突发性变化的主要因素。对这些因素的有效预测,可以增进污水处理提升泵自动调度的合理性。

发明内容

[0006] 为克服上述缺陷,本发明的目的在于提供基于污水来水量预测的污水处理提升泵优化调度控制算法,以使得保持污水处理稳定运行的同时,实现能耗成本的降低。
[0007] 为实现上述目的,本发明基于来水预测的污水处理提升泵优化调度控制方法,为:
[0008] 根据污水池水位数据库和当地24小时降水量数据库的历史数据,建立污水来水量的预测模型
[0009] 采集污水池的参数,包括:污水池允许的最大水位和最小水位,提升泵的额定排水量、数量和期望运行时长;
[0010] 实时监测污水池当前水位,
[0011] 利用当前水位通过建立污水来水量的预测模型对未来预定时间内污水来水量进行预测;
[0012] 利用预测结果计算出相应时刻需要开启的提升泵数量。
[0013] 较佳的,所述的污水来水量预测模型是按下述方法构建的:
[0014] 2a)建立污水池水位的历史数据库H,按时间顺序存放每分钟采样得到水位h(t),历史数据的跨度为N年;
[0015] 2b)建立当地降水量的数据库R,数据来自于当地的气象台测量的每小时实际降水量,数据按时间顺序依次保存;
[0016] 2c)建立降水对污水池水位变化的预测模型;
[0017] 用δr表示降水导致的污水池水位变化值,那么t时刻的一小时内来水位变化值用ri表示i时刻的小时降水量,把该时刻前溯3小时到后溯K小时的每小时降水量r-3,r-2,r-1,r0,r1,…,rK-1作为BP神经网络的输入,把自当前时刻起K小时内的每小时水位变化δr,0,δr,1,…δr,K-1作为BP神经网络的输出,隐层和输出层神经元采用Sigmoid函数,从数据库H和R构建出训练样本,通过随机梯度下降法训练得到BP神经网络的参数,建成降水对污水池水位变化的预测模型。
[0018] 较佳的,所述的优化调度算法是:
[0019] 3a)基于当前水位、当天日期、前3小时实测降水量和后K小时降水量预报,通过模型预测出未来预定时间段内的污水池水位变化率Q(t),t表示时间;
[0020] 3b)根据实际生产中,当地城市用电峰谷差异化收费政策,分时段考虑:
[0021] A、用电的峰段,污水处理池水位应尽量保持在高水位,调度方法为:
[0022]
[0023] B、用电的谷段,污水处理池水位应尽量保持在低水位,调度方法为:
[0024]
[0025] 式中,T为提升泵的期望运行时长,单位为分钟;q为提升泵额定排水量除以污水池截面积后的商,单位为米/分钟;n为提升泵开启的数量;h为污水池的当前水位,单位为米;Hmax为允许的污水池最高水位,单位为米;Hmin为允许的污水池最低水位,单位为米;t表示时间。
[0026] 较佳的,预测出未来预定时间段内的污水池水位变化率Q(t)的方法为:
[0027] 41)计算当前水位变化率
[0028]
[0029] 其中h(t)和h(t-3)分别为t时刻和t-3时刻的污水池水位数据
[0030] 42)计算当天的历史参考水位变化Qd(t):
[0031] 从历史数据库Q中选出当前日期起前溯10天的数据,和往年数据中从当前日期起前溯10天到后溯10天的共21天数据,合起来构成观察空间,对观察空间内的数据计算每时刻的均值,即
[0032]
[0033] 其中Qi,j(t)表示第i年前(0表示当年),当前日期向后推第j天(j为负数时表示向前推),t时刻的水位变化率。
[0034] 43)计算水位变化的工作日修正量δw(t):
[0035] Q中的每个数据携带有工作日标签W,从Q中挑选出W标签相同的日期,分别对W=0的数据计算均值,得到QW=0(t);对W=1的数据计算均值,得到QW=1(t);以及对包括工作日和非工作日在内的所有日期计算均值,得到Qall(t)
[0036] 那么,
[0037] 44)计算提升泵的期望运行时长内的雨情修正量δr(t):
[0038] 对于当前时刻t,把实测的前三小时降水量数据和天气预报的后K个小时降水量数据组成输入数据,送入神经网络模型,得到预测的K小时内的雨情修正量δr(t)。K的取值为CEIL(T/60),CEIL表示上取整函数。这里T为提升泵的期望运行时长,单位为分钟。
[0039] 45)综合得到水位变化的预测结果:
[0040] 本发明利用液位传感器采集液位数据传至控制中心,控制中心将数据传至处理中心,处理中心通过以上优化算法实时计算,得出相应时刻需要开启的提升泵数量,并传至控制中心。控制中心根据当前提升泵的开启情况,确定并控制需要开启和关闭的提升泵。其具有以下优点:
[0041] 1、本发明通过优化调度算法,有效的降低污水处理过程的中的用电成本;
[0042] 2、本发明通过控制中心智能控制提升泵的启停,实现污水提升泵的无人值守,降低人工成本。
[0043] 3、本发明支持水泵设备手动控制、自动控制、远程控制水泵的启停,支持远程切换控制模式。附图说明:
[0044] 图1是BP神经网络模型结构图
[0045] 图2污水池水位变化的预测流程
[0046] 图3是提升泵运行控制流程图

具体实施方式

[0047] 下面结合附图,对本发明做进一步的说明。
[0048] 本发明的方法是,利用液位传感器采集液位数据传至控制中心,控制中心将数据传至处理中心对污水来量进行预测和优化算法实时计算,得出相应时刻需要开启的提升泵数量,并传至控制中心。控制中心根据当前提升泵的开启情况,确定并控制需要开启和关闭的提升泵。控制提升泵开启和关闭的方法为自动控制、手动控制或远程控制中的一种。若不需要切换提升泵,则继续采集液位数据,进行下一时刻的优化调度计算。
[0049] 图1是BP神经网络模型结构图。它是一种多层前馈神经网络信号前向传送,误差反向传播。x1,x2,…xn是它在输入层的输入数据,y1,y2,…ym是它在输出层的输出,中间设置1个隐层,wij是输入层到隐层的网络权值,wjk是隐层到输出层的网络权值。
[0050] 图2是污水池水位变化的预测流程图。其中实线表示数据的在线计算,虚线表示数据的存储和模型的离线计算。可以看到包含以下步骤:
[0051] (1)数据存储和建模
[0052] 1a)建立污水池水位的历史数据库H,按时间顺序存放每分钟采样得到水位h(t),历史数据的跨度为N年(推荐N≥3)。对于自底而上横截面积保持不变的污水池,其单位时间的来水量正比于单位时间的水位变化。
[0053] 1b)建生产水位变化率数据库Q。它的每个数据由H差分而得,即把后时刻的水位减去前时刻的水位。用Q(t)表示污水池在第t个时刻的水位变化率,单位为米/分钟。同时,为数据库中的每个数据添加工作日标签W,标签值等于0表示为非工作日(双休日、法定节假日),标签值等于1表示为工作日。
[0054] 1c)建立当地降水量的数据库R,数据来自于当地的气象台测量的每小时实际降水量,数据按时间顺序依次保存。
[0055] 1d)建立降水对污水池水位变化的预测模型。
[0056] 用δr表示降水导致的污水池水位变化值,那么t时刻的一小时内来水位变化值用ri表示i时刻的小时降水量,把该时刻前溯3小时到后溯K小时的每小时降水量r-3,r-2,r-1,r0,r1,…,rK-1作为BP神经网络的输入,把自当前时刻起K小时内的每小时水位变化δr,0,δr,1,…δr,K-1作为BP神经网络的输出,隐层和输出层神经元采用Sigmoid函数,从数据库H和R构建出训练样本,通过随机梯度下降法训练得到BP神经网络的参数,建成降水对污水池水位变化的预测模型。
[0057] (2)污水池水位变化的预测
[0058] 预测未来t时刻的污水池水位变化率Q(t),我们先用当前水位变化率 去预测未来的水位变化率;再用概率统计方法得到t时间的历史参考水位变化率Qd(t),以此经验数据去预测未来的水位变化率,;再考虑工作日和非工作日的水位变化规律的差异,加入修正量δw(t);再根据t时刻之前的降水量实时数据和t时刻之后气象台给出的降水量预报,送入训练后的神经网络,预测出降水带来的水位影响δr(t)。最后对 Qd(t),δw(t),δr(t)进行加权合并。
[0059] 具体实现方式为:
[0060] 2a)计算当前水位变化率
[0061]
[0062] 其中h(t)和h(t-3)分别为t时刻和t-3时刻的污水池水位数据
[0063] 2b)计算当天的历史参考水位变化Qd(t):
[0064] 从历史数据库Q中选出当前日期起前溯10天的数据,和往年数据中从当前日期起前溯10天到后溯10天的共21天数据,合起来构成观察空间,对观察空间内的数据计算每时刻的均值,即
[0065]
[0066] 其中Qi,j(t)表示第i年前(0表示当年),当前日期向后推第j天(j为负数时表示向前推),t时刻的水位变化率。
[0067] 2c)计算水位变化的工作日修正量δw(t):
[0068] Q中的每个数据携带有工作日标签W,从Q中挑选出W标签相同的日期,分别对W=0的数据计算均值,得到QW=0(t);对W=1的数据计算均值,得到QW=1(t);以及对包括工作日和非工作日在内的所有日期计算均值,得到Qall(t)
[0069] 那么,
[0070] 2d)计算提升泵的期望运行时长内的雨情修正量δr(t):
[0071] 对于当前时刻t,把实测的前三小时降水量数据和天气预报的后K个小时降水量数据组成输入数据,送入神经网络模型,得到预测的K小时内的雨情修正量δr(t)。K的取值为CEIL(T/60),CEIL表示上取整函数。这里T为提升泵的期望运行时长,单位为分钟。
[0072] 2e)综合得到水位变化的预测结果:
[0073] 其中系数α1,α2,α3,α4的取值依次为0.4、0.6、1、0.6。
[0074] 图3是提升泵运行控制流程图。可以看出,本发明所述污水处理提升泵优化调度方法,包含以下步骤:
[0075] 确定污水池允许的最大水位和最小水位,提升泵的额定排水量、数量和期望运行时长,输入至处理单元;
[0076] 根据污水池水位数据库和当地24小时降水量数据库的历史数据,建立污水来水量的数学模型。
[0077] 采集液位数据,并将液位数据传至控制单元;
[0078] 由控制单元将液位数据传至处理单元;
[0079] 处理单元通过优化调度算法对液位数据进行计算处理:
[0080] 5a)首先基于当前水位、当天日期、前3小时实测降水量和后K小时降水量预报,通过模型预测出未来一段时间内的污水池水位变化率Q(t)。
[0081] 5b)根据实际生产中,当地城市用电峰谷差异化收费政策,分时段考虑:
[0082] A、用电的峰段,污水处理池水位应尽量保持在高水位,调度方法为:
[0083]
[0084] B、用电的谷段,污水处理池水位应尽量保持在低水位,调度方法为:
[0085]
[0086] 式中,T为提升泵的期望运行时长,单位为分钟;q为提升泵额定排水量除以污水池截面积后的商,单位为米/分钟;n为提升泵开启的数量;h为污水池的当前水位,单位为米;Hmax为允许的污水池最高水位,单位为米;Hmin为允许的污水池最低水位,单位为米;t表示时间。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈