一种一体化污水处理设备智能加药控制系统的制作方法

本发明涉及污水处理，具体为一种一体化污水处理设备智能加药控制系统。

背景技术：

1、随着时代的发展，生活水平不断提高，农村生活污水也不断增加。农村污水作为稳定的淡水资源，利用完备的一体化污水处理设备，可有效实现淡水的循环，缓解水资源危机，减少自然水需要和削弱水环境污染。

2、传统的一体化污水处理设备的电气控制系统主要由纯硬件电路控制或者简单的plc进行控制，对于好氧池和二沉池中间加药这一环节往往通过经验设置固定的加药量。加药量较少会导致二沉池的污水处理效果较差，不能够达到国家规定的污水处理出水标准，过高的加药量，会导致水处理成本上升，污泥量增多，后期二沉池污泥外运频率增大，同时也会造成能源的浪费。

3、加药量的大小目前只能由人工进行经验值计算，参数测量计算周期较长，浪费大量人力物力，且时效性较弱，不能够根据不同时间段的水质参数及时调整加药量的大小，污水不能够得到有效处理，造成出水水质超标和能源的浪费，因此需要针对上述问题进行解决。

技术实现思路

1、针对以上问题，本发明提出一种一体化污水处理设备智能加药控制系统。本发明设计了一套完整的污水处理过程中智能加药控制系统，可有效实现对污水处理过程中加药环节加药量的预测，并控制加药计量泵进行精准加药，以达到提高污水处理效果和节能的目的。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明提出的一体化污水处理设备智能加药控制系统包括：人机交互界面;水质检测传感器采集模块;加药量预测模块;加药计量泵控制模块;数据储存模块;

4、所述人机交互界面与水质检测传感器采集模块、加药量预测模块与加药计量泵控制模块连接，所述水质检测传感器采集模块与加药量预测模块连接，加药量预测模块与加药计量泵控制模块连接,数据储存模块与水质检测传感器采集模块、加药量预测模块和加药计量泵控制模块连接；上述模块均通过485通信接口进行连接。

5、优选的，所述的加药量预测模块采用了模型预测控制方法综合好氧池中的ph值、cod、bod、ss、do、氨氮各项参数，预测一体化污水处理设备污水处理过程中加药环节加药量的大小，从而控制计量泵控制模块进行加药这一过程。

6、优选的，所述的一体化污水处理设备加药量预测模块是根据一体化污水处理设备300组历史运行数据采用粒子群优化的bp神经网络算法所建立。模型以好氧池与二沉池历史ph值、历史cod、历史bod、历史ss、历史do、历史氨氮、历史加药量水质参数为输入，以计算出的加药量为输出。

7、优选的，我们利用粒子群优化的bp神经网络对水质参数中的加药量进行预测，bp神经网络属于前馈型神经网络，包括输入层、隐含层和输出层，上层的输出和下层的输入相连接，层与层之间没有反馈。模型的输入为归一化处理后的好氧池与二沉池中的ph值、cod、bod、ss、do、氨氮水质参数，输出为预测的加药量。其处理主要包括以下过程：

8、（1）接收水质检测传感器采集模块各传感器检测到的水质参数数据，为避免不同的量纲和量纲单位对最总预测结果的影响，对谁知参数进行归一化处理，归一化处理方法如下：

9、；

10、x为原始数据，分别为原始数据集的最大值和最小值；

11、（2）神经网络的初始化，根据设定的神经网络的输入和输出 的序列确定神经网络的输入节点数量n，输出节点的数量m，以及隐含层节点 ，输入层和隐含层之间的连接权值，以及隐含层和输出层之间的连接权值 ，初始化隐含层阈值 a，输出层阈值b，同时给定学习速率和神经元激励函数；

12、（3）隐含层输出计算，根据神经网络的输入值 x，以及输入层和隐含层之间的连接权值和设定的隐含层阈值，计算相应的隐含层输出值 h，根据需要选择合理的激励函数，隐含层的输出为：

13、；

14、（4）输出层输出值计算，根据隐含层的输出h以及隐含层和输出层的连接权值和阈值b，得到bp神经网络的输出 ：

15、；

16、（5）计算神经网络的输出误差，根据bp神经网络的输出 和期望输出值y，得到神经网络的预测误差e ：

17、；

18、（6）权值更新，根据计算出的神经网络的预测误差值e以及设定的学习速率η来更新神经网络的连接权值：输入层和隐含层之间的连接权值和隐含层和输出层之间的连接权值 ：

19、；

20、（7）更新阈值，根据神经网络的误差e 来更新网络节点的阈值a，b：

21、；

22、（8）根据期望值判断是否能够达到截至条件，如果不能达到截至条件则返回到步骤3继续。

23、优选的，使用到的粒子群优化算法采用带惯性权重的粒子群优化算法通过最小化评价指标求取在出水达标的最低标准下的加药量。粒子速度，位置迭代公式如下：

24、；

25、其中，为学习因子，为 0 到 1 之间的随机数，为粒子个数，为解的个数；

26、求解最小值适应度函数的惯性权重表达式如下：

27、；

28、分别为预设的最大、最小惯性系数，为第次迭代时所有粒子的平均适应度，为第d次迭代时所有粒子的最小适应度。

29、优选的，使用采集到的300组历史污水水质参数数据来建立加药量预测模型。模型接入系统后，除记录历史污水水质参数外，采集到的参数同时进入建立好的加药量预测模型，将模型进行更新迭代，从而增加预测模型的准确性，模型更新周期时间设定为2小时。

30、优选的，预测值传递至加药计量泵控制模块，从而控制加药计量泵的药剂泵送，达到精准控制加药量的目的。

31、优选的，所述的水质检测传感器采集模块包括好氧池和二沉池中的ph传感器、悬浮固体浓度（ss）传感器、溶解氧（do）传感器、化学需氧量（cod）传感器、生化需氧量（bod）传感器，氨氮传感器。

32、优选的，所述的人机交互界面具有实时监控、预测和控制功能，可实时显示污水处理设备的当前运行状态，包括各项参数监测数据、预测值、报警状态、设备运行效率和加药桶药量等。该界面可通过图表、曲线等形式展示数据，提供远程访问和控制功能，能够对设备进行远程监控、预测和管理，使设备能够自动化、智能化地运行。同时，界面还具有预测模型的训练和优化功能，能够根据用户反馈进行模型调整和优化，提高预测精度和准确性。

33、优选的，数据储存模块可以将水质检测传感器采集到的水质参数、加药量预测信息、加药计量泵状态信息进行储存，并设有数据导出接口，方便后续维护人员对原始数据进行提取，为后续的维护提供一定的数据支持。

34、本发明还提出一种一体化污水处理设备智能加药控制系统，包括以下工作步骤：

35、（1）水质检测传感器采集模块采集污水处理好氧池与二沉池中的ph值、cod、bod、ss和do、氨氮各项参数数据；

36、（2）对采集的参数数据进行预处理，并提取出其中的有用信息。采用数据归一化方法，以便更好地处理和分析数据；

37、（3）确定神经网络的拓扑结构。根据采集到的参数数据，确定输入层、隐含层和输出层的神经元数目和各个层之间的连接方式；

38、（4）根据收集到的数据，利用粒子群优化的bp神经网络进行训练和调整。使用已有的数据进行模型训练和优化，以提高模型的精度和准确性；

39、（5）利用已训练好的模型进行污水处理过程中加药量预测。将采集到的好氧池中的水质参数数据输入到模型中，通过粒子群优化的bp神经网络进行计算和分析，将预测结果进行反归一化处理，最终得到加药量预测值；

40、（6）将预测值传递至加药计量泵控制模块，从而控制加药计量泵的药剂泵送，达到精准控制加药量的目的。同时，采集到的水质参数以及加药量预测值储存至数据储存模块进行数据分析和质量评估。

41、与现有技术相比，本发明具有以下有益效果：本发明提出的一体化污水处理设备智能加药控制系统具有精准预测加药量、精准控制加药计量泵进行加药的特点，保证出水水质的同时，减少了能源的浪费。