一种基于数字化的废水智能排放控制方法与流程

本发明属于废水处理领域，涉及一种控制方法，具体涉及一种基于数字化的废水智能排放控制方法。

背景技术：

1、在废水处理领域，ro(反渗透)技术已被广泛应用，其通过半透膜有效地去除废水中的多种污染物，从而获得高质量的净水。然而，ro系统在运行过程中会产生一定量的浓缩废水，这部分废水的处理成为一个重要问题。传统的废水处理方法通常是通过固定设置的废水阀进行排放，但这种方法缺乏灵活性和精准性，无法根据实际情况动态调整废水阀的开合大小，从而导致废水处理效果不佳和资源浪费。

2、近年来，随着数字化技术的快速发展，一些研究者开始尝试将数字化技术应用于废水处理领域，以期通过智能化的方法来优化废水处理过程。然而，目前现有的数字化废水处理技术还存在一些问题。首先，这些技术通常只是简单地监测和控制废水阀的开关状态，而无法实现废水阀开合大小的精准调节。其次，现有的数字化技术缺乏实时反馈和动态调整的能力，无法根据ro系统的实际运行情况和废水水质的变化来及时调整废水阀的开合大小。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种基于数字化的废水智能排放控制方法，解决了现有的数字化技术缺乏实时反馈和动态调整的能力，无法根据ro系统的实际运行情况和废水水质的变化来及时、快速、精准地调整废水阀的开合大小的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：

3、一种基于数字化的废水智能排放控制方法，包括如下步骤：

4、s1：获取历史数据集，历史数据集包括历史废水数据和历史废水阀最佳开合大小数据；

5、s2：将历史废水数据作为输入、历史废水阀最佳开合大小数据作为输出，对前馈神经网络进行训练，得到训练好的废水监测模型；

6、s3：将实时监测数据输入废水监测模型中，输出废水阀最佳开合大小数据；

7、s4：根据废水阀最佳开合大小数据和调节指令，动态调节废水阀的开合大小。

8、上述方案的有益效果是：

9、(1)本发明通过数字化的方法动态调节废水阀的开合大小，可以实时响应ro系统的运行条件变化，确保废水在最佳状态下排放。这种精准控制避免了传统固定设置废水阀造成的资源浪费和处理效果不佳的问题，从而提高了废水处理的整体效率。

10、(2)本发明通过智能控制算法优化废水阀的开合大小，能够在保证ro系统正常运行的同时，最大限度地减少废水的排放。这不仅有助于节约水资源，还降低了废水处理过程中的能耗和物耗，实现了资源的有效利用。

11、(3)本发明使得操作人员能够及时发现并解决ro系统和废水阀的潜在故障。这种预防性维护策略延长了系统的使用寿命，减少了意外停机时间，从而提高了整个废水处理系统的稳定性和可靠性。

12、(4)本发明可以使得操作人员能够直观轻松地查看ro系统的实时运行状态、废水阀的开合情况以及预警信息。同时，可以根据调节指令，随时动态调节废水阀的开合大小，为操作人员提供了更大的灵活性和便捷性。

13、进一步地：步骤s3之前，方法还包括：

14、通过高精度的传感器，获取初始数据；

15、对初始数据进行预处理和特征提取，得到实时监测数据。

16、上述进一步方案的有益效果是：预处理可以帮助清洗数据，去除重复值、缺失值和异常值，提高数据的准确性和完整性；通过预处理可以提取和选择最相关的特征，减少数据维度和噪音，提高模型的训练效率和预测准确性；对数据进行标准化或归一化可以消除不同特征之间的量纲差异，确保模型训练的稳定性和收敛性；预处理可以通过平滑、聚类等方法降低数据的噪音，提高模型的泛化能力和预测准确性；经过预处理的数据更适合用于机器学习模型的训练和测试，可以提高模型的性能和效果。

17、进一步地：步骤s4具体包括：

18、接收废水阀最佳开合大小数据和调节指令；

19、当只接收到废水阀最佳开合大小数据时，根据废水阀最佳开合大小数据，动态调节废水阀的开合大小，或者，当只接收到调节指令时，根据调节指令，动态调节废水阀的开合大小，或者，当接收到废水阀最佳开合大小数据和调节指令时，根据调节指令，动态调节废水阀的开合大小。

20、上述进一步方案的有益效果是：可以根据废水阀最佳开合大小数据、调节指令动态调节废水阀的开合大小，增加了系统的灵活性。

21、进一步地：s1中的历史废水数据和s3中的实时监测数据包括：源水tds、废水阀孔径大小、产水率、过水流量和时间。

22、进一步地：步骤s2中的前馈神经网络包括：输入层、隐藏层和输出层。

23、进一步地：输入层包括5个节点；隐藏层包含多个神经元，采用非线性激活函数对数据进行变换和传递；输出层采用线性激活函数输出废水阀最佳开合大小数据。

24、进一步地：步骤s2中对前馈神经网络进行训练时，使用反向传播算法和梯度下降优化器来最小化预测值与真实值之间的误差。

25、上述进一步方案的有益效果是：反向传播算法和梯度下降优化器可以帮助神经网络在训练过程中逐渐减小误差，使得神经网络能够收敛到较优的参数值，提高预测的准确性。

26、进一步地：前馈神经网络的层数为l、第l层的权重矩阵为wl、偏差向量为bl、激活函数为σ。

27、进一步地：第l层的前向传播公式为：

28、zl＝wlal-1+bl

29、al＝σ(zl)

30、其中，zl是第l层的加权输入，al是第l层的激活输出，al-1是第l层的前一层的激活输出。

31、进一步地：反向传播算法的误差δl的计算公式为：

32、

33、对于l<l：

34、δl＝((wl+1)tδl+1)⊙σ'(zl)

35、其中，l表示前馈神经网络的层数，l表示第l层前馈神经网络，wl+1表示第l+1层的权重矩阵，zl是第l层的加权输入。

36、上述进一步方案的有益效果是：通过计算误差对各个参数的影响，反向传播算法可以自动调节神经网络中的权重和偏置，使得神经网络能够更好地拟合训练数据；反向传播算法和梯度下降优化器可以利用并行计算的优势，加快神经网络的训练速度，提高效率；通过最小化预测值与真实值之间的误差，反向传播算法和梯度下降优化器可以帮助神经网络提高泛化能力，从而更好地适应新的数据。

技术特征：

1.一种基于数字化的废水智能排放控制方法，其特征在于，所述控制方法包括：

2.根据权利要求1所述的方法，其特征在于，所述步骤s3之前，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述步骤s4具体包括：

4.根据权利要求1和2所述的方法，其特征在于，所述s1中的历史废水数据和所述s3中的实时监测数据包括：源水tds、废水阀孔径大小、产水率、过水流量和时间。

5.根据权利要求1所述的方法，其特征在于，所述步骤s2中的前馈神经网络包括：输入层、隐藏层和输出层。

6.根据权利要求5所述的方法，其特征在于，所述输入层包括5个节点；所述隐藏层包含多个神经元，采用非线性激活函数对数据进行变换和传递；所述输出层采用线性激活函数输出所述废水阀最佳开合大小数据。

7.根据权利要求1所述的方法，其特征在于，所述步骤s2中对前馈神经网络进行训练时，使用反向传播算法和梯度下降优化器来最小化预测值与真实值之间的误差。

8.根据权利要求7所述的方法，其特征在于，所述前馈神经网络的层数为l、第l层的权重矩阵为wl、偏差向量为bl、激活函数为σ。

9.根据权利要求8所述的方法，其特征在于，所述第l层的前向传播公式为：

10.根据权利要求7所述的方法，其特征在于，所述反向传播算法的误差δl的计算公式为：

技术总结本发明公开了一种基于数字化的废水智能排放方法，包括以下步骤：获取历史数据集，历史数据集包括历史废水数据和历史废水阀最佳开合大小数据；将历史废水数据作为输入、历史废水阀最佳开合大小数据作为输出，对前馈神经网络进行训练，得到训练好的废水监测模型；将实时监测数据输入废水监测模型中，输出废水阀最佳开合大小数据；根据废水阀最佳开合大小数据和调节指令，动态调节废水阀的开合大小。本发明通过数字化的方法动态调节废水阀的开合大小，可以确保废水在最佳状态下排放，避免了传统固定设置废水阀造成的资源浪费和处理效果不佳的问题，从而提高了废水处理的整体效率。技术研发人员：杨智程,陈耿,赵雷,胡高航,何东海,孔德伟,范振飞,赵轩受保护的技术使用者：成都清渟科技有限公司技术研发日：技术公布日：2024/9/2