基于智慧水务的污水智能化处理控制系统的制作方法

本发明涉及智慧水务，更具体地说，它涉及基于智慧水务的污水智能化处理控制系统。

背景技术：

1、污水处理是现代城市基础设施的关键组成部分，对于保护环境、保障公共卫生和促进可持续发展至关重要。然而，随着全球人口增长、工业化进程加快以及水资源日益紧张，污水处理面临着前所未有的挑战。现有的污水处理通常包括以下步骤：1.污水预处理：通过格栅和沉砂池去除污水中较大的固体物质(例如塑料袋、砂石等)；2.沉淀处理：通过沉淀池的重力作用将较重的固体物质下沉形成污泥，较轻的物质(例如油脂等)浮到水面形成浮渣去除；3.曝气处理：通过向污水中注入大量的空气，促进好氧微生物消耗污水中的有机物，此外，曝气还可以防止厌氧条件的形成，避免厌氧微生物活动导致的硫化氢等恶臭气体产生；4.加药处理：通过向水中添加化学药剂(例如混凝剂和絮凝剂)促进细小悬浮物的聚集，形成较大颗粒便于去除，此外，还可能添加消毒剂(例如次氯酸钠、臭氧、紫外线等)。

2、然而，现有的污水处理往往侧重于污染物质的去除，并没有考虑到污水处理的运营成本，例如通过增大化学药剂的使用量提高水质，导致污水处理的运营成本增大。

技术实现思路

1、本发明提供基于智慧水务的污水智能化处理控制系统，解决上述背景技术中的技术问题。

2、本发明提供了基于智慧水务的污水智能化处理控制系统，包括：

3、目标参数确定模块，其用于确定污水处理的工艺流程的目标参数；

4、目标参数包括：污泥停留时间、污泥回流比、曝气池中的溶解氧浓度、化学需氧量去除率、氮去除率和磷去除率；

5、成本预测模型构建模块，其用于根据工艺流程的目标参数构建成本预测模型；

6、成本预测模型的输入为工艺流程的目标参数；

7、成本预测模型的输出为工艺流程的成本参数；

8、成本参数包括：能耗成本、化学药剂成本和维护成本；

9、成本预测模型训练模块，其用于通过模拟仿真平台获得用于训练成本预测模型的训练样本；

10、一个训练样本包括：训练数据和样本标签；

11、目标参数优化模块，其用于根据工艺流程的目标参数和训练完成的成本预测模型，通过花斑翠鸟优化算法更新污水处理的工艺流程的目标参数。

12、进一步地，成本预测模型包括：特征提取层、特征融合层和第一分类器、第二分类器和第三分类器；

13、特征提取层包括：第一单元和第二单元；

14、第一单元和第二单元均不共享权重参数和偏置参数；

15、第一单元输入工艺流程的目标参数，输出第一特征；

16、第二单元输入工艺流程的目标参数，输出第二特征；

17、特征融合层用于将第一特征和第二特征展开为向量表示并进行拼接获得组合向量；

18、第一分类器输入组合向量，输出的值表示能耗成本；

19、第二分类器输入组合向量，输出的值表示化学药剂成本；

20、第三分类器输入组合向量，输出的值表示维护成本。

21、进一步地，特征提取层的计算公式包括：

22、feature1＝relu[mlp(at*w1)⊙w2+b1]；

23、feature2＝relu[mlp(at*w3)⊙w4+b2]；

24、其中feature1和feature2分别表示特征提取层输出的第一特征和第二特征，a表示特征提取层输入的工艺流程的目标参数，w1、w2、w3和w4分别表示第一权重参数、第二权重参数、第三权重参数和第四权重参数，b1和b2分别表示第一偏置参数和第二偏置参数，mlp表示多层感知机，t表示转置操作，relu表示relu激活函数，⊙表示哈达玛积。

25、进一步地，通过模拟仿真平台获得用于训练成本预测模型的训练样本，包括以下步骤：

26、步骤s201，通过模拟仿真平台随机生成工艺流程的目标参数，并作为一个训练样本的训练数据；

27、步骤s202，通过模拟仿真平台记录完成污水处理达到目标参数的成本参数，并作为一个训练样本的样本标签；

28、步骤s203，重复步骤s201到步骤s202，直至获得p个训练样本，其中p为自定义参数。

29、进一步地，成本预测模型的损失函数loss的计算公式如下：

30、

31、其中n表示训练样本的数量，yi表示第i个训练样本的样本标签，表示成本预测模型输入第i个训练样本的训练数据输出的成本参数。

32、进一步地，通过花斑翠鸟优化算法更新污水处理的工艺流程的目标参数，包括以下步骤：

33、步骤s301，随机生成符合约束条件的个体数量为q的初始化种群，并初始化当前迭代次数t为0，设定最大迭代次数为max，其中q和max均为自定义参数；

34、约束条件包括：污泥停留时间大于等于5天小于30天；污泥回流比大于等于50％小于200％；曝气池中的溶解氧浓度大于等于2毫克每升小于4毫克每升；化学需氧量去除率大于等于80％小于95％；氮去除率大于等于60％小于90％；磷去除率大于等于70％小于95％；

35、个体的向量编码包括6个维度值，每个维度值分别表示污泥停留时间、污泥回流比、曝气池中的溶解氧浓度、化学需氧量去除率、氮去除率和磷去除率；

36、步骤s302，将每个个体的向量编码输入到预测模型中，输出工艺流程的成本参数，并根据成本参数通过目标函数计算获得每个个体的适应度值；

37、目标函数的计算公式如下：

38、

39、其中fit表示个体的适应度值，eng_cost、med_cost和man_cost分别表示能耗成本、化学药剂成本和维护成本，cof1、cof2和cof3分别表示第一权衡参数、第二权衡参数和第三权衡参数，cof1、cof2和cof3均为自定义参数，cof1、cof2和cof3的总和值为1；

40、步骤s303，生成一个取值范围为0到1之间的第一随机数，并判断该第一随机数小于第一阈值，则进入步骤s304，否则进入步骤s305，其中第一阈值为自定义参数；

41、步骤s304，判断第一随机数大于等于第二阈值，则通过栖息策略更新个体的向量编码，否则通过悬停策略更新个体的向量编码，其中第二阈值为自定义参数；

42、步骤s305，通过潜水策略更新个体的向量编码；

43、步骤s306，通过局部逃逸策略更新个体的向量编码；

44、步骤s307，当前迭代次数加1，判断当前迭代次数大于等于最大迭代次数时，则将初始化种群中适应度值最大的个体作为优化后的工艺流程的目标参数，否则返回步骤s302继续执行。

45、进一步地，栖息策略的计算公式包括：

46、

47、rand2＝2*rand(1，dim)-1；

48、

49、其中1≤i≤q，1≤j≤q，i≠j，和分别表示当前迭代次数为t+1和当前迭代次数为t的第i个个体的向量编码，rand2表示第二随机数，dim表示个体的向量编码的维度数量，dim赋值为6，则rand(1，dim)表示取1到6之间的随机数，rand3表示第三随机数，rand4表示取值范围为0到1之间的第四随机数，e表示自然常数，exp表示底数为自然常数的指数函数，max表示最大迭代次数，bf为恒定值，赋值为8。

50、进一步地，悬停策略的计算公式包括：

51、

52、rand2＝2*rand(1，dim)-1；

53、

54、其中1≤i≤q，1≤j≤q，i≠j，和分别表示当前迭代次数为t+1和当前迭代次数为t的第i个个体的向量编码，rand2表示第二随机数，dim表示个体的向量编码的维度数量，dim赋值为6，则rand(1，dim)表示取1到6之间的随机数，rand3表示第三随机数，rand5表示取值范围为0到1之间的第五随机数，和分别表示当前迭代次数为t的第i个个体和第j个个体的适应度值，max表示最大迭代次数，bf为恒定值，赋值为8。

55、进一步地，潜水策略的计算公式包括：

56、

57、rand2＝2*rand(1，dim)-1；

58、

59、其中1≤i≤q，和分别表示当前迭代次数为t+1和当前迭代次数为t的第i个个体的向量编码，表示当前迭代次数为t的适应度值最大的个体的向量编码，con1和con2分别表示第一控制参数和第二控制参数，b表示控制因子，rand2表示第二随机数，dim表示个体的向量编码的维度数量，dim赋值为6，则rand(1，dim)表示取1到6之间的随机数，rand6和rand7分别表示取值范围为0到1之间的第六随机数和第七随机数，exp表示底数为自然常数的指数函数，表示当前迭代为t的第i个个体的适应度值，当前迭代为t的个体的适应度值的最大值。

60、进一步地，局部逃逸策略的计算公式包括：

61、

62、rand2＝2*rand(1，dim)-1；

63、

64、其中1≤i≤q，1≤m≤q，1≤n≤q，i≠m≠n，和分别表示当前迭代次数为t+1和当前迭代次数为t的第i个个体的向量编码，和分别表示当前迭代次数为t的第m个个体和第n个个体的向量编码，abs表示取绝对值，con2表示第二控制参数，dim表示个体的向量编码的维度数量，dim赋值为6，则rand(1，dim)表示取1到6之间的随机数，rand8表示取值范围为0到1之间的第八随机数，rand9表示取值范围为0到0.5之间的第九随机数，exp表示底数为自然常数的指数函数。

65、本发明的有益效果在于：本发明通过成本预测模型结合花斑翠鸟优化算法更新污水处理的工艺流程的目标参数，在保证污水达到排放标准的同时，降低污水处理的运营成本。