[发明专利]基于改进贡献图和格兰杰因果分析的污泥膨胀诊断方法

说明书

本发明公开了基于改进贡献图和格兰杰因果分析的污泥膨胀诊断方法，该方法首先将历史观测数据按照每个样本的SVI值重新排列，将SVI值较小的样本作为训练集，SVI值较大的样本作为测试集，构建特征提取PCA贡献图，由此得到可能的几个故障变量。最后对这几个可能的故障变量特征提取，提取完后对其进行格兰杰因果分析，得出因果矩阵和最确切的故障变量，寻找因果值最大的方向，以此为依据画出主要的故障路径。本发明通过重排观测样本和特征提取来放大故障信息并提高故障诊断精度，解决传统的PCA贡献图中存在的故障拖尾问题，同时提高格兰杰因果分析的分析准确度，得出更为准确的故障路径，为现场的工作人员做出维护决策提供依据。

技术领域

本发明涉及污水处理厂污泥膨胀故障诊断的技术领域，特别涉及一种基于改进贡献图和格兰杰因果分析的污泥膨胀诊断方法。

背景技术

污水处理是实现水资源循环利用、应对水资源短缺的重要方法，其中，活性污泥法作为一种成本低廉且处理效果较好的污水处理的技术得到了广泛应用。然而，成因复杂的污泥膨胀会造成活性污泥结构松散、质量变轻，导致其沉降性能变差(基于格兰杰因果关系检验的炼化系统故障根原因诊断方法_胡瑾)，严重时甚至会导致整个活性污泥系统的崩溃。因此，当污泥膨胀发生后，现场工作人员需要采取正确有效的维护措施，而这就要求发生污泥膨胀后能准确找到导致污泥膨胀的原因并分析出故障的传播路径。

将故障诊断技术发展至污水处理领域中为解决这一问题带来了解决办法。由传统的主成分分析(PCA)导出的贡献图常常存在故障拖尾效应，即非故障变量会因受到故障变量的影响而贡献值增大，从而导致错误的诊断结果。此外，贡献图只能找出故障源，而无法展示故障在各个观测变量中的传播路径。而格兰杰因果分析可以得出各个变量之间的因果值，但却无法准确确定故障路径的起点和终点，但不够明显的观测变量被送入格兰杰因果分析后可能得出不准确的结果。

发明内容

针对上述问题，本发明提出了基于改进贡献图和格兰杰因果分析的污泥膨胀诊断方法，利用特征提取方法将绝对均值、方根幅值、间隙系数、偏度、峰度或方差与传统的主成分分析(PCA)残差相结合，从而导出更为精确的特征提取贡献值，得到了能克服故障拖尾效应的特征提取贡献图。此外，在得出可能的故障变量后，利用特征提取处理每个可能的故障变量原始观测数列，然后送入多元格兰杰因果分析(MVGC)，得出确切的故障变量，并根据所得出的因果矩阵，以故障变量为起点，污泥体积指数(SVI)为终点，画出故障传播路径。

本发明至少通过如下技术方案之一实现。

基于改进贡献图和格兰杰因果分析的污泥膨胀诊断方法，包括以下步骤：

(1)、确定观测变量并设定采样间隔，其中观测变量必须包括污泥体积指数SVI；发生污泥膨胀后，对所有的历史观测样本重新排列，并对排列后的样本划分训练集和测试集；

(2)、对训练集进行预处理；

(3)、计算训练集的协方差矩阵，并对训练集的协方差矩阵进行特征值分解；

(4)、选取主元个数，并得出负载矩阵；

(5)、对测试集进行所述的预处理，计算出测试集中每个样本的残差向量，由此构成残差矩阵；

(6)、对残差矩阵的每一列特征提取并求和，得出每个变量的特征提取贡献值，以此画出特征提取贡献图，得出可能的故障变量；

(7)、对可能的故障变量原始观测时间序列特征提取；

(8)、估计各个变量的向量自回归模型的系数矩阵和阶数；

(9)、对特征提取完后的可能的故障变量时间序列进行多元格兰杰因果分析MVGC，得出可能发生故障的变量之间的因果矩阵；

(10)、由因果矩阵确定最确切的故障变量，并以最确切的故障变量为起点，SVI为终点，寻找因果矩阵中因果值最大的方向，画出故障传播路径。