[发明专利]一种沉淀池泥量预测系统及方法

说明书

本发明提供一种沉淀池泥量预测系统及方法，涉及沉淀池排泥控制技术领域，包括：针对沉淀池的每个沉淀周期，分别获取非排泥时段的至少一组历史进水参数和对应的历史泥水界面高度，以及排泥时段结束后的总实际产泥量和对应的总泥水界面高度；根据各历史泥水界面高度、总实际产泥量和总泥水界面高度处理得到在历史进水参数对应的实时实际产泥量；训练得到以实时进水参数作为输入，以对应的实时实际产泥量作为输出的泥量预测模型；获取沉淀池在非排泥时段的一组实时进水参数，并将实时进水参数输入泥量预测模型中，以得到沉淀池的泥量预测结果。有益效果是能够有效预测沉淀池的实时产泥量；能够实现泥量预测模型的自适应训练及修正。

技术领域

本发明涉及沉淀池排泥控制技术领域，尤其涉及一种沉淀池泥量预测系统及方法。

背景技术

在水处理厂中，絮凝沉淀是为了去除水中杂质的重要环节之一，其结构根据工艺需求略有不同。因此，正确对沉淀池进行维护和管理尤为重要。其中，正确进行沉淀池排泥操作，提高排泥效果，对提高沉淀池的清洁度，充分发挥沉淀功能至关重要。

理论上，沉淀池可以根据实时产泥量精确控制排泥过程，进而提高排泥效果，但目前由于缺乏实时检测或预测实时产泥量的方式，水处理厂中沉淀池的排泥过程主要是在下列的条件下开始：沉淀池工作时间超过设定值；或沉后浊度高于设定值；或上位机强制排泥。但这些设定值通常都是根据经验确定，缺乏科学的指导，有很大的随意性。由于经验确定的排泥相关参数设置往往不合理，排泥周期过短、排泥时长过大会造成不必要的能源浪费和成本损失；反之，则不能保证出厂水水质稳定达标。

因此，亟需一种能够预测沉淀池实时产泥量的技术方案，以解决现有依据经验存在的上述技术问题。

发明内容

针对现有技术中存在的问题，本发明提供一种沉淀池泥量预测系统，包括：

数据采集模块，用于持续监测一沉淀池的非排泥时段和排泥时段，将单个所述非排泥时段及其对应的所述排泥时段作为一个沉淀周期，并针对每个所述沉淀周期，分别获取所述沉淀池在所述非排泥时段的至少一组历史进水参数和对应的历史泥水界面高度，以及所述排泥时段结束后的总实际产泥量和对应的总泥水界面高度；

数据处理模块，连接所述数据采集模块，用于根据各所述历史泥水界面高度、所述总实际产泥量和所述总泥水界面高度处理得到在所述历史进水参数的采集时刻与上一采集时刻之间的时段所述沉淀池的实时实际产泥量；

模型训练模块，分别连接所述数据采集模块和所述数据处理模块，用于将各所述实时进水参数和对应的所述实时实际产泥量加入一样本集，并根据所述样本集中训练得到以所述实时进水参数作为输入，以对应的所述实时实际产泥量作为输出的一泥量预测模型；

泥量预测模块，分别连接所述数据采集模块和所述模型训练模块，用于获取所述沉淀池在所述非排泥时段的一组实时进水参数，并将所述实时进水参数输入所述泥量预测模型中，以得到所述沉淀池当前的预测产泥量作为所述沉淀池的泥量预测结果。

优选的，所述历史进水参数包括进水流量、进水浊度、PH值、温度和投药量。

优选的，所述实时实际产泥量的计算公式如下：

S_p＝(H-H′)/H_总*S_总

其中，S_p用于表示所述历史进水参数当前的采集时刻对应的所述实时实际产泥量；H用于表示当前的采集时刻对应的所述历史泥水界面高度；H′用于表示当前的采集时刻的上一采集时刻的所述历史泥水界面高度；H_总用于表示所述总泥水界面高度；S_总用于表示所述总实际产泥量。

优选的，所述泥量预测模型为BP神经网络模型，且在模型训练过程中，选用S型传递函数并通过反传误差函数调整所述BP神经网络模型的网络权值及阈值。