CN111174824A - 一种酸雾排放的管控平台 - Google Patents

一种酸雾排放的管控平台 Download PDF

Info

Publication number
CN111174824A
CN111174824A CN201911382269.XA CN201911382269A CN111174824A CN 111174824 A CN111174824 A CN 111174824A CN 201911382269 A CN201911382269 A CN 201911382269A CN 111174824 A CN111174824 A CN 111174824A
Authority
CN
China
Prior art keywords
data
acid mist
acid
purification tower
monitoring data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911382269.XA
Other languages
English (en)
Other versions
CN111174824B (zh
Inventor
刘敬
周海伦
安俊君
施子楷
李少英
林娜
韩东平
孙春阳
郑旭
张银萍
梁玉
李桂林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Shougang Automation Information Technology Co Ltd
Original Assignee
Beijing Shougang Automation Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Shougang Automation Information Technology Co Ltd filed Critical Beijing Shougang Automation Information Technology Co Ltd
Priority to CN201911382269.XA priority Critical patent/CN111174824B/zh
Publication of CN111174824A publication Critical patent/CN111174824A/zh
Application granted granted Critical
Publication of CN111174824B publication Critical patent/CN111174824B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种酸雾排放的管控方法，包括：获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽的酸浓度的数据；基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。本申请解决了现有酸雾排放过程中，外排监测设备计量不准确、外排监测设备故障等设备问题，导致酸雾污染事故经常发生的问题。

Description

一种酸雾排放的管控平台
技术领域
本发明涉及冶金行业污染物排放管控的技术领域，尤其涉及一种酸雾排放的管控平台。
背景技术
随着环保指标的日益趋严，冶金过程中将各个环节产生的污染物的排放浓度降低到国家标准以下，是势在必行的。酸洗过程中产生的酸雾，作为钢铁领域最常见的污染物，其排放受到目前钢铁企业的重点关注，钢铁企业通常是通过酸雾净化塔中循环水箱的水对酸雾净化的方式，使可溶解的污染物溶于水中后再进行排放，以降低排放酸雾中的酸含量，并配合外排监测设备对经过酸雾净化塔中循环水槽的酸浓度进行实时监测，并根据实时监测值实时更换循环水槽的水，以保证酸雾净化塔中循环水槽中水的净化能力。
然而，现有酸雾排放过程中，经常出现外排监测设备计量不准确、外排监测设备故障等设备问题，导致酸雾污染事故经常发生。
发明内容
本申请实施例通过提供一种酸雾排放的管控平台，解决了现有技术中现有酸雾排放过程中，经常出现外排监测设备计量不准确、外排监测设备故障等设备问题，导致酸雾污染事故经常发生的技术问题。
第一方面，本申请通过本申请的一实施例提供如下技术方案：
一种酸雾排放的管控方法，包括：获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽中水的酸浓度的预设影响因子的实时数据；基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。
在一个实施例中，所述第一监测数据包括：酸洗槽盐酸浓度、酸洗槽盐酸温度、酸洗槽入口风量、酸洗槽出口风量中的至少一种。
在一个实施例中，所述第一预测酸浓度数据包括：酸雾净化塔循环水槽的PH值和/或酸雾净化塔循环水槽的电导率数据。
在一个实施例中，所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，包括：判断所述第一预测酸浓度数据是否达到第一预设阈值；若达到，则控制所述酸雾净化塔的所述排水阀和所述补水阀开启。
在一个实施例中，在所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据之前，还包括：获取预测样本集，所述预测样本集包括历史目标酸浓度数据和所述历史监测数据，所述历史目标酸浓度数据在时间上滞后于所述历史监测数据，滞后时长为所述第一预测时长；将所述预测样本集输入LSTM神经网络模型进行训练，获得所述含酸浓度预测模型。
在一个实施例中，在所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启之前，还包括：获取第二监测数据，所述第二监测数据包括所述酸雾净化塔的第一运行参数，所述第一运行参数数量为多个；基于所述第二监测数据及第一预设规则，判断所述酸雾净化塔是否处于正常运行状态，所述预设关联规则为所述第一运行参数之间的关联关系；若异常，进行报警。
在一个实施例中，在所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启之后，还包括：获取第三监测数据，所述第三监测数据包括所述酸雾净化塔的第二运行参数；基于所述第三监测数据，判断所述酸雾净化塔循环水槽是否处于换水状态；获取所述酸雾净化塔循环水槽的实时酸浓度数据；判断所述实时酸浓度数据是否低于第二预设阈值；若所述实时酸浓度数据低于所述第二预设阈值，且所述酸雾净化塔循环水槽处于换水状态时，控制所述酸雾净化塔的所述排水阀和所述补水阀关闭。
在一个实施例中，在所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据之前，还包括：基于第二预设规则，判断所述第一监测数据是否异常；若异常，则对所述第一监测数据进行修正，获得修正后的所述第一监测数据；所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，具体包括：基于修正后的所述第一监测数据，获得所述第一预测酸浓度数据。
第二方面，本申请通过本申请的一实施例提供如下技术方案：
一种酸雾排放的管控平台，包括：实时数据监控单元，用于获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽中水的酸浓度的预设影响因子的实时数据；数据预测单元，基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；联锁控制单元，基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。
第三方面，本申请通过本申请的一实施例提供如下技术方案：
一种计算机存储介质，其上存储有计算机程序，包括：该程序被处理器执行时可以实现如上述任一所述的方法步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请利用含酸浓度预测模型对第一监测数据进行预测，获得酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，由于含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的，因此，获得的第一预测酸浓度数据能够精准代表酸雾净化塔循环水槽在第一预测时长后的实际酸浓度数据，通过提前获得的酸雾净化塔循环水槽在第一预测时长后的实际酸浓度数据，判断酸雾净化塔循环水槽的净化能力是否不足，若不足，提前对酸雾净化塔的排水阀和补水阀进行开启，以对所述酸雾净化塔循环水槽的水进行更换，避免酸雾净化塔循环水槽的净化能力不足带来的酸雾污染事故，保证酸雾净化塔循环水槽的净化能力，而不仅仅单依赖于不可靠的外排监测设备等硬件设备的监测。因此，本申请解决了现有酸雾排放过程中，外排监测设备计量不准确、外排监测设备故障等设备问题，导致酸雾污染事故经常发生的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请较佳实施例提供的一种酸雾排放的管控方法的流程图；
图2为本申请较佳实施例提供的一种酸雾排放的管控平台的结构框图；
图3为本申请较佳实施例提供的一种计算机存储介质的结构框图。
具体实施方式
本申请实施例通过提供一种酸雾排放的管控方法，解决了现有酸雾排放过程中，外排监测设备计量不准确、外排监测设备故障等设备问题，导致酸雾污染事故经常发生的问题。
本申请实施例的技术方案为解决上述技术问题，总体思路如下：
一种酸雾排放的管控方法，包括：获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽中水的酸浓度的预设影响因子的实时数据；基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。
本申请通过预测酸雾净化塔循环水槽在第一预测时长后的酸浓度数据，提前对酸雾净化塔的排水阀和补水阀进行开启，以对所述酸雾净化塔循环水槽的水进行更换，避免酸雾净化塔循环水槽的净化能力不足带来的酸雾污染事故，保证酸雾净化塔循环水槽的净化能力，而不仅仅单依赖于不可靠的外排监测设备等硬件设备的监测，本申请解决了现有酸雾排放过程中，外排监测设备计量不准确、外排监测设备故障等设备问题，导致酸雾污染事故经常发生的问题。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示，本实施例提供了一种酸雾排放的管控方法，包括：
S101:获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽中水的酸浓度的预设影响因子的实时数据；
具体的，基于预设采样频率通过部署在酸洗槽的第一监测设备获取第一监测数据，采集到的第一监测数据需要存入Insql数据库中。
作为一种可选的实施例，所述第一监测数据包括：酸洗槽盐酸浓度、酸洗槽盐酸温度、酸洗槽入口风量、酸洗槽出口风量中的至少一种。
部署在酸洗槽的监测设备，具体包括：测量酸洗槽盐酸温度的测温计、酸洗槽盐酸浓度的PH计、酸洗槽出口风量的差压测量装置、酸洗槽入口风量的差压测量装置中的一种或多种，分别通过以上对应的装置对相应的第一监测数据进行监测。
S102:基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；
具体的，第一预测时长为15分钟；若第一监测数据为酸洗槽盐酸浓度、酸洗槽盐酸温度、酸洗槽入口风量、酸洗槽出口风量中的一种或多种，则历史监测数据也为相应的一种或多种历史数据，例如：第一监测数据为酸洗槽盐酸浓度，那么历史监测数据也为酸洗槽盐酸浓度；第一监测数据为酸洗槽盐酸浓度、酸洗槽盐酸温度，那么历史监测数据也为酸洗槽盐酸浓度、酸洗槽盐酸温度。
获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据后，需要存储到Insql数据库中，以供采集到第一预测时长后的实际酸浓度数据后，对含酸浓度预测模型的准确度进行判断，并对含酸浓度预测模型进行更新。
需要说明的是，用于对含酸浓度预测模型的准确度进行判断的第一预测时长后实际酸浓度数据的采集，需要保证在此第一预测时长内，酸雾净化塔循环水槽的水未进行更换，这样的数据对于含酸浓度预测模型的准确度判断才有意义。
作为一种可选的实施例，所述第一预测酸浓度数据包括：酸雾净化塔循环水槽的PH值和/或酸雾净化塔循环水槽的电导率数据。
作为一种可选的实施例，在所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据之前，还包括：
获取预测样本集，所述预测样本集包括历史目标酸浓度数据和所述历史监测数据，所述历史目标酸浓度数据在时间上滞后于所述历史监测数据，滞后时长为所述第一预测时长；
将所述预测样本集输入LSTM神经网络模型进行训练，获得所述含酸浓度预测模型。
具体步骤如下：
(1)利用遗传算法，以预测误差最小为目标函数，获取参数搜索空间的最优解，进行参数组合寻优，对LSTM神经网络模型的参数进行优化，确定出LSTM神经网络模型的最优参数，从而搭建出LSTM神经网络模型。LSTM神经网络模型包含输入单元、预测单元、输出单元三部分，其中，
输入单元控制进入网络的数据格式。
LSTM神经网络模型的预测单元为4个，每个预测单元的神经单元数为512、每个预测单元包括4个LSTM网络单元、时间窗为15分钟、遗忘率Dropout为0.37。
输出单元是一个全连接单元，用以输出预测值，此输出单元计算预测值与实际值的平均绝对误差MAE，并将MAE作为损失函数传递给预测单元，用以计算损失函数的梯度，然后反向传递来调整公式中的所有权值、降低预测误差。在每次迭代学习时，采用Adam算法生成优化参数，以损失函数为优化目标，直到损失函数收敛。
(2)获取预测样本集，预测样本集的数据量为过去6个月的历史数据，样本集时间窗为15分钟，包括历史目标酸浓度数据和历史监测数据，历史目标酸浓度数据包括酸雾净化塔循环水槽的PH值和/或酸雾净化塔循环水槽的电导率数据，历史监测数据为酸洗槽盐酸浓度、酸洗槽盐酸温度、酸洗槽入口风量、酸洗槽出口风量中的一种或多种，历史目标酸浓度数据在时间上滞后于所述历史监测数据15分钟。
(3)采用min-max标准化法对预测样本集进行标准化处理，获得训练样本集、测试样本集，公式如下：
Figure BDA0002342574910000081
其中，Xref为数据标准化后对应的值；Xmax为样本集中的最大值；Xmin为样本集中的最小值。
(4)将获得的训练样本集、测试样本集输入步骤(1)中构建的LSTM神经网络模型中进行训练，待迭代学习完毕，生成含酸浓度预测模型，并保存。
作为一种可选的实施例，在所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据之前，还包括：
基于第二预设规则，判断所述第一监测数据是否异常；
若异常，则对所述第一监测数据进行修正，获得修正后的所述第一监测数据；
所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，具体包括：
基于修正后的所述第一监测数据，获得所述第一预测酸浓度数据。
需要说明的是，由于冶金领域的监测设备的工作环境极其恶劣，因此，监测设备监测到的数据可能异常，若将此异常数据作为模型的输入进行训练或预测，势必会影响模型的精度或预测值的准确性，因此，需要设定第二预设规则，判断第一监测数据是否在其应该有的极限范围内，若超出极限范围，这说明该数据异常，需要对其进行修正，修正方式可以是将其送到平台数据检核与修正页面中继续人工修正，或系统自动修正，未经修正的异常数据在数据库中列为不可信数据。
S103:基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。
本申请实现了酸雾净化塔循环水槽水更换的科学控制，相比于部分企业定期更换水的方式，大大降低了工业水资源浪费，有效的提升了企业污染物排放智能化管控水平。
作为一种可选的实施例，所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，包括：
判断所述第一预测酸浓度数据是否达到第一预设阈值；
若达到，则控制所述酸雾净化塔的所述排水阀和所述补水阀开启。
具体的，若第一预测酸浓度数据达到第一预设阈值，表示酸雾净化塔循环水槽的净化能力不足，若不进行换水，15分钟后排放的酸雾将达不到环保排放要求。需要说明的是，设定第一预测时长为15分钟作为时间窗，是考量了换水过程需要消耗的时间，杜绝出现酸雾超标后再进行换水的情况。
作为一种可选的实施例，在所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启之前，还包括：
获取第二监测数据，所述第二监测数据包括所述酸雾净化塔的第一运行参数，所述第一运行参数数量为多个；
基于所述第二监测数据及第一预设规则，判断所述酸雾净化塔是否处于正常运行状态，所述预设关联规则为所述第一运行参数之间的关联关系；
若异常，进行报警。
具体的，第二监测数据包括：酸雾净化塔循环水槽的PH值、酸雾净化塔循环水槽的电导率数据、酸雾净化塔补水管道的压力及流量、酸雾净化塔排水管道的压力及流量、酸雾净化塔风机电流、酸雾净化塔补水阀的状态、酸雾净化塔排水阀的状态。实际实施过程中，基于预设采样频率通过部署在酸雾净化塔循环水槽的PH计、电导率测量仪、压力测量仪、流量计、功率测试仪等监测设备采集第二监测数据。
第二监测数据可以和第一监测数据同时采集。
实际实施过程中，在所述获取第一监测数据的同时，还同时获取酸洗槽中钢卷品种和/或钢卷规格、以及第二监测数据，将同一钢卷品种和/或钢卷规格的第一监测数据、第二监测数据集中存储，便于分析不同钢卷品种和/或钢卷规格对酸雾净化塔循环水槽内的PH值和电导率数据的影响。
同时，本申请还根据存储的第二监测数据中酸雾净化塔循环水槽的PH值、酸雾净化塔循环水槽的电导率数据，输出酸雾排放统计报表，具体包括：同比、环比、不同时间周期、不同季节数据对比分析功能，为企业污染物排放管理提供有效数据和功能支撑。
需要说明的是，第一预设规则为：当在换水过程中，酸雾净化塔补水阀、排水阀处于打开状态，酸雾净化塔补水管道、排水管道的压力及流量应该是有压力及流量的状态，同时酸雾净化塔风机电流应该为零；当在净化过程中，酸雾净化塔补水阀、排水阀处于关闭状态，酸雾净化塔补水管道、排水管道的压力及流量应该是无压力及流量的状态，同时酸雾净化塔风机转动，风机电流为非零状态；若有违于上述第一预设规则，说明酸雾净化塔处于异常，需要报警，工作人员在收到警报后，做排查工作，为后续换水、净化过程的正常运行提供了有力的支撑。
作为一种可选的实施例，在所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启之后，还包括：
获取第三监测数据，所述第三监测数据包括所述酸雾净化塔的第二运行参数；
基于所述第三监测数据，判断所述酸雾净化塔循环水槽是否处于换水状态；
获取所述酸雾净化塔循环水槽的实时酸浓度数据；
判断所述实时酸浓度数据是否低于第二预设阈值；
若所述实时酸浓度数据低于所述第二预设阈值，且所述酸雾净化塔循环水槽处于换水状态时，控制所述酸雾净化塔的所述排水阀和所述补水阀关闭。
具体的，第三监测数据包括：酸雾净化塔循环水槽的PH值、酸雾净化塔循环水槽的电导率数据、酸雾净化塔补水管道的压力及流量、酸雾净化塔排水管道的压力及流量、酸雾净化塔风机电流、酸雾净化塔补水阀的状态、酸雾净化塔排水阀的状态。实际实施过程中，基于预设采样频率通过部署在酸雾净化塔循环水槽的PH计、电导率测量仪、压力测量仪、流量计、功率测试仪等监测设备采集第三监测数据。
若酸雾净化塔补水阀、排水阀处于打开状态，酸雾净化塔补水管道、排水管道的压力及流量是有压力及流量的状态，同时酸雾净化塔风机电流为零，说明酸雾净化塔循环水槽处于换水状态，正在进行补水和排水的过程。
若所述实时酸浓度数据低于所述第二预设阈值，说明酸雾净化塔循环水槽具有足够的净化能力，能够保证经过净化的酸雾达到排放指标。
当实时酸浓度数据低于所述第二预设阈值，同时酸雾净化塔循环水槽处于换水状态时，控制所述酸雾净化塔的所述排水阀和所述补水阀关闭。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：
本申请利用含酸浓度预测模型对第一监测数据进行预测，获得酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，由于含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的，因此，获得的第一预测酸浓度数据能够精准代表酸雾净化塔循环水槽在第一预测时长后的实际酸浓度数据，通过提前获得的酸雾净化塔循环水槽在第一预测时长后的实际酸浓度数据，判断酸雾净化塔循环水槽的净化能力是否不足，若不足，提前对酸雾净化塔的排水阀和补水阀进行开启，以对所述酸雾净化塔循环水槽的水进行更换，避免酸雾净化塔循环水槽的净化能力不足带来的酸雾污染事故，保证酸雾净化塔循环水槽的净化能力，而不仅仅单依赖于不可靠的外排监测设备等硬件设备的监测。因此，本申请解决了现有酸雾排放过程中，外排监测设备计量不准确、外排监测设备故障等设备问题，导致酸雾污染事故经常发生的问题。
实施例二
如图2所示，本实施例提供了一种酸雾排放的管控平台，包括：
实时数据监控单元201，用于获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽中水的酸浓度的预设影响因子的实时数据；
数据预测单元202，基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；
联锁控制单元203，基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。
作为一种可选的实施例，所述第一监测数据包括：酸洗槽盐酸浓度、酸洗槽盐酸温度、酸洗槽入口风量、酸洗槽出口风量中的至少一种。
作为一种可选的实施例，所述第一预测酸浓度数据包括：酸雾净化塔循环水槽的PH值和/或酸雾净化塔循环水槽的电导率数据。
作为一种可选的实施例，所述联锁控制单元203，具体用于：
判断所述第一预测酸浓度数据是否达到第一预设阈值；
若达到，则控制所述酸雾净化塔的所述排水阀和所述补水阀开启。
作为一种可选的实施例，所述数据预测单元202，还用于：
在所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据之前，获取预测样本集，所述预测样本集包括历史目标酸浓度数据和所述历史监测数据，所述历史目标酸浓度数据在时间上滞后于所述历史监测数据，滞后时长为所述第一预测时长；
将所述预测样本集输入LSTM神经网络模型进行训练，获得所述含酸浓度预测模型。
作为一种可选的实施例，所述实时数据监控单元201，还用于：
在所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启之前，获取第二监测数据，所述第二监测数据包括所述酸雾净化塔的第一运行参数，所述第一运行参数数量为多个；
基于所述第二监测数据及第一预设规则，判断所述酸雾净化塔是否处于正常运行状态，所述预设关联规则为所述第一运行参数之间的关联关系；
若异常，进行报警。
作为一种可选的实施例，所述实时数据监控单元201，还用于：在所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启之后，获取第三监测数据，所述第三监测数据包括所述酸雾净化塔的第二运行参数；
所述联锁控制单元203，还用于：基于所述第三监测数据，判断所述酸雾净化塔循环水槽是否处于换水状态；及判断所述实时酸浓度数据是否低于第二预设阈值；若所述实时酸浓度数据低于所述第二预设阈值，且所述酸雾净化塔循环水槽处于换水状态时，控制所述酸雾净化塔的所述排水阀和所述补水阀关闭。
作为一种可选的实施例，所述管控平台还包括数据检核和修正单元，用于：在所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据之前，基于第二预设规则，判断所述第一监测数据是否异常；
若异常，则对所述第一监测数据进行修正，获得修正后的所述第一监测数据；
所述数据预测单元202，具体用于：
基于修正后的所述第一监测数据，获得所述第一预测酸浓度数据。
实施例三
如图3所示，基于相同的发明构思，本实施例提供了一种计算机存储介质300，其上存储有计算机程序311，包括：该计算机程序311被处理器执行时可以实现以下步骤：
获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽中水的酸浓度的预设影响因子的实时数据；基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。
在具体实施过程中，该计算机程序311被处理器执行时，可以实现实施例一中的任一方法步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种酸雾排放的管控方法，其特征在于，包括：
获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽中水的酸浓度的预设影响因子的实时数据；
基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；
基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。
2.如权利要求1所述的酸雾排放的管控方法，其特征在于，所述第一监测数据包括：酸洗槽盐酸浓度、酸洗槽盐酸温度、酸洗槽入口风量、酸洗槽出口风量中的至少一种。
3.如权利要求1所述的酸雾排放的管控方法，其特征在于，所述第一预测酸浓度数据包括：酸雾净化塔循环水槽的PH值和/或酸雾净化塔循环水槽的电导率数据。
4.如权利要求1所述的酸雾排放的管控方法，其特征在于，所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，包括：
判断所述第一预测酸浓度数据是否达到第一预设阈值；
若达到，则控制所述酸雾净化塔的所述排水阀和所述补水阀开启。
5.如权利要求1所述的酸雾排放的管控方法，其特征在于，在所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据之前，还包括：
获取预测样本集，所述预测样本集包括历史目标酸浓度数据和所述历史监测数据，所述历史目标酸浓度数据在时间上滞后于所述历史监测数据，滞后时长为所述第一预测时长；
将所述预测样本集输入LSTM神经网络模型进行训练，获得所述含酸浓度预测模型。
6.如权利要求1所述的酸雾排放的管控方法，其特征在于，在所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启之前，还包括：
获取第二监测数据，所述第二监测数据包括所述酸雾净化塔的第一运行参数，所述第一运行参数数量为多个；
基于所述第二监测数据及第一预设规则，判断所述酸雾净化塔是否处于正常运行状态，所述预设关联规则为所述第一运行参数之间的关联关系；
若异常，进行报警。
7.如权利要求1所述的酸雾排放的管控方法，其特征在于，在所述基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启之后，还包括：
获取第三监测数据，所述第三监测数据包括所述酸雾净化塔的第二运行参数；
基于所述第三监测数据，判断所述酸雾净化塔循环水槽是否处于换水状态；
获取所述酸雾净化塔循环水槽的实时酸浓度数据；
判断所述实时酸浓度数据是否低于第二预设阈值；
若所述实时酸浓度数据低于所述第二预设阈值，且所述酸雾净化塔循环水槽处于换水状态时，控制所述酸雾净化塔的所述排水阀和所述补水阀关闭。
8.如权利要求1所述的酸雾排放的管控方法，其特征在于，在所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据之前，还包括：
基于第二预设规则，判断所述第一监测数据是否异常；
若异常，则对所述第一监测数据进行修正，获得修正后的所述第一监测数据；
所述基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，具体包括：
基于修正后的所述第一监测数据，获得所述第一预测酸浓度数据。
9.一种酸雾排放的管控平台，其特征在于，包括：
实时数据监控单元，用于获取第一监测数据，所述第一监测数据为影响酸雾净化塔循环水槽中水的酸浓度的预设影响因子的实时数据；
数据预测单元，基于所述第一监测数据，获得所述酸雾净化塔循环水槽在第一预测时长后的第一预测酸浓度数据，所述第一预测酸浓度数据是利用含酸浓度预测模型对所述第一监测数据进行处理后获得的，所述含酸浓度预测模型是基于与所述第一监测数据维度相同的历史监测数据进行训练后获得的；
联锁控制单元，基于所述第一预测酸浓度数据，控制所述酸雾净化塔的排水阀和补水阀开启，以对所述酸雾净化塔循环水槽的水进行更换。
10.一种计算机存储介质，其特征在于，其上存储有计算机程序，包括：该程序被处理器执行时可以实现如权利要求1～8任一权项所述的方法步骤。
CN201911382269.XA 2019-12-27 2019-12-27 一种酸雾排放的管控平台 Active CN111174824B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911382269.XA CN111174824B (zh) 2019-12-27 2019-12-27 一种酸雾排放的管控平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911382269.XA CN111174824B (zh) 2019-12-27 2019-12-27 一种酸雾排放的管控平台

Publications (2)

Publication Number Publication Date
CN111174824A true CN111174824A (zh) 2020-05-19
CN111174824B CN111174824B (zh) 2022-04-12

Family

ID=70658185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911382269.XA Active CN111174824B (zh) 2019-12-27 2019-12-27 一种酸雾排放的管控平台

Country Status (1)

Country Link
CN (1) CN111174824B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114436449A (zh) * 2022-02-22 2022-05-06 江苏舜维环境工程有限公司 一种余热发电循环水处理装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102489139A (zh) * 2011-12-28 2012-06-13 重庆广仁铁塔制造有限公司 酸洗槽酸雾处理工艺及系统
CN202410489U (zh) * 2012-01-09 2012-09-05 安徽亚兰德新能源材料股份有限公司 废旧电池回收过程中酸雾的多级自动吸收装置
CN102663268A (zh) * 2012-04-09 2012-09-12 上海大学 基于基因表达式编程的盐酸雾排放浓度数学建模及应用方法
CN103886369A (zh) * 2014-03-27 2014-06-25 北京工业大学 一种基于模糊神经网络的出水总磷tp预测方法
CN105510546A (zh) * 2015-12-27 2016-04-20 北京工业大学 一种基于自组织递归rbf神经网络的生化需氧量bod智能检测方法
CN106056210A (zh) * 2016-06-07 2016-10-26 浙江工业大学 一种基于混合神经网络的pm2.5浓度值预测方法
CN206384832U (zh) * 2016-12-26 2017-08-08 江苏兴达钢帘线股份有限公司 一种盐酸在线循环再生装置
CN109224815A (zh) * 2018-10-18 2019-01-18 中国石化扬子石油化工有限公司 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法
CN109464894A (zh) * 2018-12-25 2019-03-15 浙江程润环保工程有限公司 氧化铝焙烧炉烟气污染物超低排放系统
CN109772141A (zh) * 2019-03-13 2019-05-21 马鞍山钢铁股份有限公司 一种降低酸洗烟气中hcl含量的系统及方法
CN109781809A (zh) * 2019-02-23 2019-05-21 苏州市智汇易联科技有限公司 一种甲醛浓度人工智能测算方法
CN110263997A (zh) * 2019-06-19 2019-09-20 燕山大学 一种基于深度神经网络的水泥生产线烟气NOx浓度预测方法
CN110407413A (zh) * 2019-08-06 2019-11-05 东华工程科技股份有限公司 一种医药化工废水处理系统及方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102489139A (zh) * 2011-12-28 2012-06-13 重庆广仁铁塔制造有限公司 酸洗槽酸雾处理工艺及系统
CN202410489U (zh) * 2012-01-09 2012-09-05 安徽亚兰德新能源材料股份有限公司 废旧电池回收过程中酸雾的多级自动吸收装置
CN102663268A (zh) * 2012-04-09 2012-09-12 上海大学 基于基因表达式编程的盐酸雾排放浓度数学建模及应用方法
CN103886369A (zh) * 2014-03-27 2014-06-25 北京工业大学 一种基于模糊神经网络的出水总磷tp预测方法
CN105510546A (zh) * 2015-12-27 2016-04-20 北京工业大学 一种基于自组织递归rbf神经网络的生化需氧量bod智能检测方法
CN106056210A (zh) * 2016-06-07 2016-10-26 浙江工业大学 一种基于混合神经网络的pm2.5浓度值预测方法
CN206384832U (zh) * 2016-12-26 2017-08-08 江苏兴达钢帘线股份有限公司 一种盐酸在线循环再生装置
CN109224815A (zh) * 2018-10-18 2019-01-18 中国石化扬子石油化工有限公司 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法
CN109464894A (zh) * 2018-12-25 2019-03-15 浙江程润环保工程有限公司 氧化铝焙烧炉烟气污染物超低排放系统
CN109781809A (zh) * 2019-02-23 2019-05-21 苏州市智汇易联科技有限公司 一种甲醛浓度人工智能测算方法
CN109772141A (zh) * 2019-03-13 2019-05-21 马鞍山钢铁股份有限公司 一种降低酸洗烟气中hcl含量的系统及方法
CN110263997A (zh) * 2019-06-19 2019-09-20 燕山大学 一种基于深度神经网络的水泥生产线烟气NOx浓度预测方法
CN110407413A (zh) * 2019-08-06 2019-11-05 东华工程科技股份有限公司 一种医药化工废水处理系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114436449A (zh) * 2022-02-22 2022-05-06 江苏舜维环境工程有限公司 一种余热发电循环水处理装置
CN114436449B (zh) * 2022-02-22 2023-06-30 江苏舜维环境工程有限公司 一种余热发电循环水处理装置

Also Published As

Publication number Publication date
CN111174824B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN110320892B (zh) 基于Lasso回归的污水处理设备故障诊断系统及方法
CN107949814A (zh) 用于废水处理工艺控制的系统和方法
US10635061B2 (en) Method for controlling a process
KR101941854B1 (ko) 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법
CN107544457A (zh) 基于可靠性分析的炼化装置运行周期专家决策系统及方法
CN113673600B (zh) 一种工业信号异常预警方法、系统、存储介质及计算设备
US20080082312A1 (en) Apparatus and method for controller performance monitoring in a process control system
CN117764422B (zh) 智慧节能运维管理云平台
CN111174824B (zh) 一种酸雾排放的管控平台
CN117871771B (zh) 一种基于大数据的燃气能源监测方法
CN117593854A (zh) 一种智能供水系统
CN115796701A (zh) 排放物的排放量确定方法、装置、设备、介质和系统
CN109614570B (zh) 预测断面水质参数数据的方法及装置
CN111675257B (zh) 一种污水处理厂的远程集控方法与系统
CN111830912A (zh) 一种工业生产线设备智能优化节能系统和方法
RU2295590C1 (ru) Способ статистического управления качеством электродной продукции
CN112015778A (zh) 一种水指纹预测算法
Dong et al. Selection of optimum maintenance strategy for power plant equipment based on evidential reasoning and FMEA
CN105069529A (zh) 预安排停电时间预测方法及系统
CN114943175A (zh) 一种电厂设备测点健康基准值的预测方法及系统
Kijak et al. Application of water 4.0 technologies and solutions
CN118188558B (zh) 基于数据分析的压缩机防喘振自动控制系统
CN112378451B (zh) 无线传感器功率跟随自动采集在线监测系统
CN117076260B (zh) 一种参数及设备异常检测方法及装置
CN118481972A (zh) 一种用于高洁净流体泵的检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant