CN113845205A - 一种高盐高氮污水智能一体化除盐脱氮控制系统 - Google Patents

Abstract

本发明提供了一种高盐高氮污水智能一体化除盐脱氮控制系统，包括：获取模块，用于获取构建好的活性污泥一体化装置处于不同运行条件下，对高盐高氮污水进行处理后的污染脱除效果，同时，获取装置在不同运行条件下的运行前端参数；反馈模块，用于对相同运行条件下的运行前端参数和污染脱除效果进行预分析，获取对应的主要调控因子和最佳运行指标，并反馈至预先训练好的神经网络模型进行预处理；控制模块，用于根据预处理结果对活性污泥一体化装置的对应条件下的运行前端参数进行调控，实现对装置的智能控制。通过获取装置的调控因子和运行指标，来基于神经网络模型进行反馈预处理，进而达到对装置的参数进行调控的目的，提高了处理效率。

Description

一种高盐高氮污水智能一体化除盐脱氮控制系统

技术领域

本发明涉及污水处理技术领域，特别涉及一种高盐高氮污水智能一体化除盐脱氮控制系统。

背景技术

随着我国污水处理量的不断提高，城市污水处理厂的污泥产量也日趋增加，截止2017年底，我国污水处理厂污泥产生量超过4000万吨(按处理每万吨污水产生含水率80％污泥5～8吨计算)。活性污泥成分复杂，含有大量有机污染物、细菌菌体及其他有害物质，若未妥善处理而排入环境中，将对土壤、地表水和地下水造成严重的二次污染。

虽然也存在对排放污水进行处理的设备，但是该设备一般只是按照固定的设置参数进行工作，来对污水进行处理，这可能会导致处理过程由于设备当前参数与实际污水处理不符合的情况，导致处理效率低下。

因此，本发明提出一种高盐高氮污水智能一体化除盐脱氮控制系统。

发明内容

本发明提供一种高盐高氮污水智能一体化除盐脱氮控制系统，用以通过获取装置的调控因子和运行指标，来基于神经网络模型进行反馈预处理，进而达到对装置的参数进行调控的目的，提高了处理效率。

本发明提供一种高盐高氮污水智能一体化除盐脱氮控制系统，包括：

获取模块，用于获取构建好的活性污泥一体化装置处于不同运行条件下，对高盐高氮污水进行处理后的污染脱除效果，同时，获取所述活性污泥一体化装置在不同运行条件下的运行前端参数；

反馈模块，用于对相同运行条件下的运行前端参数和污染脱除效果进行预分析，获取对应的主要调控因子和最佳运行指标，并反馈至预先训练好的神经网络模型进行预处理；

控制模块，用于根据预处理结果对所述活性污泥一体化装置的对应条件下的运行前端参数进行调控，实现对所述活性污泥一体化装置的智能控制。

在一种可能实现的方式中，还包括：

构建模块，用于基于耐盐厌氧氨氧化污泥对应的第一单元体以及反硝化污泥对应的第二单元体，构建所述活性污泥一体化装置。

在一种可能实现的方式中，所述构建模块包括：

第一获取单元，用于获取与耐盐厌氧氨氧化污泥相关的第一需求信息；

第二获取单元，用于获取与反硝化污泥相关的第二需求信息；

第三获取单元，用于获取所述耐盐厌氧氨氧化污泥以及反硝化污泥的初始解体信息，并根据两者的待处环境，获取有效解体信息；

配比单元，用于根据所述第一需求信息以及第二需求信息，获取所述耐盐厌氧氨氧化污泥以及反硝化污泥的第一配比结果，同时，按照所述有效解体信息，对所述第一配比结果进行优化，获得第二配比结果；

构建单元，用于基于所述耐盐厌氧氨氧化污泥以及反硝化污泥的第二配比结果，构建对应的第一单元体和第二单元体，进而构建活性污泥一体化装置。

在一种可能实现的方式中，还包括：

判断模块，用于对相同运行条件下的运行前端参数和污染脱除效果进行预分析之前，根据获取的所述活性污泥一体化装置在该运行条件下的运行前端参数，判断所述运行前端参数是否与对应相同条件下的所有预设阈值参数一致；

若一致，控制反馈模块进行常规工作；

若不一致，获取所述运行前端参数中每个第一参数与对应预设阈值参数中的第二参数之间的参数差值，并构建参差集合；

调取模块，用于从预设数据库中，调取相同条件下对应的预设运行模型，并对对应的运行前端参数进行分析，获得对应的运行差异信息；

将所述运行差异信息与对应的参差集合进行匹配处理，判断是否匹配；

若匹配，将所述运行差异信息发送到所述反馈模块，控制所述反馈模块进行第一工作；

若不匹配，将所述参差集合以及运行差异信息进行融合处理，获得融合数据，并对所述融合数据进行类型聚类分析，获取同类型数据差异包，并按照相互类型的配合参与规律，对所述差异包进行差异等级标定，同时，还对所述差异包进行类型等级标定；

建立模块，用于根据标定结果，确定所述差异包的当前异常权值，并建立每个差异包的当前异常权值-差异数据映射关系，并传输到所述反馈模块，并控制所述反馈模块进行第二工作。

在一种可能实现的方式中，所述反馈模块，包括：

配置单元，用于将所述运行前端参数输入到目标决策模型中，并将每个第一参数分别配置到所述目标决策模型的决策节点上；

矩阵构建单元，用于根据配置后的决策节点的基于所述目标决策模型的位置，构建位置矩阵，同时，根据所述运行前端参数构建参数矩阵；

引用单元，用于基于所述位置矩阵以及参数矩阵进行第一配对处理，并根据配对处理结果，获取每个第一参数的参数权重；

确定单元，用于确定当前所述反馈模块执行的工作类型；

当为常规工作类型时，根据所述参数权重提取所有第一参数中的有效参数，预测对应的第一脱除效果，若对应的第一脱除效果与污染脱除效果一致，基于所述有效参数以及污染脱除效果，获取对应的主要调控因子和最佳运行指标；

当为第一工作类型时，根据所述参数权重提取所有第一参数中的有效参数与运行差异信息，预测对应的第二脱除效果，若对应的第二脱除效果与污染脱除效果一致，基于所述有效参数、运行差异信息、污染脱除效果，获取对应的主要调控因子和最佳运行指标；

当为第二工作类型时，根据所述参数权重提取所有第一参数中的有效参数与当前异常权值-差异数据映射关系，预测对应的第三脱除效果，若对应的第三脱除效果与污染脱除效果一致，基于基于所述有效参数、当前异常权值-差异数据映射关系、污染脱除效果，获取对应的主要调控因子和最佳运行指标。

在一种可能实现的方式中，所述反馈模块，还包括：

概率判断单元，用于获取所述主要调控因子，同时，获取次要调控因子，判断每个次要调控因子对所有主要调控因子的影响概率；

若所述影响概率大于预设概率，将对应的次要调控因子作为辅助调控因子；

预处理单元，用于基于所述主要调控因子和最优选择指标反馈至预先训练好的神经网络模型进行预处理之前，将所述辅助调控因子同步反馈至所述预设训练好的神经网络模型，并进行同步处理。

在一种可能实现的方式中，所述控制模块，包括：

预测单元，用于根据预处理结果预测所述第一参数的调节信息；

控制单元，用于按照所述调节信息对对应的第一参数进行调控，实现对所述活性污泥一体化装置的智能控制。

在一种可能实现的方式中，还包括：

第一检测模块，用于根据预处理结果对所述活性污泥一体化装置的对应条件下的运行前端参数进行调控之后，对所述高盐高氮污水进行检测，得到第一含盐量以及第一含氮量；

第二检测模块，用于检测所述活性污泥一体化装置当前的污泥活性；

差值确定模块，用于按照所述第一参数的调节信息以及污泥活性，获取对应的预测含盐量以及预测含氮量，将所述第一含盐量与预测含盐量进行比较，获得第一差值，并将所述预测含氮量与第一含氮量进行比较，获得第二差值；

若两者差值都在预设差值范围内，判定所述活性污泥一体化装置合格，并按照预处理结果实现相应的参数调控；

否则，提取不在预设范围内的差值对应的第三参数，并基于所述第三参数对应的调整方案，对所述活性污泥一体化装置进行修复调整。

在一种可能实现的方式中，还包括：

第一确定模块，用于与所述第三参数相关的调节信息对所述活性污泥一体化装置进行调控的工作日志；

第二确定模块，用于确定所述工作日志的第一序列，并与标准调控的标准日志的第二序列进行比较，对第一序列中的不一致序列进行标定；

位置获取模块，用于根据标定结果，获取连续序列以及非连续序列在第一序列中的第一位置，以及在第二序列中的第二位置；

描述获取模块，用于分析第二位置上的每个连续序列的第一序列描述，同时，按照预设序列截取规则，自动截取对应连续序列的相邻序列，获取整个序列的第二序列描述；

序列判断模块，用于当所述第一序列描述与第二序列描述一致时，则将对应的第二序列保留；

否则，基于所述相邻序列对对应的连续序列进行扩充，获得扩充序列，并将所述扩充序列与对应的第二序列进行序列对保留；

对所述第二序列中的所有单独序列进行第一分析，对所述第一序列中的所有单独序列进行第二分析，确定第一分析结果与第二分析结果之间的相似度；

若相似度小于预设度，确定所述第一位置中连续位置点的集中区域，基于就近原则，确定所述集中区域周围的第一单独序列区域，同时，还根据第一单独序列区域的区域权重，以及该区域中对应的单独序列的位置权值，筛选对应的第二单独序列；

按照所述第一单独序列区域的区域位置以及第二单独序列的序列位置，匹配对应的预设纠错序列算法，并对对应序列进行纠错处理，获取剩余仍未纠正不一致的序列；

根据保留结果以及剩余未纠正结果，从预设调整方案数据库中，匹配调整方案，并对所述活性污泥一体化装置进行修复调整。

在一种可能实现的方式中，

所述最佳运行指标与污水标志性污染物、活性污泥一体化装置的运行条件有关；

其中，所述污水标志性污染物与污水中的盐度、氮素浓度以及化学需氧量有关；

所述运行条件与运行温度、运行PH、运行HRT有关。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种高盐高氮污水智能一体化除盐脱氮控制系统的结构图；

图2为本发明实施例中判断反馈模块处于不同工作的结构图；

图3为本发明实施例中序列区域结构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明提供一种高盐高氮污水智能一体化除盐脱氮控制系统，如图1所示，包括：

获取模块，用于获取构建好的活性污泥一体化装置处于不同运行条件下，对高盐高氮污水进行处理后的污染脱除效果，同时，获取所述活性污泥一体化装置在不同运行条件下的运行前端参数；

反馈模块，用于对相同运行条件下的运行前端参数和污染脱除效果进行预分析，获取对应的主要调控因子和最佳运行指标，并反馈至预先训练好的神经网络模型进行预处理；

控制模块，用于根据预处理结果对所述活性污泥一体化装置的对应条件下的运行前端参数进行调控，实现对所述活性污泥一体化装置的智能控制。

该实施例中，所述最佳运行指标与污水标志性污染物有关，活性污泥一体化装置的当前运行条件，可以按照上述相关的指标进行调整。

所述污水标志性污染物与污水中的盐度、氮素浓度以及化学需氧量有关，且当前运行条件与运行温度、运行PH、运行HRT(Hydraulic Retention Time)又叫做水力停留时间有关。

该实施例中，在构建活性污泥一体化装置的过程中，以耐盐厌氧氨氧化物污泥和反硝化污泥为种泥为基础，构建得到的。

在获取主要调控因子和最佳运行指标的过程中，通过将运行前端参数、污染脱除效果作为基本参数，且还涉及到通过BP神经网络模型筛选污水脱除效率、装置运行动力以及微生物成长等相关参数作为输入条件，进而利用隐藏层函数计算结果，来明确主要调控因子和最佳运行指标。

该实施例中，运行前端参数可以是指的该装置在运行过程前，基于对应污水的当前盐度、氮素浓度、化学需氧量、水利停留时间、PH、温度、动力学参数等数据，来设定的该装置的基础运行参数，并根据该基础运行参数以及基于该运行参数对污水进行处理之后获取的污水去除效果。

该实施例中，主要调控因子，可以是针对运行前端参数中的某些参数进行主要调控，比如盐度、氮素浓度等。

该实施例中，污染脱除效果指的是，对盐、氮进行脱除的后污水中的盐度、氮的浓度降低所达到的一个浓度值。

上述技术方案的有益效果是：用以通过获取装置的调控因子和运行指标，来基于神经网络模型进行反馈预处理，进而达到对装置的参数进行调控的目的，提高了处理效率。

实施例2：

基于实施例1的基础上，还包括：

构建模块，用于基于耐盐厌氧氨氧化污泥对应的第一单元体以及反硝化污泥对应的第二单元体，构建所述活性污泥一体化装置。

上述技术方案的有益效果是：通过基于两种不同的污泥对应的单元体，实现对活性污泥一体化装置的构建，可以有效保证对盐以及氮浓度的消除。

实施例3：

基于实施例2的基础上，所述构建模块包括：

第一获取单元，用于获取与耐盐厌氧氨氧化污泥相关的第一需求信息；

第二获取单元，用于获取与反硝化污泥相关的第二需求信息；

第三获取单元，用于获取所述耐盐厌氧氨氧化污泥以及反硝化污泥的初始解体信息，并根据两者的待处环境，获取有效解体信息；

配比单元，用于根据所述第一需求信息以及第二需求信息，获取所述耐盐厌氧氨氧化污泥以及反硝化污泥的第一配比结果，同时，按照所述有效解体信息，对所述第一配比结果进行优化，获得第二配比结果；

构建单元，用于基于所述耐盐厌氧氨氧化污泥以及反硝化污泥的第二配比结果，构建对应的第一单元体和第二单元体，进而构建活性污泥一体化装置。

该实施例中，由于不同的污泥配比，在处理盐和氮的过程中，处理程度不同，因此，通过获取不同污泥的需求信息，比如，需要耐盐厌氧氨氧化污泥100kg，需要反硝化污泥80kg，同时，结合两者的解体信息(两者污泥中活性物对盐、氮的消除情况)来对配比进行调整，比如，调整后需要耐盐厌氧氨氧化污泥90kg，需要反硝化污泥90kg，此时，分别构建对应的单元体，来放置对应的污泥。

上述技术方案的有益效果是：通过根据需求信息，来初步确定配比结果，其次，根据解体信息，来对配比结果进行调整，进而构建有效的一体化装置，为后续进行反馈控制提供基础。

实施例4：

基于实施例1的基础上，如图2所示，还包括：

判断模块，用于对相同运行条件下的运行前端参数和污染脱除效果进行预分析之前，根据获取的所述活性污泥一体化装置在该运行条件下的运行前端参数，判断所述运行前端参数是否与对应相同条件下的所有预设阈值参数一致；

若一致，控制反馈模块进行常规工作；

若不一致，获取所述运行前端参数中每个第一参数与对应预设阈值参数中的第二参数之间的参数差值，并构建参差集合；

调取模块，用于从预设数据库中，调取相同条件下对应的预设运行模型，并对对应的运行前端参数进行分析，获得对应的运行差异信息；

将所述运行差异信息与对应的参差集合进行匹配处理，判断是否匹配；

若匹配，将所述运行差异信息发送到所述反馈模块，控制所述反馈模块进行第一工作；

若不匹配，将所述参差集合以及运行差异信息进行融合处理，获得融合数据，并对所述融合数据进行类型聚类分析，获取同类型数据差异包，并按照相互类型的配合参与规律，对所述差异包进行差异等级标定，同时，还对所述差异包进行类型等级标定；

建立模块，用于根据标定结果，确定所述差异包的当前异常权值，并建立每个差异包的当前异常权值-差异数据映射关系，并传输到所述反馈模块，并控制所述反馈模块进行第二工作。

该实施例中，运行前端参数实际测量的参数结果所对应的运行参数，且预设前端参数是基于该运行条件下预先设置好的运行处参数，比如：该运行条件下，对应的：PH值的范围为3-5，对应的预设阈值参数为4，此时，对应的运行前端参数为3.9，此时，两者不一致。

该实施例，常规工作指的是正常工作流程，比如，反馈模块只根据获取的运行前端数据进行反馈控制操作；

第一工作指的是，反馈模块不仅根据运行前端数据，还根据运行差异信息，两者结合进行反馈控制操作；

第二工作指的是，反馈模块不仅根据运行前端数据，还根据数据映射关系，两者结合进行反馈控制操作；

该实施例中，预设运行模型是预先训练好的，且预设数据库中包括不同运行条件下的运行模型，且预设运行模型包含的指标包含运行前端参数对应的指标在内，且运行差异信息，比如是，PH值的差异为0.1，此时，与上述参差集合中的PH值参差一致，则视为匹配。

该实施例中，参差集合中是包括：若干不同类运行前端参数与预设阈值参数的差值在内的。

该实施例中，参差集合与运行差异信息进行融合处理，比如关于PH值、盐度、氮元素浓度等进行融合，得到还是关于上述参数的信息，此时，通过对该些参数进行类型聚类分析，比如：PH为一类，各种浓度对应的元素为一类等，此时，可以获取差异包，且差异包是包含对应类的参数在内的。

该实施例中，比如：浓度差异包中包括：氮元素浓度差异为0.9，盐浓度差异为0.6，PH差异包中：PH差异为1.9，此时，按照相互类型的配合参与规律，比如PH与浓度在历史过程中的配合处理规律等，比如：浓度降低2％，对应的PH会配合降低1％之类的，以此，来对差异包进行差异等级标定，且配合参与规律是包含差异包设计的各类参数、各类参数中每类参数对应的差异等级以及各类差异等级对应的综合差异等级，来获得差异包的差异等级，进而进行标定。

该实施例中，提前设置有差异等级-差异参数-差异权值映射表，从该映射表中，可以获取当前差异权值，且通过建立数据映射关系，是为了方便将差异数据直接反馈到反馈模块进行处理。

上述技术方案的有益效果是：通过确定相同条件下对应的运行前端参数与预设阈值参数的差值，来确定确定两者是否一致，便于后续根据当前判断基础进行具体分析，通过再次确定不同参数之间的差值，来构建参差集合，并基于模型进行分析，通过再次匹配，来确定是否执行第一工作还是第二工作，当执行第二工作时，通过获取差异包、差异等级、差异权值，来构建映射关系，便于保证反馈模块在执行过程中，可以自身通过更多有效数据，来对最后结果进行有效反馈，保证后续调控的精准性。

实施例5：

基于实施例4的基础上，所述反馈模块，包括：

配置单元，用于将所述运行前端参数输入到目标决策模型中，并将每个第一参数分别配置到所述目标决策模型的决策节点上；

矩阵构建单元，用于根据配置后的决策节点基于所述目标决策模型的位置，构建位置矩阵，同时，根据所述运行前端参数构建参数矩阵；

引用单元，用于基于所述位置矩阵以及参数矩阵进行第一配对处理，并根据配对处理结果，获取每个第一参数的参数权重；

确定单元，用于确定当前所述反馈模块执行的工作类型；

当为常规工作类型时，根据所述参数权重提取所有第一参数中的有效参数，预测对应的第一脱除效果，若对应的第一脱除效果与污染脱除效果一致，基于所述有效参数以及污染脱除效果，获取对应的主要调控因子和最佳运行指标；

当为第一工作类型时，根据所述参数权重提取所有第一参数中的有效参数与运行差异信息，预测对应的第二脱除效果，若对应的第二脱除效果与污染脱除效果一致，基于所述有效参数、运行差异信息、污染脱除效果，获取对应的主要调控因子和最佳运行指标；

当为第二工作类型时，根据所述参数权重提取所有第一参数中的有效参数与当前异常权值-差异数据映射关系，预测对应的第三脱除效果，若对应的第三脱除效果与污染脱除效果一致，基于基于所述有效参数、当前异常权值-差异数据映射关系、污染脱除效果，获取对应的主要调控因子和最佳运行指标。

该实施例中，目标决策模型是预先设置训练好的，与各种运行前端参数的种类有关，且不同的种类的参数在模型中的分布位置是不一样的。

该实施例中，一个模型中是包含多个决策节点在内的，进而，可以通过确定决策节点的位置，来构建位置矩阵，比如：[1，6，3，4]；

在构建参数矩阵的过程中，是需要将运行前端参数进行格式的统一转换，来得到的，比如按照位置矩阵的顺序，得到的参数矩阵为[1.2，1.3，1.0，1.5]；

此时，来将进行配对处理，即为[1，1.2]，[6，1.3]，[3，1.0]，[4，1.5]；

该实施例中，将配对结果分别输入到配对分析模型(与配对数值以及配对对应的权值、对应的配对位置有关)，来得到参数权值。

该实施例中，比如参数权值为0.6，达到0.6及其以上的参数，可以视为有效参数，根据该有效参数，来预测对应的脱除效果。

上述技术方案的有益效果是：通过构建位置矩阵以及参数矩阵，并进行配对处理，有效确定参数权值，且通过根据不同工作类型，来获取不同的参数信息，进行脱除效果的比较，最后有效获取主要调控因子和最佳运行指标，提高后续的精准调控。

实施例6：

基于实施例1的基础上，所述反馈模块，还包括：

概率判断单元，用于获取所述主要调控因子，同时，获取次要调控因子，判断每个次要调控因子对所有主要调控因子的影响概率；

若所述影响概率大于预设概率，将对应的次要调控因子作为辅助调控因子；

预处理单元，用于基于所述主要调控因子和最优选择指标反馈至预先训练好的神经网络模型进行预处理之前，将所述辅助调控因子同步反馈至所述预设训练好的神经网络模型，并进行同步处理。

该实施例中，比如主要调控因子为氮元素相关的，此时，如果存在次要调控因子对氮元素有影响，此时视为该影响概率大于预设概率。

上述技术方案的有益效果是：通过获取次要调控因子对主要调控因子的影响概率，来保证反馈参数的完整性，保证后续调控的精准性。

实施例7：

基于实施例1的基础上，所述控制模块，包括：

预测单元，用于根据预处理结果预测所述第一参数的调节信息；

控制单元，用于按照所述调节信息对对应的第一参数进行调控，实现对所述活性污泥一体化装置的智能控制。

该实施例中，获取第一参数的调节信息，比如，初始确定的第一参数的初始PH为8，但是按照装置的初始设定方案，可能只能调节到7.6.因此，获取该调节信息，来对第一参数进行调控，进而通过0.6的差值，来对装置的调控参数进行调整，进而实现将PH值调控到7的目的。

上述技术方案的有益效果是：通过对第一参数进行调控，可以保证后续的精准调控，提高调控效率。

实施例8：

基于实施例1的基础上，还包括：

第一检测模块，用于根据预处理结果对所述活性污泥一体化装置的对应条件下的运行前端参数进行调控之后，对所述高盐高氮污水进行检测，得到第一含盐量以及第一含氮量；

第二检测模块，用于检测所述活性污泥一体化装置当前的污泥活性；

差值确定模块，用于按照所述第一参数的调节信息以及污泥活性，获取对应的预测含盐量以及预测含氮量，将所述第一含盐量与预测含盐量进行比较，获得第一差值，并将所述预测含氮量与第一含氮量进行比较，获得第二差值；

若两者差值都在预设差值范围内，判定所述活性污泥一体化装置合格，并按照预处理结果实现相应的参数调控；

否则，提取不在预设范围内的差值对应的第三参数，并基于所述第三参数对应的调整方案，对所述活性污泥一体化装置进行修复调整。

该实施例中，对前端参数进行调控之后，对高盐高氮污水进行污水处理，以为对处理后的污水进行检查，获得含盐量以及含氮量。

该实施例中，检测污泥活性，主要是确定该装置在进行盐含量以及氮含量去除过程中的去除可靠性。

该实施例中，参数调控是为了保证该装置对污水处理的有效性。

上述技术方案的有益效果是：通过确定调控后的不同含量，便于确定该装置是合格，通过保证装置的合格，来进一步保证后续进行调控的有效性，提高调控效率。

实施例9：

基于实施例8的基础上，还包括：

第一确定模块，用于与所述第三参数相关的调节信息对所述活性污泥一体化装置进行调控的工作日志；

第二确定模块，用于确定所述工作日志的第一序列，并与标准调控的标准日志的第二序列进行比较，对第一序列中的不一致序列进行标定；

位置获取模块，用于根据标定结果，获取连续序列以及非连续序列在第一序列中的第一位置，以及在第二序列中的第二位置；

描述获取模块，用于分析第二位置上的每个连续序列的第一序列描述，同时，按照预设序列截取规则，自动截取对应连续序列的相邻序列，获取整个序列的第二序列描述；

序列判断模块，用于当所述第一序列描述与第二序列描述一致时，则将对应的第二序列保留；

否则，基于所述相邻序列对对应的连续序列进行扩充，获得扩充序列，并将所述扩充序列与对应的第二序列进行序列对保留；

对所述第二序列中的所有单独序列进行第一分析，对所述第一序列中的所有单独序列进行第二分析，确定第一分析结果与第二分析结果之间的相似度；

若相似度小于预设度，确定所述第一位置中连续位置点的集中区域，基于就近原则，确定所述集中区域周围的第一单独序列区域，同时，还根据第一单独序列区域的区域权重，以及该区域中对应的单独序列的位置权值，筛选对应的第二单独序列；

按照所述第一单独序列区域的区域位置以及第二单独序列的序列位置，匹配对应的预设纠错序列算法，并对对应序列进行纠错处理，获取剩余仍未纠正不一致的序列；

根据保留结果以及剩余未纠正结果，从预设调整方案数据库中，匹配调整方案，并对所述活性污泥一体化装置进行修复调整。

该实施例中，工作日志例如：111000111000，对应的第二序列为：1011111111000，因此，会存在不一致的序列，且包括不一致的连续序列以及非连续序列。

该实施例中，序列描述指的是第二位置上，每个连续序列的当前参数含义，可以指代的调控目的，或者在调控过程中起到的作用。

该实施例中，预设序列截取规则是预先设定好的，比如，是连续序列为000，对应的截取的000附件的11，此时，11000可以视为整个序列，且对应的扩充序列，比如111000。

该实施例中，对第二序列中的单独序列进行第一分析，是为了获取所有单独序列在该调控过程中的参与作用，且对第一序列中的所有单独序列进行第二分析，目的与上述一致。

该实施例中，通过进行分析结果的比较，来确定相似度。

该实施例中，如图3所示，集中区域为a1，对应的第一单独序列区域a2，a3、a4为单独序列区域中存在的序列，最后筛选得到的第二单独序列为a4。

该实施例中，预设纠错序列算法，是预先设置好的，与多个位置点有关。

上述技术方案的有益效果是：通过标定不一致序列，便于后续进行的不一致序列中的单独序列以及连续序列的有效判断，且通过获取序列描述进行一致判断，来保留合理的序列，且通过判断分析结果对应的相似度，来筛选有效序列，进而根据位置分布，来调取纠正算法，保证纠正算法对对应位置序列的精准纠正，为后续减少调整方案进行调整的工作量，保证装置的稳定运行，间接提高控制效率。

实施例10：

将每个第一参数分别配置到所述目标决策模型的决策节点上，其包括：

确定所述第一参数的参数属性以及当前执行需求，并根据如下公式，确定每个第一参数的分配差值F；

其中，F_i表示第i个第一参数的分配差值；G_i表示第i个第一参数的初始分配值，其取值范围为[1，5]；n表示所述当前执行需求的需求指标数；N_j表示第j个需求指标与第j个第一参数对应参数属性的协调值，且取值范围为[0，1]，Y_j表示对协调值的调整因子，且取值范围为[1，2]；∝_j表示第j个需求指标对第i个第一参数的影响因子，且取值范围为[0.01，0.06]；

当所述分配差值小于预设差值时，按照初始配置方式，将对应第一参数配置到对应决策节点(初始节点)上，否则，按照分配差值以及第一参数的参数属性，来从配置数据库中获取调控配置方式；

根据如下公式，判断初始配置方式与调控配置方式的优先级；

其中，F表示初始配置方式对应的主要调整因子的个数，D表示调控配置方式对应的主要调整因子个数；h_f表示初始配置方式中第f个主要调整因子的因子值；h_d表示调控配置方式中第d个主要调整因子的因子值；γ_f表示初始配置方式中第f个主要调整因子的权重值；h_d表示调控配置方式中第d个主要调整因子的权重值；

且

当X大于0，判定所述调控配置方式优于初始配置方式，此时，将所述第一参数配置到优先级低于初始节点的第二节点上；

否则，将所述第一参数配置到优先级高于初始节点的第三节点上。

其中，所述初始节点于所述初始分配值一一匹配。

该实施例中，初始配置方式，是与初始节点意义对应的，且初始节点以及初始配置方式都是预先设置好的，且调控配置方式也是基于配置数据库事先设定好的，方便调取。

该实施例中，比如，存在需求指标数2，根据如下结果计算：

其中，由于1.01大于1(预设差值)，此时，获取调控配配置方式。

上述技术方案的有益效果是：通过确定第一参数的参数属性，来确定分配差值，根据分配差值的结果，来对第一参数所在的初始节点进行调整，且通过根据差值调配的调控配置方式与初始配置方式优先级的比较，来对第一参数进行合理配置，保证第一参数所在位置的合理性，为后续建立位置矩阵提供可靠位置基础。

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)

1.一种高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，包括：

获取模块，用于获取构建好的活性污泥一体化装置处于不同运行条件下，对高盐高氮污水进行处理后的污染脱除效果，同时，获取所述活性污泥一体化装置在不同运行条件下的运行前端参数；

反馈模块，用于对相同运行条件下的运行前端参数和污染脱除效果进行预分析，获取对应的主要调控因子和最佳运行指标，并反馈至预先训练好的神经网络模型进行预处理；

控制模块，用于根据预处理结果对所述活性污泥一体化装置的对应条件下的运行前端参数进行调控，实现对所述活性污泥一体化装置的智能控制。

2.如权利要求1所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，还包括：

构建模块，用于基于耐盐厌氧氨氧化污泥对应的第一单元体以及反硝化污泥对应的第二单元体，构建所述活性污泥一体化装置。

3.如权利要求2所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，所述构建模块包括：

第一获取单元，用于获取与耐盐厌氧氨氧化污泥相关的第一需求信息；

第二获取单元，用于获取与反硝化污泥相关的第二需求信息；

第三获取单元，用于获取所述耐盐厌氧氨氧化污泥以及反硝化污泥的初始解体信息，并根据两者的待处环境，获取有效解体信息；

配比单元，用于根据所述第一需求信息以及第二需求信息，获取所述耐盐厌氧氨氧化污泥以及反硝化污泥的第一配比结果，同时，按照所述有效解体信息，对所述第一配比结果进行优化，获得第二配比结果；

构建单元，用于基于所述耐盐厌氧氨氧化污泥以及反硝化污泥的第二配比结果，构建对应的第一单元体和第二单元体，进而构建活性污泥一体化装置。

4.如权利要求1所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，还包括：

判断模块，用于对相同运行条件下的运行前端参数和污染脱除效果进行预分析之前，根据获取的所述活性污泥一体化装置在该运行条件下的运行前端参数，判断所述运行前端参数是否与对应相同条件下的所有预设阈值参数一致；

若一致，控制反馈模块进行常规工作；

若不一致，获取所述运行前端参数中每个第一参数与对应预设阈值参数中的第二参数之间的参数差值，并构建参差集合；

调取模块，用于从预设数据库中，调取相同条件下对应的预设运行模型，并对对应的运行前端参数进行分析，获得对应的运行差异信息；

将所述运行差异信息与对应的参差集合进行匹配处理，判断是否匹配；

若匹配，将所述运行差异信息发送到所述反馈模块，控制所述反馈模块进行第一工作；

若不匹配，将所述参差集合以及运行差异信息进行融合处理，获得融合数据，并对所述融合数据进行类型聚类分析，获取同类型数据差异包，并按照相互类型的配合参与规律，对所述差异包进行差异等级标定，同时，还对所述差异包进行类型等级标定；

建立模块，用于根据标定结果，确定所述差异包的当前异常权值，并建立每个差异包的当前异常权值-差异数据映射关系，并传输到所述反馈模块，并控制所述反馈模块进行第二工作。

5.如权利要求4所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，所述反馈模块，包括：

配置单元，用于将所述运行前端参数输入到目标决策模型中，并将每个第一参数分别配置到所述目标决策模型的决策节点上；

矩阵构建单元，用于根据配置后的决策节点的基于所述目标决策模型的位置，构建位置矩阵，同时，根据所述运行前端参数构建参数矩阵；

引用单元，用于基于所述位置矩阵以及参数矩阵进行第一配对处理，并根据配对处理结果，获取每个第一参数的参数权重；

确定单元，用于确定当前所述反馈模块执行的工作类型；

当为常规工作类型时，根据所述参数权重提取所有第一参数中的有效参数，预测对应的第一脱除效果，若对应的第一脱除效果与污染脱除效果一致，基于所述有效参数以及污染脱除效果，获取对应的主要调控因子和最佳运行指标；

当为第一工作类型时，根据所述参数权重提取所有第一参数中的有效参数与运行差异信息，预测对应的第二脱除效果，若对应的第二脱除效果与污染脱除效果一致，基于所述有效参数、运行差异信息、污染脱除效果，获取对应的主要调控因子和最佳运行指标；

当为第二工作类型时，根据所述参数权重提取所有第一参数中的有效参数与当前异常权值-差异数据映射关系，预测对应的第三脱除效果，若对应的第三脱除效果与污染脱除效果一致，基于基于所述有效参数、当前异常权值-差异数据映射关系、污染脱除效果，获取对应的主要调控因子和最佳运行指标。

6.如权利要求1所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，所述反馈模块，还包括：

概率判断单元，用于获取所述主要调控因子，同时，获取次要调控因子，判断每个次要调控因子对所有主要调控因子的影响概率；

若所述影响概率大于预设概率，将对应的次要调控因子作为辅助调控因子；

预处理单元，用于基于所述主要调控因子和最优选择指标反馈至预先训练好的神经网络模型进行预处理之前，将所述辅助调控因子同步反馈至所述预设训练好的神经网络模型，并进行同步处理。

7.如权利要求1所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，所述控制模块，包括：

预测单元，用于根据预处理结果预测所述第一参数的调节信息；

控制单元，用于按照所述调节信息对对应的第一参数进行调控，实现对所述活性污泥一体化装置的智能控制。

8.如权利要求7所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，还包括：

第一检测模块，用于根据预处理结果对所述活性污泥一体化装置的对应条件下的运行前端参数进行调控之后，对所述高盐高氮污水进行检测，得到第一含盐量以及第一含氮量；

第二检测模块，用于检测所述活性污泥一体化装置当前的污泥活性；

差值确定模块，用于按照所述第一参数的调节信息以及污泥活性，获取对应的预测含盐量以及预测含氮量，将所述第一含盐量与预测含盐量进行比较，获得第一差值，并将所述预测含氮量与第一含氮量进行比较，获得第二差值；

若两者差值都在预设差值范围内，判定所述活性污泥一体化装置合格，并按照预处理结果实现相应的参数调控；

否则，提取不在预设范围内的差值对应的第三参数，并基于所述第三参数对应的调整方案，对所述活性污泥一体化装置进行修复调整。

9.如权利要求8所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，还包括：

第一确定模块，用于与所述第三参数相关的调节信息对所述活性污泥一体化装置进行调控的工作日志；

第二确定模块，用于确定所述工作日志的第一序列，并与标准调控的标准日志的第二序列进行比较，对第一序列中的不一致序列进行标定；

位置获取模块，用于根据标定结果，获取连续序列以及非连续序列在第一序列中的第一位置，以及在第二序列中的第二位置；

描述获取模块，用于分析第二位置上的每个连续序列的第一序列描述，同时，按照预设序列截取规则，自动截取对应连续序列的相邻序列，获取整个序列的第二序列描述；

序列判断模块，用于当所述第一序列描述与第二序列描述一致时，则将对应的第二序列保留；

否则，基于所述相邻序列对对应的连续序列进行扩充，获得扩充序列，并将所述扩充序列与对应的第二序列进行序列对保留；

对所述第二序列中的所有单独序列进行第一分析，对所述第一序列中的所有单独序列进行第二分析，确定第一分析结果与第二分析结果之间的相似度；

若相似度小于预设度，确定所述第一位置中连续位置点的集中区域，基于就近原则，确定所述集中区域周围的第一单独序列区域，同时，还根据第一单独序列区域的区域权重，以及该区域中对应的单独序列的位置权值，筛选对应的第二单独序列；

按照所述第一单独序列区域的区域位置以及第二单独序列的序列位置，匹配对应的预设纠错序列算法，并对对应序列进行纠错处理，获取剩余仍未纠正不一致的序列；

根据保留结果以及剩余未纠正结果，从预设调整方案数据库中，匹配调整方案，并对所述活性污泥一体化装置进行修复调整。

10.如权利要求1所述的高盐高氮污水智能一体化除盐脱氮控制系统，其特征在于，

所述最佳运行指标与污水标志性污染物、活性污泥一体化装置的运行条件有关；

其中，所述污水标志性污染物与污水中的盐度、氮素浓度以及化学需氧量有关；

所述运行条件与运行温度、运行PH、运行HRT有关。

Images