CN114125001A - 用于餐厨垃圾处理厌氧系统的边缘微平台设备 - Google Patents

Abstract

本发明涉及一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，包括嵌入在Linux系统中的数据库模块、软网关模块、云边协同模块、智能控制模块和算法控制模块，所述智能控制模块与企业侧的WEB端进行数据传输；所述的数据库模块与企业侧的程序交互模块进行数据传输；该智能控制模块还与数据库模块以及算法控制模块进行数据交互，所述的数据库模块和软网关模块均与所述的算法控制模块连接。本发明的优点是：对采集的生产侧数据进行实时分析，输出优化结果至企业侧智能管控系统模型管理菜单中作为消息提醒，生产人员可以选择手动或自动下发优化结果至硬网关，进而对生产侧设备执行相应动作，以达到增效目的。

Description

用于餐厨垃圾处理厌氧系统的边缘微平台设备

技术领域

本发明涉及一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，涉及微平台与PLC之间的通讯，实现边缘计算控制，完成增效的领域。

背景技术

餐厨垃圾处理中的厌氧系统通过厌氧微生物的作用将有机物分解产生沼气，后端工艺再将沼气作为能源进行再利用，而厌氧产生沼气的过程需要通过设备逻辑控制完成水解酸化、进料、厌氧发酵、出料等工序，其中利用搅拌机的搅拌作用使反应底物与微生物充分接触，这一过程消耗的电量占厌氧单元总耗能约40-50％。同时厌氧发酵过程因为控制参数的相对固定，有机质利用率和转化率在一定范围内优化的空间较为有限。

同时生产上一般通过控制器(如PLC、DCS)采集到的工业运行数据，通过通讯功能模块(比如4G模块)等，实现数据向云端的发送。随着技术的发展，这种模式产生了一些弊端，随着采集的生产数据越来越多会导致带宽瓶颈以及流量耗费巨大，其次用户出于对数据的安全性和私密性考虑不愿意将数据上传到云数据库。

目前餐厨垃圾处理工厂厌氧系统生产管理水平低下，绝大多数企业实现自动化控制，小部分企业实现数字化管理，但是几乎没有任何一家企业实现智能化管控。在现有的技术水平下，处理企业存在以下两个痛点：

(1)效益低：自动化程度低，很多阀门、电机的控制需要到现场进行手动开启或关闭，部分设备的启停需要在中控室由工作人员进行控制；管理与生产依赖人工经验，由于生物反应惯性比较大、影响因素较多，所以生产工艺参数基本上一成不变，造成能源浪费多，运行成本高；

(2)安全差：餐厨处理过程中会产生一定的有毒、易燃、易爆气体，但大部分企业只进行视频监控，及少量的具备远传功能的气体的检测探头，但不具备检测报警系统、智能联动功能，造成危险事故经常发生。

如202011489115.3，发明名称为基于物联网的生活垃圾分类收运系统、装置及其方法，该发明公开了基于物联网的生活垃圾分类收运系统、装置及其方法，该系统包括：户分类智能垃圾桶、垃圾分类智能收集箱、垃圾清扫车、垃圾运输车、垃圾处理站点和收运管理系统，收运管理系统通过无线网络与户分类智能垃圾桶和垃圾分类智能收集箱通信并接收来自两者的容量信息，垃圾清扫车和垃圾运输车通过无线网络与收运管理系统通信。该方法包括：部署物联网，并确立所述垃圾处理的成本模型；通过物联网获取待处理垃圾信息，并获取相应的垃圾处理站点及其车辆信息；根据所述成本模型计算可选的各收运线路的成本，并筛选出成本最小的收运线路，并以该收运线路指示相应的垃圾处理站点及车辆作业。

该专利进行系统管理监督完善了功能，并未对企业生产的效益增加特别是厌氧系统的控制产生直接的影响。

如专利申请号为201811040339.9，发明名称为一种基于新型BP神经网络建模的沼气生产过程的预测方法；该发明公开了一种基于新型BP神经网络建模的沼气生产过程的预测方法。包括如下步骤：通过现场操作或者实验获得沼气生产过程中的数据(不同原料的配比及其各自指定发酵时间的输出产气量Y；将采集到的数据用于新型BP神经网络的训练；利用训练到的最终模型对沼气生产过程的不同原料配比进行产气预测，并且再次验证所获取模型的有效性；将通过验证的模型用于实际沼气工程的原料配比技术指导。该发明可靠性及精度都非常高，克服了目前甲烷生产企业原料盲目配比的低效益生产模式，可实现相同原料种类下不同配比的沼气企业效益提前精确预测，可广泛应用。

但是该专利仅针对多种原料对产气的影响没有考虑其他因素，而且是单纯的模型控制技术指导，没有针对企业运行参数调整带来的能耗成本降低和沼气增收做阐述，同时数据的安全性也没有得到解决。

发明内容

为克服现有技术的缺陷，本发明提供一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，本发明的技术方案是：

一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，其特征在于，包括嵌入在Linux系统中的数据库模块、软网关模块、云边协同模块、智能控制模块和算法控制模块，所述智能控制模块与企业侧的WEB端进行数据传输；所述的数据库模块与企业侧的程序交互模块进行数据传输；该智能控制模块还与数据库模块以及算法控制模块进行数据交互，所述的数据库模块和软网关模块均与所述的算法控制模块连接，该Linux系统还接入所述的云边协同模块和实时操作系统，在所述的实时操作系统中嵌入有逻辑控制模块；该数据库模块通过硬网关模块与生产侧的PLC控制器连接；所述的算法控制模块用于对采集的生产数据进行实时分析，输出优化结果至企业侧智能管控系统的管理菜单中作为消息提醒；生产人员手动或自动选择下发优化结果至硬网关模块，进而对生产侧设备执行相应动作，以达到增效目的。

所述的算法控制模块包括厌氧系统增收降耗模型和系统稳态模型，所述的厌氧系统增收降耗模型用于进行运行参数的寻优，找到实现投入产出净收益最大化对应的进料量、进料频率、搅拌时长、搅拌频率及反应温度，参数优化过程中通过不断将上述参数优化，并迭代到计算模型中，探索出最优的运行参数；所述的系统稳态模型用于判断经过厌氧系统增收降耗模型寻优后的参数下发后，是否系统仍处于安全运行的范围内，通过对VFA、ALK、pH和COD指标的时间前后对比分析，判断系统运行状态，及时对调优后的运行参数进行纠偏。所述的厌氧系统增收降耗模型的具体处理步骤如下：

S1、通过现场控制不同的进料频次、进料量和搅拌机频率形成n组不同的测试数据，在相同的厌氧罐环境下，收集实时运行的沼气产量累积值和电耗，形成采集数据，将采集到的数据存储到数据库中；

S2、对步骤S1中的沼气累积值和电耗值做数据预处理，计算净收益作为因变量，并且在数据中添加前一日进料量、前两日进料量和前一日产气量作为自变量，将数据随机拆分成两部分，训练集75％和测试集25％；

S3、使用网格搜索法和交叉验证对步骤S3中的训练集进行XGBoost模型训练，选择均方误差最小的一组参数即为模型最优参数；

S4、利用步骤S3训练得到的XGBoost算法模型对测试集数据的净收益进行预测，将预测结果与测试集中的实际值进行对比，通过R2_score评估模型的泛化能力；

S5、当不同的进料量、搅拌机频率组合出现时，将数据输入测试验证后的XGBoost模型输出沼气净收益，从而可以提高沼气企业的经济效益。

所述的系统稳态模型的具体处理步骤如下：

S1、将实验室检测的厌氧系统指标通过生产管控系统WEB端预设数据录入功能进行上传，对检测的指标进行监测分析；

S2、根据餐厨垃圾处理项目厌氧单元长期运行数据总结的厌氧系统各项指标正常数值参考，判断厌氧系统pH、VFA、ALK、COD指标是否处在正常范围；

S3、若不在正常范围内，则降低进料量、提高进料频次、延迟搅拌时长、增加搅拌频率、调整反应温度，出参下发至控制系统；若在正常范围内，则厌氧系统增收降耗模型进行继续优化初始进料量、进料频次、搅拌频率和反应温度的参数。

本发明的优点是：对采集的生产侧数据进行实时分析，输出优化结果至企业侧智能管控系统模型管理菜单中作为消息提醒，生产人员可以选择手动或自动下发优化结果至硬网关，进而对生产侧设备执行相应动作，以达到增效目的。微平台可自由设置与平台侧的断连、功能与数据的开关，用户可以根据需求，选择连接平台并下载所需的功能模型，获得持续化的技术支撑与增效服务。能够大大降低数据反馈延时以及数据传输成本。从价值上讲，不仅仅是赋能企业、提高客户收益，更重要的是新物种的成功可以逐步改变传统的PLC/DCS+上位机的控制模式，进而大幅度降低管控系统机配套设置投资，同时为无人工厂的打造提供丰富的经验和坚实的基础。

附图说明

图1是本发明的主体结构示意图。

图2是本发明厌氧系统增收降耗模型和系统稳态模型工作流程示意图。

图3是本发明生成的沼气净收益预测值和实际值对比图。

具体实施方式

下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。

参见图1和图2，本发明涉及一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，包括嵌入在Linux系统中的数据库模块1、软网关模块2、云边协同模块3、智能控制模块4和算法控制模块5，所述智能控制模块4与企业侧的WEB端进行数据传输；所述的数据库模块1与企业侧的程序交互模块进行数据传输；该智能控制模块4还与数据库模块1以及算法控制模块5进行数据交互，所述的数据库模块1和软网关模块2均与所述的算法控制模块5连接，该Linux系统还接入所述的云边协同模块3和实时操作系统6，在所述的实时操作系统6中嵌入有逻辑控制模块7；该数据库模块1通过硬网关模块与生产侧的PLC控制器连接；所述的算法控制模块用于对采集的生产数据进行实时分析，输出优化结果至企业侧智能管控系统的管理菜单中作为消息提醒；生产人员手动或自动选择下发优化结果至硬网关模块，进而对生产侧设备执行相应动作，以达到增效目的。

所述的算法控制模块5包括厌氧系统增收降耗模型和系统稳态模型，所述的厌氧系统增收降耗模型用于进行运行参数的寻优，找到实现投入产出净收益最大化对应的进料量、进料频率、搅拌时长、搅拌频率及反应温度，参数优化过程中通过不断将上述参数优化，并迭代到计算模型中，探索出最优的运行参数；所述的系统稳态模型用于判断经过厌氧系统增收降耗模型寻优后的参数下发后，是否系统仍处于安全运行的范围内，通过对VFA、ALK、pH和COD指标的时间前后对比分析，判断系统运行状态，及时对调优后的运行参数进行纠偏。

所述的厌氧系统增收降耗模型的具体处理步骤如下：

S1、通过现场控制不同的进料频次、进料量和搅拌机频率形成n组不同的测试数据，在相同的厌氧罐环境(温度、PH值等)下，收集实时运行的沼气产量累积值和电耗，形成采集数据，将采集到的数据存储到数据库中；

S2、对步骤S1中的沼气累积值和电耗值做数据预处理，计算净收益作为因变量，并且在数据中添加前一日进料量、前两日进料量和前一日产气量作为自变量，将数据随机拆分成两部分，训练集(75％)和测试集(25％)；

S3、使用网格搜索法(学习率、迭代次数、树最大深度、叶子节点最小权重、随机样本采样比例等)和交叉验证(5折)对训练集进行XGBoost模型训练，选择均方误差(MSE)最小的一组参数即为模型最优参数；

S4、利用步骤S3训练得到的XGBoost算法模型对测试集数据的净收益进行预测，将预测结果与测试集中的实际值进行对比，通过R2_score评估模型的泛化能力；

S5、经过离散的输入测试后的XGBoost模型，可以运用到实际生产过程中。当不同的进料量、搅拌机频率等特征组合出现时，将数据输入测试验证后的XGBoost模型可以很快的输出沼气净收益，从而可以提高沼气企业的经济效益。

所述的步骤S1中，采集的数据为n个输入数据和n个输出数据，所有的输入数据与对应输出数据的比例之和为1，输出沼气累积量与电耗对比后的净收益，XGBoost模型目标函数为：

公式中，

为模型的损失函数，代表了模型的偏差；

是将全部t棵树的复杂度求和，添加到目标函数中作为正则项，用于防止模型过度拟合，减小模型的方差。模型的预测精度由模型的偏差和方差共同决定。

根据泰勒公式，把函数f(x+Δx)在点x处进行泰勒的二阶展开，可得如下公式：

回归到XGBoost的目标函数，f(x)对应损失函数

x对应前t-1棵树的预测值

Δx对应于我们正在训练的第t棵树f_t(x_i)，则可以将损失函数写为：

其中，g_i为损失函数的一阶导数，h_i为损失函数的二阶导数，注意这里的求导是对

求导。

决策树的复杂度可由叶子数组成，叶子节点越少模型越简单，此外叶子节点也不应该含有过高的权重(类比LR的每个变量的权重)，所以目标函数的正则项由生成的所有决策树的叶子节点数量，和所有节点权重所组成的向量的范式共同决定，第t颗决策树的复杂度如下：

其中，T为叶子数，ω_j为第j个叶子节点取值。

所述S2中，将数据分为两部分，其中C％(一般C介于70和80之间)的数据组用来训练结构化的XGBoost模型，剩下的数据用来验证模型的预测。

所述步骤S3中，对于XGBoost算法训练如下：(1)设置学习率、迭代次数、树最大深度、叶子节点最小权重、随机样本采样比例等模型参数列表，及设置交叉验证折数；(2)确定每个样本(X_p,Y_p)的实际模型输出O_p；其中，p＝1、2、…、i；(3)计算实际输出值O_p和理想输出值Y_p之间的残差，作为构建下一棵决策树的预测值；(4)将最大迭代次数N与事先给定的值进行比较，若大于事先给定值则终止迭代；或者将模型的误差与事先给定的值进行比较，若误差小于给定的ε，则终止迭代；(5)计算每轮迭代的均方误差(MSE)，选择MSE最小的一组参数即为XGBoost模型的最优解。

所述步骤S4中，预测结果与第二部门的实验输出结果进行对比(R2_score)后即可验证XGBoost模型。

所述步骤S5中，经过验证后的XGBoost算法模型可以运用到实际生产过程中。基于准确模型的不同特征值组合，可以很快的预测出不同情况下比较精确的沼气净收益累积值，进而对非最优的特征组合进行预筛选，提高沼气企业的经济效益。

如图3所示，通过本发明的方法生成的沼气净收益预测值和实际值对比图。

所述的系统稳态模型的具体处理步骤如下：

S1、将实验室检测的厌氧系统pH、VFA、ALK、COD等指标通过生产管控系统WEB端预设数据录入功能进行上传，对上述指标进行监测分析；

S2、根据餐厨垃圾处理项目厌氧单元长期运行数据总结的厌氧系统各项指标正常数值参考，判断厌氧系统pH、VFA、ALK、COD指标是否处在正常范围；

S3、若不在正常范围内，则降低进料量、提高进料频次、延迟搅拌时长、增加搅拌频率、调整反应温度，出参下发至控制系统；若在正常范围内，则厌氧系统增收降耗模型进行继续优化初始进料量、进料频次、搅拌频率和反应温度的参数。

上述模型通过对生产数据的不断收集、清洗及处理，将有效数据重复用于新模型的构建，来不断优化寻优模型的参数。已实现沼气收益与用电成本的最大净值；将打包好的增效函数嵌入至边缘网关(微平台机)，然后进行边缘网关(微平台机)编程、对接数据接口、通讯协议打通等，确保数据的传输路线准确、畅通。

本发明可同时满足数据实时性和安全性，通过网关采集、传输与汇聚厌氧系统生产数据包括进料量、进料频率、搅拌时长、搅拌频率、反应温度等参数，并进行协议转换，将转换后的数据发往运算中心。系统算法模型对于本地数据进一步处理，将输出结果下发至终端设备，实现系统的降本增效。本专利所述微平台可进行功能升级，自由设置与平台的断连、功能与数据的开关，具有相对的独立性，根据用户所需不定期选择连接平台，下载所需功能模型，获得平台赋能，包括跨平台之间的连接，整合一切需要和可以整合的资源，满足客户需求的多样性和灵活性，为系统带来持续增效。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，其特征在于，包括嵌入在Linux系统中的数据库模块、软网关模块、云边协同模块、智能控制模块和算法控制模块，所述智能控制模块与企业侧的WEB端进行数据传输；所述的数据库模块与企业侧的程序交互模块进行数据传输；该智能控制模块还与数据库模块以及算法控制模块进行数据交互，所述的数据库模块和软网关模块均与所述的算法控制模块连接，该Linux系统还接入所述的云边协同模块和实时操作系统，在所述的实时操作系统中嵌入有逻辑控制模块；该数据库模块通过硬网关模块与生产侧的PLC控制器连接；所述的算法控制模块用于对采集的生产数据进行实时分析，输出优化结果至企业侧智能管控系统的管理菜单中作为消息提醒；生产人员手动或自动选择下发优化结果至硬网关模块，进而对生产侧设备执行相应动作，以达到增效目的。

2.根据权利要求1所述的一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，其特征在于，所述的算法控制模块包括厌氧系统增收降耗模型和系统稳态模型，所述的厌氧系统增收降耗模型用于进行运行参数的寻优，找到实现投入产出净收益最大化对应的进料量、进料频率、搅拌时长、搅拌频率及反应温度，参数优化过程中通过不断将上述参数优化，并迭代到计算模型中，探索出最优的运行参数；所述的系统稳态模型用于判断经过厌氧系统增收降耗模型寻优后的参数下发后，是否系统仍处于安全运行的范围内，通过对VFA、ALK、pH和COD指标的时间前后对比分析，判断系统运行状态，及时对调优后的运行参数进行纠偏。

3.根据权利要求2所述的一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，其特征在于，所述的厌氧系统增收降耗模型的具体处理步骤如下：

S1、通过现场控制不同的进料频次、进料量和搅拌机频率形成n组不同的测试数据，在相同的厌氧罐环境下，收集实时运行的沼气产量累积值和电耗，形成采集数据，将采集到的数据存储到数据库中；

S2、对步骤S1中的沼气累积值和电耗值做数据预处理，计算净收益作为因变量，并且在数据中添加前一日进料量、前两日进料量和前一日产气量作为自变量，将数据随机拆分成两部分，训练集75％和测试集25％；

S3、使用网格搜索法和交叉验证对步骤S3中的训练集进行XGBoost模型训练，选择均方误差最小的一组参数即为模型最优参数；

S4、利用步骤S3训练得到的XGBoost算法模型对测试集数据的净收益进行预测，将预测结果与测试集中的实际值进行对比，通过R2_score评估模型的泛化能力；

S5、当不同的进料量、搅拌机频率组合出现时，将数据输入测试验证后的XGBoost模型输出沼气净收益，从而可以提高沼气企业的经济效益。

4.根据权利要求2或3所述的一种用于餐厨垃圾处理厌氧系统的边缘微平台设备，其特征在于，所述的系统稳态模型的具体处理步骤如下：

S1、将实验室检测的厌氧系统指标通过生产管控系统WEB端预设数据录入功能进行上传，对检测的指标进行监测分析；

S2、根据餐厨垃圾处理项目厌氧单元长期运行数据总结的厌氧系统各项指标正常数值参考，判断厌氧系统pH、VFA、ALK、COD指标是否处在正常范围；

S3、若不在正常范围内，则降低进料量、提高进料频次、延迟搅拌时长、增加搅拌频率、调整反应温度，出参下发至控制系统；若在正常范围内，则厌氧系统增收降耗模型进行继续优化初始进料量、进料频次、搅拌频率和反应温度的参数。

Images