CN114956360A - 一种基于爬山算法的污水处理曝气充氧控制方法 - Google Patents

一种基于爬山算法的污水处理曝气充氧控制方法 Download PDF

Info

Publication number
CN114956360A
CN114956360A CN202210918806.3A CN202210918806A CN114956360A CN 114956360 A CN114956360 A CN 114956360A CN 202210918806 A CN202210918806 A CN 202210918806A CN 114956360 A CN114956360 A CN 114956360A
Authority
CN
China
Prior art keywords
aeration
index
port
opening
obtaining
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
CN202210918806.3A
Other languages
English (en)
Other versions
CN114956360B (zh
Inventor
胡文征
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.)
Jiangsu Laitong Environmental Technology Co ltd
Original Assignee
Jiangsu Laitong Environmental 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 Jiangsu Laitong Environmental Technology Co ltd filed Critical Jiangsu Laitong Environmental Technology Co ltd
Priority to CN202210918806.3A priority Critical patent/CN114956360B/zh
Publication of CN114956360A publication Critical patent/CN114956360A/zh
Application granted granted Critical
Publication of CN114956360B publication Critical patent/CN114956360B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F7/00—Aeration of stretches of water
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/02—Aerobic processes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W10/00—Technologies for wastewater treatment
    • Y02W10/10—Biological treatment of water, waste water, or sewage

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Microbiology (AREA)
  • Activated Sludge Processes (AREA)

Abstract

本发明涉及污水处理技术领域，具体涉及一种基于爬山算法的污水处理曝气充氧控制方法。该方法包括：基于预设时段内曝气口空气输出速率获得曝气口的堵塞程度和曝气口的受影响程度；根据曝气口的第一个、第二个、第三个和第四个指标以及其第一个、第二个、第三个和第四个指标的权重获得曝气口的水质指标；对各曝气口的堵塞程度、受影响程度和水质指标进行分析获得异常曝气口；获得每个异常曝气口的最优蝶阀开度值，基于异常曝气口的最优蝶阀开度值对异常曝气口的蝶阀进行调节。本发明获得了异常曝气口的最优蝶阀开度值，使得每个曝气口的蝶阀能够调节到最合适的开度，能够保证污水处理过程中曝气池氧气的充足，优化了污水处理的过程。

Description

一种基于爬山算法的污水处理曝气充氧控制方法
技术领域
本发明涉及污水处理技术领域，具体涉及一种基于爬山算法的污水处理曝气充氧控制方法。
背景技术
活性污泥法是一种好氧生物处理法，它能从污水中去除溶解性的和胶体状态的可生化有机物以及能够被活性污泥吸附的悬浮固体和其他一些物质，在城市污水处理中，在池内设置填料，通过鼓风机对污水池池底曝气从而对污水进行充氧，并使池内污水处于流动状态。
但是，连接鼓风机的曝气口会出现堵塞的情况，一旦曝气口出现堵塞的情况，鼓风机就不能很好的将空气送入到污水处理池中，这样就会导致污水处理池中的含氧量降低，从而使污水处理的效果变差。
现有技术中对于出现堵塞的曝气口的检测一般都是通过工人的经验进行判断的，这样判断是十分不准确的，并且对于发生堵塞的曝气口，调节其蝶阀的开度时也都通过工人的经验进行调节，这样并不能将堵塞的曝气口的蝶阀调节到合适的开度。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于爬山算法的污水处理曝气充氧控制方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种基于爬山算法的污水处理曝气充氧控制方法，方法包括：基于预设时段内曝气口空气输出速率获得曝气口的堵塞程度；不同曝气口之间的距离的平方的倒数为不同曝气口之间的相对距离；利用一个曝气口与其预设范围内曝气口之间的相对距离以及其他曝气口的堵塞程度获得该曝气口的受影响程度；
各曝气口周围污水中的化学需氧量、氨氮浓度、污泥浓度和溶解氧含量分别记为第一个指标、第二个指标、第三个指标和第四个指标；利用各曝气口的第一个、第二个、第三个和第四个指标各自与所有曝气口的第一个、第二个、第三个和第四个指标的和的比值分别获得第一个、第二个、第三个和第四个指标的信息熵；基于所述第一个、第二个、第三个和第四个指标的信息熵分别获得第一个、第二个、第三个和第四个指标的权重；根据曝气口的第一个、第二个、第三个和第四个指标以及其第一个、第二个、第三个和第四个指标的权重获得曝气口的水质指标；
基于各曝气口的堵塞程度、受影响程度和水质指标获得各曝气口之间的差异构建样本空间，在样本空间中获得每个曝气口的局部可达密度；利用所述各曝气口的局部可达密度获得各曝气口的局部离群因子，局部离群因子大于预设数值的曝气口为异常曝气口；获得每个异常曝气口的最优蝶阀开度值，基于所述每个异常曝气口的最优蝶阀开度值对每个异常曝气口的蝶阀开度进行调节。
优选地，获得曝气口的堵塞程度包括：获得各曝气口的空气输出速率的最大值，记为极大速率；各曝气口的空气输出速率与极大速率的比值与曝气口的堵塞程度成负相关关系。
优选地，所述曝气口的受影响程度为：
Figure 100002_DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE004
表示第i个曝气口的受影响程度；
Figure 100002_DEST_PATH_IMAGE006
表示第i个曝气口与其预设范围内的第b个曝气口的相对距离，其中所述预设范围的第b个曝气口为距离第i个曝气口1米范围内的第b个曝气口；
Figure 100002_DEST_PATH_IMAGE008
表示第i个曝气口的预设范围内的第b个曝气口的堵塞程度。
优选地，在所述利用各曝气口的第一个、第二个、第三个和第四个指标各自占所有曝气口的第一个、第二个、第三个和第四个指标的和的比值分别获得第一个、第二个、第三个和第四个指标的信息熵之前还包括：对每个曝气口的第一个、第二个、第三个和第四个指标分别进行去量纲处理；对去量纲后每个曝气口的第一个、第二个、第三个和第四个指标分别进行标准化处理，具体为：若第一个、第二个、第三个和第四个指标为正向指标，则标准化后的指标为：
Figure 100002_DEST_PATH_IMAGE010
若第一个、第二个、第三个和第四个指标为正向指标，则标准化后的指标为：
Figure 100002_DEST_PATH_IMAGE012
其中，
Figure 100002_DEST_PATH_IMAGE014
表示第i个曝气口的第j个指标的标准化后的结果，其中j的取值为1、2、3、4；
Figure 100002_DEST_PATH_IMAGE016
表示去除量纲后的第i个曝气口的第j个指标；
Figure 100002_DEST_PATH_IMAGE018
表示所有曝气口的第j个指标中的最小值，
Figure 100002_DEST_PATH_IMAGE020
表示所有曝气口的第j个指标中的最大值。
优选地，分别获得第一个、第二个、第三个和第四个指标的权重包括：
Figure 100002_DEST_PATH_IMAGE022
其中，
Figure 100002_DEST_PATH_IMAGE024
表示第j个指标的权重；
Figure 100002_DEST_PATH_IMAGE026
表示第j个指标的信息熵。
优选地，根据曝气口的第一个、第二个、第三个和第四个指标以及其第一个、第二个、第三个和第四个指标的权重获得曝气口的水质指标包括：基于第一个、第二个、第三个和第四个指标的权重对每个曝气口的第一个、第二个、第三个和第四个指标进行加权求和获得每个曝气口的水质指标。
优选地，基于各曝气口的堵塞程度、受影响程度和水质指标获得各曝气口之间的差异构建样本空间，在样本空间中获得每个曝气口的局部可达密度包括：利用各曝气口的堵塞程度、受影响程度和水质指标组成各曝气口的特征向量，计算各曝气口的特征向量的相似度；利用所述各曝气口的特征向量的相似度获得各曝气口之间的差异距离；基于所述各曝气口之间的差异距离构建样本空间获得各曝气口在样本空间中位置；
在样本空间中选择曝气口p，计算样本空间中任意两个曝气口在空间中的距离，且获得曝气口p的第k距离，记为
Figure 100002_DEST_PATH_IMAGE028
，所述曝气口p的第k距离表示将其他曝气口与曝气口p的距离按照升序排列时的第k个距离；基于所述曝气口p的第k距离获得第k距离邻域
Figure 100002_DEST_PATH_IMAGE030
，其中第k距离邻域
Figure 418133DEST_PATH_IMAGE030
中曝气口的数量大于等于k，且第k距离邻域
Figure 538536DEST_PATH_IMAGE030
中曝气口的数量为
Figure 100002_DEST_PATH_IMAGE032
；获得曝气口p到第k距离邻域
Figure 193639DEST_PATH_IMAGE030
中任意一个曝气口o的可达距离
Figure 100002_DEST_PATH_IMAGE034
；则曝气口p的局部可达密度为：
Figure 100002_DEST_PATH_IMAGE036
其中，
Figure 100002_DEST_PATH_IMAGE038
表示曝气口p的局部可达密度。
优选地，利用所述各曝气口的局部可达密度获得各曝气口的局部离群因子包括：所述曝气口的局部离群因子为：
Figure 100002_DEST_PATH_IMAGE040
其中，
Figure 100002_DEST_PATH_IMAGE042
表示曝气口p的局部离群因子；
Figure 484722DEST_PATH_IMAGE030
表示曝气口p的k距离邻域；
Figure 100002_DEST_PATH_IMAGE044
表示曝气口p的k距离邻域
Figure 345100DEST_PATH_IMAGE030
中任意一个曝气口o的局部可达密度；
Figure 100002_DEST_PATH_IMAGE046
表示曝气口p的局部可达密度；
Figure 308508DEST_PATH_IMAGE032
表示曝气口p的k距离邻域
Figure 215022DEST_PATH_IMAGE030
中的曝气口的数量。
优选地，获得每个异常曝气口的最优蝶阀开度值包括：对于每个异常曝气口，获得曝气口的蝶阀实际可调范围，根据蝶阀实际可调范围和异常曝气口的蝶阀每次调节后异常曝气口的局部离群因子利用爬山算法获得每个异常曝气口的最优蝶阀开度值。
本发明实施例至少具有如下有益效果：本发明获得了每个曝气口的堵塞程度、受影响程度和水质指标，其中在获取水质指标时综合了每个曝气口周围水域的多个因素的多个指标，同时使用了熵权法客观的获得了多个指标的权重，保证了数据的准确性，使得后续对每个曝气口的堵塞程度、受影响程度和水质指标进行分析获得异常曝气口时也是较为准确的；同时基于爬山算法获得了异常曝气口的最优蝶阀开度值，使得每个曝气口的蝶阀能够调节到最合适的开度，能够保证污水处理过程中曝气池氧气的充足，优化了污水处理的过程。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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它附图。
图1为本发明的一种基于爬山算法的污水处理曝气充氧控制方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于爬山算法的污水处理曝气充氧控制方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于爬山算法的污水处理曝气充氧控制方法的具体方案。
实施例1：
本发明的主要应用场景为：在鼓风机对污水池池底进行曝气充氧时，由于污水池中污泥和其他物质的存在，可能会对曝气口造成堵塞，造成曝气池各位置出现曝气不均匀的现象，本方案主要针对曝气池中所有的曝气口进行分析获得异常的曝气口，再获得异常曝气口的最优的开度值从而达到对污水处理过程的优化。
请参阅图1，其示出了本发明一个实施例提供的一种基于爬山算法的污水处理曝气充氧控制方法的方法流程图，该方法包括以下步骤：
步骤（1），基于预设时段内曝气口空气输出速率获得曝气口的堵塞程度；不同曝气口之间的距离的平方的倒数为不同曝气口之间的相对距离；利用一个曝气口与其预设范围内曝气口之间的相对距离以及其他曝气口的堵塞程度获得该曝气口的受影响程度。
采用活性污泥法处理工业污水，对于气水比有一定的要求，因此需要在曝气池中规律安装多个曝气口负责对各区域的污水进行曝气供氧，多个曝气口是以并联的方式连通，由鼓风机对其进行统一输送空气，在曝气池中，由于污泥分布的不均，会导致各区域曝气口的空气输出量不同，污水处理池各位置的污水曝气不均匀。
将气体流量计安装在曝气口出口端，使用气体流量计检测预设时间段内的气体流量，其中本实施例中预设时为10秒，利用10秒的气体的总流量与时间的比值获得每个曝气口的空气输出速率，每个曝气口的空气输出速率可以用来表征每个曝气口的堵塞程度，曝气口的空气输出速率越大，意味着该位置受到污泥的堵塞程度越小，反之堵塞程度越大；堵塞程度大的曝气口相对于其他没有堵塞或者堵塞程度小的曝气口，空气的输出量会比较小。
进一步的，获得各曝气口的空气输出速率中的最大值，记为极大速率
Figure DEST_PATH_IMAGE048
，则么每个曝气口的堵塞程度为：
Figure DEST_PATH_IMAGE050
其中，
Figure DEST_PATH_IMAGE052
表示第i个曝气口的堵塞程度，
Figure DEST_PATH_IMAGE054
表示第i个曝气口的空气输出速率。
最后，距离一个曝气口比较近的其他的曝气口输出的空气会向该曝气口周围蔓延，会对该曝气口周围水域中的含氧量造成影响，因此需要计算每一个曝气口的受影响程度用于后续的分析，计算每个曝气口与其他曝气口空间上的距离d，其距离的平方的倒数为相对距离D；利用一个曝气口与其预设范围内曝气口之间的相对距离以及其他曝气口的堵塞程度获得该曝气口的受影响程度，很明显，距离越远的两个曝气口相互之间的影响越小；优选地，在本实施例中，一个曝气口的预设范围为距离曝气口1米范围内所包括的曝气口，因为曝气口的排列实际情况不同，有的是环形排列，有的是直线型排列，在本实施例中将曝气口的排列视为直线型排列，因此预设范围就是一个曝气口左右各1米的范围，如果是环形排列，则以曝气口为圆心1米为半径的圆的范围内的曝气口。
至此，可以得到每个曝气口的受影响程度：
Figure DEST_PATH_IMAGE002A
其中，
Figure 53402DEST_PATH_IMAGE004
表示第i个曝气口的受影响程度；
Figure 863227DEST_PATH_IMAGE006
表示第i个曝气口与其预设范围内的第b个曝气口的相对距离，其中所述预设范围的第b个曝气口为距离第i个曝气口1m范围内的第b个曝气口；
Figure 292809DEST_PATH_IMAGE008
表示第i个曝气口的预设范围内的第b个曝气口的堵塞程度。当两个曝气口之间的相对距离越大，两个曝气口之间的相互影响程度越小，同时计算一个曝气口的受影响程度时，其预设范围内的曝气口的堵塞程度越大，该曝气口的受影响的程度越小。
步骤（2），各曝气口周围污水中的化学需氧量、氨氮浓度、污泥浓度和溶解氧含量分别记为第一个指标、第二个指标、第三个指标和第四个指标；利用各曝气口的第一个、第二个、第三个和第四个指标各自与所有曝气口的第一个、第二个、第三个和第四个指标的和的比值分别获得第一个、第二个、第三个和第四个指标的信息熵；基于所述第一个、第二个、第三个和第四个指标的信息熵分别获得第一个、第二个、第三个和第四个指标的权重；根据曝气口的第一个、第二个、第三个和第四个指标以及其第一个、第二个、第三个和第四个指标的权重获得曝气口的水质指标。
首先，刚进入曝气池中的污水的水质是相同的，通过各曝气口对其进行曝气处理后，需要对每个曝气口的周围区域的水质进行分析，在本实施例中，测量曝气口的周围区域的水质的数据时，由于鼓风机通入的空气在水中向上逐渐溶解，水质监测设备在曝气口垂直上方1米处检测数据，本实施例中的水质监测设备主要包括：出水化学需氧量COD传感器、氨氮NH4-N传感器、污泥浓度MLSS传感器和溶解氧含量DO传感器；测量每个曝气口所在区域的周污水的化学需氧量、氨氮浓度、污泥浓度和溶解氧含量，同时将其分别记为一个曝气口的第一个指标、第二个指标、第三个指标和第四个指标，这些指标记为
Figure 250400DEST_PATH_IMAGE016
，表示第i个曝气口的第j个指标，其中j的取值为1、2、3、4，每个曝气口的第一个指标、第二个指标、第三个指标和第四个指标组成每个曝气口的多维向量，例如第一个曝气口的多维向量为：（
Figure DEST_PATH_IMAGE056
），从而可以得到每个曝气口的多维向量，包括第一个指标、第二个指标、第三个指标和第四个指标。
由于需要根据每个曝气口的第一个指标、第二个指标、第三个指标和第四个指标综合获得每个曝气口周围污水的水质指标，因此需要获得每个曝气口的第一个指标、第二个指标、第三个指标和第四个指标的权重；在这里使用熵权法对每个曝气口的第一个指标、第二个指标、第三个指标和第四个指标分别赋权，具体为：
首先，对每个曝气口的第一个指标、第二个指标、第三个指标和第四个指标进行去量纲处理，获得去量纲后的指标
Figure 564576DEST_PATH_IMAGE016
，还需要对去除量纲后的每个曝气口的第一个、第二个、第三个和第四个指标分别进行标准化处理，具体为：若第一个、第二个、第三个和第四个指标为正向指标，则标准化后的指标为：
Figure DEST_PATH_IMAGE010A
若第一个、第二个、第三个和第四个指标为正向指标，则标准化后的指标为：
Figure DEST_PATH_IMAGE012A
其中，
Figure 274912DEST_PATH_IMAGE014
表示第i个曝气口的第j个指标的标准化后的结果，其中j的取值为1、2、3、4；
Figure 908018DEST_PATH_IMAGE016
表示去除量纲后的第i个曝气口的第j个指标；
Figure 87327DEST_PATH_IMAGE018
表示所有曝气口的第j个指标中的最小值，
Figure 798669DEST_PATH_IMAGE020
表示所有曝气口的第j个指标中的最大值。这里正向指标的意思是该指标与最后获得结果为正相关关系，例如溶解氧含量，也即是第四个指标，第四个指标越大，说明曝气口周围水域的水质越好，负向指标的意思是该指标与最后获得结果为负相关关系，例如污泥浓度，也即是第三个指标，第三个指标越大，说明曝气口收尾水域的水质越差。
进一步的，获得各曝气口的第一个、第二个、第三个和第四个指标各自与所有曝气口的第一个、第二个、第三个和第四个指标的和的比值：
Figure DEST_PATH_IMAGE058
其中，
Figure DEST_PATH_IMAGE060
表示第i个曝气口的第j个指标与所有曝气口的第j个指标的和的比值；
Figure 894670DEST_PATH_IMAGE014
表示第i个曝气口的第j个指标的标准化后的结果；m表示曝气口的数量。
Figure 167519DEST_PATH_IMAGE060
是第j个指标在第i个曝气口占所有第j个指标的比重，能够反映该指标的变异大小。
接着，由此分别获得第一个指标、第二个指标、第三个指标和第四个指标的信息熵：
Figure DEST_PATH_IMAGE062
其中，
Figure 208025DEST_PATH_IMAGE026
表示第j个指标的信息熵，
Figure DEST_PATH_IMAGE064
表示自然对数，m表示曝气口的数量，由此可以得到第一个指标、第二个指标、第三个指标和第四个指标的信息熵。
由此分别获得第一个、第二个、第三个和第四个指标的权重：
Figure DEST_PATH_IMAGE022A
其中，
Figure 801687DEST_PATH_IMAGE024
表示第j个指标的权重；
Figure 440609DEST_PATH_IMAGE026
表示第j个指标的信息熵。
最后，根据曝气口的第一个、第二个、第三个和第四个指标以及其第一个、第二个、第三个和第四个指标的权重获得曝气口的水质指标：
Figure DEST_PATH_IMAGE066
其中，
Figure DEST_PATH_IMAGE068
表示第i个曝气口的水质指标；
Figure 461524DEST_PATH_IMAGE016
第i个曝气口的去除量纲后的第j个指标；
Figure DEST_PATH_IMAGE070
表示
Figure 51643DEST_PATH_IMAGE024
表示第j个指标的权重。熵权法是根据各项指标的指标值的变异程度来确定指标权数的，这是一种客观赋权法，避免了人为因素带来的偏差。
步骤（3），基于各曝气口的堵塞程度、受影响程度和水质指标获得各曝气口之间的差异构建样本空间，在样本空间中获得每个曝气口的局部可达密度；利用所述各曝气口的局部可达密度获得各曝气口的局部离群因子，局部离群因子大于预设数值的曝气口为异常曝气口；获得每个异常曝气口的最优蝶阀开度值，基于所述每个异常曝气口的最优蝶阀开度值对每个异常曝气口的蝶阀开度进行调节。
首先，利用每个曝气口的堵塞程度、受影响程度和水质指标构成每个曝气口的特征向量
Figure DEST_PATH_IMAGE072
，
Figure 809515DEST_PATH_IMAGE072
表示曝气口A的特征向量，计算每两个曝气口之间的特征向量的相似度，基于相似度获得两个曝气口的差异距离从而将每个曝气口映射到空间中获得样本空间，则特征向量的相似度为：
Figure DEST_PATH_IMAGE074
对曝气口A和曝气口B的堵塞程度，受影响程度，水质指标构成的特征向量进行余弦相似度计算，得到两个曝气口的特征向量的相似度，也即是得到两个曝气口的相似度。
由此可以获得两两曝气口的相似度，基于两两曝气口的相似度获得，两个曝气口之间的差异的距离：
Figure DEST_PATH_IMAGE076
Figure DEST_PATH_IMAGE078
表示两个曝气口之间的差异距离，获得每两个曝气口之间的差异距离，该差异距离为样本空间内两个曝气口之间的差异距离。
进一步的，基于局部异常因子算法对构建的样本空间中全部曝气口通气供氧过程中曝气效率特征的异常情况进行分析计算。
对于样本空间中的任意两个曝气口都有其确定的空间位置，计算任意两个曝气口之间的空间上的距离，也即是两个曝气口在构造的样本空间中的距离
Figure DEST_PATH_IMAGE080
，表示曝气口p与样本空间中任一曝气口o之间的距离，并且获得曝气口p的第k距离：曝气口p的第k距离，记为
Figure 926113DEST_PATH_IMAGE028
，所述曝气口p的第k距离表示将其他曝气口与曝气口p的距离按照升序排列时的第k个距离，也可以说成曝气口的第k远的距离，将小于
Figure 806344DEST_PATH_IMAGE028
的曝气口组成一个集合，则满足：在集合内至少有不包含在曝气口p在内的k个曝气口o
Figure DEST_PATH_IMAGE082
，满足
Figure DEST_PATH_IMAGE084
；在集合内最多有不包括曝气口p在内的k-1个曝气口o
Figure DEST_PATH_IMAGE086
，满足
Figure DEST_PATH_IMAGE088
。
基于曝气口p的第k距离
Figure 720246DEST_PATH_IMAGE028
获得第k距离邻域，也即是曝气口p的第k距离以内的所有曝气口，包括曝气口p的第k距离对应的曝气口，将第k距离邻域记为
Figure 577081DEST_PATH_IMAGE030
，其中第k距离邻域
Figure 987334DEST_PATH_IMAGE030
中曝气口的数量大于等于k，且第k距离邻域
Figure 38467DEST_PATH_IMAGE030
中曝气口的数量为
Figure 901381DEST_PATH_IMAGE032
。
获得曝气口p到第k距离邻域
Figure 561907DEST_PATH_IMAGE030
中任意一个曝气口o的可达距离
Figure 561087DEST_PATH_IMAGE034
，其中
Figure DEST_PATH_IMAGE090
，这里表示的意思是曝气口p到任一曝气口o的可达距离为任一曝气口o的第k距离
Figure DEST_PATH_IMAGE092
和曝气口p到曝气口o之间的真实距离中的较大的值，也即是离曝气口o最近的k个点，o到它们的可达距离被认为相等，且都等于
Figure 360284DEST_PATH_IMAGE092
。
则曝气口p的局部可达密度为：
Figure DEST_PATH_IMAGE036A
其中，
Figure 553237DEST_PATH_IMAGE038
表示曝气口p的局部可达密度。这个值的含义可以这样理解，首先这代表一个密度，密度越高，认为越可能属于同一簇，密度越低，越可能是离群点。如果曝气口p和周围邻域的曝气口是同一簇，那么可达距离越可能为较小的
Figure 518919DEST_PATH_IMAGE092
，导致可达距离之和较小，密度值较高；如果曝气口p和周围邻域的曝气口相距较远，那么可达距离可能都会取较大值
Figure DEST_PATH_IMAGE094
，导致密度较小，曝气口p越可能是离群点。
从而获得曝气口p的局部离群因子：
Figure DEST_PATH_IMAGE040A
其中，
Figure 215349DEST_PATH_IMAGE042
表示曝气口p的局部离群因子；
Figure 545967DEST_PATH_IMAGE030
表示曝气口p的k距离邻域；
Figure 882008DEST_PATH_IMAGE044
表示曝气口p的k距离邻域
Figure 385802DEST_PATH_IMAGE030
中任意一个曝气口o的局部可达密度；
Figure 625153DEST_PATH_IMAGE046
表示曝气口p的局部可达密度；
Figure 923411DEST_PATH_IMAGE032
表示曝气口p的k距离邻域
Figure 12327DEST_PATH_IMAGE030
中的曝气口的数量。
若
Figure 319812DEST_PATH_IMAGE042
的值越接近于1说明曝气口p的邻域的曝气口密度接近，曝气口p可能与邻域同属一簇，同属一簇的意思为曝气口p的局部可达密度其邻域的其他曝气口的局部可达密度几乎没有差别；如果
Figure 148090DEST_PATH_IMAGE042
的值越小于1，说明曝气口p的密度高于其邻域内其他曝气口的密度，曝气口p为密集点，曝气口处在一个相对密集的区域内；如果
Figure 882828DEST_PATH_IMAGE042
的值越大于1，说明曝气口p的密度小于其邻域内其他曝气口的密度，曝气口p越可能是异常点。在污水曝气处理中，离群的样本会造成曝气效果的不均匀，因此需要对其进行调节提高污水处理的质量，设定预设数值，在本实施例预设数值为1.3，若曝气口的局部离群因子大于预设数值，则曝气口为异常曝气口。
最后，为了保证曝气口的正常供气，保证曝气池的污水处理效率，需要基于爬山算法获得每个异常曝气口的最优蝶阀开度值。具体过程为：
设定蝶阀开度评价值T，
Figure DEST_PATH_IMAGE096
，当爬山算法搜索到一个蝶阀的开度值时，根据此时的开度值基于步骤（1）到步骤（2）的方法计算出此时异常曝气口的局部离群因子，根据此时的局部离群因子获得蝶阀开度评价值T。
第一步，对于每个异常曝气口，获得曝气口的蝶阀实际可调范围
Figure DEST_PATH_IMAGE098
，蝶阀当前开度值初始化为零，0开始，蝶阀开度值h在区间[a，b]上以一定的步长
Figure DEST_PATH_IMAGE100
开始搜索。
第二步，获得每次搜索后蝶阀开度值对应的蝶阀开度评价值。
第三步，判断蝶阀开度评价值是否连续出现两个下降沿，即
Figure DEST_PATH_IMAGE102
；若是则执行下一步，若不是则继续执行第一步；其中，需要说明的是T(0)为当前步进后的蝶阀开度评价值，T(-1)表示前一次步进后的蝶阀开度评价值，T(-2)、T(-3)依次类推。
第四步，改变搜索的步长
Figure DEST_PATH_IMAGE104
，若不存在蝶阀开度评价值T(-3)对应的蝶阀开度值，则将搜索的起点变为
Figure DEST_PATH_IMAGE106
对应的蝶阀开度值；若存在蝶阀开度评价值T(-3) 对应的蝶阀开度值，执行下一步。需要说明是，这里不存在蝶阀开度评价值T(-3)指的是，搜索开始的时候从a开始搜索的，在a之前没有蝶阀可调节的开度值了。
第五步，判断蝶阀开度评价值T(-3)是否大于蝶阀开度评价值T(-1)，若大于，将搜索起点变为蝶阀开度评价值T(-2)对应的蝶阀开度值，若小于，则将搜索起点变为蝶阀开度评价值T(-1)对应的蝶阀开度值。
第六步，判断搜索步长是否小于等于预设阈值
Figure DEST_PATH_IMAGE108
，且搜索到最后得到的蝶阀开度值对应的蝶阀开度评价值是否大于等于0.45，若是则爬山搜索结束，若否，则改变爬山搜索方向，重复第二步到第六步；利用爬山算法搜索获得最优解的过程可以获得每个曝气口的最优蝶阀开度值，当异常曝气口的蝶阀开度为最优值时，该曝气口不再是离群点。
至此，使用爬山算法可以获得每个异常曝气口对应的最优蝶阀开度值，对异常曝气口蝶阀开度进行优化调节，降低其离群程度，从而使各区域曝气口输氧量均匀。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，该方法包括：基于预设时段内曝气口空气输出速率获得曝气口的堵塞程度；不同曝气口之间的距离的平方的倒数为不同曝气口之间的相对距离；利用一个曝气口与其预设范围内曝气口之间的相对距离以及其他曝气口的堵塞程度获得该曝气口的受影响程度；
各曝气口周围污水中的化学需氧量、氨氮浓度、污泥浓度和溶解氧含量分别记为第一个指标、第二个指标、第三个指标和第四个指标；利用各曝气口的第一个、第二个、第三个和第四个指标各自与所有曝气口的第一个、第二个、第三个和第四个指标的和的比值分别获得第一个、第二个、第三个和第四个指标的信息熵；基于所述第一个、第二个、第三个和第四个指标的信息熵分别获得第一个、第二个、第三个和第四个指标的权重；根据曝气口的第一个、第二个、第三个和第四个指标以及其第一个、第二个、第三个和第四个指标的权重获得曝气口的水质指标；
基于各曝气口的堵塞程度、受影响程度和水质指标获得各曝气口之间的差异构建样本空间，在样本空间中获得每个曝气口的局部可达密度；利用所述各曝气口的局部可达密度获得各曝气口的局部离群因子，局部离群因子大于预设数值的曝气口为异常曝气口；获得每个异常曝气口的最优蝶阀开度值，基于所述每个异常曝气口的最优蝶阀开度值对每个异常曝气口的蝶阀开度进行调节。
2.根据权利要求1所述的一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，所述获得曝气口的堵塞程度包括：获得各曝气口的空气输出速率的最大值，记为极大速率；各曝气口的空气输出速率与极大速率的比值与曝气口的堵塞程度成负相关关系。
3.根据权利要求1所述的一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，所述曝气口的受影响程度为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
表示第i个曝气口的受影响程度；
Figure DEST_PATH_IMAGE006
表示第i个曝气口与其预设范围内的第b个曝气口的相对距离，其中所述预设范围的第b个曝气口为距离第i个曝气口1米范围内的第b个曝气口；
Figure DEST_PATH_IMAGE008
表示第i个曝气口的预设范围内的第b个曝气口的堵塞程度。
4.根据权利要求1所述的一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，在所述利用各曝气口的第一个、第二个、第三个和第四个指标各自占所有曝气口的第一个、第二个、第三个和第四个指标的和的比值分别获得第一个、第二个、第三个和第四个指标的信息熵之前还包括：对每个曝气口的第一个、第二个、第三个和第四个指标分别进行去量纲处理；对去量纲后每个曝气口的第一个、第二个、第三个和第四个指标分别进行标准化处理，具体为：若第一个、第二个、第三个和第四个指标为正向指标，则标准化后的指标为：
Figure DEST_PATH_IMAGE010
若第一个、第二个、第三个和第四个指标为正向指标，则标准化后的指标为：
Figure DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE014
表示第i个曝气口的第j个指标的标准化后的结果，其中j的取值为1、2、3、4；
Figure DEST_PATH_IMAGE016
表示去除量纲后的第i个曝气口的第j个指标；
Figure DEST_PATH_IMAGE018
表示所有曝气口的第j个指标中的最小值，
Figure DEST_PATH_IMAGE020
表示所有曝气口的第j个指标中的最大值。
5.根据权利要求1所述的一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，所述分别获得第一个、第二个、第三个和第四个指标的权重包括：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE024
表示第j个指标的权重；
Figure DEST_PATH_IMAGE026
表示第j个指标的信息熵。
6.根据权利要求1所述的一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，所述根据曝气口的第一个、第二个、第三个和第四个指标以及其第一个、第二个、第三个和第四个指标的权重获得曝气口的水质指标包括：基于第一个、第二个、第三个和第四个指标的权重对每个曝气口的第一个、第二个、第三个和第四个指标进行加权求和获得每个曝气口的水质指标。
7.根据权利要求1所述的一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，所述基于各曝气口的堵塞程度、受影响程度和水质指标获得各曝气口之间的差异构建样本空间，在样本空间中获得每个曝气口的局部可达密度包括：利用各曝气口的堵塞程度、受影响程度和水质指标组成各曝气口的特征向量，计算各曝气口的特征向量的相似度；利用所述各曝气口的特征向量的相似度获得各曝气口之间的差异距离；基于所述各曝气口之间的差异距离构建样本空间获得各曝气口在样本空间中位置；
在样本空间中选择曝气口p，计算样本空间中任意两个曝气口在空间中的距离，且获得曝气口p的第k距离，记为
Figure DEST_PATH_IMAGE028
，所述曝气口p的第k距离表示将其他曝气口与曝气口p的距离按照升序排列时的第k个距离；基于所述曝气口p的第k距离获得第k距离邻域
Figure DEST_PATH_IMAGE030
，其中第k距离邻域
Figure 244609DEST_PATH_IMAGE030
中曝气口的数量大于等于k，且第k距离邻域
Figure 355784DEST_PATH_IMAGE030
中曝气口的数量为
Figure DEST_PATH_IMAGE032
；获得曝气口p到第k距离邻域
Figure 5946DEST_PATH_IMAGE030
中任意一个曝气口o的可达距离
Figure DEST_PATH_IMAGE034
；则曝气口p的局部可达密度为：
Figure DEST_PATH_IMAGE036
其中，
Figure DEST_PATH_IMAGE038
表示曝气口p的局部可达密度。
8.根据权利要求1所述的一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，所述利用所述各曝气口的局部可达密度获得各曝气口的局部离群因子包括：所述曝气口的局部离群因子为：
Figure DEST_PATH_IMAGE040
其中，
Figure DEST_PATH_IMAGE042
表示曝气口p的局部离群因子；
Figure 410121DEST_PATH_IMAGE030
表示曝气口p的k距离邻域；
Figure DEST_PATH_IMAGE044
表示曝气口p的k距离邻域
Figure 381619DEST_PATH_IMAGE030
中任意一个曝气口o的局部可达密度；
Figure DEST_PATH_IMAGE046
表示曝气口p的局部可达密度；
Figure 670387DEST_PATH_IMAGE032
表示曝气口p的k距离邻域
Figure 473257DEST_PATH_IMAGE030
中的曝气口的数量。
9.根据权利要求1所述的一种基于爬山算法的污水处理曝气充氧控制方法，其特征在于，所述获得每个异常曝气口的最优蝶阀开度值包括：对于每个异常曝气口，获得曝气口的蝶阀实际可调范围，根据蝶阀实际可调范围和异常曝气口的蝶阀每次调节后异常曝气口的局部离群因子利用爬山算法获得每个异常曝气口的最优蝶阀开度值。
CN202210918806.3A 2022-08-02 2022-08-02 一种基于爬山算法的污水处理曝气充氧控制方法 Active CN114956360B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210918806.3A CN114956360B (zh) 2022-08-02 2022-08-02 一种基于爬山算法的污水处理曝气充氧控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210918806.3A CN114956360B (zh) 2022-08-02 2022-08-02 一种基于爬山算法的污水处理曝气充氧控制方法

Publications (2)

Publication Number Publication Date
CN114956360A true CN114956360A (zh) 2022-08-30
CN114956360B CN114956360B (zh) 2022-10-21

Family

ID=82969154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210918806.3A Active CN114956360B (zh) 2022-08-02 2022-08-02 一种基于爬山算法的污水处理曝气充氧控制方法

Country Status (1)

Country Link
CN (1) CN114956360B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115121989A (zh) * 2022-08-31 2022-09-30 南通恒强轧辊有限公司 一种封头焊接质量评价方法
CN117113017A (zh) * 2023-10-24 2023-11-24 大连德裕隆机电工程技术有限公司 工程机械维修过程中电气数据优化采集方法及相关装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103771582A (zh) * 2013-12-06 2014-05-07 浙江浙大中控信息技术有限公司 污水处理的曝气控制方法
CN107986428A (zh) * 2017-12-15 2018-05-04 中原环保股份有限公司 一种污水处理精确曝气方法
CN114180733A (zh) * 2021-11-02 2022-03-15 合肥中盛水务发展有限公司 基于视频分析算法的污水曝气量检测及曝气控制系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103771582A (zh) * 2013-12-06 2014-05-07 浙江浙大中控信息技术有限公司 污水处理的曝气控制方法
CN107986428A (zh) * 2017-12-15 2018-05-04 中原环保股份有限公司 一种污水处理精确曝气方法
CN114180733A (zh) * 2021-11-02 2022-03-15 合肥中盛水务发展有限公司 基于视频分析算法的污水曝气量检测及曝气控制系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘姗 等: "基于粗糙集——信息熵的水质综合评价方法研究", 《人民长江》 *
鲁树武 等: "基于动态融合LOF的城市污水处理过程数据清洗方法", 《控制与决策》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115121989A (zh) * 2022-08-31 2022-09-30 南通恒强轧辊有限公司 一种封头焊接质量评价方法
CN117113017A (zh) * 2023-10-24 2023-11-24 大连德裕隆机电工程技术有限公司 工程机械维修过程中电气数据优化采集方法及相关装置
CN117113017B (zh) * 2023-10-24 2024-01-26 大连德裕隆机电工程技术有限公司 工程机械维修过程中电气数据优化采集方法及相关装置

Also Published As

Publication number Publication date
CN114956360B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN114956360B (zh) 一种基于爬山算法的污水处理曝气充氧控制方法
AU2021101438A4 (en) Adaptive control method and system for aeration process
CN110456754A (zh) 一种污水的监控处理系统及智能分析处理方法、存储介质
CN104182794B (zh) 一种基于神经网络的污水处理过程出水总磷tp软测量方法
CN109205781A (zh) 控制系统及控制方法
CN104360035A (zh) 一种基于自组织粒子群-径向基神经网络的污水总磷tp软测量方法
CN114663405B (zh) 用于农药生产企业的废水处理控制方法
CN109657790B (zh) 一种基于pso的递归rbf神经网络出水bod预测方法
CN103810309B (zh) 基于约束理论的a2o 城市污水处理工艺的软测量建模方法
CN115470702A (zh) 一种基于机器学习的污水处理水质预测方法及系统
CN111439900A (zh) 本地污水管理系统
Yustiani et al. The study of deoxygenation rate of Rangkui River water during dry season
CN115557600A (zh) 一种生化反应的人工神经网络智能曝气装置及其控制方法
CN112794550B (zh) 基于人工智能解决污水处理厂出水cod超标的方法及系统
CN117776336A (zh) 水预处理方法及厌氧氨氧化水处理工艺
CN113479998A (zh) 一种好氧污泥颗粒化程度的综合评价方法
CN201330211Y (zh) 污水处理厂运行参数自寻优模拟系统
US11370679B2 (en) Method for predicting discharge level of effluent from decentralized sewage treatment facilities
CN113830878B (zh) 水资源处理方法及装置
CN115356930A (zh) 一种污水处理过程中的多目标优化控制系统及方法
JP2001027634A (ja) 水質監視システム
CN113582309A (zh) 一种混凝剂投加量的确定方法和装置
CN113221436A (zh) 一种基于改进型rbf神经网络的污水悬浮物浓度软测量方法
CN117852397A (zh) 一种基于数据驱动的智能曝气方法
KR102679484B1 (ko) 인공지능을 이용한 송풍제어장치 및 송풍제어장치의 동작 방법

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