CN116040713B - 一种污水处理中的曝气方法、装置、设备、存储介质 - Google Patents
一种污水处理中的曝气方法、装置、设备、存储介质 Download PDFInfo
- Publication number
- CN116040713B CN116040713B CN202310170918.XA CN202310170918A CN116040713B CN 116040713 B CN116040713 B CN 116040713B CN 202310170918 A CN202310170918 A CN 202310170918A CN 116040713 B CN116040713 B CN 116040713B
- Authority
- CN
- China
- Prior art keywords
- dissolved oxygen
- sequence
- predicted
- data
- oxygen rate
- 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.)
- Active
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000011282 treatment Methods 0.000 title claims abstract description 57
- 238000005273 aeration Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 20
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical group [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 298
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims abstract description 14
- 229910052760 oxygen Inorganic materials 0.000 claims description 271
- 239000001301 oxygen Substances 0.000 claims description 271
- 238000004090 dissolution Methods 0.000 claims description 66
- 238000012549 training Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000004065 wastewater treatment Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 13
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 abstract description 6
- 238000004134 energy conservation Methods 0.000 abstract description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 3
- 229910052799 carbon Inorganic materials 0.000 abstract description 3
- 229910052757 nitrogen Inorganic materials 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 230000001276 controlling effect Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001079 digestive effect Effects 0.000 description 3
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010992 reflux Methods 0.000 description 3
- 239000010802 sludge Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000941 radioactive substance Substances 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000006864 oxidative decomposition reaction Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 235000020681 well water Nutrition 0.000 description 1
- 239000002349 well water Substances 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- 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
-
- 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)
- Activated Sludge Processes (AREA)
Abstract
本发明公开了一种污水处理中的曝气方法、装置、设备、存储介质。该方法通过获取待处理污水在当前时刻的预测关联信息，其中，预测关联信息包括来水水质数据、来水水量数据和环境条件数据，查询对鼓风机的多个控制操作，将每一控制操作和预测关联信息输入至序列预测模型中，得到控制操作对应的预测溶氧率序列，基于期望溶氧率序列对各控制操作对应的预测溶氧率序列进行判定，确定与期望溶氧率序列相匹配的目标预测溶氧率序列，基于目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对待处理污水进行曝气处理。解决了现有技术中过量曝气导致破坏缺氧区缺氧环境、降低总氮去除效果、碳源投加量增大等问题，具有高效、节能的效果。
Description
技术领域
本发明实施例涉及污水处理技术领域，尤其涉及一种污水处理中的曝气方法、装置、设备、存储介质。
背景技术
工业生产和日常生活污水的随意排放，加剧了水质的污染，而水质污染是导致环境污染的主要原因之一。污水处理是一种降低水资源浪费、提高水资源重复利用率的手段。污水处理领域中的活性污泥法好氧段处理效果较高程度依赖于整个工艺段水体内溶氧率的控制状况。一般的控制方式是在好氧段尾端出口处安装溶氧仪测量此处的溶氧量，以此溶氧量为目标值，使用PID或者人工的方式进行动态调节，以保持溶氧量维持在恒定的水平。
目前的控制方式难以实现溶氧率稳定的核心原因有两个，第一，溶氧率控制系统是一个时变系统，前端来水的品质和数量都是实时发生变化的，适配于某一个时刻的控制参数设定很快就会在接下来的场景下失效；第二，传感器观测与控制动作之间存在明显的时滞效应，这是因为曝气的作用区段比较长，而测量点通常在该区段的尾部，操作动作的变更需要一定的时间间隔才会体现在传感器读数上，所以试图依靠传感器读数的反馈信号来进行稳定控制，就具有很大的难度。
发明内容
本发明提供一种污水处理中的曝气方法、装置、设备、存储介质，以实现曝气的高效、节能。
第一方面，本发明实施例提供了一种污水处理中的曝气方法，包括：
获取待处理污水在当前时刻的预测关联信息，其中，所述预测关联信息包括来水水质数据、来水水量数据和环境条件数据；
查询对鼓风机的多个控制操作，将每一所述控制操作和所述预测关联信息输入至序列预测模型中，得到所述控制操作对应的预测溶氧率序列；
基于期望溶氧率序列对各所述控制操作对应的预测溶氧率序列进行判定，确定与所述期望溶氧率序列相匹配的目标预测溶氧率序列；
基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对所述待处理污水进行曝气处理。
可选的，所述预测溶氧率序列包括预测时间段内各时刻对应的预测溶氧率数据；
所述序列预测模型用于对所述控制操作和所述预测关联信息预测处理，得到预测时间段内各时刻分别相对于前一时刻的溶氧率变化量，基于所述溶氧率变化量和所述前一时刻的预测溶氧率数据得到当前预测时刻的预测溶氧率数据。
可选的，所述期望溶氧率序列包括预测时间段内各时刻对应的期望溶氧率数据；
所述基于期望溶氧率序列对各所述控制操作对应的预测溶氧率序列进行判定，确定与所述期望溶氧率序列相匹配的目标预测溶氧率序列，包括：
对于每一控制操作对应的预测溶氧率序列执行如下的一项或多项：确定对应时刻的预测溶氧率数据和所述期望溶氧率数据的平均控制偏差；确定所述预测溶氧率序列的稳定性度量；确定所述预测溶氧率序列和所述期望溶氧率序列的序列相关性；
基于所述平均控制偏差、所述稳定性度量和所述序列相关性的一项或多项确定所述预测溶氧率序列与所述期望溶氧率序列的匹配度；
基于各所述预测溶氧率序列与所述期望溶氧率序列的匹配度，确定所述目标预测溶氧率序列。
可选的，所述鼓风机的控制操作包括：各个鼓风机启停状态和对应工作频率。
可选的，所述序列预测模型的训练方法包括：
创建初始模型；
设置所述初始模型待处理参数的参数类型和各待处理参数之间的关联关系；
获取样本数据和所述样本数据对应的标准溶氧率序列，其中，所述样本数据中包括各待处理参数分别对应的参数值；
基于所述样本数据和对应的标准溶氧率序列对所述初始模型进行迭代训练，得到所述序列预测模型。
可选的，所述待处理参数的参数类型包括外生变量、控制变量、内生非控制变量和内生惯性变量；
以及，各所述待处理参数之间的关联关系基于配置文件确定。
可选的，所述基于所述样本数据和对应的标准溶氧率序列对所述初始模型进行迭代训练，得到所述序列预测模型，包括：
迭代执行以下步骤，直到满足训练结束条件的情况下，得到所述序列预测模型：
将所述样本数据输入至所述初始模型中，得到预测溶氧率序列；
将所述预测溶氧率序列与所述标准溶氧率序列输入至判别模型中，得到所述判别模型的判别结果；
基于所述预测溶氧率序列与所述标准溶氧率序列的数据投影分布以及所述判别结果，确定损失函数，基于所述损失函数调节所述初始模型的模型参数。
可选的，在基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制之后，所述方法还包括：
在鼓风机的工作过程中，采集所述待处理污水中的实际溶氧率数据；
基于所述实际溶氧率数据与所述期望溶氧率序列中对应的期望溶氧率数据的差值，调节所述鼓风机的当前控制操作。
可选的，所述基于所述实际溶氧率数据与所述期望溶氧率序列中对应的期望溶氧率数据的差值，调节所述鼓风机的当前控制操作，包括：
在所述实际溶氧率数据与所述期望溶氧率序列中对应的期望溶氧率数据的差值大于预设阈值的情况下，基于所述差值和预设处理比例确定目标差值数据，将所述目标差值数据输入至反馈控制系统，得到所述鼓风机的策略调节数据，基于所述策略调节数据更新所述鼓风机的当前控制操作。
第二方面，本发明实施例还提供了一种污水处理中的曝气装置，包括：
信息获取模块，用于获取待处理污水在当前时刻的预测关联信息，其中，所述预测关联信息包括来水水质数据、来水水量数据和环境条件数据；
控制操作获取模块，用于查询对鼓风机的多个控制操作，将每一所述控制操作和所述预测关联信息输入至序列预测模型中，得到所述控制操作对应的预测溶氧率序列；
判定模块，用于基于期望溶氧率序列对各所述控制操作对应的预测溶氧率序列进行判定，确定与所述期望溶氧率序列相匹配的目标预测溶氧率序列；
处理模块，用于基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对所述待处理污水进行曝气处理。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中任一项所述的污水处理中的曝气方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现第一方面中任一项所述的污水处理中的曝气方法。
本发明通过获取待处理污水在当前时刻的预测关联信息，其中，预测关联信息包括来水水质数据、来水水量数据和环境条件数据，查询对鼓风机的多个控制操作，将每一控制操作和预测关联信息输入至序列预测模型中，得到控制操作对应的预测溶氧率序列，基于期望溶氧率序列对各控制操作对应的预测溶氧率序列进行判定，确定与期望溶氧率序列相匹配的目标预测溶氧率序列，基于目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对待处理污水进行曝气处理。解决了现有技术中过量曝气导致破坏缺氧区缺氧环境、降低总氮去除效果、碳源投加量增大等问题，且避免了过量曝气导致的电耗大、回流消化液溶氧高等问题，具有高效、节能的效果。
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简单地介绍，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他的附图。
图1是本发明实施例一提供的一种污水处理中的曝气方法的流程图；
图2是本发明实施例一提供的一种智能曝气的决策流图；
图3是本发明实施例二提供的一种污水处理中的曝气装置的结构示意图；
图4是本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种污水处理中的曝气方法的流程图，本实施例可适用于污水处理中曝气的情况，该方法可以由污水处理中的曝气装置来执行，该污水处理中的曝气装置可以采用硬件和/或软件的形式实现，该污水处理中的曝气装置可配置于诸如计算机、服务器、移动终端等的电子设备中。如图1所示，该方法包括：
S110、获取待处理污水在当前时刻的预测关联信息，其中，预测关联信息包括来水水质数据、来水水量数据和环境条件数据。
其中，待处理污水可以是污水处理池中囤积的污水。来水水质数据可以是工业生产和日常生活排放至该污水处理池的污水水质数据，例如，物理性数据可以包括温度、颜色和色度、嗅和味、浑浊度和透明度等，化学性数据可以包括有机物、无机性指标等，生物性数据可以包括细菌总数数据等。来水水量数据可以是工业生产和日常生活排放至该污水处理池的污水流量数据，例如来水水量数据可以包括但不限于提升泵频率、集水井水位、或者进口水流量等数据。环境条件数据可以是该污水处理池所处的环境数据，例如环境条件数据可以包括但不限于光照、气温、湿度、气压等数据。
可选的，预测关联信息可通过多个检测设备检测得到的，此处检测设备的类型、数量和设置位置可根据检测需求设置，在一些实施例中，检测设备可包括但不限于温湿度传感器、水质检测器、气压检测器等。各个检测设备可以是服务器或者本实施例中的电子设备通信连接，将采集的预测关联信息传输至服务器或者本实施例中的电子设备中，便于调用。
S120、查询对鼓风机的多个控制操作，将每一控制操作和预测关联信息输入至序列预测模型中，得到控制操作对应的预测溶氧率序列。
本实施例中，可控制的鼓风机可以是至少一个，每个鼓风机可对应至少一个工作频率，相应的，各个鼓风机分别在不同工作频率下的工作状态组合可形成不同的控制操作，可以理解是，此处的控制操作可以是可执行的控制操作的数据形式，示例性的，任一控制操作可以是多个鼓风机被控制工作的工作状态数据的集合，或者对各个鼓风机分别进行控制的控制指令的集合。可选的，鼓风机的多个控制操作可以是通过遍历各个鼓风机不同的工作频率形成的。可选的，鼓风机的多个控制操作可以是从配置文件中读取的，该配置文件可以是预先配置的，配置文件中包括预设的可执行控制操作，通过设置配置文件剔除不可执行的控制操作，减少对无效控制操作的判定过程的算力消耗和时间消耗。在一些实施例中，S110和S120可以是顺序执行，也可以是同步执行，此处对上述两个步骤的执行顺序不作限定。
其中，鼓风机的控制操作可以包括各个鼓风机启停状态和对应工作频率。例如，该污水处理池配置有2台鼓风机分别为1和2，其对应的鼓风机启停状态分别为开启和关闭，且每台鼓风机有两种工作频率：工作频率零、低工作频率“L”和高工作频率“H”，相应的，鼓风机的控制操作可以为1L、2L，即两台鼓风机均处于开启状态，且1鼓风机为低工作频率、2鼓风机为低工作频率等，此处仅为举例说明，并非具体限定，鼓风机的具体数量及其对应的工作频率可以根据实际需求进行设置和随机组合。相应的，鼓风机的多个控制操作可以是通过反馈控制系统中的控制器执行，此处不做具体限定。
其中，序列预测模型可以是能够给出在当前状态下执行某一个控制操作对待处理污水进行处理的预测处理结果的模型，其中，预测处理结果可以是在对待处理污水处理过程中某一目标状态量的预测结果。该预测结果可以包括该目标状态量在预测时间段内各时间点对应的预测值，其中，预测结果可形成随时间变化的轨迹。预测溶氧率序列可以是通过序列预测模型预测获得的鼓风机的多个控制操作下污水处理池中溶氧率随时间变化的序列。
可选的，序列预测模型可以用于对控制操作和预测关联信息预测处理，得到预测时间段内各时刻分别相对于前一时刻的溶氧率变化量，基于溶氧率变化量和前一时刻的预测溶氧率数据得到当前预测时刻的预测溶氧率数据。
其中，溶氧率可以是指污水处理池中放射物质在一定体积内释放出水中溶解氧所占比例，可以标识放射物质在一定时间内产生溶解氧的能力，其是生态环境评估的重要指标之一。预测溶氧率序列可以包括预测时间段内各时刻对应的预测溶氧率数据。由于溶氧率为惯性参数，通过预测溶氧率变化量这一非惯性参数，通过溶氧率变化量转换得到各时刻的预测溶氧率数据，实现对溶氧率数据的预测。其中预测时间段内第一时刻的溶氧率数据为对待处理污水检测到的实际溶氧率数据。
通过序列预测模型获取预测溶氧率数据，避免了过量曝气导致的电耗大、回流消化液溶氧高等问题。
可选的，序列预测模型的训练方法可以包括：创建初始模型，设置初始模型待处理参数的参数类型和各待处理参数之间的关联关系，获取样本数据和样本数据对应的标准溶氧率序列，其中，样本数据中包括各待处理参数分别对应的参数值，基于样本数据和对应的标准溶氧率序列对初始模型进行迭代训练，得到序列预测模型。
其中，参数之间的关联关系可以根据实际情况进行设定，此处不作具体限定，例如，某一待处理参数可以决定下一个待处理参数的大小，因此，需要在创建初始模型后先根据实际需求进行关联关系的设定，在基于样本数据进行训练。样本数据可以是历史数据，其可以包括但不限于来水水质数据、来水水量数据、环境条件数据及鼓风机控制操作等。参数值可以是反应各个待处理参数的大小数值。
通过建立初始模型并设置对应的关联关系，再基于样本数据和样本数据对应的标准溶氧率序列对初始模型进行迭代信息从而获取序列预测模型，确保了序列预测模型的精准预测效果。
可选的，待处理参数的参数类型可以包括外生变量、控制变量、内生非控制变量和内生惯性变量，以及，各待处理参数之间的关联关系基于配置文件确定。
其中，外生变量可以是由系统外所给定(人为给出的)，只能够通过模型进行查询，而不能够进行调节的变量，取值与系统内的任何操作都没有关系的变量。控制变量可以是由控制器在可行范围内自由决定其取值，且不会受到系统其他状态影响的变量。内生非控制变量可以是由外生变量或控制变量经过系统特性变换所得到的一个内生状态、没有记忆性的，且可以被当前状态完全确定，而不依赖于历史数据的变量。内生惯性变量可以是由外生变量和控制变量经过系统特性变换而得到的一个内生状态、具有较大的惯性，且单次操作影响是较小，呈现出由长期历史数据所决定的数值的变量。
示例性的，具体参见图2，外生变量可以包括进口流量、水体温度、污泥悬浮浓度、水池液位、回流泵频率、污泥循环泵频率、来水COD、来水BOD，控制变量可以包括鼓风机SV值调整量，内生非惯性变量可以包括水体溶氧率调整量，内生惯性变量可以包括水体溶氧率，并根据业务知识，将这些变量之间的因果关联进行连线表示，构成决策流图。
不同类型的待处理参数，在模型中进行不同的处理，通过设置不同的参数类型，进一步确保了序列预测模型的精准预测效果。
可选的，序列预测模型的获取可以包括：迭代执行以下步骤，直到满足训练结束条件的情况下，得到序列预测模型：将样本数据输入至初始模型中，得到预测溶氧率序列，将预测溶氧率序列与标准溶氧率序列输入至判别模型中，得到判别模型的判别结果，基于预测溶氧率序列与标准溶氧率序列的数据投影分布以及判别结果，确定损失函数，基于损失函数调节初始模型的模型参数。
其中，初始模型经迭代训练，将满足训练结束条件的情况下，经过训练的初始模型作为序列预测模型。迭代过程中的初始模型对样本数据进行预测处理，判别模型可以用于对预测溶氧率序列与标准溶氧率序列进行相似判别处理，相应的，判别结果为预测溶氧率序列与标准溶氧率序列的相似程度数据。
在任一次迭代过程中，确定损失函数包括两个损失项，其中，第一损失项可以是基于预测溶氧率序列与标准溶氧率序列的数据投影分布确定，示例性的，将预测溶氧率序列与标准溶氧率序列分别以随时间变化的溶氧率数据的形式一线，其中，该曲线的对应的X轴为时间轴，Y轴为溶氧率数据轴，相应的，分别将预测溶氧率序列与标准溶氧率序列在溶氧率数据轴上进行投影，确定各溶氧率数据的投影数据。基于预测溶氧率序列的投影数据与标准溶氧率序列的投影数据确定第一损失项。第二损失项可以是基于判别模型的判别结果确定，其中，第二损失项可以是奖励函数或惩罚函数，例如，判别结果为预测溶氧率序列与标准溶氧率序列的相似程度大于阈值，将预设的奖励函数确定为第二损失项，判别结果为预测溶氧率序列与标准溶氧率序列的相似程度小于阈值，将预设的惩罚函数定为第二损失项。第一损失项和第二损失项的和(或者权重和)确定为损失函数。
通过数据投影分布和判别结果确定损失函数，并基于损失函数调节初始模型的模型参数，进一步确保了序列预测模型的精准预测效果。
S130、基于期望溶氧率序列对各控制操作对应的预测溶氧率序列进行判定，确定与期望溶氧率序列相匹配的目标预测溶氧率序列。
其中，期望溶氧率序列可以是理想情况下的溶氧率序列，可以是根据污水处理需求确定。对预测溶氧率序列进行判定可以是比对期望溶氧率序列与各控制操作对应的预测溶氧率序列的匹配度，相应的，目标预测溶氧率序列可以是与期望溶氧率序列匹配度大于预设阈值的预测溶氧率序列。
可选的，期望溶氧率序列可以包括预测时间段内各时刻对应的期望溶氧率数据。相应的，目标预测溶氧率序列的确定可以是对于每一控制操作对应的预测溶氧率序列执行如下的一项或多项：确定对应时刻的预测溶氧率数据和期望溶氧率数据的平均控制偏差、确定预测溶氧率序列的稳定性度量、确定预测溶氧率序列和期望溶氧率序列的序列相关性，基于平均控制偏差、稳定性度量和序列相关性的一项或多项确定预测溶氧率序列与期望溶氧率序列的匹配度，基于各预测溶氧率序列与期望溶氧率序列的匹配度，确定目标预测溶氧率序列。
其中，平均控制偏差可以是任意对应时刻点处预测溶氧率数据和期望溶氧率数据的差值。稳定性度量可以是表征预测溶氧率序列随时间走向变化幅度的数据，稳定性度量可以是通过预测溶氧率序列的平滑性进行表征。需要说明的是，从调节曝气鼓风机的工作频率到污水处理池中污水溶氧率开始发生可观测变化通常需要半个小时到一个小时的时间，且这种变化是平滑改变的，即污水处理池中污水溶氧率是一个典型的惯性变量，而序列预测模型可用于预测非连续变量，进一步转换为惯性变量，形成一个污水处理池中污水溶氧率数据随时间变化的曲线图，即预测溶氧率序列，因此，通过序列预测模型生成的预测溶氧率序列是一个不会存在较大波动的平滑曲线。序列相关性可以是任意对应时刻点处预测溶氧率数据和期望溶氧率数据的相似度。相应的，匹配度可以是任意对应时刻点处预测溶氧率数据和期望溶氧率数据的平均控制偏差、稳定性度量及序列相关性中的一项或多项满足预设要求的程度。
通过平均控制偏差、稳定性度量及序列相关性来确定各预测溶氧率序列与期望溶氧率序列的匹配度，并基于匹配度确定目标预测溶氧率序列，从而确定最优的鼓风机的控制操作，解决了鼓风机过量曝气导致破坏缺氧区缺氧环境的问题。
S140、基于目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对待处理污水进行曝气处理。
其中，对鼓风机进行控制可以是通过反馈控制系统中的控制器实现，此处不做具体限定。曝气处理可以是指将空气中的氧强制向液体中转移的过程，其目的是获得足够的溶解氧，从而实现防止污水处理池内悬浮体下沉，加强污水处理池内有机物与微生物及溶解氧接触的目的，保证污水处理池内微生物在有充足溶解氧的条件下，对污水中有机物的氧化分解作用。
在上述实施例的基础上，在基于目标预测溶氧率序列对应的控制操作对鼓风机进行控制之后还可以在鼓风机的工作过程中，采集待处理污水中的实际溶氧率数据，基于实际溶氧率数据与期望溶氧率序列中对应的期望溶氧率数据的差值，调节鼓风机的当前控制操作。
其中，对应的差值数据可以是任意时刻时采集到的实际溶氧率数据与期望溶氧率序列中对应时刻的期望溶氧率数据的差值，该差值数据可包括正负，用于保证实际溶氧率数据高于或低于期望溶氧率数据。通过将差值数据输入至反馈控制系统中，得到鼓风机的调整策略，该调整策略包括增加或减小一个或多个鼓风机的工作频率。
通过实时采集实际溶氧率数据并与该时刻的期望溶氧率数据进行比对，实现了高效、节能的曝气效果。
可选的，调节鼓风机的当前控制操作可以是在实际溶氧率数据与期望溶氧率序列中对应的期望溶氧率数据的差值大于预设阈值的情况下，基于差值和预设处理比例确定目标差值数据，将目标差值数据输入至反馈控制系统，得到鼓风机的策略调节数据，基于策略调节数据更新鼓风机的当前控制操作。
其中，预设阈值可以根据实际情况进行适应性设定，此处不做具体限定。预设处理比例可以是60％等。策略调节数据可以是基于鼓风机启停状态对其对应的鼓风机工作频率进行调整，例如，将1鼓风机从高工作频率调为低工作频率。
通过设置预设处理比例对调节数据进行控制，避免了调节幅度过大导致污水处理过程中溶氧率数据出现频繁波动的情况。
本实施例的技术方案通过获取待处理污水在当前时刻的预测关联信息，其中，预测关联信息包括来水水质数据、来水水量数据和环境条件数据，查询对鼓风机的多个控制操作，将每一控制操作和预测关联信息输入至序列预测模型中，得到控制操作对应的预测溶氧率序列，基于期望溶氧率序列对各控制操作对应的预测溶氧率序列进行判定，确定与期望溶氧率序列相匹配的目标预测溶氧率序列，基于目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对待处理污水进行曝气处理。解决了现有技术中过量曝气导致破坏缺氧区缺氧环境、降低总氮去除效果、碳源投加量增大等问题，且避免了过量曝气导致的电耗大、回流消化液溶氧高等问题，具有高效、节能的效果。
实施例二
图3是本发明实施例二提供的一种污水处理中的曝气装置的结构示意图。如图3所示，该装置包括：
信息获取模块310，用于获取待处理污水在当前时刻的预测关联信息，其中，所述预测关联信息包括所述来水水质数据、来水水量数据和环境条件数据；
控制操作获取模块320，用于查询对鼓风机的多个控制操作，将每一所述控制操作和所述预测关联信息输入至序列预测模型中，得到所述控制操作对应的预测溶氧率序列；
判定模块330，用于基于期望溶氧率序列对各所述控制操作对应的预测溶氧率序列进行判定，确定与所述期望溶氧率序列相匹配的目标预测溶氧率序列；
处理模块340，用于基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对所述待处理污水进行曝气处理。
可选的，所述预测溶氧率序列包括预测时间段内各时刻对应的预测溶氧率数据；
所述序列预测模型用于对所述控制操作和所述预测关联信息预测处理，得到预测时间段内各时刻分别相对于前一时刻的溶氧率变化量，基于所述溶氧率变化量和所述前一时刻的预测溶氧率数据得到当前预测时刻的预测溶氧率数据。
可选的，所述期望溶氧率序列包括预测时间段内各时刻对应的期望溶氧率数据；
相应的，所述判定模块330，具体用于：
对于每一控制操作对应的预测溶氧率序列执行如下的一项或多项：确定对应时刻的预测溶氧率数据和所述期望溶氧率数据的平均控制偏差；确定所述预测溶氧率序列的稳定性度量；确定所述预测溶氧率序列和所述期望溶氧率序列的序列相关性；
基于所述平均控制偏差、所述稳定性度量和所述序列相关性的一项或多项确定所述预测溶氧率序列与所述期望溶氧率序列的匹配度；
基于各所述预测溶氧率序列与所述期望溶氧率序列的匹配度，确定所述目标预测溶氧率序列。
可选的，所述鼓风机的控制操作包括：各个鼓风机启停状态和对应工作频率。
可选的，所述污水处理中的曝气装置还包括序列预测模型的训练模块。
相应的，所述序列预测模型的训练模块包括：
创建模块，用于创建初始模型；
参数处理模块，用于设置所述初始模型待处理参数的参数类型和各待处理参数之间的关联关系；
数据获取模块，用于获取样本数据和所述样本数据对应的标准溶氧率序列，其中，所述样本数据中包括各待处理参数分别对应的参数值；
迭代训练模块，用于基于所述样本数据和对应的标准溶氧率序列对所述初始模型进行迭代训练，得到所述序列预测模型。
可选的，所述待处理参数的参数类型包括外生变量、控制变量、内生非控制变量和内生惯性变量；
以及，各所述待处理参数之间的关联关系基于配置文件确定。
可选的，所述迭代训练模块，具体用于：
迭代执行以下步骤，直到满足训练结束条件的情况下，得到所述序列预测模型：
将所述样本数据输入至所述初始模型中，得到预测溶氧率序列；
将所述预测溶氧率序列与所述标准溶氧率序列输入至判别模型中，得到所述判别模型的判别结果；
基于所述预测溶氧率序列与所述标准溶氧率序列的数据投影分布以及所述判别结果，确定损失函数，基于所述损失函数调节所述初始模型的模型参数。
可选的，所述处理模块340，还包括：
采集模块，用于在基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制之后，在鼓风机的工作过程中，采集所述待处理污水中的实际溶氧率数据；
调节模块，用于基于所述实际溶氧率数据与所述期望溶氧率序列中对应的期望溶氧率数据的差值，调节所述鼓风机的当前控制操作。
可选的，所述调节模块，具体用于：
在所述实际溶氧率数据与所述期望溶氧率序列中对应的期望溶氧率数据的差值大于预设阈值的情况下，基于所述差值和预设处理比例确定目标差值数据，将所述目标差值数据输入至反馈控制系统，得到所述鼓风机的策略调节数据，基于所述策略调节数据更新所述鼓风机的当前控制操作。
本发明实施例所提供的污水处理中的曝气装置可执行本发明任意实施例所提供的污水处理中的曝气方法，具备执行方法相应的功能模块和有益效果。
实施例三
图4是本发明实施例三提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如污水处理中的曝气方法。
在一些实施例中，污水处理中的曝气方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的污水处理中的曝气方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行污水处理中的曝气方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的污水处理中的曝气方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
实施例四
本发明实施例四还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行一种污水处理中的曝气方法，该方法包括：
获取待处理污水在当前时刻的预测关联信息，其中，所述预测关联信息包括所述来水水质数据、来水水量数据和环境条件数据；
查询对鼓风机的多个控制操作，将每一所述控制操作和所述预测关联信息输入至序列预测模型中，得到所述控制操作对应的预测溶氧率序列；
基于期望溶氧率序列对各所述控制操作对应的预测溶氧率序列进行判定，确定与所述期望溶氧率序列相匹配的目标预测溶氧率序列；
基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对所述待处理污水进行曝气处。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (9)
1.一种污水处理中的曝气方法，其特征在于，包括：
获取待处理污水在当前时刻的预测关联信息，其中，所述预测关联信息包括来水水质数据、来水水量数据和环境条件数据；
查询对鼓风机的多个控制操作，将每一所述控制操作和所述预测关联信息输入至序列预测模型中，得到所述控制操作对应的预测溶氧率序列；
基于期望溶氧率序列对各所述控制操作对应的预测溶氧率序列进行判定，确定与所述期望溶氧率序列相匹配的目标预测溶氧率序列；
基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对所述待处理污水进行曝气处理；
多个控制操作是多个鼓风机被控制工作的工作状态数据的集合，或者对各个鼓风机分别进行控制的控制指令的集合，其中，鼓风机的多个控制操作是从配置文件中读取的可执行控制操作；
所述预测溶氧率序列包括预测时间段内各时刻对应的预测溶氧率数据；
所述序列预测模型用于对所述控制操作和所述预测关联信息预测处理，得到预测时间段内各时刻分别相对于前一时刻的溶氧率变化量，基于所述溶氧率变化量和所述前一时刻的预测溶氧率数据得到当前预测时刻的预测溶氧率数据；
所述期望溶氧率序列包括预测时间段内各时刻对应的期望溶氧率数据；
所述基于期望溶氧率序列对各所述控制操作对应的预测溶氧率序列进行判定，确定与所述期望溶氧率序列相匹配的目标预测溶氧率序列，包括：
对于每一控制操作对应的预测溶氧率序列执行如下的一项或多项：确定对应时刻的预测溶氧率数据和所述期望溶氧率数据的平均控制偏差；确定所述预测溶氧率序列的稳定性度量；确定所述预测溶氧率序列和所述期望溶氧率序列的序列相关性；
基于所述平均控制偏差、所述稳定性度量和所述序列相关性的一项或多项确定所述预测溶氧率序列与所述期望溶氧率序列的匹配度；
基于各所述预测溶氧率序列与所述期望溶氧率序列的匹配度，确定所述目标预测溶氧率序列以及目标控制动作；
所述鼓风机的控制操作包括：各个鼓风机启停状态和对应工作频率。
2.根据权利要求1所述的方法，其特征在于，所述序列预测模型的训练方法包括：
创建初始模型；
设置所述初始模型待处理参数的参数类型和各待处理参数之间的关联关系；
获取样本数据和所述样本数据对应的标准溶氧率序列，其中，所述样本数据中包括各待处理参数分别对应的参数值；
基于所述样本数据和对应的标准溶氧率序列对所述初始模型进行迭代训练，得到所述序列预测模型。
3.根据权利要求2所述的方法，其特征在于，所述待处理参数的参数类型包括外生变量、控制变量、内生非控制变量和内生惯性变量；
以及，各所述待处理参数之间的关联关系基于配置文件确定。
4.根据权利要求2所述的方法，其特征在于，所述基于所述样本数据和对应的标准溶氧率序列对所述初始模型进行迭代训练，得到所述序列预测模型，包括：
迭代执行以下步骤，直到满足训练结束条件的情况下，得到所述序列预测模型：
将所述样本数据输入至所述初始模型中，得到预测溶氧率序列；
将所述预测溶氧率序列与所述标准溶氧率序列输入至判别模型中，得到所述判别模型的判别结果；
基于所述预测溶氧率序列与所述标准溶氧率序列的数据投影分布以及所述判别结果，确定损失函数，基于所述损失函数调节所述初始模型的模型参数。
5.根据权利要求1所述的方法，其特征在于，在基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制之后，所述方法还包括：
在鼓风机的工作过程中，采集所述待处理污水中的实际溶氧率数据；
基于所述实际溶氧率数据与所述期望溶氧率序列中对应的期望溶氧率数据的差值，调节所述鼓风机的当前控制操作。
6.根据权利要求5所述的方法，其特征在于，所述基于所述实际溶氧率数据与所述期望溶氧率序列中对应的期望溶氧率数据的差值，调节所述鼓风机的当前控制操作，包括：
在所述实际溶氧率数据与所述期望溶氧率序列中对应的期望溶氧率数据的差值大于预设阈值的情况下，基于所述差值和预设处理比例确定目标差值数据，将所述目标差值数据输入至反馈控制系统，得到所述鼓风机的策略调节数据，基于所述策略调节数据更新所述鼓风机的当前控制操作。
7.一种污水处理中的曝气装置，其特征在于，包括：
信息获取模块，用于获取待处理污水在当前时刻的预测关联信息，其中，所述预测关联信息包括来水水质数据、来水水量数据和环境条件数据；
控制操作获取模块，用于查询对鼓风机的多个控制操作，将每一所述控制操作和所述预测关联信息输入至序列预测模型中，得到所述控制操作对应的预测溶氧率序列；
判定模块，用于基于期望溶氧率序列对各所述控制操作对应的预测溶氧率序列进行判定，确定与所述期望溶氧率序列相匹配的目标预测溶氧率序列；
处理模块，用于基于所述目标预测溶氧率序列对应的控制操作对鼓风机进行控制，以对所述待处理污水进行曝气处理；
多个控制操作是多个鼓风机被控制工作的工作状态数据的集合，或者对各个鼓风机分别进行控制的控制指令的集合，其中，鼓风机的多个控制操作是从配置文件中读取的可执行控制操作；
所述预测溶氧率序列包括预测时间段内各时刻对应的预测溶氧率数据；
所述序列预测模型用于对所述控制操作和所述预测关联信息预测处理，得到预测时间段内各时刻分别相对于前一时刻的溶氧率变化量，基于所述溶氧率变化量和所述前一时刻的预测溶氧率数据得到当前预测时刻的预测溶氧率数据；
所述期望溶氧率序列包括预测时间段内各时刻对应的期望溶氧率数据；
所述判定模块，具体用于：
对于每一控制操作对应的预测溶氧率序列执行如下的一项或多项：确定对应时刻的预测溶氧率数据和所述期望溶氧率数据的平均控制偏差；确定所述预测溶氧率序列的稳定性度量；确定所述预测溶氧率序列和所述期望溶氧率序列的序列相关性；
基于所述平均控制偏差、所述稳定性度量和所述序列相关性的一项或多项确定所述预测溶氧率序列与所述期望溶氧率序列的匹配度；
基于各所述预测溶氧率序列与所述期望溶氧率序列的匹配度，确定所述目标预测溶氧率序列以及目标控制动作；
所述鼓风机的控制操作包括：各个鼓风机启停状态和对应工作频率。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的污水处理中的曝气方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的污水处理中的曝气方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310170918.XA CN116040713B (zh) | 2023-02-27 | 2023-02-27 | 一种污水处理中的曝气方法、装置、设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310170918.XA CN116040713B (zh) | 2023-02-27 | 2023-02-27 | 一种污水处理中的曝气方法、装置、设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116040713A CN116040713A (zh) | 2023-05-02 |
| CN116040713B true CN116040713B (zh) | 2023-11-21 |
Family
ID=86129770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310170918.XA Active CN116040713B (zh) | 2023-02-27 | 2023-02-27 | 一种污水处理中的曝气方法、装置、设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116040713B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002045882A (ja) * | 2000-08-08 | 2002-02-12 | Toshiba Corp | 下水処理場の水質制御装置 |
| JP2005242524A (ja) * | 2004-02-25 | 2005-09-08 | Ebara Corp | 処理プラント設備の運転制御方法及び運転制御装置 |
| CA2876266A1 (en) * | 2012-06-11 | 2013-12-19 | Landmark Graphics Corporation | Methods and related systems of building models and predicting operational outcomes of a drilling operation |
| CN108076224A (zh) * | 2017-12-21 | 2018-05-25 | 广东欧珀移动通信有限公司 | 应用程序控制方法、装置及存储介质和移动终端 |
| CN111461757A (zh) * | 2019-11-27 | 2020-07-28 | 北京沃东天骏信息技术有限公司 | 信息处理方法及装置、计算机存储介质、电子设备 |
| CN111671315A (zh) * | 2020-05-08 | 2020-09-18 | 华帝股份有限公司 | 一种烹饪设备湿度控制异常检测方法 |
| CN112390388A (zh) * | 2020-11-25 | 2021-02-23 | 创新奇智(青岛)科技有限公司 | 一种模型训练方法、曝气值预估方法、装置及电子设备 |
| CN113033523A (zh) * | 2021-05-25 | 2021-06-25 | 杭州雄迈集成电路技术股份有限公司 | 跌倒判断模型的构建方法及系统、跌倒判断方法及系统 |
| CN113435129A (zh) * | 2021-08-25 | 2021-09-24 | 南栖仙策(南京)科技有限公司 | 减温水阀控制策略的优化方法、装置以及减温水阀 |
| CN113492892A (zh) * | 2021-07-13 | 2021-10-12 | 交控科技股份有限公司 | 虚拟编组列车追踪控制方法、装置、电子设备及可读存储介质 |
| TWI746087B (zh) * | 2020-07-27 | 2021-11-11 | 內政部建築研究所 | 空調系統控制方法 |
| WO2022030041A1 (ja) * | 2020-08-03 | 2022-02-10 | オムロン株式会社 | 予測システム、情報処理装置および情報処理プログラム |
| JP2022166883A (ja) * | 2021-04-22 | 2022-11-04 | 三菱電機株式会社 | プラント監視制御装置 |
| JP2022175217A (ja) * | 2021-05-13 | 2022-11-25 | 水ｉｎｇ株式会社 | 脱水システム |
| CN115448444A (zh) * | 2022-10-14 | 2022-12-09 | 一汽丰田汽车有限公司 | 曝气系统及其曝气控制方法、装置和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11868932B2 (en) * | 2020-09-30 | 2024-01-09 | International Business Machines Corporation | Real-time opportunity discovery for productivity enhancement |
| US20220129747A1 (en) * | 2020-10-28 | 2022-04-28 | Verizon Media Inc. | System and method for deep customized neural networks for time series forecasting |
-
2023
- 2023-02-27 CN CN202310170918.XA patent/CN116040713B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002045882A (ja) * | 2000-08-08 | 2002-02-12 | Toshiba Corp | 下水処理場の水質制御装置 |
| JP2005242524A (ja) * | 2004-02-25 | 2005-09-08 | Ebara Corp | 処理プラント設備の運転制御方法及び運転制御装置 |
| CA2876266A1 (en) * | 2012-06-11 | 2013-12-19 | Landmark Graphics Corporation | Methods and related systems of building models and predicting operational outcomes of a drilling operation |
| CN108076224A (zh) * | 2017-12-21 | 2018-05-25 | 广东欧珀移动通信有限公司 | 应用程序控制方法、装置及存储介质和移动终端 |
| CN111461757A (zh) * | 2019-11-27 | 2020-07-28 | 北京沃东天骏信息技术有限公司 | 信息处理方法及装置、计算机存储介质、电子设备 |
| CN111671315A (zh) * | 2020-05-08 | 2020-09-18 | 华帝股份有限公司 | 一种烹饪设备湿度控制异常检测方法 |
| TWI746087B (zh) * | 2020-07-27 | 2021-11-11 | 內政部建築研究所 | 空調系統控制方法 |
| WO2022030041A1 (ja) * | 2020-08-03 | 2022-02-10 | オムロン株式会社 | 予測システム、情報処理装置および情報処理プログラム |
| CN112390388A (zh) * | 2020-11-25 | 2021-02-23 | 创新奇智(青岛)科技有限公司 | 一种模型训练方法、曝气值预估方法、装置及电子设备 |
| JP2022166883A (ja) * | 2021-04-22 | 2022-11-04 | 三菱電機株式会社 | プラント監視制御装置 |
| JP2022175217A (ja) * | 2021-05-13 | 2022-11-25 | 水ｉｎｇ株式会社 | 脱水システム |
| CN113033523A (zh) * | 2021-05-25 | 2021-06-25 | 杭州雄迈集成电路技术股份有限公司 | 跌倒判断模型的构建方法及系统、跌倒判断方法及系统 |
| CN113492892A (zh) * | 2021-07-13 | 2021-10-12 | 交控科技股份有限公司 | 虚拟编组列车追踪控制方法、装置、电子设备及可读存储介质 |
| CN113435129A (zh) * | 2021-08-25 | 2021-09-24 | 南栖仙策(南京)科技有限公司 | 减温水阀控制策略的优化方法、装置以及减温水阀 |
| CN115448444A (zh) * | 2022-10-14 | 2022-12-09 | 一汽丰田汽车有限公司 | 曝气系统及其曝气控制方法、装置和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 基于递推非线性部分最小二乘模型的间歇过程批到批优化;李春富;郑松;葛铭;;计算机与应用化学(第07期);全文 * |
| 铅锌烧结过程透气性的智能集成建模与优化控制;陈向贵;;昆明冶金高等专科学校学报(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116040713A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1696847A (zh) | 电子设备的电源管理方法 | |
| CN109117255A (zh) | 基于强化学习的异构多核嵌入式系统能耗优化调度方法 | |
| KR102440371B1 (ko) | 빅데이터 및 인공지능 기반의 하수처리시설의 방류수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 | |
| CN113111589A (zh) | 预测模型的训练方法、预测供热温度的方法、装置和设备 | |
| CN116040713B (zh) | 一种污水处理中的曝气方法、装置、设备、存储介质 | |
| CN115904656A (zh) | 应用于芯片中的状态控制方法、装置、设备及存储介质 | |
| US8521855B2 (en) | Centralized server-directed power management in a distributed computing system | |
| CN116697497B (zh) | 一种通风空调系统控制方法、装置、设备和存储介质 | |
| CN117434886A (zh) | 一种基于运转数字模型的plc控制系统及方法 | |
| CN113087044A (zh) | 一种污水处理装置的控制方法、系统、设备和存储介质 | |
| CN114722162B (zh) | 特征类别确定方法、装置、电子设备及存储介质 | |
| CN113741402A (zh) | 一种设备控制方法、装置、计算机设备和存储介质 | |
| CN107728661B (zh) | 一种海水淡化产水的控制方法、系统、终端设备和介质 | |
| CN111340648A (zh) | 一种基于物联网的能源管控方法及系统 | |
| CN117251000B (zh) | 液位控制方法、系统、设备及介质 | |
| CN117263384A (zh) | 一种污水处理方法、装置、电子设备及存储介质 | |
| CN118057081A (zh) | 抽油烟机的风速调节方法、装置、抽油烟机及存储介质 | |
| CN114358406A (zh) | 资源数据处理方法、资源预测模型的训练方法和装置 | |
| CN113010216A (zh) | 一种基于吸顶灯唤醒事件管理方法 | |
| CN114967771A (zh) | 无头连铸连轧产线浊环水系统的水池液位控制方法和系统 | |
| JP2024018002A (ja) | 運転管理支援装置及び運転管理支援方法 | |
| CN116755965A (zh) | 一种基于强化学习的嵌入式系统低功耗监控系统和方法 | |
| CN117971509A (zh) | 异构算力集群的运行性能优化方法、装置、设备及介质 | |
| CN117808216A (zh) | 一种针对污水处理的节能减排效果评估方法 | |
| CN117875603A (zh) | 基于功率损耗的飞轮阵列功率匹配协同优化方法及装置 |
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 |