CN118047426B - 一种工业锅炉水质智能控制方法及系统 - Google Patents

一种工业锅炉水质智能控制方法及系统 Download PDF

Info

Publication number
CN118047426B
CN118047426B CN202410183676.2A CN202410183676A CN118047426B CN 118047426 B CN118047426 B CN 118047426B CN 202410183676 A CN202410183676 A CN 202410183676A CN 118047426 B CN118047426 B CN 118047426B
Authority
CN
China
Prior art keywords
water
water quality
preset
dosing
time sequence
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
Application number
CN202410183676.2A
Other languages
English (en)
Other versions
CN118047426A (zh
Inventor
刘政
钟永春
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.)
Guangdong Yifan Thermal Energy Technology Co ltd
Original Assignee
Guangdong Yifan Thermal Energy 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 Guangdong Yifan Thermal Energy Technology Co ltd filed Critical Guangdong Yifan Thermal Energy Technology Co ltd
Priority to CN202410183676.2A priority Critical patent/CN118047426B/zh
Publication of CN118047426A publication Critical patent/CN118047426A/zh
Application granted granted Critical
Publication of CN118047426B publication Critical patent/CN118047426B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/42—Treatment of water, waste water, or sewage by ion-exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • 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
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2303/00—Specific treatment goals
    • C02F2303/14—Maintenance of water treatment installations
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Hydrology & Water Resources (AREA)
  • Organic Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Treatment Of Water By Ion Exchange (AREA)

Abstract

本申请公开了一种工业锅炉水质智能控制方法及系统，该方法包括：响应于接收到由终端控制器发送的水质信息，在水质采集表中根据与该终端控制器对应的设备ID进行数据更新，每个水质信息均与一个设备ID对应，每个水质信息均为时序数据集；基于预设软化检测周期和水质采集表进行自适应软化模式切换处理，以及时对失效的离子交换树脂进行再生；基于水质采集表进行自适应给水补充处理，以及时补充给水可供应量；基于水质采集表进行自适应加药控制。本申请通过自适应软化模式切换处理和自适应给水补充处理提高了给水供给的稳定性，进而结合自适应加药控制提高了锅炉水质的稳定性，减少锅炉结垢和腐蚀的现象发生。

Description

一种工业锅炉水质智能控制方法及系统
技术领域
本申请涉及一种工业锅炉控制方法，特别是涉及一种工业锅炉水质智能控制方法及系统。
背景技术
工业锅炉运行的安全性能和经济性能与水质管理水平息息相关。水质管理主要包括软化水制备、炉内加药、排污三个环节，其中软化水制备大多采用半自动化控制，炉内加药和排污根据水质的人工检测结果。
由于依靠人为主观控制加药量和排污量，无法实现过程量化管理，容易造成过量或不足的问题，从而导致锅炉结垢、腐蚀的现象，进而降低了锅炉运行效率。
因此，亟需一种能够对锅炉水质进行智能控制的方法，提高锅炉运行时的安全性能和经济性能。
发明内容
为了克服现有技术存在的缺陷与不足，本申请提供了一种工业锅炉水质智能控制方法及系统。
为了达到上述目的，本申请采用以下技术方案：
根据本申请的一个方面，提供了一种工业锅炉水质智能控制方法，该方法应用于水质智能控制系统，该水质智能控制系统包括云服务器和多个终端控制器，每个终端控制器均与一个锅炉设备对应，进而每个终端控制器与一个设备ID对应，终端控制器用于执行软化水、加药、排污的自适应控制处理，以使得与该终端控制器对应的锅炉设备中的锅炉水质处于达标状态；
所述方法包括：响应于接收到由终端控制器发送的水质信息，在水质采集表中根据与该终端控制器对应的设备ID进行数据更新，每个水质信息均与一个设备ID对应，每个水质信息均为时序数据集；
基于预设软化检测周期和水质采集表进行自适应软化模式切换处理，以及时对失效的离子交换树脂进行再生；
基于水质采集表进行自适应给水补充处理，以及时补充给水可供应量；
基于水质采集表进行自适应加药控制。
优选地，在自适应软化模式切换处理中，具体包括：对水质采集表中依次遍历水质信息，针对当前遍历的水质信息进行确定第一预设值，若最新时刻对应的给水硬度值大于或等于第一预设值时，根据硬度变化趋势进行切换软水器的软化运行模式，否则不做处理。
优选地，在根据硬度变化趋势进行切换软水器的软化运行模式中，具体包括：
基于与硬度对应的时序数据进行分析硬度变化趋势，若硬度变化趋势为上升趋势则判断为出现树脂失效状态，将制水模式切换为再生运行模式，否则判断为未出现树脂失效状态，不做处理并结束当前步骤；
基于预设反馈周期设置定时任务，定时任务用于在预设反馈周期结束后确定待反馈给水硬度值，若待反馈给水硬度值小于第一预设值且待反馈给水硬度值与第一预设值的比值低于预设再生硬度参照比值时，将再生运行模式切换为制水模式，否则触发设备预警提示；
其中，待反馈给水硬度值具体表示为：
αfeedback表示待反馈给水硬度值，α(k)表示与硬度对应的时序数据中第k个时序的给水硬度值，0<L≤T1，L表示第二预设截取时序数量，T1表示与预设反馈周期对应的时序数量。
优选地，在基于与硬度对应的时序数据进行分析硬度变化趋势中，具体包括：基于与硬度对应的时序数据，按第一预设截取时序数量进行截取得到待分析硬度时序数据；
将待分析硬度时序数据输入至硬度变化分析模型中确定硬度变化趋势，硬度变化分析模型为使用多组数据通过机器学习训练得出的，其中所述多组数据包括第一类数据、第二类数据和第三类数据，所述第一类数据中的每组数据均包括：具有上升趋势的给水硬度时序数据和标识该给水硬度时序数据具有上升趋势的标签；所述第二类数据中的每组数据均包括：具有下降趋势的给水硬度时序数据和标识该给水硬度时序数据具有下降趋势的标签；所述第三类数据中的每组数据均包括：具有无变化趋势的给水硬度时序数据和标识该给水硬度时序数据具有无变化趋势的标签。
优选地，在基于水质采集表进行自适应给水补充处理中，具体包括：对水质采集表中依次遍历水质信息，针对当前遍历的水质信息进行确定对应的软水器的软化运行模式，当软水器的软化运行模式为制水模式时，若最新时刻的给水液位值或给水流量值低于对应的第一预设安全阈值则生成制水补充信息，若最新时刻的给水液位值或给水流量值超过对应的第二预设安全阈值则生成制水暂停控制信息，否则不做处理；
所述制水补充信息用于控制软水器进行启动制水，所述制水暂停控制信息用于控制软水器进行停止制水。
优选地，在基于水质采集表进行自适应加药控制中，具体包括：对水质采集表中依次遍历水质信息；
针对当前遍历的水质信息进行分析加药需求信息，包括：对与锅炉水质类型对应的时序数据进行依次遍历，分析出需要加药的参数指标直至遍历结束，以确定加药需求信息；
若存在加药需求信息，则执行以下过程：
基于预设加药比例，根据加药需求信息确定第一给水需求总量，其中第一给水需求总量具体表示为：
demand1表示第一给水需求总量，M表示加药需求信息中需要加药的参数指标的数量，dosagei表示第i个需要加药的参数指标对应的预设加药量，θi表示第i个需要加药的参数指标对应的预设加药比例，capnow表示当前锅炉水量；
根据预设蒸发量对第一给水需求总量进行修正以得到第二给水需求总量，具体包括：
demand2＝τ+demand1
demand2表示第二给水需求总量，τ表示预设蒸发量，demand1表示第一给水需求总量；
基于加药需求信息生成加药策略信息，加药策略信息具体为由所有需要加药的参数指标对应的预设加药量构成的集合；
基于第二给水需求总量生成给水策略信息，给水策略信息包括给水输送流量和给水补充时间；
将加药策略信息和给水策略信息打包为加药控制信息；
基于当前遍历的水质信息对应的设备ID进行发送加药控制信息；
若不存在加药需求信息则结束当前步骤。
优选地，在分析需要加药的参数指标时，使用以下约束条件进行分析：
result(i)表示与锅炉水质类型对应的时序数据中第i个参数指标的加药需求结果，countj(i)表示对第i个参数指标进行统计的超标数量，c表示预设超标数量阈值，1≤c≤L，L表示第二预设截取时序数量，Tnow表示最新时刻对应的时序序号，true表示需要加药的标识，false表示无需加药的标识，δj(i)表示第i个参数指标对应时序数据的第j个时序的数值，ω1(i)表示与第i个参数指标对应的第一预设安全阈值，ω2(i)表示第二预设安全阈值，if()表示逻辑判断函数。
优选地，还包括：基于水质采集表进行自适应排污控制，具体包括：
对水质采集表中依次遍历水质信息；
针对当前遍历的水质信息进行分析是否满足第一预设排污条件，所述第一预设排污条件为最新时刻的锅炉水电导率幅值超出对应的预设安全范围；
若满足所述第一预设排污条件则进行自适应排污控制；
若不满足所述第一预设排污条件则继续判断是否满足第二预设排污条件，所述第二预设排污条件为最新时刻的锅炉水电导率幅值小于第二预设值或者大于第三预设值；
若满足所述第二预设排污条件时，基于锅炉水电导率时序数据计算电导率突变系数，表示为：
ρ表示与锅炉水电导率对应时序数据的电导率突变系数，δj(5)表示表示锅炉水电导率对应时序数据的第j个时序的数值，δj-1(5)表示表示锅炉水电导率对应时序数据的第j-1个时序的数值，Tnow表示最新时刻对应的时序序号，P表示第三预设截取时序数量；
分析是否满足第三预设排污条件，若满足所述第三预设排污条件时进行自适应排污控制，所述第三预设排污条件为电导率突变系数大于或等于第四预设值；
若不满足所述第一预设排污条件时，则结束当前流程。
优选地，在自适应排污控制中，具体包括：将与锅炉水质类型对应的时序数据按照预设排污周期进行截取后得到待排污时序数据；
根据设备型号从多个预先训练好的排污分析模型中确定为目标排污分析模型，针对每个设备型号均预先训练一个对应的排污分析模型，每个排污分析模型均分别为使用对应的多组训练数据通过机器学习训练出的，所述多组训练数据中的每组数据均包括：与锅炉水质类型对应的历史时序数据和该历史时序数据对应的历史排污量，通过机器学习训练排污分析模型来构建起与锅炉水质类型对应的历史时序数据、历史排污量之间的映射关系，以用于输出预测排污量；
将待排污时序数据输入至目标排污分析模型以输出预测排污量；
根据设备型号确定预设标况排污流量；
根据预设标况排污流量和排污量确定排污时间，将预设标况排污流量和排污时间打包为排污控制信息，排污控制信息用于控制锅炉排污电磁阀的开关状态以完成排污过程。
根据本申请的另一个方面，还提供了一种工业锅炉水质智能控制系统，该系统用于执行上述任一所述的工业锅炉水质智能控制方法，所述系统包括：
信息采集模块，用于响应于接收到由终端控制器发送的水质信息，在水质采集表中根据与该终端控制器对应的设备ID进行数据更新，每个水质信息均与一个设备ID对应，每个水质信息均为时序数据集；
第一给水预处理模块，用于基于预设软化检测周期和水质采集表进行自适应软化模式切换处理，以及时对失效的离子交换树脂进行再生；
第二给水预处理模块，用于基于水质采集表进行自适应给水补充处理，以及时补充给水可供应量；
加药处理模块，用于基于水质采集表进行自适应加药控制；
排污处理模块，用于基于水质采集表进行自适应排污控制。
本申请与现有技术相比，具有如下优点和有益效果：
(1)本申请通过自适应软化模式切换处理和自适应给水补充处理提高了给水供给的稳定性，进而结合自适应加药控制提高了锅炉水质的稳定性，当设备ID对应的终端控制器接收到加药控制信息时，根据给水策略信息进行补充给水，根据加药策略信息进行调节加药泵的运行频率和启停，通过结合加药策略信息和给水策略信息以形成关联量化控制，从而确保加药的连续性和准确性，使得锅炉水质各项指标稳定，减少锅炉结垢和腐蚀的现象发生，提高了锅炉运行效率的稳定性和安全性。
(2)本申请通过在线检测给水水质的硬度情况，根据硬度变化趋势，在出现树脂失效状态时，将制水模式切换为再生运行模式，保证了软化水水质处理效果，进而提高了锅炉运行效率的稳定性。
(3)本申请通过自适应软化模式切换处理和自适应给水补充处理提高了给水供给的稳定性，进而结合自适应加药控制提高了锅炉水质的稳定性，使得锅炉水质各项指标稳定，并进一步通过自适应排污控制实现工业锅炉运行中水质管理的全过程自动化控制，通过自适应排污控制将炉水内的水渣和盐分排出，进而维持锅炉水质中含盐量和碱度，提高了锅炉运行的安全性能、经济性能，同时通过机器学习训练排污分析模型来构建起与锅炉水质类型对应的历史时序数据、历史排污量之间的映射关系，以用于输出预测排污量，提高了排污过程的智能化水平，通过提高智能化水平以降低人工成本和操作难度，提高了锅炉运行效率。
附图说明
图1为本申请实施例1中提供一种工业锅炉水质智能控制方法的流程示意图；
图2为本申请实施例1中水质采集表的示意框图；
图3为本申请实施例1中设备水质标准表的示意框图；
图4为本申请实施例1中设备管理表的示意框图；
图5为本申请实施例1中加药规则表的示意框图；
图6为本申请实施例2中提供一种工业锅炉水质智能控制方法的流程示意图；
图7为本申请实施例3中提供一种工业锅炉水质智能控制系统的示意框图；
图8为本申请实施例4中提供一种终端的结构示意图；
图9为本申请实施例5中提供的一种计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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，以便这里描述的本申请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。
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在实施例1中，本实施例提供了一种工业锅炉水质智能控制方法，该方法应用于水质智能控制系统，该水质智能控制系统包括云服务器和多个终端控制器，每个终端控制器均与一个锅炉设备对应，进而每个终端控制器与一个设备ID对应，终端控制器用于执行软化水、加药、排污的自适应控制处理，以使得与该终端控制器对应的锅炉设备中的锅炉水质处于达标状态；
在本实施例中，锅炉水质具有两种状态，即达标状态和非达标状态；达标状态具体为：水质信息中的各项参数指标均处于预设安全范围内；非达标状态具体为：水质信息中存在任意一项参数指标处于预设安全范围外。
如图1所示，该方法包括：
在信息采集阶段：
步骤S100：响应于接收到由终端控制器发送的水质信息，在水质采集表中根据与该终端控制器对应的设备ID进行数据更新，每个水质信息均与一个设备ID对应，每个水质信息均为时序数据集，该时序数据集包括分别与给水水质类型、与锅炉水质类型对应的时序数据。
示例性的，与给水水质类型对应的参数指标包括给水硬度、给水液位、给水流量，即：与给水水质类型对应的时序数据包括给水硬度时序数据、给水液位时序数据、给水流量时序数据；以给水硬度时序数据为例，本领域技术人员应当明白，每个时序对应一个给水硬度值，其他参数类似。
相应的，与锅炉水质类型对应的参数指标包括锅炉水碱度、锅炉水pH值、锅炉水溶解氧含量、锅炉水磷酸根离子浓度、锅炉水电导率，即：与锅炉水质类型对应的时序数据包括锅炉水碱度时序数据、锅炉水pH值时序数据、锅炉水溶解氧含量时序数据、锅炉水磷酸根离子浓度时序数据、锅炉水电导率时序数据。
需要说明的是，水质信息的采集为现有技术，不在本申请保护范围内。水质信息中的各项参数指标由对应的传感器产生的原始电信号(模拟信号)需要通过模数转换器(ADC)转换成数字信号，该数字信号通过单片机进行处理和解码，最终得到对应的数值，进而通过终端控制器采用无线传输方式传输至云服务器进行分析和应用。
如图2所示，在本实施例中，水质采集表用于记录设备ID、与设备ID对应的水质信息、与设备ID对应的位置信息、与设备ID对应的软水器的软化运行模式，在水质采集表中，每个设备ID均与水质信息、位置信息、软水器的软化运行模式映射，每个终端控制器周期性进行上传水质信息以使水质采集表的数据及时更新；示例性的，结合图2所示，在水质采集表中，设备ID1与相应的水质信息1、位置信息1、软水器的软化运行模式1形成映射关系，……设备IDx与相应的水质信息x、位置信息x、软水器的软化运行模式x形成映射关系。上述提及的1、x的标号均用于示例说明。
在本实施例中，位置信息为GPS信号，可通过各终端控制器在与云服务器建立通信连接时进行确定。
在给水预处理阶段：
步骤S200：基于预设软化检测周期和水质采集表进行自适应软化模式切换处理，以及时对失效的离子交换树脂进行再生；
在自适应软化模式切换处理中，具体包括：对水质采集表中依次遍历水质信息，针对当前遍历的水质信息进行确定第一预设值，若最新时刻对应的给水硬度值大于或等于第一预设值时，根据硬度变化趋势进行切换软水器的软化运行模式，否则不做处理；
在本实施例中，当软水器的软化运行模式切换时，终端控制器主动向云服务器发送针对软水器的软化运行模式的更新信息，进而及时更新水质采集表。
如图3所示，在本实施例中，在设备水质标准表中，每个设备型号与一个安全参数表对应，在安全参数表中包括多个参数指标，每个参数指标均与一个预设安全范围，以使得每个设备型号均与需要使用的预设安全范围进行映射，预设安全范围为由第一预设安全阈值和第二预设安全阈值所形成的数值范围，第一预设安全阈值小于第二预设安全阈值。示例性的，设备型号1与安全参数表1对应，安全参数表1中包括多个参数指标，设备型号x与安全参数表x对应；以安全参数表1为例，例如：给水硬度1与第一预设安全阈值1a、第二预设安全阈值1a对应；给水液位1与第一预设安全阈值1b、第二预设安全阈值1b对应；给水流量1与第一预设安全阈值1c、第二预设安全阈值1c对应；锅炉水碱度与第一预设安全阈值1d、第二预设安全阈值1d对应；锅炉水pH值与第一预设安全阈值1e、第二预设安全阈值1e对应；锅炉水溶解氧含量与第一预设安全阈值1f、第二预设安全阈值1f对应；锅炉水磷酸根离子浓度与第一预设安全阈值1g、第二预设安全阈值1g对应；锅炉水电导率与第一预设安全阈值1h、第二预设安全阈值1h对应。
在本实施例中，在确定第一预设值中，具体包括：在预存的设备管理表中根据设备ID找到对应的设备型号，进而在预存的设备水质标准表中根据该设备型号匹配与给水硬度对应的预设安全范围，将预设安全范围中的第二预设安全阈值作为第一预设值。需要说明的是，由于针对给水硬度仅需判断是否超过较大的边界值，从而选择预设安全范围中的第二预设安全阈值。示例性的，结合图4所示，在设备管理表中，设备ID1与设备型号1对应，……，设备IDx与设备型号x对应，以使每个设备ID均与一个设备型号对应。
在本实施例中，当软水器运行时，软水器的软化运行模式包括制水模式和再生运行模式。
制水模式用于产生软化水，在制水模式中，其原理为：水流经过装有离子交换树脂的容器(软水器)，树脂中所含的交换离子(如钠离子)与水中的阳离子(如钙离子、镁离子等)进行离子交换，使容器出水的钙、镁含量达到软化要求；
再生运行模式用于恢复软水器的离子交换树脂的离子交换能力，在再生运行模式中，其原理为：使用高浓度的盐溶液(如氯化钠)对失效的离子交换树脂进行再生，置换导致其失效的钙、镁等离子，使其恢复工作能力。
在根据硬度变化趋势进行切换软水器的软化运行模式中，具体包括：
步骤S201：基于与硬度对应的时序数据进行分析硬度变化趋势，若硬度变化趋势为上升趋势则判断为出现树脂失效状态，将制水模式切换为再生运行模式，否则判断为未出现树脂失效状态，不做处理并结束当前步骤；
在基于与硬度对应的时序数据进行分析硬度变化趋势中，具体包括：
步骤S201a：基于与硬度对应的时序数据，按第一预设截取时序数量进行截取得到待分析硬度时序数据；示例性的，以最新时刻为起点按第一预设截取时序数量向相邻的历史时序，例如，可以根据与预设软化检测周期对应的时序数量进行截取50％的数量作为第一预设截取时序数量，例如还可以截取10％、20％、100％等，在此不对具体数值进行限定，本领域技术人员可以根据实际需要进行调整。
实际应用时，按第一预设截取时序数量进行截取得到待分析硬度时序数据，进而获得较平稳的给水硬度值进行分析，减少最新时刻对应的给水硬度值因传感器失灵导致单一数据异常进而造成对给水硬度值误判的风险，提高了分析硬度变化趋势的可靠性。
步骤S201b：将待分析硬度时序数据输入至硬度变化分析模型中确定硬度变化趋势，硬度变化分析模型为使用多组数据通过机器学习训练得出的，其中多组数据包括第一类数据、第二类数据和第三类数据，第一类数据中的每组数据均包括：具有上升趋势的给水硬度时序数据和标识该给水硬度时序数据具有上升趋势的标签；第二类数据中的每组数据均包括：具有下降趋势的给水硬度时序数据和标识该给水硬度时序数据具有下降趋势的标签；第三类数据中的每组数据均包括：具有无变化趋势的给水硬度时序数据和标识该给水硬度时序数据具有无变化趋势的标签。
示例性的，在机器学习训练时可以使用线性回归模型、指数回归模型、ARIMA模型、LSTM模型、神经网络网络模型，这些模型都均可用于分析给水硬度时序数据以确定给水硬度变化趋势。
步骤S202：基于预设反馈周期设置定时任务，定时任务用于在预设反馈周期结束后确定待反馈给水硬度值，若待反馈给水硬度值小于第一预设值且待反馈给水硬度值与第一预设值的比值低于预设再生硬度参照比值时，将再生运行模式切换为制水模式，否则触发设备预警提示；
其中，待反馈给水硬度值具体表示为：
αfeedback表示待反馈给水硬度值，α(k)表示与硬度对应的时序数据中第k个时序的给水硬度值，0<L≤T1，L表示第二预设截取时序数量，T1表示与预设反馈周期对应的时序数量；
在本实施例中，预设再生硬度参照比值为根据实际工况需求确定，例如设置为40％、50％、60％、70％等，在此不做具体限定。
例如，可以根据与预设反馈周期对应的时序数量进行截取50％的数量作为第二预设截取时序数量，例如还可以截取10％、20％、100％等，在此不对具体数值进行限定。
实际应用时，通过在线检测给水水质的硬度情况，根据硬度变化趋势，在出现树脂失效状态时，将制水模式切换为再生运行模式，保证了软化水水质处理效果，进而提高了锅炉运行效率的稳定性。
具体而言，本申请基于第二预设截取时序数量进行统计与最新时刻相邻的给水硬度值的平均值，以确保经过再生运行模式后的软化器的软化水效果。通过判断待反馈给水硬度值小于第一预设值且待反馈给水硬度值与第一预设值的比值低于预设再生参照比值，以确保软化器已恢复软水器的离子交换树脂的离子交换能力，若无法恢复，则立即触发报警提示。
在触发设备预警提示中，将当前遍历的水质信息所对应的位置信息和软化器异常标识发送至终端控制器，此时工作人员就会根据报警提示，及时赶到现场进行设备维护，通过及时对软化器检修，从而保证软化水水质，降低锅炉结垢的风险，减少工业锅炉事故或危险带来的损失。
步骤S300：基于水质采集表进行自适应给水补充处理，以及时补充给水可供应量；
在基于水质采集表进行自适应给水补充处理中，具体包括：对水质采集表中依次遍历水质信息，针对当前遍历的水质信息进行确定对应的软水器的软化运行模式，当软水器的软化运行模式为制水模式时，若最新时刻的给水液位值或给水流量值低于对应的第一预设安全阈值则生成制水补充信息，若最新时刻的给水液位值或给水流量值超过对应的第二预设安全阈值则生成制水暂停控制信息，否则不做处理；
在本实施例中，制水补充信息用于控制软水器进行启动制水，从而及时补充给水可供应量；制水暂停控制信息用于控制软水器进行停止制水，从而暂停补充给水可供应量；
在加药阶段：
步骤S400：基于水质采集表进行自适应加药控制；
在基于水质采集表进行自适应加药控制中，具体包括：
步骤S401：对水质采集表中依次遍历水质信息；
步骤S402：针对当前遍历的水质信息进行分析加药需求信息；
在本步骤中，对与锅炉水质类型对应的时序数据进行依次遍历，分析出需要加药的参数指标直至遍历结束，以确定加药需求信息；
在分析需要加药的参数指标时，使用以下约束条件进行分析：
result(i)表示与锅炉水质类型对应的时序数据中第i个参数指标的加药需求结果，countj(i)表示对第i个参数指标进行统计的超标数量，c表示预设超标数量阈值，1≤c≤L，L表示第二预设截取时序数量，Tnow表示最新时刻对应的时序序号，true表示需要加药的标识，false表示无需加药的标识，δj(i)表示第i个参数指标对应时序数据的第j个时序的数值，ω1(i)表示与第i个参数指标对应的第一预设安全阈值，ω2(i)表示第二预设安全阈值，if()表示逻辑判断函数。
示例性的，result(1)表示与锅炉水质类型对应的时序数据中锅炉水碱度的加药需求结果，result(2)表示与锅炉水质类型对应的时序数据中锅炉水pH值的加药需求结果，result(3)表示与锅炉水质类型对应的时序数据中锅炉水溶解氧含量的加药需求结果，result(4)表示与锅炉水质类型对应的时序数据中锅炉水磷酸根离子浓度的加药需求结果，result(5)表示与锅炉水质类型对应的时序数据中锅炉水电导率的加药需求结果。
示例性的，δj(1)表示锅炉水碱度对应时序数据的第j个时序的数值，δf(2)表示锅炉水pH值对应时序数据的第j个时序的数值，δj(3)表示锅炉水溶解氧含量对应时序数据的第j个时序的数值，δj(4)表示锅炉水磷酸根离子浓度对应时序数据的第j个时序的数值，δj(5)表示锅炉水电导率对应时序数据的第j个时序的数值。
需要说明的是，逻辑判断函数为现有技术，不在本申请保护范围内，在逻辑判断函数中，第一个参数表示条件，第二个参数表示条件为真时的取值，第三个参数表示条件为假时的取值。
在本实施例中，预设超标数量阈值为根据实际情况进行设置1至L内的数值，例如对超标要求较精准时则c＝1，对超标要求较宽松时则c＝L；
示例性的，与锅炉水质类型对应的时序数据中的参数指标包括锅炉水碱度、锅炉水pH值、锅炉水溶解氧含量、锅炉水磷酸根离子浓度、锅炉水电导率。
在本实施例中，针对每个需要加药的参数指标，按照第二预设截取时序数量将对应时序数据截取后进行取平均值得到该参考指标的修正值，将该参考指标的修正值作为第一加药索引值，将当前锅炉水量作为第二加药索引值，进而由所有需要加药的参数指标、对应的第一加药索引值、对应的第二加药索引值构成加药需求信息。示例性的，加药需求信息中第i个参数指标对应的二元组信息为：<第i个参数指标、第一加药索引值、第二加药索引值>。
在本实施例中，当前锅炉水量可以通过液位计测得。
步骤S403：若存在加药需求信息，则执行以下过程：
步骤S403a：基于预设加药比例，根据加药需求信息确定第一给水需求总量，其中第一给水需求总量具体表示为：
demand1表示第一给水需求总量，M表示加药需求信息中需要加药的参数指标的数量，dosagei表示第i个需要加药的参数指标对应的预设加药量，θi表示第i个需要加药的参数指标对应的预设加药比例，capnow表示当前锅炉水量。
在本实施例中，预设加药量和预设加药比例均可以通过以下方式获得：在预存的加药规则表中根据设备型号匹配对应的预设加药规则项，进而在预设加药规则项中结合第一加药索引值和第二加药索引值进行匹配对应的预设加药量、预设加药比例；其中，每个预设加药规则项中通过结合利用第一加药参考范围和第二加药参考范围进行匹配，由一个第一加药参考范围和一个第二加药参考范围构成一组索引项，每组索引项均对应一个预设加药量、预设加药比例，从而结合第一加药索引值与第一加药参考范围的匹配情况、第二加药索引值与第二加药参考范围的匹配情况找到对应的预设加药量、预设加药比例。需要说明的是，预设加药量和预设加药比例为本领域技术人员预先对每个设备型号测试时进行记录的加药数值，即得到对应标况时的加药策略。
示例性的，如图5所示，在加药规则表中，设备型号1与预设加药规则项1对应，……，设备型号x与预设加药规则项x对应；以预设加药规则项1为例，根据第一加药参考范围1、第二加药参考范围a的组合匹配预设加药量1a、预设加药比例1a；根据第一加药参考范围1、第二加药参考范围b的组合匹配预设加药量1b、预设加药比例1b；根据第一加药参考范围1、第二加药参考范围c的组合匹配预设加药量1c、预设加药比例1c；根据第一加药参考范围1、第二加药参考范围d的组合匹配预设加药量1d、预设加药比例1d；……，以此类推，根据第一加药参考范围x、第二加药参考范围a的组合匹配预设加药量xa、预设加药比例xa；……，根据第一加药参考范围x、第二加药参考范围z的组合匹配预设加药量xz、预设加药比例xz；需要说明的是，上述关于1、a、1a、b、1b、c、1c、d、1d、x、xa、xz等标号仅用于示例说明，实际应用时本领域技术人员可以根据实际情况去调整每个匹配项的范围，设置对应预设加药规则项的加药策略。
步骤S403b：根据预设蒸发量对第一给水需求总量进行修正以得到第二给水需求总量，具体包括：
demand2＝τ+demand1
demand2表示第二给水需求总量，τ表示预设蒸发量，demand1表示第一给水需求总量；
在本实施例中，预设蒸发量为根据设备型号确定，即不同设备型号对应不同的额定蒸发量，将第一给水需求总量与预设参照给水需求量之间的比值与额定蒸发量相乘得到预设蒸发量。
步骤S403c：基于加药需求信息生成加药策略信息；
在本实施例中，加药策略信息具体为由所有需要加药的参数指标对应的预设加药量构成的集合；示例性的，针对锅炉水碱度不稳定，可以加入适量的氢氧化钠或碳酸钠，以调节锅炉水的碱度；针对锅炉水pH值偏低，可以加入适量的氢氧化钠，以提高pH值，如果pH值过高，可以加入适量的磷酸三钠或腐殖酸钠等酸性药剂进行调整；为了降低锅炉水溶解氧含量，可以加入适量的还原剂，如亚硫酸钠或联氨等，这些药剂通过将溶解氧还原成氧气，从而降低溶解氧的含量；如果需要控制锅炉水磷酸根离子浓度，可以加入适量的磷酸三钠，磷酸三钠可以与水中的钙离子和镁离子反应生成磷酸钙和磷酸镁等沉淀物，从而降低磷酸根离子的浓度；如果需要降低锅炉水电导率，可以加入适量的除盐水或蒸馏水，以稀释锅炉水中的离子浓度；在实际应用中，通过根据加药策略信息进行精准加药以确保锅炉水质的稳定和安全，提高了锅炉运行效率的稳定性和安全性。
步骤S403d：基于第二给水需求总量生成给水策略信息；
在本实施例中，给水策略信息包括给水输送流量和给水补充时间；实际应用时，通过调节给水输送泵的功率以达到需要的给水输送流量，给水输送流量与给水补充时间的乘积结果等于第二给水需求总量。
步骤S403e：将加药策略信息和给水策略信息打包为加药控制信息；
步骤S403f：基于当前遍历的水质信息对应的设备ID进行发送加药控制信息；
步骤S404：若不存在加药需求信息则结束当前步骤；
实际应用时，当设备ID对应的终端控制器接收到加药控制信息时，根据给水策略信息进行补充给水，根据加药策略信息进行调节加药泵的运行频率和启停，通过结合加药策略信息和给水策略信息以形成关联量化控制，从而确保加药的连续性和准确性，本申请通过自适应软化模式切换处理和自适应给水补充处理提高了给水供给的稳定性，进而结合自适应加药控制提高了锅炉水质的稳定性，使得锅炉水质各项指标稳定，减少锅炉结垢和腐蚀的现象发生。
在实施例2中，本实施例在上述实施例1的基础上，通过对锅炉排污进行优化控制，从而进一步提高锅炉水质含盐量和碱度的稳定性。
如图6所示，本实施例提供了一种工业锅炉水质智能控制方法，该方法还包括：
在排污阶段：
步骤S500：基于水质采集表进行自适应排污控制；具体包括：
步骤S501：对水质采集表中依次遍历水质信息；
步骤S502：针对当前遍历的水质信息进行分析是否满足第一预设排污条件，第一预设排污条件为最新时刻的锅炉水电导率幅值超出对应的预设安全范围；
步骤S503：若满足第一预设排污条件则进行自适应排污控制；
步骤S504：若不满足第一预设排污条件则继续判断是否满足第二预设排污条件，第二预设排污条件为最新时刻的锅炉水电导率幅值小于第二预设值或者大于第三预设值；
在本实施例中，第二预设值设置为第一预设安全阈值的1.1倍，第三预设值设置为第二预设安全阈值的0.9倍，在此不对具体数值进行限定，本领域技术人员可以根据实际需求进行调整大小。
步骤S505：若满足第二预设排污条件时，基于锅炉水电导率时序数据计算电导率突变系数，表示为：
ρ表示与锅炉水电导率对应时序数据的电导率突变系数，δj(5)表示表示锅炉水电导率对应时序数据的第j个时序的数值，δj-1(5)表示表示锅炉水电导率对应时序数据的第j-1个时序的数值，Tnow表示最新时刻对应的时序序号，P表示第三预设截取时序数量。
示例性的，例如第三预设截取时序数量可以设置为至少10个，例如10、15、20或30等等，在此不对具体数值进行限定，通过将与最新时刻相邻的时序数据进行分析，进而确定电导率突变系数。
步骤S506：分析是否满足第三预设排污条件，若满足第三预设排污条件时进行自适应排污控制，第三预设排污条件为电导率突变系数大于或等于第四预设值；示例性的，第四预设值可以设置为50％、80％、100％、150％等，具体根据检测精度需求设置对应的数值，在此不做具体限定。
步骤S507：若不满足第一预设排污条件时，则结束当前流程；
在本实施例中，在自适应排污控制中，具体包括：
将与锅炉水质类型对应的时序数据按照预设排污周期进行截取后得到待排污时序数据；在本实施例中，预设排污周期设置为半小时或1小时。示例性的，当预设排污周期设置为1小时时，将与锅炉水质类型对应的时序数据按最新时刻相邻的前1小时进行截取。
根据设备型号从多个预先训练好的排污分析模型中确定为目标排污分析模型；在本实施例中，针对每个设备型号均预先训练一个对应的排污分析模型，每个排污分析模型均分别为使用对应的多组训练数据通过机器学习训练出的，多组训练数据中的每组数据均包括：与锅炉水质类型对应的历史时序数据和该历史时序数据对应的历史排污量；实际应用时，通过机器学习训练排污分析模型来构建起与锅炉水质类型对应的历史时序数据、历史排污量之间的映射关系，以用于输出预测排污量，提高了排污过程的智能化水平；
将待排污时序数据输入至目标排污分析模型以输出预测排污量；
根据设备型号确定预设标况排污流量；在本实施例中，每个设备型号均设置一个预设标况排污量，本领域技术人员可以根据实际情况进行设置。
根据预设标况排污流量和排污量确定排污时间，将预设标况排污流量和排污时间打包为排污控制信息，排污控制信息用于控制锅炉排污电磁阀的开关状态以完成排污过程；
示例性的，针对每个排污分析模型分别搭建相应的LSTM神经网络模型进行训练：使用与锅炉水质类型对应的历史时序数据作为自变量，使用该历史时序数据对应的历史排污量作为因变量，进而训练LSTM神经网络模型；使用测试集数据测试训练完毕的LSTM神经网络模型，验证LSTM神经网络模型的准确性，如果预测结果准确，则将该LSTM神经网络模型作为排污分析模型使用；其中测试集数据为从多组训练数据进行划分出来得到，测试集数据的划分为现有技术。
示例性的，在排污分析模型训练前中，还包括：根据每个设备型号进行分别收集训练数据，将一个预设排污周期内与锅炉水质类型对应的历史时序数据和历史排污量作为一组数据，进而根据多个预设排污周期组收集多组数据，将多组数据按照设备型号分类存入历史数据库以得到对应每个设备型号的多组训练数据；
在本实施例中，预设标况排污流量与排污时间的乘积结果等于排污量。
在本实施例中，通过将排污控制信息发送至与当前遍历的水质信息对应的终端控制器，进而根据预设标况排污流量与排污时间对锅炉排污电磁阀设置开关信号，进而通过控制锅炉排污电磁阀的开关状态实现自适应排污控制。
实际应用时，通过自适应排污控制将炉水内的水渣和盐分排出，进而维持锅炉水质中含盐量和碱度，进一步提高了锅炉运行效率的稳定性和安全性。即本申请通过自适应软化模式切换处理和自适应给水补充处理提高了给水供给的稳定性，进而结合自适应加药控制提高了锅炉水质的稳定性，使得锅炉水质各项指标稳定，并进一步通过自适应排污控制实现工业锅炉运行中水质管理的全过程自动化控制，提高了锅炉运行的安全性能、经济性能，同时通过提高智能化水平以降低人工成本和操作难度，提高了锅炉运行效率。
在本实施例3中，结合图7所示，本实施例提供了一种工业锅炉水质智能控制系统，该系统用于执行上述任一实施例中的工业锅炉水质智能控制方法，该系统包括：
信息采集模块，用于响应于接收到由终端控制器发送的水质信息，在水质采集表中根据与该终端控制器对应的设备ID进行数据更新，每个水质信息均与一个设备ID对应，每个水质信息均为时序数据集，时序数据集包括分别与给水水质类型、与锅炉水质类型对应的时序数据；
第一给水预处理模块，用于基于预设软化检测周期和水质采集表进行自适应软化模式切换处理，以及时对失效的离子交换树脂进行再生；
第二给水预处理模块，用于基于水质采集表进行自适应给水补充处理，以及时补充给水可供应量；
加药处理模块，用于基于水质采集表进行自适应加药控制；
排污处理模块，用于基于水质采集表进行自适应排污控制。
在实施例4中，如图8所示，本实施例提供了一种终端，包括：至少一个存储器和至少一个处理器；其中，至少一个存储器用于存储程序代码，至少一个处理器用于调用至少一个存储器所存储的程序代码执行上述实施例中的任一种工业锅炉水质智能控制方法。
在实施例5中，本实施例提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库为物理层用于存储各种数据库。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种工业锅炉水质智能控制方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在实施例6中，本实施例提供了一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行上述的一种工业锅炉水质智能控制方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
上述实施例为本申请较佳的实施方式，但本申请的实施方式并不受上述实施例的限制，其他的任何未背离本申请的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本申请的保护范围之内。

Claims (4)

1.一种工业锅炉水质智能控制方法，其特征在于，应用于水质智能控制系统，该水质智能控制系统包括云服务器和多个终端控制器，每个终端控制器均与一个锅炉设备对应，进而每个终端控制器与一个设备ID对应，终端控制器用于执行软化水、加药和排污的自适应控制处理，以使得与该终端控制器对应的锅炉设备中的锅炉水质处于达标状态；
所述方法包括：响应于接收到由终端控制器发送的水质信息，在水质采集表中根据与该终端控制器对应的设备ID进行数据更新，每个水质信息均与一个设备ID对应，每个水质信息均为时序数据集；
基于预设软化检测周期和水质采集表进行自适应软化模式切换处理，以及时对失效的离子交换树脂进行再生；
基于水质采集表进行自适应给水补充处理，以及时补充给水可供应量；
基于水质采集表进行自适应加药控制；
在自适应软化模式切换处理中，具体包括：对水质采集表中依次遍历水质信息，针对当前遍历的水质信息确定第一预设值，若最新时刻对应的给水硬度值大于或等于第一预设值时，根据硬度变化趋势切换软水器的软化运行模式，否则不做处理；
在根据硬度变化趋势切换软水器的软化运行模式中，具体包括：
基于与硬度对应的时序数据分析硬度变化趋势，若硬度变化趋势为上升趋势则判断为出现树脂失效状态，将制水模式切换为再生运行模式，否则判断为未出现树脂失效状态，不做处理并结束当前步骤；
基于预设反馈周期设置定时任务，定时任务用于在预设反馈周期结束后确定待反馈给水硬度值，若待反馈给水硬度值小于第一预设值且待反馈给水硬度值与第一预设值的比值低于预设再生硬度参照比值时，将再生运行模式切换为制水模式，否则触发设备预警提示；
其中，待反馈给水硬度值具体表示为：
;
表示待反馈给水硬度值，表示与硬度对应的时序数据中第个时序的给水硬度值，，表示第二预设截取时序数量，表示与预设反馈周期对应的时序数量；
在基于与硬度对应的时序数据分析硬度变化趋势中，具体包括：基于与硬度对应的时序数据，按第一预设截取时序数量进行截取得到待分析硬度时序数据；
将待分析硬度时序数据输入至硬度变化分析模型中确定硬度变化趋势，硬度变化分析模型为使用多组数据通过机器学习训练得出的，其中所述多组数据包括第一类数据、第二类数据和第三类数据，所述第一类数据中的每组数据均包括：具有上升趋势的给水硬度时序数据和标识该给水硬度时序数据具有上升趋势的标签；所述第二类数据中的每组数据均包括：具有下降趋势的给水硬度时序数据和标识该给水硬度时序数据具有下降趋势的标签；所述第三类数据中的每组数据均包括：具有无变化趋势的给水硬度时序数据和标识该给水硬度时序数据具有无变化趋势的标签；
在基于水质采集表进行自适应给水补充处理中，具体包括：对水质采集表中依次遍历水质信息，针对当前遍历的水质信息确定对应的软水器的软化运行模式，当软水器的软化运行模式为制水模式时，若最新时刻的给水液位值或给水流量值低于对应的第一预设安全阈值则生成制水补充信息，若最新时刻的给水液位值或给水流量值超过对应的第二预设安全阈值则生成制水暂停控制信息，否则不做处理；
所述制水补充信息用于控制软水器启动制水，所述制水暂停控制信息用于控制软水器停止制水；
在基于水质采集表进行自适应加药控制中，具体包括：对水质采集表中依次遍历水质信息；
针对当前遍历的水质信息分析加药需求信息，包括：对与锅炉水质类型对应的时序数据进行依次遍历，分析出需要加药的参数指标直至遍历结束，以确定加药需求信息；
若存在加药需求信息，则执行以下过程：
基于预设加药比例，根据加药需求信息确定第一给水需求总量，其中第一给水需求总量具体表示为：
；
表示第一给水需求总量，表示加药需求信息中需要加药的参数指标的数量，表示第个需要加药的参数指标对应的预设加药量，表示第个需要加药的参数指标对应的预设加药比例，表示当前锅炉水量；
根据预设蒸发量对第一给水需求总量进行修正以得到第二给水需求总量，具体包括：
；
表示第二给水需求总量，表示预设蒸发量，表示第一给水需求总量；
基于加药需求信息生成加药策略信息，加药策略信息具体为由所有需要加药的参数指标对应的预设加药量构成的集合；
基于第二给水需求总量生成给水策略信息，给水策略信息包括给水输送流量和给水补充时间；
将加药策略信息和给水策略信息打包为加药控制信息；
基于当前遍历的水质信息向对应的设备ID发送加药控制信息；
若不存在加药需求信息则结束当前步骤；
在分析需要加药的参数指标时，使用以下约束条件进行分析：
；
表示与锅炉水质类型对应的时序数据中第个参数指标的加药需求结果，表示对第个参数指标进行统计的超标数量，表示预设超标数量阈值，，表示第二预设截取时序数量，表示最新时刻对应的时序序号，表示需要加药的标识，表示无需加药的标识，表示第个参数指标对应时序数据的第个时序的数值，表示与第个参数指标对应的第一预设安全阈值，表示第二预设安全阈值，表示逻辑判断函数。
2.如权利要求1所述的方法，其特征在于，还包括：基于水质采集表进行自适应排污控制，具体包括：
对水质采集表中依次遍历水质信息；
针对当前遍历的水质信息分析是否满足第一预设排污条件，所述第一预设排污条件为最新时刻的锅炉水电导率幅值超出对应的预设安全范围；
若满足所述第一预设排污条件则进行自适应排污控制；
若不满足所述第一预设排污条件则继续判断是否满足第二预设排污条件，所述第二预设排污条件为最新时刻的锅炉水电导率幅值小于第二预设值或者大于第三预设值；
若满足所述第二预设排污条件时，基于锅炉水电导率时序数据计算电导率突变系数，表示为：
；
表示与锅炉水电导率对应时序数据的电导率突变系数，表示锅炉水电导率对应时序数据的第个时序的数值，表示锅炉水电导率对应时序数据的第个时序的数值，表示最新时刻对应的时序序号，表示第三预设截取时序数量；
分析是否满足第三预设排污条件，若满足所述第三预设排污条件时进行自适应排污控制，所述第三预设排污条件为电导率突变系数大于或等于第四预设值；
若不满足所述第一预设排污条件时，则结束当前流程。
3.如权利要求2所述的方法，其特征在于，在自适应排污控制中，具体包括：将与锅炉水质类型对应的时序数据按照预设排污周期进行截取后得到待排污时序数据；
根据设备型号从多个预先训练好的排污分析模型中确定为目标排污分析模型，针对每个设备型号均预先训练一个对应的排污分析模型，每个排污分析模型均分别为使用对应的多组训练数据通过机器学习训练出的，所述多组训练数据中的每组数据均包括：与锅炉水质类型对应的历史时序数据和该历史时序数据对应的历史排污量，通过机器学习训练排污分析模型来构建起与锅炉水质类型对应的历史时序数据、历史排污量之间的映射关系，以用于输出预测排污量；
将待排污时序数据输入至目标排污分析模型以输出预测排污量；
根据设备型号确定预设标况排污流量；
根据预设标况排污流量和排污量确定排污时间，将预设标况排污流量和排污时间打包为排污控制信息，排污控制信息用于控制锅炉排污电磁阀的开关状态以完成排污过程。
4.一种工业锅炉水质智能控制系统，其特征在于，用于执行如权利要求1至3任一所述的工业锅炉水质智能控制方法，所述系统包括：
信息采集模块，用于响应于接收到由终端控制器发送的水质信息，在水质采集表中根据与该终端控制器对应的设备ID进行数据更新，每个水质信息均与一个设备ID对应，每个水质信息均为时序数据集；
第一给水预处理模块，用于基于预设软化检测周期和水质采集表进行自适应软化模式切换处理，以及时对失效的离子交换树脂进行再生；
第二给水预处理模块，用于基于水质采集表进行自适应给水补充处理，以及时补充给水可供应量；
加药处理模块，用于基于水质采集表进行自适应加药控制。
CN202410183676.2A 2024-02-19 2024-02-19 一种工业锅炉水质智能控制方法及系统 Active CN118047426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410183676.2A CN118047426B (zh) 2024-02-19 2024-02-19 一种工业锅炉水质智能控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410183676.2A CN118047426B (zh) 2024-02-19 2024-02-19 一种工业锅炉水质智能控制方法及系统

Publications (2)

Publication Number Publication Date
CN118047426A CN118047426A (zh) 2024-05-17
CN118047426B true CN118047426B (zh) 2024-07-16

Family

ID=91053317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410183676.2A Active CN118047426B (zh) 2024-02-19 2024-02-19 一种工业锅炉水质智能控制方法及系统

Country Status (1)

Country Link
CN (1) CN118047426B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621939A (zh) * 2011-01-30 2012-08-01 张居光 一种工业锅炉水质在线监测和智能控制装置和方法
CN108445823A (zh) * 2018-06-08 2018-08-24 湖州师范学院 一种基于虚拟仪器的工业锅炉防垢系统及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206772953U (zh) * 2017-03-13 2017-12-19 四川经准特种设备检验有限公司 一种工业锅炉水质硬度监测装置
WO2022072921A1 (en) * 2020-10-04 2022-04-07 Strong Force Iot Portfolio 2016, Llc Industrial digital twin systems and methods with echelons of executive, advisory and operations messaging and visualization
CN117389222A (zh) * 2023-10-18 2024-01-12 青岛科润生物科技有限公司 锅炉水循环智能管理系统及其应用

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621939A (zh) * 2011-01-30 2012-08-01 张居光 一种工业锅炉水质在线监测和智能控制装置和方法
CN108445823A (zh) * 2018-06-08 2018-08-24 湖州师范学院 一种基于虚拟仪器的工业锅炉防垢系统及方法

Also Published As

Publication number Publication date
CN118047426A (zh) 2024-05-17

Similar Documents

Publication Publication Date Title
EP3336425B1 (en) Water quality management device, water treatment system, water quality management method, and water treatment system optimization program
CN104657792A (zh) 一种基于规则引擎和智能预测的预警方法
CN108133391A (zh) 销量预测方法以及服务器
CN111984503A (zh) 一种监控指标数据异常数据识别的方法及装置
CN108197845A (zh) 一种基于深度学习模型lstm的交易指标异常的监测方法
CN111679952A (zh) 告警阈值生成方法及装置
CN115099543A (zh) 电池更换的路径规划方法、装置、设备及存储介质
CN115511665B (zh) 用于智慧燃气的储配站燃气净化管理方法和物联网系统
CN117952282B (zh) 一种基于物联网的智慧燃气全周期监管系统及方法
CN117764422B (zh) 智慧节能运维管理云平台
CN112257745A (zh) 基于隐马尔可夫的煤矿井下系统健康度预测方法及装置
CN118047426B (zh) 一种工业锅炉水质智能控制方法及系统
CN115611393A (zh) 一种多端协同的多水厂混凝剂投放方法和系统
CN114049134A (zh) 一种污染源在线监测数据造假识别方法
CN114662913A (zh) 一种甲酰胺原料自动定量加料系统及方法
CN109211564B (zh) 一种用于滚珠丝杠副健康评估的自适应阈值检测方法
Szeląg et al. Application of the model of sludge volume index forecasting to assess reliability and improvement of wastewater treatment plant operating conditions.
CN110164127B (zh) 一种车流量预测的方法、装置及服务器
CN117454771A (zh) 一种基于评估及预测信息的机械装备动态维护决策方法
CN113447037B (zh) 行程偏航检测方法及装置
CN112908446B (zh) 一种内分泌科药液自动混合控制方法
CN115806344A (zh) 一种orp控制精准曝气的系统
CN110092507A (zh) 一种工业废水处理的方法及装置
CN116743670B (zh) 一种基于编码预制的同类信息快速自检查方法及系统
CN113049793A (zh) 一种Abs复合材料的生产检测验证方法和装置

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