CN110188945B - 一种生产中的污水预测系统及污水预测方法 - Google Patents

Abstract

一种生产中的污水预测系统及污水预测方法，其中污水预测系统主要包括功率记录器和处理器，其中功率记录器用于获取生产设备生产过程中的用电数据信息，处理器用于根据用电数据信息预测生产设备生产过程中所产生的污水的信息，和/或，污水处理过程中一个或多个环节的污水的信息。由于使用生产设备生产过程中的用电数据信息对生产过程中产生的污水信息进行预测，使得用户可以根据预测结果及时准确获得下一阶段中污水产生量和各污水处理环节中污水水质成分的变化情况，为用户提供污水精准处理决策依据、宽裕的污水处理药品试剂准备时间，可有效避免以往因污水处理准备过程不及时而造成的药品浪费、用电量增多、出水水质欠佳、成本居高的情形。

Description

一种生产中的污水预测系统及污水预测方法

技术领域

本发明涉及污水处理技术领域，具体涉及一种生产中的污水预测系统及污水预测方法。

背景技术

随着城市化、工业化的不断提速，我国水环境已遭到严重破坏并有继续恶化的趋势。污水排放不但严重影响着居民的日常生活，而且破坏了大自然的生态平衡。为了降低污水的排放量，全国各地已经纷纷建立了污水处理厂，然而在污水处理过程还长期存在着电能消耗过大、运行成本居高的问题，因此，研究污水处理过程优化控制实现节能降耗意义重大，是未来污水处理行业必然的发展趋势。

例如，在工厂的生产周期中，生产旺季所产生的污水量大、污染物浓度高、水质变化快，对于其污水处理设施、设备造成极大的压力，大大增加了超标排放的风险。那么，在工业污水处理净化处理时，对污水水量、水质调节极重要，为保障出水水质，通常采用过饱和式运营控制来应对污水水质、水量的变化情形，这就导致了运营成本的不合理增加同时还可能伴随药剂的过度投加和二次污染。如何合理降低污水处理工艺的运行成本成为污水处理企业面临的新课题。

污水水质变化因受诸多因素影响，往往会造成显著的时空变异性，使得污水处理过程既有时延性、结构关联性、不确定性、非线性等特征又表现出一定的趋势性。预测水质的变化趋势，可以清楚的了解水质状况并进行预警，为处理工艺自控系统提供参考依据，对污水处理系统在确保净化效率的前提下以较低的成本稳定运行具有积极而重要的作用。同时，污水处理是一个需要时间反应的生化或物化反应过程，根据污水进水水质及处理装置的处理参数，预测排放水质尤为重要。

发明内容

本发明主要解决的技术问题是如何改善现有污水预测处理过程中存在的预测功能单一、预测范围小的情形。为解决上述技术问题，本申请提供一种生产中的污水预测系统及污水预测方法。

根据第一方面，一种实施例中提供一种生产中的污水预测系统，包括调节池、冷却塔、加药设备、气浮设备、生化池、二沉池、污泥浓缩池、污泥脱水间、中间水池、功率记录器、处理器和控制器；

所述调节池用于接收生产设备生产过程中所产生的污水，并调节污水量和污水水质；所述冷却塔用于接收从调节池流出的污水，并对污水进行降温；所述气浮设备用于接收从冷却塔流出的污水，通过气浮、混凝和沉淀的方式分离污水中的悬浮物；所述加药设备用于在气浮设备的污水流入端进行投药，用于混凝和/或调节pH；所述生化池用于接收从气浮设备流出的污水，通过活性污泥里的微生物处理污水；所述二沉池用于接收从生化池流出的污水，并使污水中的活性污泥沉降下来；所述污泥浓缩池用于接收用从二沉池传输过来的活性污泥，并对活性污泥进一步沉降、浓缩和降解；所述污泥脱水间用于接收从污泥浓缩池传输过来的活性污泥，并对活性污泥进行脱水；所述中间水池用于接收并储蓄从二沉池流出的污水，作为待排放的污水；

功率记录器，用于获取生产设备生产过程中的用电数据信息；

处理器，用于根据所述用电数据信息预测生产设备生产过程中所产生的污水的信息，和/或，污水处理过程中一个或多个环节的污水的信息；其中所述污水的信息包括污水量和/或污水水质；

控制器，用于根据所预测的生产过程中所产生的污水的信息和/或污水处理过程中一个或多个环节的污水的信息，控制污水处理一个或多个环节；其中控制器控制污水处理一个或多个环节，包括下列的一者或多者：控制调节池调节污水流量，控制加药设备的投药品种和投药量，控制对生化池的曝气量，控制从二沉池到生化池中的污泥回流量。

所述用电数据信息包括生产过程中随时间变化的功率值、电压值、电流值、电流相位角、电压相位角、功率谱和谐波功率谱特征中的一者或多者；所述污水水质包括COD参数、BOD参数、TP参数、TN参数、NH₃-N参数、pH参数、SS参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度和硬度中的一者或多者。

根据第二方面，一种实施例中提供一种生产中的污水预测系统，包括：

功率记录器，用于获取生产设备生产过程中的用电数据信息；

处理器，用于根据所述用电数据信息预测生产设备生产过程中所产生的污水的信息，和/或，污水处理过程中一个或多个环节的污水的信息；其中所述污水的信息包括污水量和/或污水水质。

根据第三方面，一种实施例提供一种生产中的污水预测方法，包括：

获取生产设备生产过程中的用电数据信息；

根据所述用电数据信息预测生产设备生产过程中所产生的污水的信息，和/或，污水处理过程中一个或多个环节的污水的信息；其中所述污水的信息包括污水量和/或污水水质。

所述根据所述用电数据信息预测生产设备生产过程中所产生的污水的信息，包括：将生产设备生产过程中的用电数据信息，输入到预先建立的初始量预测模型中，以得到生产设备生产过程中所产生的污水的信息；其中所述初始量预测模型通过以下方式建立：获取训练集，所述训练集中的数据为生产设备生产过程中的用电数据信息，数据的标签为生产设备生产过程中所产生的污水的信息；利用所述训练集，通过机器学习，训练得到初始量预测模型。

所述根据所述用电数据信息预测污水处理过程中一个或多个环节的污水的信息，包括：将生产设备生产过程中的用电数据信息，输入到预先建立的过程量预测模型中，以得到污水处理过程中一个或多个环节的污水的信息；其中所述过程量预测模型通过以下方式建立：获取训练集，所述训练集中的数据为生产设备生产过程中的用电数据信息，数据的标签为处理生产设备生产过程中产生的污水的一个或多个环节中的污水的信息；利用所述训练集，通过机器学习，训练得到过程量预测模型。

所述用电数据信息包括生产过程中随时间变化的功率值、电压值、电流值、电流相位角、电压相位角、功率谱和谐波功率谱特征中的一者或多者；所述污水水质包括COD参数、BOD参数、TP参数、TN参数、NH₃-N参数、pH参数、SS参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度和硬度中的一者或多者。

所述的污水预测方法还包括：根据所预测的生产设备生产过程中所产生的污水的信息，在即将开始污水处理过程时，判断所述污水是否可以被消纳处理，如果否，则发出报警。

所述的污水预测方法还包括：根据所预测的生产过程中所产生的污水的信息和/或污水处理过程中一个或多个环节的污水的信息，控制污水处理一个或多个环节的污水处理参数；其中污水处理参数包括：污水流量、曝气量、污泥回流量、投药品种和投药量中的一者或多者。

根据第四方面，一种实施例中提供一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现上述第三方面中所述的方法。

本申请的有益效果是：

依据上述实施例的一种生产中的污水预测系统及污水预测方法，其中污水预测系统主要包括功率记录器和处理器，其中功率记录器用于获取生产设备生产过程中的用电数据信息，处理器用于根据用电数据信息预测生产设备生产过程中所产生的污水的信息，和/或，污水处理过程中一个或多个环节的污水的信息，这里的污水的信息包括污水量和/或污水水质。第一方面，由于使用生产设备生产过程中的用电数据信息对生产过程中产生的污水信息进行预测，使得用户可以根据预测结果及时了解下一阶段中污水的产生量和污水水质的变化情况，为用户提供宽裕的污水处理准备时间，可有效避免以往因污水处理准备过程不及时而造成的药品浪费、用电量增多、出水水质欠佳、成本居高的情形；第二方面，由于使用生产设备生产过程中的用电数据信息对污水处理过程中处理的污水信息进行预测，使得系统可以根据预测结果及时知晓下一阶段中各个环节的污水水质的变化情况，从而指示控制器提前调控各个环节的处理工艺，可以通过预先调控投药品种、投药量、曝气量、污泥回流量等处理工艺来合理地改变各个环节的污水处理强度，不但利于达到污水处理及时、处理强度合适的效果，还能够最大限度地节约药品、节省时间、降低成本、保证高品质出水水质。第三方面，由于利用生产设备生产过程中的用电数据信息对污水处理过程进行预先调控，使得系统根据预测结果就可知晓污水处理过程中的水量、水质变化情况，无需再设置一些传感器进行水量、水质的测量工作，这样就减少甚至不使用一些传感器，还能够达到更高的污水处理效果，利于提高污水处理单位的经济效益。

附图说明

图1为现有污水处理系统中传感器使用情况的示意图；

图2为本申请一种实施例中污水预测系统的的结构图；

图3为本申请另一种实施例中污水预测系统的结构图；

图4为本申请污水预测方法的流程图；

图5为生产过程中预测污水的信息的原理示意图；

图6为污水处理过程中预测污水的信息的原理示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

为清楚、准确地理解本申请的技术方案，这里对一些技术术语进行解释。

COD参数，即化学需氧量(Chemical Oxygen Demand)，是以化学方法测量水样中需要被氧化的还原性物质的量。水样在一定条件下，以氧化1升水样中还原性物质所消耗的氧化剂的量为指标，折算成每升水样全部被氧化后，需要的氧的毫克数，以mg/L表示。COD量反映了水中受还原性物质污染的程度，通常，COD量越高，水质污染越严重。

BOD参数，即生物需氧量(Biochemical Oxygen Demand)，是指在一定期间内，微生物分解一定体积水中的某些可被氧化物质，特别是有机物质所消耗的溶解氧的数量。以mg/L或百分率、ppm表示。BOD量是反映水中有机污染物含量的一个综合指标，通常BOD越高，水中有机污染物越多，水质污染越严重。

TN参数，即总氮量(Total Nitrogen)，是水中各种形态无机和有机氮的总量，往往包括NO3-、NO2-和NH4+等无机氮和蛋白质、氨基酸和有机胺等有机氮，以每升水含氮毫克数计算。TN量常被用来表示水体受营养物质污染的程度，一般数值越高，水质污染越严重。

TP参数，即总磷量(Total Phosphorus)，是废水中以无机态和有机态存在的磷的总和。TP量是衡量水污染程度的指标之一，一般数值越大，水质污染程度越高。

NH₃-N参数，即氨氮浓度，氨氮的含量是衡量水质的一个重要标准，以毫克/升表示，如果氨氮含量高的话，可能导致水体富营养化。

pH参数，是指污水中氢离子的总数和总物质的量的比，通常为酸碱度。

SS参数，即悬浮物浓度，(Suspended Solids)，是指悬浮在水中的固体物质的含量，包括不溶于水中的无机物、有机物及泥砂、黏土、微生物等。SS量是衡量水污染程度的指标之一，一般数值越高，水质污染越严重。

DO参数，即溶解氧浓度(dissolved oxygen)，是指溶解在水里氧的量，是衡量水体自净能力的一个指标，用每升水里氧气的毫克数表示。DO量与空气中氧的分压、水的温度都有密切关系，在自然情况下，空气中的含氧量变动不大，故水温是主要的因素，水温愈低，水中溶解氧的含量愈高。但当水体受到有机物污染，耗氧严重，溶解氧得不到及时补充，水体中的厌氧菌就会很快繁殖，有机物因腐败而使水体变黑、发臭，由此来说明水体污染严重，自净能力弱，甚至失去自净能力。

ORP参数，即氧化还原电位(Oxidation-Reduction Potential)，是用来反映水溶液中所有物质反应出来的宏观氧化-还原性，氧化还原电位越高，氧化性越强，电位越低，氧化性越弱。ORP量作为介质环境条件的一个综合性指标，它表征介质氧化性或还原性的相对程度，它虽然不能独立反应水质的好坏，但是能够综合其他水质指标来反映水族系统中的生态环境。

MLSS参数，即混合液悬浮固体浓度(mixed liquid suspended solids)，也就是混合液污泥浓度，它表示的是在曝气池单位容积混合液内所含有的活性污泥固体物的总重量(mg/L)，污泥浓度指的是生化反应的池子里的活性污泥的含量，活性污泥中含有大量的微生物。一般情况下，污泥浓度越高，微生物越多，那可以分解消耗的污染物就越多，反应效率越快。

泥位参数，即混合液内污泥的高度。

重金属离子参数，即Cr⁶⁺、Cr³⁺、Ni³⁺、Fe³⁺、Cu²⁺、Hg²⁺等离子的含量。

无机有害物质参数，即As³⁺、As⁵⁺、F^-、CN^-、NO₂ ^-等有害物质的含量。

碱度，表示污水中和酸的能力，通常为CaCO₃的含量，碱度较高则缓冲能力强，可满足污水硝化反应碱度的消耗，在污泥消化中有缓冲超负荷运行引起的酸化作用，有利消化过程稳定。

色度、盐度、硬度，均是污水处理行业内常用的水质指标，可以参考相关的行业标准，这里不再进行详细说明。

工业生产中，一般都是通过控制生产设备来进行生产和作业，在这一过程中，往往也伴随着工业废水的产生，这些工业废水或者说污水需要经过一定的处理达到国家或行业的排放标准才能被排放到环境中(例如河流等)，否则就会污染环境。因此工厂对其工业污水的处理也是十分重要的。对工业污水的处理涉及到了解污水的水质——例如该时段污水哪些指标参数超标需要处理，如何按照一套流程对这些超标的指标参数分别进行处理，在具体处理时如何提前配药的——例如很多时候投放的药需要提前半个到一个小时进行配制和搅拌，否则就来不及投放和处理，当前的污水处理设备是否可以处理当前所排放的污水量等，这些因素使得污水处理成为一个复杂的问题。

现有污水处理系统中，常常通过在污水处理各环节、污水处理设备和地点中设备相应的传感器，来监测污水量以及污水水质情况，然后根据传感器所监测的数据，来控制污水处理流程和相应设备，例如调节污水进水量、配药成分、配药时机和投药时机等等。这存在许多问题：首先，成本较高，由于传感器是用于检测污水情况，因此传感器的寿命一般都很短，通常每几个月就要全部换一批传感器，这极大提高了污水处理的成本；其次，很多时候生产设备刚产生的污水的温度高、污染物浓度太高，这时候往往也无法使用相应传感器来进行快速和实时的测量，这就导致在污水处理过程中没有实时准确的水质数据，不能准确地判断药剂的投加量，现场运营人员只能凭借经验判断，投加过量的药剂，以降低超标排放的风险，这一来增加了污水处理的不确定性，二来通过过饱和处理则增加了污水处理成本。

如果能提供预测以及实时监测污水情况，那么对于污水处理是十分重要的，因为这可以对污水处理过程进行针对性的、智能化的调控，可以确保污水达标排放的前提下，降低药剂、电力和人力资源，从而达到节能降耗的效果。本申请的发明人创造性地提出了另一种预测生产过程中的污水情况的方案，下面详细说明。

发明人研究发现，现代工厂一般都是采用一套标准化的流程来生产，各个生产环节一般都是固定的一个或多个生产工艺组成，不同的工艺有不同的实施方法；此外，各个生产环节还会受到环境状况(如温度、湿度)和工艺流程切换，甚至是人为操作等因素的影响，致使同种工艺也有差异性(如处理强度上的差异)；但是这些信息却可以从生产设备的用电数据信息来体现和提取；进一步地，不同工艺或者同一种工艺不同强度又决定着污水产生量和产生的污水的水质，因此通过这样的逻辑链，发明人将生产设备的用电数据信息、各型生产设备的运行状态分别和生产设备最终产生的污水量、水质之间建立起了联系，通过机器学习，最终实现通过生产设备的用电数据信息来预测所产生以及污水处理中各环节的污水量和水质。

现有的污水处理系统中往往设置较多的传感器和一些化学检测设备，随时对调节池的污水流量，气浮设备、生化池和中间水池的水质现状，以及加药设备的投药量进行测量，如图1中各个污水处理环节中所使用的传感器，该些传感器虽然能够及时反馈污水水量、水质的变化量，但也提高了硬件设备的使用成本，而且在传感器故障时将扰乱之前的污水正常处理秩序，引起出水品质下降的风险。本申请就是针对现有污水处理系统中存在的问题，提出一种新的污水预测和处理方式，不仅实现了用生产过程的用电数据作为预测参考量，预测得到产生的污水的信息和处理的污水的信息，而且通过生产过程的用电数据预测污水处理各环节的污水情况，取代现有污水处理系统中一些传感器的作用，因此可以减少甚至不使用现有污水处理系统中传感器，可以提高生产单位、污水处理单位的经济效益。

下面将结合实施例对本申请的技术方案进行说明。

实施例一、

请参考图2，本申请公开一种生产中的污水预测系统，其包括调节池11、冷却塔12、加药设备13、气浮设备14、生化池15、二沉池16、污泥浓缩池17、污泥脱水间18、中间水池19、功率记录器21、处理器22和控制器23。下面将分别说明。

调节池11用于接收生产设备生产过程中所产生的污水，并调节污水量和污水水质。一般情况下，生产过程中排出的污水的水量、水质在不同时间段内有较大变化，为使后端的污水处理作业过程能够正常工作，排放的污水应通过一定容量的水池并停留一定时间，使高峰流量或高浓度污水在池中混合均匀，由此来避免高浓度物质集中排放所带来的危害，最终使得污水达到水量、水质均匀稳定的待处理状态，其中污水在调节池11内的停留时间可以通过控制进水流量来进行实现。

冷却塔12用于接收从调节池流出的污水，并对污水进行降温。通常，调节池11中安装有污水提升泵，通过污水提升泵控制进入冷却塔12的流量。有时会设置多个冷却塔，如图1中的冷却塔1和冷却塔2，以此来增强污水冷却效果。

气浮设备14用于接收从冷却塔12流出的污水，通过气浮、混凝和沉淀的方式分离污水中的悬浮物，达到固液分离、降低污染物浓度的目的。

加药设备13用于在气浮设备14的污水流入端进行投药，用于混凝和/或调节pH。这里的加药设备13可以具备药品调配、投药量控制等功能，实现硫酸亚铁、片碱、PAM等药品的调配、投药，其中硫酸亚铁(混凝剂，同时降低pH)和PAM(助凝剂，增强效果)用于调节污水酸性，而片碱是为了中和过量投加的硫酸亚铁。通常情况下，可以调配的药品种类包括混凝剂、助凝剂、酸、碱、氧化剂、还原剂、碳源、消毒剂等，粉末状、颗粒状或块状药品一般需要溶解后配成一定浓度的溶液再使用计量泵定量投加，气态的药剂需要和水混合压缩后通过计量泵定量投加，溶液状态的药剂可稀释成一定浓度的溶液或直接使用计量泵投加，部分不溶于水的粉末状药品可直接使用输送螺杆、气力输送泵或漏斗投加。

生化池15用于接收从气浮设备14流出的污水，通过活性污泥里的微生物处理污水，具体来说，就是通过池中活性污泥里的微生物来吸附、分解、吸收、氧化、还原污水中的污染物，实现去除大部分污水中溶解的污染物的目的。一般情况下，生化池15中会包括厌氧池、缺氧池、好氧池，分别实现相应的生化处理效果。而且，生化池15中也可以包括多组并联的工程结构，如图2中的工程结构1(可以为混凝土工程结构，内置串联的好氧池1、好氧池2、好氧池3)、工程结构2(可以为不锈钢工程结构，内置串联的好氧池4、好氧池5、好氧池6)，通过并联的工程结构来实现不同性质污水的生化处理作用，通过串联的好氧池实现处理强度逐次增加的生化处理效果。此外，本实施例中还为生化池15设置一套或多套曝气设备，通过改变曝气量来调节氧化池内的氧气含量，进而达到调节DO参数的目的。

二沉池16用于接收从生化池15流出的污水，并使污水中的活性污泥沉降下来。在本实施例中，二沉池16可以包括多个池子，如图2中的二沉池1、二沉池2，由此来对不同路径流出的污水进行活性污泥沉降作业。此外，二沉池16通过管道与前端的生化池15连通，如与好氧池1、好氧池4连通，并通过设置在管道上的回泥设备调节污泥的回流量。

污泥浓缩池17用于接收用从二沉池16传输过来的活性污泥，并对活性污泥进一步沉降、浓缩和降解；目的是减少污泥总量，以及利于下一步的污泥脱水作业。

污泥脱水间18用于接收从污泥浓缩池17传输过来的活性污泥，并对活性污泥进行脱水，通常使用机械设备，并通过物理方法进一步分离污泥中的水分，达到减少污泥总量、便于污泥外运的目的。

中间水池19用于接收并储蓄从二沉池16流出的污水，作为待排放的污水。在一些情况下，可以用次氯酸钠作为消毒剂来对中间水池19内的水进行消毒处理。

需要说明的是，中间水池19内的水可以直接进行出水处理，也可以输出至MBR膜系统20，进行深度处理，将深度处理后的水进入生产车间重新利用(即中水回用)。对反冲洗MBR膜后产生的废水，令其流回至调节池11以继续进行处理。此外，气浮设备14产生的物化污泥可以输送至污泥浓缩池17进行污泥收集，污泥脱水间18内脱水后的污泥可以直接进行污泥外运，并且脱水后的滤液可以以滤液回流的形式进入到调节池11内以进行继续处理。

功率记录器21用于获取生产设备生产过程中的用电数据信息。

处理器22用于根据功率记录器22输出的用电数据信息预测生产设备生产过程中所产生的污水的信息，和/或，污水处理过程中一个或多个环节的污水的信息；在本实施例中，污水的信息包括污水量和/或污水水质。可以理解，本实施例中的处理器22可以是具有相关功能的计算机、服务器、中控平台、云平台等设备，这里不做具体限制。

控制器23与处理器22连接，用于根据所预测的生产过程中所产生的污水的信息和/或污水处理过程中一个或多个环节的污水的信息，控制污水处理一个或多个环节；其中控制器控制污水处理一个或多个环节，包括下列的一者或多者：控制调节池11以调节污水流量(如调节污水提升泵的功率)，控制加药设备13的投药品种和投药量(如调节药品的配比种类、各成分药量)，控制对生化池15的曝气量(如调节曝气设备的风机功率)，控制从二沉池16到生化池15中的污泥回流量(如调节回泥设备的管道泵功率)。

在本实施例中，功率记录器21获取的用电数据信息包括生产过程中随时间变化的功率值、电压值、电流值、电流相位角、电压相位角、功率谱和谐波功率谱特征中的一者或多者。本领域技术人员可以理解，用电数据信息可以间接反应生产设备的工作状态、工艺特性，通常生产设备的工艺特性与产生的污水的水量、水质之间有一定的内在关联性质，例如印染加工时长与污水产生量呈正比关系，同时影响污水水质的成分、污染物浓度；再例如造纸生产中温度、湿度变化将影响干燥、除湿类生产设备的运行功率，同时也影响该些生产设备所产生的污水的污染物浓度。具体的内在关联性质与实际的生产工艺特性有关，这里不再进行一一类举。

在本实施例中，污水水质包括COD参数、BOD参数、TP参数、TN参数、NH₃-N参数、pH参数、SS参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度和硬度中的一者或多者。各个参数在上文中已有说明，这里不再进行赘述。

实施例二、

请参考图3，本申请提供一种生产中的污水预测系统，包括功率记录器21和处理器22。

功率记录器21用于获取生产设备生产过程中的用电数据信息。具体地，功率记录器用于与生产设备连接，实时地获取生产设备的用电数据信息，用电数据信息可以包括随时间变化的功率值、电压值、电流值、电流相位角、电压相位角、功率谱和谐波功率谱特征中的一者或多者。

处理器22与功率记录器21连接，用于根据用电数据信息预测生产设备生产过程中所产生的污水的信息，和/或，污水处理过程中一个或多个环节的污水的信息；其中污水的信息包括污水量和/或污水水质。本领域的技术人员可以理解，本实施例中的处理器22可以是具有相关功能的计算机、服务器、中控平台、云平台等设备，这里不做具体限制。具体地，处理器22用于与污水处理设施连接，通过污水量、污水水质的预测结果来实时地调控污水处理设施内各个处理环节的设备运行状态。

需要说明的是，本实施例中预测得到的污水水质包括COD参数、BOD参数、TP参数、TN参数、NH₃-N参数、pH参数、SS参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度和硬度中的一者或多者。

需要说明的是，本实施例中功率记录器21和处理器22构成的污水预测系统能够灵活地与不同生产单位的生产设备或者不同污水处理单位的污水处理设备进行信号连接，预测生产过程中所产生的污水的信息，和/或污水处理过程中所处理的污水的信息，借助预测结果给污水处理单位进行污水处理作业的指导。这里仅涉及保护的功率记录仪21和处理器22构成的污水预测系统，而不涉及保护相关的污水处理设施。

实施例三、

请参考图4，在实施例二中公开的污水预测系统的基础上，本申请公开一种生产中的污水预测方法，其主要包括步骤S310-S320，下面分别说明。

步骤S310，功率记录器21获取生产设备生产过程中的用电数据信息。用电数据信息可以包括随时间变化的功率值、电压值、电流值、电流相位角、电压相位角。

步骤S320，处理器22根据用电数据信息预测生产设备生产过程中所产生的污水的信息，和/或，污水处理过程中一个或多个环节的污水的信息；其中污水的信息包括污水量和/或污水水质。

需要说明的是，本实施例中预测得到的污水水质包括COD参数、BOD参数、TP参数、TN参数、NH₃-N参数、pH参数、SS参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度和硬度中的一者或多者。

在第一种具体实施中，参见图5，处理器22根据用电数据信息预测生产设备生产过程中所产生的污水的信息，具体包括：将生产设备生产过程中的用电数据信息，输入到预先建立的初始量预测模型中，以得到生产设备生产过程中所产生的污水的信息。其中，初始量预测模型通过以下方式建立：

(1)获取训练集，训练集中的数据为生产设备生产过程中的用电数据信息，数据的标签为生产设备生产过程中所产生的污水的信息。

(2)利用训练集，通过机器学习，训练得到初始量预测模型。

需要说明的是，训练集中的数据可以是功率记录器21在生产设备的历史生产过程中获取的历史用电数据，数据的标签可以是污水处理过程中同时间节点时在调节池11处通过超声波流量计获得的污水进水量，或者是历史生产过程中通时间节点时在气浮设备14处通过每种传感器(比如COD传感器、BOD传感器、TP传感器、TN传感器、SS传感器、pH传感器、NH3-N传感器或其它传感器)获得的对应测量参数(比如COD参数、BOD参数、TP参数、TN参数、pH参数、SS参数、NH₃-N参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度或硬度)。如此，可以将训练集作为样本数据输入至一机器学习模型，训练得到的模型就是初始量预测模型。

例如，将历史用电数据中任意一实施工艺性质对应的功率值、电压值、电流值、电压相位角、电流相位角作为特征数据，污水产生量作为数据的标签，输入至预设的XGBoost算法，训练得到关于污水产生量的初始量预测模型。

再例如，将历史用电数据中任意一实施工艺性质对应的功率值、电压值、电流值、电压相位角、电流相位角作为特征数据，污水COD参数作为数据的标签，输入至预设的XGBoost算法，训练得到关于污水COD参数的初始量预测模型。

为了得到更优的初始量预测模型，本具体实施例中还可以将历史用电数据进行划分，得到训练集和测试集，将训练集输入至预设的XGBoost算法以训练得到初始量预测模型，再根据测试集对该初始量预测模型进行测试，通过测试结果对该初始量预测模型进行超参调优，从而得到优化后的初始量预测模型。

本领域的技术人员应当理解，得到一个初始量预测模型之后，将当前的用电数据信息中的功率值、电压值、电流值、电压相位角、电流相位角输入至该初始量预测模型，就可以计算得到该初始量预测模型的标签(如污水产生量)对应的预测值，可以将该预测的污水产生量作为下一阶段中污水达到调节池的进水量。

需要说明的是，在初始量预测模型的建立阶段，需要获取生产设备生产过程中的历史用电数据，以及获取历史用电数据在同时间点时产生的污水的信息，所以要在调节池11、气浮设备14处设置相应的传感器来获取该些污水的信息，但是在初始量预测模型建立之后，可以适当地撤销该些环节的传感器，由预测数据来代替传感器的反馈信息。

在第二种具体实施中，参见图6，处理器22根据用电数据信息预测污水处理过程中一个或多个环节的污水的信息，具体包括：将生产设备生产过程中的用电数据信息，输入到预先建立的过程量预测模型中，以得到污水处理过程中一个或多个环节的污水的信息。其中，过程量预测模型通过以下方式建立：

(1)获取训练集，训练集中的数据为生产设备生产过程中的用电数据信息，数据的标签为处理生产设备生产过程中产生的污水的一个或多个环节中的污水的信息。

(2)利用训练集，通过机器学习，训练得到过程量预测模型。

需要说明的是，训练集中的数据可以是功率记录器21在生产设备的历史生产过程中获取的历史用电数据，数据的标签可以是历史污水处理过程中同时间节点时在生化池15处通过传感器获得的MLSS参数、pH参数、DO参数或ORP参数，或者是历史污水处理过程中同时间节点时在二沉池16处通过超声波污泥计获得的污泥高度。

例如，将历史用电数据中任意一实施工艺性质对应的功率值、电压值、电流值、电压相位角、电流相位角作为特征数据，污水MLSS参数作为数据的标签，输入至预设的XGBoost算法，训练得到关于污水MLSS参数的过程量预测模型。

本领域的技术人员应当理解，得到一个过程量预测模型之后，将当前的用电数据信息中的功率值、电压值、电流值、电压相位角、电流相位角输入至该过程量预测模型，就可以计算得到该过程量预测模型的标签(如MLSS参数)对应的预测值，可以将该预测的MLSS参数作为下一阶段中生化池内的污泥浓度。

需要说明的是，在过程量预测模型的建立阶段，需要获取生产设备生产过程中的历史用电数据，以及获取历史用电数据在同时间点时处理的污水的信息，所以要在气浮设备14、生化池15、二沉池16、中间水池19处设置相应的传感器来获取该些污水的信息，但是在初始量预测模型建立之后，可以适当地撤销该些环节的传感器，由预测数据来代替传感器的反馈信息。

需要说明的是，这里提及的XGBoost算法是一种现有技术，该算法就是极端梯度提升算法(Xtreme Gradient Boosting)，它是一种机器学习算法，在绝大多数的回归和分类问题上表现表现出色，具有集成学习能力强、训练效率高的优势，与深度学习相比，该算法对标签数据和特征数据类型要求没那么苛刻，适用范围广。Boosting算法的核心是回归思想：把每个弱学习器的输出结果当成连续值，目的是对每个弱学习器的结果进行累加处理，能更好地利用损失函数来优化算法模型。通常来说，深度神经网络通过对时空位置建模，能够很好地捕获图像、语音、文本等高维数据；而基于树模型的XGBoost则能很好地处理表格数据，同时还拥有一些特别的特性，如模型的可解释性、输入数据的不变性、调参的简便性。

在第三个具体实施例中，步骤S320中公开的方法还包括：根据所预测的生产设备生产过程中所产生的污水的信息，在即将开始污水处理过程时，判断污水是否可以被消纳处理，如果否，则发出报警。需要说明的是，处理器23通过预测到的污水的信息(包括污水量、污水水质)就可以了解到该些污水的污染物成分和理论反应时间分别与污水处理设施所能够处理的污染物成分和实际处理功率进行比较，如果结果不匹配则表明该污水处理设施不能够消纳该些污水，此时可以向生产单位、污水处理单位发出报警，使得相关技术人员进行现场管控作业。

在本实施中，用电数据信息包括生产过程中随时间变化的功率值、电压值、电流值、电流相位角、电压相位角、功率谱和谐波功率谱特征中的一者或多者；预测得到的污水水质包括COD参数、BOD参数、TP参数、TN参数、NH₃-N参数、pH参数、SS参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度和硬度中的一者或多者。

在本实施例中，请求保护的污水预测方法还包括：根据所预测的生产过程中所产生的污水的信息和/或污水处理过程中一个或多个环节的污水的信息，控制污水处理一个或多个环节的污水处理参数；其中污水处理参数包括：污水流量、曝气量、污泥回流量、投药品种和投药量中的一者或多者。

例如，处理器22预测到下一阶段的污水产生量，则控制器23预先调控调节池11处的污水提升泵的功率，使得污水提升功率满足于即将到达污水量的输送能力。

例如，处理器22预测到下一阶段的调节池11处的污染物浓度(比如COD参数、BOD参数、TP参数、TN参数)，从而预测到生化池15处的所需要消耗的氧气量(该氧气量可由已预测到的COD参数、BOD参数、TP参数、TN参数来计算得到)，进而控制器23预先调控曝气设备的风机功率，改变曝气量，为生化池15处提供所需要消耗的氧气量，最终使得生化池15内的溶解氧量或溶解氧浓度满足于污水的生化处理要求。

例如，处理器22预测到下一阶段的污水的酸碱度成碱性并且碱性增大，则控制器23预先调控加药设备13的投药品种和投药量，使得硫酸亚铁和PAM的含量增加，使投药品种和投药量满足于气浮设备14内污水的酸性要求。

综上所述，本申请公开的技术方案主要是为了提高生产单位、污水处理单位的运营管理水平、废水处理能力，保障处理后的污水达到排放标准，同时能够降低药剂、电力和人力成本，还能够减少对一些传感器的使用量以降低硬件投入成本。

需要本领域技术人员理解，生产单位刚产生的污水温度高、污染物浓度高，无法使用水质分析进行快速测量，所以在污水处理过程中没有实时准确的水质数据，不能准确地判断药剂的投加量，现场运营人员只能凭借经验判断，投加过量的药剂，以降低超标排放的风险。而本技术方案可以通过预测模型对污水的排放量以及污水水质进行预测，可以实现准确控制药品的投加量以及其它污水处理环节的作业。同时，传感器在线自动监测设备的检测结果存在延时的问题，不能根据实时数据控制药剂投加量，也无法针对性地调控其他处理环节的操作，由此增加了运营成本和超负荷处理的风险。本申请技术方案能够通过预测得到的水量、水质参数替代传感器的反馈信息，提前预知污水量、污水水质的变化情况，使运营人员可以根据对应的预测值调控药剂的投加量以及其他环节的污水处理作业，从而达到预先调控、精准调控、科学智能管理、降低污水处理成本、提高经济效益的目的。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (7)

1.一种生产中的污水预测系统，其特征在于，包括调节池、冷却塔、加药设备、气浮设备、生化池、二沉池、污泥浓缩池、污泥脱水间、中间水池、功率记录器、处理器和控制器；

所述调节池用于接收生产设备生产过程中所产生的污水，并调节污水量和污水水质；

所述冷却塔用于接收从调节池流出的污水，并对污水进行降温；

所述气浮设备用于接收从冷却塔流出的污水，通过气浮、混凝和沉淀的方式分离污水中的悬浮物；

所述加药设备用于在气浮设备的污水流入端进行投药，用于混凝和/或调节pH；

所述生化池用于接收从气浮设备流出的污水，通过活性污泥里的微生物处理污水；

所述二沉池用于接收从生化池流出的污水，并使污水中的活性污泥沉降下来；

所述污泥浓缩池用于接收用从二沉池传输过来的活性污泥，并对活性污泥进一步沉降、浓缩和降解；

所述污泥脱水间用于接收从污泥浓缩池传输过来的活性污泥，并对活性污泥进行脱水；

所述中间水池用于接收并储蓄从二沉池流出的污水，作为待排放的污水；

功率记录器，用于获取生产设备生产过程中的用电数据信息；

处理器，用于根据所述用电数据信息预测污水处理过程中一个或多个环节的污水的信息；其中所述污水的信息包括污水水质；

控制器，用于根据所预测的污水处理过程中一个或多个环节的污水的信息，控制污水处理一个或多个环节；其中控制器控制污水处理一个或多个环节，包括下列的一者或多者：控制加药设备的投药品种和投药量，控制对生化池的曝气量，控制从二沉池到生化池中的污泥回流量。

2.如权利要求1所述的污水预测系统，其特征在于，所述用电数据信息包括生产过程中随时间变化的功率值、电压值、电流值、电流相位角、电压相位角、功率谱和谐波功率谱特征中的一者或多者；所述污水水质包括COD参数、BOD参数、TP参数、TN参数、NH₃-N参数、pH参数、SS参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度和硬度中的一者或多者。

3.一种生产中的污水预测方法，应用于污水预测系统，所述污水预测系统，包括调节池、冷却塔、加药设备、气浮设备、生化池、二沉池、污泥浓缩池、污泥脱水间、中间水池；所述调节池用于接收生产设备生产过程中所产生的污水，并调节污水量和污水水质；所述冷却塔用于接收从调节池流出的污水，并对污水进行降温；所述气浮设备用于接收从冷却塔流出的污水，通过气浮、混凝和沉淀的方式分离污水中的悬浮物；所述加药设备用于在气浮设备的污水流入端进行投药，用于混凝和/或调节pH；所述生化池用于接收从气浮设备流出的污水，通过活性污泥里的微生物处理污水；所述二沉池用于接收从生化池流出的污水，并使污水中的活性污泥沉降下来；所述污泥浓缩池用于接收用从二沉池传输过来的活性污泥，并对活性污泥进一步沉降、浓缩和降解；所述污泥脱水间用于接收从污泥浓缩池传输过来的活性污泥，并对活性污泥进行脱水；所述中间水池用于接收并储蓄从二沉池流出的污水，作为待排放的污水；

其特征在于，所述污水预测方法包括：

获取生产设备生产过程中的用电数据信息；

根据所述用电数据信息预测污水处理过程中一个或多个环节的污水的信息；其中所述污水的信息包括污水水质；

根据所预测污水处理过程中一个或多个环节的污水的信息，控制污水处理一个或多个环节的污水处理参数；其中污水处理参数包括：曝气量、污泥回流量、投药品种和投药量中的一者或多者。

4.如权利要求3所述的污水预测方法，其特征在于，所述根据所述用电数据信息预测污水处理过程中一个或多个环节的污水的信息，包括：

将生产设备生产过程中的用电数据信息，输入到预先建立的过程量预测模型中，以得到污水处理过程中一个或多个环节的污水的信息；其中所述过程量预测模型通过以下方式建立：

获取训练集，所述训练集中的数据为生产设备生产过程中的用电数据信息，数据的标签为处理生产设备生产过程中产生的污水的一个或多个环节中的污水的信息；

利用所述训练集，通过机器学习，训练得到过程量预测模型。

5.如权利要求3或4所述的污水预测方法，其特征在于，所述用电数据信息包括生产过程中随时间变化的功率值、电压值、电流值、电流相位角、电压相位角、功率谱和谐波功率谱特征中的一者或多者；所述污水水质包括COD参数、BOD参数、TP参数、TN参数、氨氮参数、pH参数、SS参数、ORP参数、DO参数、MLSS参数、泥位参数、色度、重金属离子参数、无机有害物质参数、盐度和硬度中的一者或多者。

6.如权利要求3所述的污水预测方法，其特征在于，还包括：根据所预测的生产设备生产过程中所产生的污水的信息，在即将开始污水处理过程时，判断所述污水是否可以被消纳处理，如果否，则发出报警。

7.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求3-6中任一项所述的方法。

Images