智能化确定废水水煤浆配制方案的预测与优化系统及方法与流程

本发明涉及废水制备水煤浆技术，特别涉及一种智能化确定废水水煤浆配制方案的预测与优化系统及方法。

背景技术：

中国煤炭资源储量较大，煤炭在我国的能源结构中占据很高的地位。然而煤炭直接燃烧平均利用效率较低，造成能源资源的浪费。煤炭转化技术的应用与发展提高了煤炭的利用效率，减轻了能源市场对油气资源的依赖，受到世界各国的重视。

然而，随着煤转化技术的发展和推广应用，煤转化过程中产生的废水的治理呈现“两高两难”的态势，即废水排放量大，处理难度大，污染物浓度高，治理成本高，废水中常含有大量的酚类、氨氮、焦油、氰化物、多环芳烃、含氧多环和杂环化合物等多种难降解有机、有毒、有害物质，如不适当处理，将对环境造成严重污染。因此，寻求处理效果好，工艺稳定性更强，治理成本更低的高浓度有机废水处理工艺是煤转化行业创新发展的必由之路。

水煤浆是20世纪70年代石油危机中发展起来的一种新型低污染代油燃料，是由60％～70％的煤粉和30％～40％的水以及少量的添加剂组成，它既具有煤炭的物理性质，又具有能像石油一样的流动和稳定性。生产水煤浆不仅可以利用普通清洁工业用水，还能利用成分复杂和难以生化处置的工业废水，可在制备能源的同时实现简便、高效的废物处理和再利用。

煤转化废水中不仅含有一定热值的各类有机物和油类，也含有水煤浆制备所需的分散剂和稳定剂。废水制备水煤浆可以简单可靠地处理各类工业废水，节约常规制浆用水，实现废水回用甚至零排放。同时废水对水煤浆的燃烧和气化具有一定促进作用，且大部分有机污染物变成co2或有效合成气成分，既减少了环境污染，又实现了变废为宝。因此废水制浆是一种既高效又经济的废水处理技术。

在废水水煤浆制备过程中，废水的性质如氨氮、cod等组分的含量会对浆体的特性产生较大影响。而且在实际工业应用中，多数情况下是各种废水掺混处理且性质变化较大，使得掺混废水的组分更加复杂，为制备性能稳定的水煤浆增加了难度。目前，针对单种废水成浆特性的研究已有一定成果，但是针对煤转化行业多种废水掺混制浆未见报道。因此，研究开发智能化配制废水水煤浆的优化预测系统，通过优化各种废水的配制比例，制备出性能优良的废水水煤浆，对提高废水利用效率和提高废水水煤浆性能具有重要意义。

技术实现要素：

本发明要解决的技术问题是，克服现有技术中的不足，提供一种智能化确定废水水煤浆配制方案的预测与优化系统及方法。

为解决技术问题，本发明的解决方案是：

提供一种智能化确定废水水煤浆配制方案的预测与优化系统，该系统包括水煤浆成浆浓度预测模块和废水配比寻优模块；前者用于根据选定的废水、煤种和添加剂的种类及比例预测水煤浆成浆浓度，后者以成浆浓度最高为目标优化确定各类废水的最优掺混比例；其中，

所述水煤浆成浆浓度预测模块包括：

废水性质数据库单元，用于存储各种废水的化验数据信息，包括氨氮含量、cod含量、bod含量、钾含量、钠含量、硫酸盐含量、氯化物含量和总氮含量；

煤及添加剂种类选择单元，用于存储煤及添加剂的种类数据信息；

成浆浓度预测单元，利用废水、煤和添加剂的种类、废水的化验数据以及水煤浆浓度试验数据，基于bp神经网络算法实现水煤浆成浆浓度的预测；

所述的废水配比寻优模块包括：

废水配比寻优单元，用于根据选定的废水、煤及添加剂的种类，以成浆浓度最高为目标优化确定各类废水的最优掺混比例，确定配比方案。

本发明中，所述水煤浆成浆浓度预测模块还包括成浆数据导出单元，用于将预测得到的水煤浆成浆浓度导出数据；导出数据被提供给废水配比寻优单元(21)进行配比寻优操作，或者直接输出为文档或图片形式的报告。

本发明中，所述的废水配比寻优模块还包括配比方案数据导出单元，用于将优化后的配比方案导出文档或图片格式的报告。

本发明进一步提供了利用前述系统实现智能化确定废水水煤浆配制方案的预测与优化的方法，包括以下步骤：

(1)收集各种用于配制水煤浆的废水的化验数据，构建废水性质数据库；收集各种煤及添加剂种类信息，构建煤及添加剂种类数据库；收集足量的废水、煤及添加剂配制水煤浆成浆试验相关数据，作为bp神经网络算法训练的初始数据；

(2)利用初始数据进行bp神经网络算法的训练，将其预测结果和实际试验所得成浆浓度结果作为进一步训练的数据，以提高预测准确性；根据选定的废水、煤及添加剂的种类进行成浆浓度的预测；

(3)采用枚举法将不同种类废水配比可能性进行列举，并根据步骤(2)中的成浆浓度预测结果，选择最高成浆浓度的配比方案作为输出方案。

本发明中，所述步骤(2)具体包括：

(2.1)对数据预处理

在训练神经网络前对数据进行归一化处理，映射到[0,1]或[-1,1]区间或更小的区间；

(2.2)网络构建

依次完成网络初始化、隐含层输出及输出层输出、误差的计算、权值的更新和偏置的更新，构建神经网络；当误差达到预设精度或者学习次数大于设计的最大次数，则结束算法；否则，选取下一个学习样本以及对应的输出期望，进入下一轮学习；

(2.3)训练

将实验获得的废水制备水煤浆数据随机分成三组，记为第1、2、3组，分别占总数据量的70％、15％、15％；将第一组数据作为训练样本输入到网络，其中废水性质参数作为输入参数，废水水煤浆成浆浓度作为输出参数，输入神经网络，预测水煤浆成浆浓度；初始权值和阈值赋予一定范围内的随机值，经训练后，得到符合要求的参数；

(2.4)验证

选择第2组数据作为验证样本，设定周期查看网络的验证误差，通过验证则进入下一个周期；训练误差将随着训练次数的增加而逐渐收敛，而验证误差则先单调降低后上升；

(2.5)测试

经验证后合乎要求的网络，用第三组数据进行测试；即输入废水性质参数，计算出水煤浆成浆浓度。

与现有技术相比，本发明具有如下优点：

(1)本发明在实验室大量废水制备水煤浆机理性研究的基础上，选择对成浆性影响最大的废水成分，实现了各种废水掺混利用的最佳途径，能够促进煤转化等行业各种废水的高效、清洁、低成本利用。

(2)本发明实现了废水种类繁多，成分复杂的情况下，能够选择最优的废水配比方案，制备性能优良的废水水煤浆，提高经济效益和环保效益。

(3)本发明采用bp神经网络和智能化配置系统预测废水水煤浆成浆浓度，免去了试验方法测定水煤浆浓度的繁琐步骤，且能够科学、准确的预测成浆浓度，达到合理利用废水，降低运行成本，缩短操作时间的目的。

附图说明

图1为本发明智能化配制废水水煤浆的优化预测系统的结构框图。

图中，1为水煤浆成浆浓度预测模块，2为废水配比寻优模块，11为废水性质数据库单元，12煤及添加剂种类选择单元，13成浆浓度预测单元，14为成浆数据导出单元，21为废水配比寻优单元，22为配比方案数据导出单元。

图2为本发明以废水性质数据为输入参数，成浆浓度作为输出参数的神经网络结构图。

具体实施方式

首先需要说明的是，本发明涉及数据库技术和神经网络算法技术，是计算机技术在工业大数据领域的一种应用。在本发明的实现过程中，会涉及到多个软件功能模块的应用。申请人认为，如在仔细阅读申请文件、准确理解本发明的实现原理和发明目的以后，在结合现有公知技术的情况下，本领域技术人员完全可以运用其掌握的软件编程技能实现本发明。前述软件功能模块包括但不限于：水煤浆成浆浓度预测模块、废水配比寻优模块、废水性质数据库单元、成浆数据导出单元、煤及添加剂种类选择单元、成浆浓度预测单元、废水配比寻优单元、配比方案数据导出单元等，凡本发明申请文件提及的均属此范畴，申请人不再一一列举。

高浓度有机废水组分十分复杂，且不同的废水，成分和浓度差异极大，废水中的各种成分以及不同的浓度均对水煤浆的成浆特性会有不同的影响机理，因此，利用废水制备水煤浆如要确保成浆浓度高，水煤浆性能好，需要进行大量的基础性研究工作。

本发明成浆浓度预测单元预测水煤浆成浆浓度通过bp神经网络算法实现。通过业界及申请人所在实验室大量成浆性研究表明，在煤种和添加剂种类确定的前提下，废水水煤浆的成浆浓度与废水多种性质有关。因此，如以废水的氨氮含量、cod含量、bod含量、钾含量、钠含量、硫酸盐含量、氯化物含量及总氮含量作为参数，能够通过bp神经网络预测水煤浆成浆浓度。

通过本发明的废水水煤浆成浆浓度预测对实验获得的废水制备水煤浆的数据进行有效的归纳整理，采用bp神经网络进行训练和预测，将废水性质数据、煤种数据等输入数据库后，可通过用户界面在数据库中选定废水、煤种以及添加剂的方式直接预测水煤浆成浆浓度，简化了成浆实验的步骤，可提高企业运行效率，降低运行成本。

废水配比寻优部分则是对选定的多种废水进行所有配比可能性的成浆性能预测，选出最高成浆浓度的配比方案输出。该方法简洁直观，且结果科学准确。在数据库中选定需要配比的多个废水种类并选定煤种和添加剂后，通过用户界面可直接计算得到配比方案，在保证废水水煤浆性能的基础上提高了废水处理的利用效率。

下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其他用途进行限定，且本发明并不限定于以下的实施方式。

如图1所示，智能化确定废水水煤浆配制方案的预测与优化系统包括：

水煤浆成浆浓度预测模块1：该模块根据选定的废水种类及比例、煤种及添加剂种类预测水煤浆成浆浓度；

废水配比寻优模块2：该模块以成浆浓度最高为目标优化确定各类废水的最优掺混比例，确定配比方案。

水煤浆成浆浓度预测模块1包括：

废水性质数据库单元11：该单元用于存储各种废水的数据信息，所述的数据信息包括氨氮含量、cod含量、bod含量、钾含量、钠含量、硫酸盐含量、氯化物含量及总氮含量；

煤及添加剂种类选择单元12：该单元用于成浆浓度预测时选择煤及添加剂的种类；

成浆浓度预测单元13：该单元根据废水性质数据库单元11和煤及添加剂种类选择单元12选定废水种类及比例、煤种及添加剂预测水煤浆成浆浓度；

成浆数据导出单元14：该单元根据成浆浓度预测单元13预测的废水水煤浆成浆浓度导出数据，可以输出文档形式或图片形式的报告，并提供给废水配比寻优单元21进行配比寻优操作。

成浆浓度预测单元13预测水煤浆成浆浓度利用智能化配制废水水煤浆的优化预测系统，并通过bp神经网络算法实现，废水水煤浆的成浆浓度与废水多种性质有关。以废水的氨氮含量、cod含量、bod含量、钾含量、钠含量、硫酸盐含量、氯化物含量及总氮含量作为参数，通过bp神经网络预测水煤浆成浆浓度。

所述的废水配比寻优模块2包括：

废水配比寻优单元21：该单元用于设定各种废水的最优掺混比例，调用废水性质数据库单元11各种废水的数据信息，并结合煤及添加剂种类选择单元12的煤及添加剂的数据信息，以成浆浓度最高为目标优化确定各类废水的最优掺混比例，确定配比方案；

配比方案数据导出单元22：该单元根据废水配比寻优单元21确定的各类废水的配比方案导出文档形式或图片形式的报告；

废水配比寻优单元21采用枚举法将不同种类废水配比可能性进行例举，并调用成浆浓度预测单元13进行成浆浓度预测，选择最高成浆浓度配比方案为输出方案。

综上，本发明基于智能化配制废水水煤浆的优化预测系统，以bp神经网络为预测算法，既可以预测选定的废水制备水煤浆的成浆浓度也可以依据现场废水的种类性质，优化不同种类废水的配比达到提高成浆浓度的目的。

bp神经网络的训练和预测方法属于现有技术，应用领域十分广泛，但在多种废水制备水煤浆及各种废水比例的配制组分优选尚未有运用。具体过程的示例描述如下，有关算法过程和公式的解释均采用现有技术，本领域技术人员可根据实际需要进行调整或补充，本发明对其内容不作特别要求。

(1)数据预处理

在训练神经网络前需要对数据进行预处理，本发明专利采用的预处理手段是归一化处理，将数据映射到[0,1]或[-1,1]区间或更小的区间。本系统神经网络的输出层采用s形激励函数，由于s形函数的值域限制在(0,1)，即神经网络的输出只能限制在(0,1)，所以训练数据的输出需归一化到[0,1]区间。

采用简单而快速的归一化算法线性转换算法如下：

y＝(x-min)/(max-min)

其中min为x的最小值，max为x的最大值，输入向量x，归一化后的输出向量为y。通过上述公式即可将数据归一化到[0,1]区间。

(2)网络构建

1)网络初始化

输入层的节点个数为n，隐含层的节点个数为l，输出层的节点个数为m。输入层到隐含层的权重ωij，隐含层到输出层的权重为ωjk，输入层到隐含层的偏置为aj，隐含层到输出层的偏置为bk。学习速率为η，激励函数为g(x)。其中激励函数为g(x)取s形函数。形式为：

2)隐含层输出及输出层输出

隐含层的输出为：

输出层的输出为：

3)误差的计算

取误差公式为：

其中yk为期望输出。记yk–ok＝ek，则e可以表示为：

以上公式中，i＝1…n，j＝1…l，k＝1…m。

4)权值的更新

权值的更新公式为：

5)偏置的更新

偏置的更新公式为：

6)算法结束

判断网络误差是否满足要求。当误差达到预设精度或者学习次数大于设计的最大次数，则结束算法。否则，选取下一个学习样本以及对应的输出期望，进入下一轮学习。

(3)训练

将实验获得的废水制备水煤浆数据随机分成三组(记为第1、2、3组)，分别占总数据量的70％、15％、15％，将第一组数据作为训练样本输入到网络，其中废水性质参数作为输入参数，废水水煤浆成浆浓度作为输出参数，输入神经网络，预测水煤浆成浆浓度。初始权值和阈值赋予一定范围内的随机值，经训练后，得到符合要求的参数。

(4)验证

选择第2组数据作为验证样本，设定周期查看网络的验证误差，通过验证则进入下一个周期。一般训练误差随着训练次数的增加而逐渐收敛，而验证误差则先单调降低后上升。

(5)测试

经验证后合乎要求的网络，用第三组数据进行测试。即输入废水性质参数，计算出水煤浆成浆浓度。

本实例以煤转化制备合成氨工艺流程为对象，发明了一种智能化配制废水水煤浆的优化预测系统。该系统不仅可直接预测企业内部工艺产生的单种废水的成浆性能，还可以对企业内和企业外的多种废水掺混制浆进行智能化优化指导，给出最优废水配比方案制备高浓度的废水水煤浆。该系统主要包括成浆浓度预测及废水配比寻优等功能。

成浆浓度预测主要包括以下几个部分：

1、建立废水性质数据库

建立废水性质数据库，包括企业内部现有的几种废水及企业外来的废水，数据信息为氨氮含量、cod含量、bod含量、钾含量、钠含量、硫酸盐含量、氯化物含量及总氮含量，如表1所示，可修改或新建废水性质数据。

表1废水数据信息

注：洗气废水、碳化废水、硫磺废水为企业内部废水，外来废水为企业外来工业废水。

2、确定煤及添加剂可选种类

煤种为企业目前使用的神华煤，添加剂包括一种常用水煤浆添加剂木质素磺酸钠和一种针对废水开发的复配添加剂(亚甲基双萘磺酸钠、甲基萘磺酸钠的甲醛缩合物及萘系分散剂，并按25％、25％和50％的比例配制)，添加剂的添加量为0.6％(干煤粉)。可修改或新建煤种和添加剂性质数据。

3、成浆浓度预测

成浆浓度预测是软件的核心页面，通过人工输入废水性质至数据库后，即可预测其成浆浓度。当废水性质发生变化时，可单独预测某种废水对水煤浆成浆特性的影响，也可以选定特定配比的废水进行成浆浓度预测，从而起到判定废水是否适合制浆的作用。具体实施例如表2所示。

表2成浆浓度预测实例

注：洗气废水、碳化废水、硫磺废水为企业内部废水，外来废水为企业外来工业废水。

4、成浆浓度数据导出

成浆浓度数据导出界面主要辅助企业内部信息交换及留存，可将特定废水的成浆浓度数据导出为文档形式或图片形式的报告。

废水配比寻优包括以下几个部分：

(1)通过人工选择废水性质数据库中的多个废水种类，以成浆浓度最高为目标，优化确定各类废水的最优掺混比例，输出配比方案。当废水性质发生变化时，通过废水配比寻优即可调整最佳废水配比方案，保证水煤浆的成浆性能，维持制浆工艺流程平稳运行。具体实施例如表3所示。

(2)配比方案数据导出

配比方案数据导出界面主要辅助企业信息交换及留存，可将特定废水的成浆浓度数据导出为文档形式或图片形式的报告。

该系统的成功开发并投入运行，将使得企业废水制备水煤浆工艺参数得到优化，设备运行效率提高，废水水煤浆的性能有保障，废水处理效益得到提高。该系统可广泛推广应用到各类煤转化废水制备水煤浆的工艺上。

上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其他各种方式来实施，且能在不脱离本发明技术思想的范围内做各种省略、置换、变更。

表3配比方案寻优实例

注：洗气废水、碳化废水、硫磺废水为企业内部废水，外来废水为企业外来工业废水。