一种大型煤化工项目多SBR池污水处理控制系统及方法与流程

本发明涉及污水处理，具体涉及一种大型煤化工项目多sbr池污水处理控制系统及方法。

背景技术：

1、随着工业化程度的不断提高，化工项目朝着大型化规模化的方向发展，化工尤其是煤化工尤其是大型复杂煤化工项目如煤制烯烃项目生产过程中产生的污水量越来越大污水水质也更加复杂恶劣且波动更加频繁，单个sbr无法处理如此大规模和复杂的污水，就需要多个sbr池协同处理。但在污水处理过程变量多，过程具有非线性、强耦合等特点，且sbr各池及其相关设备的工况差异，使得污水处理过程难以协调控制。而现有的污水sbr装置自动控制技术投用后往往无法对煤化工尤其是大型复杂煤化工项目，如煤制烯烃项目生产过程中产生的大量污水进行有效处理，导致出水水质不达标不合格、sbr岗位工作强度大、易导致疲惫误操作出现生产过程中的不良影响和经济上的损失，为此，急需解决上述问题。

2、专利号为“cn113371825a”的“污水处理装置及其污水处理方法”，该发明提供及一种污水处理装置及其污水处理方法，其中污水处理装置包括调节池、sbr反应池、cod/no3-n全光谱传感器、超声波液位计、潜水曝气搅拌机，控制系统；调节池与sbr反应池之间通过污水管路连接，污水管路上还设有进水泵，sbr反应池还连接有排水管路及排泥管路；超声波液位计固定在sbr反应池顶部，cod/no3-n全光谱传感器通过支架固定在sbr反应池内，潜水曝气搅拌机固设在sbr反应池池底，且进气管向上延伸出sbr池顶部，进气管上设有进气阀。但该发明并没有解决多个sbr池协同处理等相关问题，不能处理多个sbr池之间的问题，还不能提升大型复杂煤化项目的工作效率。

技术实现思路

1、本发明的目的在于，采用时间点以浮点数的形式归一化、模糊神经网络和经验知识库实现对不同多sbr工况和状态建立不同的控制器模型，有效解决污水处理过程复杂、变量多、时滞、过程具有非线性、强耦合引发的相关问题，实现对大型复杂煤化工项目多sbr池污水处理的全自动优化控制，极大的减轻工作人员的劳动强度和降低因疲惫引起的误操作及其经济损失。

2、为解决上述技术问题，本发明提供一种大型煤化工项目多sbr池污水处理控制系统，包括以下内容：

3、模糊神经网络，所述模糊神经网络包括若干并联sbr池模糊神经网络控制器；所述sbr池模糊神经网络控制器包括四个输入端和一个输出端；

4、经验知识库，所述经验知识库为确定目标训练工况的模糊神经网络的模型提供数据支持，对应目标训练工况的模糊神经网络模型提供样本数据，并对样本数据的的具体内容进行归一化处理；

5、离线训练多种工况模糊神经网络，所述离线训练多种工况模糊神经网络提供具体数据，修正、更新模糊神经网络；

6、通过模糊神经网络、经验知识库和离线训练多种工况模糊神经网络进行建模。

7、前述大型煤化工项目多sbr池污水处理控制系统，所述sbr池模糊神经网络控制器包括sbr系统协调控制器和若干sbr池控制器，所述若干sbr池控制器均连接于sbr系统协调控制器，所述sbr系统协调控制器连接于系统外部控制设备。

8、前述大型煤化工项目多sbr池污水处理控制系统，所述sbr池模糊神经网络控制器的四个输入端包括误差、误差的变化量、实时始终信号和sbr系统指示相关变量运行数据信息，用于多种工况模糊神经网络模型的训练，由经验知识库判断当前sbr池的运行状态并根据当前sbr池的运行状态训练相应工况的模糊神经网络；还包括一个输出端，所述输出端包含期望输出、实际输出和输出误差。

9、前述大型煤化工项目多sbr池污水处理控制系统，所述sbr池模糊神经网络控制器的输出端需要做出归一化处理，设i号sbr池某机构j动作的时间时刻点为taction，反归一化数值为tij，i号sbr池的运行周期开始的时刻点为tistart，i号sbr池的运行周期结束的时刻点为tistop，则归一化计算公式为：

10、taction＝tistart+tij*(tistop-tistart)

11、前述大型煤化工项目多sbr池污水处理控制系统，在所述模糊神经网络中通过经验知识库和离线训练多种工况模糊神经网络设置迭代次数、损失函数等参数，训练目标模糊神经网络；并判断误差损失函数是否低于目标精度以及目标迭代次数，达到目标后输出优化后参数，更行目标模糊神经网络，否则继续训练目标模糊神经网。

12、前述大型煤化工项目多sbr池污水处理控制系统，所述模糊神经网络还包括五层结构层，分别为输入层、模糊化层、模糊规则层、归一化处理层和输出层，所述五层结构层通过节点连接。

13、一种大型煤化工项目多sbr池污水处理控制方法，包括以下步骤：

14、s110、整理数据，根据经验知识库确定目标训练工况的模糊神经网络的现有模型，随机选择训练网络模型对应的训练样本数据，所述训练样本数据包括各部分机构的时刻点；

15、s120、对数据进行归一化处理，具体为对训练样本数据进行归一化在内的预处理，包括对各机构动作的时间时刻点在内进行归一化在内的预处理；

16、s130、处理模糊神经网络，设置迭代次数、损失函数等参数，判断误差损失函数是否低于要求精度或是否达到迭代次数，若达到，则输出优化后的参数；若否，则继续训练网络，包括sbr池控制逻辑的调整；

17、s140、结束训练，输出优化参数后，更新模糊神经网络结束训练。

18、前述大型煤化工项目多sbr池污水处理控制方法，在所述步骤s130中，所述sbr池控制逻辑的调整，具体为对各种工况按照时间段划分为不同工况区间；设置反应区时长为t，则分别有0<t<3.5、4.5<t<5、t>5、t＝5.5和t＝6的工况区间。

19、前述大型煤化工项目多sbr池污水处理控制方法，当处于0<t<3.5工况时，此时sbr池负荷较低，调整sbr池控制液位，或增加生产池氨氮的浓度；当处于4.5<t<5工况时，延长整体工作周期的正常工况时间6至9小时。

20、前述大型煤化工项目多sbr池污水处理控制方法，当处于t>5工况时，此时启用备用风机继续运行；当处于t＝5.5工况时，不再启备用风机也不延迟曝气，正常运行并进行；当处于t＝6工况时，判断当前sbr池的运行状态并根据当前sbr池的运行状态调整sbr池控制的液位设定值、调整延时曝气时长、控制备用风机启停及其运行时长。

21、与现有技术相比，本发明的有益之处在于：反应器结构相对于现有技术中的反应器结构更容易实现整个反应器内催化剂床层温度的均匀分布。反应器内催化剂床层温度更易调节和控制。覆盖了工况全面，实现多sbr池系统各种工况条件下的高水平自动化运行；根据各个sbr池状态和设备的差异以及使同一个sbr池不同状态不同工况的差异，采用不同的控制策略的控制器以及sbr系统协调控制器实现解耦；实现对大型复杂煤化工项目多sbr池污水处理的全自动优化控制，极大的减轻工作人员的劳动强度和降低因疲惫引起的误操作及其经济损失。

22、本技术的创新点在于：利用模糊神经网络将模糊系统和神经网络相结合，将神经网络的输入经过模糊系统处理后变为模糊输入信号和模糊权值，并将神经网络的输出反模糊化，在模糊神经网络中，神经网络的输入、输出表示模糊系统的输入、输出，将模糊系统的隶属函数、模糊规则加入到了神经网络的隐含节点中，充分发挥神经网络的并行处理能力和模糊系统的推理能力。