一种水处理方法、装置、设备及存储介质与流程

本发明涉及水处理，尤其涉及一种水处理方法、装置、设备及存储介质。

背景技术：

1、随着人们的用水需求越来越大，水处理厂的规模也日益增大，絮凝沉淀是水处理工艺中的一道重要工序，利用物理和化学原理使水中的固体颗粒污染物结合成絮凝物，并通过沉淀使其沉降到底部，以达到去除固体颗粒污染物的目的。在絮凝过程中，通过控制絮凝剂和助凝剂的投放量，可以实现更好的絮凝效果，投放量也直接影响水处理厂的出水品质、净水投药成本和利润。在满足出水指标的条件下，如何尽量减小投药量，实现投药量的最佳控制，降低生产成本，是水处理行业亟待解决的重点。

2、投药的过程受到瞬时流量、温度、ph值、入水浊度、出水浊度等多种因素的影响，呈现明显的非线性的特征，给投药量的预测带来了困难。随着机器学习技术的发展，人们利用原水水质数据、历史投药数据以及出水水质数据建立投药预测模型，采用机器学习的算法对投药量进行预测，现有技术中采用滑动窗平均算法，无法消除残差项对预测结果的影响，在投药量的预测上不能达到很好的效果，导致投药量过大，水处理的生产成本过高。

技术实现思路

1、本发明实施例所要解决的技术问题是：提供了一种水处理方法，通过autoformer算法训练投药量预测模型，通过预测模型输出投药量的预测结果，提高投药量预测的准确度，降低水厂的生产成本。

2、为了解决上述技术问题，第一方面，本发明实施例提供一种水处理方法，包括：

3、获取待处理水的实时水情数据；其中，所述实时水情数据包括流量数据、温度数据和浊度数据；

4、将所述实时水情数据输入到预先训练好的投药量预测模型中，输出投药量预测结果；其中，所述投药量预测模型采用autoformer算法进行训练；

5、根据所述投药量预测结果对所述待处理水进行投药操作。

6、进一步地，所述获取待处理水的实时水情数据之前，还包括：

7、采集不同时期的历史水情数据，对所述历史水情数据进行预处理，得到投药数据；其中，所述历史水情数据包括流量数据、温度数据、浊度数据；

8、将所述历史水情数据和所述投药数据作为样本数据；

9、将所述样本数据输入到投药量预测模型中进行训练，得到训练好的投药量预测模型。

10、进一步地，所述将所述样本数据输入到投药量预测模型中进行训练，得到训练好的投药量预测模型，具体包括：

11、对所述样本数据进行预编码，将预编码后的样本数据输入到编码器中，采用stl算法进行分解，得到分解结果；

12、利用自相关机制发现所述样本数据的依赖关系；

13、将所述分解结果输入到解码器中进行训练，得到训练好的投药量预测模型。

14、进一步地，所述将预编码后的样本数据输入到编码器中，采用stl算法进行分解，得到分解结果，具体包括：

15、通过内循环将所述预编码后的样本数据分解为季节项和趋势项；

16、根据所述季节项和所述趋势项得到残差项。

17、进一步地，所述通过内循环将所述预编码后的样本数据分解为季节项和趋势项，包括：

18、对预编码后的时间序列进行去趋势化，得到去趋势序列；

19、利用平滑器对所述去趋势序列进行平滑处理，得到初步季节分量；

20、利用低通滤波器去除所述初步季节分量的高频成分，利用平滑器进行平滑处理，得到剩余趋势分量；

21、将所述初步季节分量减去所述剩余趋势分量，得到季节项；

22、将所述时间序列减去所述季节项，得到去季节性序列；

23、利用平滑器对所述去季节性序列进行平滑，得到趋势项。

24、进一步地，所述利用自相关机制发现所述样本数据的依赖关系，具体包括：

25、对所述样本数据进行线性变换，得到查询序列、键序列和值序列；

26、计算所述查询序列和所述键序列的自相关系数；

27、从所述自相关系数中选取目标系数，对所述目标系数执行softmax操作转换为概率；

28、将值序列按照对应的时延进行平移操作；

29、将所述概率与平移后的值序列对应相乘并相加得到聚合结果。

30、进一步地，所述分解结果包括季节项、趋势项和残差项，则，所述将所述分解结果输入到解码器中进行训练，具体包括：

31、将所述季节项和所述趋势项输入到解码器中；

32、利用序列的周期性质对季节项进行聚合；

33、将趋势项和对应的趋势项权重相乘并累加，得到趋势信息；

34、根据聚合的结果和所述趋势信息输出预测结果。

35、为了解决上述技术问题，第二方面，本发明实施例提供一种水处理装置，包括：

36、数据获取模块，用于获取待处理水的实时水情数据；其中，所述实时水情数据包括流量数据、温度数据和浊度数据；

37、投药量预测模块，用于将所述实时水情数据输入到预先训练好的投药量预测模型中，输出投药量预测结果；其中，所述投药量预测模型采用autoformer算法进行训练；

38、水处理模块，用于根据所述投药量预测结果对所述待处理水进行投药操作。

39、为了解决上述技术问题，第三方面，本发明实施例提供一种电子设备，包括：

40、存储器，用于存储计算机程序；

41、处理器，用于执行所述计算机程序；

42、其中，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的水处理方法。

43、为了解决上述技术问题，第四方面，本发明实施例提供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程序，所述计算机程序被执行时实现上述第一方面任一项所述的水处理方法。

44、与现有技术相比，本发明实施例提供的一种水处理方法，其有益效果在于：通过构建投药量预测模型，采集不同时期的历史水情数据，利用autoformer算法对投药量预测模型进行训练，将实时水情数据输入到训练好的投药量预测模型中输出投药量的预测结果，根据预测结果对待处理水进行投药操作，提高了投药量预测的准确度，降低了水厂的水处理生产成本。

技术特征：

1.一种水处理方法，其特征在于，包括：

2.如权利要求1所述的水处理方法，其特征在于，所述获取待处理水的实时水情数据之前，还包括：

3.如权利要求2所述的水处理方法，其特征在于，所述将所述样本数据输入到投药量预测模型中进行训练，得到训练好的投药量预测模型，具体包括：

4.如权利要求3所述的水处理方法，其特征在于，所述将预编码后的样本数据输入到编码器中，采用stl算法进行分解，得到分解结果，具体包括：

5.如权利要求4所述的水处理方法，其特征在于，所述通过内循环将所述预编码后的样本数据分解为季节项和趋势项，包括：

6.如权利要求3所述的水处理方法，其特征在于，所述利用自相关机制发现所述样本数据的依赖关系，具体包括：

7.如权利要求3所述的水处理方法，其特征在于，所述分解结果包括季节项、趋势项和残差项，则，所述将所述分解结果输入到解码器中进行训练，具体包括：

8.一种水处理装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一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程序，所述计算机程序被执行时实现如权利要求1至7任一项所述的水处理方法。

技术总结
本发明公开了一种水处理方法。该方法包括：获取待处理水的实时水情数据；其中，所述实时水情数据包括流量数据、温度数据和浊度数据；将所述实时水情数据输入到预先训练好的投药量预测模型中，输出投药量预测结果；其中，所述投药量预测模型采用Autoformer算法进行训练；根据所述投药量预测结果对所述待处理水进行投药操作，提高了投药量预测的准确度，降低了水厂的水处理生产成本。

技术研发人员：张昕,吴志斌,容荣,梁辉
受保护的技术使用者：中电科普天科技股份有限公司
技术研发日：
技术公布日：2024/3/12