[发明专利]意外建模和数据驱动的水质控制系统及诱导干预控制方法

说明书

技术领域

本发明涉及一种基于复杂适应系统意外建模和数据驱动的诱导干预混合控制方法及其水质控制系统，适用于水处理领域的水质控制及混凝剂自动加药控制。特别是对进水情况复杂，难于数学建模，实时要求比较高导致现场模拟试验法无法满足要求，特性参数不明显的情况。

背景技术

自来水厂和污水处理厂制水混凝工艺中，如何根据进水条件的变化和沉后水的酸碱度、浊度和总磷等水质参数的要求来确定最佳混凝剂投加量，实现最优控制。即在保证沉后水水质的前提下，要求投放的混凝剂量最少。目的主要有二个，其一是降低制水成本；其二是减少污泥量。该问题一直是制水混凝工艺中的难题。现有的自动控制投药量方法主要有三种：

一、数学模型法：该方法一般采用前馈和后馈相结合的控制模型，运用数理统计方法建立符合生产实际的数学模型。缺点是当水质变化复杂时可能导致数学模型精度不高，有时甚至无法建立数学模型。

二、现场模拟试验法：该方法的致命缺陷是反馈滞后现象。一般滞后十几分钟到半个小时。

三、特性参数法：该方法的缺陷是当混凝作用是以高分子吸附架桥为主时，投药量与流动电流很少相关。

上述方法都存在不同的问题，以水厂为例，在实际混凝投药控制中，多是通过烧杯、试管实验或凭技工的实践经验来调节混凝剂投加量。

传统意义下的控制. 传统控制的目的是:根据被控对象和环境的特性,通过能动地采集、运用信息并施加控制作用,使系统在变化和不确定的条件下,按照预期的行为过程运行并具有和保持预定的功能.这里需要特别强调的是:虽然被控对象和环境特性是变化的和不确定的,但“预期的行为过程”和“预定的功能”却是已知(事先设计好) 和确定的;传统控制并没有明确强调系统内部各子系统或各组分在外界控制作用下会产生自组织和涌现现象（即本发明中所述意外的一种）。

复杂系统控制的目的是:根据被控对象和环境的特性,通过能动地采集、运用信息并施加控制作用,使系统内部各子系统或各组分在外界控制作用下产生自组织和涌现现象,这种自组织和涌现现象的结果具有某种功能且是控制者所期望的。复杂系统的控制并不强调一定要预先知道自组织和涌现现象的行为过程(很多情况下是无法预知的),而更强调自组织和涌现现象的结果是否满足控制者的要求。这方面的一个典型的例子就是酿酒系统(具有生化反应的复杂系统)的控制,酿酒人员主要关心的是酒的质量与产量,而并不关心酵母菌在发酵过程中的自组织行为。显然，水处理领域混凝剂加药改善水质系统也是一个具有生化反应的复杂系统，水厂技工关心的是出水水质后药品投放量，并不关注混凝剂如何在反应池中自组织行为。

人类在认识和改造自然的过程中已经学会和发明了许多控制方法,这些控制方法主要包括:1) 直接控制方法;2) 间接控制方法;3) 改变环境状况和系统组分的控制方法;4) 改变系统结构或更换子系统的控制方法;5) 改变运行规则和运行程序的控制方法;6) 利益引导或诱惑的控制方法。因前5种方法具有主动性(对控制者来说)及直接或间接的强制性(对被控对象来说),所以称前5 种方法及其组合为“干预控制”方法;第6 种方法不具有主动性和强制性,且主要发生在生物、特别是动物界,所以称它为“诱导控制”方法.就复杂系统来讲,既可以用“干预控制”、也可以用“诱导控制”、还可以用“干预控制”和“诱导控制”相结合的方法加以控制.但无论采用什么样的方法,复杂系统控制的目的是使系统内部产生有利于控制者的自组织和涌现现象,这就是复杂系统控制在概念上与传统意义下的控制的本质区别.

本发明采用最新的复杂适应系统意外建模理论，使用数据驱动的诱导干预混合控制方法，用于水处理领域的水质控制及混凝剂自动加药控制。采用意外建模理论的目的是应对实际系统面对的不断变化的环境条件，使系统具备自适应、自学习功能；采用数据驱动的目的是避免数学建模的误差，以及某些难以数学建模的情况下使用。采用诱导干预策略是应对反应池中可能出现的自组织和涌现现象。

发明内容

本发明要解决的技术问题在于，第一、提供了一种混凝剂加药控制方法；第二，提供了一种混凝剂加药控制系统（水质控制系统）。

本发明为实现上述目的，采用如下技术方案：