[发明专利]一种选煤厂浓缩机和压滤机药剂添加协同控制系统

说明书

本发明属于煤泥水处理领域，具体涉及一种选煤厂浓缩机和压滤机药剂添加协同控制系统。本申请提供了一种基于自适应粒子群(APSO)算法求解最佳配合量的药剂协同自动添加系统，选取BP神经网络进行模型预测，同时作为APSO算法的适应度函数进行最优求解，实现联合加药，在保证煤泥水的处理速度、处理效果前提下，使药剂消耗量最低，经济效益最佳。

技术领域

本发明主要属于煤泥水处理领域，具体涉及一种选煤厂浓缩机和压滤机药剂添加协同控制系统。

背景技术

煤泥水处理过程大致为将粗煤泥加入浓缩池经沉降离心分为溢流和浓缩低流，浓缩低流进一步用压滤机压缩得回收煤泥，溢流进循环水池成为洗水。浓缩与压滤是煤泥水处理过程中两个重要的环节，大量煤泥细微颗粒影响着浓缩沉降、压滤脱水效果，如果在浓缩与压滤过程中煤泥不能快速沉降则溢流水浓度过高，直接影响洗水复用和闭路循环。为保证两环节中细粒级煤泥快速沉降，迅速脱水，降低循环水浓度，应加入相应的混凝药剂。混凝药剂包括絮凝剂与凝聚剂，其中絮凝剂的作用是与分散微粒发生理化反应形成絮团实现迅速沉降，凝聚剂是通过改变微粒表面电性质实现微粒间的聚合。煤泥水处理中，浓缩与压滤环节中混凝是个复杂的物化过程，影响混凝药剂用量因素主要包括入料(粗煤泥)浓度、入料流量、底流(浓缩底流)浓度、溢流浓度、压滤周期以及煤泥(压滤机滤饼)水分。同时药剂作用效果需要一定的时间才能显示出来，这是一个多变量、强耦合、大滞后的复杂过程。如何根据选煤过程中上述影响因素实时变化的情况，在不同阶段调价不同量的混凝药剂是煤泥水处理过程需解决的关键问题。

目前大多数选煤厂在煤泥水处理过程中，是针对单个环节进行药剂量的调节控制或者凭借人工现场经验寻找药剂的最佳配合方案。如杨津灵等提出了在煤泥水絮凝沉降过程中应用灰色预测-模糊算法对絮凝剂的实现自动添加控制。王亚南研究了一种基于改进型史密斯补偿控制的煤泥水絮凝剂添加自动控制系统。王达振通过絮凝剂、凝聚剂与溢流水硬度间的经验线性关系来寻找最佳配合比。上述方案中存在协同配合程度低，药剂添加粗放，药剂消耗量高，工人参与度大等缺点。

发明内容

针对上述问题，本申请提供了一种基于自适应粒子群(APSO)算法求解最佳配合量的药剂协同自动添加系统，选取BP神经网络进行模型预测，同时作为APSO算法的适应度函数进行最优求解，实现联合加药，在保证煤泥水的处理速度、处理效果前提下，使药剂消耗量最低，经济效益最佳。

本发明是通过以下技术方案实现的：

一种选煤厂浓缩机和压滤机药剂添加方法，所述方法包括以下步骤：

数据采集：采集N组浓缩机和压滤机工作历史数据；

构建预测模型：从N组数据中选择n组数据利用训练函数Newff分别建立絮凝剂与凝聚剂药剂用量预测模型NET1和NET2；

模型优化：利用剩余N-n组数据对模型的预测精度能力进行验证和优化调整，利用平均相对误差MRE和误差百分比来衡量模型预测精度，MRE值和误差百分比值越小模型越精确；

建立约束优化问题模型：结合浓缩与压滤过程中煤泥水的处理速度、处理效果及混凝药剂价格建立约束优化问题模型；

自适应粒子群算法计算：将约束优化问题模型的目标函数作为自适应粒子群算法的适应度函数，结合实时采集的数据，在限定的约束空间内，求解最优目标函数值即最优絮凝剂药剂用量与凝聚剂药剂用量；

药剂添加：根据自适应粒子群算法计算出的最优絮凝剂药剂用量与凝聚剂药剂用量添加絮凝剂与凝聚剂；

所述数据包括入料浓度、底流浓度、入料流量、测量溢流浓度、压滤周期、煤泥水分。

进一步地，