[发明专利]一种基于LSTM的污水高效沉淀池加药预测方法和加药系统

权利要求书

1.一种基于LSTM的污水高效沉淀池智能加药预测方法，其特征在于，包括以下步骤：

S1：获取预测相关数据，并进行预处理，所述的预测相关数据包括进水流量Q、进水固体悬浮物浓度SS_in、进水总磷TP_in、出水总磷TP_out、污水温度T、污水酸碱度pH和除磷药PAC浓度；

S2：利用预测相关数据分别构建前馈特征分量和反馈特征分量，所述的前馈特征分量通过统计特征构造，包括前4t_o时间内的最大进水总磷TP_{in_max}、前4t_o时间内的最小进水总磷TP_{in_min}和前4t_o时间内的平均进水总磷TP_{in_mean}，其中t_o为设定的数据采集频率；

S3：获取预测输入数据，并输入训练完成的预测模型，所述的预测输入数据包括前馈数据、反馈数据和药量数据，所述的前馈数据包括进水流量Q、进水总磷TP_in、进水固体悬浮物浓度SS_in、污水温度T、污水酸碱度pH以及前馈特征分量，所述的反馈数据包括反馈特征分量，所述的药量数据包括除磷药PAC浓度；

S4：预测模型输出除磷药PAC的投加量预测值；

S5：根据除磷药PAC的投加量预测值对污水高效沉淀池进行智能加药。

2.根据权利要求1所述的一种基于LSTM的污水高效沉淀池智能加药预测方法，其特征在于，所述的预测相关数据还包括出水固体悬浮物浓度SS_out和吸附剂PAM浓度，所述的反馈数据还包括出水固体悬浮物浓度SS_out，所述的药量数据还包括吸附剂PAM浓度。

3.根据权利要求1所述的一种基于LSTM的污水高效沉淀池智能加药预测方法，其特征在于，所述的数据采集频率t_o的值设定为0.5h。

4.根据权利要求1所述的一种基于LSTM的污水高效沉淀池智能加药预测方法，其特征在于，所述的反馈特征分量通过PID业务逻辑构造，包括比例反馈特征DATA_KC、积分反馈特征DATA_KI和微分反馈特征DATA_KD。

5.根据权利要求4所述的一种基于LSTM的污水高效沉淀池智能加药预测方法，其特征在于，所述的反馈特征分量的表达式为：

DATA_KC(t)＝E(t)-E(t-1)

DATA_KI(t)＝E(t)

DATA_KD(t)＝E(t)-2E(t-1)+E(t-2)

E(t)＝TP_out(t)-TP_set

其中，t为当前预测时刻，E(t)为t时刻加药量偏差，TP_out(t)为t时刻出水总磷采样值，TP_set为出水总磷设定值。

6.根据权利要求1所述的一种基于LSTM的污水高效沉淀池智能加药预测方法，其特征在于，所述的预测模型的神经网络结构包括依次连接的第一LSTM神经网络、第一Dropout层、第二LSTM神经网络、第二Dropout层和第三LSTM神经网络，训练通过Adam优化算法完成，损失函数采用均方根误差函数，所述的LSTM神经网络包括一个输入层、三个LSTM细胞层和一个输出层，所述的LSTM细胞层包含遗忘门F_t、输入门I_t和输出门O_t。

7.一种基于LSTM的污水高效沉淀池智能加药系统，其特征在于，包括数据采集模块、控制模块和加药泵，所述的数据采集模块设置于污水高效沉淀池内，用于采集污水高效沉淀池内的预测相关数据，所述的加药泵用于向污水高效沉淀池投加除磷药PAC，所述的控制模块分别与数据采集模块和加药泵连接，包括存储器、处理器和控制器，所述的存储器中存储有计算机程序，该程序被处理器执行时实现如权利要求1-6任一项所述的加药预测方法，所述的处理器通过控制器与加药泵连接，输出控制信号控制加药泵的除磷药PAC投加量。