[发明专利]一种污水处理场景下的人工智能自动化投药方法

说明书

本发明涉及一种污水处理场景下的人工智能自动化投药方法，包括如下步骤：基于正式投产污水处理场景下的投药效果进行预测分析，获取有偏数据集合D1形成正向投药预测模型；在同一投药生产工艺环境下，采用实验环境与正向投药预测模型相互关联，在同等环境下获取实验环境下的异常边界样本数据集合D2；合并有偏数据集合D1和异常边界样本数据集合D2作为逆向投药预测模型的训练样本集合，重新训练逆向投药预测模型，获取最终的投药预测试剂量。本发明能针对不同污水的药剂投加场景，仅通过较少的几个业界通用指标，结合往期有偏实际生产数据以及小规模实验数据并通过MLP多层感知机网络进行训练，实现可具备落地量产实施的自动化精准投药方案。

技术领域

本发明属于智能污水处理技术领域，主要涉及一种污水处理场景下的人工智能自动化投药方法。

背景技术

在污水或废水处理工艺设置过程中，考虑因素较为复杂，需要针对不同的污水来源及水质，设置相应的处理工艺流程，并建设定制化的厂房和污水处理设施。涉及的因素包括：物理性污染、无机物污染、有机物污染、营养盐污染与水体富营养化、生物污染和放射性污染等。其中，投加药剂处理具有适用面广、普适性好、效率高、效果稳定的优势，成为了污废水处理工艺中非常重要的环节。由于处理水质的不同及定制化工艺流程的差异，也使得整个污废水处理系统从前期的设计到后期的运营维护，都离不开有经验的工程师进行分析和操作，尤其是不同的药剂投加工艺环节(重点是加药量与效果呈现非严格线性关系，以及同时投加包含多种药剂的药剂组合投加等场景)，其药剂投加量的决策更是需要工程师进行持续跟踪。

随着人工智能AI(Artificial Intelligence)近年来的兴起，模型技术已经在各个行业领域得到了广泛的应用，智能水务领域天然有着大数据支撑、复杂因素相互作用、明确的指标预期等特性，十分适合应用AI技术，来解决各环节的数据预测推理，进而结合业务演化出自动化数据展现、指标预测、指标风控、监控预警、药剂精准投加等应用技术。然而实际从业界技术发展现状看来，AI技术在环保污水处理领域落地的案例还较少，其中最主要的问题可以归结为：有效数据样本的不足。在实际落地过程中，污水处理工艺涉及的影响因素复杂，不同水厂的处理系统有着其特殊性，而且一般考虑到指标采集传感器造价昂贵，通常仅对一些主要指标进行采集，因此对于系统的运行细节往往仅停留在粗略的了解。与理论模型推导不同的是，一方面由于真实生产环境下要求出水指标确保在合规范围内，因此数据都是乐观样本，缺少不同情况下对数值超标的试探和感知；另一方面，在某些情况下工程师为了获取超标时的投药情况数据，往往使用测试环境的数据来作为样本训练，但测试系统并不能确保与实际生产一致，因此，工程师们很难拿到大量的、覆盖全场景的水厂真实数据，这样的数据训练出的模型，或者过于保守，导致投药浪费，亦或者不能精准把控标准边界，造成出水指标超标等风险。

因此，虽然业内涌现出一些通过建模来解决智能投药的理论，但往往由于数据获取成本高昂，数据偏差较大，出现模型效果欠佳，实际应用落地难等情况；其主要原因在于，在开展基于基于人工智能大数据模型的药剂投加技术应用时，无法避免会面临数据缺失的问题，甚至对于一些存在一定量历史运行数据的项目场景，也同样存在数据量不足的问题，其主要原因是：

(1)AI智能模型训练依赖的大数据建设成本较大，收益不明确，设备投入成本高；

(2)历史的实验级别数据，与实际投产环境仍然存在差别，数据不可直接复用；

(3)人工阶段形式的补充指标采集，由于检测效率的限制，采样间隔时间较长，数据曲线不连续平滑。