[发明专利]一种针对污水处理过程的在线监测方法、装置和存储介质

说明书

本发明公开了一种针对污水处理过程的在线监测方法、装置和存储介质，利用离线数据建立自编码器一类支持向量机模型，然后对采集到的现场数据进行预处理，再计算出每个实时观测样本的预测分数，与预设定的阈值进行比较。如果预测分数值未超出控制限则说明工况正常；相反，如果预测分数值超过控制限则可判定该观测时刻污水处理过程发生了故障。本发明充分考虑到污水处理过程观测变量繁多的特点，通过特征提取技术自编码器获取观测变量稀疏特征，解决了基于一类支持向量机的在线监测方法无法处理高维度数据的问题。同时，一类支持向量机的应用很好地解决了污水处理过程中数据样本不平衡的问题。本发明可广泛应用于故障在线监测技术领域。

技术领域

本发明涉及故障在线监测技术领域，尤其涉及一种针对污水处理过程的在线监测方法、装置和存储介质。

背景技术

随着城镇化速度日益加快，城市污水的排放量显著增加。为了应对日益增加的城市污水，建设自动化程度高的污水处理厂已经成为社会发展的需要之一。在这样的背景下，需要对污水处理厂工作状态进行有效的监测，保证其正常运转，使污水达到规定的排放标准。

然而，污水处理过程受到著多物理、生物和化学因素的影响，具有较强的非线性、动态性、强耦合等特点，建模困难。因此，无需先验生化知识的数据驱动模型支持向量机得到了应用。但在污水处理过程中采集到的数据缺乏标签信息，数据具有强烈的不平衡特征，需要使用无监督学习方法一类支持向量机。然而由于低效的特征工程和优化的复杂性，一类支持向量机最大的问题是无法处理大型和高维数据集，导致一类支持向量机在高维度故障检测场景的应用中并不理想。为了保证污水处理过程操作系统的安全性和稳定性，建立一种有效的过程监控方案来及时地监测异常现象是十分有必要的。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种针对污水处理过程的在线监测方法、装置和存储介质。

本发明所采用的技术方案是：

一种针对污水处理过程的在线监测方法，

包括以下步骤：

确定观测变量并设定采样间隔，将采集正常工况时的观测数据作为训练集，对训练集进行预处理，得到预处理后的训练集；

根据训练集特征确定自编码器网络结构，并设置损失函数；

使用预处理后的训练集训练自编码器，得到网络的最优参数，再利用自编码器中的编码器提取训练集特征，得到训练集的稀疏特征集合；

根据稀疏特征集合特点，确定一类支持向量机的核函数类型及相应超参数，使用稀疏特征集合训练一类支持向量机，并得到稀疏特征对应样本的预测分数；

使用箱线图分析预测分数集合的数据分布特征，以确定故障监测的控制限；

采集实时观测数据作为测试样本，对测试集预处理后，使用自编码器提取测试样本的稀疏特征，并使用一类支持向量机对稀疏特征进行分数预测；

判断污水处理过程是否发生故障：将该时刻的观测样本的预测分数值与由箱线图得到的控制限做差；若预测分数值未超出控制限，则判定工况正常，进行下一次采样；若预测分数值超过控制限，则判定该观测时刻发生故障，发出报警。超出控制限的值越大，则说明故障越严重。

进一步地，所述对训练集进行预处理，包括：

采用标准差标准化法，将从污水处理厂观测到的数据矩阵按照下式进行数据预处理：

其中，X∈R^m×n是原始的观测数据矩阵，R^m×n表示m行n列的实矩阵，X的每一行代表一个观测样本，每一列代表一个观测变量，μ_x和σ_x表示X中各观测变量的样本均值和样本标准差，X'表示预处理后的训练集。