[发明专利]一种火电厂含煤废水处理混凝剂投加量精确控制方法

摘要

本发明涉及一种火电厂含煤废水处理混凝剂投加量精确控制方法，包括如下步骤：1、确定影响火电厂含煤废水处理混凝剂投加量因素，并将其作为BP神经网络模型的输入变量，将混凝剂投加量作为模型输出变量；2、确定各影响因素的取值范围并进行均匀试验，将试验结果作为BP神经网络学习样本；3、利用学习样本对神经网络进行训练，训练完毕即建立基于BP人工神经网络的含煤废水混凝处理数学模型；4、利用训练样本以外的试验数据进行检验，考察所建立的模型是否具有良好的泛化预测能力；5、检验成功后，即可根据进水水质和出水浊度要求，通过模型计算获取精确的混凝剂投加量。本发明能实现混凝剂投加量的精确控制，取得良好的经济和环境效益。

主权项

1.一种火电厂含煤废水处理混凝剂投加量精确控制方法，其特征在于：所述控制方法包括如下步骤：（1）确定影响火电厂含煤废水处理混凝剂投加量的因素；所述因素包括进水浊度、进水水温、进水pH值和出水浊度，并将其作为BP神经网络模型的输入变量，将混凝剂投加量作为BP神经网络模型的输出变量；（2）应用均匀设计方法构筑神经网络模型的训练样本；确定各影响因素的取值范围，并采用均匀设计试验，以含煤废水进水浊度、进水温度、进水pH值和出水浊度这四个指标为试验因素，选用合适的四因素均匀设计表，通过现场或实验室多组试验，得到混凝剂投加量的试验结果，为神经网络模型的建立提供质量高且数量适当的训练样本，提高神经网络建模效果和效率；（3）采用BP神经网络建立混凝剂投加量预测模型；以含煤废水进水浊度、进水水温、进水pH值和出水浊度为输入变量，以混凝剂投加量为输出变量；先通过线性变换将试验数据变换到［0，1］，用变换后的数据作为学习样本；采用三层BP神经网络模型，隐含层采用对数Sigmoid 传递函数，输出层则采用线性传递函数；训练算法采用Levenberg‑Marquardt优化算法，目标误差设定为1×10‑5；网络的权值矩阵和偏置的初始化方法设为Nguyen‑Widrow方法；利用数学软件MATLAB中的神经网络工具箱对系统进行辨识；神经网络经过训练达到稳定，由此得到收敛时的连接权值和偏置，包括输入层与隐含层的连接权值和偏置，还包括输出层与隐含层连接权值和偏置；这样便确定了火电厂含煤废水处理混凝剂投加量的神经网络控制模型；（4）BP神经网络的测试；利用训练样本以外的试验数据进行检验，考察所建立的模型是否较好地考虑了因素间的相互影响和作用，是否具有良好的泛化预测能力；（5）检验成功后，保存以上具有良好泛化预测能力的模型；在实际应用中，将火电厂含煤废水的实时数据及要求的出水浊度指标作为输入，通过所建模型计算输出即获得混凝剂的实时投加量，从而通过计量泵控制加药流量，实现精确加药。