[发明专利]一种基于数据挖掘和智能算法的污水处理分析及控制方法

权利要求书

1.一种基于数据挖掘和智能算法的污水处理分析及控制方法，其特征在于，污水处理终端设置气象数据采集系统、进水COD仪、TN仪、pH计、温度计、进水流量计、ORP仪、出水在线监测仪、若干台泵、若干加药设备以及若干台鼓风机，建立中央控制系统，将上述仪表连接到CPS微控制单元上，气象数据采集系统、进水COD仪、TN仪、pH计、温度计、进水流量计、ORP仪、出水在线监测仪与CPS微控制单元连接，所述CPS微控制单元与若干台泵、若干加药设备以及若干台鼓风机连接，所述CPS微控制单元通过通讯模块和网络与中央控制系统相连。

所述CPS微控制单元和中央控制系统中预存有训练完成的神经网络预测模型，各项仪表参数作为所述神经网络预测模型的输入，所述神经网络预测模型的输出为对应的操作指令，通过操作指令驱动泵、加药机和鼓风机等的工作的目标时长和功率，所述CPS微控制单元还连接有通信模块，通过通信模块向移动终端发送污水处理终端的各项仪表数据。

2.根据权利要求1所述的一种基于数据挖掘和智能算法的污水处理分析及控制方法，其特征在于，所述气象数据采集系统、进水COD仪、TN仪、pH计、温度计、进水流量计、ORP仪、出水在线监测仪，所述CPS微控制单元分别采集分别具有独立调节周期和调节幅度的九种变量信号，即气象数据、进水COD值、污水处理终端pH值、污水处理终端温度、ORP、出水COD值、出水氨氮值、出水TN值和出水总磷值。

3.根据权利要求2所述的一种基于数据挖掘和智能算法的污水处理分析及控制方法，其特征在于，神经网络预测模型包括有服务层、输入层、应用层、隐含层、连接层和输出层，其中通过同步历史数据训练连接层的传输函数得到训练完成的神经网络预测模型。

4.根据权利要求3所述的一种基于数据挖掘和智能算法的污水处理分析及控制方法，其特征在于，所述连接层的训练内容包括下列步骤：

步骤S1：采集T0时间段内的九种变量信号和故障报警状态值，T0时间段包含有若干个单位时间t，在故障报警状态下，按照时间序列统计单位时间的九种变量信号，发送至步骤S2；

步骤S2：对多个故障报警状态下的九种变量信号进行回归计算，得到单位时间内的九种变量信号的线性关系；

步骤S3：结合T0时间段内，水质的进水COD值、污水处理终端pH值、污水处理终端温度、ORP、出水COD值、出水氨氮值、出水TN值、出水总磷值和泵、加药机和鼓风机的操作指令，通过数据挖掘与分析得到训练后的连接层非线性函数。

5.根据权利要求1所述的一种基于数据挖掘和智能算法的污水处理分析及控制方法，其特征在于，通过不同的所述操作指令驱动泵、加药机和鼓风机等设备在对应的转速和功率下进行工作，将操作指令分解成从低到高的不同紧急度等级，紧急度等级越高，对应的泵、加药机和鼓风机的功率越大。

6.根据权利要求5所述的一种基于数据挖掘和智能算法的污水处理分析及控制方法，其特征在于，所述CPS微控制单元发出紧急度等级的判断标准包括有一级A标准、一级B标准以及可设定的其它排放标准，一级A标准中的COD、氨氮、TN和TP控制的目标值小于一级B标准中的COD、氨氮、TN和TP控制的目标值。