[发明专利]一种反渗透膜污堵预警方法及系统

说明书

本发明涉及一种反渗透膜污堵预警方法及系统，其特征在于，包括：采用机器学习方法，基于待测反渗透装置的历史实测数据，构建反渗透膜污堵预警模型；获取待测反渗透装置的实测数据，并选取特征变量进行去噪和预处理；将去噪和预处理后的特征变量输入至构建的反渗透膜污堵预警模型，得到待测反渗透装置的预警结果，本发明能够监测反渗透膜的污堵状况，可以广泛应用于水处理系统的信息化领域中。

技术领域

本发明涉及水处理系统的信息化领域，特别是关于一种反渗透膜污堵预警方法及系统。

背景技术

目前，在高标准工业纯水(例如锅炉化学水)的生产工艺以及废污水处理工艺中，反渗透(Reverse osmosis，RO)装置作为除盐处理工艺的应用十分广泛。尽管反渗透进水的预处理工艺已经十分成熟，但是反渗透膜污染的发生是不可避免的。随着反渗透膜污堵的逐渐加剧，反渗透装置的段间压差也随之增大，当段间压差累积至设定阈值时，则需对反渗透装置膜组件进行停机化学清洗，这直接影响了反渗透装置的运行效率。因此，对反渗透膜污堵的提前预警显得尤为重要。

现有的反渗透装置均设置若干传感器，采集大量的运行数据，并没有反渗透膜污堵预警功能，现场运行人员往往根据经验和段间压差达到阈值时，对反渗透装置膜组件进行停机化学清洗，如何利用海量的历史运行数据，并结合人工智能方法，对反渗透膜的污堵进行预警，及时为运行人员推送预警信息，指导运行人员调整反渗透装置的运行工况，延缓反渗透膜污堵的趋势，增加反渗透装置的运行周期时长，对于控制反渗透膜污堵以及提高反渗透装置的运行效率具有十分重要的意义。

发明内容

针对上述问题，本发明的目的是提供一种能够提高反渗透装置运行效率的反渗透膜污堵预警方法及系统。

为实现上述目的，本发明采取以下技术方案：第一方面，提供一种反渗透膜污堵预警方法，包括：

采用机器学习方法，基于待测反渗透装置的历史实测数据，构建反渗透膜污堵预警模型；

获取待测反渗透装置的实测数据，并选取特征变量进行去噪和预处理；

将去噪和预处理后的特征变量输入至构建的反渗透膜污堵预警模型，得到待测反渗透装置的预警结果。

进一步地，所述采用机器学习方法，基于反渗透装置的历史实测数据，构建反渗透膜污堵预警模型，包括：

获取待测反渗透装置的历史实测数据进行特征工程和特征选择，确定历史实测数据中反渗透装置各运行参数之间的相关系数，并根据确定的相关系数，选择对反渗透膜污堵问题影响最大的一个或多个运行参数作为特征变量；

对选择的特征变量进行去噪并进行预处理；

采用机器学习方法，根据预处理后的特征变量构建反渗透膜污堵预警模型，并确定反渗透膜污堵预警模型的评价指标，包括准确率指标和AUC指标；

根据预处理后的特征变量和确定的评价指标，对构建的反渗透膜污堵预警模型进行训练、验证和测试，得到构建好的反渗透膜污堵预警模型。

进一步地，所述相关系数ρ为：

其中，x_i和y_i表示两个变量的值；和表示两个变量总体的均值。

进一步地，所述反渗透装置各运行参数包括浓水与产水的电导、pH值、ORP值、温度、流量和压力，高压泵的运行频率反馈与电流和反渗透装置的进出口差压中的一种或多种的组合。

进一步地，所述根据预处理后的特征变量和确定的评价指标，对构建的反渗透膜污堵预警模型进行训练、验证和测试，得到构建好的反渗透膜污堵预警模型，包括：

将预处理后的特征变量分为训练集、验证集和测试集，并设置构建的反渗透膜污堵预警模型的超参数；