一种基于强化学习的污水除磷智能加药方法

    公开(公告)号:CN119660915A

    公开(公告)日:2025-03-21

    申请号:CN202411795923.0

    申请日:2024-12-09

    Abstract: 本发明为解决现有技术中难以精确控制加药量的问题,提供了一种基于强化学习的污水除磷智能加药方法。该基于强化学习的污水除磷智能加药方法,包括步骤:步骤S1:构建强化学习算法的PMD环境。步骤S2:在所述步骤S1构建的所述MDP环境的基础上,训练DQN算法模型,并以训练后的所述DQN算法模型作为智能体。步骤S3:基于所述步骤S1构建的所述MDP环境,构建MDP环境控制系统。步骤S4:把所述步骤S2中所述智能体部署到所述步骤S3构建的所述MDP环境控制系统上,并由所述MDP环境控制系统控制加药泵对污水进行智能加药。本发明中强化学习中MDP环境的构建,可以实时响应与预测,实时响应水质变化,预测未来状态,确保长期稳定运行。

    一种基于机器学习的污水厂参数预测方法及系统

    公开(公告)号:CN119294612B

    公开(公告)日:2025-03-14

    申请号:CN202411807885.6

    申请日:2024-12-10

    Abstract: 本发明提供了一种基于机器学习的污水厂参数预测方法及系统,属于污水厂生产管理技术领域。该方法包括以下步骤:读取数据库中储存的时间序列下的历史污水数据,并导入选择性状态空间模型Mamba中进行训练;采集前一阶段时间序列下的实时污水数据;读取实时污水数据,并由训练后的选择性状态空间模型Mamba进行参数预测,得到后一阶段时间序列下用于污水厂运行控制的预测污水数据;储存。该系统包括采集模块、储存数据库模块和预测模块。本发明结合了基于卡尔曼滤波算法的异常数据处理技术以及基于选择性状态空间模型Mamba的创新时序预测技术,在污水处理厂关键运行参数预测中具有显著的优势。

    一种基于机器学习的污水厂参数预测方法及系统

    公开(公告)号:CN119294612A

    公开(公告)日:2025-01-10

    申请号:CN202411807885.6

    申请日:2024-12-10

    Abstract: 本发明提供了一种基于机器学习的污水厂参数预测方法及系统,属于污水厂生产管理技术领域。该方法包括以下步骤:读取数据库中储存的时间序列下的历史污水数据,并导入选择性状态空间模型Mamba中进行训练;采集前一阶段时间序列下的实时污水数据;读取实时污水数据,并由训练后的选择性状态空间模型Mamba进行参数预测,得到后一阶段时间序列下用于污水厂运行控制的预测污水数据;储存。该系统包括采集模块、储存数据库模块和预测模块。本发明结合了基于卡尔曼滤波算法的异常数据处理技术以及基于选择性状态空间模型Mamba的创新时序预测技术,在污水处理厂关键运行参数预测中具有显著的优势。

    水处理中应用的厂网协同节能提升方法和系统

    公开(公告)号:CN116976131A

    公开(公告)日:2023-10-31

    申请号:CN202310980950.4

    申请日:2023-08-04

    Abstract: 本发明提供了一种水处理中应用的厂网协同节能提升方法和系统,包括:根据提升泵井液位变化及提升流量,形成管网蓄水模型,实时预测真实来水水量;根据采集的泵的电流、流量、频率,形成泵的特性模型;根据来水流量,自动选择投入的泵以恒定高液位经济运行。本发明能根据实际进水量变化,自动选择最节能的泵组合使用,以达到厂网协同节能的目的,可实现对来水情况的提前预警,从而提前调整运行策略,以达到在处理能力范围内最大限度处理功能。

Patent Agency Ranking