[發明專利]一種基于CFD數值模擬和機器學習的智能加藥系統和方法

在審

• 申請號: 202010980741.6
• 申請日: 2020-09-17
• 公開（公告）號: CN112216354A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 詹敏述;袁芳;史廣思;徐偉;程國堅;游明皓
• 申請（專利權）人: 江蘇集萃工業過程模擬與優化研究所有限公司;中環保水務投資有限公司;中節能工程技術研究院有限公司
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C20/10;C02F1/00;C02F1/52
• 代理公司: 蘇州簡理知識產權代理有限公司 32371
• 代理人: 楊瑞玲

1.一種基于CFD數值模擬和機器學習的智能加藥系統，其特征在于，其包括運算分析模塊、優化控制模塊和反應沉淀池，

所述運算分析模塊包括歷史運行數據庫、CFD模擬數據庫、模型樣本數據庫和機器學習模型，所述歷史運行數據庫中包括有通過污水生產運行積累的所述反應沉淀池在不同參數下的歷史運行數據，所述CFD模擬數據庫中包括有通過模型計算獲得的所述反應沉淀池的模擬數據，所述歷史運行數據庫和CFD模擬數據庫分別被配置的能夠將歷史運行數據和模擬數據發送至所述模型樣本數據庫，所述模型樣本數據庫被配置的對所述歷史運行數據庫和CFD模擬數據庫分別發送的數據信息進行數據融合，獲得模型樣本數據，所述機器學習模型被配置的能夠對所述模型樣本數據進行訓練，所述機器學習模型還被配置的計算獲得所述反應沉淀池內的加藥量參數，

所述優化控制模塊被配置的能夠根據所述機器學習輸出的加藥量參數在所述反應沉淀池內投加藥劑。

2.根據權利要求1所述的基于CFD數值模擬和機器學習的智能加藥系統，其特征在于，所述智能加藥運算分析模塊還包括實時運行數據庫，所述實時運行數據庫包括有所述反應沉淀池的實時運行數據，所述機器學習模型被配置的能夠將所述實時運行數據與模型樣本數據進行相似度匹配，不斷在線修正所述機器學習模型。

3.根據權利要求1所述的基于CFD數值模擬和機器學習的智能加藥系統，其特征在于，其還包括儲藥裝置，所述優化控制模塊包括有控制器和計量泵，所述計量泵能夠被配置的將所述儲藥裝置內的藥劑投加至所述反應沉淀池中，所述控制器被配置的能夠調用所述機器學習模塊輸出的加藥量參數，并根據所述加藥量參數控制所述計量泵投加在所述反應沉淀池內的藥劑數量。

4.根據權利要求1所述的基于CFD數值模擬和機器學習的智能加藥系統，其特征在于，所述歷史運行數據包括有在污水生產運行中所述反應沉淀池內的加藥量、進水流量、進水濁度、進水磷酸根濃度、出水流量、出水濁度和出水磷酸根濃度。

5.根據權利要求1所述的基于CFD數值模擬和機器學習的智能加藥系統，其特征在于，所述模擬數據包括有根據所述反應沉淀池的實際幾何結構、進水的入口條件及水質情況計算獲得的所述反應沉淀池內的流場信息、絮體沉淀效率和出水懸浮物。

6.根據權利要求2所述的基于CFD數值模擬和機器學習的智能加藥系統，其特征在于，所述實時運行數據包括有所述反應沉淀池在實時運行時的加藥量、進水流量、進水濁度、進水磷酸根濃度、出水流量、出水濁度和出水磷酸根濃度。

7.一種基于CFD數值模擬和機器學習的智能加藥方法，其特征在于，其包括如下步驟：

S1：記錄污水生產運行中反應沉淀池在不同參數下的加藥量、進水流量、進水濁度、進水磷酸根濃度、出水流量、出水濁度和出水磷酸根濃度，構建歷史運行數據庫；

S2：根據所述反應沉淀池的實際幾何結構、進水的入口條件和水質情況，建立所述反應沉淀池的物理模型，之后分別針對不同流量、攪拌速度和懸浮物濃度進行模擬，計算獲得所述反應沉淀池內的流場信息、絮體沉淀效率和出水懸浮物，構建CFD模擬數據庫；

S3：對所述歷史運行數據庫和CFD模擬數據庫進行數據融合，構建大數據模型樣本數據庫；

S4：通過機器學習模型對所述模型樣本數據庫中的模型樣本數據進行訓練，計算獲得反應沉淀池內的加藥量參數；

S5：根據實時運行數據庫獲得的所述反應沉淀池內的實時運行數據，所述機器學習模型被配置的將所述實時運行數據與模型樣本數據進行相似度匹配，不斷在線修正所述機器學習模型，獲得最優加藥量參數；

S6：控制器調用所述機器學習模型獲得的最優加藥量參數，并根據所述加藥量參數控制計量泵投加在所述反應沉淀池內的藥劑數量。

8.根據權利要求7所述的基于CFD數值模擬和機器學習的智能加藥方法，其特征在于，步驟S2中，所述物理模型的構建如下：

采用雙流體模型耦合顆粒群平衡方法的絮體團聚和破碎子模型，對反應沉淀池內絮凝過程進行數值模擬，揭示流動條件與沉淀效率直接的關系，獲得超出歷史數據外的樣本數據。