公布日：2023.12.19
申請日：2023.10.11
分類號：C02F9/00(2023.01)I;C02F3/00(2023.01)I;C02F7/00(2006.01)I;C02F101/14(2006.01)N;C02F101/16(2006.01)N;C02F1/52(2023.01)N;C02F1/56(2023.01)N;C02F1
/66(2023.01)N;C02F1/46(2023.01)N;C02F3/30(2023.01)N
摘要
公開了一種用于處理高氟高氨氮廢水的裝置和方法。該裝置包括預處理單元、氟離子去除單元、氮去除單元和后處理單元，其特征在于，所述氮去除單元為高效生物載體反應器，所述高效生物載體反應器包括溶解氧和ORP檢測儀表、電動比例閥、充氧風機、曝氣器和自動控制組件；其中，所述自動控制組件用于基于所述溶解氧和ORP檢測儀表所采集的含氧量和ORP值來控制所述充氧風機。這樣，可以實現對高氟高氨氮廢水的處理和自動調節。
權利要求書
1.一種用于處理高氟高氨氮廢水的裝置，其包括預處理單元、氟離子去除單元、氮去除單元和后處理單元，其特征在于，所述氮去除單元為高效生物載體反應器，所述高效生物載體反應器包括溶解氧和ORP檢測儀表、電動比例閥、充氧風機、曝氣器和自動控制組件；其中，所述自動控制組件用于基于所述溶解氧和ORP檢測儀表所采集的含氧量和ORP值來控制所述充氧風機。
2.根據權利要求1所述的用于處理高氟高氨氮廢水的裝置，其特征在于，所述自動控制組件，包括：數據采集單元，用于通過部署于所述高效生物載體反應器的所述溶解氧和ORP檢測儀采集混合溶液在預定時間段內的多個預定時間點的含氧量和ORP值；數據參數時序關聯分析單元，用于對所述多個預定時間點的含氧量和ORP值進行時序特征交互關聯分析以得到含氧量-ORP值時序交互特征；以及充氧風機控制單元，用于基于所述含氧量-ORP值時序交互特征，確定當前時間點的所述充氧風機的功率值應增大或減小。
3.根據權利要求2所述的用于處理高氟高氨氮廢水的裝置，其特征在于，所述數據參數時序關聯分析單元，包括：數據參數時序排列子單元，用于將所述多個預定時間點的含氧量和ORP值分別按照時間維度排列為含氧量時序輸入向量和ORP值時序輸入向量；上采樣子單元，用于分別對所述含氧量時序輸入向量和所述ORP值時序輸入向量進行上采樣處理以得到上采樣含氧量時序輸入向量和上采樣ORP值時序輸入向量；參數多尺度時序特征提取子單元，用于通過基于深度神經網絡模型的時序特征提取器分別對所述上采樣含氧量時序輸入向量和所述上采樣ORP值時序輸入向量進行多尺度時序特征提取以得到含氧量時序多尺度特征向量和ORP值時序多尺度特征向量；以及多參數時序特征交互關聯分析子單元，用于對所述含氧量時序多尺度特征向量和所述ORP值時序多尺度特征向量進行特征交互關聯分析以得到含氧量-ORP值時序交互特征向量作為所述含氧量-ORP值時序交互特征。
4.根據權利要求3所述的用于處理高氟高氨氮廢水的裝置，其特征在于，所述深度神經網絡模型為多尺度鄰域特征提取模塊，所述多尺度鄰域特征提取模塊包括并行的第一卷積層和第二卷積層，以及，與所述第一卷積層和所述第二卷積層連接的多尺度特征融合層，其中，所述第一卷積層和所述第二卷積層使用具有不同尺度的一維卷積核。
5.根據權利要求4所述的用于處理高氟高氨氮廢水的裝置，其特征在于，所述多參數時序特征交互關聯分析子單元，用于：使用特征間注意力層對所述含氧量時序多尺度特征向量和所述ORP值時序多尺度特征向量進行基于注意力機制的特征交互以得到所述含氧量-ORP值時序交互特征向量。
6.根據權利要求5所述的用于處理高氟高氨氮廢水的裝置，其特征在于，所述充氧風機控制單元，用于：將所述含氧量-ORP值時序交互特征向量通過分類器以得到分類結果，所述分類結果用于表示當前時間點的充氧風機的功率值應增大或減小。
7.根據權利要求6所述的用于處理高氟高氨氮廢水的裝置，其特征在于，還包括用于對所述基于多尺度鄰域特征提取模塊的時序特征提取器、所述特征間注意力層和所述分類器進行訓練的訓練模塊。
8.根據權利要求7所述的用于處理高氟高氨氮廢水的裝置，其特征在于，所述訓練模塊，包括：訓練數據采集單元，用于獲取訓練數據，所述訓練數據包括混合溶液在預定時間段內的多個預定時間點的訓練含氧量和訓練ORP值，以及，所述充氧風機的功率應增大或減小的真實值；訓練數據時序排列單元，用于將所述多個預定時間點的訓練含氧量和訓練ORP值分別按照時間維度排列為訓練含氧量時序輸入向量和訓練ORP值時序輸入向量；訓練數據時序上采樣單元，用于分別對所述訓練含氧量時序輸入向量和所述訓練ORP值時序輸入向量進行上采樣處理以得到訓練上采樣含氧量時序輸入向量和訓練上采樣ORP值時序輸入向量；訓練參數時序多尺度特征提取單元，用于將所述訓練上采樣含氧量時序輸入向量和所述訓練上采樣ORP值時序輸入向量分別通過所述基于多尺度鄰域特征提取模塊的時序特征提取器以得到訓練含氧量時序多尺度特征向量和訓練ORP值時序多尺度特征向量；訓練參數時序特征交互關聯單元，用于使用所述特征間注意力層對所述訓練含氧量時序多尺度特征向量和所述訓練ORP值時序多尺度特征向量進行基于注意力機制的特征交互以得到訓練含氧量-ORP值時序交互特征向量；分類損失單元，用于將所述訓練含氧量-ORP值時序交互特征向量通過所述分類器以得到分類損失函數值；以及模型訓練單元，用于基于所述分類損失函數值并通過梯度下降的方向傳播來對所述基于多尺度鄰域特征提取模塊的時序特征提取器、所述特征間注意力層和所述分類器進行訓練，其中，在所述訓練的每次權重矩陣迭代時，對所述訓練含氧量-ORP值時序交互特征向量進行基于類度矩陣正則化的權重空間探索約束優化。
9.根據權利要求8所述的用于處理高氟高氨氮廢水的裝置，其特征在于，在所述訓練的每次權重矩陣迭代時，以如下優化公式對所述訓練含氧量-ORP值時序交互特征向量進行基于類度矩陣正則化的權重空間探索約束優化以得到優化訓練含氧量-ORP值時序交互特征向量；其中，所述優化公式為：
其中，V是所述訓練含氧量-ORP值時序交互特征向量，V′是所述優化訓練含氧量-ORP值時序交互特征向量，且V為列向量，V′是行向量，Mt∈RL×L為可學習的域轉移矩陣，M表示上一次迭代的權重矩陣，M′表示迭代后的權重矩陣，表示矩陣乘法，V′表示所述優化訓練含氧量-ORP值時序交互特征向量。
10.一種用于處理高氟高氨氮廢水的方法，其特征在于，包括：通過部署于高效生物載體反應器的溶解氧和ORP檢測儀采集混合溶液在預定時間段內的多個預定時間點的含氧量和ORP值；對所述多個預定時間點的含氧量和ORP值進行時序特征交互關聯分析以得到含氧量-ORP值時序交互特征；以及基于所述含氧量-ORP值時序交互特征，確定當前時間點的充氧風機的功率值應增大或減小。
發明內容
為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種用于處理高氟高氨氮廢水的裝置和方法。其可以實現對高氟高氨氮廢水的處理和自動調節。
根據本申請的一個方面，提供了一種用于處理高氟高氨氮廢水的裝置，其包括預處理單元、氟離子去除單元、氮去除單元和后處理單元，其中，所述氮去除單元為高效生物載體反應器，所述高效生物載體反應器包括溶解氧和ORP檢測儀表、電動比例閥、充氧風機、曝氣器和自動控制組件；其中，所述自動控制組件用于基于所述溶解氧和ORP檢測儀表所采集的含氧量和ORP值來控制所述充氧風機。
根據本申請的另一個方面，提供了一種用于處理高氟高氨氮廢水的方法，其包括：
通過部署于高效生物載體反應器的溶解氧和ORP檢測儀采集混合溶液在預定時間段內的多個預定時間點的含氧量和ORP值；
對所述多個預定時間點的含氧量和ORP值進行時序特征交互關聯分析以得到含氧量-ORP值時序交互特征；以及
基于所述含氧量-ORP值時序交互特征，確定當前時間點的充氧風機的功率值應增大或減小。
與現有技術相比，本申請提供的用于處理高氟高氨氮廢水的裝置和方法，該裝置包括預處理單元、氟離子去除單元、氮去除單元和后處理單元，其特征在于，所述氮去除單元為高效生物載體反應器，所述高效生物載體反應器包括溶解氧和ORP檢測儀表、電動比例閥、充氧風機、曝氣器和自動控制組件；其中，所述自動控制組件用于基于所述溶解氧和ORP檢測儀表所采集的含氧量和ORP值來控制所述充氧風機。這樣，可以實現對高氟高氨氮廢水的處理和自動調節。
（發明人：沈財方;鄧國敢;李惠林;安國棟;沈勘力;高勇;張會林;錢志強）
