用于化学重金属废水处理方法

　　申请日2016.06.21

　　公开(公告)日2016.09.28

　　IPC分类号G06F19/00

　　摘要

　　本发明提供了一种用于电化学重金属废水处理过程的多参数优化方法及装置，方法包括：S1：建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型;S2：建立废水处理过程的电能消耗模型;S3：建立废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小;S4：获取电解槽池待处理废水的入口重金属离子浓度的检测数据，采用状态转移算法对S3中的电耗优化模型求解，获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值。本发明提供的多参数优化方法能够稳定出口废水重金属离子浓度进而节约电能。

　　摘要附图

　　权利要求书

　　1.一种用于电化学重金属废水处理过程的多参数优化方法，其特征在于，包括以下步骤：

　　S1：采用BP神经网络模型建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型;

　　Cout=fBP(Dk,pH,K,C0) 公式一

　　其中，fBP为电化学处理过程模型;Cout为出口废水中重金属离子浓度;Dk为电解槽的电解电流密度;pH为待处理废水的pH值大小;K为待处理废水的电导率;C0为废水入口重金属离子浓度;

　　S2：建立公式二所示的废水处理过程的电能消耗模型;

　　其中，Jw为电能消耗量;N为电解槽数;B为阴极板数;S为每块阴极板的截面积;Vi(i=1,2...n)为不同重金属离子产生的槽电压，为关于电流密度Dk、重金属离子浓度C和电解温度T的非线性函数;t为电解时间;

　　S3：建立公式三所示的废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小;

　　 $m i n (J_{w}) = m i n (Σ_{i = 1}^{n} N \times B \times S \times V_{i} \times D_{k} \times t)$

　　其中，Cmax为出口废水中重金属离子浓度应达到的指标值;Dk.max为电解极板能承受的电流密度上限;

　　S4：获取电解槽池待处理废水的入口重金属离子浓度的检测数据，采用状态转移算法对S3中的电耗优化模型求解，获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值。

　　2.根据权利要求1所述的用于电化学重金属废水处理过程的多参数优化方法，其特征在于，所述S1中建立的电化学处理过程模型为多输入多输出的BP神经网络模型，建立的具体步骤为：

　　S11：采集电流密度值、pH值、电导率值、入口重金属离子浓度和出口重金属离子浓度数据，并将电流密度值、pH值、电导率值、入口重金属离子浓度作为输入层神经元，将出口重金属离子浓度作为输出层神经元;

　　S12：对采集的数据采用3σ准则和零均值标准化方法进行数据预处理，以剔除异常数据和消除由于不同特征因子量纲不同和数量级不同所带来的差异化影响;

　　S13：利用处理后的样本数据对BP神经网络模型进行训练，得到所述电化学处理过程模型。

　　3.根据权利要求1所述的用于电化学重金属废水处理过程的多参数优化方法，其特征在于，所述S2中废水处理过程的电能消耗模型中的槽电压V与电流密度Dk、重金属离子浓度C和电解温度T之间的关系如公式三所示：

　　其中，是重金属离子析出的平衡电位常数;R是热力学常数;F是法拉第常数;r是电解液中重金属离子的活度系数;M是重金属的相对原子量;L为阴阳极间距;β1～β5为待辨识参数。

　　4.一种用于电化学重金属废水处理过程的多参数优化装置，其特征在于，包括：

　　第一模型建立单元，用于建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型;

　　Cout=fBP(Dk,pH,K,C0) 公式一

　　第二模型建立单元，用于建立公式二所示的废水处理过程电能消耗模型，并采集工业现场数据对模型参数进行辨识;

　　优化模型建立单元，用于建立公式三所示的废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小;

　　 $m i n (J_{w}) = m i n (Σ_{i = 1}^{n} N \times B \times S \times V_{i} \times D_{k} \times t)$

　　其中，Cmax为出口废水中重金属离子浓度应达到的指标值;Dk.max为电解极板能承受的电流密度上限;

　　优化模型求解单元，用于获取电解槽池待处理废水的入口重金属离子浓度的检测数据，采用状态转移算法对所述电耗优化模型求解，获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值。

　　5.根据权利要求4所述的用于电化学重金属废水处理过程的多参数优化装置，其特征在于，所述第一模型建立单元，具体用于：

　　采集电流密度值、pH值、电导率值、入口重金属离子浓度和出口重金属离子浓度数据，并将电流密度值、pH值、电导率值、入口重金属离子浓度作为输入层神经元，将出口重金属离子浓度作为输出层神经元;

　　对采集的数据采用3σ准则和零均值标准化方法进行数据预处理，以剔除异常数据和消除由于不同特征因子量纲不同和数量级不同所带来的差异化影响;

　　利用处理后的样本数据对BP神经网络模型进行训练，得到所述电化学处理过程模型。

　　6.根据权利要求4所述的用于电化学重金属废水处理过程的多参数优化装置，其特征在于，所述槽电压V与电流密度Dk、重金属离子浓度C和电解温度T之间的关系如公式三所示：

　　说明书

　　用于化学重金属废水处理过程的多参数优化方法及装置

　　技术领域

　　本发明涉及电化学技术领域，具体涉及一种用于化学重金属废水处理过程的多参数优化方法及装置。

　　背景技术

　　近年来，随着冶金和化工行业的发展，大量的重金属元素(如铜、钴、镍等)进入到工业废水中，导致地下水环境重金属污染严重。地方性重金属中毒引起了世界范围的广泛关注。为此，我国在废水排放和饮用水标准中对重金属的浓度作出了严格的规定。但这种含重金属的废水处理是目前冶炼行业面临的一大难题。

　　常规的处理方法需要投加大量的金属盐、石灰或电石渣，这导致在废水处理阶段会产生大量的废渣，对废渣中含有的多种重金属沉淀物亦无法进行有效分离和回收，处理后产生的污泥量也非常大且成分复杂，这些污泥同样难以进行回收和利用，如作为危废处理还将给企业带来了巨大的经济负担，易形成二次污染。

　　电化学重金属废水处理技术具有施工周期短、运行成本低、处理效果好、设施占地面积小、工艺可自动化程度高、处理范围广、耐冲击负荷强、污泥产生量少、操作和维护简单等优点，因此在重金属废水治理领域得到广泛应用。

　　但随着电化学处理重金属废水技术的发展与推广，该技术存在的缺陷也日益明显：采用电化学的方法处理含重金属离子的废水时，各种参数的设定(如pH值、电流值和电导率值)常根据人工经验进行判定，这就导致出口废水所含重金属离子浓度波动较大，整流器运行功率浪费，电能消耗较大。

　　发明内容

　　针对现有技术中的缺陷，本发明提供一种用于化学重金属废水处理过程的多参数优化方法及装置，能够稳定出口废水重金属离子浓度进而节约电能。

　　第一方面，本发明提供了一种用于电化学重金属废水处理过程的多参数优化方法，包括以下步骤：

　　S1：采用BP神经网络模型建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型;

　　Cout=fBP(Dk,pH,K,C0) 公式一

　　S2：建立公式二所示的废水处理过程的电能消耗模型;

　　S3：建立公式三所示的废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小;

　　 $m i n (J_{w}) = m i n (Σ_{i = 1}^{n} N \times B \times S \times V_{i} \times D_{k} \times t)$

　　其中，Cmax为出口废水中重金属离子浓度应达到的指标值;Dk.max为电解极板能承受的电流密度上限;

　　优选地，所述S1中建立的电化学处理过程模型为多输入多输出的BP神经网络模型，建立的具体步骤为：

　　S13：利用处理后的样本数据对BP神经网络模型进行训练，得到所述电化学处理过程模型。

　　优选地，所述S2中废水处理过程的电能消耗模型中的槽电压V与电流密度Dk、重金属离子浓度C和电解温度T之间的关系如公式三所示：

　　第二方面，本发明还提供了一种用于电化学重金属废水处理过程的多参数优化装置，包括：

　　第一模型建立单元，用于建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型;

　　Cout=fBP(Dk,pH,K,C0) 公式一

　　第二模型建立单元，用于建立公式二所示的废水处理过程电能消耗模型，并采集工业现场数据对模型参数进行辨识;

　　优化模型建立单元，用于建立公式三所示的废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小;

　　 $m i n (J_{w}) = m i n (Σ_{i = 1}^{n} N \times B \times S \times V_{i} \times D_{k} \times t)$

　　其中，Cmax为出口废水中重金属离子浓度应达到的指标值;Dk.max为电解极板能承受的电流密度上限;

　　优选地，所述第一模型建立单元，具体用于：

　　对采集的数据采用3σ准则和零均值标准化方法进行数据预处理，以剔除异常数据和消除由于不同特征因子量纲不同和数量级不同所带来的差异化影响;

　　利用处理后的样本数据对BP神经网络模型进行训练，得到所述电化学处理过程模型。

　　优选地，所述槽电压V与电流密度Dk、重金属离子浓度C和电解温度T之间的关系如公式三所示：

　　由上述技术方案可知，针对现有技术中存在的出口废水所含重金属离子浓度波动较大，整流器运行功率浪费，电能消耗较大的问题，本发明提供的用于电化学重金属废水处理过程的多参数优化方法，采用BP神经网络模型来建立基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型;然后分析电能消耗与重金属离子浓度和电流密度的关系，建立电能消耗优化模型;最后利用电能消耗优化模型获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值，从而为pH值、电导率值和电流的调节提供依据。该方法稳定了出口废水重金属离子浓度，节约了电能资源。