公布日：2023.12.19
申请日：2023.10.11
分类号：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
公开了一种用于处理高氟高氨氮废水的装置和方法。该装置包括预处理单元、氟离子去除单元、氮去除单元和后处理单元，其特征在于，所述氮去除单元为高效生物载体反应器，所述高效生物载体反应器包括溶解氧和ORP检测仪表、电动比例阀、充氧风机、曝气器和自动控制组件；其中，所述自动控制组件用于基于所述溶解氧和ORP检测仪表所采集的含氧量和ORP值来控制所述充氧风机。这样，可以实现对高氟高氨氮废水的处理和自动调节。
权利要求书
1.一种用于处理高氟高氨氮废水的装置，其包括预处理单元、氟离子去除单元、氮去除单元和后处理单元，其特征在于，所述氮去除单元为高效生物载体反应器，所述高效生物载体反应器包括溶解氧和ORP检测仪表、电动比例阀、充氧风机、曝气器和自动控制组件；其中，所述自动控制组件用于基于所述溶解氧和ORP检测仪表所采集的含氧量和ORP值来控制所述充氧风机。
2.根据权利要求1所述的用于处理高氟高氨氮废水的装置，其特征在于，所述自动控制组件，包括：数据采集单元，用于通过部署于所述高效生物载体反应器的所述溶解氧和ORP检测仪采集混合溶液在预定时间段内的多个预定时间点的含氧量和ORP值；数据参数时序关联分析单元，用于对所述多个预定时间点的含氧量和ORP值进行时序特征交互关联分析以得到含氧量-ORP值时序交互特征；以及充氧风机控制单元，用于基于所述含氧量-ORP值时序交互特征，确定当前时间点的所述充氧风机的功率值应增大或减小。
3.根据权利要求2所述的用于处理高氟高氨氮废水的装置，其特征在于，所述数据参数时序关联分析单元，包括：数据参数时序排列子单元，用于将所述多个预定时间点的含氧量和ORP值分别按照时间维度排列为含氧量时序输入向量和ORP值时序输入向量；上采样子单元，用于分别对所述含氧量时序输入向量和所述ORP值时序输入向量进行上采样处理以得到上采样含氧量时序输入向量和上采样ORP值时序输入向量；参数多尺度时序特征提取子单元，用于通过基于深度神经网络模型的时序特征提取器分别对所述上采样含氧量时序输入向量和所述上采样ORP值时序输入向量进行多尺度时序特征提取以得到含氧量时序多尺度特征向量和ORP值时序多尺度特征向量；以及多参数时序特征交互关联分析子单元，用于对所述含氧量时序多尺度特征向量和所述ORP值时序多尺度特征向量进行特征交互关联分析以得到含氧量-ORP值时序交互特征向量作为所述含氧量-ORP值时序交互特征。
4.根据权利要求3所述的用于处理高氟高氨氮废水的装置，其特征在于，所述深度神经网络模型为多尺度邻域特征提取模块，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
5.根据权利要求4所述的用于处理高氟高氨氮废水的装置，其特征在于，所述多参数时序特征交互关联分析子单元，用于：使用特征间注意力层对所述含氧量时序多尺度特征向量和所述ORP值时序多尺度特征向量进行基于注意力机制的特征交互以得到所述含氧量-ORP值时序交互特征向量。
6.根据权利要求5所述的用于处理高氟高氨氮废水的装置，其特征在于，所述充氧风机控制单元，用于：将所述含氧量-ORP值时序交互特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的充氧风机的功率值应增大或减小。
7.根据权利要求6所述的用于处理高氟高氨氮废水的装置，其特征在于，还包括用于对所述基于多尺度邻域特征提取模块的时序特征提取器、所述特征间注意力层和所述分类器进行训练的训练模块。
8.根据权利要求7所述的用于处理高氟高氨氮废水的装置，其特征在于，所述训练模块，包括：训练数据采集单元，用于获取训练数据，所述训练数据包括混合溶液在预定时间段内的多个预定时间点的训练含氧量和训练ORP值，以及，所述充氧风机的功率应增大或减小的真实值；训练数据时序排列单元，用于将所述多个预定时间点的训练含氧量和训练ORP值分别按照时间维度排列为训练含氧量时序输入向量和训练ORP值时序输入向量；训练数据时序上采样单元，用于分别对所述训练含氧量时序输入向量和所述训练ORP值时序输入向量进行上采样处理以得到训练上采样含氧量时序输入向量和训练上采样ORP值时序输入向量；训练参数时序多尺度特征提取单元，用于将所述训练上采样含氧量时序输入向量和所述训练上采样ORP值时序输入向量分别通过所述基于多尺度邻域特征提取模块的时序特征提取器以得到训练含氧量时序多尺度特征向量和训练ORP值时序多尺度特征向量；训练参数时序特征交互关联单元，用于使用所述特征间注意力层对所述训练含氧量时序多尺度特征向量和所述训练ORP值时序多尺度特征向量进行基于注意力机制的特征交互以得到训练含氧量-ORP值时序交互特征向量；分类损失单元，用于将所述训练含氧量-ORP值时序交互特征向量通过所述分类器以得到分类损失函数值；以及模型训练单元，用于基于所述分类损失函数值并通过梯度下降的方向传播来对所述基于多尺度邻域特征提取模块的时序特征提取器、所述特征间注意力层和所述分类器进行训练，其中，在所述训练的每次权重矩阵迭代时，对所述训练含氧量-ORP值时序交互特征向量进行基于类度矩阵正则化的权重空间探索约束优化。
9.根据权利要求8所述的用于处理高氟高氨氮废水的装置，其特征在于，在所述训练的每次权重矩阵迭代时，以如下优化公式对所述训练含氧量-ORP值时序交互特征向量进行基于类度矩阵正则化的权重空间探索约束优化以得到优化训练含氧量-ORP值时序交互特征向量；其中，所述优化公式为：
其中，V是所述训练含氧量-ORP值时序交互特征向量，V′是所述优化训练含氧量-ORP值时序交互特征向量，且V为列向量，V′是行向量，Mt∈RL×L为可学习的域转移矩阵，M表示上一次迭代的权重矩阵，M′表示迭代后的权重矩阵，表示矩阵乘法，V′表示所述优化训练含氧量-ORP值时序交互特征向量。
10.一种用于处理高氟高氨氮废水的方法，其特征在于，包括：通过部署于高效生物载体反应器的溶解氧和ORP检测仪采集混合溶液在预定时间段内的多个预定时间点的含氧量和ORP值；对所述多个预定时间点的含氧量和ORP值进行时序特征交互关联分析以得到含氧量-ORP值时序交互特征；以及基于所述含氧量-ORP值时序交互特征，确定当前时间点的充氧风机的功率值应增大或减小。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于处理高氟高氨氮废水的装置和方法。其可以实现对高氟高氨氮废水的处理和自动调节。
根据本申请的一个方面，提供了一种用于处理高氟高氨氮废水的装置，其包括预处理单元、氟离子去除单元、氮去除单元和后处理单元，其中，所述氮去除单元为高效生物载体反应器，所述高效生物载体反应器包括溶解氧和ORP检测仪表、电动比例阀、充氧风机、曝气器和自动控制组件；其中，所述自动控制组件用于基于所述溶解氧和ORP检测仪表所采集的含氧量和ORP值来控制所述充氧风机。
根据本申请的另一个方面，提供了一种用于处理高氟高氨氮废水的方法，其包括：
通过部署于高效生物载体反应器的溶解氧和ORP检测仪采集混合溶液在预定时间段内的多个预定时间点的含氧量和ORP值；
对所述多个预定时间点的含氧量和ORP值进行时序特征交互关联分析以得到含氧量-ORP值时序交互特征；以及
基于所述含氧量-ORP值时序交互特征，确定当前时间点的充氧风机的功率值应增大或减小。
与现有技术相比，本申请提供的用于处理高氟高氨氮废水的装置和方法，该装置包括预处理单元、氟离子去除单元、氮去除单元和后处理单元，其特征在于，所述氮去除单元为高效生物载体反应器，所述高效生物载体反应器包括溶解氧和ORP检测仪表、电动比例阀、充氧风机、曝气器和自动控制组件；其中，所述自动控制组件用于基于所述溶解氧和ORP检测仪表所采集的含氧量和ORP值来控制所述充氧风机。这样，可以实现对高氟高氨氮废水的处理和自动调节。
（发明人：沈财方;邓国敢;李惠林;安国栋;沈勘力;高勇;张会林;钱志强）