本發明涉及凈化處理，尤其涉及一種基于神經網絡的輸變電工程廢水凈化處理方法及系統。

背景技術：

1、在輸變電工程實施過程中，由于基地開挖使用的機械設備在沖洗過程中產生的廢水富含高濃度懸浮物以及高濃度油脂，具有水質成分復雜、化學需氧量及生化需氧量高、油水分離性差以及處理規模大、難以去除等特性，若直接排放廢水將影響地區水質，進而對生態環境產生不利影響。

2、絮凝劑在輸變電工程實施過程中產生含油含懸浮物廢水的處理起著關鍵作用。但是絮凝劑的品種繁多，從低分子到高分子，從單一型到復合型；絮凝劑按照其化學成分總體可分為無機絮凝劑和有機絮凝劑兩類。其中無機絮凝劑又包括無機凝聚劑和無機高分子絮凝劑；有機絮凝劑又包括合成有機高分子絮凝劑、天然有機高分子絮凝劑和微生物絮凝劑。不同的絮凝劑去污效果不同，絮凝劑分子量和電荷密度會顯著影響絮凝體表面電荷密度，進而影響氣泡在絮凝體表面的附著力，絮凝體表面的附著力的強弱直接決定了絮凝劑去污效果。目前，針對輸變電工程實施過程中產生的含油含懸浮物的廢水處理，主要采用單一種類絮凝劑按照固定比例投放到廢水中進行去污，并未考慮輸變電工程實施過程中產生的含油含懸浮物的廢水自身的特性，凈化效果較差。

技術實現思路

1、針對現有技術存在的問題，本發明實施例提供一種基于神經網絡的輸變電工程廢水凈化處理方法及系統，其能有效提高輸變電工程中機械設備在沖洗過程中產生的含油含懸浮物廢水的凈化效果。

2、第一方面，本發明實施例提供了一種基于神經網絡的輸變電工程廢水凈化處理方法，包括：

3、通過激光粒度檢測儀檢測輸變電工程中待處理廢水中污染物的第一粒徑分布信息；

4、獲取所述待處理廢水的第一近紅外吸收光譜；

5、根據所述第一近紅外吸收光譜以及預先建立的油珠粒徑與波長吸收峰之間的第一對應關系、懸浮物粒徑與波長吸收峰之間的第二對應關系，對所述第一粒徑分布信息中的不同粒徑對應的污染物進行油珠和懸浮物識別，得到第一油珠粒徑分布信息和第一懸浮物粒徑分布信息；

6、根據所述第一油珠粒徑分布信息以及所述第一懸浮物粒徑分布信息，通過預先建立的第一深度神經網絡模型，確定凈化參數；其中，所述凈化參數包括目標絮凝劑種類、第一投加量、第一氣泡粒徑；

7、控制絮凝劑投加泵按照所述目標絮凝劑種類和所述第一投加量向所述待處理廢水投加相應絮凝劑，并將氣泡發生器的壓力參數配置為所述第一氣泡粒徑對應的壓力參數，使得所述氣泡發生器向所述待處理廢水輸入所述第一氣泡粒徑的氣泡，以對所述待處理廢水進行凈化處理。

8、作為上述方案的改進，所述方法還包括：

9、實時獲取所述待處理廢水凈化過程中的第二近紅外吸收光譜；

10、實時獲取所述待處理廢水凈化過程中的第二粒徑分布信息；

11、根據所述第二近紅外吸收光譜以及油珠粒徑與波長吸收峰之間的第一對應關系，從所述第二粒徑分布信息中篩選出與油珠粒徑匹配的粒徑及相應粒徑的濃度信息，得到所述待處理廢水凈化過程中的第二油珠粒徑分布信息；

12、通過高速攝影儀對所述待處理廢水凈化過程中的氣泡進行實時監測，并對實時監測到的氣泡圖像進行圖像識別，獲得所述待處理廢水凈化過程中的氣泡粒度分布信息；

13、根據所述第二油珠粒徑分布信息和所述氣泡粒度分布信息，通過預先建立的第二深度神經網絡模型，獲得凈化調整參數；其中，所述凈化調整參數包括目標絮凝劑種類對應絮凝劑的第二投加量、第二氣泡粒度；

14、根據所述第二投加量調整所述絮凝劑投加泵向所述待處理廢水投加相應絮凝劑的劑量，并控制氣泡發生器向所述待處理廢水輸入所述第二氣泡粒度的氣泡，以對所述待處理廢水進行凈化優化處理。

15、作為上述方案的改進，所述方法還包括：

16、獲取多個含有不同油珠粒徑的含油廢水樣本的第三近紅外吸收光譜；

17、根據不同油珠粒徑的所述第三近紅外吸收光譜，確定不同油珠粒徑對應的波長吸收峰，建立油珠粒徑與波長吸收峰之間的第一對應關系；

18、獲取多個含有不同懸浮物粒徑的含懸浮物廢水樣本的第四近紅外吸收光譜；

19、根據不同懸浮物粒徑的所述第四近紅外吸收光譜，確定不同懸浮物粒徑對應的波長吸收峰，建立懸浮物粒徑與波長吸收峰之間的第二對應關系。

20、作為上述方案的改進，所述根據所述第一近紅外吸收光譜以及預先建立的油珠粒徑與波長吸收峰之間的第一對應關系、懸浮物粒徑與波長吸收峰之間的第二對應關系，對所述第一粒徑分布信息中的不同粒徑對應的污染物進行油珠和懸浮物識別，得到第一油珠粒徑分布信息和第一懸浮物粒徑分布信息，包括：

21、根據所述第一近紅外吸收光譜以及油珠粒徑與波長吸收峰之間的第一對應關系，得到所述待處理廢水中的目標油珠粒徑；

22、從所述第一粒徑分布信息中篩選出與所述目標油珠粒徑匹配的粒徑及相應粒徑的濃度信息，得到所述第一油珠粒徑分布信息；

23、根據所述第一近紅外吸收光譜以及懸浮物粒徑與波長吸收峰之間的第二對應關系，得到所述待處理廢水中的目標懸浮物粒徑；

24、從所述第一粒徑分布信息中篩選出與所述目標懸浮物粒徑匹配的粒徑及相應粒徑的濃度信息，得到所述第一懸浮物粒徑分布信息。

25、作為上述方案的改進，所述根據所述第一油珠粒徑分布信息以及所述第一懸浮物粒徑分布信息，通過預先建立的第一深度神經網絡模型，確定凈化參數，包括：

26、根據所述第一油珠粒徑分布信息和所述第一懸浮物粒徑分布信息，從絮凝劑數據庫中篩選出至少一種候選絮凝劑種類；

27、根據所述第一油珠粒徑分布信息、所述第一懸浮物粒徑分布信息以及所述待處理廢水的當前ph值、當前水溫，構建廢水特征向量；

28、根據至少一種候選絮凝劑種類對應的絮凝劑的分子量和電荷密度，構建相應候選絮凝劑種類的絮凝劑特征向量；

29、將所述廢水特征向量和各個所述候選絮凝劑種類對應的絮凝劑特征向量輸入到所述第一深度神經網絡模型，獲得各個所述候選絮凝劑種類對應的絮凝劑在所述待處理廢水中的絮凝體粒徑變化圖；

30、根據各個所述候選絮凝劑種類對應的絮凝體粒徑變化圖，確定所述凈化參數。

31、作為上述方案的改進，所述根據各個所述候選絮凝劑種類對應的絮凝體粒徑變化圖，確定所述凈化參數，包括：

32、根據各個所述候選絮凝劑種類對應的絮凝體粒徑變化圖，計算各個所述候選絮凝劑種類的絮凝效率和平均絮凝體粒徑；

33、選取最高絮凝效率對應的候選絮凝劑種類，作為目標絮凝劑種類；

34、根據所述目標絮凝劑種類的絮凝效率，計算所述目標絮凝劑種類對應絮凝劑的第一投加量；

35、根據所述目標絮凝劑種類對應的絮凝劑的電荷密度和平均絮凝體粒徑，計算第一氣泡粒徑。

36、作為上述方案的改進，所述根據所述目標絮凝劑種類對應的絮凝劑的電荷密度，計算第一氣泡粒徑，包括：

37、根據所述目標絮凝劑種類對應的絮凝劑的電荷密度和平均絮凝體粒徑，計算在所述目標絮凝劑種類下的目標氣泡附著程度；

38、根據所述目標氣泡附著程度以及預先建立的氣泡附著程度與氣泡粒度間的第一映射表，得到所述第一氣泡粒徑；

39、其中，將所述氣泡發生器的壓力參數配置為所述第一氣泡粒徑對應的壓力參數，以使得所述氣泡發生器產生所述第一氣泡粒徑的氣泡。

40、作為上述方案的改進，所述根據所述第二油珠粒徑分布信息和所述氣泡粒度分布信息，通過預先建立的第二深度神經網絡模型，獲得凈化調整參數，包括：

41、根據當前時刻的第二油珠粒徑分布信息，計算當前時刻的油珠粒度分布寬度；

42、當所述油珠粒度分布寬度大于預設的報警粒徑范圍時，根據當前時刻的第二油珠粒徑分布信息和當前時刻的氣泡粒度分布信息，通過預先建立的第二深度神經網絡模型，獲得凈化調整參數。

43、作為上述方案的改進，所述根據當前時刻的第二油珠粒徑分布信息和當前時刻的氣泡粒度分布信息，通過預先建立的第二深度神經網絡模型，獲得凈化調整參數，包括：

44、根據當前時刻的第二油珠粒徑分布信息，構建油珠粒徑分布特征向量；

45、根據當前時刻的氣泡粒度分布信息，構建氣泡粒度分布特征向量；

46、將所述油珠粒徑分布特征向量和所述氣泡粒度分布特征向量，輸入到所述第二深度神經網絡模型，獲得預測氣泡附著程度；

47、根據所述預測氣泡附著程度和目標氣泡附著程度，計算第二氣泡粒徑和第二投加量。

48、第二方面，本發明實施例提供了一種基于神經網絡的輸變電工程廢水凈化處理系統，包括：

49、第一粒徑檢測模塊，用于通過激光粒度檢測儀檢測輸變電工程中待處理廢水中污染物的第一粒徑分布信息；

50、第一近紅外吸收光譜獲取模塊，用于獲取所述待處理廢水的第一近紅外吸收光譜；

51、第一粒徑檢測模塊，用于通過激光粒度檢測儀檢測輸變電工程中待處理廢水中污染物的第一粒徑分布信息；

52、第一近紅外吸收光譜獲取模塊，用于獲取所述待處理廢水的第一近紅外吸收光譜；

53、第一粒徑識別模塊，用于根據所述第一近紅外吸收光譜以及預先建立的油珠粒徑與波長吸收峰之間的第一對應關系、懸浮物粒徑與波長吸收峰之間的第二對應關系，對所述第一粒徑分布信息中的不同粒徑對應的污染物進行油珠和懸浮物識別，得到第一油珠粒徑分布信息和第一懸浮物粒徑分布信息；

54、凈化參數確定模塊，用于根據所述第一油珠粒徑分布信息以及所述第一懸浮物粒徑分布信息，通過預先建立的第一深度神經網絡模型，確定凈化參數；其中，所述凈化參數包括目標絮凝劑種類、第一投加量、第一氣泡粒徑；

55、第一控制模塊，用于控制絮凝劑投加泵按照所述目標絮凝劑種類和所述第一投加量向所述待處理廢水投加相應絮凝劑，并將氣泡發生器的壓力參數配置為所述第一氣泡粒徑對應的壓力參數，使得所述氣泡發生器向所述待處理廢水輸入所述第一氣泡粒徑的氣泡，以對所述待處理廢水進行凈化處理。

56、相對于現有技術，本發明實施例的一種基于神經網絡的輸變電工程廢水凈化處理方法及系統，通過激光粒度檢測儀檢測輸變電工程中待處理廢水中污染物的第一粒徑分布信息，同時獲取所述待處理廢水的第一近紅外吸收光譜；然后根據所述第一近紅外吸收光譜以及預先建立的油珠粒徑與波長吸收峰之間的第一對應關系、懸浮物粒徑與波長吸收峰之間的第二對應關系，對所述第一粒徑分布信息中的不同粒徑對應的污染物進行油珠和懸浮物識別，得到第一油珠粒徑分布信息和第一懸浮物粒徑分布信息；根據所述第一油珠粒徑分布信息以及所述第一懸浮物粒徑分布信息，通過預先建立的第一深度神經網絡模型，確定凈化參數；最后控制絮凝劑投加泵按照所述凈化參數指示的目標絮凝劑種類和第一投加量向所述待處理廢水投加相應絮凝劑，同時將氣泡發生器的壓力參數配置為所述凈化參數指示的第一氣泡粒徑對應的壓力參數，使得所述氣泡發生器向所述待處理廢水輸入所述第一氣泡粒徑的氣泡，通過絮凝劑與氣泡的共同作用，將廢水中的油脂和懸浮物絮凝氣浮，實現廢水中油脂、懸浮物分離，實現對所述待處理廢水進行凈化處理，提高輸變電工程中機械設備在沖洗過程中產生的含油含懸浮物廢水的凈化效果。