本發(fā)明涉及設(shè)備的運(yùn)行控制領(lǐng)域，尤其涉及一種基于高斯分布的設(shè)備運(yùn)行控制系統(tǒng)和方法。

背景技術(shù)：

近年來，隨著設(shè)備自動(dòng)化水平的不斷提高，對設(shè)備的控制精度要求也在不斷提高。尤其在自動(dòng)化水平相對較低的污水處理行業(yè)，如何提高設(shè)備的控制精度更是運(yùn)營管理人員所關(guān)注的，特別是對于耗能較高的提升泵、鼓風(fēng)機(jī)等設(shè)備。

設(shè)備的運(yùn)行控制，需要根據(jù)工況進(jìn)行調(diào)整，以污水處理廠的鼓風(fēng)機(jī)為例，當(dāng)進(jìn)水中COD濃度較低時(shí)，需要適當(dāng)調(diào)節(jié)降低鼓風(fēng)機(jī)頻率或風(fēng)量。當(dāng)時(shí)如何根據(jù)COD濃度變化以及其他水質(zhì)指標(biāo)變化情況，來調(diào)整鼓風(fēng)機(jī)頻率，彼此的相關(guān)關(guān)系如何一直是阻礙鼓風(fēng)機(jī)等設(shè)備提高控制精度的難點(diǎn)。水質(zhì)指標(biāo)與鼓風(fēng)機(jī)運(yùn)行頻率或風(fēng)量的量化對應(yīng)關(guān)系，多利用經(jīng)驗(yàn)進(jìn)行比對，進(jìn)行定量化設(shè)定，靈活性較差，且與實(shí)際出入較大。從不同水質(zhì)出現(xiàn)頻率來看，呈現(xiàn)出一定的概率分布，且較為接近正態(tài)分布，由于不同區(qū)域和污水來源的而不同，因此針對不同的水質(zhì)提供一種通用的方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于高斯分布的設(shè)備運(yùn)行控制方法和系統(tǒng)，以實(shí)現(xiàn)對設(shè)備運(yùn)行的持續(xù)性高精度控制，實(shí)現(xiàn)設(shè)備運(yùn)行與設(shè)備運(yùn)行環(huán)境參數(shù)的匹配度提高。

本發(fā)明實(shí)施例提供了一種基于高斯分布的設(shè)備運(yùn)行控制系統(tǒng)和方法，包括：

通過數(shù)據(jù)采集裝置獲取和設(shè)備運(yùn)行相關(guān)的工況環(huán)境參數(shù)的數(shù)據(jù)信息；

建立混合高斯分布模型；

基于非線性最小二乘法計(jì)算混合高斯分布模型系數(shù)，得到混合高斯分布函數(shù)；

根據(jù)混合高斯分布函數(shù)控制設(shè)備運(yùn)行；

混合高斯分布函數(shù)更新。

本發(fā)明通過數(shù)據(jù)采集和處理、建立混合高斯分布模型、基于非線性最小二乘法計(jì)算高斯分布模型系數(shù)、根據(jù)混合高斯模型控制設(shè)備運(yùn)行等步驟，通過將多個(gè)高斯分布進(jìn)行線性組合，得到“混合高斯分布模型”，并通過非線性最小二乘法對模型系數(shù)進(jìn)行計(jì)算，降低計(jì)算復(fù)雜度；根據(jù)工況環(huán)境參數(shù)進(jìn)行模型建立、系數(shù)計(jì)算，避免人為主觀性；根據(jù)混合高斯分布函數(shù)控制設(shè)備運(yùn)行，實(shí)現(xiàn)對設(shè)備運(yùn)行更精準(zhǔn)的控制，實(shí)用性強(qiáng)，控制精度高等優(yōu)點(diǎn)；高斯分布函數(shù)更新，實(shí)現(xiàn)對混合高斯分布函數(shù)的持續(xù)更新，實(shí)現(xiàn)控制精度的持續(xù)保持，保障混合高斯分布函數(shù)與當(dāng)前設(shè)備運(yùn)行工況參數(shù)的高度符合。

附圖說明

圖1是本發(fā)明實(shí)施例一提供的基于高斯分布的設(shè)備運(yùn)行控制系統(tǒng)和方法的流程圖；

圖2是本發(fā)明實(shí)施例二提供的基于高斯分布的設(shè)備運(yùn)行控制系統(tǒng)和方法的流程圖；

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。可以理解的是，此處所描述的具體實(shí)施例是示例性的，僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。

實(shí)施例一

圖1為本發(fā)明實(shí)施例一提供的基于高斯分布的設(shè)備運(yùn)行控制系統(tǒng)和方法的流程圖，本實(shí)施例可適用于環(huán)保設(shè)施、廠區(qū)中設(shè)備的運(yùn)行控制，該方法可以由服務(wù)器來執(zhí)行，具體包括如下步驟：

步驟S101、通過數(shù)據(jù)采集裝置獲取和設(shè)備運(yùn)行相關(guān)的工況環(huán)境參數(shù)的數(shù)據(jù)信息。

通過與儀器儀表遠(yuǎn)程交互，以實(shí)時(shí)獲取和設(shè)備運(yùn)行相關(guān)的工況環(huán)境參數(shù)的數(shù)據(jù)信息；

其中，所述工況環(huán)境參數(shù)的數(shù)據(jù)信息由于種類較多且需要實(shí)時(shí)多次測量獲取，優(yōu)選的通過數(shù)據(jù)采集裝置在第一時(shí)間獲取并傳輸?shù)椒?wù)器中；

優(yōu)選的是，所述采集，即可以是通過硬件實(shí)施采集電表、檢測儀表數(shù)據(jù)，也可以是通過網(wǎng)絡(luò)通信等方式獲取數(shù)據(jù)庫等在線數(shù)據(jù)，以及氣體數(shù)據(jù)獲取方式；

根據(jù)所述服務(wù)器中數(shù)據(jù)信息，進(jìn)行初步的濾波處理，去除異常數(shù)據(jù)。

步驟S102、建立混合高斯模型。

1)建立高斯分布模型；

混合高斯分布模型是多個(gè)高斯分布的線性組合，對于高斯分布的概率密度函數(shù)表達(dá)式，如式(1)所示

其中，x為樣本點(diǎn)，μ_i為樣本均值，σ_i²為樣本方差；

2)建立混合高斯分布模型

混合高斯分布概率密度函數(shù)表示為

其中，X為總體樣本，a_i為第i指標(biāo)的高斯分布的影響因子，μ_i為第i個(gè)指標(biāo)的高斯分布的均值，為第i個(gè)指標(biāo)高斯分布的方差，k為高斯分布個(gè)數(shù)，當(dāng)k＝1時(shí)，混合高斯分布模型f(X)＝N(μ,σ)即為一維高斯分布的概率密度函數(shù)。

步驟S103、基于非線性最小二乘法計(jì)算混合高斯分布模型系數(shù)，得到混合高斯分布函數(shù)。

1)根據(jù)所述工況環(huán)境參數(shù)的數(shù)據(jù)信息，記為X，作為輸入訓(xùn)練數(shù)據(jù)；

2)根據(jù)非線性最小二乘法，計(jì)算每個(gè)工況環(huán)境參數(shù)的高斯分布模型系數(shù)，得到高斯分布的概率密度函數(shù)式；

3)根據(jù)工況環(huán)境不同參數(shù)對設(shè)備運(yùn)行控制的影響，為不同參數(shù)分配不同的影響因子系數(shù)；

4)根據(jù)工況環(huán)境不同參數(shù)的高斯分布的概率密度函數(shù)式和不同工況環(huán)境參數(shù)的影響因子系數(shù)，計(jì)算混合高斯分布模型系數(shù)，得到混合高斯分布函數(shù)。

步驟S104、根據(jù)混合高斯分布函數(shù)控制設(shè)備運(yùn)行。

1)選取設(shè)備運(yùn)行關(guān)鍵可調(diào)節(jié)參數(shù)指標(biāo)，記為設(shè)備參數(shù)Y；

2)構(gòu)建設(shè)備參數(shù)Y與工況環(huán)境參數(shù)混合高斯分布概率間的關(guān)系，表達(dá)式為

其中，X′為設(shè)備運(yùn)行的當(dāng)前工況環(huán)境參數(shù)的數(shù)據(jù)信息，Y_max為設(shè)備運(yùn)行中設(shè)備參數(shù)可調(diào)節(jié)的范圍上限值，Y_min為設(shè)備參數(shù)可調(diào)節(jié)范圍下限值，f(X)為工況參數(shù)混合高斯分布函數(shù)；

3)根據(jù)所述公式(3)和設(shè)備運(yùn)行的當(dāng)前工況環(huán)境參數(shù)的數(shù)據(jù)信息，計(jì)算得到設(shè)備參數(shù)Y(X′)；

4)調(diào)節(jié)設(shè)備根據(jù)所述計(jì)算得到的設(shè)備參數(shù)Y(X′)運(yùn)行。

步驟S105、根據(jù)當(dāng)前工況環(huán)境參數(shù)與歷史工況環(huán)境參數(shù)作為模型輸入訓(xùn)練數(shù)據(jù)，根據(jù)非線性最小二乘法，計(jì)算每個(gè)工況環(huán)境參數(shù)的高斯分布模型系數(shù)，得到高斯分布的概率密度函數(shù)式，更新混合高斯分布函數(shù)系數(shù)，提高控制精準(zhǔn)度。

步驟S106、根據(jù)設(shè)備使用狀態(tài)，設(shè)定高斯分布函數(shù)系數(shù)更新的時(shí)間周期T₁，優(yōu)選的所述時(shí)間周期T₁的范圍為0.5h-24h，設(shè)定設(shè)備參數(shù)調(diào)節(jié)的時(shí)間周期T₂，優(yōu)選的所述時(shí)間周期T₂的范圍為0.5h-72h。

本實(shí)施例的技術(shù)方案，解決了對設(shè)備運(yùn)行控制的精準(zhǔn)化控制，根據(jù)實(shí)時(shí)工況環(huán)境調(diào)節(jié)設(shè)備運(yùn)行狀態(tài)，實(shí)現(xiàn)設(shè)備相對工況環(huán)境最優(yōu)化運(yùn)行，解決設(shè)備運(yùn)行的精準(zhǔn)控制問題。

實(shí)施例二

圖2為本發(fā)明實(shí)施例二提供的基于高斯分布的設(shè)備運(yùn)行控制系統(tǒng)和方法的流程圖，本實(shí)施例可適用于環(huán)保設(shè)施、廠區(qū)中設(shè)備的運(yùn)行控制，該方法可以由服務(wù)器來執(zhí)行，具體包括如下步驟：

步驟S201、通過數(shù)據(jù)采集裝置獲取和設(shè)備運(yùn)行相關(guān)的工況環(huán)境參數(shù)的數(shù)據(jù)信息。

通過與儀器儀表遠(yuǎn)程交互，以實(shí)時(shí)獲取和設(shè)備運(yùn)行相關(guān)的工況環(huán)境參數(shù)的數(shù)據(jù)信息。

其中，所述工況環(huán)境參數(shù)的數(shù)據(jù)信息由于種類較多且需要實(shí)時(shí)多次測量獲取，優(yōu)選的通過數(shù)據(jù)采集裝置在第一時(shí)間獲取并傳輸?shù)椒?wù)器中。

其中，優(yōu)選的是，所述采集，即可以是通過硬件實(shí)施采集電表、檢測儀表數(shù)據(jù)，也可以是通過網(wǎng)絡(luò)通信等方式獲取數(shù)據(jù)庫等在線數(shù)據(jù)，以及氣體數(shù)據(jù)獲取方式。

根據(jù)所述服務(wù)器中數(shù)據(jù)信息，進(jìn)行初步的濾波處理，去除異常數(shù)據(jù)。

步驟S202、建立混合高斯模型。

混合高斯分布模型是多個(gè)高斯分布的線性組合，對于高斯分布的概率密度函數(shù)表達(dá)式，如式(1)所示；

混合高斯分布概率密度函數(shù)表示為式(2)；

步驟S203、基于非線性最小二乘法計(jì)算混合高斯分布模型系數(shù)，得到混合高斯分布函數(shù)。

1)根據(jù)所述工況環(huán)境參數(shù)的數(shù)據(jù)信息，記為X，作為輸入訓(xùn)練數(shù)據(jù)；

2)根據(jù)非線性最小二乘法，計(jì)算每個(gè)工況環(huán)境參數(shù)的高斯分布模型系數(shù)，得到高斯分布的概率密度函數(shù)式；

3)根據(jù)模型評價(jià)指標(biāo)，計(jì)算模型精度，模型評價(jià)指標(biāo)計(jì)算公式如下：

Q＝∑[y_i-N(x_i,μ,σ)]² (4)

其中，x_i是樣本點(diǎn)，為模型輸入，表示工況環(huán)境參數(shù)的數(shù)據(jù)信息，N(x_i,μ,σ)為模型輸出，是根據(jù)高斯分布的概率密度函數(shù)式計(jì)算得到的概率值，y_i為工況參數(shù)x_i的實(shí)際概率值；

優(yōu)選的是，當(dāng)Q(x_i)≤θ，判斷工況環(huán)境參數(shù)符合高斯分布模型；當(dāng)Q(x_i)>θ，判斷工況參數(shù)不符合高斯分布模型；其中，x_i為工況環(huán)境參數(shù)，θ為精度閾值；優(yōu)選的θ的范圍為0～μ。

4)根據(jù)所述符合高斯分布模型的工況環(huán)境不同參數(shù)對設(shè)備運(yùn)行控制的影響，為不同參數(shù)分配不同的影響因子系數(shù)；

5)根據(jù)所述符合高斯分布模型的工況環(huán)境參數(shù)的影響因子和高斯分布模型系數(shù)，計(jì)算混合高斯分布函數(shù)f(X_n)，其中，X_n為符合高斯分布模型的工況環(huán)境參數(shù)樣本；

步驟S204、構(gòu)建分段函數(shù)

根據(jù)不符合高斯分布模型的工況環(huán)境參數(shù)的數(shù)據(jù)信息構(gòu)建分段函數(shù)g(X_b)，表達(dá)式為

其中，X_b為不符合高斯分布模型的工況環(huán)境參數(shù)樣本，x′_l為第l個(gè)不符合高斯分布模型的工況環(huán)境參數(shù)的當(dāng)前數(shù)據(jù)信息值，x_lj為第l個(gè)不符合高斯分布模型的工況環(huán)境參數(shù)的分段邊界值，g_j為分段函數(shù)的函數(shù)值。

步驟205、根據(jù)混合高斯分布函數(shù)和分段函數(shù)控制設(shè)備運(yùn)行。

1)選取設(shè)備運(yùn)行關(guān)鍵可調(diào)節(jié)參數(shù)指標(biāo)，記為設(shè)備參數(shù)Y；

2)構(gòu)建設(shè)備參數(shù)Y與工況環(huán)境參數(shù)混合高斯分布概率和分段函數(shù)間的關(guān)系，表達(dá)式為

其中，m為分段函數(shù)所分段數(shù)，X_n′為符合高斯分布的工況參數(shù)的當(dāng)前數(shù)據(jù)信息值，X′_b為不符合高斯分布的工況參數(shù)的當(dāng)前數(shù)據(jù)信息值，f_j為每段邊界值，g_j為每段分段函數(shù)值，Y_max為設(shè)備運(yùn)行中設(shè)備參數(shù)可調(diào)節(jié)的范圍上限值，Y_min為設(shè)備參數(shù)可調(diào)節(jié)范圍下限值，Y_j為每階段設(shè)定運(yùn)行參數(shù)值；

優(yōu)選的是，Y_j的計(jì)算公式為；

Y_j＝λ_fY_f+λ_gY_g (6)

其中，λ_f、λ_g為不同類型工況環(huán)境參數(shù)權(quán)重，λ_f+λ_g＝1，Y_f為符合高斯分布模型的工況環(huán)境參數(shù)與設(shè)備參數(shù)的關(guān)系函數(shù)，Y_g為不符合高斯分布模型的工況環(huán)境參數(shù)與設(shè)備參數(shù)的關(guān)系函數(shù)，Y_g＝g(X_b)*(Ymax-Ymin)+Ymin

3)根據(jù)所述公式(5)和設(shè)備運(yùn)行的當(dāng)前工況環(huán)境參數(shù)的數(shù)據(jù)信息，計(jì)算得到設(shè)備參數(shù)Y(X′)；

4)調(diào)節(jié)設(shè)備根據(jù)所述計(jì)算得到的設(shè)備參數(shù)Y(X′)運(yùn)行

步驟S206、根據(jù)當(dāng)前工況環(huán)境參數(shù)與歷史工況環(huán)境參數(shù)作為模型輸入訓(xùn)練數(shù)據(jù)，根據(jù)非線性最小二乘法，計(jì)算每個(gè)工況環(huán)境參數(shù)的高斯分布模型系數(shù)，得到高斯分布的概率密度函數(shù)式，更新混合高斯分布函數(shù)系數(shù)，提高控制精準(zhǔn)度；同時(shí)根據(jù)數(shù)據(jù)信息更新分段函數(shù)。

步驟S207、根據(jù)設(shè)備使用狀態(tài)，設(shè)定高斯分布函數(shù)系數(shù)更新的時(shí)間周期T₁，優(yōu)選的所述時(shí)間周期T₁的范圍為0.5h-24h，設(shè)定設(shè)備參數(shù)調(diào)節(jié)的時(shí)間周期T₂，優(yōu)選的所述時(shí)間周期T₂的范圍為0.5h-72h。

本實(shí)施例的技術(shù)方案，解決了對設(shè)備運(yùn)行控制的精準(zhǔn)化控制，根據(jù)實(shí)時(shí)工況環(huán)境調(diào)節(jié)設(shè)備運(yùn)行狀態(tài)，實(shí)現(xiàn)設(shè)備相對工況環(huán)境最優(yōu)化運(yùn)行，解決設(shè)備運(yùn)行的精準(zhǔn)控制問題。

實(shí)施例三

本實(shí)施例可以以上述實(shí)施例為基礎(chǔ)，提供一種優(yōu)選實(shí)例，用以實(shí)現(xiàn)污水處理廠鼓風(fēng)機(jī)的運(yùn)行控制。

步驟S301、數(shù)據(jù)采集和處理

通過與儀器儀表遠(yuǎn)程交互，以實(shí)時(shí)獲取和設(shè)備運(yùn)行相關(guān)的工況環(huán)境參數(shù)的數(shù)據(jù)信息，并第一時(shí)間獲取并傳輸?shù)椒?wù)器中。

優(yōu)選的是，數(shù)據(jù)信息采集間隔為1min。

對采集數(shù)據(jù)進(jìn)行初步的濾波處理，去除異常數(shù)據(jù)。

優(yōu)選的是，本實(shí)施例中選擇的工況環(huán)境參數(shù)指標(biāo)為污水處理廠進(jìn)水COD量和進(jìn)水氨氮量。

步驟S302、建立混合高斯模型。

1)建立高斯分布模型

混合高斯分布模型是多個(gè)高斯分布的線性組合，進(jìn)水COD量的高斯分布的概率密度函數(shù)表達(dá)式，如式(7)所示

進(jìn)水氨氮量的高斯分布的概率密度函數(shù)表達(dá)式為

其中，C_COD為進(jìn)水COD量數(shù)據(jù)樣本點(diǎn)、C_NH為進(jìn)水氨氮量數(shù)據(jù)樣本點(diǎn)，μ₁、μ₂為進(jìn)水COD量數(shù)據(jù)均值、進(jìn)水氨氮量數(shù)據(jù)均值，σ₁²、σ₂²為進(jìn)水COD量、進(jìn)水氨氮量數(shù)據(jù)方差；

2)建立混合高斯分布模型

混合高斯分布模型為多個(gè)高斯分布的線性組合，混合高斯分布其概率密度函數(shù)表示為

其中，X_COD,X_NH為進(jìn)水COD量、進(jìn)水氨氮量數(shù)據(jù)樣本，a₁、a₂為進(jìn)水COD量、進(jìn)水氨氮量的高斯分布的權(quán)重。

步驟S303、基于非線性最小二乘法計(jì)算混合高斯分布模型系數(shù)，得到混合高斯分布函數(shù)。

1)根據(jù)進(jìn)水COD量、進(jìn)水氨氮量的歷史數(shù)據(jù)信息，作為輸入訓(xùn)練數(shù)據(jù)；

2)根據(jù)非線性最小二乘法，計(jì)算每個(gè)進(jìn)水COD量和進(jìn)水氨氮量的高斯分布模型系數(shù)，得到高斯分布的概率密度函數(shù)式；

其中，進(jìn)水COD量高斯分布的概率密度函數(shù)為

進(jìn)水氨氮量高斯分布的概率密度函數(shù)為

3)根據(jù)工況環(huán)境不同參數(shù)對設(shè)備運(yùn)行控制的影響，為不同參數(shù)分配不同的影響因子系數(shù)；

其中，a₁＝1、a₂＝-0.1

4)根據(jù)工況環(huán)境不同參數(shù)的高斯分布的概率密度函數(shù)式和不同工況環(huán)境參數(shù)的影響因子系數(shù)，計(jì)算混合高斯分布模型系數(shù)，得到混合高斯分布函數(shù)。

步驟S304、根據(jù)混合高斯分布函數(shù)控制設(shè)備運(yùn)行。

1)選取設(shè)備運(yùn)行關(guān)鍵可調(diào)節(jié)參數(shù)指標(biāo)，記為設(shè)備參數(shù)Y；

優(yōu)選的是，本實(shí)施例中選擇鼓風(fēng)機(jī)頻率作為設(shè)備關(guān)鍵可控參數(shù)指標(biāo)；

2)構(gòu)建設(shè)備參數(shù)Y與工況環(huán)境參數(shù)混合高斯分布概率間的關(guān)系，表達(dá)式為

其中，X′為設(shè)備運(yùn)行的當(dāng)前工況環(huán)境參數(shù)的數(shù)據(jù)信息，Y_max為設(shè)備運(yùn)行中設(shè)備參數(shù)可調(diào)節(jié)的范圍上限值，Y_min為設(shè)備參數(shù)可調(diào)節(jié)范圍下限值，f(X)為工況參數(shù)混合高斯分布函數(shù)；

優(yōu)選的是，本實(shí)施例中Y_max＝50Hz，Y_min＝30Hz；

3)通過數(shù)據(jù)采集設(shè)備，獲取當(dāng)前工況環(huán)境參數(shù)的數(shù)據(jù)信息值，進(jìn)水COD量為230g/h，進(jìn)水氨氮量為20g/h，即當(dāng)前工況環(huán)境參數(shù)數(shù)據(jù)為X′＝(230,20)；

4)根據(jù)所述公式(13)和設(shè)備運(yùn)行的當(dāng)前工況環(huán)境參數(shù)的數(shù)據(jù)信息X′＝(230,20)，計(jì)算得到設(shè)備參數(shù)Y(X′)；

5)控制鼓風(fēng)機(jī)以Y(X′)運(yùn)行，即以40Hz運(yùn)行。

注意，上述僅為本發(fā)明的較佳實(shí)施例及所運(yùn)用技術(shù)原理。本領(lǐng)域技術(shù)人員會(huì)理解，本發(fā)明不限于這里所述的特定實(shí)施例，對本領(lǐng)域技術(shù)人員來說能夠進(jìn)行各種明顯的變化、重新調(diào)整和替代而不會(huì)脫離本發(fā)明的保護(hù)范圍。因此，雖然通過以上實(shí)施例對本發(fā)明進(jìn)行了較為詳細(xì)的說明，但是本發(fā)明不僅僅限于以上實(shí)施例，在不脫離本發(fā)明構(gòu)思的情況下，還可以包括更多其他等效實(shí)施例，而本發(fā)明的范圍由所附的權(quán)利要求范圍決定。