污水处理智能化控制系统的制作方法

本发明属于污水处理人工智能控制，特别涉及污水处理智能化控制系统。背景技术：1、近年来，随着城市化建设的推进，兴起了大量的各类生产企业。不同生产企业或用水单位在日常生产运营过程中，会产生大量不同程度污染的污水。污水直接进行排放会对环境造成污染，还会浪费水资源。因此，需要利用污水处理企业或污水处理单位对污水进行处理。现有技术中污水处理企业或污水处理单位对污水进行处理时，一般会将污水处理至可达到排放标准后进行排放，这样会导致水资源的浪费。另一种是对污水进行彻底处理净化后再进行回收，再输送供应于各生产企业或用水单位。但由于生产企业或用水单位在日常运营用水时，对水质的要求一般不一样，会有高、中和低等级的区别。而现有技术在对污水进行处理时，都是按最高等级对污水进行处理，这样导致污水处理回收并输送于生产企业或用水单位后，出现高水质被用于低要求的情况，导致污水被过度处理的情况，造成污水处理成本增加。技术实现思路1、本发明提供污水处理智能化控制系统，在对污水进行处理时，可按照不同的使用需要，对污水进行不同高低等级程度进行处理，降低了污水处理成本。2、本发明所采用的技术方案：3、污水处理智能化控制系统，包括：4、前端水质监测单元，用于监测输入污水的污染程度，获得输入污水污染参数；5、净水需求收集单元，用于获取不同用途净水需求量，获得净水需求量参数，净水是指不同程度处理后污水的需求量；6、污水处理系统，用于接收污水处理控制参数，执行根据净水的不同用途对污水进行不同程度处理；7、神经网络系统，在投入使用前完成对神经网络系统训练，所述神经网络系统数据连接于前端水质监测单元、净水需求收集单元和污水处理系统，使神经网络系统能对新输入的污水污染参数和不同净水需求量参数进行处理，输出符合不同用途污水需求量的污水处理控制参数。8、进一步的，所述神经网络系统采用历史参数进行训练，所述历史数据包括污水污染参数、净水需求量参数和污水处理控制参数，将所述历史数据按时间顺序划分为训练集和测试集，使用所述训练集对神经网络模型进行训练，并通过反向传播算法更新所述神经网络模型的权重和偏置，以最小化损失函数；通过不同的超参数设置和正则化技术，优化所述神经网络系统的性能和泛化能力；使用训练好的神经网络系统对污水处理控制参数进行预测，输出预测结果。9、进一步的，还包括：10、固有频率收集单元，用于获取进水阀门处的固有频率；11、输入污水流速监测单元，用于监测处理前污水的输入流速，获得流速参数；12、输入污水浓度监测单元，用于监测处理前污水的浓度，获得浓度参数；13、进水阀门开关控制单元，用于接收阀门控制信号参数，控制污水处理前进水阀门的开关速度；14、管道振动监测单元，用于监测进水阀门处的振动情况，获得进水阀门开关时阀门处的振动频率参数；15、所述神经网络系统数据连接于固有频率收集单元、输入污水流速监测单元、输入污水浓度监测单元、进水阀门开关控制单元和管道振动监测单元；使神经网络系统能对新输入流速参数和浓度参数进行处理，预测并向进水阀门开关控制单元输送控制信号，使开关进水阀门时，进水阀门处产生的振动频率与固有频率相差预设定值。16、进一步的，所述神经网络系统采用历史参数进行训练，所述历史数据包括固有频率、流速参数、浓度参数、阀门控制信号参数和振动频率参数，将所述历史数据按时间顺序划分为训练集和测试集，使用所述训练集对神经网络模型进行训练，并通过反向传播算法更新所述神经网络模型的权重和偏置，以最小化损失函数；通过不同的超参数设置和正则化技术，优化所述神经网络系统的性能和泛化能力；使用训练好的神经网络系统对阀门控制信号参数进行预测，输出预测结果。17、进一步的，振动频率与固有频率相差预设定值为：18、当振动频率大于固有频率时，计算公式为：19、(a-b)/b≥50％；20、当振动频率参数小于固有频率时，计算公式为：21、(b-a)/b≥50％；22、a为振动频率参数；b为进水阀门处的固有频率。23、进一步的，还包括：24、供应距离获取单元，用于获取处理后污水的供应距离，获得污水供应距离参数；25、污水处理成本评估单元，用于获取污水处理的单位成本价和单位距离输送处理后的污水单位成本价，获得单位污水处理成本价参数和单位距离输送处理后污水成本价参数；26、污水排放量统计单元，用于获取同一单位排放污水量，获得污水排放量参数；27、污水排放补偿单元，用于计算排放污水的单位补偿价，获得排放单位污水补偿价参数；28、所述神经网络系统数据连接于供应距离获取单元、污水处理成本评估单元、污水排放量统计单元和污水排放补偿单元；使神经网络系统能对新输入污水供应距离参数、单位污水处理成本价参数、单位距离输送处理后污水成本价参数、污水排放量参数和排放单位污水补偿价参数进行处理计算，得到供水单价；29、当供水单价小于预设定单价时，向需水单位供应处理后的污水。30、进一步的，所述供水价格t的计算公式为：31、t＝(e×h+h×f×d-c*g)/h32、c、同一单位的污水排放量，单位为吨；d、污水供应距离，单位为km；e、单位污水处理成本价，单位为元/吨；f、单位距离输送处理后污水成本价，单位元/(吨*km)；g、排放单位污水补偿价参数，单位为元/吨；h、净化后污水的需求量，单位为吨。33、进一步的，当供水单价大于预设定单价，且向需水单位供应的其他水源供应充足时，不向需水单位供应处理后的污水；当供水单价大于预设定价格，且向需水单位供应的其他水源供应不充足时，向需水单位供应处理后的污水。34、进一步的，所述预设定单价为当前自来水供应单价。35、进一步的，其他水源为自来水或井水。36、与现有技术相比，本发明的有益效果是：37、1、利用神经网络系统对新输入的污水污染参数和不同净水需求量参数进行处理，输出符合不同用途污水需求量的污水处理控制参数，可按照不同的使用需要，对污水进行不同高低等级程度进行处理，降低了污水处理成本。38、2、由于不同污水的浓度不同，其流速也不一样，导致在开关进水阀门的过程中会出现严重的水锤冲击，而水锤的表现为振动。为此，利用神经网络系统不断反向深度学习修正后，能智能有效控制进水阀门开关速度，使阀门处的振动避开共振点，可有效避免由于水锤冲击对管道和进水阀门造成损害。39、3、由于污水处理过程中会产生污水处理成本，且处理后的污水在输送供应过程中会产生输送成本，这样如果生产企业或用水单位太远，供水单价会过高，如对这类的生产企业或用水单位进行输水，会造成企业经营成本增加，因此通过神经网络系统学习并预供水单价后，选择向生产企业或用水单位合理供水，节约水资源的同时，还能降低生产企业或用水单位的用水成本。