CN114692723B 一种反渗透膜污堵预警方法及系统 （中国石油大学(北京)）

本发明涉及一种反渗透膜污堵预警方法及和预处理后的特征变量输入至构建的反渗透膜污堵预警模型，得到待测反渗透装置的预警结2采用机器学习方法，基于待测反渗透装置的历史实测数据，构建反渗透将去噪和预处理后的特征变量输入至构建的反渗透膜污堵预警模所述采用机器学习方法，基于反渗透装置的历史实测数据，构建反渗透获取待测反渗透装置的历史实测数据进行特征工程和特征选择，采用机器学习方法，根据预处理后的特征变量构建反渗透膜污堵预根据预处理后的特征变量和确定的评价指标，对构建的反渗透膜污所述根据预处理后的特征变量和确定的评价指标，对构建的反渗透膜将预处理后的特征变量分为训练集、验证集和测试集，并设基于设置的超参数，通过训练集、验证集和测试集对构建的反渗若准确率和AUC均高于预先设定的阈值，则得到构建好的反渗透膜污堵预警模型；否电流和反渗透装置的进出口差压中的一种或多若重新设置超参数后的反渗透膜污堵预警模型的准确率和AUC仍均不高于预先设定的3数据获取模块，用于获取待测反渗透装置的实测数据，并预警模块，用于将去噪和预处理后的特征变量输入至构建的反渗透膜污堵预警模型，所述采用机器学习方法，基于反渗透装置的历史实测数据，构建反渗透获取待测反渗透装置的历史实测数据进行特征工程和特征选择，采用机器学习方法，根据预处理后的特征变量构建反渗透膜污堵预根据预处理后的特征变量和确定的评价指标，对构建的反渗透膜污所述根据预处理后的特征变量和确定的评价指标，对构建的反渗透膜将预处理后的特征变量分为训练集、验证集和测试集，并设基于设置的超参数，通过训练集、验证集和测试集对构建的反渗若准确率和AUC均高于预先设定的阈值，则得到构建好的反渗透膜污堵预警模型；否理设备执行时用于实现权利要求1-5中任一项所述的反渗透膜污堵预警方法对应8.一种计算机可读存储介质，其特征在于，所45[0002]目前，在高标准工业纯水(例如锅炉化学水)的生产工艺6[0024]若重新设置超参数后的反渗透膜污堵预警模型的准确率和AUC仍均不高于预先设被处理设备执行时用于实现上述反渗透膜污堵预警方法7[0034]2、本发明中构建的反渗透膜污堵预警模型能够在运行人员调整反渗透装置的运[0038]图2是本发明一实施例提供的采用指数滑动平均方法去噪前后一段压差数据的曲[0039]图3是本发明一实施例提供的采用小波变换方法去噪前后一段压差数据的曲线对[0040]图4是本发明一实施例提供的采用高压泵运行频率的方法去噪前后一段压差数据[0042]图6是本发明一实施例提供的采用本发明方法构建的模型在测试集上的ROC曲线[0043]图7是本发明一实施例提供的采用本发明方法构建的模型在测试集上的预测结果8[0050]1.1)提取数据平台中存储的待测反渗透装置的历史实测数据进行特征工程和特[0052]具体地，本发明的目的是反渗透膜污堵的预警判断，标签为预警/正常的离散变9性曲线)在样本中正负样本分布变化时能保持不变。机器学习任务中分类器输出的结果一[0072]1.4.3)若准确率和AUC均高于预先设定的阈值例如90则表明构建的反渗透膜[0074]在现场离散控制系统(DistributedControlSystem，DCS)或数据平台部署构建的反渗透膜污堵预警模型，并采用现场离散控制系统的历史实测数据进行特征变量选取、去噪和预处理后测试构建的反渗透膜污堵预警模型的测试效果，若测试结果不达到预期，[0080]下面以某火力发电厂化学水处理的反渗透装置为具体实施例详细说明本发明的[0081]1)基于该化学水处理的反渗透装置的历史实测数据，构建反渗透膜污堵预警模[0087]A)在取得一段压差数据后取得相同点位相同时间段与压差数据一一对应的高压[0091]从原始实测数据中选取2020年12月14日以后一段时间的一段压差数据，从图4中~2021年供暖季的数据共包括A、B、C和E四套装置，前三套装置的历能达到工业部署的要求。图7中展示反渗透膜污堵预警模型在预测2019～2020年供暖季的0.950.96[0109]本实施例提供一种与本实施例1所提供的反渗透膜污堵预警方法对应的处理设处理设备运行计算机程序时执行本实施例1所提供的反渗透膜污[0111]在一些实现中，存储器可以是高速随机存取存储器(RAM：RandomAccess[0114]本实施例提供一种与本实施例1所提供的反渗透膜污堵预警方法对应的计算机程[0115]计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设