图1示出了《用于化学重金属废水处理过程的多参数优化方法及装置》实施例一提供的用于电化学重金属废水处理过程的多参数优化方法的流程图，参见图1，所述方法包括如下步骤：
步骤101：采用BP神经网络模型建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型；
公式一
其中，fBP为电化学处理过程模型；Cout为出口废水中重金属离子浓度；Dk为电解槽的电解电流密度；pH为待处理废水的pH值大小；K为待处理废水的电导率；C0为废水入口重金属离子浓度；
在该步骤中，建立的电化学处理过程模型为多输入多输出的BP神经网络模型，建立的具体步骤为：
步骤a：采集电流密度值、pH值、电导率值、入口重金属离子浓度和出口重金属离子浓度数据，并将电流密度值、pH值、电导率值、入口重金属离子浓度作为输入层神经元，将出口重金属离子浓度作为输出层神经元；
步骤b：对采集的数据采用3σ准则和零均值标准化方法进行数据预处理，以剔除异常数据和消除由于不同特征因子量纲不同和数量级不同所带来的差异化影响；
步骤c：利用处理后的样本数据对BP神经网络模型进行训练，得到所述电化学处理过程模型。
步骤102：建立公式二所示的废水处理过程的电能消耗模型，并采集工业现场数据对模型参数进行辨识；
公式二
其中，Jw为电能消耗量；N为电解槽数；B为阴极板数；S为每块阴极板的截面积；Vi（i＝1，2...n）为不同重金属离子产生的槽电压，为关于电流密度Dk、重金属离子浓度C和电解温度T的非线性函数；t为电解时间；
在该步骤中，槽电压V与电流密度Dk、重金属离子浓度C和电解温度T之间的关系如公式四所示：
公式四
其中，是重金属离子析出的平衡电位常数；R是热力学常数；F是法拉第常数；r是电解液中重金属离子的活度系数；M是重金属的相对原子量；L为阴阳极间距；β1～β5为待辨识参数。
步骤103：建立公式三所示的废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小；
公式三
其中，Cmax为出口废水中重金属离子浓度应达到的指标值；Dk.max为电解极板能承受的电流密度上限；
步骤104：获取电解槽池待处理废水的入口重金属离子浓度的检测数据，采用状态转移算法对S3中的电耗优化模型求解，获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值。
在该步骤中，利用电耗优化模型求解获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值，从而为pH值、电导率值和电流的调节提供依据，以稳定出口废水重金属离子浓度，节约电能资源。
从上面描述可知，针对2016年6月之前技术中存在的出口废水所含重金属离子浓度波动较大，整流器运行功率浪费，电能消耗较大的问题，该实施例提供的用于电化学重金属废水处理过程的多参数优化方法，采用BP神经网络模型来建立基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型；然后分析电能消耗与重金属离子浓度和电流密度的关系，建立电能消耗优化模型；最后利用电能消耗优化模型获取使得在出口重金属离子浓度满足预设阈值（达标值）的情况下电能消耗最小的电流密度值、pH值和电导率值，从而为pH值、电导率值和电流的调节提供依据。该方法稳定了出口废水重金属离子浓度，节约了电能资源。
该实施例实时获取被处理废水中重金属离子浓度，根据建立的电化学处理过程模型和电能消耗模型，采用状态转移算法优化求解，得到在满足出口重金属离子浓度达标的前提下使得电耗最小的电流密度值、pH值和电导率值，为这三种参数的调节提供依据。解决了因人工经验调节导致的出口废水所含重金属离子浓度波动较大，电能消耗浪费的问题。该方法节约了电能资源，稳定了出口废水重金属离子浓度。和电化学重金属废水处理系统的2016年6月之前技术相比，该实施例的电化学处理过程模型和电能消耗模型更加科学准确，既节约了电能和延长极板运行时间，也减少了工人的劳动强度，提高了电化学反应的安全系数，更加节能环保、安全可靠。
下面以一个具体的实例对上述实施例提供的方法进行解释说明。
例如对于一种待处理的含重金属锑的废水，其中锑含量80毫克/升，废水pH＝5.5，K＝10600微秒/厘米，采取连续进水方式处理，处理量控制在50立方米/小时。采用上述实施例提供的用于电化学重金属废水处理过程的多参数优化方法确定其在出口锑离子浓度达标（0.5毫克/升）的情况下电能消耗最小的pH值和电导率值。第一步，建立基于电解槽废水出口锑离子浓度和废水电导率、pH值以及电解电流密度之间关系的BP神经网络电化学处理过程模型，并采集数据对模型训练；第二步，建立废水处理过程电能消耗模型并采集数据通过状态转移算法对模型进行参数辨识；第三步，建立废水处理过程电耗优化模型，使得在出口锑离子浓度达标的情况下电能消耗最小；第四步，根据锑离子浓度和入口流量，采用状态转移算法对电耗优化模型求解，得到使得在出口锑离子浓度达标的情况下电能消耗最小的电流密度值、pH值和电导率值。
采用电化学重金属废水处理过程的多参数优化方法调节参数，通过状态转移算法计算得到的pH值为8.5，电导率值为11820微秒/厘米，输出电流为1924安。采用人工调节的方法和电化学重金属废水处理过程的多参数优化方法的电耗对比如表1所示，使用电化学重金属废水处理过程的多参数优化方法调节参数后，电耗日均降低了162.377千瓦时。
其结果表明，该实施例所提出的方法充分考虑了pH值、电导率值和电流值的确定对电能消耗的降低和出口重金属离子浓度的稳定达标的重要性，既节约了电能和延长极板运行时间，也减少了工人的劳动强度，提高了电化学反应的安全系数，更加节能环保、安全可靠。
表1
|
人工调节方法 |
多参数优化方法 |
| 耗电量（千瓦时/天） |
1390.09 |
1227.713 |
《用于化学重金属废水处理过程的多参数优化方法及装置》实施例二提供了一种用于电化学重金属废水处理过程的多参数优化装置，参见图2，该装置包括：第一模型建立单元21、第二模型建立单元22、优化模型建立单元23和优化模型求解单元24；
第一模型建立单元21，用于建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型；
公式一
其中，fBP为电化学处理过程模型；Cout为出口废水中重金属离子浓度；Dk为电解槽的电解电流密度；pH为待处理废水的pH值大小；K为待处理废水的电导率；C0为废水入口重金属离子浓度；
第二模型建立单元22，用于建立公式二所示的废水处理过程电能消耗模型，并采集工业现场数据对模型参数进行辨识；
公式二
其中，Jw为电能消耗量；N为电解槽数；B为阴极板数；S为每块阴极板的截面积；Vi（i＝1，2...n）为不同重金属离子产生的槽电压，为关于电流密度Dk、重金属离子浓度C和电解温度T的非线性函数；t为电解时间；
进一步地，所述槽电压V与电流密度Dk、重金属离子浓度C和电解温度T之间的关系如公式四所示：
公式四
其中，是重金属离子析出的平衡电位常数；R是热力学常数；F是法拉第常数；r是电解液中重金属离子的活度系数；M是重金属的相对原子量；L为阴阳极间距；β1～β5为待辨识参数。
优化模型建立单元23，用于建立公式三所示的废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小；
公式三
其中，Cmax为出口废水中重金属离子浓度应达到的指标值；Dk.max为电解极板能承受的电流密度上限；
优化模型求解单元24，用于获取电解槽池待处理废水的入口重金属离子浓度的检测数据，采用状态转移算法对所述电耗优化模型求解，获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值。
进一步地，所述第一模型建立单元21，具体用于：
采集电流密度值、pH值、电导率值、入口重金属离子浓度和出口重金属离子浓度数据，并将电流密度值、pH值、电导率值、入口重金属离子浓度作为输入层神经元，将出口重金属离子浓度作为输出层神经元；
对采集的数据采用3σ准则和零均值标准化方法进行数据预处理，以剔除异常数据和消除由于不同特征因子量纲不同和数量级不同所带来的差异化影响；
利用处理后的样本数据对BP神经网络模型进行训练，得到所述电化学处理过程模型。
该实施例提供的用于电化学重金属废水处理过程的多参数优化装置，可以用于执行上述实施例所述的用于电化学重金属废水处理过程的多参数优化方法，其原理和技术效果类似，此处不再赘述。
在《用于化学重金属废水处理过程的多参数优化方法及装置》的描述中，需要说明的是，在该文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
重金属废水处理方法
用于处理重金属废水的电化学装置发明内容