CN107390615A - 污水处理监控方法、装置、计算机可读存储介质及计算机设备 - Google Patents
污水处理监控方法、装置、计算机可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN107390615A CN107390615A CN201710781004.1A CN201710781004A CN107390615A CN 107390615 A CN107390615 A CN 107390615A CN 201710781004 A CN201710781004 A CN 201710781004A CN 107390615 A CN107390615 A CN 107390615A
- Authority
- CN
- China
- Prior art keywords
- sewage disposal
- parameter
- disposal device
- operation conditions
- water delivery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明涉及一种污水处理监控方法、装置、计算机可读存储介质及计算机设备。包括获取各污水处理设备支撑因素参数,其中,支撑因素参数包括的能耗参数、出水量参数、浊度参数以及进水量参数;根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况;根据浊度参数得到各污水处理设备的分离装置状况;根据进水量参数和出水量参数,得到各污水处理设备的流量状况;根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况,该污水处理监控方法无需人工对污水处理设备末端的水样进行检验,即可得到各污水处理设备的运行状况,实现对各污水处理设备的在线实时监控,进而提升工作人员的工作效率。
Description
技术领域
本发明涉及污水处理技术领域,特别是涉及一种污水处理监控方法、装置、计算机可读存储介质及计算机设备。
背景技术
随着社会的发展与进步,民众的环保意识逐渐加强,对水污染问题的关切程度达到了空前,而污水处理是水污染问题的一个有效解决途径。
污水处理设备,是一种能有效处理城区的生活污水、工业废水等的工业设备,避免污水及污染物直接流入水域,对改善生态环境、提升城市品位和促进经济发展具有重要意义。
传统的对污水处理设备的监控一般是通过人工提取污水处理设备末端的水样进行检验,以确定污水处理设备的运行状况,这样对污水处理设备进行监控需要耗费大量的人力资源,工作效率不高。
发明内容
基于此,有必要针对上述问题,提供一种可以提升工作效率的污水处理监控方法、装置、计算机可读存储介质及计算机设备。
一种污水处理监控方法,包括步骤:
获取各污水处理设备的支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;
根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况;
根据浊度参数得到各污水处理设备的分离装置状况;
根据进水量参数和出水量参数,得到各污水处理设备的流量状况;
根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行该程序时实现上述方法的步骤。
上述污水处理监控方法、计算机可读存储介质及计算机设备,包括获取各污水处理设备支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况;根据浊度参数得到各污水处理设备的分离装置状况;根据进水量参数和出水量参数,得到各污水处理设备的流量状况;根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况,该污水处理监控方法无需人工对污水处理设备末端的水样进行检验,即可得到各污水处理设备的运行状况,实现对各污水处理设备的在线实时监控,进而提升工作人员的工作效率。
一种污水处理监控装置,包括:
支撑因素获取模块,用于获取各污水处理设备的支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;
输水装置分析模块,用于根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况;
分离装置分析模块,用于根据浊度参数得到各污水处理设备的分离装置状况;
流量状况分析模块,用于根据进水量参数和出水量参数,得到各污水处理设备的流量状况;
设备运行监控模块,用于根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况。
上述污水处理监控装置,包括支撑因素获取模块、输水装置分析模块、分离装置分析模块、流量状况分析模块以及设备运行监控模块,支撑因素获取模块用于获取各污水处理设备的支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;输水装置分析模块用于根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况;分离装置分析模块用于根据浊度参数得到各污水处理设备的分离装置状况;流量状况分析模块用于根据进水量参数和出水量参数,得到各污水处理设备的流量状况;设备运行监控模块用于根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况,该污水处理监控装置无需人工对污水处理设备末端的水样进行检验,即可得到各污水处理设备的运行状况,实现对各污水处理设备的在线实时监控,进而提升工作人员的工作效率。
附图说明
图1为一个实施例中污水处理监控方法的流程示意图;
图2为一个实施例中污水处理监控装置的结构示意图;
图3为一个具体应用实施例中基于污水处理监控方法和装置的***架构示意图。
具体实施方式
如图1所示,一种污水处理监控方法,包括步骤:
S100,获取各污水处理设备的支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数。
支撑因素参数是指影响污水处理设备进行污水处理效果的关键部件的参数,污水处理设备的关键部件包括输水装置、分离装置、曝气装置等,其中,输水装置具体可以是污水提升泵、加药泵、污泥泵。
污水提升泵的主要作用是将污水从一个水池抽送到另一个水池,或从一个污水处理环节输送到另一个处理环节,实现污水的传输作用;加药泵的主要作用是添加污水处理药剂到污水池,使污水处理药剂与污水中的某些污染物发生中和反应,去除污染物,净化水体,污水处理药剂在加药箱内配制好,经搅拌器搅拌均匀后,投入溶液箱,加药泵从溶液箱中吸入药液,然后与工作介质的水混合,输送到污染水体中,实现加药的目的;污泥泵的主要作用是把污水处理后产生的污泥,从水池底部抽取出来,把产生的污泥抽送给压滤机,压滤机把污泥中的水分去除,实现污泥处理。
S200,根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况。
能耗参数具体指的是消耗多少度电,可以通过电表传感器测量得到,出水量参数具体指的是消耗相应多少度电时多少立方水,可以通过出口流量传感器得到,能耗参数除以出水量参数得到能耗比,当能耗比的数值在预设比值范围内时,得到污水处理设备的输水装置运行正常,无堵塞问题;当能耗比的数值不在预设比值范围内时,得到污水处理设备的输水装置运行异常,可能存在堵塞问题。输水装置运行状况为正常状况时,可以确保污水处理设备在输水装置这一环节的处理效果,为整个污水处理流程提供基础。
具体地,对多个污水处理设备进行监控时,分别得到多个污水处理设备中输水装置的能耗比,将多个能耗比的数值分别与预设比值进行比较,以得出各输水装置的运行状况。比如,能耗参数与出水量参数的比值在0.4千瓦时/立方米到2千瓦时/立方米,输水装置运行正常;能耗参数与出水量参数的比值不在这个数值范围,则输水装置运行异常,可能出现了输水装置堵塞的问题。
S300,根据浊度参数得到各污水处理设备的分离装置状况。
浊度参数可以通过浊度传感器测量得到,浊度传感器可以测量水的污浊程度。浊度传感器内部是一个IR958与PT958封装的红外线对管,当光线穿过一定量的水时,光线的透过量取决于该水的污浊程度,水越污浊,透过的光就越少。光接收端把透过的光强度转换为对应的电流大小,透过的光多,电流大;反之透过的光少,电流小,通过测量接收端电流的大小,就可以计算出水的污浊程度。将浊度电信号值转换成为NTU(NephelometricTurbidity Unit,散射浊度单位)标准值,当NTU值超过预设值时,则分离装置运行异常;当NTU值不超过预设值时,表明分离装置运行正常。分离装置运行状况为正常状况时,可以确保污水处理设备在分离装置这一环节的处理效果,为整个污水处理流程提供基础。
具体地,通过浊度传感器获取出水口浊度以检测各污水处理设备的分离装置状况,出水口浊度具体为每升水固体悬浮物含量,当每升水固体悬浮物含量小于100时,则对应的分离装置运行正常;当每升水固体悬浮物含量大于100时,则对应的分离装置运行异常,可能是膜丝断裂或污泥塞网问题。
S400,根据进水量参数和出水量参数,得到各污水处理设备的流量状况。
进水量参数指的是进水口流量,出水量参数指的是出水口流量,进水量参数和出水量参数可以通过设置于进水口和出水口的流量传感器得到。流量传感器可以是水流量传感器或者***式流量传感器,水流量传感器包括铜阀体、水流转子组件、稳流组件和霍尔元件,它装在进水端用于测量进水流量,装在出水端用于测量出水流量,当水流过转子组件时,磁性转子转动,并且转速随着流量成线性变化,霍尔元件输出相应的脉冲信号;***式流量传感器是基于法拉第电磁感应定律,在电磁流量传感器中,测量管内的导电介质相当于法拉第试验中的导电金属杆,上下两端的两个电磁线圈产生恒定磁场,当有导电介质流过时,则会产生感应电压。
当进水量参数与出水量参数的比值在预设范围内时,则流量状况正常;当进水量参数与出水量参数的比值不在预设范围内时,那么流量状况异常,可能存在偷排、稀释或者管道泄漏的问题。流量状况为正常状况时,可以确保污水处理设备在流量监控这一环节的处理效果,为整个污水处理流程提供基础。具体地,进水量参数与出水量参数的比值的预设范围为1±(5%~10%),当进水量参数与出水量参数的比值大于1.2时,表示出水量过小,可能存在设备破损导致污水流失的问题;当进水量参数与出水量参数的比值小于0.8时,可能存在有暗管加水稀释的问题。
S500,根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况。
综合从输水装置运行状况、分离装置状况以及流量状况等方面得到各污水处理设备的运行状况,比如当某污水处理设备的输水装置运行状况、分离装置状况以及流量状况均为正常状况,则该污水处理设备的运行状况为正常运行状况;当某污水处理设备的输水装置运行状况、分离装置状况以及流量状况中存在异常状况时,则该污水处理设备的运行状况为异常运行状况,并具体得出该污水处理设备的输水装置运行状况、分离装置状况以及流量状况三个环节的状况,找出哪个环节存在问题,再具体得到该环节中可能存在的问题。
上述污水处理监控方法,包括获取各污水处理设备支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况;根据浊度参数得到各污水处理设备的分离装置状况;根据进水量参数和出水量参数,得到各污水处理设备的流量状况;根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况,该污水处理监控方法无需人工对污水处理设备末端的水样进行检验,即可得到各污水处理设备的运行状况,实现对各污水处理设备的在线实时监控,进而提升工作人员的工作效率。
在一个实施例中,污水处理监控方法中获取各污水处理设备的支撑因素参数的步骤之前还包括:
周期性获取各污水处理设备各支撑因素参数,作为单元数据;
将预设个数的单元数据作为单组训练数据;
基于预设神经网络模型对各单组训练数据进行训练,输出训练后的各支撑因素参数。
神经网络是由大量的、简单的处理单元,即由神经元广泛地互相连接而形成的复杂网络***,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习***。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络模型是以神经元的数学模型为基础来描述的,神经网络模型由网络拓扑、节点特点和学习规则来表示。学习是神经网络最重要的特点,神经网络模型和学习算法是相应的,有的神经网络模型可以有多种算法,而有的算法可能可用于多种神经网络模型。在神经网络中,对外部环境提供的模式样本进行学习训练,并能存储这种模式,则称为感知器;对外部环境有适应能力,能自动提取外部环境变化特征,则称为认知器。神经网络在学习中,一般分为有教师和无教师学习两种,感知器采用有教师信号进行学习,而认知器则采用无教师信号学习的。神经网络包括Bp网络、Hopfield网络、ART络和Kohonen网络中,Bp网络和Hopfield网络是需要教师信号才能进行学习的;而ART网络和Khonone网络则无需教师信号就可以学习,教师信号是指在神经网络学习中由外部提供的模式样本信号。
具体地,建立具有感知器结构的多层网络神经网络模型,具有多个输入节点N和一个输出节点,隐层数为N+2—2N+1,其中N为大于或等于2的正整数。输入节点为各支撑因素参数,比如能耗参数、出水量参数、浊度参数以及进水量参数,将每5分钟采集的各支撑因素参数数据作为一个单元,6个单元作为一组,即以1小时的各支撑因素参数数据为一组输入到神经网络模型中进行训练,若数据不正常则训练结果为0,正常则训练结果为1,连续训练一个月以上,查看训练结果。当再次输入新采集的各支撑因素参数数据到该神经网络模型时,可以判断出数据是否正常,将判定为正常的各数据作为训练后的数据输出,这样可以提高获取到的各支撑因素参数的有效性和准确性,进而确保污水处理监控的及时性和准确性。
在一个实施例中,污水处理监控方法中的支撑因素参数还包括输水装置运行时间参数,获取各污水处理设备的支撑因素参数的步骤之后还包括:
根据输水装置运行时间参数得到各污水处理设备的产水状况;
根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况的步骤包括:
根据输水装置运行状况、分离装置状况、流量状况以及产水状况,得到各污水处理设备的运行状况。
输水装置运行时间越长,产水量越大,根据输水装置运行时间参数可以得到各污水处理设备的产水状况。当输水装置运行时间不等于预设时长时,污水处理设备的产水状况为异常状态,反之,则为正常状态。产水状况为正常状况时,可以确保污水处理设备在产水监控这一环节的处理效果,为整个污水处理流程提供基础。综合从输水装置运行状况、分离装置状况、流量状况以及产水状况等方面得到各污水处理设备的运行状况,比如当某污水处理设备的输水装置运行状况、分离装置状况、流量状况以及产水状况均为正常状况,则该污水处理设备的运行状况为正常运行状况;当某污水处理设备的输水装置运行状况、分离装置状况、流量状况以及产水状况中存在异常状况时,则该污水处理设备的运行状况为异常运行状况,并具体得出该污水处理设备的输水装置运行状况、分离装置状况、流量状况、产水状况四个环节的状况,找出哪个环节存在问题,再具体得到该环节中可能存在的问题。
在一个实施例中,污水处理监控方法中支撑因素参数还包括曝气时间参数;
获取各污水处理设备的支撑因素参数的步骤之后还包括:
根据曝气时间参数得到各污水处理设备的曝气装置工作状况;
根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况的步骤包括:
根据输水装置运行状况、分离装置状况、流量状况以及曝气装置工作状况,得到各污水处理设备的运行状况。
在污水处理设备中,曝气装置通过曝气向曝气池供氧,同时曝气装置还有混合搅拌的功能,以增强污染物在水处理***中的传质条件,提高处理效果;曝气装置产生并维持有效的气与水的接触,并且在生物氧化作用不断消耗氧气的情况下,保持水中一定的溶解氧浓度;曝气装置还可维持液体足够的速度,以使水中的生物固体处于悬浮状态。根据曝气时间参数可以判断曝气装置的工作状况,当曝气时间参数小于预设时长时,曝气装置的工作状况为异常状态,反之,则为正常状态。曝气装置的工作状况为正常状况时,可以确保污水处理设备在曝气装置这一环节的处理效果,为整个污水处理流程提供基础。
综合从输水装置运行状况、分离装置状况、流量状况以及曝气装置工作状况等方面得到各污水处理设备的运行状况,比如当某污水处理设备的输水装置运行状况、分离装置状况、流量状况以及曝气装置工作状况均为正常状况,则该污水处理设备的运行状况为正常运行状况;当某污水处理设备的输水装置运行状况、分离装置状况、流量状况以及曝气装置工作状况中存在异常状况时,则该污水处理设备的运行状况为异常运行状况,并具体得出该污水处理设备的输水装置运行状况、分离装置状况、流量状况、曝气装置工作状况四个环节的状况,找出哪个环节存在问题,再具体得到该环节中可能存在的问题。
在一个实施例中,污水处理监控方法中支撑因素参数还包括电压参数;
获取各污水处理设备的支撑因素参数的步骤之后还包括:
根据电压参数得到各污水处理设备的输入电压状况;
根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况的步骤包括:
根据输水装置运行状况、分离装置状况、流量状况以及输入电压状况,得到各污水处理设备的运行状况。
通过检测各电表回路的电压可以得到电压参数,将该电压参数与预设电压值进行比较,可以得到各污水处理设备的电压状况。当电压参数在预设电压范围内,则该污水处理设备的电压状况为正常状况;反之,则为异常状况,可能存在污水处理设备未开机或者电压异常的问题。具体地,电压参数为三相电压参数,且必须三相电压参数同时在预设电压范围内,则该污水处理设备的电压状况为正常状况,否则判定为缺相故障。
根据输水装置运行状况、分离装置状况、流量状况以及输入电压状况,得到各污水处理设备的运行状况。其中,首先判断输入电压状况,当输入电压状况为正常状况时,才进行输水装置运行状况、分离装置状况以及流量状况的判断,再输出各污水处理设备的运行状况;当输入电压状况为异常状况时,无需进行输水装置运行状况、分离装置状况以及流量状况的判断,直接输出该污水处理设备的运行状况为异常状况。
在一个实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述各实施例中的任意一种污水处理监控方法。其中,存储介质可以为光盘、只读存储记忆体或随机存储记忆体等。
该计算机存储介质,其存储的计算机程序,通过实现包括如上述各污水处理监控方法的实施例的流程,从而可以得到各污水处理设备的运行状况,实现对各污水处理设备的在线实时监控,进而提升工作人员的工作效率。
在一个实施例中,还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行该程序时实现如上述各实施例中的任意一种污水处理监控方法。该计算机设备,其处理器执行程序时,通过实现如上述各实施例中的任意一种污水处理监控方法,从而可以得到各污水处理设备的运行状况,实现对各污水处理设备的在线实时监控,进而提升工作人员的工作效率。
在一个实施例中,如图2所示,一种污水处理监控装置,包括:
支撑因素获取模块100,用于获取各污水处理设备的支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;
输水装置分析模块200,用于根据能耗参数和所述出水量参数,得到各污水处理设备的输水装置运行状况;
分离装置分析模块300,用于根据浊度参数得到各污水处理设备的分离装置状况;
流量状况分析模块400,用于根据进水量参数和出水量参数,得到各污水处理设备的流量状况;
设备运行监控模块500,用于根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况。
上述污水处理监控装置,包括支撑因素获取模块100、输水装置分析模块200、分离装置分析模块300、流量状况分析模块400以及设备运行监控模块500,支撑因素获取模块100用于获取各污水处理设备的支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;输水装置分析模块200用于根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况;分离装置分析模块300用于根据浊度参数得到各污水处理设备的分离装置状况;流量状况分析模块400用于根据进水量参数和出水量参数,得到各污水处理设备的流量状况;设备运行监控模块500用于根据输水装置运行状况、分离装置状况以及流量状况,得到各污水处理设备的运行状况,该污水处理监控装置无需人工对污水处理设备末端的水样进行检验,即可得到各污水处理设备的运行状况,实现对各污水处理设备的在线实时监控,进而提升工作人员的工作效率。
在一个实施例中,污水处理监控装置中支撑因素获取模块之前还包括:
单元数据获取模块,用于周期性获取各污水处理设备各支撑因素参数,作为单元数据;
单组数据获取模块,用于将预设个数的单元数据作为单组训练数据;
训练输出模块,用于基于预设神经网络模型对各单组训练数据进行训练,输出训练后的各支撑因素参数。
在一个实施例中,污水处理监控装置中,支撑因素获取模块中的支撑因素参数还包括输水装置运行时间参数;
支撑因素获取模块之后还包括:
产水状况获取模块,用于根据输水装置运行时间参数得到各污水处理设备的产水状况;
设备运行监控模块用于根据输水装置运行状况、分离装置状况、流量状况以及产水状况,得到各污水处理设备的运行状况。
在一个实施例中,一种污水处理监控方法,包括如下步骤:
获取各污水处理设备的支撑因素参数,其中,支撑因素参数包括能耗参数、出水量参数、浊度参数、进水量参数、输水装置运行时间参数、曝气时间参数以及电压参数;
根据电压参数得到各污水处理设备的输入电压状况,当输入电压状况为正常状况时,进入下一步骤;当输入电压状况为异常状况时,输出该污水处理设备的运行状况为异常状况并发送预警提示;
根据能耗参数和出水量参数,得到各污水处理设备的输水装置运行状况;
根据浊度参数得到各污水处理设备的分离装置状况;
根据进水量参数和出水量参数,得到各污水处理设备的流量状况;
根据输水装置运行时间参数得到各污水处理设备的产水状况;
根据曝气时间参数得到各污水处理设备的曝气装置工作状况;
根据输入电压状况、输水装置运行状况、分离装置状况、流量状况、产水状况以及曝气装置工作状况,得到各污水处理设备的运行状况,各污水处理设备的运行状况包括正常运行状况和异常运行状况,生成异常运行状况的污水处理设备的相关预警信息并发送。
该污水处理监控方法不仅可以获得各污水处理设备关键部位的工作状况,以获得各污水处理设备的运行状况,实现对各污水处理设备的在线实时监控,进而提升工作人员的工作效率,而且还可以提供精准的预警提示,以更好地辅助工作人员对各污水处理设备的巡检。
在一个具体应用实施例中,如图3所示为基于污水处理监控方法和装置的***架构,包括依次连接的污水处理设备、传感器、采集器、云平台以及平台显示五个模块,其中传感器模块包括水温传感器、温湿度传感器、电表传感器、电磁流量传感器、进出口流量传感器以及浊度传感器。数采仪通过模拟量传输协议获取水温传感器和浊度传感器的数据,通过I2C(Inter-Integrated Circuit,串行总线)协议获取温湿度传感器和电磁流量传感器的数据,通过485通信协议获取电表传感器的数据,通过脉冲协议获取进出口流量传感器的数据,数采仪将采集的各数据汇总打包后通过GPRS(General Packet Radio Service,通用分组无线服务技术)通信传输给云平台的云端服务器。云端服务器接收到数据后的分析包括:检测在5分钟内是否有数据上传,没有数据上传则判定为污水处理设备未开机或者数采仪通信中断,可以使用云端服务器的心跳机制监测数采仪是否断线;检查电表传感器发来的电压是否大于0,是否在预设范围内,否则判定污水处理设备未开机或者电压异常,且三相电压须同时在预设范围内,否则可能存在缺相故障;判断吨水能耗比,通过总能耗和出水量的比值,判断是否出现泵机堵塞等问题;针对MBR(Membrane Bio-Reactor,膜生物反应器)生物膜类型污水处理设备,判断出水口浊度,将浊度电信号值转换成为NTU标准值,当该值超出预设范围时,则可能存在膜丝断裂的问题;基于污水处理设备的工艺类型,根据各部件开合运转时间判断设备是否按照预设工艺流程顺序依次运行,具体地,可以分为(1)通过监控泵机运行时间以及产水量,判断泵机运行时间是否与产水量成正比;(2)通过监控曝气机曝气时间,若曝气时间不足好氧池就工作,则输出异常预警提示;(3)通过监控各工艺之间闸机开合时间,判断污水在各工作段停留时间是否充足,提前排水或者停留时间过长会造成污水处理效果下降或者浪费能源;(4)通过监控末端消毒机器运转时间,判断是否进行了污水消毒杀灭细菌等处理。此外,在进水口和出水口同时安装流量计,通过比对进水口流量和出水口流量判断是否有偷排、稀释或者管道泄漏问题。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种污水处理监控方法,其特征在于,包括步骤:
获取各污水处理设备的支撑因素参数,其中,所述支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;
根据所述能耗参数和所述出水量参数,得到各所述污水处理设备的输水装置运行状况;
根据所述浊度参数得到各所述污水处理设备的分离装置状况;
根据所述进水量参数和所述出水量参数,得到各所述污水处理设备的流量状况;
根据所述输水装置运行状况、所述分离装置状况以及所述流量状况,得到各所述污水处理设备的运行状况。
2.根据权利要求1所述的污水处理监控方法,其特征在于,所述获取各污水处理设备的支撑因素参数的步骤之前还包括:
周期性获取各污水处理设备各支撑因素参数,作为单元数据;
将预设个数的所述单元数据作为单组训练数据;
基于预设神经网络模型对各所述单组训练数据进行训练,输出训练后的各支撑因素参数。
3.根据权利要求1所述的污水处理监控方法,其特征在于,所述支撑因素参数还包括输水装置运行时间参数;
所述获取各污水处理设备的支撑因素参数的步骤之后还包括:
根据所述输水装置运行时间参数得到各所述污水处理设备的产水状况;
所述根据所述输水装置运行状况、所述分离装置状况以及所述流量状况,得到各所述污水处理设备的运行状况的步骤包括:
根据所述输水装置运行状况、所述分离装置状况、所述流量状况以及所述产水状况,得到各所述污水处理设备的运行状况。
4.根据权利要求1所述的污水处理监控方法,其特征在于,所述支撑因素参数还包括曝气时间参数;
所述获取各污水处理设备的支撑因素参数的步骤之后还包括:
根据所述曝气时间参数得到各所述污水处理设备的曝气装置工作状况;
所述根据所述输水装置运行状况、所述分离装置状况以及所述流量状况,得到各所述污水处理设备的运行状况的步骤包括:
根据所述输水装置运行状况、所述分离装置状况、所述流量状况以及所述曝气装置工作状况,得到各所述污水处理设备的运行状况。
5.根据权利要求1所述的污水处理监控方法,其特征在于,所述支撑因素参数还包括电压参数;
所述获取各污水处理设备的支撑因素参数的步骤之后还包括:
根据所述电压参数得到各所述污水处理设备的输入电压状况;
所述根据所述输水装置运行状况、所述分离装置状况以及所述流量状况,得到各所述污水处理设备的运行状况的步骤包括:
根据所述输水装置运行状况、所述分离装置状况、所述流量状况以及所述输入电压状况,得到各所述污水处理设备的运行状况。
6.一种污水处理监控装置,其特征在于,包括:
支撑因素获取模块,用于获取各污水处理设备的支撑因素参数,其中,所述支撑因素参数包括能耗参数、出水量参数、浊度参数以及进水量参数;
输水装置分析模块,用于根据所述能耗参数和所述出水量参数,得到各所述污水处理设备的输水装置运行状况;
分离装置分析模块,用于根据所述浊度参数得到各所述污水处理设备的分离装置状况;
流量状况分析模块,用于根据所述进水量参数和所述出水量参数,得到各所述污水处理设备的流量状况;
设备运行监控模块,用于根据所述输水装置运行状况、所述分离装置状况以及所述流量状况,得到各所述污水处理设备的运行状况。
7.根据权利要求6所述的污水处理监控装置,其特征在于,所述支撑因素获取模块之前还包括:
单元数据获取模块,用于周期性获取各污水处理设备各支撑因素参数,作为单元数据;
单组数据获取模块,用于将预设个数的所述单元数据作为单组训练数据;
训练输出模块,用于基于预设神经网络模型对各所述单组训练数据进行训练,输出训练后的各支撑因素参数。
8.根据权利要求6所述的污水处理监控装置,其特征在于,所述支撑因素获取模块中的支撑因素参数还包括输水装置运行时间参数;
所述支撑因素获取模块之后还包括:
产水状况获取模块,用于根据所述输水装置运行时间参数得到各所述污水处理设备的产水状况;
所述设备运行监控模块用于根据所述输水装置运行状况、所述分离装置状况、所述流量状况以及所述产水状况,得到各所述污水处理设备的运行状况。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-5中任意一项所述方法的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-5中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710781004.1A CN107390615A (zh) | 2017-09-01 | 2017-09-01 | 污水处理监控方法、装置、计算机可读存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710781004.1A CN107390615A (zh) | 2017-09-01 | 2017-09-01 | 污水处理监控方法、装置、计算机可读存储介质及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107390615A true CN107390615A (zh) | 2017-11-24 |
Family
ID=60347669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710781004.1A Pending CN107390615A (zh) | 2017-09-01 | 2017-09-01 | 污水处理监控方法、装置、计算机可读存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107390615A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110888389A (zh) * | 2019-11-25 | 2020-03-17 | 成都碧水水务建设工程有限公司 | 一种基于物联网自动判断污水厂调节池提升泵堵塞的方法 |
CN110928187A (zh) * | 2019-12-03 | 2020-03-27 | 北京工业大学 | 一种基于模糊宽度自适应学习模型的污水处理过程故障监测方法 |
CN113484057A (zh) * | 2021-07-20 | 2021-10-08 | 杭州塞博环境科技有限公司 | 一种水处理设施能效的计算评估方法及其设备、*** |
CN113805476A (zh) * | 2021-09-01 | 2021-12-17 | 武汉市政工程设计研究院有限责任公司 | 高可靠性网络预警方法及*** |
CN115712286A (zh) * | 2022-11-29 | 2023-02-24 | 淮北师范大学 | 一种用于人工湿地的污水处理监管*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751042A (zh) * | 2008-12-01 | 2010-06-23 | 中国辐射防护研究院 | 污水处理流量控制方法及其装置 |
WO2010062724A3 (en) * | 2008-11-02 | 2010-09-10 | Nobska Technologies, Inc | Water treatment systems with communications network links and methods |
CN103760861A (zh) * | 2014-01-09 | 2014-04-30 | 浙江大学苏州工业技术研究院 | 农村生活污水处理设施运营监测管理*** |
CN104699056A (zh) * | 2015-02-13 | 2015-06-10 | 北京金控自动化技术有限公司 | 一种对污水处理工艺单元运行性能进行监控的方法 |
CN105573257A (zh) * | 2014-10-07 | 2016-05-11 | 西安扩力机电科技有限公司 | 一种污水处理的远程监控方法 |
CN106054847A (zh) * | 2016-07-29 | 2016-10-26 | 湖南永清水务有限公司 | 一种污水厂生产设备信息管理***及方法 |
CN106249676A (zh) * | 2016-08-05 | 2016-12-21 | 浙江美纳环保科技有限公司 | 一种基于互联网的水污染治理设施监控***及其方法 |
CN106647552A (zh) * | 2015-10-29 | 2017-05-10 | 富钧开发工程股份有限公司 | 污水处理监控*** |
CN107065799A (zh) * | 2017-04-19 | 2017-08-18 | 刘飞 | 用于在线监控污水处理***的远程监控方法及其*** |
-
2017
- 2017-09-01 CN CN201710781004.1A patent/CN107390615A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010062724A3 (en) * | 2008-11-02 | 2010-09-10 | Nobska Technologies, Inc | Water treatment systems with communications network links and methods |
CN101751042A (zh) * | 2008-12-01 | 2010-06-23 | 中国辐射防护研究院 | 污水处理流量控制方法及其装置 |
CN103760861A (zh) * | 2014-01-09 | 2014-04-30 | 浙江大学苏州工业技术研究院 | 农村生活污水处理设施运营监测管理*** |
CN105573257A (zh) * | 2014-10-07 | 2016-05-11 | 西安扩力机电科技有限公司 | 一种污水处理的远程监控方法 |
CN104699056A (zh) * | 2015-02-13 | 2015-06-10 | 北京金控自动化技术有限公司 | 一种对污水处理工艺单元运行性能进行监控的方法 |
CN106647552A (zh) * | 2015-10-29 | 2017-05-10 | 富钧开发工程股份有限公司 | 污水处理监控*** |
CN106054847A (zh) * | 2016-07-29 | 2016-10-26 | 湖南永清水务有限公司 | 一种污水厂生产设备信息管理***及方法 |
CN106249676A (zh) * | 2016-08-05 | 2016-12-21 | 浙江美纳环保科技有限公司 | 一种基于互联网的水污染治理设施监控***及其方法 |
CN107065799A (zh) * | 2017-04-19 | 2017-08-18 | 刘飞 | 用于在线监控污水处理***的远程监控方法及其*** |
Non-Patent Citations (1)
Title |
---|
王华忠: "《工业控制***及应用PLC与组态软件》", 31 March 2016, 机械工业出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110888389A (zh) * | 2019-11-25 | 2020-03-17 | 成都碧水水务建设工程有限公司 | 一种基于物联网自动判断污水厂调节池提升泵堵塞的方法 |
CN110928187A (zh) * | 2019-12-03 | 2020-03-27 | 北京工业大学 | 一种基于模糊宽度自适应学习模型的污水处理过程故障监测方法 |
CN110928187B (zh) * | 2019-12-03 | 2021-02-26 | 北京工业大学 | 一种基于模糊宽度自适应学习模型的污水处理过程故障监测方法 |
CN113484057A (zh) * | 2021-07-20 | 2021-10-08 | 杭州塞博环境科技有限公司 | 一种水处理设施能效的计算评估方法及其设备、*** |
CN113805476A (zh) * | 2021-09-01 | 2021-12-17 | 武汉市政工程设计研究院有限责任公司 | 高可靠性网络预警方法及*** |
CN113805476B (zh) * | 2021-09-01 | 2024-05-14 | 武汉市政工程设计研究院有限责任公司 | 高可靠性网络预警方法及*** |
CN115712286A (zh) * | 2022-11-29 | 2023-02-24 | 淮北师范大学 | 一种用于人工湿地的污水处理监管*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107390615A (zh) | 污水处理监控方法、装置、计算机可读存储介质及计算机设备 | |
CN107741738A (zh) | 一种污水处理过程监控智能预警云***及污水处理监测预警方法 | |
CN207650620U (zh) | 一种污水处理设备运行的在线监控*** | |
CN103534658B (zh) | 工序监视诊断装置 | |
CN111489271B (zh) | 污水管理云平台 | |
CN107402586A (zh) | 基于深度神经网络的溶解氧浓度控制方法及*** | |
CN204389475U (zh) | 一种多参数水质在线监测装置 | |
CN109879475A (zh) | 动态调节式污水工况处理方法 | |
CN202519112U (zh) | 冷却循环水***在线监测、加药及排污智能控制*** | |
CN112863134A (zh) | 一种农村污水处理设施运行异常的智能诊断***及方法 | |
JP2004177122A (ja) | 水質検出方法及び水質浄化装置の運転方法 | |
CN106647552A (zh) | 污水处理监控*** | |
KR102311657B1 (ko) | 하폐수 처리 스마트 관리 시스템 | |
WO2020244265A1 (zh) | 一种利用支持向量机预测农村生活污水处理设施运行有效性的方法 | |
CN114298242A (zh) | 一种智能家居用全屋循环净水*** | |
CN106290763A (zh) | 一种污水处理运行参数趋势分析方法及*** | |
CN112394695A (zh) | 一种流域水生态环境监测*** | |
Priya et al. | IoT based automation of real time in-pipe contamination detection system in drinking water | |
KR100446250B1 (ko) | 하.폐수처리설비의 제어 장치 | |
CN107665288A (zh) | 一种化学需氧量的水质软测量预测方法 | |
CN206420492U (zh) | 一种游泳馆水质量检测*** | |
CN107686160A (zh) | 一种基于sbr反应器的污水处理方法及*** | |
CN106441454A (zh) | 一种游泳馆水质量检测*** | |
CN108763595B (zh) | 污水处理数据回溯方法和*** | |
CN208313963U (zh) | 一种污水监测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171124 |
|
RJ01 | Rejection of invention patent application after publication |