CN110456754A - 一种污水的监控处理***及智能分析处理方法、存储介质 - Google Patents
一种污水的监控处理***及智能分析处理方法、存储介质 Download PDFInfo
- Publication number
- CN110456754A CN110456754A CN201910860155.5A CN201910860155A CN110456754A CN 110456754 A CN110456754 A CN 110456754A CN 201910860155 A CN201910860155 A CN 201910860155A CN 110456754 A CN110456754 A CN 110456754A
- Authority
- CN
- China
- Prior art keywords
- sewage
- sensor
- tank
- data
- parameter
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 287
- 238000004458 analytical method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 55
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 43
- 230000001105 regulatory effect Effects 0.000 claims abstract description 29
- 230000004044 response Effects 0.000 claims abstract description 10
- 239000010802 sludge Substances 0.000 claims description 93
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 88
- 239000003814 drug Substances 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 30
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 26
- 239000001301 oxygen Substances 0.000 claims description 26
- 229910052760 oxygen Inorganic materials 0.000 claims description 26
- 230000003750 conditioning effect Effects 0.000 claims description 23
- 238000010992 reflux Methods 0.000 claims description 20
- 230000007246 mechanism Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 238000005273 aeration Methods 0.000 claims description 11
- 238000004659 sterilization and disinfection Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 230000033116 oxidation-reduction process Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- 230000001954 sterilising effect Effects 0.000 claims description 9
- 230000005520 electrodynamics Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 5
- 235000008434 ginseng Nutrition 0.000 claims description 5
- 230000002906 microbiologic effect Effects 0.000 claims description 5
- 239000000356 contaminant Substances 0.000 claims description 4
- 230000002209 hydrophobic effect Effects 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 3
- -1 for removing TP Substances 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 239000002244 precipitate Substances 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 2
- 238000006731 degradation reaction Methods 0.000 claims description 2
- 230000033228 biological regulation Effects 0.000 abstract description 5
- 238000011282 treatment Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 11
- 208000028659 discharge Diseases 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 239000007789 gas Substances 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 229940079593 drug Drugs 0.000 description 8
- 238000003911 water pollution Methods 0.000 description 7
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- VSCWAEJMTAWNJL-UHFFFAOYSA-K aluminium trichloride Chemical compound Cl[Al](Cl)Cl VSCWAEJMTAWNJL-UHFFFAOYSA-K 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000003891 ferrous sulphate Nutrition 0.000 description 4
- 239000011790 ferrous sulphate Substances 0.000 description 4
- BAUYGSIQEAFULO-UHFFFAOYSA-L iron(2+) sulfate (anhydrous) Chemical compound [Fe+2].[O-]S([O-])(=O)=O BAUYGSIQEAFULO-UHFFFAOYSA-L 0.000 description 4
- 229910000359 iron(II) sulfate Inorganic materials 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- 239000002253 acid Substances 0.000 description 3
- 239000003513 alkali Substances 0.000 description 3
- 238000011001 backwashing Methods 0.000 description 3
- 239000013043 chemical agent Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 2
- 239000000701 coagulant Substances 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000018044 dehydration Effects 0.000 description 2
- 238000006297 dehydration reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000706 filtrate Substances 0.000 description 2
- 238000005189 flocculation Methods 0.000 description 2
- 230000016615 flocculation Effects 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 2
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- RPAJSBKBKSSMLJ-DFWYDOINSA-N (2s)-2-aminopentanedioic acid;hydrochloride Chemical compound Cl.OC(=O)[C@@H](N)CCC(O)=O RPAJSBKBKSSMLJ-DFWYDOINSA-N 0.000 description 1
- 241001086438 Euclichthys polynemus Species 0.000 description 1
- 108010009736 Protein Hydrolysates Proteins 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000645 desinfectant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 125000001477 organic nitrogen group Chemical group 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005289 physical deposition Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 241001148471 unidentified anaerobic bacterium Species 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
一种污水的监控处理***及智能分析处理方法、存储介质,该监控处理***包括:信息采集装置中的一个或多个传感器用于设置于污水处理过程中的一个或多个环节处以检测污水中的一种或多种参数;人工智能监控中心用于根据预先建立的污水调控模型对传感器的数据进行智能分析,产生控制污水处理过程的调节指令;控制装置中的一个或多个执行机构用于设置于污水处理过程中的一个或多个环节处且用于响应于调节指令以改变污水的处理状态。由于人工智能监控中心能够对传感器的数据进行进一步地人工智能处理,使得其可以达到对污水处理过程的运行数据进行广维度的、大数据量的、高运算速度的处理要求,利于实现及时、精准的运营调控作业。
Description
技术领域
本发明涉及污水处理技术领域,具体涉及一种污水的监控处理***及智能分析处理方法、存储介质。
背景技术
随着城市化、工业化的不断提速,我国水环境已遭到严重破坏并有继续恶化的趋势。污水排放不但严重影响着居民的日常生活,而且破坏了大自然的生态平衡。为了降低污染物的排放总量,全国各地已经纷纷建立了污水处理厂,然而在污水处理过程还长期存在着电能消耗过大、运行成本居高、副产物造成二次污染、因运营控制不当而导致出水超标的问题,因此,研究污水处理过程优化控制实现节能降耗意义重大,是未来污水处理行业必然的发展趋势。例如,在工厂的生产周期中,生产旺季所产生的污水量大、污染物浓度高、水质变化快,对于其污水处理设施、设备造成极大的压力,大大增加了超标排放的风险。那么,在工业污水处理时,对进水水量、水质调节以及各阶段处理工艺的运行参数调控极重要,为保障出水水质,通常采用过饱和式运营控制来应对污水水质、水量的变化情形,这就导致了运营成本的不合理增加。
现有污水处理***中,常常通过在污水处理各环节、污水处理设备和地点中设备相应的传感器,来监测污水量以及污水水质情况,然后根据传感器所监测的数据,来控制污水处理流程和相应设备,例如调节污水进水量、投药时机、投药量等。
国内可用于污水处理的自动化污水处理***已初步成熟,可以满足一些要求条件不高的污水处理场合,并不适用于高标准的污水处理要求,究其原因是没有可以处理大量运行数据、快速运算、并且具有可预测水质变化趋势的中央处理器。仅依靠运营现场的具有丰富经验和良好职业素质的运营管理人员依靠分析判断来下达指令,以调动基础运营人员去进行日常的运营工作的运营管理模式,很容易出现指挥人员判断错误、处理不及时,执行人员理解不到位、落实不及时的情况,不仅造成人力调节错乱的情形,还增加了污水处理过程的用工成本。
在污水处理过程中,污水信息所包含的各种参数都是动态变化的,当前还没有根据污水处理设备的实际运行参数来进行状态预判和过程自动控制的能力,不能达到保持出水稳定达标排放的运行状态,智能化的程度还有待提高。
发明内容
本发明主要解决的技术问题是如何改善现有污水处理***的数据分析能力,以提高污水处理过程的准确性和智能性。为解决上述技术问题,本申请提供一种污水的监控处理***及智能分析处理方法、存储介质。
根据第一方面,一种实施例中提供一种污水的监控处理***,包括:
信息采集装置,包括一个或多个传感器,所述传感器用于设置于污水处理过程中的一个或多个环节处,以检测污水中的一种或多种参数;
人工智能监控中心,与所述信息采集装置连接,以获取所述传感器的数据;所述人工智能监控中心用于根据预先建立的污水调控模型对所述传感器的数据进行智能分析,产生控制污水处理过程的调节指令;所述污水调控模型用于利用污水当前的水量和水质的参数预测接下来一段时间内污水的水量和水质的变化趋势;
控制装置,包括一个或多个执行机构,所述执行机构用于设置于污水处理过程中的一个或多个环节处,且用于响应于所述调节指令以改变污水的处理状态。
所述污水处理过程包括调节池、栅格设备、沉砂池、厌氧池、好氧池、缺氧池、供气设备、加药设备、污泥回流设备、二沉池、污泥浓缩池、污泥脱水间、滤池、消毒池的环节;所述调节池用于接收生产设备生产过程中所产生的污水,并调节污水量和污水水质;所述栅格设备用于接收从调节池流出的污水,并去除污水中的悬浮物和/或漂浮物质;所述沉砂池用于接收从栅格设备流出的污水,并沉淀污水中的有害泥沙;所述厌氧池用于接收从沉砂池流出的污水,通过活性污泥里的厌氧微生物处理污水,其出水按照一定分配比例分别流入所述好氧池、缺氧池;所述好氧池用于接收从厌氧池流出的部分或全部污水,通过活性污泥里的好氧微生物处理污水;所述缺氧池用于接收从好氧池流出的全部污水以及从厌氧池流出的部分或全部污水,通过活性污泥里的好氧微生物、厌氧微生物处理污水;所述供气设备用于调节好氧池和缺氧池的曝气量;所述二沉池用于接收从缺氧池流出的污水,并使污水中的活性污泥沉降下来;所述加药设备用于在二沉池的污水流入端进行投药,用于除TP、降COD和/或调节pH;所述污泥回流设备用于调节二沉池中活性污泥向好氧池和/或厌氧池的回流量,以及用于调节所述缺氧池中活性污泥向所述好氧池的回流量;所述污泥浓缩池用于接收用从二沉池传输过来的活性污泥,并对活性污泥进一步沉降、浓缩和降解;所述污泥脱水间用于接收从污泥浓缩池传输过来的活性污泥,并对活性污泥进行脱水;所述滤池用于接收从二沉池流出的污水,并对污水进行疏水性污染物质的截留过滤;所述消毒池用于接收从滤池流出的污水,并对污水进行消毒处理以作为待排放的污水;所述传感器用于设置在所述调节池、沉砂池、厌氧池、好氧池、缺氧池、供气设备、二沉池、滤池中的一个或多个环节处,并且用于检测对应环节处污水的一种或多种参数。
所述传感器包括COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、MLSS传感器、NH3-N传感器、超声波流量计、超声波泥位计、涡街流量计、气压计,以及用于检测污水的酸碱度、氧化还原电位、溶解氧浓度和水温的一体式多参数传感器中的一者或多者。
所述控制装置的执行机构用于设置在所述调节池、厌氧池、好氧池、缺氧池、供气设备、加药设备、污泥回流设备、二沉池、滤池中的一个或多个环节处,并且用于控制调节池的出水量、好氧池的进水量、缺氧池的分别来自厌氧池和好氧池的进水量、供气设备的曝气量、加药设备的投药量、污泥回流设备的流量、二沉池的污泥输出量、滤池的反冲洗频率中的一者或多者;所述执行机构为电动阀门、电动泵、气动阀门、气动泵或风机,以及相配套的继电器或变频器。
所述人工智能监控中心包括:智能分析装置,内部预先建立有所述污水调控模型;所述智能分析装置用于接收所述传感器的数据以获知污水的当前参数,并且利用污水的当前参数预测接下来一段时间内污水的变化趋势,以及触发相应的污水调节机制以应对所述变化趋势;指令产生装置,与所述智能分析装置连接,用于响应于所述智能分析装置触发的污水调节机制,产生与所述污水调节机制相对应的调节指令。
所述污水调控模型的建立过程包括:根据所述传感器的数据制作训练集,所述训练集中的数据为所检测污水中的一部分参数在前一段时间对应的数据,所述训练集中的数据的标签为所检测污水中的一部分参数在后一段时间对应的数据;利用所述训练集,通过机器学习,训练得到污水调控模型。
第二方面,一种实施例中提供一种污水的智能分析处理方法,包括:获取一个或多个传感器的数据,所述传感器用于设置于污水处理过程中的一个或多个环节处,以检测污水中的一种或多种参数;根据预先建立的污水调控模型对所述传感器的数据进行智能分析,以利用污水的当前参数预测接下来一段时间内污水的变化趋势;根据所述变化趋势产生对应的调节指令,以使得污水处理过程中的一个或多个环节响应于所述调节指令并改变污水的处理状态。
所述传感器包括COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、MLSS传感器、NH3-N传感器、超声波流量计、超声波泥位计、涡街流量计、气压计,以及用于检测污水的酸碱度、氧化还原电位、溶解氧浓度和水温的一体式多参数传感器中的一者或多者。
所述污水调控模型的建立过程包括:根据所述传感器的数据制作训练集,所述训练集中的数据为所检测污水中的一部分参数在前一段时间对应的数据,所述训练集中的数据的标签为所检测污水中的一部分参数在后一段时间对应的数据;利用所述训练集,通过机器学习,训练得到污水调控模型。
根据第三方面,一种实施例中提供一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现上述第二方面中所述的方法。
本申请的有益效果是:
一种污水的监控处理***及智能分析处理方法、存储介质,该监控处理***包括信息采集装置、人工智能监控中心和控制装置,其中,信息采集装置包括一个或多个传感器,该些传感器用于设置于污水处理过程中的一个或多个环节处以检测污水中的一种或多种参数;人工智能监控中心与信息采集装置连接以获取传感器的数据;人工智能监控中心用于根据预先建立的污水调控模型对传感器的数据进行智能分析,产生控制污水处理过程的调节指令;该污水调控模型用于利用污水当前的水量和水质的参数预测接下来一段时间内污水的水量和水质的变化趋势;控制装置包括一个或多个执行机构,该些执行机构用于设置于污水处理过程中的一个或多个环节处且用于响应于调节指令以改变污水的处理状态。第一方面,由于人工智能监控中心通过信息采集装置获取传感器的数据并对数据进行进一步地处理,使得人工智能监控中心能够达到对污水处理过程的运行数据进行广维度的、大数据量的、高运算速度的处理要求,利于实现及时、精准的运营调控作业;第二方面,由于人工智能监控中心根据预先建立的污水调控模型对传感器的数据进行智能分析,从而产生控制污水处理过程的调节指令,使得人工智能监控中心能够根据污水调控模型以及相关的深度学习技术进行不断地人工智能分析,并且不断地学习进步,如此可以适用不同处理规模、工艺设计、污水水质、排放标准的污水处理过程,从而智能化地控制污水处理设施的作业过程,实现更全面、更稳定的运行控制功能;第三方面,由于为人工智能监控中心设置了智能分析装置,从而通过智能分析装置利用污水的当前参数预测接下来一段时间内工厂生产车间排放的污水的变化趋势以及触发相应的污水调节机制以应对该变化趋势,使得人工智能监控中心可以预测未来一段时间内的水质变化,实现更高维度的全局把控;第四方面,基于监控处理***而提供的智能分析处理方法具有对传感器数据进行智能分析的作用,可以利用污水的当前参数预测接下来一段时间内污水的变化趋势,从而利于对污水处理过程中的一个或多个环节进行调节时,达到预先知晓、快速反应、及时处理的调节效果;第五方面,由于物理沉积、化学反应等环节的存在致使污水的处理过程具有滞后性的特点,往往不能够直接发现处理状态中的问题并及时地解决问题,会导致污水的重新治理所需要的时间被延长,无法达到预期的治理效果,而本申请请求保护的污水的智能分析处理方法可以很好地避免这一不良现象的发生,采用实时预测+提前治理的应对机制,能够有效地应对污水的变化趋势并及时地改变污水的处理状态,从而保证出水水质持久地达到标准要求;第六方面,本申请技术方案在利用实时预测+提前治理的应对机制时,还能够起到充分利用化学药剂、充分进行化学反应的作用,可以最大限度地节省化学药剂的使用量,甚至能够节约30%的化学药剂,降低污水处理作业的药品投入成本。
附图说明
图1为本申请中污水的监控处理***的结构示意图;
图2为一个具体实施例中监控处理***的结构示意图;
图3为本申请中污水处理过程的各个处理环节的示意图;
图4为本申请中智能分析处理方法的流程图;
图5为污水调控模型的建立过程示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
为清楚、准确地理解本申请的技术方案,这里对一些技术术语进行解释。
COD参数,即化学需氧量(Chemical Oxygen Demand),是以化学方法测量水样中需要被氧化的还原性物质的量。水样在一定条件下,以氧化1升水样中还原性物质所消耗的氧化剂的量为指标,折算成每升水样全部被氧化后,需要的氧的毫克数,以mg/L表示。COD量反映了水中受还原性物质污染的程度,通常,COD量越高,水质污染越严重。通常COD参数由COD传感器测量得到。
TN参数,即总氮量(Total Nitrogen),是水中各种形态无机和有机氮的总量,往往包括NO3-、NO2-和NH4+等无机氮和蛋白质、氨基酸和有机胺等有机氮,以每升水含氮毫克数计算。TN量常被用来表示水体受营养物质污染的程度,一般数值越高,水质污染越严重。通常TN参数由TN传感器测量得到。
TP参数,即总磷量(Total Phosphorus),是废水中以无机态和有机态存在的磷的总和。TP量是衡量水污染程度的指标之一,一般数值越大,水质污染程度越高。通常TP参数由TP传感器测量得到。
NH3-N参数,即氨氮浓度,氨氮的含量是衡量水质的一个重要标准,以毫克/升表示,如果氨氮含量高的话,可能导致水体富营养化。通常NH3-N参数由NH3-N传感器测量得到。
pH参数,是指污水中氢离子的总数和总物质的量的比,通常为酸碱度。通常pH参数由pH传感器测量得到。
SS参数,即悬浮物浓度,(Suspended Solids),是指悬浮在水中的固体物质的含量,包括不溶于水中的无机物、有机物及泥砂、黏土、微生物等。SS量是衡量水污染程度的指标之一,一般数值越高,水质污染越严重。通常SS参数由SS传感器测量得到。
DO参数,即溶解氧浓度(dissolved oxygen),是指溶解在水里氧的量,是衡量水体自净能力的一个指标,用每升水里氧气的毫克数表示。DO量与空气中氧的分压、水的温度都有密切关系,在自然情况下,空气中的含氧量变动不大,故水温是主要的因素,水温愈低,水中溶解氧的含量愈高。但当水体受到有机物污染,耗氧严重,溶解氧得不到及时补充,水体中的厌氧菌就会很快繁殖,有机物因腐败而使水体变黑、发臭,由此来说明水体污染严重,自净能力弱,甚至失去自净能力。
ORP参数,即氧化还原电位(Oxidation-Reduction Potential),是用来反映水溶液中所有物质反应出来的宏观氧化-还原性,氧化还原电位越高,氧化性越强,电位越低,氧化性越弱。ORP量作为介质环境条件的一个综合性指标,它表征介质氧化性或还原性的相对程度,它虽然不能独立反应水质的好坏,但是能够综合其他水质指标来反映水族***中的生态环境。通常ORP参数、DO参数由一体式多参数传感器测量得到。
MLSS参数,即混合液悬浮固体浓度(mixed liquid suspended solids),也就是混合液污泥浓度,它表示的是在曝气池单位容积混合液内所含有的活性污泥固体物的总重量(mg/L),污泥浓度指的是生化反应的池子里的活性污泥的含量,活性污泥中含有大量的微生物。一般情况下,污泥浓度越高,微生物越多,那可以分解消耗的污染物就越多,反应效率越快。通常MLSS参数由MLSS传感器测量得到。
泥位参数,即污泥在构筑物内沉降后底部的污泥的高度。通常泥位参数由超声波泥位计测量得到。
本申请主要涉及一种污水的监控处理***及智能分析处理方法,其技术方案的发明构思是:使用污水处理过程中采集到的传感器的数据进行智能分析,以实现深度学习为基础的人工智能化污水处理操作;借助人工智能在数据分析维度广、数据处理量大、运算速度快等方面存在的特质,可以实现对污水处理过程的全面且深入的分析,快速精准地运算得出各项运行参数变化趋势以及对应该变化趋势所需要的调节变化量,从而达到最佳污水处理效果,维持动态的运行稳定性能。此外,配合污水处理过程中经常使用的检测水质情况的各类型传感器以及适应于不同处理环节需要的执行装置(如电气自动化设备、仪器、仪表),组成完善且智能化的污水监控处理***,以保障污水处理设施的处理效果,可以最大限度地减少超标排放风险、药剂投加量、电能消耗和人力成本。
下面将结合实施例对本申请的技术方案进行说明。
实施例一、
请参考图1,本申请公开一种污水的监控处理***1,其主要包括信息采集装置11、人工智能监控中心12和控制装置13,下面分别说明。
信息采集装置11包括一个或多个传感器,该些传感器用于设置于污水处理过程中的一个或多个环节处,以检测污水中的一种或多种参数。
需要说明的是,本实施例中所涉及的传感器包括COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、MLSS传感器、NH3-N传感器、超声波流量计、超声波泥位计、涡街流量计、气压计,以及用于检测污水的酸碱度、氧化还原电位、溶解氧浓度和水温的一体式多参数传感器中的一者或多者。
人工智能监控中心12与信息采集装置11连接,以获取传感器的数据。该人工智能监控中心12用于根据预先建立的污水调控模型对传感器的数据进行智能分析,产生控制污水处理过程的调节指令;这里的污水调控模型用于利用污水当前的水量和水质的参数预测接下来一段时间内污水的水量和水质的变化趋势。
控制装置13包括一个或多个执行机构,该些执行机构用于设置于污水处理过程中的一个或多个环节处,且用于响应于人工智能监控中心12产生的调节指令以改变污水的处理状态。
需要说明的是,本实施例中的人工智能监控中心12可以是具有相关功能的计算机、服务器、中控平台、云平台等设备,这里不做具体限制。在一具体实施例中,见图2,信息采集装置11、人工智能监控中心12和控制装置13可以借助一通信服务设备(图中未进行标记)形成通信拓扑结构,该通信服务设备将信息采集装置11采集11到的传感器的数据中转至人工智能监控中心12,人工智能监控中心12进行智能分析之后产生控制污水处理过程的调节指令;然后,通信服务设备将人工智能监控中心12产生的调节指令中转至控制装置13,使得控制装置13中的相关执行结构发生调节动作。
需要说明的是,本实施例中采集装置11、人工智能监控中心12和控制装置13构成的监控处理***能够灵活地与不同污水处理设施进行配合,预测污水处理过程中所处理的污水的信息,借助预测结果给污水处理设施进行污水处理作业的指导。
在本实施例中,参见图3,污水处理过程可以包括调节池21、栅格设备22、沉砂池23、厌氧池24、好氧池25、缺氧池26、供气设备32、加药设备34、污泥回流设备33、二沉池27、污泥浓缩池28、污泥脱水间29、滤池30、消毒池31的环节,分别说明如下。
调节池21用于接收生产设备生产过程中所产生的污水,并调节污水量和污水水质。一般情况下,生产过程中排出的污水的水量、水质在不同时间段内有较大变化,为使后端的污水处理作业过程能够正常工作,排放的污水应通过一定容量的水池并停留一定时间,使高峰流量或高浓度污水在池中混合均匀,由此来避免高浓度物质集中排放所带来的危害,最终使得污水达到水量、水质均匀稳定的待处理状态,其中污水在调节池21内的停留时间可以通过控制进水流量和出水流量来进行实现。
栅格设备22用于接收从调节池21流出的污水,并去除污水中的悬浮物和/或漂浮物质。在一具体实施例中,栅格设备22可以包括串联设置的粗栅格和细栅格,分别实现不同程度的物质过滤作用。
沉砂池23用于接收从栅格设备22流出的污水,并沉淀污水中的有害泥沙。
厌氧池24用于接收从沉砂池23流出的污水,通过活性污泥里的厌氧微生物处理污水,其出水按照一定分配比例分别流入好氧池25、缺氧池26;
好氧池25用于接收从厌氧池24流出的部分或全部污水,通过活性污泥里的好氧微生物处理污水。
缺氧池26用于接收从好氧池25流出的全部污水以及从厌氧池24流出的部分或全部污水,通过活性污泥里的好氧微生物、厌氧微生物处理污水。
供气设备32用于调节好氧池25和缺氧池26的曝气量,改变曝气量来调节内的溶解氧量或溶解氧浓度进而达到满足去除一定量的COD、BOD、NH3-N、TN的条件。
二沉池27用于接收从缺氧池26流出的污水,并使污水中的活性污泥沉降下来。
加药设备34用于在二沉池27的污水流入端进行投药,用于除TP、将COD和/或调节pH。这里的加药设备34可以具备药品调配、投药量控制等功能,实现硫酸亚铁、片碱、PAM、PAC等药品的调配、投药,其中硫酸亚铁(混凝剂,同时降低pH)和PAM(助凝剂,增强效果)用于调节污水酸性,而片碱是为了中和过量投加的硫酸亚铁,PAC(聚合氯化铝、碱式氯化铝或羟基氯化铝)通过它或它的水解产物使污水或污泥中的胶体快速形成沉淀,便于分离大颗粒沉淀物。通常情况下,可以调配的药品种类包括混凝剂、助凝剂、酸、碱等,粉末状、颗粒状或块状药品一般需要溶解后配成一定浓度的溶液再使用电动泵(或计量泵)定量投加,气态的药剂需要和水混合压缩后通过电动泵(或计量泵)定量投加,溶液状态的药剂可稀释成一定浓度的溶液或直接使用电动泵(计量泵)投加,部分不溶于水的粉末状药品可直接使用输送螺杆、气力输送泵或漏斗投加。
污泥回流设备33用于调节二沉池中活性污泥向好氧池25和/或厌氧池33的回流量,以及用于调节缺氧池26中活性污泥向好氧池25的回流量。
污泥浓缩池28用于接收用从二沉池27传输过来的活性污泥,并对活性污泥进一步沉降、浓缩和降解。使用污泥浓缩池28的目的是减少污泥总量,以及利于下一步的污泥脱水作业。
污泥脱水间29用于接收从污泥浓缩池28传输过来的活性污泥,并对活性污泥进行脱水。通常使用机械设备,并通过物理方法进一步分离污泥中的水分,达到减少污泥总量、便于污泥外运的目的。
滤池30用于接收从二沉池27流出的污水,并对污水进行疏水性污染物质的截留过滤。例如使用纤维滤布对污水进行疏水性污染物的节流过滤。
消毒池31用于接收从滤池30流出的污水,通过诸如紫外光、消毒剂等方式对污水进行消毒,以将消毒后的污水作为待排放的污水。
需要说明的是,滤池30内已经过滤的污水可以直接流入消毒池31,而过滤的滤料上截流的悬浮物可以通过滤池反冲洗的操作令悬浮物随反冲洗废水流回至调节池21被重新进行处理。此外,污泥脱水间29内脱水后的污泥可以直接进行污泥外运,并且脱水后的滤液可以以滤液回流的形式进入到调节池21内以进行继续处理。
在本实施例中,见图3,所涉及的传感器用于设置在调节池21、沉砂池23、厌氧池24、好氧池25、缺氧池26、供气设备32、二沉池27、滤池30中的一个或多个环节处,并且用于检测对应环节处污水的一种或多种参数。比如,在调节池21处设置超声波流量计,用于监测生产过程进入、或回流进入调节池11的污水量;在沉砂池23处设置COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、NH3-N传感器来分别监测污水的COD参数、TP参数、TN参数、pH参数、SS参数、NH3-N(氨氮)参数;在厌氧池24内设置一体多参数传感器、MLSS传感器,用于监测pH参数、DO参数、ORP参数、水温、MLSS参数;在好氧池25、缺氧池26的进气口处分别设置涡街流量计,可以分别监测供气设备32提供的曝气量;在好氧池25、缺氧池26的进气管道上分别设置气压计,可以分别监测管道上的气体压力;在二沉池27处设置超声波泥位计,用于监测污泥的高度;在污泥浓缩池28设置超声波泥位计,用于检测污泥的高度;在滤池30处设置COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、NH3-N传感器来分别监测待排放水的COD参数、TP参数、TN参数、pH参数、SS参数、NH3-N(氨氮)参数。
在本实施例中,见图3,监控处理***1中的控制装置13的执行机构用于设置在调节池21、厌氧池24、好氧池25、缺氧池26、供气设备32、加药设备34、污泥回流设备33、二沉池27、滤池30中的一个或多个环节处。例如,利用执行机构(管道泵,即电动泵/气动泵)控制调节池21的出水量,利用执行机构(电动阀门/气动阀门)控制好氧池25的进水量,利用执行机构(电动阀门/气动阀门)调节缺氧池的分别来自厌氧池24和好氧池25的进水量,利用执行机构(风机)控制供气设备32的曝气量,利用执行机构(气动泵或电动泵)控制加药设备32的投药量,利用执行机构(管道泵)控制污泥回流设备33的污泥回流量,利用执行机构(管道泵)控制二沉池37的污泥输出量,利用执行机构(电动阀门/气动阀门)控制滤池30的反冲洗频率。
本领域的技术人员可以理解,本实施例中的执行机构可以为电动阀门、电动泵、气动阀门、气动泵或风机,以及相配套的继电器或变频器,继电器的作用是实现继电控制,变频器的作用是实现变频控制。具体使用哪一种执行机构可以根据实际需要而进行选择,这里不再进行限制。
在本实施例中,由于人工智能监控中心12承担着传感器数据的智能分析以及产生调节指令的功能,对污水处理过程的智能化控制过程起到关键作用,所以这里将对人工智能监控中心12的功能进行进一步地说明。
参见图2,人工智能监控中心12可以包括智能分析装置121和指令产生装置122。
其中,智能分析装置121的内部预先建立有污水调控模型;该智能分析装置121用于接收传感器的数据以获知污水的当前参数,并且利用污水的当前参数预测接下来一段时间内污水的变化趋势,以及触发相应的污水调节机制以应对该变化趋势。
其中,指令产生装置122与智能分析装置121连接,用于响应于智能分析装置121触发的污水调节机制,产生与污水调节机制相对应的调节指令。
例如,智能分析装置121对沉砂池23处设置的传感器的数据进行获取和智能分析,当判断COD参数、TN参数、SS参数逐渐升高,但NH3-N参数、TP参数变化不明显时,经污水调控模型进行分析可以认定污水中的无机污染物、亚硝态氮的含量会在短时间内上升一定幅度且保持一段时间,即预测得到污水的变化趋势。那么,智能分析装置121会触发相关的污水调节机制来增强脱氮效果,然后指令产生装置122即刻发出调节指令给通信服务设备,再由通信服务设备发送至控制装置13,改变多个处理环节的水量分配,具体为:调小厌氧池24的电动进水阀的开度以减少其进水量,调大增大好氧池25、缺氧池26的电动进水阀的开度以增大其进水量,同时降低供气设备32内风机的运行频率以减少对好氧池25、缺氧池26池的曝气量,其余参数(调节池21的进水流量、加药设备34的药品投加量、污泥回流设备33的污泥回流量、二沉池27的排泥量等)运行控制参数保持不变。
在本实施例中,参见图5,智能分析装置121内部建立的污水调控模型的建立过程包括:(1)智能分析装置121根据传感器的数据制作训练集,该训练集中的数据为所检测污水中的一部分参数在前一段时间对应的数据,训练集中的数据的标签为所检测污水中的一部分参数在后一段时间对应的数据。(2)智能分析装置121利用训练集,通过机器学习,训练得到污水调控模型。
需要说明的是,智能分析装置121根据传感器数据制作训练集时,训练集中的数据以及数据的标签均可以是历史阶段时传感器采集到的数据。比如,训练集中的数据可以是沉砂池23处传感器在历史第一时间段(即前一段时间)内采集到的COD参数、TN参数、SS参数、NH3-N参数、TP参数,数据的标签可以是传感器在历史第二时间段(即后一段时间)内采集到的COD参数、TN参数、SS参数,且历史第一时间段对应的时间稍微早于历史第二时间段对应的时间,也就是说前一段时间要早于后一段时间,比如两者相差10min、30min、60min、120min等。
这里所涉及的传感器包括COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、MLSS传感器、NH3-N传感器、超声波流量计、超声波泥位计、涡街流量计、气压计,以及用于检测污水的酸碱度、氧化还原电位、溶解氧浓度和水温的一体式多参数传感器中的一者或多者。各个传感器的所测量的水质参数在上文中已有说明,这里不再进行赘述。
实施例二、
请参考图1和图4,本申请在实施例一中公开的监控处理***1的基础上,还公开一种污水的智能分析处理方法,包括步骤S310-S330,下面分别说明。
步骤S310,人工智能监控中心12从信息采集装置11获取一个或多个传感器的数据,该些传感器用于设置于污水处理过程中的一个或多个环节处,以检测污水中的一种或多种参数。
需要说明的是,见图3,本实施例中所涉及的传感器包括COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、MLSS传感器、NH3-N传感器、超声波流量计、超声波泥位计、涡街流量计、气压计,以及用于检测污水的酸碱度、氧化还原电位、溶解氧浓度和水温的一体式多参数传感器中的一者或多者。
需要说明的是,见图3,本实施例中的污水处理过程可以包括调节池21、栅格设备22、沉砂池23、厌氧池24、好氧池25、缺氧池26、供气设备32、加药设备34、污泥回流设备33、二沉池27、污泥浓缩池28、污泥脱水间29、滤池30、消毒池31的环节,各个处理环节的功能可以参考实施例一中的相关内容,这里不再进行赘述。
步骤S320,人工智能监控中心12根据预先建立的污水调控模型对传感器的数据进行智能分析,以利用污水的当前参数预测接下来一段时间内污水的变化趋势。
在一个具体实施例中,见图5,人工智能监控中心12内部所建立的污水调控模型的建立过程包括:(1)人工智能监控中心12内的智能分析装置121根据传感器的数据制作训练集,该训练集中的数据为所检测污水中的一部分参数在前一段时间对应的数据,训练集中的数据的标签为所检测污水中的一部分参数在后一段时间对应的数据。(2)人工智能监控中心12内的智能分析装置121利用训练集,通过机器学习,训练得到污水调控模型。
步骤S330,人工智能监控中心12根据预测到的变化趋势产生对应的调节指令,以使得污水处理过程中的一个或多个环节响应于该调节指令并改变污水的处理状态。
在一个具体实施例中,人工智能监控中心12根据沉砂池23处设置的传感器的数据,预测接下来一段时间内沉砂池23内的COD参数、TN参数、SS参数将会逐渐升高,且NH3-N参数、TP参数变化不明显,则可以认定污水中的无机污染物、亚硝态氮的含量会在短时间内上升一定幅度且保持一段时间,此时可以触发相关的污水调节机制来增强脱氮效果,产生相关的调节指令改变多个处理环节的水量分配,具体为:调小厌氧池24的电动进水阀的开度以减少其进水量,调大增大好氧池25、缺氧池26的电动进水阀的开度以增大其进水量,同时降低供气设备32内风机的运行频率以减少对好氧池25、缺氧池26池的曝气量,其余参数(调节池21的进水流量、加药设备34的药品投加量、污泥回流设备33的污泥回流量、二沉池27的排泥量等)运行控制参数保持不变。
在一个具体实施例中,人工智能监控中心12根据沉砂池23内传感器的数据,预测到接下来一段时间内的COD参数、TP参数、TN参数将会增加,则可以触发相关的污水调节机制来增加所需要消耗的氧气量(该氧气量可由已预测到的COD参数、TP参数、TN参数来计算得到),产生相关的调节指令控制供气设备32增大风机功率,为好氧池25提供所需要消耗的氧气量,并且通过涡街流量计实时地监测供气量的多少,最终使得好氧池25内的溶解氧量或溶解氧浓度满足于污水的生化处理要求。
在一个具体实施例中,参考图3,人工智能监控中心12根据缺氧池26处气体管道上气压计的数据预测到接下来一段时间的缺氧池26内的气体压力减小,则可以触发相关的污水调节机制来增加气体压力,产生相关指令来控制增大供气设备32内风机的运行功率,通过补入空气来提高缺氧池26内的气体压力。
在一个具体实施例中,人工智能监控中心12根据滤池30内传感器的数据预测到接下来一段时间滤池30内污水的酸碱度成碱性并且碱性增大,则可以触发相关的污水调节机制来减低污水的酸碱度,产生相关的调节指令来调控加药设备34的投药品种和投药量,使得硫酸亚铁和PAM的含量增加,使投药品种和投药量满足于二沉池27和滤池30内污水的酸性要求。
在一个具体实施例中,人工智能监控中心12根据厌氧池24内MLSS传感器的数据预测到接下来一段时间的厌氧池24内的MLSS参数减小,则可以触发相关的污水调节机制来增加厌氧池24内的污泥量,产生相关的调节指令来增大污泥回流设备33的污泥回流量,使得厌氧池24内的污泥量增加,从而让活性污泥的量满足于厌氧池24内污水的微生物活性要求。
在一个具体实施例中,人工智能监控中心12根据滤池30处的SS传感器的数据预测到接下来一段时间的滤池30内的SS参数将要增大,则可以触发相关的污水调节机制来减小调节池21出水口的管道泵的运行功率,减少进入后续污水处理环节的污水流量,同时也减少进入后续污水处理环节的污染物含量,另外,缩短滤池反冲洗的间隔时间,最终满足于降低滤池30内悬浮物浓度的要求。
需要说明的是,本申请中的“接下来一段时间”可以是未来的某个时间段,如当前时间开始的第0分钟至第30分钟的时间段,或者第30分钟至60分钟的时间段。接下来一段时间所指代的时间量可以根据用户的实际需求而定,这里不做限制。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的***进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种污水的监控处理***,其特征在于,包括:
信息采集装置,包括一个或多个传感器,所述传感器用于设置于污水处理过程中的一个或多个环节处,以检测污水中的一种或多种参数;
人工智能监控中心,与所述信息采集装置连接,以获取所述传感器的数据;所述人工智能监控中心用于根据预先建立的污水调控模型对所述传感器的数据进行智能分析,产生控制污水处理过程的调节指令;所述污水调控模型用于利用污水当前的水量和水质的参数预测接下来一段时间内污水的水量和水质的变化趋势;
控制装置,包括一个或多个执行机构,所述执行机构用于设置于污水处理过程中的一个或多个环节处,且用于响应于所述调节指令以改变污水的处理状态。
2.如权利要求1所述的监控处理***,其特征在于,所述污水处理过程包括调节池、栅格设备、沉砂池、厌氧池、好氧池、缺氧池、供气设备、加药设备、污泥回流设备、二沉池、污泥浓缩池、污泥脱水间、滤池、消毒池的环节;
所述调节池用于接收生产设备生产过程中所产生的污水,并调节污水量和污水水质;
所述栅格设备用于接收从调节池流出的污水,并去除污水中的悬浮物和/或漂浮物质;
所述沉砂池用于接收从栅格设备流出的污水,并沉淀污水中的有害泥沙;
所述厌氧池用于接收从沉砂池流出的污水,通过活性污泥里的厌氧微生物处理污水,其出水按照一定分配比例分别流入所述好氧池、缺氧池;
所述好氧池用于接收从厌氧池流出的部分或全部污水,通过活性污泥里的好氧微生物处理污水;
所述缺氧池用于接收从好氧池流出的全部污水以及从厌氧池流出的部分或全部污水,通过活性污泥里的好氧微生物、厌氧微生物处理污水;
所述供气设备用于调节好氧池和缺氧池的曝气量;
所述二沉池用于接收从缺氧池流出的污水,并使污水中的活性污泥沉降下来;
所述加药设备用于在二沉池的污水流入端进行投药,用于除TP、降COD和/或调节pH;
所述污泥回流设备用于调节二沉池中活性污泥向好氧池和/或厌氧池的回流量,以及用于调节所述缺氧池中活性污泥向所述好氧池的回流量;
所述污泥浓缩池用于接收用从二沉池传输过来的活性污泥,并对活性污泥进一步沉降、浓缩和降解;
所述污泥脱水间用于接收从污泥浓缩池传输过来的活性污泥,并对活性污泥进行脱水;
所述滤池用于接收从二沉池流出的污水,并对污水进行疏水性污染物质的截留过滤;
所述消毒池用于接收从滤池流出的污水,并对污水进行消毒处理以作为待排放的污水;
所述传感器用于设置在所述调节池、沉砂池、厌氧池、好氧池、缺氧池、供气设备、二沉池、滤池中的一个或多个环节处,并且用于检测对应环节处污水的一种或多种参数。
3.如权利要求2所述的监控处理***,其特征在于,所述传感器包括COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、MLSS传感器、NH3-N传感器、超声波流量计、超声波泥位计、涡街流量计、气压计,以及用于检测污水的酸碱度、氧化还原电位、溶解氧浓度和水温的一体式多参数传感器中的一者或多者。
4.如权利要求2所述的监控处理***,其特征在于,所述控制装置的执行机构用于设置在所述调节池、厌氧池、好氧池、缺氧池、供气设备、加药设备、污泥回流设备、二沉池、滤池中的一个或多个环节处,并且用于控制调节池的出水量、好氧池的进水量、缺氧池的分别来自厌氧池和好氧池的进水量、供气设备的曝气量、加药设备的投药量、污泥回流设备的流量、二沉池的污泥输出量、滤池的反冲洗频率中的一者或多者;
所述执行机构为电动阀门、电动泵、气动阀门、气动泵或风机,以及相配套的继电器或变频器。
5.如权利要求1-4中任一项所述的监控处理***,其特征在于,所述人工智能监控中心包括:
智能分析装置,内部预先建立有所述污水调控模型;所述智能分析装置用于接收所述传感器的数据以获知污水的当前参数,并且利用污水的当前参数预测接下来一段时间内污水的变化趋势,以及触发相应的污水调节机制以应对所述变化趋势;
指令产生装置,与所述智能分析装置连接,用于响应于所述智能分析装置触发的污水调节机制,产生与所述污水调节机制相对应的调节指令。
6.如权利要求5所述的监控处理***,其特征在于,所述污水调控模型的建立过程包括:
根据所述传感器的数据制作训练集,所述训练集中的数据为所检测污水中的一部分参数在前一段时间对应的数据,所述训练集中的数据的标签为所检测污水中的一部分参数在后一段时间对应的数据;
利用所述训练集,通过机器学习,训练得到污水调控模型。
7.一种污水的智能分析处理方法,其特征在于,包括:
获取一个或多个传感器的数据,所述传感器用于设置于污水处理过程中的一个或多个环节处,以检测污水中的一种或多种参数;
根据预先建立的污水调控模型对所述传感器的数据进行智能分析,以利用污水的当前参数预测接下来一段时间内污水的变化趋势;
根据所述变化趋势产生对应的调节指令,以使得污水处理过程中的一个或多个环节响应于所述调节指令并改变污水的处理状态。
8.如权利要求7所述的智能分析处理方法,其特征在于,所述传感器包括COD传感器、TP传感器、TN传感器、pH传感器、SS传感器、MLSS传感器、NH3-N传感器、超声波流量计、超声波泥位计、涡街流量计、气压计,以及用于检测污水的酸碱度、氧化还原电位、溶解氧浓度和水温的一体式多参数传感器中的一者或多者。
9.如权利要求8所述的智能分析处理方法,其特征在于,所述污水调控模型的建立过程包括:
根据所述传感器的数据制作训练集,所述训练集中的数据为所检测污水中的一部分参数在前一段时间对应的数据,所述训练集中的数据的标签为所检测污水中的一部分参数在后一段时间对应的数据;
利用所述训练集,通过机器学习,训练得到污水调控模型。
10.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求7-9中任一项所述的智能分析处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910860155.5A CN110456754A (zh) | 2019-09-11 | 2019-09-11 | 一种污水的监控处理***及智能分析处理方法、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910860155.5A CN110456754A (zh) | 2019-09-11 | 2019-09-11 | 一种污水的监控处理***及智能分析处理方法、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110456754A true CN110456754A (zh) | 2019-11-15 |
Family
ID=68491689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910860155.5A Pending CN110456754A (zh) | 2019-09-11 | 2019-09-11 | 一种污水的监控处理***及智能分析处理方法、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110456754A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111470617A (zh) * | 2020-04-19 | 2020-07-31 | 重庆成峰水务工程有限责任公司 | 一体化污水处理装置的菌群控制*** |
CN111654400A (zh) * | 2020-06-09 | 2020-09-11 | 台州黄岩北控水务污水净化有限公司 | 一种智能污水处理厂的组网*** |
CN112939345A (zh) * | 2021-01-29 | 2021-06-11 | 重庆工商大学 | 智能化污水处理装置及方法 |
TWI746059B (zh) * | 2020-07-15 | 2021-11-11 | 方達科技股份有限公司 | 用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 |
CN114031147A (zh) * | 2021-11-02 | 2022-02-11 | 航天环保(北京)有限公司 | 利用波裂解纳米材料提升水质的方法及*** |
CN114315058A (zh) * | 2022-03-15 | 2022-04-12 | 武汉科迪智能环境股份有限公司 | 水处理控制方法、***、计算机设备及存储介质 |
CN114584863A (zh) * | 2022-05-05 | 2022-06-03 | 江苏舜维环境工程有限公司 | 污水处理的远程检测控制***和控制方法 |
CN115028319A (zh) * | 2022-06-07 | 2022-09-09 | 广州鸿大智能科技有限公司 | 一种污水处理智能化监控方法、装置、设备及存储介质 |
CN115167229A (zh) * | 2022-07-27 | 2022-10-11 | 海南绿境高科环保有限公司 | 一种污水站远程控制***、方法、装置、设备及介质 |
CN115684529A (zh) * | 2022-11-04 | 2023-02-03 | 湖北碧尔维环境科技有限公司 | 基于反馈调节的污水去污优化方法及装置 |
CN115677044A (zh) * | 2022-10-13 | 2023-02-03 | 埃睿迪信息技术(北京)有限公司 | 一种污水配水控制方法及*** |
CN115982995A (zh) * | 2022-12-28 | 2023-04-18 | 无锡瑞泰恒自动化***科技有限公司 | 面向污水处理的自动化处理方法及*** |
CN117566898A (zh) * | 2024-01-17 | 2024-02-20 | 广东新泰隆环保集团有限公司 | 一种基于bfbr技术的市政生活污水处理*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030234218A1 (en) * | 2002-06-21 | 2003-12-25 | H2L Co., Ltd. | System and method for AI controlling waste-water treatment by neural network and back-propagation algorithm |
CN102902257A (zh) * | 2012-10-30 | 2013-01-30 | 威水星空(北京)环境技术有限公司 | 污水处理工艺优化及节能控制***和方法 |
CN106242099A (zh) * | 2016-10-14 | 2016-12-21 | 深圳万发创新进出口贸易有限公司 | 一种工业污水处理*** |
CN108862549A (zh) * | 2018-07-12 | 2018-11-23 | 李泓 | 一种基于人工智能的污水处理*** |
CN109081507A (zh) * | 2018-08-24 | 2018-12-25 | 广州市环境保护工程设计院有限公司 | 污水处理控制方法及*** |
CN110171905A (zh) * | 2019-06-11 | 2019-08-27 | 四川润兴环保科技有限公司 | 一种活性污泥法污水处理*** |
-
2019
- 2019-09-11 CN CN201910860155.5A patent/CN110456754A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030234218A1 (en) * | 2002-06-21 | 2003-12-25 | H2L Co., Ltd. | System and method for AI controlling waste-water treatment by neural network and back-propagation algorithm |
CN102902257A (zh) * | 2012-10-30 | 2013-01-30 | 威水星空(北京)环境技术有限公司 | 污水处理工艺优化及节能控制***和方法 |
CN106242099A (zh) * | 2016-10-14 | 2016-12-21 | 深圳万发创新进出口贸易有限公司 | 一种工业污水处理*** |
CN108862549A (zh) * | 2018-07-12 | 2018-11-23 | 李泓 | 一种基于人工智能的污水处理*** |
CN109081507A (zh) * | 2018-08-24 | 2018-12-25 | 广州市环境保护工程设计院有限公司 | 污水处理控制方法及*** |
CN110171905A (zh) * | 2019-06-11 | 2019-08-27 | 四川润兴环保科技有限公司 | 一种活性污泥法污水处理*** |
Non-Patent Citations (1)
Title |
---|
郭庆春: "《人工神经网络应用研究》", 31 October 2015, 长春:吉林大学出版社 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111470617A (zh) * | 2020-04-19 | 2020-07-31 | 重庆成峰水务工程有限责任公司 | 一体化污水处理装置的菌群控制*** |
CN111654400A (zh) * | 2020-06-09 | 2020-09-11 | 台州黄岩北控水务污水净化有限公司 | 一种智能污水处理厂的组网*** |
TWI746059B (zh) * | 2020-07-15 | 2021-11-11 | 方達科技股份有限公司 | 用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 |
CN112939345A (zh) * | 2021-01-29 | 2021-06-11 | 重庆工商大学 | 智能化污水处理装置及方法 |
CN114031147A (zh) * | 2021-11-02 | 2022-02-11 | 航天环保(北京)有限公司 | 利用波裂解纳米材料提升水质的方法及*** |
CN114315058A (zh) * | 2022-03-15 | 2022-04-12 | 武汉科迪智能环境股份有限公司 | 水处理控制方法、***、计算机设备及存储介质 |
CN114584863A (zh) * | 2022-05-05 | 2022-06-03 | 江苏舜维环境工程有限公司 | 污水处理的远程检测控制***和控制方法 |
CN114584863B (zh) * | 2022-05-05 | 2022-07-15 | 江苏舜维环境工程有限公司 | 污水处理的远程检测控制***和控制方法 |
CN115028319A (zh) * | 2022-06-07 | 2022-09-09 | 广州鸿大智能科技有限公司 | 一种污水处理智能化监控方法、装置、设备及存储介质 |
CN115167229A (zh) * | 2022-07-27 | 2022-10-11 | 海南绿境高科环保有限公司 | 一种污水站远程控制***、方法、装置、设备及介质 |
CN115677044A (zh) * | 2022-10-13 | 2023-02-03 | 埃睿迪信息技术(北京)有限公司 | 一种污水配水控制方法及*** |
CN115684529A (zh) * | 2022-11-04 | 2023-02-03 | 湖北碧尔维环境科技有限公司 | 基于反馈调节的污水去污优化方法及装置 |
CN115684529B (zh) * | 2022-11-04 | 2023-05-16 | 湖北碧尔维环境科技有限公司 | 基于反馈调节的污水去污优化方法及装置 |
CN115982995A (zh) * | 2022-12-28 | 2023-04-18 | 无锡瑞泰恒自动化***科技有限公司 | 面向污水处理的自动化处理方法及*** |
CN117566898A (zh) * | 2024-01-17 | 2024-02-20 | 广东新泰隆环保集团有限公司 | 一种基于bfbr技术的市政生活污水处理*** |
CN117566898B (zh) * | 2024-01-17 | 2024-04-16 | 广东新泰隆环保集团有限公司 | 一种基于bfbr技术的市政生活污水处理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110456754A (zh) | 一种污水的监控处理***及智能分析处理方法、存储介质 | |
CN110188946A (zh) | 一种污水参数的预测方法及污水预测*** | |
CN104238527B (zh) | 污水处理厂曝气总量的精确控制方法 | |
CN203630652U (zh) | Aao脱氮除磷污水处理工艺回流量控制*** | |
CN207877439U (zh) | 一种污水消毒精确加药*** | |
CN1154615C (zh) | 污水处理过程的自动控制装置 | |
CN109336342A (zh) | 一种基于物联网的生活污水处理***及方法 | |
CN105836965A (zh) | 一种智能化污水处理专家*** | |
CN110451642A (zh) | 一种多级o/a厌氧氨氧化耦合反硝化脱氮装置及其使用方法 | |
CN110188945B (zh) | 一种生产中的污水预测***及污水预测方法 | |
CN206915885U (zh) | 一种一体化污水处理装置 | |
CN114380378B (zh) | 智能控磷药品投加方法、装置及存储介质 | |
Foxon et al. | The Evaluation of the anaerobic baffled reactor for sanitation in dence per-urban settlements | |
Liu et al. | Contaminant removal and optimal operation of bio-slow sand filtration water treatment based on nature-based solutions | |
CN111439900A (zh) | 本地污水管理*** | |
KR102396986B1 (ko) | 머신 런닝 플랫폼 기반 지능형 수처리 공정 관리 시스템 | |
CN113003758A (zh) | 一种循环冷却水智能数字管理***与方法 | |
JP4900556B2 (ja) | 排水処理プラントの運転管理方法 | |
CN105399247A (zh) | 一种低浊水源水净水厂节约运行成本的改造方法 | |
CN204848445U (zh) | 基于反硝化速率分析仪的碳源投加控制装置 | |
CN115028319A (zh) | 一种污水处理智能化监控方法、装置、设备及存储介质 | |
Henry | Comparison of intermittently aerated sequencing batch reactors (IASBRs) and conventional sequencing batch reactors (cSBRs) in wastewater treatment | |
CN210030157U (zh) | 序批式生物膜反应器装置 | |
Prasad et al. | Sequencing batch reactor as an efficient alternative to wastewater treatment-A model from pharmaceutical industries | |
CN110510818A (zh) | 一种基于物联网技术的智能污水处理*** |
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: 20191115 |
|
RJ01 | Rejection of invention patent application after publication |