CN112083132A - 一种污水污染溯源方法 - Google Patents
一种污水污染溯源方法 Download PDFInfo
- Publication number
- CN112083132A CN112083132A CN201910517491.XA CN201910517491A CN112083132A CN 112083132 A CN112083132 A CN 112083132A CN 201910517491 A CN201910517491 A CN 201910517491A CN 112083132 A CN112083132 A CN 112083132A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- sewage
- sampling data
- sewage sampling
- pollution
- 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 236
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 156
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 107
- 230000002159 abnormal effect Effects 0.000 claims abstract description 80
- 238000001514 detection method Methods 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 abstract description 2
- 208000028659 discharge Diseases 0.000 description 18
- 230000005856 abnormality Effects 0.000 description 12
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 9
- 229910052698 phosphorus Inorganic materials 0.000 description 9
- 239000011574 phosphorus Substances 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 5
- 239000002351 wastewater Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000012895 dilution Substances 0.000 description 3
- 238000010790 dilution Methods 0.000 description 3
- 239000010840 domestic wastewater Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003911 water pollution Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1813—Specific cations in water, e.g. heavy metals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Sewage (AREA)
Abstract
本发明适用于水利现代化技术,提供了一种污水污染溯源方法,该方法包括获取主干管道的污水采样数据;当检测判断主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道;根据所干管道的污水采样数据的记录时间,以及污水采样数据出现异常的各级管道的污水采样数据的记录时间,逐级回溯判断产生污染的污水所在的初级管道。本发明提供的方法,由于主干管道上的传感器精度最高使得可检测各级管道是否存在排污,并检测到排污时根据时间关联关系沿各级管道向上逐级回溯确定出产生污染的初级管道,解决了现有污水污染溯源不便捷的问题。
Description
技术领域
本发明属于水利现代化技术领域,尤其涉及一种污水污染溯源方法。
背景技术
随着工业生产的快速发展,排污量也在日益增加,水体污染成为目前最主要的环境问题之一,工业污水未经过处理直接排入天然河道或者地下管道,会造成严重环境污染,给人民生活带来很大危害。随着对环境的监管要求越来越严格,因此对污染源进行排查、对污染物进行溯源是不可缺少的环节。只有很好的实现污染溯源,才可以及时切断污染源,防止污染情况进一步恶化;及认定追究排污企业的责任,对其进行更好的监管,防止其再次非法排放造成水体污染。
目前的水污染溯源技术,主要是在事故发生后采集被污染的下游水样和上游涉污企业排污口的水样,对这些水样进行检测分析,对检测结果进行分析比对,以实现对污染源的排查和追溯,找到违规排污的责任方。若上游的涉污企业较多,怀疑面广,则要进行污染溯源的工作量大,耗费时间精力大,不能及时的进行污染源排查、污染物溯源工作,不能及时有效防治污染事故。
传统针对排污口的排查,通常采用人工勘查、或通过传感器分析污染物。然而人工巡查一般每隔一段时间巡查一次,这样可能会出现监控漏洞,导致在污水处理设备出现问题时无法追溯,而通过人工巡查覆盖所有时间段的方式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。同时若对排污口进行所有传感器安装检测,则导致所需安装的传感器数量较多,同时所需的传感器的检测精度较高,导致成本的增加。
发明内容
本发明实施例提供一种污水污染溯源方法,旨在解决现有污水污染溯源不便捷的问题。
本发明实施例是这样实现的,一种污水污染溯源方法,包括:
获取主干管道的污水采样数据;
当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道;
根据所述主干管道的污水采样数据的记录时间,以及污水采样数据出现异常的各级管道的污水采样数据的记录时间,逐级回溯判断产生污染的污水所在的初级管道。
更进一步地,所述判断产生污染的污水所在的初级管道的步骤包括:
获取所述主干管道的污水采样数据的记录时间与污水采样数据出现异常的各级管道的污水采样数据的记录时间的时间差值;
获取所述主干管道的污水采样数据的记录位置与污水采样数据出现异常的各级管道的污水采样数据的记录位置的距离差值;
获取所述主干管道的污水采样数据的记录流速、及污水采样数据出现异常的各级管道的污水采样数据的记录流速;
根据各个所述时间差值、各个所述距离差值、及各个所述记录流速,逐级回溯时间关联匹配的上级管道,直至回溯判断出产生污染的污水所在的初级管道。
更进一步地,所述获取主干管道的污水采样数据的步骤之前包括:
检测当前是否有降雨发生;
若是,则检测各级管道中的水质数据;
若否,则检测各级管道中的水量数据。
更进一步地,所述获取位于多级汇流的树状管道上各个管道接驳处的传感器所检测的数据的步骤包括:
获取当前是否发生降雨;
若是,则获取所述传感器所检测的水质信息;
若否,则获取所述传感器所检测的水量信息。
更进一步地,所述当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道的步骤包括:
获取各级管道的污水采样数据;
当检测判断任一管道的污水采样数据达到预设报警值时,记录出现异常的时间;
当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取与所述主干管道连接的污水采样数据出现异常的上级管道。
更进一步地,所述当检测判断任一管道的污水采样数据达到预设报警值时,记录出现异常的时间的步骤包括:
在发生降雨时,当检测判断任一管道的污水采样数据达到预设水质报警值时,记录出现异常的时间;
在未发生降雨时,当检测判断任一管道的污水采样数据达到预设水量报警值时,记录出现异常的时间。
更进一步地,所述逐级回溯判断产生污染的污水所在的初级管道的步骤之后,所述方法还包括:
通过设于产生污染的污水所在的初级管道上对应的采样器采集当前水样,以根据所述水样进行查检。
更进一步地,所述获取主干管道的污水采样数据的步骤之前包括:
获取各级管道的管路信息、及设于各级管道接驳处的用于采集污水采样数据的各个传感器的信息;
根据所述管路信息和所述传感器的信息,建立树状管路模型、并在所述管路模型中标记各个传感器的信息。
更进一步地,所述方法还包括:
在所述管路模型中显示各个传感器所采集的污水采样数据;
在所述管路模型中以第一颜色显示标记污水采样数据出现异常的各级管道;
在所述管路模型中以第二颜色显示标记产生污染的污水所在的初级管道、及所逐级汇流的各级管道。
进一步地,所述获取主干管道的污水采样数据的步骤之前,所述方法还包括:
从预设的云端服务器获取历史统计信息,所述历史统计信息包括各个时间段内各个位置的水质数据、水量数据;
根据所述历史统计信息迭代修正所述各个时间段内各个位置的预设水质报警值、及预设水量报警值。
在本发明实施例中,通过在汇流末端的主干管道进行污水的检测,当检测到主干管道的污水采样数据达到预设污染值时,确定存在排污现象,此时向上逐级回溯污水采样数据出现异常的上级管道,并根据出现异常的上级管道的污水采样数据的记录时间与主干管道的污水采样数据的记录时间的时间关联关系逐级回溯判断出产生污染的污水所在的初级管道,此时通过在主干管道设置采样精度最高的传感器实现对是否排污进行检测,而各级管道设置采样精度较低的传感器检测是否水异常,很好的避免现有提供各个初级管道设置精度高的传感器所带来的成本增加的问题,使得可减少初级管道上设置传感器所投入的成本,并通过在污水采样数据出现异常的各级管道进行向上逐级回溯,使得可快捷的确定出产生污染的初级管道,解决了现有污水污染溯源不便捷的问题。
附图说明
图1是本发明实施例一提供的污水污染溯源方法的实现流程图;
图2是本发明实施例二提供的污水污染溯源方法的实现流程图;以及
图3是本发明实施例中提出的雨污管网***的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种污水污染溯源方法,包括获取主干管道的污水采样数据;当检测判断主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道;根据主干管道的污水采样数据的记录时间,以及污水采样数据出现异常的各级管道的污水采样数据的记录时间,逐级回溯判断产生污染的污水所在的初级管道,以解决现有污水污染溯源不便捷的问题。
实施例一
图1示出了本发明实施例一提供的污水污染溯源方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S11中,获取主干管道的污水采样数据。
其中,本发明实施例提出的污水污染溯源方法应用于雨污管网***,该雨污管网***包括多级汇流的树状管道,其沿汇流方向最终汇流到汇流末端的主干管道上,具体的,本实施例中,在各个管道汇流接驳处均设置有传感器。需要指出的是,本实施例中,其沿汇流方向的传感器的采样精度依次增加,使得虽然存在汇流后由于稀释而导致含量较低问题,但由于采样精度的增加,其汇流接驳处的传感器依旧能对管道进行很好的数据采样,实现对管道内的水样进行检测。还需要指出的是,本实施例中,其各个传感器均能对所处管道进行采样检测,但其检测精度较低,无法判别所处管道内是否存在排污现象。
具体的,例如各个小区或各家用户所排放的生活废水排放至与其连接的汇流初端的初级管道中,并通过初级管道与下一级管道进行接驳连接,使得到初级管道内的生活废水汇流至与其接驳的下一级管道,此时初级管道与下一级管道接驳处设有传感器,其传感器的采样精度最低,其可对管道内的水进行检测,但由于其检测精度最低,其无法根据当前所检测的污水采样数据确定是否存在企业污染污水偷排的现象,但其根据所检测的污水采样数据可判断是否存在水异常的异常现象。
进一步地,各个初级管道中的生活废水汇流到与其接驳的下一级管道,在树状管道中通过一级一级的沿汇流方向向下汇流至下一级管道,最终汇流到汇流末端的主干管道中,以实现统一的废水排放处理。其中每个管道接驳处均设有传感器,且上一级管道的传感器精度较下一级管道的传感器精度低,使得虽然存在由于水量汇流导致的污染稀释问题,但其下一级管道中的传感器还是可以检测出是否存在水异常信息。
进一步地,其在汇流末端的主干管道上设有一预设传感器,其中预设传感器的精度为所有传感器中精度最高的传感器,具体的,本实施例中,其预设传感器为总磷传感器,其可相应的获取到处于主干管道中的总磷含量,可以理解的,在本发明的其他实施例中,其预设传感器还可以为其他用于检测污水的精度高的传感器。其中,需要指出的是,其上级管道内的废水由于汇流使得其稀释后传感器无法精确的检测是否存在排污情况,但是由于其最终汇流至主干管道中,且其总磷含量不会由于稀释导致变化情况下,其设于主干管道内的总磷传感器可精确的确定主干管道内的总磷含量,并根据该总磷含量确定主干管道内是否存在污染。
进一步地,该雨污管网***内的各个传感器均与监控中心站连接,监控中心站用于监控雨污管网***的状态,如监控是否存污染在污水偷排,管道积涝,管道破损渗漏等状态。各个传感器均实时采集当前所处管道接驳处的污水采样数据,并相应的发送至监控中心站,以使监控中心站获取各个污水采样数据进行处理确定所监控的雨污管网***的状态。具体的,在对污水污染溯源中,其监控中心站实时获取主干管道的污水采样数据,以根据获取的主干管道上的污水采样数据判断是否存在排污情况,并当确定存在排污时进行相应的污水污染溯源。
在步骤S12中,当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道。
其中,在本发明实施例中,当监控中心站获取判断出主干管道采样的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道。即监控中心站实时获取主干管道内的总磷传感器检测的总磷含量,当检测到总磷含量达到预设污染值时,则记录当前所采集的各个数据,并由主干管道开始向上逐级回溯采样数据出现异常的上级管道。其中各个数据具体例如当前所采集的时间、管道内污水所流动的流速、以及各个采样数据所具体采集的参数值。
其中,需要指出的是,其监控中心站均获取设于各个管道接驳处传感器均采集所处管道的污水采样数据,并在获取到污水采样数据达到预设报警值时确定水异常,记录当前出现异常的污水采样数据,如时间、流速、及其采样参数等。
可以理解的,该各个检测到污水采样数据出现异常的传感器所记录的异常时间均早先于预设传感器所记录的污染时间,即按时间顺序流程为,其废水最初开始排入至位于汇流初端的初级管道,此时设于初级管道与下一级管道接驳的传感器由于精度较低,其检测出是否疑似水异常,但无法确认是否存在排污情况,此时监控中心站将该出现异常的污水采样数据进行记录,并其所处管道与下一级管道接驳的传感器在后续继续检测出水异常时,监控中心站继续将该出现异常的污水采样数据进行记录,此时废水依次逐级最终汇流至主干管道,使得主干管道上的预设传感器检测到污染时,监控中心可获取到预设传感器所采样的污水采样数据。
其中,需要指出的是,由于设于管道接驳处的传感器的精度较低,因此除所排污流经的管道接驳处会检测出是否疑似水异常外,其他各个传感器根据所检测的数据可能也由于突然大量排水等其他情况确定出是否疑似水异常,因此此时在主干管道上的预设传感器检测到污染时,其监控中心站根据所确定的污染开始由主干管道依次向上一级管道逐级回溯,确定获取到污水采样数据出现异常的各个上级管道。
在步骤S13中,根据所述主干管道的污水采样数据的记录时间,以及污水采样数据出现异常的各级管道的污水采样数据的记录时间,逐级回溯判断产生污染的污水所在的初级管道。
具体的,上述逐级回溯判断产生污染的污水所在的初级管道可以参照如下步骤实现:
(1)获取所述主干管道的污水采样数据的记录时间与污水采样数据出现异常的各级管道的污水采样数据的记录时间的时间差值;
(2)获取所述主干管道的污水采样数据的记录位置与污水采样数据出现异常的各级管道的污水采样数据的记录位置的距离差值;
(3)获取所述主干管道的污水采样数据的记录流速、及污水采样数据出现异常的各级管道的污水采样数据的记录流速;
(4)根据各个所述时间差值、各个所述距离差值、及各个所述记录流速,逐级回溯时间关联匹配的上级管道,直至回溯判断出产生污染的污水所在的初级管道。
具体的,在本发明实施例中,当监控中心站获取到主干管道上的预设传感器所采集的污水采样数据达到预设污染值确定存在排污时,获取记录预设传感器当前所记录的污染时间、主干管道的流速、及所处主干管道中的位置。进一步地,监控中心站获取在与主干管道接驳的各个传感器中污水采样数据出现异常的各级管道的污水采样数据的记录时间、记录流速、及所处管道的位置。此时不对未出现异常的各个传感器进行溯源分析,使得开始时就只对污水采样数据出现异常的传感器所处的管道进行分析,有效的减少了所分析的时间。
进一步地,根据所获取的各个信息,确定出与主干管道接驳的所确定出现异常的各个传感器与预设传感器之间的距离差值,以及异常时间和污染时间的时间差值,以及各个所处管道的记录流速。此时在获取到各个距离差值、各个时间差值、及主干管道的记录流速后,其可根据距离差值、时间差值、及流速所对应的时间关联关系判断是否匹配,例如,当确定主干管道的流速为X米/秒,与主干管道接驳的第一传感器所检测的异常时间和污染时间的时间差值为Y秒,其与主干管道接驳的第一传感器与预设传感器之间的距离差值为Z米,因此可以知道的,其如果时间关联关系匹配的情况下,其距离差值Z应该约等于流速X与时间差值Y的乘积,此时若真实的距离差值与其时间关联关系所理论的距离差值相距甚远时,则确定出与主干管道接驳的第一传感器所处的上一级管道为并未产生污染的管道,依次类推,在对与所述主干管道接驳的污水采样数据异常的各个传感器所记录的异常时间和预测传感器所记录的污染时间的时间关联关系进行判断后,可确定出一时间关联关系匹配的目标传感器、及与主干管道接驳的目标传感器所处产生污染的当前管道,该当前管道为与主干管道接驳的上一级管道。
进一步地,在确定出产生污染的当前管道后,其对当前管道进行进一步地的向上回溯,而不再对与主干管道接驳的其他污水采样数据异常的传感器所处的上级管道进行回溯,使得有效的提高了对污水污染溯源的效率,在对当前管道进行回溯时,其步骤参照上述所述,即,在产生污染的当前管道中根据目标传感器所记录的异常时间和与当前管道接驳的污水采样数据异常的各个传感器所记录的异常时间进行时间关联关系的匹配,即根据当前管道中目标传感器所记录的异常时间和各个接驳的传感器所记录的异常时间的时间差值、当前管道中目标传感器所记录的位置和各个接驳的传感器所记录的位置的距离差值、及当前管道目标传感器所记录的流速进行时间关联关系匹配。根据匹配结果确定出与当前管道接驳的产生污染的上一级管道、及目标传感器,此时该目标传感器为设于当前管道与上一级管道接驳处的确定产生污染的传感器,进一步地,对上一级管道进行如上述的进一步的回溯,此时在逐级回溯后最终回溯至该树状管网汇流初端的产生污染的污水所在的初级管道,使得实现对树状管道的污水污染溯源。
在本发明实施例中,通过在汇流末端的主干管道进行污水的检测,当检测到主干管道的污水采样数据达到预设污染值时,确定存在排污现象,此时向上逐级回溯污水采样数据出现异常的上级管道,并根据出现异常的上级管道的污水采样数据的记录时间与主干管道的污水采样数据的记录时间的时间关联关系逐级回溯判断出产生污染的污水所在的初级管道,此时通过在主干管道设置采样精度最高的传感器实现对是否排污进行检测,而各级管道设置采样精度较低的传感器检测是否水异常,很好的避免现有提供各个初级管道设置精度高的传感器所带来的成本增加的问题,使得可减少初级管道上设置传感器所投入的成本,并通过在污水采样数据出现异常的各级管道进行向上逐级回溯,使得可快捷的确定出产生污染的初级管道,解决了现有污水污染溯源不便捷的问题。
实施例二
图2示出了本发明实施例二提供的污水污染溯源方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S21中,获取主干管道的污水采样数据。
其中,在本发明实施例中,在获取主干管道的污水采样数据的步骤之前,还包括以下步骤:
(1)获取各级管道的管路信息、及设于各级管道接驳处的用于采集污水采样数据的各个传感器的信息;
(2)根据所述管路信息和所述传感器的信息,建立树状管路模型、并在所述管路模型中标记各个传感器的信息。
具体的,如图3所述,本实施例中,该树状管道包括多级依次汇流的庭院管道、支干管道、及主干管道。为较好的描述示意该雨污管网***,可参照如图3所示,其所有的管道最终均汇流到主干管道上,其主干管道上接驳有五个支干管道,依次为支干管道A、支干管道B、支干管道C、支干管道D、及支干管道E,其中主干管道A上接驳有两个庭院管道,依次为庭院管道A1和庭院管道A2;其主干管道B上接驳有两个庭院管道,依次为庭院管道B1和庭院管道B2;主干管道C上接驳有三个庭院管道,依次为庭院管道C1、庭院管道C2、及庭院管道C3;主干管道E上接驳有一个庭院管道,依次为庭院管道E1。可以理解的,由于不同的管道树状分布,其中可以支干管道D直接作为汇流的初级管道,也可以各个庭院管道作为汇流的初级管道。可以理解的,其图3中的雨污管网***不造成对现有雨污管网***的限制,进一步地,在现有雨污管网***中,其庭院管道上还可接驳有毛细支管等上一级管道及更上级管道,且最终汇流至主干管道中。
进一步地,在对各个传感器及各级管道建立树状管路模型后,其监控中心站可实时获取管路模型中各个传感器所检测的数据以及确定各个传感器的信息,以便在管路模型中快速确定是否存在水异常。同时可在管路模型中显示各个传感器所采集的污水采样数据,以提供用户可视化的呈现,便于用户对于污水采样数据的查阅。
进一步地,上述获取主干管道的污水采样数据的步骤之前,还包括以下步骤:
(1)检测当前是否有降雨发生;
(2)若是,则检测各级管道中的水质数据;
(3)若否,则检测各级管道中的水量数据;
其中,需要指出的是,在对管道内是否存在水异常的判断中,其首先判断是否发生降雨,即在未发生降雨时,此时可通过水量数据去判断是否存在水异常,其中水量数据主要包括水位,即在正常未降雨情况下,传感器检测到所处管道的水位突然快速上升时,其确定为水异常,其主要由于在大量排污时,其相应排污后的水位会较现有正常情况下的水位高,因此可主要通过水量数据作为检测是否存在水异常的判定,即获取传感器所检测的水量数据,但可以理解的,其还可同时通过水质数据作为检测是否存在水异常的判定。
而在发生降雨后,其管道内的水位均会上升,因此无法通过水量数据作为检测是否存在水异常的判定,此时通过水质数据进行判定,即获取传感器所检测的水质数据,其中水质数据包括但不限于PH值、悬浮固态、有机化合物、重金属含量等,其可根据与所处初级管道连接的企业所主要排污物质相应的在该初级管道接驳处设置对应检测该物质的传感器,以便于提高检测的精度。
在步骤S22中,当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道。
其中,在本发明实施例中,上述当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道可以参照如下步骤实现:
(1)获取各级管道的污水采样数据;
(2)当检测判断任一管道的污水采样数据达到预设报警值时,记录出现异常的时间;
(3)当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取与所述主干管道连接的污水采样数据出现异常的上级管道。
进一步地,当检测判断任一管道的污水采样数据达到预设报警值时,记录出现异常的时间的步骤包括:
在发生降雨时,当检测判断任一管道的污水采样数据达到预设水质报警值时,记录出现异常的时间;
在未发生降雨时,当检测判断任一管道的污水采样数据达到预设水量报警值时,记录出现异常的时间。
即,在发生降雨后,获取传感器所检测的水质数据,并根据水质数据达到预设水质报警值时,记录当前所检测的异常时间及对应所处管道的流速。在未发生降雨时,获取传感器所检测的水量数据,并根据水量数据达到预设水量报警值时,记录当前所检测的异常时间及对应所处管道的流速。
进一步地,其预设水量报警值和预设水质报警值的设置根据以下步骤实现:
(1)从预设的云端服务器获取历史统计信息,所述历史统计信息包括各个时间段内各个位置的水质数据、水量数据;
(2)根据所述历史统计信息迭代修正所述各个时间段内各个位置的预设水质报警值、及预设水量报警值。
其中,可以理解的,其传感器大量检测所处管道的数据,生成历史统计信息,此时根据历史统计信息确定各个时间段内各个位置的水质信息、水量信息,例如,其各个小区用户会在特定的时间段内进行大量的生活用水,此时该时间段内其水位可能处于一较高位,其用户在其他时间内并不进行生活用水,此时其他时间段内的水位可能处于一较低位,因此根据大量的历史统计信息可确定出一各个时间段内各个位置的水质信息以及水量信息,并根据该水质信息及水量信息对应的确定出预设水位报警值和预设水量报警值,进一步的,其同时根据当前以及后续获取的信息相应的修正该预设水位报警值和预设水量报警值,使得其通过预设水位报警值和预设水量报警值的设定可先相应的排除一些未出现水异常的管道,减少对污染污水追溯的工作量及提高追溯效率。
在步骤S23中,根据所述主干管道的污水采样数据的记录时间,以及污水采样数据出现异常的各级管道的污水采样数据的记录时间,逐级回溯判断产生污染的污水所在的初级管道。
其中,本实施例中,例如在主干管道与支干管道B、支干管道C、及支干管道D相接驳的各个传感器中均检测到水异常时,则其不对支干管道A及支干管道E进行污水的溯源,此时其根据预设传感器当前所记录的污染时间和与所述主干管道接驳的确定异常的各个传感器所记录的异常时间的时间关联关系,匹配确定出支干管道C产生污染。则对与支干管道C接驳的上一级庭院管道进行溯源,同时不再对支干管道B和支干管道D接驳的上一级庭院管道进行溯源。具体的对于时间关联关系的匹配可参照前述实施例所述,在此不做赘述。
其中,进一步地,在确定与支干管道C产生污染后,开始对与支干管道C接驳的上一级庭院管道进行回溯确定产生污染的庭院管道,此时在支干管道C与庭院管道C1、及庭院管道C2相接驳的各个传感器中均检测到水异常时,其根据设于主干管道与支干管道C接驳的目标传感器所记录的异常时间和确定异常的各个传感器所记录的异常时间的时间关联关系,确定出庭院管道C2产生污染,此时则确定树状管道汇流初端的产生污染的初级管道为庭院管道C2,可以理解的,当庭院管道上还有多级相互接驳的上级管道时,则逐级进行回溯,最终回溯判断出树状管道汇流初端的产生污染的污水所在的初级管道。
进一步地,上述逐级回溯判断产生污染的污水所在的初级管道的步骤之后,还包括:
在所述管路模型中显示各个传感器所采集的污水采样数据;
在所述管路模型中以第一颜色显示标记污水采样数据出现异常的各级管道;
在所述管路模型中以第二颜色显示标记产生污染的污水所在的初级管道、及所逐级汇流的各级管道。
其中,通过在管路模型中显示各个传感器所采集的污水采样数据,使得用户可快速的查看出城市雨污管道***中的各级管道的实时数据,通过在管路模型中以颜色显示标记污水采样数据出现异常的各级管道,使得用户可根据颜色确定出水异常的各级管道,并通过第一颜色和第二颜色分别对水异常的管道和水污染的管道进行显示标记,使得用户根据两种颜色可快速追溯确定出所排污的各级管道,以及当前疑似水异常的管道。
在步骤S24中,通过设于产生污染的污水所在的初级管道上对应的采样器采集当前水样,以根据所述水样进行查检;
其中,本实施例中,需要指出的是,其各个初级管道上均设有采样器,且各个采样器均与监控中心站连接,其中,当追溯到产生污染的初级管道时,此时监控中心站发送控制信号至该初级管道对应的采样器,以使采样器采集当前水样,以便执法人员后期的取证查检以对水质的全参数检验、及后期执法。
进一步地,其预设传感器还可获取该污水偷排的持续时间,当预设传感器开始采集到污水采样数据达到预设污染值时,开始进行污染时间的记录,当预设传感器获取到污水采样数据低于预设污染值时,进行停止时间的记录,此时根据该污染时间、设于初级管道上的传感器所检测的异常时间和停止时间可大致确定出排污的开始时间及持续时间,以便执法人员的后期执法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种污水污染溯源方法,其特征在于,所述方法包括:
获取主干管道的污水采样数据;
当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道;
根据所述主干管道的污水采样数据的记录时间,以及污水采样数据出现异常的各级管道的污水采样数据的记录时间,逐级回溯判断产生污染的污水所在的初级管道。
2.如权利要求1所述的污水污染溯源方法,其特征在于,所述逐级回溯判断产生污染的污水所在的初级管道的步骤包括:
获取所述主干管道的污水采样数据的记录时间与污水采样数据出现异常的各级管道的污水采样数据的记录时间的时间差值;
获取所述主干管道的污水采样数据的记录位置与污水采样数据出现异常的各级管道的污水采样数据的记录位置的距离差值;
获取所述主干管道的污水采样数据的记录流速、及污水采样数据出现异常的各级管道的污水采样数据的记录流速;
根据各个所述时间差值、各个所述距离差值、及各个所述记录流速,逐级回溯时间关联匹配的上级管道,直至回溯判断出产生污染的污水所在的初级管道。
3.如权利要求1所述的污水污染溯源方法,其特征在于,所述获取主干管道的污水采样数据的步骤之前包括:
检测当前是否有降雨发生;
若是,则检测各级管道中的水质数据;
若否,则检测各级管道中的水量数据。
4.如权利要求3所述的污水污染溯源方法,其特征在于,所述当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取污水采样数据出现异常的上级管道的步骤包括:
获取各级管道的污水采样数据;
当检测判断任一管道的污水采样数据达到预设报警值时,记录出现异常的时间;
当检测判断所述主干管道的污水采样数据达到预设污染值时,逐级回溯获取与所述主干管道连接的污水采样数据出现异常的上级管道。
5.如权利要求4所述的污水污染溯源方法,其特征在于,所述当检测判断任一管道的污水采样数据达到预设报警值时,记录出现异常的时间的步骤包括:
在发生降雨时,当检测判断任一管道的污水采样数据达到预设水质报警值时,记录出现异常的时间;
在未发生降雨时,当检测判断任一管道的污水采样数据达到预设水量报警值时,记录出现异常的时间。
6.如权利要求1所述的污水污染溯源方法,其特征在于,所述逐级回溯判断产生污染的污水所在的初级管道的步骤之后,所述方法还包括:
通过设于产生污染的污水所在的初级管道上对应的采样器采集当前水样,以根据所述水样进行查检。
7.如权利要求1所述的污水污染溯源方法,其特征在于,所述获取主干管道的污水采样数据的步骤之前包括:
获取各级管道的管路信息、及设于各级管道接驳处的用于采集污水采样数据的各个传感器的信息;
根据所述管路信息和所述传感器的信息,建立树状管路模型、并在所述管路模型中标记各个传感器的信息。
8.如权利要求7所述的污水污染溯源方法,其特征在于,所述方法还包括:
在所述管路模型中显示各个传感器所采集的污水采样数据;
在所述管路模型中以第一颜色显示标记污水采样数据出现异常的各级管道;
在所述管路模型中以第二颜色显示标记产生污染的污水所在的初级管道、及所逐级汇流的各级管道。
9.如权利要求5所述的污水污染溯源方法,其特征在于,所述获取主干管道的污水采样数据的步骤之前,所述方法还包括:
从预设的云端服务器获取历史统计信息,所述历史统计信息包括各个时间段内各个位置的水质数据、水量数据;
根据所述历史统计信息迭代修正所述各个时间段内各个位置的预设水质报警值、及预设水量报警值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517491.XA CN112083132A (zh) | 2019-06-14 | 2019-06-14 | 一种污水污染溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517491.XA CN112083132A (zh) | 2019-06-14 | 2019-06-14 | 一种污水污染溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112083132A true CN112083132A (zh) | 2020-12-15 |
Family
ID=73734086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910517491.XA Pending CN112083132A (zh) | 2019-06-14 | 2019-06-14 | 一种污水污染溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112083132A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358580A (zh) * | 2021-05-31 | 2021-09-07 | 南京市仪器仪表工业供销有限公司 | 水质采样***及监测方法 |
CN114444259A (zh) * | 2021-12-20 | 2022-05-06 | 浙江仁欣环科院有限责任公司 | 一种雨污管网溯源追踪***及方法 |
CN117634178A (zh) * | 2023-11-24 | 2024-03-01 | 广东省环境科学研究院 | 一种高效溯源水质污染源的***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201522484U (zh) * | 2009-07-08 | 2010-07-07 | 大连理工大学 | 空气污染源、火源位置快捷辨识仪 |
CN102467605A (zh) * | 2010-11-08 | 2012-05-23 | 同济大学 | 供水管网突发污染事故的污染源追踪定位信息处理方法 |
CN105278492A (zh) * | 2014-06-26 | 2016-01-27 | 广东柯内特环境科技有限公司 | 一种区域排污的智能监控***和方法 |
CN107727818A (zh) * | 2016-07-16 | 2018-02-23 | 韩少卿 | 环保水质监测*** |
-
2019
- 2019-06-14 CN CN201910517491.XA patent/CN112083132A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201522484U (zh) * | 2009-07-08 | 2010-07-07 | 大连理工大学 | 空气污染源、火源位置快捷辨识仪 |
CN102467605A (zh) * | 2010-11-08 | 2012-05-23 | 同济大学 | 供水管网突发污染事故的污染源追踪定位信息处理方法 |
CN105278492A (zh) * | 2014-06-26 | 2016-01-27 | 广东柯内特环境科技有限公司 | 一种区域排污的智能监控***和方法 |
CN107727818A (zh) * | 2016-07-16 | 2018-02-23 | 韩少卿 | 环保水质监测*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358580A (zh) * | 2021-05-31 | 2021-09-07 | 南京市仪器仪表工业供销有限公司 | 水质采样***及监测方法 |
CN114444259A (zh) * | 2021-12-20 | 2022-05-06 | 浙江仁欣环科院有限责任公司 | 一种雨污管网溯源追踪***及方法 |
CN114444259B (zh) * | 2021-12-20 | 2022-09-23 | 浙江仁欣环科院有限责任公司 | 一种雨污管网溯源追踪***及方法 |
CN117634178A (zh) * | 2023-11-24 | 2024-03-01 | 广东省环境科学研究院 | 一种高效溯源水质污染源的***及方法 |
CN117634178B (zh) * | 2023-11-24 | 2024-05-28 | 广东省环境科学研究院 | 一种高效溯源水质污染源的***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114444259B (zh) | 一种雨污管网溯源追踪***及方法 | |
CN110196083B (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
CN112083132A (zh) | 一种污水污染溯源方法 | |
CN107061997A (zh) | 建立多路供水结构漏损情况监测管网的方法及监测*** | |
CN110297018A (zh) | 一种排水管网污染物排放溯源的方法及装置 | |
CN113111478B (zh) | 排水***管网混接与入流、入渗程度的评估方法及设备 | |
JP2013525790A (ja) | 配管漏れをチェックするデータ処理方法およびシステム | |
CN111289697B (zh) | Cems运行状态监控与数据作假识别方法及*** | |
CN110472796A (zh) | 海绵城市建设试点区水量水质监测布点方法及预警*** | |
CN101786675A (zh) | 一种多参数废水源头分离装置及方法 | |
CN115166180A (zh) | 一种垃圾渗滤液水质分析***及方法 | |
CN113655189A (zh) | 污染源自动监控数据分析判断*** | |
CN109269576A (zh) | 一种用于石油化工企业污水排放检测实现方法 | |
CN205262791U (zh) | 污染源废水抽查智能仪 | |
CN212620879U (zh) | 一种市政污水管网健康状况的监控设备 | |
CN212905988U (zh) | 一种工业园区废水排放的自动监控*** | |
CN112780953A (zh) | 一种基于模式检测的独立计量区域管网漏损检测方法 | |
CN116242978B (zh) | 一种智能排水管理***及方法 | |
CN209400519U (zh) | 一种工业园区在线水质监测*** | |
CN116448988A (zh) | 一种工业园区土壤污染监测***及方法 | |
CN217007249U (zh) | 水质检测*** | |
CN102749430B (zh) | 一种废水监测设备、***及方法 | |
CN114624407A (zh) | 一种基于典型地块的片区污水***外水水量测算方法 | |
CN115650327A (zh) | 一种城镇污水***旱天外水入流的剥离方法 | |
KR20040072277A (ko) | 하수관거 유지관리시스템 및 그 구축방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201215 |