CN112964843A - 污水处理设施水质监测的物联网传感器***及监测方法 - Google Patents
污水处理设施水质监测的物联网传感器***及监测方法 Download PDFInfo
- Publication number
- CN112964843A CN112964843A CN202110103573.7A CN202110103573A CN112964843A CN 112964843 A CN112964843 A CN 112964843A CN 202110103573 A CN202110103573 A CN 202110103573A CN 112964843 A CN112964843 A CN 112964843A
- Authority
- CN
- China
- Prior art keywords
- data
- water quality
- effluent
- sensor
- monitoring
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 209
- 238000012544 monitoring process Methods 0.000 title claims abstract description 109
- 239000010865 sewage Substances 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000013136 deep learning model Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 24
- 238000013441 quality evaluation Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 229910019142 PO4 Inorganic materials 0.000 claims description 10
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims description 8
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 claims description 8
- 239000010452 phosphate Substances 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 3
- 230000009469 supplementation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 2
- 238000001303 quality assessment method Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 14
- 238000013135 deep learning Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000007853 buffer solution Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000033116 oxidation-reduction process Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003911 water pollution Methods 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
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/06—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a liquid
-
- 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
- G01N33/1806—Biological oxygen demand [BOD] or chemical oxygen demand [COD]
-
- 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
- G01N33/1826—Organic contamination in water
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- Emergency Medicine (AREA)
- Molecular Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种污水处理设施水质监测的物联网传感器***及监测方法，该***包括：通过传感器终端实时检测出水数据；数据采集模块用于实时采集传感器终端检测到的出水数据；数据存储模块用于对出水数据进行存储；数据预处理模块用于对出水数据进行预处理；水质监测模块用于通过深度学***台，通过物联网平台进行远程监控与管理。该方法可以实现农村污水处理设施出水水质的在线实时监测，并对出水水质进行达标评价。
Description
技术领域
本发明涉及水环境质量监测技术领域，特别涉及一种污水处理设施水质监测的物联网传感器***及监测方法。
背景技术
随着我国水环境治理的逐渐深入，农村污水处理逐渐被重视起来。越来越多的地区兴建了大量的农村污水处理设施，对农村生活污水进行收集与处理，成为水环境保护的重要环节。现阶段我国农村污水处理设施存在单体规模小、整体数量多、分布分散的特点，造成了整体运维监管十分困难，迫切需要发展物联网技术。
目前部分地区已开发物联网远程管理平台，将农村污水处理设施的设备运行状态、水量以及电量等稳定可靠的信息采集至管理平台。但是处理设施的出水水质仍以人工采样检测为主，几乎没有自动监测仪表与设备，造成处理设施出水监管的空缺。主要原因为一套完整监管指标的出水水质监测仪表造价昂贵，无法大范围部署，同时现有水质在线监测仪表需要定期更换化学试剂、存在保养运维费用高、对维护人员的操作技能要求高等问题。这些实际约束条件直接导致了大量的农村污水处理设施的出水水质信息处于空白状态，严重影响了日常运行管理，同时无法满足监管需求，迫切需要找到解决方案。
近年来，在水处理领域有研究基于软测量技术实现水质监测的方法，主要研究方向如下：(1)污水处理厂领域通过已知在线水质监测仪表数据预测其他无水质仪表处理单元的水质数据，如根据污水处理厂进出水水质仪表数据预测分析各处理单元水质数据；(2)根据已安装的水质仪表数据预测未监测的水质数据，如通过COD/SS等在线监测仪表预测BOD水质数据；(3)根据已安装监测仪表数据预测某一出水水质数据，如根据进出水pH、电导、氨氮仪表数据预测出水总氮、COD等。上述基于软测量技术的水质监测方法仍然需要利用到水质监测仪表来预测出水水质，不仅没有解决农村污水水质监测领域水质仪表造价昂贵、部署成本高的问题，即使在每个处理设施部署部分水质仪表，也需要对每套软测量技术进行建模校正，需要大量的人力物力，不符合我国目前农村污水出水水质监测的实际情况。
因此如何通过部署少量廉价、稳定、具有物联网属性的监测仪表实现农村污水处理设施出水水质的监测，是农村污水处理领域迫切需要解决的问题，对处理设施的稳定达标运行、提高农村污水运维管理水平、水污染治理的有效监管都具有重要的意义。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种污水处理设施水质监测的物联网传感器***，该***能够实现农村污水处理设施出水水质的在线实时监测，并对出水水质进行达标评价。
本发明的另一个目的在于提出一种污水处理设施水质监测方法。
为达到上述目的，本发明一方面实施例提出了一种污水处理设施水质监测的物联网传感器***，包括：
传感器终端、水质监测终端、电源模块和物联网平台；
所述水质监测终端包括数据采集模块、数据存储模块、数据预处理模块、水质监测模块、水质评估模块和数据传输模块；
所述传感器终端和所述水质监测终端与电源模块连接，所述传感器终端和所述水质监测终端连接；
所述传感器终端包括多个传感器，用于实时检测出水数据；
所述数据采集模块用于实时采集所述传感器终端检测到的出水数据；
所述数据存储模块用于对出水数据进行存储；
所述数据预处理模块用于对出水数据进行预处理；
所述水质监测模块用于通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息；
所述水质评估模块用于通过水质评估算法对所述水质信息进行分级评估；
所述数据传输模块用于将所述水质监测终端的数据发送至所述物联网平台，通过所述物联网平台进行远程监控与管理。
本发明实施例的污水处理设施水质监测的物联网传感器***，根据污水处理反应机理选择相应低成本仪表，成本低廉，便于大范围部署；通过简单指标的连续监测与特征化识别，并集成物联网属性，实现在线实时监测；采用深度学习算法，表征出水水质情况，并进行水质达标分级评价，实现出水水质的实时监测；将低成本仪表集成为物联网传感器终端，便于安装，传感器免于日常维护，有效降低了运维成本。
另外，根据本发明上述实施例的污水处理设施水质监测的物联网传感器***还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述传感器终端包括：PH传感器、ORP传感器、电导率传感器和浊度传感器；
所述PH传感器用于检测出水的pH，所述ORP传感器用于检测出水的ORP，所述电导率传感器用于检测出水的电导率，所述浊度传感器用于检测出水的浊度。
进一步地，在本发明的一个实施例中，所述数据预处理模块用于对出水数据进行预处理，包括时间戳检验、数据判定、错误数据删除、缺失数据补充，预处理后得到清洗后的传感器数据pHc、ORPc、CONDc、TURBc。
进一步地，在本发明的一个实施例中，所述水质监测模块内置训练后及参数优化的深度学习模型，通过深度学习模型将预处理后的pHc、ORPc、CONDc、TURBc数据导入到深度学习模型，得到出水COD、氨氮、硝氮、磷酸盐水质数据。
进一步地，在本发明的一个实施例中，所述水质评估模块用于将出水的水质信息与排放标准进行比较，得到每个指标的水质指数，选取指标最大值作为综合水质指数表征污水处理设施处理效果，并对综合水质指数进行评级。
为达到上述目的，本发明另一方面实施例提出了一种污水处理设施水质监测方法，包括：
通过多个传感器采集出水数据，对所述出水数据进行预处理；
通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息；
通过水质评估算法对所述水质信息进行分级评估；
将所述预处理后的出水数据、所述水质信息及分级评估结果发送至物联网平台，通过所述物联网平台进行实时监控与管理。
本发明实施例的污水处理设施水质监测方法，根据污水处理反应机理选择相应低成本仪表，成本低廉，便于大范围部署；通过简单指标的连续监测与特征化识别，并集成物联网属性，实现在线实时监测；采用深度学习算法，表征出水水质情况，并进行水质达标分级评价，实现出水水质的实时监测；将低成本仪表集成为物联网传感器终端，便于安装，传感器免于日常维护，有效降低了运维成本。
另外，根据本发明上述实施例的污水处理设施水质监测方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述通过多个传感器采集出水数据，包括：
通过PH传感器检测出水的pH，通过ORP传感器检测出水的ORP，通过电导率传感器检测出水的电导率，通过浊度传感器检测出水的浊度。
进一步地，在本发明的一个实施例中，对所述出水数据进行预处理，包括包括时间戳检验、数据判定、错误数据删除、缺失数据补充，预处理后得到清洗后的传感器数据pHc、ORPc、CONDc、TURBc。
进一步地，在本发明的一个实施例中，所述通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息，包括：
通过深度学习模型将预处理后的pHc、ORPc、CONDc、TURBc数据导入到深度学习模型，得到出水COD、氨氮、硝氮、磷酸盐水质数据。
进一步地，在本发明的一个实施例中，所述通过水质评估算法对所述水质信息进行分级评估，包括：
将出水的水质信息与排放标准进行比较，得到每个指标的水质指数，选取指标最大值作为综合水质指数表征污水处理设施处理效果，并对综合水质指数进行评级。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的污水处理设施水质监测的物联网传感器***结构示意图；
图2为根据本发明一个实施例的物联网传感器终端结构示意图；
图3为根据本发明一个实施例的物联网传感器水质监测模块原理示意图；
图4为根据本发明一个实施例的物联网传感器采集数据预处理后数据曲线；
图5为根据本发明一个实施例的物联网传感器水质监测数据；
图6为根据本发明一个实施例的物联网传感器水质监测评级数据；
图7为根据本发明一个实施例的污水处理设施水质监测方法流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的污水处理设施水质监测的物联网传感器***及监测方法。
首先将参照附图描述根据本发明实施例提出的污水处理设施水质监测的物联网传感器***。
图1为根据本发明一个实施例的污水处理设施水质监测的物联网传感器***结构示意图。
如图1所示，该污水处理设施水质监测的物联网传感器***包括：传感器终端、水质监测终端、电源模块和物联网平台。
水质监测终端包括数据采集模块、数据存储模块、数据预处理模块、水质监测模块、水质评估模块和数据传输模块；
传感器终端和水质监测终端与电源模块连接，传感器终端和水质监测终端连接；
传感器终端包括多个传感器，用于实时检测出水数据；
数据采集模块用于实时采集传感器终端检测到的出水数据；
数据存储模块用于对出水数据进行存储；
数据预处理模块用于对出水数据进行预处理；
水质监测模块用于通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息；
水质评估模块用于通过水质评估算法对水质信息进行分级评估；
数据传输模块用于将水质监测终端的数据发送至物联网平台，通过物联网平台进行远程监控与管理。
进一步地，传感器终端如图2所示，包括PH传感器、ORP(氧化还原电位)传感器、电导率传感器、浊度传感器，PH传感器用于检测出水的pH，ORP传感器用于检测出水的ORP，电导率传感器用于检测出水的电导率，浊度传感器用于检测出水的浊度。
可以理解的是，PH传感器、ORP传感器、电导率传感器、浊度传感器为具有ModbusRTU通讯功能的常规传感器。水质监测终端采用工业控制器，如嵌入式工业电脑、树莓派边缘网关等。传感器终端与水质监测终端通过RS485通讯线连接进行通讯，与电源模块相互连接。水质监测终端通过4G或以太网将水质数据发送至物联网平台。
水质监测终端通过数据采集模块实时采集传感器终端监测数据，得到出水pH、ORP、电导率、浊度数据：pHori，单位无量纲，ORPori，单位mV，CONDori、单位S/m，TURBori，单位NTU，并通过数据存储模块将数据存储至水质监测终端的数据库中。
水质监测终端通过数据预处理模块对实时采集的传感器终端数据进行数据预处理，得到清洗后的数据，预处理包括时间戳检验、数据判定、错误数据删除、缺失数据补充等，得到清洗后的传感器数据pHc、ORPc、CONDc、TURBc。
如图3所示，通过pH传感器表征出水液相离子缓冲体系，ORP表征有机物浓度，电导率表征氨氮、硝氮、磷酸盐浓度情况，浊度表征SS浓度、分离效果等，通过pH、ORP与浊度得到出水COD浓度，通过ORP与电导率得到出水氨氮浓度，通过出水ORP、电导率与浊度得到出水TN浓度，通过出水电导率/浊度得到出水TP浓度。水质监测模块内置训练后及参数优化的深度学习模型，将预处理后的pHc、ORPc、CONDc、TURBc数据导入到深度学习模型后，得到出水COD、氨氮、硝氮、磷酸盐水质数据：COD、NH3-N、NO3-N、PO4-P，单位均为mg/L。并通过计算得到出水的TN、TP与SS浓度，计算公式如下：
SS＝1.5+TURBc*0.45
水质评估模块通过对深度学***分级为5等，为优良中差劣，超过100为超标。
其中：ci指出水COD、NH3-N、TN、TP、SS浓度，单位mg/L；
cs为处理设施排放标准中COD、NH3-N、TN、TP、SS对应的限值浓度，单位mg/L；
τi指出水COD、NH3-N、TN、TP、SS指数，无量纲；
′＝max{τi}
下面以一个具体实施例进一步说明污水处理设施水质监测的物联网传感器***。
某农村污水处理设施采用AO+MBR工艺，设计规模24吨/天，原出水处无水质监测仪表，安装了本发明的物联网传感器，在出水处安装了如图3所示的传感器终端，水质监测终端通过传感器终端实时采集pHori、ORPori、CONDori、TURBori监测数据，并存入数据库中，通过数据预处理模块对原始数据进行预处理，得到如图4所示的清洗后数据曲线，通过水质监测模块将清洗后的pHc、ORPc、CONDc、TURBc数据导入深度学习模型，得到处理设施出水COD、氨氮、硝氮、磷酸盐水质数据，如图5所示。该处理设施出水标准为一级A标准，即COD为50mg/L，NH3-N为5mg/L，TN为15mg/L，TP为0.5mg/L，SS为10mg/L，将排放标准输入至水质评估模块可知，在实时监测的4137个数据中，出水水质评估情况如下：
| 级别 | 优 | 良 | 中 | 差 | 劣 | 超标 |
| 数量 | 0 | 1394 | 192 | 242 | 2222 | 87 |
同时可得到如图6所示的出水评级数据曲线，由曲线可知，该站点在9月24日至10月3日处理效果较差，出水水质处于“劣”的级别，在10月4日至10月12日处理效果较好，出水水质处于“良”的级别。
物联网传感器的数据传输模块可以将预处理后的pHc、ORPc、CONDc、TURBc监测指标，COD、NH3-N、NO3-N、PO4-P、TN、TP、SS出水浓度与评级情况通过4G或以太网方式发送到物联网远程管理平台，方便运维管理人员及时掌握该处理设施的出水水质变化情况，并及时做出相应的调整。
根据本发明实施例提出的污水处理设施水质监测的物联网传感器***，根据污水处理反应机理选择相应低成本仪表，成本低廉，便于大范围部署；通过简单指标的连续监测与特征化识别，并集成物联网属性，实现在线实时监测；采用深度学习算法，表征出水水质情况，并进行水质达标分级评价，实现出水水质的实时监测；将低成本仪表集成为物联网传感器终端，便于安装，传感器免于日常维护，有效降低了运维成本。
其次参照附图描述根据本发明实施例提出的污水处理设施水质监测方法。
图7为根据本发明一个实施例的污水处理设施水质监测方法流程图。
如图7所示，该污水处理设施水质监测方法包括：
S1，通过多个传感器采集出水数据，对出水数据进行预处理；
S2，通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息；
S3，通过水质评估算法对水质信息进行分级评估；
S4，将预处理后的出水数据、水质信息及分级评估结果发送至物联网平台，通过物联网平台进行实时监控与管理。
进一步地，在本发明的一个实施例中，通过多个传感器采集出水数据，包括：
通过PH传感器检测出水的pH，通过ORP传感器检测出水的ORP，通过电导率传感器检测出水的电导率，通过浊度传感器检测出水的浊度。
进一步地，在本发明的一个实施例中，对出水数据进行预处理，包括时间戳检验、数据判定、错误数据删除、缺失数据补充，预处理后得到清洗后的传感器数据pHc、ORPc、CONDc、TURBc。
进一步地，在本发明的一个实施例中，通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息，包括：
通过深度学习模型将预处理后的pHc、ORPc、CONDc、TURBc数据导入到深度学习模型，得到出水COD、氨氮、硝氮、磷酸盐水质数据。
进一步地，在本发明的一个实施例中，通过水质评估算法对水质信息进行分级评估，包括：
将出水的水质信息与排放标准进行比较，得到每个指标的水质指数，选取指标最大值作为综合水质指数表征污水处理设施处理效果，并对综合水质指数进行评级。
需要说明的是，前述对方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。
根据本发明实施例提出的污水处理设施水质监测方法，根据污水处理反应机理选择相应低成本仪表，成本低廉，便于大范围部署；通过简单指标的连续监测与特征化识别，并集成物联网属性，实现在线实时监测；采用深度学习算法，表征出水水质情况，并进行水质达标分级评价，实现出水水质的实时监测；将低成本仪表集成为物联网传感器终端，便于安装，传感器免于日常维护，有效降低了运维成本。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种污水处理设施水质监测的物联网传感器***，其特征在于，包括：
传感器终端、水质监测终端、电源模块和物联网平台；
所述水质监测终端包括数据采集模块、数据存储模块、数据预处理模块、水质监测模块、水质评估模块和数据传输模块；
所述传感器终端和所述水质监测终端与电源模块连接，所述传感器终端和所述水质监测终端连接；
所述传感器终端包括多个传感器，用于实时检测出水数据；
所述数据采集模块用于实时采集所述传感器终端检测到的出水数据；
所述数据存储模块用于对出水数据进行存储；
所述数据预处理模块用于对出水数据进行预处理；
所述水质监测模块用于通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息；
所述水质评估模块用于通过水质评估算法对所述水质信息进行分级评估；
所述数据传输模块用于将所述水质监测终端的数据发送至所述物联网平台，通过所述物联网平台进行远程监控与管理。
2.根据权利要求1所述的***，其特征在于，所述传感器终端包括：PH传感器、ORP传感器、电导率传感器和浊度传感器；
所述PH传感器用于检测出水的pH，所述ORP传感器用于检测出水的ORP，所述电导率传感器用于检测出水的电导率，所述浊度传感器用于检测出水的浊度。
3.根据权利要求1所述的***，其特征在于，所述数据预处理模块用于对出水数据进行预处理，包括时间戳检验、数据判定、错误数据删除、缺失数据补充，预处理后得到清洗后的传感器数据pHc、ORPc、CONDc、TURBc。
4.根据权利要求3所述的***，其特征在于，所述水质监测模块内置训练后及参数优化的深度学习模型，通过深度学习模型将预处理后的pHc、ORPc、CONDc、TURBc数据导入到深度学习模型，得到出水COD、氨氮、硝氮、磷酸盐水质数据。
5.根据权利要求1所述的***，其特征在于，所述水质评估模块用于将出水的水质信息与排放标准进行比较，得到每个指标的水质指数，选取指标最大值作为综合水质指数表征污水处理设施处理效果，并对综合水质指数进行评级。
6.一种污水处理设施水质监测方法，其特征在于，包括：
通过多个传感器采集出水数据，对所述出水数据进行预处理；
通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息；
通过水质评估算法对所述水质信息进行分级评估；
将所述预处理后的出水数据、所述水质信息及分级评估结果发送至物联网平台，通过所述物联网平台进行实时监控与管理。
7.根据权利要求6所述的方法，其特征在于，所述通过多个传感器采集出水数据，包括：
通过PH传感器检测出水的pH，通过ORP传感器检测出水的ORP，通过电导率传感器检测出水的电导率，通过浊度传感器检测出水的浊度。
8.根据权利要求6所述的方法，其特征在于，对所述出水数据进行预处理，包括包括时间戳检验、数据判定、错误数据删除、缺失数据补充，预处理后得到清洗后的传感器数据pHc、ORPc、CONDc、TURBc。
9.根据权利要求8所述的方法，其特征在于，所述通过深度学习模型对预处理后的出水数据进行处理，得到出水的水质信息，包括：
通过深度学习模型将预处理后的pHc、ORPc、CONDc、TURBc数据导入到深度学习模型，得到出水COD、氨氮、硝氮、磷酸盐水质数据。
10.根据权利要求6所述的方法，其特征在于，所述通过水质评估算法对所述水质信息进行分级评估，包括：
将出水的水质信息与排放标准进行比较，得到每个指标的水质指数，选取指标最大值作为综合水质指数表征污水处理设施处理效果，并对综合水质指数进行评级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110103573.7A CN112964843A (zh) | 2021-01-26 | 2021-01-26 | 污水处理设施水质监测的物联网传感器***及监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110103573.7A CN112964843A (zh) | 2021-01-26 | 2021-01-26 | 污水处理设施水质监测的物联网传感器***及监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112964843A true CN112964843A (zh) | 2021-06-15 |
Family
ID=76272656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110103573.7A Pending CN112964843A (zh) | 2021-01-26 | 2021-01-26 | 污水处理设施水质监测的物联网传感器***及监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112964843A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113943045A (zh) * | 2021-11-26 | 2022-01-18 | 浙江一谦生态农业科技有限责任公司 | 一种基于物联网去除医疗用品废水氨氮总氮***及方法 |
| CN114910622A (zh) * | 2022-06-22 | 2022-08-16 | 清华苏州环境创新研究院 | 一种水质监测物联网传感器的标定装置及方法 |
| CN115575594A (zh) * | 2022-09-22 | 2023-01-06 | 呼伦贝尔安泰热电有限责任公司海拉尔热电厂 | 一种基于物联网技术的热力站水质监测评估方法与*** |
| CN116282455A (zh) * | 2023-05-18 | 2023-06-23 | 交通运输部天津水运工程科学研究所 | 一种散货港口污水处理站智慧运维***及方法 |
| CN117164103A (zh) * | 2023-07-03 | 2023-12-05 | 广西智碧达智慧环境科技有限公司 | 生活污水处理***的智能控制方法、终端及*** |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103645289A (zh) * | 2013-12-02 | 2014-03-19 | 中山欧麦克仪器设备有限公司 | 一种基于物联网的智能在线浊度监测*** |
| CN105323321A (zh) * | 2015-11-16 | 2016-02-10 | 清华大学 | 水联网*** |
| CN107358048A (zh) * | 2017-07-14 | 2017-11-17 | 广东省环境科学研究院 | 一种基于ais数据的高精度船舶污染物排放量计算方法 |
| CN107357840A (zh) * | 2017-06-23 | 2017-11-17 | 广东开放大学（广东理工职业学院） | 一种渔业大数据检测分析方法及*** |
| CN208239436U (zh) * | 2018-06-12 | 2018-12-14 | 桂林电子科技大学 | 一种水质氨氮检测*** |
| CN109060920A (zh) * | 2018-07-24 | 2018-12-21 | 清华大学 | 一种基于物联网控制的微生物电化学水质监测*** |
| CN109467283A (zh) * | 2018-12-25 | 2019-03-15 | 湖南智水环境工程有限公司 | 适用于多户生活污水处理的污水处理设备 |
| CN109534501A (zh) * | 2018-12-03 | 2019-03-29 | 浙江清华长三角研究院 | 一种农村生活污水处理设施的监管方法 |
| CN110132629A (zh) * | 2019-06-06 | 2019-08-16 | 浙江清华长三角研究院 | 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 |
| CN110146122A (zh) * | 2019-06-06 | 2019-08-20 | 浙江清华长三角研究院 | 一种农村生活污水处理设施运行有效性的预测方法 |
| CN110186505A (zh) * | 2019-06-06 | 2019-08-30 | 浙江清华长三角研究院 | 一种基于支持向量机的农村生活污水处理设施出水达标情况的预测方法 |
| CN110322027A (zh) * | 2019-07-04 | 2019-10-11 | 南京大学 | 一种农村生活污水物联网管理平台 |
| CN111596028A (zh) * | 2020-07-02 | 2020-08-28 | 上海交通大学 | 一种针对分散式污水排放源的水质在线监测*** |
| CN111858715A (zh) * | 2020-07-24 | 2020-10-30 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据挖掘的污水处理厂进水质量预测方法 |
| CN111965125A (zh) * | 2020-09-03 | 2020-11-20 | 沈阳农业大学 | 一种水质在线监测***及监测方法 |
-
2021
- 2021-01-26 CN CN202110103573.7A patent/CN112964843A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103645289A (zh) * | 2013-12-02 | 2014-03-19 | 中山欧麦克仪器设备有限公司 | 一种基于物联网的智能在线浊度监测*** |
| CN105323321A (zh) * | 2015-11-16 | 2016-02-10 | 清华大学 | 水联网*** |
| CN107357840A (zh) * | 2017-06-23 | 2017-11-17 | 广东开放大学（广东理工职业学院） | 一种渔业大数据检测分析方法及*** |
| CN107358048A (zh) * | 2017-07-14 | 2017-11-17 | 广东省环境科学研究院 | 一种基于ais数据的高精度船舶污染物排放量计算方法 |
| CN208239436U (zh) * | 2018-06-12 | 2018-12-14 | 桂林电子科技大学 | 一种水质氨氮检测*** |
| CN109060920A (zh) * | 2018-07-24 | 2018-12-21 | 清华大学 | 一种基于物联网控制的微生物电化学水质监测*** |
| CN109534501A (zh) * | 2018-12-03 | 2019-03-29 | 浙江清华长三角研究院 | 一种农村生活污水处理设施的监管方法 |
| CN109467283A (zh) * | 2018-12-25 | 2019-03-15 | 湖南智水环境工程有限公司 | 适用于多户生活污水处理的污水处理设备 |
| CN110132629A (zh) * | 2019-06-06 | 2019-08-16 | 浙江清华长三角研究院 | 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 |
| CN110146122A (zh) * | 2019-06-06 | 2019-08-20 | 浙江清华长三角研究院 | 一种农村生活污水处理设施运行有效性的预测方法 |
| CN110186505A (zh) * | 2019-06-06 | 2019-08-30 | 浙江清华长三角研究院 | 一种基于支持向量机的农村生活污水处理设施出水达标情况的预测方法 |
| CN110322027A (zh) * | 2019-07-04 | 2019-10-11 | 南京大学 | 一种农村生活污水物联网管理平台 |
| CN111596028A (zh) * | 2020-07-02 | 2020-08-28 | 上海交通大学 | 一种针对分散式污水排放源的水质在线监测*** |
| CN111858715A (zh) * | 2020-07-24 | 2020-10-30 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据挖掘的污水处理厂进水质量预测方法 |
| CN111965125A (zh) * | 2020-09-03 | 2020-11-20 | 沈阳农业大学 | 一种水质在线监测***及监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李宁，徐连明，邓中亮: "《物联网基础理论与应用》", 31 July 2012, 北京邮电大学出版社 * |
| 林强: "《机器学习、深度学习与强化学习》", 31 May 2019 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113943045A (zh) * | 2021-11-26 | 2022-01-18 | 浙江一谦生态农业科技有限责任公司 | 一种基于物联网去除医疗用品废水氨氮总氮***及方法 |
| CN114910622A (zh) * | 2022-06-22 | 2022-08-16 | 清华苏州环境创新研究院 | 一种水质监测物联网传感器的标定装置及方法 |
| CN114910622B (zh) * | 2022-06-22 | 2023-08-08 | 清华苏州环境创新研究院 | 一种水质监测物联网传感器的标定装置及方法 |
| CN115575594A (zh) * | 2022-09-22 | 2023-01-06 | 呼伦贝尔安泰热电有限责任公司海拉尔热电厂 | 一种基于物联网技术的热力站水质监测评估方法与*** |
| CN116282455A (zh) * | 2023-05-18 | 2023-06-23 | 交通运输部天津水运工程科学研究所 | 一种散货港口污水处理站智慧运维***及方法 |
| CN117164103A (zh) * | 2023-07-03 | 2023-12-05 | 广西智碧达智慧环境科技有限公司 | 生活污水处理***的智能控制方法、终端及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112964843A (zh) | 污水处理设施水质监测的物联网传感器***及监测方法 | |
| Borzooei et al. | Data scarcity in modelling and simulation of a large-scale WWTP: stop sign or a challenge | |
| US20200071209A1 (en) | Intelligent early warning method of membrane fouling | |
| Haiyan | Assessment and prediction of overall environmental quality of Zhuzhou City, Hunan Province, China | |
| CN114047719A (zh) | 一种农村生活污水处理设施远程监测评估***与运行方法 | |
| CN111489271B (zh) | 污水管理云平台 | |
| CN107677614A (zh) | 一种水中重金属污染风险在线预警***及方法 | |
| CN102590459A (zh) | 一种埋地管道腐蚀检测评价***和方法 | |
| CN101021543A (zh) | 水污染源在线动态跟踪监测方法和*** | |
| CN103632032A (zh) | 一种城市污水处理过程出水指标在线软测量预测方法 | |
| CN106600509A (zh) | 一种基于基础数据分析判断企业兑水排污行为的方法 | |
| CN111612678B (zh) | 污水管理云平台的实现方法 | |
| CN112786119B (zh) | 多工艺类型农污设施tn处理效果预测方法、装置、介质 | |
| CN115754207A (zh) | 一种污水生物处理工艺模拟仿真方法和*** | |
| CN110146122B (zh) | 一种农村生活污水处理设施运行有效性的预测方法 | |
| JP2003245653A (ja) | 処理装置の運転支援方法、水処理装置の運転支援方法及びその装置 | |
| CN207516235U (zh) | 一种水中重金属污染风险在线预警*** | |
| CN108803533A (zh) | 通过智慧管理过程计量的在线环保监测*** | |
| CN110790368B (zh) | 一种农村生活污水处理设施的区域监管方法 | |
| CN208432896U (zh) | 通过智慧管理过程计量的在线环保监测*** | |
| Olsson | The potential of control and monitoring | |
| CN114149076B (zh) | 一种厌氧氨氧化污水处理***的智能调试*** | |
| CN106021884A (zh) | 一种基于神经网络原理的潜流湿地出水浓度的预测方法 | |
| Holloway et al. | Exploring the use of water resource recovery facility instrument data to visualise dynamic resilience to environmental stressors | |
| CN115186960A (zh) | 一种城镇区域污水有效收集处理能力的核算方法及装置 |
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 |