CN113885596A - 污水处理智能监控*** - Google Patents
污水处理智能监控*** Download PDFInfo
- Publication number
- CN113885596A CN113885596A CN202111221431.7A CN202111221431A CN113885596A CN 113885596 A CN113885596 A CN 113885596A CN 202111221431 A CN202111221431 A CN 202111221431A CN 113885596 A CN113885596 A CN 113885596A
- Authority
- CN
- China
- Prior art keywords
- early warning
- liquid level
- monitoring
- layer
- emergency
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D9/00—Level control, e.g. controlling quantity of material stored in vessel
- G05D9/12—Level control, e.g. controlling quantity of material stored in vessel characterised by the use of electric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明属于智能监控技术领域,具体为一种污水处理智能监控***。***实时采集运行设备的工况数据,并将所采集到的数据进行存储和数据分析;能够实现报警信息的传递,涉及高水位多级报警、低水位多级报警、过温被动报警和过温主动报警等。本发明能够提高污水处理智能监控***运行的安全可靠性。本发明可应用于污水处理智能监控领域中。
Description
技术领域
本发明属于智能监控技术领域,涉及一种污水处理厂区的智能监控***,特别涉及一种无人值守污水处理智能监控***。
背景技术
现有污水处理厂的运行泵房通常分布比较分散,地理位置也比较偏僻,而运维人员需要在多个泵房之间连续巡检,从而造成工作负荷大,劳动工作量大,人员成本高的问题。对于采用人工手动控制的***,还会导致工作效率低、响应不及时等问题的出现。因此,建立污水处理智能监控***对于提高工作效率、降低生产成本、提高***运行可靠性具有很好的实际应用价值。
发明内容
本发明所要解决的技术问题是,为提高污水处理厂区监控管理的智能化水平,设计一种污水处理智能监控***,提高***运行的可靠性。
本发明所采用的技术方案是:一种污水处理智能监控***,实时采集运行设备的工况数据,并将所采集到的数据进行存储和数据分析;能够实现报警信息的传递,涉及高水位多级报警、低水位多级报警、过温被动报警和过温主动报警等;实现全范围视频监控,为意外事件发生或事故调查取证提供资料支持。
本发明的目的在于构造一种可实现无人值守的污水处理监控***,在满足安全可靠运行的情况下,减少人员成本,提高工作效率,具有很好的实用性。
附图说明
图1是污水处理智能监控***结构图。
图2是综合预测网络模型结构图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
污水处理智能监控***采用三层结构,如图1所示,包括数据采集与检测层、现场监测与控制层以及远端监控层。
数据采集与检测层采用超声波液位计实现污水池液位检测,采用温度传感器对***运行环境温度进行温度检测,并将液位、温度检测结果传送至现场监测与控制层中。现场监测与控制层再将液位、温度检测数据结果传送至远端监控层进行存储和计算分析。现场监测与控制层将接收到的液位和温度数据与设定的阈值进行比较,根据比较结果给出运行状态及预警决策,并将运行状态及预警决策结果传送至远端监控层,远端监控层将采集到的数据进行存储及显示,实现温度主动预警,并给出决策建议。现场监测与控制层同时将泵的启停状态、电流值等物理数据传送至远端监控层,远端监控层对数据进行分析处理,并存储结果。现场监测与控制层采用多级预警方式。
在现场监测与控制层的高液位报警决策***中,按照紧急程度从高至低设置为最高液位紧急预警、高液位提醒预警和较高液位关注预警三个等级。
现场监测与控制层中,设置有最高液位紧急预警阈值H1及高液位提醒预警阈值H2,其中H1>H2。***实时采集t时刻的液位值为h(t),t时刻之前10分钟的液位值为h(t-10),预警规则设置如下:
当h(t)≥H1,现场监测与控制层发出最高液位紧急预警信息,并传送至远端监控层,等待工作人员进行紧急处理。
当H2<h(t)<H1且h(t)>h(t-10),现场监测与控制层发出高液位提醒预警信息,并传送至远端监控层,提醒工作人员进行及时处理。
当H2<h(t)<H1且h(t)≤h(t-10),现场监测与控制层发出较高液位关注预警信息,并传送至远端监控层,提醒工作人员进行关注处理。
对于低液位报警决策***,按照紧急程度从高至低设置为最低液位紧急预警、低液位提醒预警和较低液位关注预警三个等级。
现场监测与控制层中设置有最低液位紧急预警阈值L1及低液位提醒预警阈值L2,其中L1<L2。***实时采集t时刻的液位值为h(t),t时刻之前10分钟的液位值为h(t-10),预警规则设置如下:
当h(t)≤L1,现场监测与控制层发出最低液位紧急预警信息,并传送至远端监控层,等待工作人员进行紧急处理。
当L1<h(t)<L2且h(t)<h(t-10),现场监测与控制层发出低液位提醒预警信息,并传送至远端监控层,提醒工作人员进行及时处理。
当L1<h(t)<L2且h(t)≥h(t-10),现场监测与控制层发出较低液位关注预警信息,并传送至远端监控层,提醒工作人员进行关注处理。
对于***运行环境温度采用主动预警和被动预警两种方式。被动预警采用阈值比较方式,主动预警采用温度预测方式。
设温度最高预警值为T1,数据采集与检测层采集当前温度值,传送至现场监测与控制层,当采集到的***运行环境温度超过温度最高预警值T1时,现场监测与控制层发出被动预警信息,并传送至远端监控层,等待工作人员进行紧急处理。
远端监控层根据***运行环境历史温度信息进行温度预测,当预测值超过最高预警值T1时,远程监控层发出主动预警信息。
基于历史温度数据信息对未来温度数据信息进行预测,可利用历史温度数据构成训练样本对,采用BP网络进行预测。设k时刻采集的***运行环境温度为x(k),则可构建P步预测的训练样本对为:{[x(k),x(k-1),x(k-2),...,x(k-m)],x(k+P)}。这样,(k+P)时刻的温度值x(k+P)与x(k),x(k-1),x(k-2),...,x(k-m)共(m+1)个时刻的温度值相关联。由此,BP神经网络的输入层设置成(m+1)个神经元,分别对应x(k),x(k-1),x(k-2),...,x(k-m)个数值输入,输出层设置成1个神经元,对应x(k+P)。
其中,参数m的选取对预测准确性影响较大。当m选取过大时,会造成输入数据冗余,导致预测性能不高;当m选取过小时,会造成数据丢失,也会造成预测性能下降。
为此本发明设计了含有三个BP子网络的综合预测网络模型进行对未来***运行环境温度数据的预测,综合预测网络模型结构如图2所示,综合预测网络模型包含三个BP子网络,第一个BP子网络的输入层含有(M1+1)个神经元,第二个BP子网络的输入层含有(M2+1)个神经元,第三个BP子网络的输入层含有(M3+1)个神经元,其中,M1<M2<M3,三个子网络的输出分别与(M1+1)、(M2+1)、(M3+1)个历史数据相关联,第一个子网络与历史短期数据关联,其训练样本对为:{[x(k),x(k-1),x(k-2),...,x(k-M1)],x(k+P)},第二个子网络与历史中期数据关联,其训练样本对为:{[x(k),x(k-1),x(k-2),...,x(k-M2)],x(k+P)},第三个子网络与历史长期数据关联,其训练样本对为:{[x(k),x(k-1),x(k-2),...,x(k-M3)],x(k+P)}。三个BP子网络分别进行独立训练,训练结束后,将三个子网络输出作为最终预测神经元的输入,进行微调训练,将完成训练的综合网络进行***运行环境温度数据的预测。设综合预测网络模型最终的预测值为y,当y≤T1时,***不发出主动预警信息;当y>T1时,***发出主动预警信息,并给出主动预警概率值p(y)为:
其中,exp()为以自然常数e为底的指数函数,c为主动预警紧急系数。主动预警概率值为工作人员的巡检维修工作规划及调度提供信息参考,提高***运行的安全可靠性。
由于综合预测网络中的各个子网络关联了不同长度的历史数据信息,经过微调训练,能够自适应地调整各个子网络的预测作用,可克服单一网络输入层神经元选取不当而造成的预测性能降低的缺点,从而提高预测精度。
本发明的优点在于,通过多级液位预警,能够为工作人员提供维修紧急程度参考,便于工作人员的维修规划和调度。采用综合预测网络进行温度预测,能够提高温度的预测精度,实现污水处理监控***的主动预警。本发明适用于污水处理智能监控领域中。
Claims (4)
1.一种污水处理智能监控***,其特征在于,污水处理智能监控***采用三层结构,包括数据采集与检测层、现场监测与控制层以及远端监控层;***实时采集运行设备的工况数据,并将所采集到的数据进行存储和数据分析;能够实现报警信息的传递,涉及高水位多级报警、低水位多级报警、过温被动报警和过温主动报警等;实现全范围视频监控,为意外事件发生或事故调查取证提供资料支持。
2.根据权利要求1所述的一种污水处理智能监控***,其特征在于,在现场监测与控制层的高液位报警决策***中,按照紧急程度从高至低设置为最高液位紧急预警、高液位提醒预警和较高液位关注预警三个等级;
现场监测与控制层中,设置有最高液位紧急预警阈值H1及高液位提醒预警阈值H2,其中H1>H2;***实时采集t时刻的液位值为h(t),t时刻之前10分钟的液位值为h(t-10),预警规则设置如下:
当h(t)≥H1,现场监测与控制层发出最高液位紧急预警信息,并传送至远端监控层,等待工作人员进行紧急处理;
当H2<h(t)<H1且h(t)>h(t-10),现场监测与控制层发出高液位提醒预警信息,并传送至远端监控层,提醒工作人员进行及时处理;
当H2<h(t)<H1且h(t)≤h(t-10),现场监测与控制层发出较高液位关注预警信息,并传送至远端监控层,提醒工作人员进行关注处理;
对于低液位报警决策***,按照紧急程度从高至低设置为最低液位紧急预警、低液位提醒预警和较低液位关注预警三个等级;
现场监测与控制层中设置有最低液位紧急预警阈值L1及低液位提醒预警阈值L2,其中L1<L2;***实时采集t时刻的液位值为h(t),t时刻之前10分钟的液位值为h(t-10),预警规则设置如下:
当h(t)≤L1,现场监测与控制层发出最低液位紧急预警信息,并传送至远端监控层,等待工作人员进行紧急处理;
当L1<h(t)<L2且h(t)<h(t-10),现场监测与控制层发出低液位提醒预警信息,并传送至远端监控层,提醒工作人员进行及时处理;
当L1<h(t)<L2且h(t)≥h(t-10),现场监测与控制层发出较低液位关注预警信息,并传送至远端监控层,提醒工作人员进行关注处理。
3.根据权利要求1所述的一种污水处理智能监控***,其特征在于,对于***运行环境温度采用主动预警和被动预警两种方式;被动预警采用阈值比较方式,主动预警采用温度预测方式;
设温度最高预警值为T1,数据采集与检测层采集当前温度值,传送至现场监测与控制层,当采集到的***运行环境温度超过温度最高预警值T1时,现场监测与控制层发出被动预警信息,并传送至远端监控层,等待工作人员进行紧急处理;
远端监控层根据***运行环境历史温度信息进行温度预测,当预测值超过最高预警值T1时,远程监控层发出主动预警信息。
4.根据权利要求1所述的一种污水处理智能监控***,其特征在于,设计了含有三个BP子网络的综合预测网络模型进行对未来***运行环境温度数据的预测,综合预测网络模型包含三个BP子网络,第一个BP子网络的输入层含有(M1+1)个神经元,第二个BP子网络的输入层含有(M2+1)个神经元,第三个BP子网络的输入层含有(M3+1)个神经元,其中,M1<M2<M3,三个子网络的输出分别与(M1+1)、(M2+1)、(M3+1)个历史数据相关联,设k时刻采集的***运行环境温度为x(k),第一个子网络与历史短期数据关联,其训练样本对为:{[x(k),x(k-1),x(k-2),...,x(k-M1)],x(k+P)},第二个子网络与历史中期数据关联,其训练样本对为:{[x(k),x(k-1),x(k-2),...,x(k-M2)],x(k+P)},第三个子网络与历史长期数据关联,其训练样本对为:{[x(k),x(k-1),x(k-2),...,x(k-M3)],x(k+P)};三个BP子网络分别进行独立训练,训练结束后,将三个子网络输出作为最终预测神经元的输入,进行微调训练,将完成训练的综合网络进行***运行环境温度数据的预测;设综合预测网络模型最终的预测值为y,当y≤T1时,***不发出主动预警信息;当y>T1时,***发出主动预警信息,并给出主动预警概率值p(y)为:
其中,exp()为以自然常数e为底的指数函数,c为主动预警紧急系数;主动预警概率值为工作人员的巡检维修工作规划及调度提供信息参考,提高***运行的安全可靠性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221431.7A CN113885596B (zh) | 2021-10-20 | 2021-10-20 | 污水处理智能监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221431.7A CN113885596B (zh) | 2021-10-20 | 2021-10-20 | 污水处理智能监控*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113885596A true CN113885596A (zh) | 2022-01-04 |
CN113885596B CN113885596B (zh) | 2022-07-22 |
Family
ID=79003712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111221431.7A Active CN113885596B (zh) | 2021-10-20 | 2021-10-20 | 污水处理智能监控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113885596B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103968913A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 智能在线液位监测预警*** |
CN104236626A (zh) * | 2014-09-04 | 2014-12-24 | 北京清控人居环境研究院有限公司 | 排水管道液位与流量一体化在线监测*** |
CN104460577A (zh) * | 2014-07-24 | 2015-03-25 | 上海市城市排水有限公司 | 一种水质安全预警决策*** |
CN110374047A (zh) * | 2019-05-28 | 2019-10-25 | 中国水利水电科学研究院 | 基于变形的拱坝运行期实时安全监控阈值确定方法 |
CN111003883A (zh) * | 2019-12-05 | 2020-04-14 | 广州中国科学院先进技术研究所 | 一种智能一体化污水处理设备实时信息报警方法及*** |
CN111580570A (zh) * | 2020-05-28 | 2020-08-25 | 爱瑟福信息科技(上海)有限公司 | 容器液位监控方法及其*** |
CN112598368A (zh) * | 2020-12-04 | 2021-04-02 | 贵州昱清浩瑞科技有限公司 | 污水处理在线监管平台 |
-
2021
- 2021-10-20 CN CN202111221431.7A patent/CN113885596B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103968913A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 智能在线液位监测预警*** |
CN104460577A (zh) * | 2014-07-24 | 2015-03-25 | 上海市城市排水有限公司 | 一种水质安全预警决策*** |
CN104236626A (zh) * | 2014-09-04 | 2014-12-24 | 北京清控人居环境研究院有限公司 | 排水管道液位与流量一体化在线监测*** |
CN110374047A (zh) * | 2019-05-28 | 2019-10-25 | 中国水利水电科学研究院 | 基于变形的拱坝运行期实时安全监控阈值确定方法 |
CN111003883A (zh) * | 2019-12-05 | 2020-04-14 | 广州中国科学院先进技术研究所 | 一种智能一体化污水处理设备实时信息报警方法及*** |
CN111580570A (zh) * | 2020-05-28 | 2020-08-25 | 爱瑟福信息科技(上海)有限公司 | 容器液位监控方法及其*** |
CN112598368A (zh) * | 2020-12-04 | 2021-04-02 | 贵州昱清浩瑞科技有限公司 | 污水处理在线监管平台 |
Also Published As
Publication number | Publication date |
---|---|
CN113885596B (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110977614B (zh) | 一种数控机床健康诊断方法 | |
CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN111556032A (zh) | 一种基于人工智能算法的工业大数据处理*** | |
CN102880115A (zh) | 一种基于物联网的数控机床远程协作诊断*** | |
CN110826784B (zh) | 能源使用效率的预测方法、装置及存储介质和终端设备 | |
CN115423301B (zh) | 一种基于物联网的电力能源智能管控方法、装置及*** | |
CN113112169A (zh) | 一种污水处理厂的智慧云服务*** | |
KR20150026230A (ko) | Bim 데이터를 이용한 셀프 러닝 건물 에너지 관리 시스템 | |
Chen et al. | A review on traffic prediction methods for intelligent transportation system in smart cities | |
CN117354171B (zh) | 基于物联网平台的平台健康状况预警方法及*** | |
Li et al. | Framework and case study of cognitive maintenance in Industry 4.0 | |
CN112270429A (zh) | 基于云边协同的动力电池极片制造设备维护方法和*** | |
RU2713077C1 (ru) | Система поддержки принятия решений с модульной структурой для операторов судов двойного действия | |
CN110989042A (zh) | 一种高速公路团雾风险的智能化预测方法 | |
CN113885596B (zh) | 污水处理智能监控*** | |
CN111624874B (zh) | 用于城市污水处理的泵站集群智能化预测方法及***、存储介质 | |
CN115640980A (zh) | 基于目标控制的电网工程造价动态管理*** | |
CN112801815B (zh) | 一种基于联邦学习的电力通信网络故障预警方法 | |
CN111381573B (zh) | 一种工业控制***安全性的预测方法和*** | |
KR20230013771A (ko) | Bim데이터를 활용한 건물의 에너지 관리 시스템 | |
CN108572631B (zh) | 一种基于二型模糊认知图的智能控制***及方法 | |
Huu et al. | Development of warning and predicting system for quality of air in smart cities using RNN | |
Yuwana et al. | An ontology tropical weather model for sensor network interoperability | |
CN111832832B (zh) | 一种基于物联网的小区自巡检*** | |
Yang et al. | Investigation on data-driven life prediction methods |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |