CN113885596A - 污水处理智能监控*** - Google Patents

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

污水处理智能监控***

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。

Images