CN117391480A - 一种基于数字孪生的环保运营管理*** - Google Patents
一种基于数字孪生的环保运营管理*** Download PDFInfo
- Publication number
- CN117391480A CN117391480A CN202311634898.3A CN202311634898A CN117391480A CN 117391480 A CN117391480 A CN 117391480A CN 202311634898 A CN202311634898 A CN 202311634898A CN 117391480 A CN117391480 A CN 117391480A
- Authority
- CN
- China
- Prior art keywords
- sewage
- standard
- detection
- monitoring
- real
- 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
- 239000010865 sewage Substances 0.000 claims abstract description 221
- 238000005259 measurement Methods 0.000 claims abstract description 131
- 238000012544 monitoring process Methods 0.000 claims abstract description 130
- 238000001514 detection method Methods 0.000 claims abstract description 111
- 239000003814 drug Substances 0.000 claims abstract description 101
- 238000004458 analytical method Methods 0.000 claims abstract description 64
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000003064 k means clustering Methods 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000007726 management method Methods 0.000 claims description 51
- 238000000034 method Methods 0.000 claims description 38
- 238000000746 purification Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 23
- 229940079593 drug Drugs 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 239000002351 wastewater Substances 0.000 claims description 3
- 230000001915 proofreading effect Effects 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000036632 reaction speed Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于数字孪生的环保运营管理***,涉及污水处理领域,其技术方案要点包括:数据层包括数据库和调用组,数据库包括工厂三维模型,工厂三维模型基于数字孪生技术进行建模,处理层基于数据层的数据支持进行工厂三维模型的污水预处理,监测模块用于处理监测设备测量监测点的水质数据信息,每个监测点获取到的污水的实时测量值都会形成一个污水实测表,分析模块基于K‑means聚类算法对污水实测表中各项数据进行处理,分析模块还用于获取污水用药后各个检测项是否达到排放标准;决策层根据处理层中传输的应用信号对实际工厂中的添药装置进行智能控制,提高工业污水的处理效率。
Description
技术领域
本发明涉及污水处理领域,更具体地说,涉及一种基于数字孪生的环保运营管理***。
背景技术
目前对于污水处理厂区的管理手段很多还处于传统人工监控方式,不仅效率低,管理困难,人工依赖性强,而且存在监管漏洞和盲区,现有技术中虽然出现了一些较为智能的监管方式,但也只是基础的数据管理方式,可视化程度不强,仍需要专业人员实时进行过程把控,甚至靠专业人员的经验判断进行药物添加以进行污水净化,可能出现药品添加量偏差较大导致污水处理不合格,并且不能产生快速的反馈,此外,工厂的生产线上加工件品类不同导致污水中超标项也各不相同,品类繁琐且检测复杂,所以需要对药品的添加品类进行快速更新,人工效率较低且耗费高,增加了成本消耗,而且需要根据实际处理结果才能得到反馈,进而导致调整反应速度慢,效率低下,因此,污水处理需要进行技术改进。
公开号为CN116415776A的中国发明公开了一种基于数字孪生技术的污水处理监测运营管理***及方法,通过分区数字孪生平台建立、数据一次汇总、数据初步展示、数据收集、数据二次汇总、数据驾驶舱建立、数据宏观展示,结合数字孪生技术实现对污水处理厂的模拟展示,该设计涉及了数字孪生技术在环保中的管理应用,但对于工厂污水的预测性处理和环保时效反馈方面的设计却未曾涉及,因此,基于上述问题,本发明对数字孪生技术在工厂污水处理中的快速反应和处理效率进行设计。
发明内容
针对现有技术存在的污水处理反馈效率较低以及成本消耗过高的问题,本发明的目的在于提供一种基于数字孪生的环保运营管理***,实现污水净化过程中智能化和统一管理的调控。
为实现上述目的,本发明提供了如下技术方案:
一种基于数字孪生的环保运营管理***,所述环保运营管理***包括数据层、处理层和决策层:
数据层包括数据库和调用组,数据库包括工厂三维模型,工厂三维模型基于数字孪生技术进行BIM建模,且填充有工厂生产信息和设备信息以及各个污水管道的分布,并对管道上的监测点进行标注,数据库进行分布式存储和调用管理;
工厂中设置有污水监测点,处理层基于数据层的数据支持进行工厂三维模型的污水预处理,包括监测模块、分析模块和添药模块,监测模块用于处理监测设备测量监测点的水质数据信息,记为污水的实时测量值,每个监测点获取到的污水的实时测量值都会形成一个污水实测表,分析模块基于K-means聚类算法对污水实测表中各项数据进行处理,并根据添药模块获取药品添加量,分析模块还用于获取污水用药后各个检测项是否达到排放标准,若各个检测项均达到排放标准,则发送应用信号给决策层;
决策层应用于实际工厂的添药装置中,根据处理层中传输的应用信号对实际工厂中的添药装置进行智能控制。
优选的,所述数据库存储有用户管理信息,用户管理信息中包括用户身份认证和权限管理,用户身份认证应用于用户登录,调用组根据用户输入的身份信息与数据库存储的信息进行校对,并判断是否符合;权限管理通过权限模型来进行设计角色,根据用户的认证身份赋予相应的角色,并根据角色获取相应的权限;
数据层包括水质报告表,水质报告表包括标准检验值表和所述污水实测表,标准检验值表主要存储了污水超标标准、各个超标级别范围以及各个超标级别单位面积的药品添加量,污水实测表是每个监测点处反馈的污水中各检测项的实时测量值;
数据层的具体工作过程包括以下步骤:
步骤S21:各个污水监测点的污水实测表首先存储在监测设备中,Sqoop将各个监测设备中的污水实测表导入到HDFS中并进行存储;
步骤S22:MapReduce将HDFS中各个监测点的污水实测表一起封装打包,并传输给分析模块,分析模块得到的结果将存储在数据库中。
优选的,所述监测模块与各个监测点的所述监测设备无线连接,监测设备将获取的所述水质数据信息传输给监测模块中的分析模组,根据分析模组获取到所述污水实测表,分析模组是通过交互接口Web Service与监测模块连接的水质在线监测***WQMS和实验室LMIS***,监测模块的具体工作包括以下步骤:
步骤S31:监测设备包括计时装置,根据计时装置设定一个测量周期,设定一个测量周期内监测设备的检测次数为n,n为正整数;
步骤S32:监测设备将一个测量周期获取到的水质数据信息通过无线网络传输给分析模组,通过水质在线监测***WQMS和实验室LMIS***获取各个污水检测项数据值,并将数据梳理形成污水实测表,将污水实测表传输给数据库存储。
优选的,所述分析模块基于K-means聚类算法对数据库中的污水实测表进行统计分析,为满足数据的处理,对K-means算法进行改进,包括对聚类质心的选择和距离计算优化,其中聚类质心选择的具体过程包括如下步骤:
步骤S41:根据水质报告表中标准检验值表的污水超标标准以及各个超标级别范围,设定分析模组的检测类别的数量为M,M为正整数,则i设定为每一不同检测类别的标号,表示标号为i的检测类别,设定标号i检测类别的污水临界超标值为/>,获取污水实测表中每个检测类别的实时测量值/>,将标号i检测类别的实时测量值/>与污水临界超标值进行比较,若/>,表示标号i检测类别的污水没有超标,不进行后续分析,读取其他检测类别的实时测量值,若所有检测类别的实时测量值均小于污水临界超标值,表示所述污水实测表对应的监测点污水没有超标,直接进行下一个测量周期的检测;
步骤S42:若,表示标号i检测类别的污水超标,根据标准检验值表获取标号i检测类别第l级别对应污水超标标准的取值范围,记为/>,其中,l为超标级别的标号,b、c分别代表数值,根据公式:
获取聚类质心;
式中,表示各个超标级别范围的聚类质心,/>表示i检测类别中第l级别污水超标范围对应的聚类质心;
步骤S43:将获取到的聚类质心形成聚类质心集。
优选的,所述K-means聚类算法中针对污水超标的实时测量值距离计算优化过程,包括如下步骤:
步骤S51:获取步骤S42中的聚类质心,根据每个超标级别范围内均有一个聚类质心,设定每个检测类别有W个聚类质心,则表示标号i检测类别的聚类质心数量;
步骤S52:获取水质报告表中每个检测类别超标的实时测量值,通过比较标号i检测类别超标的实时测量值与对应的检测类别的每一个聚类质心的距离值,将超标的实时测量值/>分别填充到相应的污水超标范围中,根据公式(1)和(2)获取每个检测类别中超标的实时测量值所对应的聚类质心:
(1)和(2)/>;
其中,式(1)表示任意选取2个聚类质心,获取与超标的实时测量值距离较远的那个聚类质心;
式(2)表示将距离超标实时测量值较远的那个聚类质心/>从聚类质心集/>中剔除;
式中,表示聚类质心集中任意两个聚类质心,s和g为i检测类别的第s和g级别对应的标号,/>表示剔除函数,/>表示将/>从聚类质心集/>中剔除,表示剔除/>后的聚类质心集;
步骤S53:将超标的实时测量值依次带入到公式(1)和公式(2)中,直到聚类质心集中只剩下一个聚类质心时停止,并将超标的实时测量值/>填入到最后一个聚类质心对应级别的污水超标范围中;
步骤S54:将i赋值为1到M,重复步骤S52和步骤S53,将一个测量周期内,监测设备n次检测获取到的每个检测类别中所有超标实时测量值,均填入到聚类质心对应级别的污水超标范围中,其中n为正整数。
优选的,所述分析模块通过调用组对数据库中的污水实测表进行提取,针对于每一个监测点,根据每一个监测点处获取到的污水实测表,通过改进后的K-means聚类算法获取不同检测类别中各个级别对应的聚类质心集,进而将污水实测表中每个超标的实时测量值聚合到聚类质心对应级别的污水超标范围,添药模块根据分析模块中的数据对每个监测点处的药品添加量进行计算。
优选的,所述添药模块获取分析模块中处理后的聚类数据,根据添药公式进行药品添加量计算以对相应管道内的污水进行添药净化,添药公式通过式(3)和式(4)计算各个检测类别所对应的药品添加量:
根据式(3)和式(4)/>获取各个检测项的药品添加量和药剂输出速度;
其中,式(3)表示标号i检测类别的检测项所需药品添加量;
式(4)表示添药装置中药剂的输出速度;
式中,表示标号i检测类别的检测项所需药品添加量,Ne表示标号i检测类别中获取超标的实时测量值的个数总和,Nl表示标号i检测类别中聚集在第l级别污水超标范围内实时测量值的个数总和,/>表示管道横截面积,/>表示标号i检测类别第l级别单位面积的药品添加量,/>表示标号i检测类别在所属管道监测点中药剂的输出速度,/>表示药品净化效率,/>表示药品的配比容量,/>表示一个测量周期的时间。
优选的,所述添药模块连接添药装置,添药装置根据添药模块中的计算结果进行药剂添加,监测模块还用于采集工厂实际应用中针对各个检测项分别添药净化后的污水的实时测量值,分析模块还用于判断工厂实际应用中净化后的污水是否达到排放标准,若判断达到排放标准则传输达标信号给决策层,决策层输出安全信息,若判断未达到排放标准则传输不达标信号给决策层,决策层向处理层下达重新运行的指令,并发出警告信息给具有操控权限的用户。
与现有技术相比,本发明具备以下有益效果:
1、本发明中,通过对数据库进行分布式设计,不仅方便数据读取时的快速反应,而且实现存储空间的弹性扩展,为监测设备中实时更新和获取到的海量数据提供足够的充足空间,提高整个***的运转性能,通过建立角色和权限对用户信息进行管理设计,不仅提高用户登录时身份验证的安全性,而且通过赋予用户不同的角色而获取不同的权限,减少了用户权限波动带来的文件泄密,实现了用户在***管理过程中的严密性和数据信息的管理效率。
2、本发明中,监测模块通过监测设备对管道内污水进行周期性检测,并根据分析模组获取到污水实测表且存储到数据库中,分析模块通过对K-means聚类算法的改进,降低了聚类质心选择的困难程度和距离计算的繁琐度,进而将污水实测表中各个检测项所包括的监测数据进行规律聚合,实现污水超标聚集点的直接观测,添药模块通过监测模块中处理数据对管道内污水进行添药净化的药剂添加量进行获取,为污水净化添药提供数据支持,实现了数据的优化处理,并为后续智能调控提供依据。
3、本发明中,通过人工智能和物联网将数字孪生技术产生的工厂三维模型与实际场景进行虚实交互,在污水厂完整准确的三维模型基础上,同时接入的各类设备的实时监测数据,进行统一控制和调度,通过各类工艺模型构建智慧污水处理模块进行决策支撑,实现污水厂全流程自动化净化控制和运维数字化管理不仅使生产运行安全可靠,而且使净化方案得到更好的反馈和落实,以更加精细、动态和智慧的方式辅助污水净化管理运维,同时,也降低工厂污水净化成本,提高工厂的碳收入和污水处理效率。
附图说明
图1为本发明提出一种基于数字孪生的环保运营管理***的结构示意图;
图2为本发明中污水实测表的编号示意图;
图3为本发明中基于数字孪生的环保运营管理***的工作流程示意图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
目前对于污水处理厂区的管理手段很多还处于传统人工监控方式,不仅效率低,管理困难,人工依赖性强,而且存在监管漏洞和盲区,现有技术中虽然出现了一些较为智能的监管方式,但也只是基础的数据管理方式,可视化程度不强,仍需要专业人员实时进行过程把控,甚至靠专业人员的经验判断进行药物添加以进行污水净化,可能出现药品添加量偏差较大导致污水处理不合格,并且不能产生快速的反馈,此外,工厂的生产线上加工件品类不同导致污水中超标项也各不相同,品类繁琐且检测复杂,所以需要对药品的添加品类进行快速更新,人工效率较低且耗费高,增加了成本消耗,而且需要根据实际处理结果才能得到反馈,进而导致调整反应速度慢,效率低下,因此,污水处理需要进行技术改进。
实施例一
参照图1,实施例一对本发明提出的一种基于数字孪生的环保运营管理***做进一步说明。
一种基于数字孪生的环保运营管理***,所述环保运营管理***包括数据层、处理层和决策层:数据层包括数据库和调用组,数据库包括工厂三维模型,工厂三维模型基于数字孪生技术进行BIM建模,且填充有工厂生产信息和设备信息以及各个污水管道的分布,并对管道上的监测点进行标注,数据库进行分布式存储和调用管理,调用组使用Hadoop集群通过HBase对数据库进行分布式存储和调用管理。
数据库存储有用户管理信息,用户管理信息中包括用户身份认证和权限管理,用户身份认证应用于用户登录,调用组根据用户输入的身份信息与数据库存储的信息进行校对,并判断是否符合;权限管理通过权限模型来进行设计角色,根据用户的认证身份赋予相应的角色,并根据角色获取相应的权限。
数据层包括水质报告表,水质报告表包括标准检验值表和所述污水实测表,标准检验值表主要存储了污水超标标准、各个超标级别范围以及个超标级别单位面积的药品添加量,污水实测表是每个监测点处反馈的污水中各检测项的实时测量值。
数据层的具体工作过程包括以下步骤:
步骤S21:各个污水监测点的污水实测表首先存储在监测设备中,Sqoop将各个监测设备中的污水实测表导入到HDFS中并进行存储;
步骤S22:MapReduce将HadoopHDFS中各个监测点的污水实测表一起封装打包,并传输给分析模块,分析模块得到的结果将存储在数据库中。
用户通过交互设备登录***,调用组通过提取数据库中用户的身份信息和所对应的角色,判断用户是否登录要求和操作数据库存储资源的权限,根据获取的权限对数据库中存储的信息进行管理。
用户登录的具体步骤如下:
步骤S211:用户通过交互设备登录***,调用组通过提取数据库中用户的身份信息和所对应的角色,判断用户是否登录要求和操作数据库存储资源的权限,如果验证成功,则登入***,如果验证不成功,则返回错误信息;
步骤S221:用户登入***后,根据获取的权限对数据库中存储的信息进行管理,权限包括查询、增删和修改;
步骤S231:用户登出***后,数据库对访问记录进行收集和存储。
本发明采用角色访问控制权限模型来进行设计,权限模型引入了角色的概念,解释权限与用户的关系,将权限分配给角色,而不是用户,根据用户职责赋予一定的角色,用户根据角色获取相应的权限,通过用户与角色关联,角色与资源或操作相关联,赋予用户角色即赋予用户角色所具有的权限。
当用户登录***后,服务器会将用户信息存储在数据库中,当需要进行用户权限认证时,就会从数据库中取出当前用户的信息和所具有的角色,查询角色关联的相应权限,判断用户是否具有操作某种资源的权限,完成权限认证,权限认证使用中的过滤器来完成,权限过滤器会拦截每一个客户端发来的请求,当请求被拦截时,从域中查找当前登录用户所具有的操作权限,判断该请求能否对资源进行操作,如果不具有该权限,则返回错误信息。
数据库中存有与用户相关的信息,包括:
用户表:该表主要用于存储***用户的基本信息,包括用户名和相应的密码,用户是***的具体操作者,它可以拥有自己的权限信息,可以属于多个角色,它的权限包括自身的权限和所属角色的权限;
角色表:主要存储操作***的角色,同角色具有相同的权限,用于区分用户所具有的权限,一个角色可被多个用户所拥有,且一个角色可以具多个权限,同用户和权限之间是多对多的关联关系;
权限表:主要描述了***的所有权限信息,包括对数据的增、删、改、查;
关联表:存储用户和角色的多对多关联关系。
采用分布式的数据存储技术,包括Hadoop和NoSQL,针对污水厂各类管线布局,将管网按类型和功能进行组合编码标注,与实际物理场景一一对应,清晰的标注出污水处理的各种管线流向,污水管相接的生产线以及生产线上的各个设备,包括污水管线、污泥管线、空气管线、加药管线等。帮助工作人员熟悉和认知厂内管线,提升污水厂管理水平。
本实施例中,通过对数据库进行分布式设计,不仅方便数据读取时的快速反应,而且实现存储空间的弹性扩展,为监测设备中实时更新和获取到的海量数据提供足够的充足空间,提高整个***的运转性能,通过建立角色和权限对用户信息进行管理设计,不仅提高用户登录时身份验证的安全性,而且通过赋予用户不同的角色而获取不同的权限,减少了用户权限波动带来的文件泄密,实现了用户在***管理过程中的严密性和数据信息的管理效率。
实施例二
参照图1、图2和图3,实施例二对本发明提出的一种基于数字孪生的环保运营管理***做进一步说明。
***应用于虚拟工厂三维模型和工厂的实际调控,通过数字孪生技术对工厂进行三维仿真,1:1呈现污水处理厂管道分布的3D模型,对污水处理管道实时感知、在线监测,在工厂各个污水管道中设置有监测点和净化点,监测点设置在净化点两侧,包括监测设备,净化点包括添药装置,添药装置与药物管理***连接,且受到决策层的调控。
工厂中设置有污水监测点,处理层基于数据层的数据支持进行工厂三维模型的污水预处理,包括监测模块、分析模块和添药模块,监测模块用于处理监测设备测量监测点的水质数据信息,记为污水的实时测量值,每个监测点获取到的污水的实时测量值都会形成一个污水实测表,分析模块基于K-means聚类算法对污水实测表中各项数据进行处理,并根据添药模块获取药品添加量,分析模块还用于获取污水用药后各个检测项是否达到排放标准,若各个检测项均达到排放标准,则发送应用信号给决策层。
决策层应用于实际工厂的添药装置中,根据处理层中传输的应用信号对实际工厂中的添药装置进行智能控制。
测算工厂污水超标情况,必须对污水数据进行大数据分析,这里的污水数据要求必须是实时传输过来的,通过监测点的监测设备采集获取,所述监测模块与各个监测点的所述监测设备无线连接,监测设备将获取的所述水质数据信息传输给监测模块中的分析模组,根据分析模组获取到所述污水实测表,分析模组是通过交互接口Web Service与监测模块连接的水质在线监测***WQMS和实验室LMIS***,监测模块的具体工作包括以下步骤:
步骤S31:监测设备包括计时装置,根据计时装置设定一个测量周期,设定一个测量周期内监测设备的检测次数为n,n为正整数;
步骤S32:监测设备将一个测量周期获取到的水质数据信息通过无线网络传输给分析模组,通过水质在线监测***WQMS和实验室LMIS***获取各个污水检测项数据值,并将数据梳理形成污水实测表,将污水实测表传输给数据库中存储。
K-means 聚类算法的原理可以简单概括为:根据代表簇内的均值和中心计算样本距离簇内中心的距离,并赋值给最近的簇,直至准则函数收敛。通过上面过程的介绍,可以看出 K-means 聚类算法的关键点在于 k 值和初始中心的确定,传统的方法是使用随机的方式,这使得算法十分的不稳定,簇的质量大多不太符合较优的要求;另外在每一轮的更新迭代过程中,需要计算聚类准则的值和下一代中心的值,但其实质就是两个数据点之间的距离,但是污水数据点的采集到的数据量极多,计算量十分巨大的,尤其在大数据时代,因此需要在这个方面进一步提升算法的效率。
分析模块基于K-means聚类算法对数据库中的污水实测表进行统计分析,为满足数据的处理,对K-means算法进行改进,包括对聚类质心的选择和距离计算优化,其中聚类质心选择的具体过程包括如下步骤:
步骤S41:根据水质报告表中标准检验值表的污水超标标准以及各个超标级别范围,设定分析模组的检测类别的数量为M,M为正整数,则i设定为每一不同检测类别的标号,表示标号为i的检测类别,设定标号i检测类别的污水临界超标值为/>,获取污水实测表中每个检测类别的实时测量值/>,将标号i检测类别的实时测量值/>与污水临界超标值进行比较,若/>,表示标号i检测类别的污水没有超标,不进行后续分析,读取其他检测类别的实时测量值,若所有检测类别的实时测量值均小于污水临界超标值,表示所述污水实测表对应的监测点污水没有超标,直接进行下一个测量周期的检测;
步骤S42:若,表示标号i检测类别的污水超标,根据标准检验值表获取标号i检测类别第l级别对应污水超标标准的取值范围,记为/>,其中,l为超标级别的标号,b、c分别代表数值,根据公式:
获取聚类质心;
式中,表示各个超标级别范围的聚类质心,/>表示i检测类别中第l级别污水超标范围对应的聚类质心;
步骤S43:将获取到的聚类质心形成聚类质心集。
所述K-means聚类算法中针对污水超标中实时测量值的距离计算优化过程,包括如下步骤:
步骤S51:获取步骤S42中的聚类质心,根据每个超标级别范围内均有一个聚类质心,设定每个检测类别有W个聚类质心,则表示标号i检测类别的聚类质心数量;
步骤S52:获取水质报告表中每个检测类别超标的实时测量值,通过比较标号i检测类别超标的实时测量值与对应的检测类别的每一个聚类质心的距离值,将超标的实时测量值/>分别填充到相应的污水超标范围中,根据公式(1)和(2)获取每个检测类别中超标的实时测量值所对应的聚类质心:
(1)和(2)/>;
其中,式(1)表示任意选取2个聚类质心,获取与超标的实时测量值距离较远的那个聚类质心;
式(2)表示将距离超标实时测量值较远的那个聚类质心/>从聚类质心集/>中剔除;
式中,表示聚类质心集中任意两个聚类质心,s和g为i检测类别的第s和g级别对应的标号,/>表示剔除函数,/>表示将/>从聚类质心集/>中剔除,/>表示剔除/>后的聚类质心集;
步骤S53:将超标的实时测量值依次带入到公式(1)和公式(2)中,直到聚类质心集中只剩下一个聚类质心时停止,并将超标的实时测量值/>填入到最后一个聚类质心对应级别的污水超标范围中;
步骤S54:将i赋值为1到M,重复步骤S52和步骤S53,将一个测量周期内,监测设备n次检测获取到的每个检测类别中所有超标实时测量值,均填入到聚类质心对应级别的污水超标范围中,其中n为正整数。
其中,一个污水实测表是由分析模组对一个监测设备提供的数据信息进行分析得来的,监测设备设置在监测点,且一个监测点可以设置多个监测设备,这些设备在一个周期内获取到的感应数据通过无线网络传输给数据库,数据库对这些感应数据进行封装打包并传输给分析模组,分析模组对通过感应数据分析进而得到监测数据,且按照每个污水检测参数设置检测项,监测数据按照检测项分别填入对应的表格中,进而形成污水实测表,每一个污水实测表都设置有编号,如图2所示,当污水实测表分析后出现问题时,可以根据编号对监测点的位置进行快速定位和响应,进而便于决策层进行智能调控。
通过对各个检测项超标范围确定,进而对聚类质心进行快速确定,减少的随机选择带来的不确定性和延迟性,且实时测量值仅是对污水实测表各个监测数据的代指,并不局限数量和范围,通过将实时测量值与聚类质心的距离进行逐一对比,确定其超标范围。
分析模块通过调用组对数据库中的污水实测表进行提取,针对于每一个监测点,根据每一个监测点处获取到的污水实测表,通过改进后的K-means聚类算法获取不同检测类别中各个级别对应的聚类质心集,进而将污水实测表中每个超标的实时测量值聚合到聚类质心对应级别的污水超标范围,添药模块根据分析模块中的数据对每个监测点处的药品添加量进行计算。
所述添药模块获取分析模块中处理后的聚类数据,根据添药公式进行药品添加量计算以对相应管道内的污水进行添药净化,添药公式通过式(3)和式(4)计算各个检测类别所对应的药品添加量:
根据式(3)和式(4)/>获取各个检测项的药品添加量和药剂输出速度;
其中,式(3)表示标号i检测类别的检测项所需药品添加量;
式(4)表示添药装置中药剂的输出速度;
式中,表示标号i检测类别的检测项所需药品添加量,Ne表示标号i检测类别中获取超标的实时测量值的个数总和,Nl表示标号i检测类别中聚集在第l级别污水超标范围内实时测量值的个数总和,/>表示管道横截面积,/>表示标号i检测类别第l级别单位面积的药品添加量,/>表示标号i检测类别在所属管道监测点中药剂的输出速度,/>表示药品净化效率,/>表示药品的配比容量,/>表示一个测量周期的时间。
所述添药模块连接添药装置,添药装置根据添药模块中的计算结果进行药剂添加,监测模块还用于采集工厂实际应用中针对各个检测项分别添药净化后的污水的实时测量值,分析模块还用于判断工厂实际应用中净化后的污水是否达到排放标准,若判断达到排放标准则传输达标信号给决策层,决策层输出安全信息,若判断未达到排放标准则传输不达标信号给决策层,决策层向处理层下达重新运行的指令,并发出警告信息给具有操控权限的用户。
各个监测点中的监测设备通过无线网络与分析模组连接,分析模组中的水质在线监测***WQMS和实验室LMIS***将分析出的数据形成污水实测表且存储到数据库中,分析模块通过调用组对数据库中的污水实测表进行提取,应用于每一个监测点,改进后的K-means聚类算法将污水实测表中每个实时测量值填入到聚类质心对应的不同级别污水超标范围内,本发明针对一条管道上或者一个生产线或者一类加工设备产生进行设计,即在各个支管汇入到总管之前进行单个清理,减少总管净化处理时检测项复杂造成的繁琐工作,因为每个支管都只有一类加工造成的污水,而总管与多个不同类的支管连接,导致多个检测项会互相反应,产生净化难度较高或者难以净化的污染项,另一方面,总管中存在污染项繁多而监测设备失灵的情况,因此在支管中就进行污染净化,不仅提高效率而且节约成本。
本实施例中,监测模块通过监测设备对管道内污水进行周期性检测,并根分析模组获取到污水实测表且存储到数据库中,分析模块通过对K-means聚类算法的改进,降低了聚类质心选择的困难程度和距离计算的繁琐度,进而将污水实测表中各个检测项所包括的监测数据进行规律聚合,实现污水超标聚集点的直接观测,添药模块通过监测模块中处理数据对管道内污水进行添药净化的药剂添加量进行获取,为污水净化添药提供数据支持,实现了数据的优化处理,并为后续智能调控提供依据。
实施例三
参照图1和图3,实施例三对本发明提出的一种基于数字孪生的环保运营管理***做进一步说明。
针对工厂污水在日常不停工生产下难以实现动态净化且净化效率低下的难题,本发明基于数字孪生构建了基于实测工厂数据与仿真数据融合的工厂三维模型和动态调控方法,通过数据感知、虚实交互、状态可视化、同步多域仿真预测,在工厂各个污水管道实体模型上进行模拟试验,实现了污水排放和净化运行状态实时监测、数据分析和动态添药,具有可行性和时效性,为工厂实际污水净化提供更精准的运行性能调控。
决策层应用于实际工厂的添药装置中,根据处理层中传输的信号对实际工厂中的添药装置进行智能控制,并生成不同的指令,所述决策层包括人工智能,当决策层接收到处理层传输过来的信号时,通过人工智能控制添药装置,对工厂管道中的污水进行添药净化,若分析模块判断达到排放标准则传输达标信号给决策层,决策层输出安全信息,若判断未达到排放标准则传输不达标信号给决策层,决策层向处理层下达重新运行的指令,并发出警告信息给具有操控权限的用户。
本发明的实施例一和实施例二均以污水支管为说明对象,但本发明在污水汇总后的总管中也可以进行相关应用,其在总管中的具体应用与支管的应用流程相似,也可以通过监测模块对监测设备的水质数据信息进行处理,并通过分析模块对总管中污水各个检测类别是否超标进行判断,根据添药模块计算药品添加量,实现对总管中污水的净化处理。
决策层接入工厂的视频监控***,采用图像处理、模式识别和计算机视觉技术,通过在监控***中增加智能视频分析模块,自动检索异常目标,对视频源中的主要和有效信息内容开展解析和获取,迅速精准定位事发现场,分辨监控显示屏中的异常现象,并以更快、最好的方法传出报警,从而为警示信息提供图样参考,警告信息会与智能报警***无线连接并进行控制,通过数据采集会根据异常反馈快速定位到添药装置或者监测点的位置,对阀门开/关到位故障、污水液位过低、药剂量不足、设备工况异常等故障报警信息进行展示。并按照突发事件发生的紧急程度以及可能造成的危害程度来进行响应级别分级,并通过不同颜色进行标示,帮助用户进行实时管理。
本实施例中,通过人工智能和物联网将数字孪生技术产生的工厂三维模型与实际场景进行虚实交互,在污水厂完整准确的三维模型基础上,同时接入的各类设备的实时监测数据,进行统一控制和调度,通过各类工艺模型构建智慧污水处理模块进行决策支撑,实现污水厂全流程自动化净化控制和运维数字化管理不仅使生产运行安全可靠,而且使净化方案得到更好的反馈和落实,以更加精细、动态和智慧的方式辅助污水净化管理运维,同时,也降低工厂污水净化成本,提高工厂的碳收入和污水处理效率。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术用户来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于数字孪生的环保运营管理***,其特征在于,所述环保运营管理***包括数据层、处理层和决策层:
数据层包括数据库和调用组,数据库包括工厂三维模型,工厂三维模型基于数字孪生技术进行BIM建模,且填充有工厂生产信息和设备信息以及各个污水管道的分布,并对管道上的监测点进行标注,数据库进行分布式存储和调用管理;
工厂中设置有污水监测点,处理层基于数据层的数据支持进行工厂三维模型的污水预处理,包括监测模块、分析模块和添药模块,监测模块用于处理监测设备测量监测点的水质数据信息,记为污水的实时测量值,每个监测点获取到的污水的实时测量值都会形成一个污水实测表,分析模块基于K-means聚类算法对污水实测表中各项数据进行处理,并根据添药模块获取药品添加量,分析模块还用于获取污水用药后各个检测项是否达到排放标准,若各个检测项均达到排放标准,则发送应用信号给决策层;
决策层应用于实际工厂的添药装置中,根据处理层中传输的应用信号对实际工厂中的添药装置进行智能控制。
2.根据权利要求1所述的一种基于数字孪生的环保运营管理***,其特征在于,所述数据库存储有用户管理信息,用户管理信息中包括用户身份认证和权限管理,用户身份认证应用于用户登录,调用组根据用户输入的身份信息与数据库存储的信息进行校对,并判断是否符合;权限管理通过权限模型来进行设计角色,根据用户的认证身份赋予相应的角色,并根据角色获取相应的权限;
数据层包括水质报告表,水质报告表包括标准检验值表和所述污水实测表,标准检验值表主要存储了污水超标标准、各个超标级别范围以及各个超标级别单位面积的药品添加量,污水实测表是每个监测点处反馈的污水中各检测项的实时测量值;
数据层的具体工作过程包括以下步骤:
步骤S21:各个污水监测点的污水实测表首先存储在监测设备中,Sqoop将各个监测设备中的污水实测表导入到HDFS中并进行存储;
步骤S22:MapReduce将HDFS中各个监测点的污水实测表一起封装打包,并传输给分析模块,分析模块得到的结果将存储在数据库中。
3.根据权利要求1所述的一种基于数字孪生的环保运营管理***,其特征在于,所述监测模块与各个监测点的所述监测设备无线连接,监测设备将获取的所述水质数据信息传输给监测模块中的分析模组,根据分析模组获取到所述污水实测表,分析模组是通过交互接口Web Service与监测模块连接的水质在线监测***WQMS和实验室LMIS***,监测模块的具体工作包括以下步骤:
步骤S31:监测设备包括计时装置,根据计时装置设定一个测量周期,设定一个测量周期内监测设备的检测次数为n,n为正整数;
步骤S32:监测设备将一个测量周期获取到的水质数据信息通过无线网络传输给分析模组,通过水质在线监测***WQMS和实验室LMIS***获取各个污水检测项数据值,并将数据梳理形成污水实测表,将污水实测表传输给数据库存储。
4.根据权利要求2所述的一种基于数字孪生的环保运营管理***,其特征在于,所述分析模块基于K-means聚类算法对数据库中的污水实测表进行统计分析,为满足数据的处理,对K-means算法进行改进,包括对聚类质心的选择和距离计算优化,其中聚类质心选择的具体过程包括如下步骤:
步骤S41:根据水质报告表中标准检验值表的污水超标标准以及各个超标级别范围,设定分析模组的检测类别的数量为M,M为正整数,则i设定为每一不同检测类别的标号,表示标号为i的检测类别,设定标号i检测类别的污水临界超标值为/>,获取污水实测表中每个检测类别的实时测量值/>,将标号i检测类别的实时测量值/>与污水临界超标值/>进行比较,若/>,表示标号i检测类别的污水没有超标,不进行后续分析,读取其他检测类别的实时测量值,若所有检测类别的实时测量值均小于污水临界超标值,表示所述污水实测表对应的监测点污水没有超标,直接进行下一个测量周期的检测;
步骤S42:若,表示标号i检测类别的污水超标,根据标准检验值表获取标号i检测类别第l级别对应污水超标标准的取值范围,记为/>,其中,l为超标级别的标号,b、c分别代表数值,根据公式:
获取聚类质心;
式中,表示各个超标级别范围的聚类质心,/>表示i检测类别中第l级别污水超标范围对应的聚类质心;
步骤S43:将获取到的聚类质心形成聚类质心集。
5.根据权利要求4所述的一种基于数字孪生的环保运营管理***,其特征在于,所述K-means聚类算法中针对污水超标中实时测量值的距离计算优化过程,包括如下步骤:
步骤S51:获取步骤S42中的聚类质心,根据每个超标级别范围内均有一个聚类质心,设定每个检测类别有W个聚类质心,则表示标号i检测类别的聚类质心数量;
步骤S52:获取水质报告表中每个检测类别超标的实时测量值,通过比较标号i检测类别超标的实时测量值与对应的检测类别的每一个聚类质心的距离值,将超标的实时测量值/>分别填充到相应的污水超标范围中,根据公式(1)和(2)获取每个检测类别中超标的实时测量值所对应的聚类质心:
(1)和(2)/>;
其中,式(1)表示任意选取2个聚类质心,获取与超标的实时测量值距离较远的那个聚类质心;
式(2)表示将距离超标实时测量值较远的那个聚类质心/>从聚类质心集/>中剔除;
式中,表示聚类质心集中任意两个聚类质心,s和g为i检测类别的第s和g级别对应的标号,/>表示剔除函数,/>表示将/>从聚类质心集/>中剔除,表示剔除/>后的聚类质心集;
步骤S53:将超标的实时测量值依次带入到公式(1)和公式(2)中,直到聚类质心集中只剩下一个聚类质心时停止,并将超标的实时测量值/>填入到最后一个聚类质心对应级别的污水超标范围中;
步骤S54:将i赋值为1到M,重复步骤S52和步骤S53,将一个测量周期内,监测设备n次检测获取到的每个检测类别中所有超标实时测量值,均填入到聚类质心对应级别的污水超标范围中,其中n为正整数。
6.根据权利要求4所述的一种基于数字孪生的环保运营管理***,其特征在于,所述分析模块通过调用组对数据库中的污水实测表进行提取,针对于每一个监测点,根据每一个监测点处获取到的污水实测表,通过改进后的K-means聚类算法获取不同检测类别中各个级别对应的聚类质心集,进而将污水实测表中每个超标的实时测量值聚合到聚类质心对应级别的污水超标范围,添药模块根据分析模块中的数据对每个监测点处的药品添加量进行计算。
7.根据权利要求1所述的一种基于数字孪生的环保运营管理***,其特征在于,所述添药模块获取分析模块中处理后的聚类数据,根据添药公式进行药品添加量计算以对相应管道内的污水进行添药净化,添药公式包括式(3)和式(4):
根据式(3)和式(4)/>获取各个检测项的药品添加量和药剂输出速度;
其中,式(3)表示标号i检测类别的检测项所需药品添加量;
式(4)表示添药装置中药剂的输出速度;
式中,表表示标号i检测类别的检测项所需药品添加量,Ne表示标号i检测类别中获取超标的实时测量值的个数总和,Nl表示标号i检测类别中聚集在第l级别污水超标范围内实时测量值的个数总和,/>表示管道横截面积,/>表示标号i检测类别第l级别单位面积的药品添加量,/>表示标号i检测类别在所属管道监测点中药剂的输出速度,/>表示药品净化效率,/>表示药品的配比容量,/>表示一个测量周期的时间。
8.根据权利要求7所述的一种基于数字孪生的环保运营管理***,其特征在于,所述添药模块连接添药装置,添药装置根据添药模块中的计算结果进行药剂添加,监测模块还用于采集工厂实际应用中针对各个检测项分别添药净化后的污水的实时测量值,分析模块还用于判断工厂实际应用中净化后的污水是否达到排放标准,若判断达到排放标准则传输达标信号给决策层,决策层输出安全信息,若判断未达到排放标准则传输不达标信号给决策层,决策层向处理层下达重新运行的指令,并发出警告信息给具有操控权限的用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311634898.3A CN117391480B (zh) | 2023-12-01 | 一种基于数字孪生的环保运营管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311634898.3A CN117391480B (zh) | 2023-12-01 | 一种基于数字孪生的环保运营管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117391480A true CN117391480A (zh) | 2024-01-12 |
CN117391480B CN117391480B (zh) | 2024-07-26 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控*** |
CN114047719A (zh) * | 2021-11-02 | 2022-02-15 | 江西零真生态环境集团有限公司 | 一种农村生活污水处理设施远程监测评估***与运行方法 |
CN115798154A (zh) * | 2022-11-02 | 2023-03-14 | 江西飞尚科技有限公司 | 一种空气质量告警方法及*** |
CN116415776A (zh) * | 2023-02-27 | 2023-07-11 | 物产中大公用环境投资有限公司 | 一种基于数字孪生技术的污水处理监测运营管理***及方法 |
CN116633978A (zh) * | 2023-07-24 | 2023-08-22 | 珠水(广东)生态环境研究院有限公司 | 基于物联网的污水处理远程监控*** |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控*** |
CN114047719A (zh) * | 2021-11-02 | 2022-02-15 | 江西零真生态环境集团有限公司 | 一种农村生活污水处理设施远程监测评估***与运行方法 |
CN115798154A (zh) * | 2022-11-02 | 2023-03-14 | 江西飞尚科技有限公司 | 一种空气质量告警方法及*** |
CN116415776A (zh) * | 2023-02-27 | 2023-07-11 | 物产中大公用环境投资有限公司 | 一种基于数字孪生技术的污水处理监测运营管理***及方法 |
CN116633978A (zh) * | 2023-07-24 | 2023-08-22 | 珠水(广东)生态环境研究院有限公司 | 基于物联网的污水处理远程监控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116129366B (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN105182450B (zh) | 一种强对流天气短时预警*** | |
US20230419425A1 (en) | Method for monitoring operation of liquefied natural gas (lng) storage and internet of things system (iot) thereof | |
CN107402976A (zh) | 一种基于多元异构模型的电网多源数据融合方法及*** | |
CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
CN117196159A (zh) | 基于互联网大数据分析的智慧水务分区计量*** | |
CN116681250A (zh) | 一种基于人工智能的建筑工程进度监管*** | |
CN116771576B (zh) | 水电机组故障综合诊断方法 | |
CN114386626A (zh) | 基于数字孪生的设备状态评价及运维策略制定实现*** | |
CN116932523B (zh) | 一种整合和监管第三方环境检测机构的平台 | |
CN115562212A (zh) | 一种基于机器学习的化工安全生产预警*** | |
CN117056688A (zh) | 一种基于数据分析的新材料生产数据管理***及方法 | |
CN108647860A (zh) | 基于OpenStack的电力设备状态监测与评估云平台 | |
CN117689256B (zh) | 一种铝合金熔铸产品质量溯源方法 | |
CN108494803B (zh) | 基于人工智能的多元异构网络安全数据可视化*** | |
CN114527717A (zh) | 一种化工安全生产预警***及其安全预警方法 | |
CN113159503B (zh) | 一种远程遥控智能安全评估***和方法 | |
CN112487053B (zh) | 海量财务数据异常控制提取工作方法 | |
CN117391480B (zh) | 一种基于数字孪生的环保运营管理*** | |
CN117787743A (zh) | 一种基于大数据的高炉炉况智能评价方法及*** | |
CN117391480A (zh) | 一种基于数字孪生的环保运营管理*** | |
CN116976625A (zh) | 一种基于gis***的智慧工地监测*** | |
CN116796633A (zh) | 一种基于数字孪生技术的电网监测模型校正方法 | |
CN115118578B (zh) | 一种基于web的scada*** | |
CN115481941A (zh) | 一种多功能区联合的智能化安防管理方法及*** |
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 |