TWI746059B - 用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 - Google Patents
用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 Download PDFInfo
- Publication number
- TWI746059B TWI746059B TW109123838A TW109123838A TWI746059B TW I746059 B TWI746059 B TW I746059B TW 109123838 A TW109123838 A TW 109123838A TW 109123838 A TW109123838 A TW 109123838A TW I746059 B TWI746059 B TW I746059B
- Authority
- TW
- Taiwan
- Prior art keywords
- water quality
- site
- biological
- value
- quality monitoring
- Prior art date
Links
Images
Landscapes
- Activated Sludge Processes (AREA)
Abstract
本發明提供一種人工智慧輔助操作系統、以及污水水質人工智慧優化方法,包括:一取得水質監測值步驟S1:使用分设於場外、場內的水質監測裝置分別取得場外及場內的水質監測值;一求得水質AI預測值步驟S2:基於場外、場內的水質監測值,以該人工智慧輔助操作系統,利用人工智慧模擬運算建構一水質預測模型並求出相應的場內水質AI預測值; 一發出操作對策指令步驟S3:分別比對場內水質AI預測值、水質正常操作設定值並發出操作對策指令;一執行優化操作步驟S4:中央控制中心依據操作對策指令驅使各污水處理設施執行正常操作模式或優化操作模式。
Description
本發明是關於污水處理設施效能的優化技術,特別是關於一將人工智慧技術應用於優化污水處理設施效能之人工智慧輔助操作系統、以及使用它之污水水質人工智慧優化方法。
民生用水量與日俱增,工廠也不時產生源自於工業流程完工所致的廢水,致使污水、廢水排放量越來越大。通常,家庭污水、社區污水為經由一般污水下水道而輸送到民生污水處理場加以處理後再加以排放。另外,工廠廢水、事業廢水、工業廢水則由於會造成嚴重的水質污染,一般是集中於排放至工業區污水下水道,然後輸送到工業污水處理場加以處理到排放標準後再加以排放。簡言之,污水下水道收集到的包括家庭污水、商家污水、工業污水等等之污水,經由污水處理設施加以處理到最終不會造成水質污染的程度後再加以排放。
一般而言,污水下水道系統所包含的地域範圍廣泛,因此完善的污水處理必須仰賴良好的水質監控技術。關於污水處理場中之各污水處理設施的水質監測,在早期時代通常是藉由人工方式抽樣檢測及裝設在現場的監控設備、水質感測裝置來監測水質狀況。
然而,此種的監測方式儘管現行可透過檢測儀錶定點、定時收集水質資料,但是仍然存在著抽樣執行檢測僅限於當時抽取之水體的水
質狀況,無法確切掌控同一區域之水質變化的問題,而且也會有例如「通常需取回檢測儀器所測到的水質資料或待檢測人員進行分析後才能得知水質狀況」之類的耗費大量人力及時間的問題。特別是在污水水質突然間大幅改變時,以此種監測方式並無法即時通報的問題,當然更談不上去改善操作或採取良好應對措施。
又,為了改善上述的問題點,近來多半藉由使用包括流量計及溫度、液位、壓力、pH值等感測器之現場監控設備、採用可自動化控制方式的遠端監控設備之遠端監控技術、以及導入數學模型、矩陣運算及演算法、人工智慧深度學習等來提高儀器量測的準確度。
例如,在中華民國第107104312號發明專利之中,已揭露一種能夠達成提供即時監控、即時通報與即時水質改善之「水質監測系統及其監測方法」,如該發明摘要所示,至少一傳感器感測一待測水體,以取得該待測水體之感測數據,監控設備接收該至少一傳感器所傳送之感測數據,藉由數學模型、矩陣運算及演算法產生複數個污水水質指標參數,並將該複數個污水水質指標參數與預設之安全值比對,藉以判斷該待測水體之水質狀態,最後,監控設備於判斷該水質狀態為危險狀態時,傳遞指令給水質改善系統,判斷並智慧啟動警示聲音或/及水質改善系統並傳送警示訊息至一行動裝置。
但是,該第107104312號專利之水質監測系統及其監測方法雖然能夠即時發現魚塭的水質惡化並對水質進行即時監控或改善,藉以達良好控制水質以免影響漁產量的功效,但是卻僅僅適用於漁業養殖業者、漁業相關人員,用以減少魚池內生物大量死亡的風險而已。換句話說,只不過是適用於自來水場、水產養殖用水之水質監控管理改善的參考依據而已。
由於家庭污水、社區污水、民生污水、工廠廢水、事業廢水、工業廢水之污水、與自來水場、水產養殖用水之用水兩者的水質實際上是大不相同;特別是就污染量而言,污水是遠高於用水的。因此,只適用於自來水場、水產養殖用水之水質監控管理改善參考依據的該第107104312號專利之水質監測系統及其監測方法,並不適合使用污水下水道系統、污水處理場、污水處理設施之污水水質監控管理。
另外,對於處理家庭污水、社區污水、民生污水、工廠廢水、事業廢水、工業廢水的污水下水道系統、污水處理場之管理者而言,時常會有一旦採集感測數據的感測器發生故障,則採集到的感測數據會失去準確性,甚至採集不到感測數據等之困擾。另一方面,由於遠端監控設備時常會有無法採集到準確的感測數據,以致發出不當的控制指令而造成馬達或幫浦異常運作的情況;又,一旦發生異常運作,則需要立即排除異常解決問題,甚至是仰賴自動斷電系統中斷運作,很難有充足的緩衝時間調度維修人員等之困擾。
從而,得到一種適用於污水下水道系統、污水處理場之安全性、可靠性、準確性及緩衝性充足的自動化監控技術一直是長期被關注的議題。是以,亟需開發出一種無上述缺陷的可用於優化污水處理設施效能之人工智慧輔助操作系統、以及使用它之污水水質人工智慧優化方法。
有鑑於上述的問題與缺失,本發明之目的在於提供一種用於優化污水處理設施效能之人工智慧輔助操作系統,具備大數據處理能力及自我預測校正能力,以提供準確的污水預測值,可提早預測污水水質,據以提早警示控制或改善污水處理設施場區的運作。
換言之,根據本發明的一技術思想,本發明可以提供一種用於優化污水處理設施效能之人工智慧輔助操作系統,其係至少包括:複數個場外物化水質監測裝置、複數個場內物化水質監測裝置、一雲端伺服器、以及一人工智慧評估裝置;其中複數個場外物化水質監測裝置分別設置於污水處理設施場區外部的場外污水管路,用以監測並取得複數個場外物化水質監測值,該複數個場外物化水質監測值為包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;複數個場內物化水質監測裝置分別設置於該污水處理設施場區的複數個污水處理單元、彼等之進流管路、及/或出流管路,用以監測並取得複數個場內物化水質監測值,該複數個場內物化水質監測值為包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;該雲端伺服器為通訊連接於複數個場外物化水質監測裝置、複數個場內物化水質監測裝置、以及該污水處理設施的中央控制中心,並且具備一水質監測值處理模組與一水質資料庫;該水質監測值處理模組為用以接收複數個場外物化水質監測值、複數個場內物化水質監測值,將彼等轉換成物化水質數據資料並儲存於該水質資料庫;該人工智慧評估裝置為通訊連接於該雲端伺服器且至少包括一演算分析模組以及判定模組;該演算分析模組為能夠基於該複數個場外物化水質監測值建構一物化水質預測模型,經由以該物化水質預測模型進行模擬運算而獲得與污水處理設施相對應的複數個物化水質AI預測值;該判定模組為基於複數個場內物化水質監測值、複數個物化水質AI預測值與物化操作設定值的比對結果而發出相應的物化操作對策指令,以使
污水處理設施進行與該物化操作對策指令相應的操作而實現所期望的效能。
又,根據本發明的另一技術思想,本發明還可以提供一種用於優化污水處理設施效能之人工智慧輔助操作系統,其係至少包括:複數個場外生物水質監測裝置、複數個場內生物水質監測裝置、一雲端伺服器、以及一人工智慧評估裝置;其中該複數個場外生物水質監測裝置為分別設置於污水處理設施場區外部的場外污水管路,用以監測並取得複數個場外生物水質監測值,該複數個場外生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;該複數個場內生物水質監測裝置為分別設置於污水處理設施場區外部的場外污水管路,用以監測並取得複數個場內生物水質監測值,該複數個場內生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;該雲端伺服器為通訊連接於複數個場外生物水質監測裝置、複數個場內生物水質監測裝置、以及該污水處理設施的中央控制中心,並且具備一水質監測值處理模組與一水質資料庫;該水質監測值處理模組為用以接收複數個場外生物水質監測值、複數個場內生物水質監測值,將彼等轉換成生物水質數據資料並儲存於該水質資料庫;該人工智慧評估裝置為通訊連接於該雲端伺服器且至少包括一演算分析模組以及判定模組;該演算分析模組為能夠基於該複數個場外生物水
質監測值建構一生物水質預測模型,經由以該生物水質預測模型進行模擬運算而獲得與污水處理設施相對應的複數個生物水質AI預測值;該判定模組為基於複數個場內生物水質監測值、複數個生物水質AI預測值與生物操作設定值的比對結果而發出相應的生物操作對策指令,以使污水處理設施進行與該物化操作對策指令相應的操作而實現所期望的效能。
再者,根據本發明的另一技術思想,本發明還可以提供一種用於優化污水處理設施效能之人工智慧輔助操作系統,其係至少包括:複數個場外物化水質監測裝置、複數個場內物化水質監測裝置、複數個場外生物水質監測裝置、複數個場內生物水質監測裝置、一雲端伺服器、以及一人工智慧評估裝置;其中複數個場外物化水質監測裝置分別設置於污水處理設施場區外部的場外污水管路,用以監測並取得複數個場外物化水質監測值,該複數個場外物化水質監測值為包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;複數個場內物化水質監測裝置分別設置於該污水處理設施場區的複數個污水處理單元、彼等之進流管路、及/或出流管路,用以監測並取得複數個場內物化水質監測值,該複數個場內物化水質監測值為包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;該複數個場外生物水質監測裝置為分別設置於污水處理設施場區外部的場外污水管路,用以監測並取得複數個場外生物水質監測值,該複數個場外生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶
氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;該複數個場內生物水質監測裝置為分別設置於污水處理設施場區外部的場外污水管路,用以監測並取得複數個場內生物水質監測值,該複數個場內生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;該雲端伺服器為通訊連接於複數個場外物化水質監測裝置、複數個場內物化水質監測裝置、複數個場外生物水質監測裝置、複數個場內生物水質監測裝置、以及該污水處理設施的中央控制中心,並且具備一水質監測值處理模組與一水質資料庫;該水質監測值處理模組為用以接收複數個場外物化水質監測值、複數個場內物化水質監測值、複數個場外生物水質監測值、複數個場內生物水質監測值,將彼等轉換成物化水質數據資料、生物水質數據資料並儲存於該水質資料庫;該人工智慧評估裝置為通訊連接於該雲端伺服器、該污水處理設施的中央控制中心且至少包括一演算分析模組以及判定模組;該演算分析模組為能夠基於該複數個場外物化水質監測值、該複數個場外生物水質監測值建構一物化水質預測模型、一生物水質預測模型,經由以該一物化水質預測模型、該生物水質預測模型進行模擬運算而獲得與污水處理設施相對應的複數個物化水質AI預測值、複數個生物水質AI預測值;該判定模組為基於複數個場內物化水質監測值、複數個場內生物水質監測值、該複數個物化水質AI預測值、複數個生物水質AI預測值分別與物化操作設定值、生物操作設定值的比對結果而發出相應的物化操作對策指
令、生物操作對策指令,以使污水處理設施進行與該物化操作對策指令相應的操作而實現所期望的效能。
在本發明之一實施例中,該人工智慧輔助操作系統中之該物化水質預測模型為經由人工智慧評估裝置利用類神經網路演算法、及/或質量平衡模式、及/或生物反應動力學理論所建構而成的。
在本發明之一實施例中,該人工智慧輔助操作系統中之該生物水質預測模型為經由人工智慧評估裝置利用類神經網路演算法、及/或質量平衡模式、及/或生物反應動力學理論所建構而成的。
又,在本發明之一實施例中,該人工智慧輔助操作系統中之物化操作對策指令為至少包括:表示複數個物化水質AI預測值為落入物化操作設定值的安全區範圍之安全指令,表示複數個物化水質AI預測值為落入物化操作設定值的警示區範圍之警示指令,及表示複數個物化水質AI預測值為落入物化操作設定值的改善區範圍內之改善指令。
又,在本發明之一實施例中,該人工智慧輔助操作系統中之生物操作對策指令為至少包括:表示複數個生物水質AI預測值為落入生物操作設定值的安全區範圍之安全指令,表示複數個生物水質AI預測值為落入生物操作設定值的警示區範圍之警示指令,及表示複數個生物水質AI預測值為落入生物操作設定值的改善區範圍內之改善指令。
又,在本發明之一實施例中,該人工智慧輔助操作系統中之該污水處理設施係包括:至少一中央控制中心、多個場外污水流通管路、與該多個場外污水流通管路形成液體連通的多個場內污水管路、至少一前處理單元、至少一污水調和單元、至少一化學處理單元、至少一生物處理單元、至少一沉砂處理單元、至少一後處理單元、至少一處理水過濾單元、至少一處理水消毒單元、至少一處理水回收單元、至少一處理藥劑添加單
元、至少一污泥處理單元、至少一氣液流量控制單元、及至少一污泥減容處理單元中所選出的至少一種以上。
又,在本發明之一實施例中,該人工智慧輔助操作系統中之該伺服器為包括手機、個人電腦、筆記型電腦、智慧型攜帶裝置、人機介面裝置、使用者裝置、應用程式APP、及雲端中之至少一種;該人工智慧評估裝置為包括手機、個人電腦、筆記型電腦、智慧型攜帶裝置、人機介面裝置、使用者裝置、應用程式APP、及雲端中之至少一種。
又,在本發明之一實施例中,該複數個場外物化水質監測值、該複數個場內物化水質監測值分別為至少包括流量、溫度、pH值之物化水質指標。
又,在本發明之一實施例中,該複數個場外物化水質監測值、該複數個場內物化水質監測值分別為至少包括流量、溫度、pH值、酸度值、鹼度值之物化水質指標。
又,在本發明之一實施例中,該複數個場外生物水質監測值、該複數個場內生物水質監測值分別為至少包括生物需氧量(BOD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)之生物水質指標。
又,在本發明之一實施例中,該複數個場外生物水質監測值、該複數個場內生物水質監測值分別為至少包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)之生物水質指標。
又,在本發明之一實施例中,該人工智慧評估裝置之判斷模組係將該物化操作對策指令發送至該雲端伺服器後,再經由該雲端伺服器
將該物化操作對策指令發送至該污水處理設施的中央控制中心,以使污水處理設施進行與該物化操作對策指令相應的操作而實現所期望的效能。
又,在本發明之一實施例中,該人工智慧評估裝置之判斷模組係將該生物操作對策指令發送至該雲端伺服器後,再經由該雲端伺服器將該生物操作對策指令發送至該污水處理設施的中央控制中心,以使污水處理設施進行與該生物操作對策指令相應的操作而實現所期望的效能。
又,在本發明之一實施例中,該人工智慧評估裝置之判斷模組係將該物化操作對策指令及該生物操作對策指令一同發送至該雲端伺服器後,再經由該雲端伺服器將該物化操作對策指令及該生物操作對策指令一同發送至該污水處理設施的中央控制中心,以使污水處理設施進行與該物化操作對策指令及該生物操作對策指令分別相應的操作而實現所期望的效能。
又,在本發明之一實施例中,該人工智慧評估裝置之判斷模組係將該物化操作對策指令發送至該污水處理設施的中央控制中心,以使污水處理設施進行與該物化操作對策指令相應的操作而實現所期望的效能。
又,在本發明之一實施例中,該人工智慧評估裝置之判斷模組係將該生物操作對策指令發送至該污水處理設施的中央控制中心,以使污水處理設施進行與該生物操作對策指令相應的操作而實現所期望的效能。
又,在本發明之一實施例中,該人工智慧評估裝置之判斷模組係將該物化操作對策指令、及該生物操作對策指令一同發送至該污水處理設施的中央控制中心,以使污水處理設施進行與該物化操作對策指令、及該生物操作對策指令分別相應的操作而實現所期望的效能。
又,在本發明之一實施例中,該中央控制中心在接收到該物化操作對策指令後,依據該物化操作對策指令使污水處理設施中之至少一前處理單元、至少一污水調和單元、至少一化學處理單元、至少一處理藥劑添加單元、至少一曝氣控制單元、及至少一流量控制單元中選出的至少一種水質調控裝置進行相應的作動。
又,在本發明之一實施例中,該中央控制中心在接收到該生物操作對策指令後,依據該生物操作對策指令使污水處理設施中之至少一前處理單元、至少一污水調和單元、至少一生物處理單元、至少一沉砂處理單元、至少一曝氣控制單元、及至少一流量控制單元中選出的至少一種水質調控裝置進行相應的作動。
又,在本發明之一實施例中,該中央控制中心在接收到該物化操作對策指令及該生物操作對策指令後,依據該物化操作對策指令及該生物操作對策指令使污水處理設施中之至少一前處理單元、至少一污水調和單元、至少一化學處理單元、至少一生物處理單元、至少一沉砂處理單元、至少一處理藥劑添加單元180、至少一曝氣控制單元、以及至少一流量控制單元中選出的至少一種水質調控裝置進行相應的作動。
另外,根據本發明的技術思想,本發明還可以提供一種污水水質人工智慧優化方法,其係包括:一取得水質監測值步驟S1:使用場外水質監測裝置、場內生物水質監測裝置分別取得污水處理場外部的場外水質監測值、及污水處理場區的場內水質監測值;一求得水質AI預測值步驟S2:基於場外水質監測值、場內水質監測值,以如請求項1至8中任一項所述之人工智慧輔助操作系統,利用人工智慧模
擬運算而建構成一水質預測模型,並基於該水質預測模型推算求出相應的場內水質AI預測值;一發出操作對策指令步驟S3:分別將場內水質AI預測值、水質正常操作設定值進行比對,依據比對結果發出操作對策指令至伺服器或污水處理場區的中央控制單元;一執行優化操作步驟S4:污水處理場區的中央控制單元依據操作對策指令驅使各污水處理設施執行正常操作模式或優化操作模式。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該場外水質監測裝置為場外物化水質監測裝置、或場外生物水質監測裝置;該場外水質監測值為場外物化水質監測值、或場外生物水質監測值。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該場內水質監測裝置為場內物化水質監測裝置、或場內生物水質監測裝置;該場內水質監測值為場內物化水質監測值、或場內生物水質監測值。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該場外物化水質監測值、該場內物化水質監測值分別為包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該場外生物水質監測值、該場內生物水質監測值分別為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該污水處理設施係包括:至少一中央控制中心、多個場外污水流通管路、
與該多個場外污水流通管路形成液體連通的多個場內污水管路、至少一前處理單元、至少一污水調和單元、至少一化學處理單元、至少一生物處理單元、至少一沉砂處理單元、至少一後處理單元、至少一處理水過濾單元、至少一處理水消毒單元、至少一處理水回收單元、至少一處理藥劑添加單元、至少一污泥處理單元、至少一氣液流量控制單元、及至少一污泥減容處理單元中所選出的至少一種以上。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該水質預測模型為經由人工智慧評估裝置利用類神經網路演算法、及/或質量平衡模式、及/或生物反應動力學理論所建構而成的。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該水質預測模型為物化水質預測模型或生物水質預測模型。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該操作對策指令至少包括:物化操作對策指令或生物操作對策指令。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該操作對策指令至少包括:安全指令、警示指令或改善指令。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該操作對策指令為至少包括:表示物化水質AI預測值為落入物化操作設定值的安全區範圍之安全指令,表示物化水質AI預測值為落入物化操作設定值的警示區範圍之警示指令,或表示物化水質AI預測值為落入物化操作設定值的改善區範圍內之改善指令。
又,在本發明之污水水質人工智慧優化方法的一實施例中,該操作對策指令為至少包括:表示生物水質AI預測值為落入生物操作設定值的安全區範圍之安全指令,表示生物水質AI預測值為落入生物操作設定
值的警示區範圍之警示指令,或及表示生物水質AI預測值為落入生物操作設定值的改善區範圍內之改善指令。
又,在本發明之污水水質人工智慧優化方法的一實施例中,當該水質預估監測值超出該水質操作物化操作設定值時,會發出警示指令與改善指令至一水質調控裝置進行水質改善。
因此,本發明的用於污水下水道系統之智能監控系統導入人工智慧的邏輯方法大數據處理多個感測數據以得到對應的污水預測值,並且自我深度學習累積經驗值,達成自我預測校正的能力以提升預測的準確性。有了污水預測值,可提前發出操作警示指令及/或改善要求訊息,讓決策人員提前得知,並有緩衝時間可以了解詳情,決策人員更能正確地決定改善方案,妥善安排維修人員進行設備維修、或指派分析人員分析超出安全質監測值範圍的原因。
100A:污水處理場區(場內範圍)
100B:污水處理場區(場外範圍)
P100A:場內污水管路
P100B:場外污水流通管路
110:前處理單元
120:污水調和單元
130:化學處理單元
140:生物處理單元
150:沉砂處理單元
160:後處理單元
170:處理藥劑添加單元
180:污泥處理單元
200:中央控制中心
300A:場內水質監控裝置
300B:場外水質監控裝置
400:伺服器
410:水質資料庫
420:水質監測值處理模組
500:人工智慧評估裝置
510:演算分析模組
520:判定模組
S1:取得水質監測值步驟
S2:求得水質AI預測值步驟
S3:發出操作對策指令步驟
S301:安全指令
S302:警示指令
S303:改善指令
S4:執行優化操作步驟
圖1為顯示適用本發明之人工智慧輔助系統的一實施例之污水處理設施場區的典型配置示意圖。
圖2係顯示本發明之一實施例的人工智慧輔助系統之概念示意圖。
圖3係顯示本發明之另一實施例的人工智慧輔助系統之概念示意圖。
圖4為顯示本發明之一實施例的污水水質人工智慧優化方法之操作流程圖。
圖5為顯示本發明之另一實施例的污水水質人工智慧優化方法之操作流程圖。
圖6為顯示本發明之又一實施例的污水水質人工智慧優化方法之操作流程圖。
圖7為顯示本發明之再一實施例的污水水質人工智慧優化方法之操作流程圖。
圖8為顯示可使用於本發明之人工神經網路(ANN)基本結構的示意圖。
為了使本發明的目的、技術特徵及優點,能更為相關技術領域人員所瞭解,並得以實施本發明,在此配合所附的圖式、具體闡明本發明的技術特徵與實施方式,並列舉較佳實施例進一步說明。
本文中以下所參照的圖式為用以表達與本發明特徵有關的示意圖,因此並未亦不需要全部依據實際情形繪製。
本文所用單數形式「一」、「一個」及「該」亦包含複數形式,除非上下文清楚地指示其他情況。再者應瞭解,當用於此說明書時,術語「包括」及/或「包含」指定存在所述特徵、元件及/或單元,但是不排除存在或附加一或多個其他特徵、元件及/或單元,合先敘明。
又,在以下配合參考圖式之各實施例的詳細說明中,將可清楚呈現,以下實施例所提到的方向用語,例如:「上」、「下」、「左」、「右」、「前」、「後」等,僅是參考附加圖示的方向。因此,使用的方向用語是用來說明,而並非用來限制本發明。
再者,熟悉此項技術之業者亦當明瞭:本文中所列舉之實施例與所附之圖式僅提供參考與說明之用,並非用來對本發明加以限制者;能夠基於該等記載而容易實施之修飾或變更而完成之發明,亦皆視為不脫
離本發明之精神與意旨的範圍內,當然該等發明亦均包括在本發明之申請專利範圍內。
以下,參照附件圖式及實施例,詳細地說明實現本發明之技術既念的多個較佳實施例。
首先,請參閱圖1。圖1為顯示適用本發明之人工智慧輔助系統之污水處理設施場區的典型配置示意圖。如圖1之污水處理設施場區的典型配置所示,在適用於本發明之人工智慧輔助系統的一實施例中,該污水處理設施可以是包括:被設置於污水處理設施場區(場內範圍)100中之自至少一中央控制中心200、多個場外污水流通管路P100B、與該多個場外污水流通管路P100B形成液體連通的多個場內污水管路P100A、至少一前處理單元110、至少一污水調和單元120、至少一化學處理單元130、至少一生物處理單元140、至少一沉砂處理單元150、至少一後處理單元160、至少一處理藥劑添加單元170、至少一污泥處理單元180、及至少一氣液流量控制單元(未圖示)中所選出的至少一種以上。
在本發明之一實施例中,該中央控制中心200為可通訊連接於複數個現場監控設備的遠端監控裝置,並且至少配設有:包括含有記憶體的計算機、邏輯判定器、可程式化邏輯控制器(簡稱PLC控制器)、及顯示器等等。
又,在本發明之一實施例中,該現場監控設備,例如,可以是適用於本發明之複數個場外水質監測裝置300B、複數個場內水質監測裝置300A。該遠端監控裝置,例如,可以是適用於本發明之一雲端伺服器400、以及一人工智慧評估裝置500。
另外,在本發明之一實施例中,該PLC控制器,例如,可以是設有GPRS(General Packet Radio Service,通用分組無線服務)模組,現
場監控設備將多個感測器所採集到的感測數據經過GPRS模組傳輸給電腦進行計算處理,並由邏輯判定器將儲存於記憶體的污水處理正常標準值與感測數據進行比較,而發出判定訊息,最後由PLC控制器根據判定訊息發出控制指令。舉例來說,當pH值感測器所採集到的pH值大於或小於pH值正常標準值,PLC控制器會收到異常訊息進一步向安裝於酸液槽或鹼液槽的馬達發出控制指令,以啟動馬達並執行加酸或加鹼之動作。
在本發明之一實施例中,該污水處理設施中之前處理單元110可以是包括從加壓抽水站、曝氣沉砂池、粗欄污柵、細欄污柵、pH調整池、及篩除機中所選出的至少一種。
在本發明之一實施例中,該污水處理設施中之化學處理單元130可以是包括初沉池、從混凝池、膠凝池、pH調整池、及快混池中所選出的至少一種。
在本發明之一實施例中,該污水處理設施中之生物處理單元140可以是包括從活性污泥池、SBR反應槽、氧化深渠、好氧曝氣槽、好氧生物膜處理槽、厭氣處理槽、及UASB厭氣床中所選出的至少一種。
在本發明之一實施例中,該污水處理設施中之沉砂處理單元150可以是包括從沉砂池、二沉池、及三沉池中所選出的至少一種。
在本發明之一實施例中,該污水處理設施中之後處理單元160可以是包括從快濾池、處理水過濾池、處理水消毒池、及處理水回收池中所選出的至少一種。
在本發明之一實施例中,該污水處理設施中之處理藥劑添加單元170可以是包括從酸劑加藥單元、鹼劑加藥單元、生物製劑添加單元、化學藥劑加藥單元、及輔助藥劑添加單元中所選出的至少一種。
在本發明之一實施例中,該污水處理設施中之污泥處理單元180可以是包括從、污泥攪拌池、污泥好氧消化池、污泥厭氧消化池、污泥濃縮池、污泥脫水機、污泥壓榨機、污泥乾燥機、及污泥曬乾床中所選出的至少一種。
在本發明之一實施例中,該污水處理設施中之氣液流量控制單元可以是包括從空氣流量調節閥、空氣流量開關、液體流量調節閥、流體流量開關、加壓泵、及空氣壓縮機中所選出的至少一種。
其次,參閱圖2。圖2係顯示本發明之一實施例的人工智慧輔助系統之概念示意圖。如圖2所示,本發明之一實施例的人工智慧輔助系統AIS可以是由包括:複數個場外水質監測裝置300B、複數個場內水質監測裝置300A、一雲端伺服器400、以及一人工智慧評估裝置500。
較佳地,適用於本發明的人工智慧輔助系統AIS之該場外水質監測裝置為分別設置於污水處理設施場區外部100B的場外污水管路P100B,用以監測並取得複數個場外水質監測值。該場內水質監測裝置300A分別設置於該污水處理設施場區100A的複數個污水處理單元、彼等之進流管路、及/或出流管路,用以監測並取得複數個場內物化水質監測值。
在本發明之一實施例中,該複數個場外水質監測值、該複數個場內水質監測值可以是包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;或者,也可以是包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標。
較佳地,該複數個場外水質監測值、該複數個場內水質監測值較佳為至少是包括流量、溫度、pH值中之至少一種的物化水質指標;或
者,較佳為至少是包括生物需氧量(BOD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、中之至少一種的生物水質指標。
更佳地,該複數個場外水質監測值、該複數個場內水質監測值更理想為至少是包括流量、溫度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;或者,更理想為包括生物需氧量(BOD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、中之至少一種的生物水質指標。
在本發明之一實施例中,適用於本發明的人工智慧輔助系統AIS之該雲端伺服器400為可通訊連接於複數個場外水質監測裝置300B、複數個場內水質監測裝置300A、以及該污水處理設施的中央控制中心200。較佳地,該雲端伺服器400為具備一水質監測值處理模組420與一水質資料庫410。該水質監測值處理模組420為用以接收複數個場外水質監測值、複數個場內水質監測值,將彼等轉換成物化水質數據資料並儲存於該水質資料庫410。
又,在本發明之一實施例中,該伺服器400可以是包括手機、個人電腦、筆記型電腦、智慧型攜帶裝置、人機介面裝置、使用者裝置、應用程式APP、及雲端中之至少一種。
在本發明之一實施例中,適用於本發明的人工智慧輔助系統AIS之該人工智慧評估裝置500為通訊連接於該雲端伺服器400。較佳地,該人工智慧評估裝置500為至少包括一演算分析模組520以及判定模組510。該演算分析模組520為能夠基於該複數個場外水質監測值建構一水質預測模型,經由以該水質預測模型進行模擬運算而獲得與污水處理設施相對應的複數個水質AI預測值。該判定模組510為基於複數個場內水質監測值、複數個水質AI預測值與操作設定值的比對結果而發出相應的物化操作對策指令至該雲端伺服器,由該雲端伺服器將該物化操作對策指令發送至
該污水處理設施的中央控制中心,以使污水處理設施進行與該物化操作對策指令相應的操作而實現所期望的效能。
在本發明之一實施例中,該水質預測模型可以是經由人工智慧評估裝置利用類神經網路演算法、及/或質量平衡模式、及/或生物反應動力學理論所建構而成。較佳地,該水質預測模型為經由人工智慧評估裝置利用類神經網路演算法所建構而成。更佳地,該水質預測模型可以是經由人工智慧評估裝置利用類神經網路演算法、及質量平衡模式所建構而成。最佳地,該水質預測模型可以是經由人工智慧評估裝置利用類神經網路演算法、質量平衡模式、生物反應動力學理論所建構而成。
在本發明之一實施例中,該類神經網路的內部結構為在模擬人的大腦的人工神經網路(Artificial Neural Network,ANN),簡稱神經網路(Neural Network,NN)或類神經網路;透過內部神經元的運算,使得模型能像人的大腦一樣進行判斷。又,適合用來做為本發明之類神經網路的ANN人工神經網路較佳為具有如圖8所示之基本結構,即,具有用於輸入資料向量(例如,a1、a2...)的輸入層(第一層)、用於將經第一層各節點向量加總後得出的資料(例如,b1、b2、b3...)加以隱藏的隱藏層(第二層)、以及用於輸出將隱藏層的節點向量加總過經非線性計算所得到的向量資料(例如,w1、w2、w3、w4、w5、w6、w7、w8、w9...)的輸出層(第三層)之三層架構。
舉例來說,該a1、a2、b1、b2、b3、w1、w2、w3、w4、w5、w6、w7、w8、w9...的計算方程式可以是如下所示:b1=a1*w1+a2*w4;b2=a1*w2+a2*w5;b3=a1*w3+a2*w6;
c1=f*(b1*w7+b2*w8+b3*w9);其中,a1~a2為輸入的污水水質指標參數之向量資料,b1~b3為計算過後的污水水質指標參數之向量,w1~w9為各路徑的計算權重,c1為輸出的污水水質指標參數之向量資料,f為激活函數(activation fun)。又,激活函數是人工神經網路中重要的一環,能將向量進行計算。線性整流函數(Rectified Linear Unit,ReLU),也稱為修正線性單元,是一種人工神經網絡中常用的激活函數(activation function),通常指代以斜坡函數及其變種為代表的非線性函數。
又,用來評估家庭污水、社區污水、民生污水、工廠廢水、事業廢水、工業廢水之污水水質的複數個污水水質指標參數彼此間之存在多變數非線性變化的關係。依據研究指出該污水水質指標參數的數學模式關係為滿足非線性微分方程式:
其中,a1,1至an,n為代表非線性變數,例如非線性指數函數、對數函數等。
舉例來說,例如,因新增的污水、化學藥劑之添加、機械曝氣、加壓通氣所引起的水質指標參數改變。例如,pH值、導電度、溫度、流量、生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)等之改變。通常,該影響處理功能之環境因素主要包括例如但不限於:
(1)營養源:碳、氮、磷、徽量金屬
(2)BOD:N:P=100:5:1
(3)溫度:20~30℃
(4)PH:6.5~7.5
(5)DO:1.5~2mg/
(6)毒性物質:酚類、氰化物、重金屬。
(7)毒性大小:Ag>Hg>Sn>Cu>Cd>Cr>Ni>Pb>Co>Zn
又,X1、X2...Xn表示各種不同的污水水質指標參數,n為自然數,代表污水水質指標參數的種類。
又,在本發明之一實施例中,該人工智慧評估裝置500可以是包括手機、個人電腦、筆記型電腦、智慧型攜帶裝置、人機介面裝置、使用者裝置、應用程式APP、及雲端中之至少一種。
另外,在本發明之一實施例中,該伺服務器400與該人工智慧評估裝置500可以是同一電子智能設備或行動裝置。
在本發明之一實施例中,該操作對策指令為至少包括:表示水質AI預測值為落入操作設定值的安全區範圍之安全指令,表示水質AI預測值為落入操作設定值的警示區範圍之警示指令,及表示水質AI預測值為落入操作設定值的改善區範圍內之改善指令。
舉例來說,在場外水質監測值、場內水質監測值為採用例如流量、溫度、pH值、酸度值、鹼度值中之至少一種的物化水質指標的情況下,可以採用以下基準發出操作對策指令。
舉例來說,在場外水質監測值、場內水質監測值為採用例如生物需氧量(BOD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、中之至少一種的生物水質指標的情況下,可以採用以下基準發出操作對策指令。
接著,參閱圖3。圖3係顯示本發明之另一實施例的人工智慧輔助系統AIS之概念示意圖。如圖3所示,本發明之一實施例的人工智慧輔助系統AIS可以是由包括:複數個場外物化水質監測裝置300B1、複數個場外生物水質監測裝置300B2、複數個場內物化水質監測裝置300A1、複數個場內生物水質監測裝置300A2、一雲端伺服器400、以及一人工智慧評估裝置500。
在本發明之一實施例中,該複數個場外物化水質監測裝置300B1分別設置於污水處理設施場區外部100B的場外污水管路,用以監測並取得複數個場外物化水質監測值。又,該複數個場外物化水質監測值為包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;較佳為至少包括流量、溫度、pH值、酸度值、鹼度值中之至少一種的物化水質指標。
又,該複數個場外生物水質監測裝置300B2分別設置於污水處理設施場區外部100B的場外污水管路,用以監測並取得複數個場外生物水質監測值。又,該複數個場外生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;較佳為至少是包括生物需氧量(BOD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、中之至少一種的生物水質指標。
在本發明之一實施例中,該複數個場內物化水質監測裝置300A1分別設置於該污水處理設施場區的複數個污水處理單元、彼等之進流管路、及/或出流管路,用以監測並取得複數個場內物化水質監測值。又,該複數個場內物化水質監測值可以是至少包括流量、溫度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;較佳者為至少包括流量、溫度、導
電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標。
又,該複數個場內生物水質監測裝置300A2分別設置於污水處理設施場區100A的場內污水管路,用以監測並取得複數個場外生物水質監測值。又,該複數個場外生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;較佳為至少是包括生物需氧量(BOD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、中之至少一種的生物水質指標。
又,在本發明之一實施例中,本發明之人工智慧輔助系統AIS還進一步提供污水水質指標參數之監控、污水水質量測數據之儲存、傳送電子郵件或/及簡訊功能、污水水質指標參數之異常判斷、提供預警訊息、智慧啟動水質改善系統。另外,污水水質指標參數亦被傳送至人工智慧評估裝置、雲端伺服器儲存分析。數據輸出顯示設備可以是移動裝置或其他數據顯示設備。
再者,舉例說明本發明之污水水質人工智慧優化方法之操作步驟。
首先,敬請參閱圖4、圖5、圖6、圖7。圖4為顯示本發明之一實施例的污水水質人工智慧優化方法之操作流程圖。圖5為顯示本發明之另一實施例的污水水質人工智慧優化方法之操作流程圖。圖6為顯示本發明之又一實施例的污水水質人工智慧優化方法之操作流程圖。圖7為顯示本發明之再一實施例的污水水質人工智慧優化方法之操作流程圖。
如圖4所示,本發明之污水水質人工智慧優化方法係包括:一取得水質監測值步驟S1、一求得水質AI預測值步驟S2、一發出操作對策指令步驟S3、及一執行優化操作步驟S4。
在本發明之一實施例中,如圖4所示,本發明的污水水質人工智慧優化方法中之該取得水質監測值步驟S1為使用場外水質監測裝置、場內水質監測裝置分別取得污水處理場外部的場外水質監測值、及污水處理場區的場內水質監測值的步驟。
又,如圖5所示,本發明的污水水質人工智慧優化方法中之該取得水質監測值步驟S1為使用場外物化水質監測裝置、場內物化水質監測裝置分別取得污水處理場外部的場外物化水質監測值、及污水處理場區的場內物化水質監測值的步驟。
又,如圖6所示,本發明的污水水質人工智慧優化方法中之該取得水質監測值步驟S1為使用場外生物水質監測裝置、場內生物水質監測裝置分別取得污水處理場外部的場外生物水質監測值、及污水處理場區的場內生物水質監測值的步驟。
在本發明之一實施例中,生物處理單元140包括活性污泥法及其衍生方法,例如,標準活性污泥法、階梯曝氣法、穩定法、高率曝氣法、氧化渠法、長時間曝氣法等。
又,如圖7所示,本發明的污水水質人工智慧優化方法中之該取得水質監測值步驟S1為使用場外物化水質監測裝置、場內物化水質監測裝置場外生物水質監測裝置、場內生物水質監測裝置分別取得污水處理場外部的場外物化水質監測值、場外生物水質監測值、及污水處理場區的場內物化水質監測值、場內生物水質監測值的步驟。
又,在本發明之一實施例中,本發明的污水水質人工智慧優化方法中之該複數個場內物化水質監測值可以是包括流量、溫度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;較佳為至少包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標。又,該複數個場外生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;較佳者為至少是包括生物需氧量(BOD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)中之至少一種的生物水質指標。
在本發明之一實施例中,如圖4所示,本發明的污水水質人工智慧優化方法中之該求得水質AI預測值步驟S2為基於場外水質監測值、場內水質監測值,以如請求項1至8中任一項所述之人工智慧輔助操作系統,利用人工智慧模擬運算而建構成一水質預測模型,並基於該水質預測模型推算求出相應的場內水質AI預測值的步驟。
又,如圖5所示,本發明的污水水質人工智慧優化方法中之該求得水質AI預測值步驟S2為基於場外物化水質監測值、場內物化水質監測值,以如請求項1至8中任一項所述之人工智慧輔助操作系統,利用人工智慧模擬運算而建構成一物化水質預測模型,並基於該物化水質預測模型推算求出相應的場內物化水質AI預測值的步驟。
又,如圖6所示,本發明的污水水質人工智慧優化方法中之該求得水質AI預測值步驟S2為基於場外生物水質監測值、場內生物水質監測值,以如請求項1至8中任一項所述之人工智慧輔助操作系統,利用人工智慧模擬運算而建構成一生物水質預測模型,並基於該生物水質預測模型推算求出相應的場內生物水質AI預測值的步驟。
又,如圖7所示,本發明的污水水質人工智慧優化方法中之該求得水質AI預測值步驟S2為基於場外物化水質監測值、場內物化水質監測值、場外生物水質監測值、場內生物水質監測值,以如請求項1至8中任一項所述之人工智慧輔助操作系統,利用人工智慧模擬運算而建構成一物化水質預測模型、一生物水質預測模型,並基於該物化水質預測模型、一該生物水質預測模型推算求出相應的場內物化水質AI預測值的步驟。
又,在本發明之一實施例中,該物化水質預測模型可以是基於場外物化水質監測值、場內物化水質監測值(例如,流量、溫度、pH值、酸度值、鹼度值中之至少一種的物化水質指標),利用前述具有如圖8的三層架構之模擬人類大腦的人工神經網路(ANN)、神經網路(NN)或類神經網路,輸入資料向量(例如,a1、a2...),將經第一層各節點向量加總後得出的資料(例如,b1、b2、b3...)、以及將隱藏層的節點向量加總過經非線性計算所得到的向量資料(例如,w1、w2、w3、w4、w5、w6、w7、w8、w9...)以下列計算方程式模擬運算而求得。
b1=a1*w1+a2*w4;b2=a1*w2+a2*w5;b3=a1*w3+a2*w6;c1=f*(b1*w7+b2*w8+b3*w9);又,在本發明之一實施例中,該物化水質預測模型也可以是基於場外物化水質監測值、場內物化水質監測值(例如,流量、溫度、pH值、酸度值、鹼度值中之至少一種的物化水質指標),利用前述非線性微分方程式模擬運算而求得。
又,在本發明之一實施例中,該生物水質預測模型可以是基於場外生物水質監測值、場內生物水質監測值(例如,生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污
泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標),利用以下質量平衡公式以及模擬人類大腦的人工神經網路(ANN)、神經網路(NN)或類神經網路運算而求得。
(1)食微比(F/M)、有機負荷(U)(kgBOD/kgMLSS.d)
F/M=〔Q * So〕/〔V * MLSS〕
U=k〔S/(Ks+S)〕
式中,k:最大比基質利用速率(1~4)
Ks:半反應速率係數(40~120)
Q:進流水流量(不含迴流污泥流量)
So:進入曝氣池的COD(或BOD)值(mg/L)
MLSS:或MLVSS(用MLVSS較合理)
(2)體積負荷(容積負荷)約0.3~0.6Kg-BOD/m3-day
VL=〔Q * So〕/〔V〕
式中,Q:進流水流量(不含迴流污泥流量)
So:進入曝氣池的COD(或BOD)值
(3)污泥廢棄量;穩定狀態時:〔污泥廢棄量〕=〔污泥生成量〕
污泥生成量(進流水SS較高時經驗值):Px(Kg/day)=〔(0.4~0.6) * (Kg-COD去除/day)+(0.6~0.8) * (Kg-VSS去除/day)
-0.07(1/Day)* (MLSS*V)〕
式中,COD:溶解性COD(mg/L)
(4)污泥廢棄量:Qw=〔V * MLSS〕/〔θc* Xr〕
廢棄污泥與系統操作特性(θc、Xr)有關;θ c影響污泥廢棄量;二沉池的濃縮效果(X r)影響污泥廢棄量
Q w αMLSS;MLSS αSo→Q w αSo
MLSS=Co=X
(5)污泥生成量:理論值(進流水SS較低時)
Px=〔Y/(1+b θc)〕×〔Q(So-S)〕
式中,So & S:sCOD(或sBOD)
Y:微生物生長係數(mg-MLVSS-生成/mg-C OD-去除)
只考量微生物增殖生成部分(進流水VSS較低時適用)
Px:廢棄污泥的VSS實際污泥廢棄量=Px/0.8
(6)活性污泥曝氣槽:微生物濃度
X=〔θc/θ〕×〔Yx(So-S)〕
X=〔θc/θ〕×〔Y/(1+bθc)〕×〔So-S〕(考量細胞衰退)
X=〔θc/θ〕×〔Y/(1+bθc)〕×〔So-S〕
θ=V/Q
X=〔θc/(V/Q)〕×〔Y/(1+bθc)〕×〔So-S〕則
X=〔θc/V〕×Q×〔Y/(1+bθc)〕×〔So-S〕
V={〔θcQ〕×〔Y/(1+bθc)〕×〔So-S〕}/X
(7)活性污泥曝氣槽:微生物濃度與曝氣池體積
X={〔θ c Q〕×〔Y/(1+b θ c)〕×〔So-S〕}/V
就既有處理廠而言,V:固定;則Y,b:常數(平均分別為0.5 & 0.05)
當進流水質(So)或水量(Q)改變時,則X:改變
X改變,則F/M也會改變
(8)活性污泥曝氣槽:曝氣量
理論需氧率
dO/dt(O 2/day)=〔Q(So-S)〕/〔BOD 5/BOD L)〕-1.42Px
經驗公式
dO/dt={(0.35~0.5)〔Q(So-S)〕/〔BOD 5/BOD L)〕}+〔(0.05~0.2)X vV〕
0.7~1.5Kg-O 2/Kw-H(表面曝氣設備)
0.7~2Kg-O 2/Kw-H(散氣曝氣設備)
0.7~2Kg-O 2/Kw-H(噴射式曝氣設備)
(9)污泥沉降性
SV30:25~35%
RSSV30:80~90%
(10)污泥活性
3~5mg-O2/L-5-min
7~12mg-O2/hr-g-MLSS
(11)生物分解與pH控制
〔H+〕=〔K1 * 〔CO2〕〕/〔HCO3-〕
曝氣池中pH與CO2的關係:Aeration:CO2 =330ppmV
HS-+O2→SO4 =+H+
NH4 ++O2→NO3-+H+
COD+O2→CO2-CO2+H2O
HCO3-+H+
Org-N+H2O→NH4 ++OH-
NO3 -→N2+OH-
〔H+〕=〔K1* 〔CO2〕〕/〔HCO3 -〕
(12)曝氣池中pH與CO2的關係
Aeration:Influent air supply:CO2=330ppmV(0.033%)
Effluent off-gas:0.4~5% CO2
(13)水力負荷
一般活性污泥:20~30m3/m2-day
延長曝氣:15~20m3/m2-day
(14)固體物負荷
一般活性污泥:70~120kg-SS/m2-day
延長曝氣:80~120kg-SS/m2-day
(15)污泥齡Θc;平均細胞停留時間(MCRT)
式中,V:曝氣槽體積(m3)
Qw:廢棄污泥量(m3/day)
X:曝氣槽平均MLSS濃度(mg/L)
X R:迴流污泥濃度(mg/L)
在本發明之一實施例中,如圖4所示,本發明的污水水質人工智慧優化方法中之該發出操作對策指令步驟S3為分別將場內水質AI預測值、水質正常操作設定值進行比對,依據比對結果發出操作對策指令至伺服器或污水處理場區的中央控制單元的步驟。
又,如圖5所示,本發明的污水水質人工智慧優化方法中之該發出操作對策指令步驟S3為分別將場內物化水質AI預測值、水質正常操作設定值進行比對,依據比對結果發出操作對策指令至伺服器或污水處理場區的中央控制單元的步驟。
又,如圖6所示,本發明的污水水質人工智慧優化方法中之該發出操作對策指令步驟S3為分別將場內生物水質AI預測值、水質正常操作設定值進行比對,依據比對結果發出操作對策指令至伺服器或污水處理場區的中央控制單元的步驟。
又,如圖7所示,本發明的污水水質人工智慧優化方法中之該發出操作對策指令步驟S3為分別將場內物化水質AI預測值、場內生物水質AI預測值水質正常操作設定值進行比對,依據比對結果發出操作對策指令至伺服器或污水處理場區的中央控制單元的步驟。
在本發明之一實施例中,如圖4至圖7所示,該執行優化操作步驟S4污水處理場區的中央控制單元依據操作對策指令驅使各污水處理設施執行正常操作模式或優化操作模式的步驟。
在本發明之一實施例中,該污水水質人工智慧優化方法中之該操作對策指令可以是至少包括:物化操作對策指令或生物操作對策指令。較佳地,該操作對策指令可以是至少包括:安全指令S301、警示指令S302或改善指令S303。
舉例來說,如圖5所示,該操作對策指令可以是例如至少包括:表示物化水質AI預測值為落入物化操作設定值的安全區範圍之安全指令S301,表示物化水質AI預測值為落入物化操作設定值的警示區範圍之警示指令S302,或表示物化水質AI預測值為落入物化操作設定值的改善區範圍內之改善指令S303。
又,如圖6所示,該操作對策指令可以是至少包括:表示生物水質AI預測值為落入生物操作設定值的安全區範圍之安全指令S301,表示生物水質AI預測值為落入生物操作設定值的警示區範圍之警示指令S302,或及表示生物水質AI預測值為落入生物操作設定值的改善區範圍內之改善指令S303。
又,如圖6所示,該操作對策指令可以是至少包括:表示物化水質AI預測值、生物水質AI預測值為落入物化操作設定值、生物操作設定值的安全區範圍之安全指令S301,表示物化水質AI預測值、生物水質AI預測值為落入物化操作設定值、生物操作設定值的警示區範圍之警示指令S302,或及表示物化水質AI預測值、生物水質AI預測值為落入物化操作設定值、生物操作設定值的改善區範圍內之改善指令S303。
更具體而言,舉例來說,本發明的污水水質人工智慧優化方法,其可以是例如使用複數個場外物化水質監測裝置、複數個場外生物水質監測裝置來取得對應的場外水質監測值及複數個場內物化水質監測裝置、複數個場內生物水質監測裝置的場內水質監測值。
例如,在本實施例中,如下表所示,取得包括流量、溫度、pH值、酸度值、鹼度值中之至少一種的物化水質指標來做為該物化水質監測值;及/或取得包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標來做為該生物水質監測值。
接著,利用一物化水質預測模型基於複數個場外物化水質監測值、複數個場外生物水質監測值及場內水質監測值,採用MLP(多層感知器)類神經網路、及/或DBN(深度信念網路)類神經網路的演算法,在以3層隱藏層、1層輸出層;使用隱藏層及輸出層均為線性整流函數(ReLU)的激活函數;以誤差均方和(mean square error)做為目標函數(loss/cost function)、疊代次數100次、運算時間要求10秒以下的條件下進行類神經
網路模擬運算,獲得與複數個場內物化水質監測裝置、複數個場內生物水質監測裝置位置對應的物化水質AI預測值、生物水質AI預測值。
在本實施例中,演算分析模組為四個場外水質監控裝置所測得的場外水質監測值作為建模的預測點,並以類神經網路分析複數個場外物化水質監測值、複數個場外生物水質監測值與污水處理場內的四個場內水質監控裝置所測得之場外水質監測值的關係,再將同時間的預測值與實際值進行比對校正建構出該物化水質預測模型,而經由長時間的反覆的修正及學習後,能夠縮小該物化水質預測模型所運算而得的水質預估監測值與實際值的誤差。
又,在本發明之一實施例中,在以類神經網路分析建構的水質預測模型中,人工智慧之學習訓練誤差是介於0.0050~0.0150之間;平均誤差為判於0.03~0.0120之間。
另,上述多層感知機(Multilayer perceptron,MLP)為一種前向傳遞類神經網路(ANN),至少包含三層結構(輸入層、隱藏層和輸出層),並且利用到「倒傳遞」的技術達到學習(model learning)的監督式學習。MLP是深度神經網路(deep neural network,DNN)的一種special case,概念基本上一樣。上述深度信念網路(Deep Belief Network,DBN)是一種生成模型,通過訓練其神經元間的權重,可以讓整個神經網路按照最大概率來生成訓練資料,達到深度學習的自我回饋機制。
另外,根據本發明之技思想,場外水質監控裝置與場內水質監控裝置的配置方式、設置數量及設置位置並未特別加以限制,可以根據實際情況來進行調整。
在建立該物化水質預測模型後,該人工智慧評估裝置500中的該演算分析模組510能夠基於多個場外水質監控裝置300B所測得的場外
水質監測值依序預測多個場內水質監控裝置300A所在位置的物化水質或生物水質(例如,pH值或DO值即水質預估監測值)。
舉例來說,例如,可以從場外水質監控裝置300B所測得的場外水質監測值能夠推測出污水處理設施場區100A的污水進流管路的水質預估監測值;從污水進流管路的所測得的場內水質監測值及預測的水質預估監測值能夠推測出pH調節池進流端的水質預估監測值;從pH調節池進流端的所測得的場內水質監測值及預測的水質預估監測值能夠推測出pH調節池出流端的水質預估監測值;從pH調節池出流專的所測得的場內水質監測值及預測的水質預估監測值能夠推測出放流水出流管路的水質預估監測值。
由於在環境工程技術領域中,不論是給水或污水之處理,pH值、DO值的控制均相當重要,這是因為pH值、酸度值、鹼度值、DO的高低會影響沉澱、化學混凝、消毒、氧化還原及水質軟化等處理程序的處理效能。此外,大部分的水生生物,均對水環境中pH值、酸度值、鹼度值、DO範圍相當敏感。再者,在成本考量及可行性評估的狀況下,對於整個污水處理設施之pH值、酸度值、鹼度值、DO應該是能夠被良好地「監管」、「控制」及「可控」的,以便達成精準維護、操作便利等目標。
舉例來說,當該人工智慧評估裝置500的判定模組520判斷在pH值調節池之進流端的水質預估監測值超出水質操作物化操作設定值時,例如,在pH值過高時便會發出警示指令與改善指令至該污水處理設施的中央控制中心,指示基於酸度值、鹼度值、該水質預測值而驅使鹼液槽或酸液槽的控制馬達是否開啟、開啟時間點、以及開啟時間長度,以將鹼液或酸液加入pH值調節池來調整污水的pH值,並且可根據在pH調節池出流端所得的實測值與預測值的反饋資料進行修正,調整鹼液或酸液的添加量。
另外,判定模組520也會比較同時間pH調節池出流端的實際量測數據與預測數據,並利用演算分析模組510進行pH調節池進流端的pH值預測的修正,達到深度學習的自我校正回饋的目的,使下次加酸加鹼控制更加精準。
在本發明之一實施例中,當該判定模組判斷在該pH值調節池進流端的水質預估監測值超出該水質操作物化操作設定值時,便會發出警示指令與改善指令至該水質調控裝置;該改善指令包含指示鹼液槽或酸液槽開啟時間點、以及開啟時間長度的操作要求,以使鹼液或酸液流入該pH值調節池中,調整污水的pH值。
在本發明之一實施例中,該水質調控裝置更設置有液位偵測裝置,用以感測該鹼液槽與該酸液槽的液位高度,並將結果傳送至該人工智慧評估裝置。例如,可以裝設液位偵測裝置,該液位偵測裝置是用以感測鹼液槽和酸液槽中之鹼液和酸液的液位高度,並傳送至該人工智慧評估裝置,並根據液位的改變確認鹼液或酸液是否已確實加入pH值調節池。
另外,在本發明之一實施例中,該人工智慧評估裝置係運作於一計算機裝置,能夠透過有線網路、無線網路、藍芽等等的方式將安全指令、警示指令、或改善指令發送至少一使用者裝置,使用者裝置可以是桌上型電腦、筆記型電腦、平板電腦、或智慧型手機等,能夠以應用程式介面或是網頁的形式顯示來自該人工智慧評估裝置的安全指令、警示指令、或改善指令供操作人員確認。該使用者裝置也可以是自動機器人或無人機,可在接收到訊息後進行自動化處理。
因此,基於本發明之人工智慧輔助操作系統,該人工智慧評估裝置在污水進入處理場區以前就能夠事先接收到場外污水的水質資料,能夠明確的預告場內各個監測點的水質預估值並提早做出因應指令,而操
作人員可以從使用者裝置得知場外的哪些監測點有異常問題,以利後續找出污染排放者及原因,並且可以基於人工智慧評估裝置的預告獲得能夠提早因應的準備時間。另外,操作人員也可以根據人工智慧評估裝置的預測結果與實際量測結果進行比較,確認異常水質是否已入廠,並掌握後續污水進入pH調節池後的調整狀態,以及流放水的水質狀態。
是以,本發明之用於優化污水處理設施效能之人工智慧輔助操作系統具有以下優點:
(1)能夠以「至少一個」、「多個」或「複數個」水質監測裝置分別獨立或共同地監測、感測或檢「至少一個」、「多個」或「複數個」水質指標參數。因此,即便有單一監測裝置出現監測異常,由於只是會增加模擬的「一小部分」誤差,後續的調節運作依然能夠有所依據地進行。
(2)本發明之人工智慧輔助操作系統、污水水質人工智慧優化方法,由於水質監測值至少採用包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;及/或至少包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標。因此,本發明之水質監測值採用全面且完整的水質標參數,明顯能夠消除先前技術只以pH值、流量、溫度等物化水質指標所建立的水質模型上的失準、誤差過大、精度不足、數常模式不容易收斂的諸多問題。
(3)本發明之人工智慧輔助操作系統、污水水質人工智慧優化方法,由於是經由人工智慧評估裝置利用類神經網路演算法、及/或質量平衡模式、及/或生物反應動力學理論所建構水質預測模型,例如,建構物化
水質預測模型、生物水質預測模型,因而能夠適用於提昇及優化污水處理設施的操作效能。
(4)能夠以人工智慧AI建立水質模式,由於水質監測裝置、水質監測指項目較先前技術明顯增加,因而在數據量變多的大數據情況下,能夠以本發明之人工智慧輔助操作系統、污水水質人工智慧優化方法將因監測裝置異常所引起的錯誤運作影響減縮到最小化。
(5)經由導入本發明之人工智慧輔助操作系統、污水水質人工智慧優化方法,可以讓現有的污水處理設施至少能夠有提前7.5小時的事先準備時間,減少污水處理設施場區維運的壓力。
(6)由於能夠提供明確的操作對策指令及建議操作修正方式,因而能夠有效降低人員異動及人為失誤的影響。例如,能夠建議鹼液槽或酸液槽的控制馬達是否開啟、開啟時間點、以及開啟時間長度等,可以減少操作人員的人為判斷失誤或經驗不足的問題,並且還能夠「依賴前輩經驗傳承」的陃習。
(7)導入本發明之人工智慧輔助操作系統、污水水質人工智慧優化方法,可減少代操作公司的人力成本,並減少操作人員人進行反覆性工作,進而使得人力運作將更有效率。
總而言之,本發明的用於污水下水道系統之智能監控系統具有提早警示通知的功能,具備安全性、緩衝性,且利用類神經網路進行演算分析具有自我深度學及自我預測校正的功能,可使監控流程具備可靠性及準確性。
綜上所述,在如上所列舉的實施例中已經舉例而具體地說明本發明的內容了,然而本發明並非僅限定於此等實施方式而已。本發明所屬技術領域中具有通常知識者應當明白:在不脫離本發明的精神和範圍內,
當可再進行各種的更動與修飾;例如,將前述實施例中所例示的各技術內容加以組合或變更而成為新的實施方式,此等實施方式也當然視為本發明所屬內容。因此,本案所欲保護的範圍也包括後述的申請專利範圍及其所界定的範圍。
S1:取得水質監測值步驟
S2:求得水質AI預測值步驟
S3:發出操作對策指令步驟
S301:安全指令
S302:警示指令
S303:改善指令
S4:執行優化操作步驟
Claims (10)
- 一種用於優化污水處理設施效能之人工智慧輔助操作系統,其係至少包括:一雲端伺服器、一人工智慧評估裝置、分別設置於污水處理設施場區外部的場外污水管路之複數個場外生物水質監測裝置,以及分別設置於該污水處理設施場區的複數個污水處理單元、彼等之進流管路、及/或出流管路之複數個場內生物水質監測裝置;其中該複數個場外生物水質監測裝置為用以監測並取得複數個場外生物水質監測值,該複數個場外生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;該複數個場內生物水質監測裝置為用以監測並取得複數個場內生物水質監測值,該複數個場內生物水質監測值為包括生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標;該雲端伺服器為進一步通訊連接於該複數個場外生物水質監測裝置、該複數個場內生物水質監測裝置並且具備一水質監測值處理模組與一水質資料庫;該水質監測值處理模組為進一步接收複數個場外生物水質監測值、複數個場內生物水質監測值,並將彼等轉換成生物水質數據資料及儲存於該水質資料庫;該人工智慧評估裝置為通訊連接於該雲端伺服器且至少包括一演算分析模組以及判定模組;該演算分析模組為能夠基於該複數個場外生物水質監測值建構一生物水質預測模型,經由以該生物水質預測模型進行模擬運算而獲得與污水處理設施相對應的複數個生物水質AI預測值;該判定模組為基於複數個場內生物水質監測值、複數個生物水質AI預測值與生物操 作設定值的比對結果而發出相應的生物操作對策指令至該雲端伺服器,由該雲端伺服器將該生物操作對策指令發送至該污水處理設施的中央控制中心,以使污水處理設施進行與該生物操作對策指令相應的操作而實現所期望的效能。
- 如請求項1所述之用於優化污水處理設施效能之人工智慧輔助操作系統,其係進一步包括:複數個場外物化水質監測裝置、以及複數個場內物化水質監測裝置;其中複數個場外物化水質監測裝置分別設置於污水處理設施場區外部的場外污水管路,用以監測並取得複數個場外物化水質監測值,該複數個場外物化水質監測值為包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;複數個場內物化水質監測裝置分別設置於該污水處理設施場區的複數個污水處理單元、彼等之進流管路、及/或出流管路,用以監測並取得複數個場內物化水質監測值,該複數個場內物化水質監測值為包括流量、溫度、導電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標。
- 如請求項1所述之用於優化污水處理設施效能之人工智慧輔助操作系統,其中該生物水質預測模型為經由人工智慧評估裝置利用類神經網路演算法、及/或質量平衡模式、及/或生物反應動力學理論所建構而成的。
- 如請求項1所述之用於優化污水處理設施效能之人工智慧輔助操作系統,其中生物操作對策指令為至少包括:表示生物水質AI預測值為落入生物操作設定值的安全區範圍之安全指令,表示生物水質AI預測 值為落入生物操作設定值的警示區範圍之警示指令,及表示生物水質AI預測值為落入生物操作設定值的改善區範圍內之改善指令。
- 一種污水水質人工智慧優化方法,其係包括:一取得水質監測值步驟S1:使用場外水質監測裝置、場內水質監測裝置分別取得污水處理場外部的場外水質監測值、及污水處理場區的場內水質監測值;一求得水質AI預測值步驟S2:基於場外水質監測值、場內水質監測值,以如請求項1至4中任一項所述之人工智慧輔助操作系統,利用人工智慧模擬運算而建構成一水質預測模型,並基於該水質預測模型推算求出相應的場內水質AI預測值;一發出操作對策指令步驟S3:分別將場內水質AI預測值、水質正常操作設定值進行比對,依據比對結果發出操作對策指令至伺服器或污水處理場區的中央控制單元;一執行優化操作步驟S4:污水處理場區的中央控制單元依據操作對策指令驅使各污水處理設施執行正常操作模式或優化操作模式;其中該場外水質監測裝置為場外物化水質監測裝置、或場外生物水質監測裝置;該場外水質監測值為場外物化水質監測值、或場外生物水質監測值;該場內水質監測裝置為場內物化水質監測裝置、或場內生物水質監測裝置;該場內水質監測值為場內物化水質監測值、或場內生物水質監測值;該水質預測模型為物化水質預測模型、或生物水質預測模型;該場內水質AI預測值為物化水質AI預測值、或生物水質AI預測值。
- 如請求項5所述之污水水質人工智慧優化方法,其中該場外物化水質監測值、該場內物化水質監測值分別為包括從流量、溫度、導 電度、懸浮固體濃度、pH值、酸度值、鹼度值中之至少一種的物化水質指標;該場外生物水質監測值、該場內生物水質監測值分別為包括從生物需氧量(BOD)、化學需氧量(COD)、溶氧量(DO)、微生物量(MLSS)、有機負荷(F/M)、污泥沉降指數(SVI)、總有機物量(TOC)中之至少一種的生物水質指標。
- 如請求項5所述之污水水質人工智慧優化方法,其中該物化水質預測模型、該生物水質預測模型為經由人工智慧評估裝置利用類神經網路演算法、及/或質量平衡模式、及/或生物反應動力學理論所建構而成的。
- 如請求項5所述之污水水質人工智慧優化方法,其中該操作對策指令至少包括:安全指令、警示指令或改善指令。
- 如請求項5所述之污水水質人工智慧優化方法,其中該操作對策指令為至少包括:表示該物化水質AI預測值為落入物化操作設定值的安全區範圍之安全指令,表示該物化水質AI預測值為落入物化操作設定值的警示區範圍之警示指令,或表示該物化水質AI預測值為落入物化操作設定值的改善區範圍內之改善指令。
- 如請求項5所述之污水水質人工智慧優化方法,其中操作對策指令為至少包括:表示該生物水質AI預測值為落入生物操作設定值的安全區範圍之安全指令,表示該生物水質AI預測值為落入生物操作設定值的警示區範圍之警示指令,或表示該生物水質AI預測值為落入生物操作設定值的改善區範圍內之改善指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109123838A TWI746059B (zh) | 2020-07-15 | 2020-07-15 | 用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109123838A TWI746059B (zh) | 2020-07-15 | 2020-07-15 | 用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI746059B true TWI746059B (zh) | 2021-11-11 |
TW202204894A TW202204894A (zh) | 2022-02-01 |
Family
ID=79907953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109123838A TWI746059B (zh) | 2020-07-15 | 2020-07-15 | 用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI746059B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI818627B (zh) * | 2022-07-18 | 2023-10-11 | 國立臺北科技大學 | 水質檢測方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107014970A (zh) * | 2017-04-11 | 2017-08-04 | 盐城工学院 | 污水处理水质预测方法及服务器 |
CN108562709A (zh) * | 2018-04-25 | 2018-09-21 | 重庆工商大学 | 一种基于卷积自编码器极限学习机的污水处理***水质监测预警方法 |
JP2018158284A (ja) * | 2017-03-22 | 2018-10-11 | 水ing株式会社 | データベースの製造方法、及び水処理又は汚泥処理システム |
TW201935000A (zh) * | 2018-02-07 | 2019-09-01 | 謝金原 | 水質監測系統及其監測方法 |
CN110456754A (zh) * | 2019-09-11 | 2019-11-15 | 剑科云智(深圳)科技有限公司 | 一种污水的监控处理***及智能分析处理方法、存储介质 |
-
2020
- 2020-07-15 TW TW109123838A patent/TWI746059B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018158284A (ja) * | 2017-03-22 | 2018-10-11 | 水ing株式会社 | データベースの製造方法、及び水処理又は汚泥処理システム |
CN107014970A (zh) * | 2017-04-11 | 2017-08-04 | 盐城工学院 | 污水处理水质预测方法及服务器 |
TW201935000A (zh) * | 2018-02-07 | 2019-09-01 | 謝金原 | 水質監測系統及其監測方法 |
CN108562709A (zh) * | 2018-04-25 | 2018-09-21 | 重庆工商大学 | 一种基于卷积自编码器极限学习机的污水处理***水质监测预警方法 |
CN110456754A (zh) * | 2019-09-11 | 2019-11-15 | 剑科云智(深圳)科技有限公司 | 一种污水的监控处理***及智能分析处理方法、存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI818627B (zh) * | 2022-07-18 | 2023-10-11 | 國立臺北科技大學 | 水質檢測方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202204894A (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114297954A (zh) | 一种基于污水处理厂的大数据智能分析数字管控平台 | |
CN111553468B (zh) | 一种准确预测污水处理厂出水水质的方法 | |
AU2017254356A1 (en) | System and method for wastewater treatment process control | |
CN108562709A (zh) | 一种基于卷积自编码器极限学习机的污水处理***水质监测预警方法 | |
CN102122134A (zh) | 基于模糊神经网络的溶解氧控制的废水处理方法及*** | |
JP2004025160A (ja) | 神経回路網及び逆転波アルゴリズムによる下排水処理人工知能制御システム及び方法 | |
CN104102255A (zh) | 氨氮耦合溶解氧曝气节能控制***及控制方法 | |
KR102440372B1 (ko) | 빅데이터 및 인공지능 기반의 하수처리시설의 유입수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 | |
CN110188946B (zh) | 一种污水参数的预测方法及污水预测*** | |
KR20030066073A (ko) | 부유물질 농도 분석기와 소프트웨어 센서기술을 이용한수처리시설 방류수 유기물질농도 예측시스템 | |
KR102311657B1 (ko) | 하폐수 처리 스마트 관리 시스템 | |
CN108536106B (zh) | 一种基于卡尔曼滤波-极限学习机的曝气***溶解氧在线调控方法 | |
Wu et al. | Data-driven intelligent warning method for membrane fouling | |
Wang et al. | A full-view management method based on artificial neural networks for energy and material-savings in wastewater treatment plants | |
TWI746059B (zh) | 用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 | |
TWM606693U (zh) | 智慧污水下水道系統 | |
JP6619206B2 (ja) | 水道施設の維持管理支援装置及びそれを有する監視制御システム | |
CN112417765A (zh) | 一种基于改进师生网络模型的污水处理过程故障检测方法 | |
CN116029612A (zh) | 一种基于深度学习的城镇污水厂外加碳源精准控制方法 | |
Wang et al. | An online intelligent management method for wastewater treatment supported by coupling data-driven and mechanism models | |
Bernard et al. | An integrated system to remote monitor and control anaerobic wastewater treatment plants through the internet | |
Bakht et al. | Ingredient analysis of biological wastewater using hybrid multi-stream deep learning framework | |
CN111180015A (zh) | 基于三维一体化模型污水处理厂虚拟现实的管理控制方法 | |
Nasr et al. | Sustainable management of wastewater treatment plants using artificial intelligence techniques | |
CN113866375A (zh) | 出水含氮物智能在线监测方法和*** |