TWM606693U - 智慧污水下水道系統 - Google Patents

Abstract

一種智慧污水下水道系統，其係至少包括：多個第一污水水質感 測器、多個第二污水水質感測器、一第三污水水質感測器、一第四污水水質感測器、一伺服器、及一人工智慧裝置(AI)；其中所述人工智慧裝置係與所述伺服器通訊連接，並且能夠利用類神經網路，基於多個第一污水感測水質、多個第二污水感測水質、一第三污水感測水質、及一第四污水感測水質進行模擬運算而獲得相對應的多個第一污水推估水質、多個第二污水推估水質、一第三污水推估水質、及一第四污水推估水質；然後，判斷所述多個第一污水推估水質、所述多個第二污水推估水質、所述第三污水推估水質、及所述第四污水推估水質是否落在所設定的安全值範圍並發出相對應的操作指令。

Description

智慧污水下水道系統

本創作係關於一種能夠有效管理污水下水道系統的人工智慧應用技術，特別是關於一種利用人工智慧來預測污水下水道系統進流至污水處理廠的水質，藉以改善或提昇污水處理廠操作品質的智慧污水下水道系統技術。

台灣污水下水道建設自民國81年起執行污水下水道第一期建設計畫(81-86年)以來，迄今已推動超過二十餘年，接管普及率於第四期建設計畫已達到38％。依據「污水下水道第五期建設計畫(A04至109年)」內容，除接續建設污水下水道的接管普及率達到50％的目標值以外，並優先推動污水處理廠廢棄污泥及放流水回收再利用，包含再利用技術研發、再利用管道規劃、辦理示範驗證計畫，期望拓展污水下水道建設整體效益，並將污水下水道建設由以往「工程建設」之既定形象，提升轉換為「環保永續」之新思維。因而，污水下水道之永續發展已成為另一個重點策略工作面向之一了。

鑒於傳統水源開發日益困難，用水需求則因民生及產業需求呈現正成長。為促進水資源永續利用，經濟部水利署積極推動都市污水回收再利用政策，希望於民國120年能達到再生水供應量為132萬CMD目標以降低自來水供應之依賴。依據內政部陳報之「公共污水處理廠放流水回收再利用示範推動方案(A02年10月)」，已於民國A04年12月14日經立法院三讀通過「再生水資源發展條例」，使我國正式進入再生水利用新紀元。

根據內政部營建署統計資料顯示，國內目前運轉中都市污水處理廠計有65廠，建設中之污水下水道系統共有77處，而已完成規劃待建設系統則尚有115處，設計處理水量約為370萬CMD，實際處理量約300萬CMD。惟，歷期計畫係將污水下水道侷限於污染管控之末端角色，由於只污染處理已不符國際永續發展之趨勢。

此外，污水處理廠為污水下水道系統之核心，其營運效能將決定污水下水道系統運轉之良莠。污水處理廠雖經周全的設計和施工，如果未能完善的操作管理及維護，則仍無法穩定處理污水。污水處理廠之功能與工廠生產設施相同，應有充分的維護管理，始能發揮其設置目的。

污水處理操作維護管理的目的在於：（一）確保正確操作狀態，維持良好的效率，達到穩定的處理效果。（二）防止抽水機、送風機、量測設備、濃縮機、脫水機、控制設備等機器設備，因損傷、故障，導致不得不停止操作等事故發生。（三）延長各種處理設備、機器類等之使用壽命。

又，因為污水處理廠為由土木、機械、電氣、儀控及各種配管設備等所組合而成的具有系統化之設施，所以它的操作管理必須具有污水處理原理、生物、化學、控制等基本知識，同時還要依據原設計之理念有效地操作，始能發揮污水處理的功能，達到處理的目的。

污水處理廠之生產原料為污水且這些原料之性質不穩定，不僅是量隨時在變動，尤其是進流水水質也隨時在變動，甚至可能含有有害物質，且在生產過程中所利用的設施又為固定，不能隨著污水量和水質而變動，而主要參與反應的又是眼睛看不到卻極為敏感的微生物，更是不易掌握。因此，污水處理廠能否發揮處理效果，可說全賴操作維護管理之良否並不過言。

惟，現今污水下水道系統中之污水處理廠至少普遍存在著以下數個問題。例如，(1)目前的污水廠自動控制(AC)，其原理是利用槽體附近的單一水質測項的監測結果，決定該槽體相關調節馬達的開關與否；(2)花很多錢設置事業端水質監測，卻因污水廠的污水混合效應，以致處理方式沒有辦法達成標準化作業程序的目的；(3)異常發生，需立即調節，沒有充足的預備緩衝時間；(4)人力多半耗費在反復性工作或立即性的緊急應變；(5)操作人員的素質與經驗，決定污水處理的未來前景。

從而，為了解決上述的問題點，業界莫不期待開發出一種能夠至少達成：(1)多個測站、多種測項；(2)共同決定開關什麼馬達及開關多少時間；(3)單一測站水質監測器異常，不再影響後續水質的調節；(4)至少增加15分的事先準備時間，藉以減少污水廠維運的壓力；(5)有效減少人員的異動及失誤的影響等多個目標，而且同時具備安全、可靠、信賴性佳的智慧型污水下水道系統。

從而，本創作人為了解決上述的問題與缺失，經過重重研究開發而完成本創作之智慧污水下水道系統，除了提供一種能夠進一步完善的污水處理效能並且同時具備安全、可靠、信賴性佳的智慧型污水下水道系統。

具體而言，根據本創作之一實施例可以提供一種智慧污水下水道系統，其係至少包括：多個第一污水水質感測器、多個第二污水水質感測器、一第三污水水質感測器、一第四污水水質感測器、一伺服器、及一人工智慧裝置(AI)；其中所述多個第一污水水質感測器，分別設置於污水管路上游端，用以感測並取得第一污水感測水質；所述多個第二污水水質感測器，分別設置於污水管路下游端或污水處理廠進流端，用以感測並取得第二污水感測水質；所述第三污水水質感測器，分別設置於pH調節池的進流端與出流端，用以感測並取得第三污水感測水質；所述第四污水水質感測器，分別設置於放流水出流管路，用以感測並取得第四污水感測水質； 所述伺服器和所述多個第一污水水質感測器、所述多個第二污水水質感測器、所述第三污水水質感測器、所述第四污水水質感測器形成通訊連接，用以接收所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、及所述第四污水感測水質； 所述人工智慧裝置(AI)係與所述伺服器通訊連接，並且能夠利用類神經網路，基於所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、及所述第四污水感測水質進行模擬運算而獲得相對應的多個第一污水推估水質、多個第二污水推估水質、一第三污水推估水質、及一第四污水推估水質；然後，判斷所述多個第一污水推估水質、所述多個第二污水推估水質、所述第三污水推估水質、及所述第四污水推估水質是否落在所設定的安全值範圍並發出相對應的操作指令。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、所述第四污水感測水質為至少包括pH值。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、所述第四污水感測水質為進一步包括流量。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、所述第四污水感測水質為進一步包括溫度。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述人工智慧裝置(AI)為利用類神經網路進行演算而得到所述多個第一污水感測水質、第二污水感測水質以及所述第三污水感測水質、第四污水感測水質的水質預測模型。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述人工智慧裝置(AI)係進一步與酸鹼加藥設備形成通訊連接，所述酸鹼加藥設備為設置於所述污水處理廠內，至少包含有一鹼液槽與一酸液槽。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述pH值調節池進流端的第三污水感測水質為超出所設定的安全值範圍時，所述伺服器便會發出指令給所述酸鹼加藥設備執行所指示的作動。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述的作動至少包括是否開啟酸鹼加藥設備的驅動馬達。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述所述的作動至少包括開啟酸鹼加藥設備的時點及期間。

又，根據另一實施例的例示，本創作還可以進一步提供一種智慧污水下水道系統，其中所述伺服器至少包括CPU、手機、筆記型電腦、桌上型電腦、或雲端。

因此，本創作可以提供一種使用各種感測器、現場監控設備、遠端操控裝置、人機介面等之智慧污水下水道系統。又，根據本創作的技術概念，至少能夠達成：(1)多個測站、多種測項；(2)共同決定開關什麼馬達及開關多少時間；(3)單一測站水質監測器異常，不再影響後續水質的調節；(4)至少增加15分的事先準備時間，藉以減少污水廠維運的壓力；(5)有效減少人員的異動及失誤的影響等多個目標。

為了使相關技術領域人員能更為瞭解本創作的目的、技術特徵及優點並得以實施本創作，特地配合所附的圖式、具體闡明本創作的技術特徵與實施方式，並列舉較佳實施例進步說明。

值得注意的是：本創作中所列舉之實施例與所附之圖式僅提供參考與說明之用，並非用來對本創作加以限制者；因此，亦當明瞭：熟悉此項技術之業者能夠基於本文之記載進行各種修飾或變更而容易實施完成本創作。因此，前述各種修飾或變更亦皆視為不脫離本創作之精神與意旨的範圍，當然所述的各種修飾或變更亦均包括在本創作之申請專利範圍內。

又，本創作中之描述方向的用語，例如：「上」、「下」、「左」、「右」、「前」、「後」等，僅是用來說明參考附加圖示的方向，並非用來限制本創作。

其次，本創作中所用的「一」、「一個」及「所述」等用來形容數量的語詞，除非上下文清楚指示以外，其意義上皆包含複數形式的情況。

再者，本創作中所用的「包括」及/或「包含」等用來形容所述特徵、元件及/或單元的開放性術語，表示不排除存在或附加一或多個之其他的特徵、元件及/或單元。

以下，參照附圖及實施例詳述本創作。

首先，請參閱圖1。圖一為顯示本創作之智慧污水下水道系統的示意圖。本創作之智慧污水下水道系統包含至少一污水處理廠，所述智慧污水下水道系統包含有第一污水水質感測器A01、A02、A03、A04；第二污水水質感測器B01、B02；第三污水水質感測器C03；第四污水水質感測器D04；伺服器100；人工智慧裝置200。

第一污水水質感測器A01、A02、A03、A04，分別設置於污水管路上游端，用以感測並取得第一污水感測水質；第二污水水質感測器B01、B02，分別設置於污水管路下游端或污水處理廠進流端，用以感測並取得第二污水感測水質；第三污水水質感測器C03，分別設置於pH調節池的進流端與出流端，用以感測並取得第三污水感測水質；第四污水水質感測器D04，分別設置於放流水出流管路，用以感測並取得第四污水感測水質。

又，伺服器100和所述多個第一污水水質感測器A01、A02、A03、A04；所述多個第二污水水質感測器B01、B02；所述第三污水水質感測器C03；所述第四污水水質感測器D04形成通訊連接，用以接收所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、及所述第四污水感測水質，然後傳送至所述人工智慧裝置200進行分析。

接著，請參閱圖2。圖2為顯示第一污水水質感測器與廠內監控裝置配置示意圖。在本實施例中，第一污水水質感測器A01、A02、A03、A04是分別設置在污水管路上游端，用以感測多家待處理工廠所排放的污水在匯集流入污水處理廠400前的水質，進而獲得多個第一污水感測水質、第二污水感測水質、第三污水感測水質、第四污水感測水質。

所述多個第一污水水質感測器的設置數量及設置位置並未特別加以限制A01、A02、A03、A04，可以根據待處理工廠的數量來進行調整。

第二污水水質感測器B01、B02、第三污水水質感測器C03、第四污水水質感測器D04則是依序設置在污水處理廠400的污水進流管路、pH值調節池500之進流端與出流端、以及流放水出流管路，用以感測在所述多個位點之水體，進而獲得多個第一污水感測水質、第二污水感測水質、第三污水感測水質、第四污水感測水質。

在本實施例中，各所述第一污水水質感測器所感測的第一污水感測水質、第二污水感測水質、第三污水感測水質、第四污水感測水質可以是pH值、溫度、及流量中之至少一種；較佳為pH值；更佳為pH值及流量；最佳為pH值、溫度、及流量。

在本實施例中，由分別設置於污水處理廠400的污水進流管路、pH值調節池91之進流端與出流端的第二污水水質感測器B01、B02；第三污水水質感測器C03所感測得到的第一污水感測水質、第二污水感測水質、第三污水感測水質分別可以是pH值、導電度、及溫度中之至少一種；較佳為pH值；更佳為pH值及流量；最佳為pH值、溫度、及流量。

又，在本實施例中，由設置於污水處理廠400的流放水出流管路的第四污水水質感測器D04所感測得到的第四污水感測水質為pH值、溫度、及流量中之至少一種；較佳為pH值；更佳為pH值及流量；最佳為pH值、溫度、及流量。

又，所述伺服器100與所述多個第一污水水質感測器A01、A02、A03、A04；第二污水水質感測器B01、B02、第三污水水質感測器C03、第四污水水質感測器D04形成通訊連接，用以接收第一污水感測水質、第二污水感測水質與第三污水感測水質、第四污水感測水質，以供人工智慧裝置200進行後續分析。

另外，在本實施例中，所述人工智慧裝置200為用以執行一計算機裝置中之一演算分析程式，能夠基於所述多個第一污水感測水質、第二污水感測水質、第三污水感測水質、第四污水感測水質進行模擬運算建立水質預測模型，推估出與所述多個第二污水水質感測器B01、B02、第三污水水質感測器C03、第四污水水質感測器D04的位置相對應之第一污水推估水質、第二污水推估水質、第三污水推估水質、第四污水推估水質。

根據本創作的技術思想，所述人工智慧裝置200能夠利用類神經網路，對於所述多個第一污水感測水質、第二污水感測水質以及所述第三污水感測水質、第四污水感測水質進行演算後，藉以建構所述水質預測模型。

以下，以中部科學園區(CentralTaiwanSeiencePark，CTSP)的污水下水道及污水處理廠為例，藉以舉例說明之如何在本創作中建構水質預測模型具體的執行方法與步驟。

又，台中園區面積為466公頃，位於台中市大雅區及西屯區交界處。根據截至108年8月底統計，有效核准廠商家數共144家，產業可分為半導體產業、光電產業、精密機械、生物科技、電腦及週邊、通訊、研究機構及其他等8大領域。園區主要納管事業之水量以半導體為最大，約67,073CMD，主要為台灣積體電路製造股份有限公司所排入；其次為光電產業，約66,302CMD，主要為友達光電股份有限公司中科廠所排入；第三大為精密機械，約1,631CMD。

園區污水下水道系統總長為22.108公里，管徑約300~2,000mm，設置人孔為478座。污水處理廠之設計平均污水量為145,000CMD。污水處理廠位於園區東側地勢較低處，污水處理廠放流水利用放流專管排放至烏溪最後一個灌溉取水口(大肚圳取水口)下游1公里處。中科污水處理廠自94年9月測試運轉以來，隨著廠商不斷增設，進流處理水量由每日約10,000m3成長至108年8月止每日處理量約75,620CMD-91,870CMD。

首先，說明AI建模架構。以位於廠外4個監測站作為AI建模的預測起點，以AI技術找出廠外4個監測站水質與廠內4個監測站水質的關係。由同時間的預測值與實際值的誤差結果，為AI建模是否採納的科學依據。建模分析的第一步，需先定義何謂水質異常，考慮設備的穩定性、水質變化性、異常可忍受時間差、過去經驗值等等，定義當「pH值」連續6次在「異常」區域，定義為水質異常。

廠內以「調勻池pH控制槽」為分界點，「調勻池pH控制槽」前的進流點監測站的「pH值」預測結果，做為「調勻池pH控制槽」上方的加酸馬達或加鹼馬達「是否開啟」、「何時開啟」及「開啟時間長度」等。

「調勻池pH控制槽」後的出流點監測站的「pH值」預測結果，將與出流點監測站的「pH值」的「同時間」的監測數據進行比較，用來決定AI模式參數修正的依據。

其次，由於在環境工程技術領域中，不論是給水或污水之處理，pH值的控制均相當重要，這是因為pH的高低，對於沉澱、化學混凝、消毒、氧化還原及水質軟化等處理程序均有影響。以曝氣槽為例，水溫以20～30℃為理想，pH值以6.0～8.5之範圍為宜，最適pH值7.2～7.4。

再者，微生物是污水廠處理的主要關鍵。所以，活性污泥曝氣池應保持微生物持續訓養且穩定成長。又，因污水經過調勻池後的污水會先進入pH調整池，再進入活性污泥曝氣池。因此，調勻池的污水水質會直接影響生物處理；相對地，控制進入活性污泥曝氣池前的水質，例如，pH值等，也是非常重要的。

大部分的水生生物，均對水環境中pH值範圍相當敏感，因此，基於維護生態平衡的考量，事業放流水之排放，均需控制其pH值，以防止對水生生物的衝擊。

此外，在整個污水處理程序中pH值的控制可以說是「被控制」及「可控制」；另一方面，考量經劑因素及執行效果等條件，建議以pH值為污水下水道系統AI化的起點，具備有價格便宜、技術成熟、維護便利等優點。

從而，在本創作之一實施例中，選擇pH值做為本創作之目標監測對象水質指標。

在本實施例中，以第一污水水質感測器A01、A02、A03、A04；所測得的第一污水感測水質作為建模的預測點，並以類神經網路分析所述多個第一污水感測水質與污水處理廠內的第二污水水質感測器B01、B02、第三污水水質感測器C03、第四污水水質感測器D04所測得之第二污水感測水質、第三污水感測水質、第四污水感測水質的關係，再將同時間的預測值與實際值進行比對校正建構出所述水質預測模型，而經由長時間的反覆的修正及學習後，能夠縮小所述水質預測模型所運算而得的水質預估參數與實際值的誤差。

本創作中所述之類神經網路分析係指一種已逐漸發展成熟之內部結構為模擬人類大腦及神經網路，透過內部神經元運算使得模型能像人的大腦一樣進行判斷的人工神經網路（ArtificialNeuralNetwork，ANN），簡稱神經網路（NeuralNetwork，NN）或類神經網路。

基本上，ANN有三層架構：第一層為輸入層，輸入資料向量;第二層為隱藏層，經第一層各節點向量加總後得出的資料；最後一層為輸出層，將隱藏層的節點向量加總過經非線性計算所輸出的向量資料，其計算方式如下： b1=a1*w1+a2*w4 b2=a1*w2+a2*w5 b3=a1*w3+a2*w6 c1=f*(b1*w7+b2*w8+b3*w9) 式中， a1~a2為輸入的向量資料； b1~b3為計算過後的向量； w1~w9為各路徑的計算權重； c1為輸出的向量資料； f為激活函數(activationfun.)。

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（RectifiedLinearUnit,ReLU）,又稱修正線性單元，是一種人工神經網絡中常用的激活函數（activationfunction），通常指代以斜坡函數及其變種為代表的非線性函數。

多層感知機(Multilayerperceptron,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(modellearning)的監督式學習。MLP是深度神經網路(deepneuralnetwork,DNN)的一種specialcase，概念基本上一樣

深度信念網路(DeepBeliefNetwork,DBN)是一種生成模型，通過訓練其神經元間的權重，我們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

在本創作之一實施例中，以「調勻池pH控制槽」後的「出流點」監測站的「pH值」預測結果，與「同時間」的「出流點」監測站的「pH值」監測數據進行比較，並結合DBN以達到深度學習的自我校正回饋的目的。

本創作之一實施例中，經多次的修正及學習及要求誤差最小的前提下，共建立5個預測模型，例如，進廠點由外監測站4個測站pH值的在同時間點上，預設與實際誤差最小；進流點由進廠點預設誤差最小；出流點由進流點預設誤差最小；放流點由出流點預設誤差最小。

在建立所述水質預測模型後，所述人工智慧裝置200能夠基於四個第一污水水質感測器A01、A02、A03、A04所測得的第一污水感測水質、依序預測出第二污水水質感測器B01、B02、第三污水水質感測器C03、第四污水水質感測器D04所在位置的第一污水推估水質、第二污水推估水質、第三污水推估水質、第四污水推估水質(即，pH值)。

接著，所述人工智慧裝置200以由水質預測模型所預測得到的第一污水推估水質、第二污水推估水質、第三污水推估水質、第四污水推估水質，按照以下表1所示之標準發出建議指令。

表1

pH 值範圍	水質狀況	建議指令
pH＜5	過酸水質	添加鹼液
5 ≦ pH＜6	酸性水質	添加鹼液
6 ≦ pH＜7	可接受水質	不需任何動作
7 ≦ pH＜7.5	最佳水質	不需任何動作
7.5 ≦ pH＜8	鹼性水質	添加酸液
pH ≧ 8	過鹼水質	添加酸液

然後，所述人工智慧裝置200再根據對於各監測點預測pH結果，發出如下表2所示的可能反應動作訊息。例如，在本創作中，依據分析近半年污水廠的場外及場內pH值監測數據，人工智慧裝置(AI)發出(1)「異常警示」只是SAN呈現異常畫面，不全然會發出任何即時簡訊或遠端通知；(2)「注意警示」是SAN會呈現異常畫面或警訊、發送即時簡訊或遠端通知；(3)「危險警示」是SAN會呈現異常畫面或警訊、預估加酸或加鹼馬達的動作(限進流點)、發送危險即時簡訊或遠端通知、發送正常即時簡訊或遠端通知。

表2

pH 值	位置
廠外	污水 進流管路	pH 調節池進流端	pH 調節池 出流端	放流水 出流管路
pH＜5	異常 警示	注意 警示	危險警示 ( 傳送改善操作指令 )	回饋 修正	危險 警示
5 ≦ pH＜6	異常 警示	注意 警示	危險警示 ( 傳送改善操作指令 )	回饋 修正	危險 警示
6 ≦ pH＜7	正常	正常	正常	回饋修正	正常
7 ≦ pH＜7.5	正常	正常	正常	回饋修正	正常
7.5 ≦ pH＜8	異常 警示	注意 警示	危險警示 ( 傳送改善操作指令 )	回饋 修正	危險 警示
pH ≧ 8	異常 警示	注意 警示	危險警示 ( 傳送改善操作指令 )	回饋 修正	危險 警示

此外，根據本創作的技術思想，所述人工智慧裝置200係進一步與所述污水處理廠400中的酸鹼加藥設備600通訊連接，所述酸鹼加藥設備600與所述pH值調節池500液體連通。

當所述人工智慧裝置200判斷在pH值調節池500之進流端的水質預估參數超出安全值範圍時，便會發出警示訊息與改善操作指令至所述酸鹼加藥設備600，並基於所述水質預估參數進行運算，指示酸鹼加藥設備600的驅動馬達是否開啟、開啟時點、以及開啟期間，以使鹼液或酸液流入pH值調節池500中，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，所述人工智慧裝置200亦與至少一使用者裝置300通訊連接，使用者裝置300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所述人工智慧裝置200的正常訊息、警示訊息、或改善操作指令供操作人員確認。

是以，基於本創作之智慧污水下水道系統，所述人工智慧裝置200在污水進廠前就能夠事先接收到廠外污水的水質資料，能夠明確的預告廠內各個監測點的pH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300得知廠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裝置200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裝置200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，本創作之智慧污水下水道系統具有以下優點： 1.    本創作之智慧污水下水道系統中的人工智慧裝置是以是以「多個」監控裝置及「多個」感測項目去共同模擬標的測項的結果，即便有單一監控裝置出現監測異常，只是會增加模擬的「部分」誤差，故後續的調節運作依然有所依據。此外，隨著加入AI建模的監控裝置變多、感測項目變多、數據量變多的情況之下，這種單一監控裝置異常影響調節運作作的情況會愈來愈小。 2.    經實際運作的結果顯示，導入本創作之智慧污水下水道系統後，至少能夠增加7.5小時的事先準備時間，減少污水處理廠維運的壓力。 3.    人工智慧裝置運算完後，會提供明確的建議操作方式，例如鹼液槽或酸液槽的驅動馬達是否開啟、開啟時點、以及開啟期間等，減少「依賴經驗」傳承的問題，能夠有效降低人員異動及人為失誤的影響。 4.    導入本創作之智慧污水下水道系統後，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，本創作的智慧污水下水道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。

亦即，根據本創作，可以提供一種能夠至少達成：(1)多個測站、多種測項；(2)共同決定開關什麼馬達及開關多少時間；(3)單一測站水質監測器異常，不再影響後續水質的調節；(4)至少增加15分的事先準備時間，藉以減少污水廠維運的壓力；(5)有效減少人員的異動及失誤的影響等多個目標，而且同時具備安全、可靠、信賴性佳的智慧型污水下水道系統。

如上所述，在實施例中雖然已經舉例而具體地說明本創作的內容了，然而本創作並非僅限定於此等實施方式而已。本創作所屬技術領域中具有通常知識者應當明白：在不脫離本創作的精神和範圍內，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創作所屬內容。

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。

A01、A02、A03、A04:第一污水水質感測器 B01、B02:第二污水水質感測器 C03:第三污水水質感測器 D04:第四污水水質感測器 100:伺服器 200:人工智慧裝置 300:使用者裝置 400:污水處理廠 500:pH調節池 600:酸鹼加藥設備

圖1為顯示本創作之一實施例的智慧污水下水道系統之示意圖。 圖2為顯示本創作之一實施例的多個第一污水水質感測器、多個第二污水水質感測器、一第三污水水質感測器、一第四污水水質感測器的設施位置示意圖。

A01、A02、A03、A04:第一污水水質感測器

B01、B02:第二污水水質感測器

C03:第三污水水質感測器

D04:第四污水水質感測器

100:伺服器

200:人工智慧裝置

300:使用者裝置

400:污水處理廠

500:pH調節池

Claims (10)

1. 一種智慧污水下水道系統，其係至少包括：多個第一污水水質感測器、多個第二污水水質感測器、一第三污水水質感測器、一第四污水水質感測器、一伺服器、及一人工智慧裝置；其中 所述多個第一污水水質感測器，分別設置於污水管路上游端，用以感測並取得第一污水感測水質； 所述多個第二污水水質感測器，分別設置於污水管路下游端或污水處理廠進流端，用以感測並取得第二污水感測水質； 所述第三污水水質感測器，分別設置於pH調節池的進流端與出流端，用以感測並取得第三污水感測水質； 所述第四污水水質感測器，分別設置於放流水出流管路，用以感測並取得第四污水感測水質； 所述伺服器和所述多個第一污水水質感測器、所述多個第二污水水質感測器、所述第三污水水質感測器、所述第四污水水質感測器形成通訊連接，用以接收所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、及所述第四污水感測水質； 所述人工智慧裝置係與所述伺服器通訊連接，並且能夠利用類神經網路，基於所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、及所述第四污水感測水質進行模擬運算而獲得相對應的多個第一污水推估水質、多個第二污水推估水質、一第三污水推估水質、及一第四污水推估水質；然後，判斷所述多個第一污水推估水質、所述多個第二污水推估水質、所述第三污水推估水質、及所述第四污水推估水質是否落在所設定的安全值範圍並發出相對應的操作指令。
2. 如請求項1所述之智慧污水下水道系統，其中所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、所述第四污水感測水質為至少包括pH值。
3. 如請求項1所述之智慧污水下水道系統，其中所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、所述第四污水感測水質為進一步包括流量。
4. 如請求項1所述之智慧污水下水道系統，其中所述多個第一污水感測水質、所述多個第二污水感測水質、所述第三污水感測水質、所述第四污水感測水質為進一步包括溫度。
5. 如請求像1所述之智慧污水下水道系統，其中所述人工智慧裝置為利用類神經網路進行演算而得到所述多個第一污水感測水質、第二污水感測水質以及所述第三污水感測水質、第四污水感測水質的水質預測模型。
6. 如請求項1所述之智慧污水下水道系統，其中所述人工智慧裝置係進一步與酸鹼加藥設備形成通訊連接，所述酸鹼加藥設備為設置於所述污水處理廠內，至少包含有一鹼液槽與一酸液槽。
7. 如請求項6所述之智慧污水下水道系統，其中所述pH值調節池進流端的第三污水感測水質為超出所設定的安全值範圍時，所述伺服器便會發出指令給所述酸鹼加藥設備執行所指示的作動。
8. 如請求項7所述之智慧污水下水道系統，其中所述的作動至少包括是否開啟酸鹼加藥設備的驅動馬達。
9. 如請求項7所述之智慧污水下水道系統，其中所述所述的作動至少包括開啟酸鹼加藥設備的時點及期間。
10. 如請求項1所述之智慧污水下水道系統，其中所述伺服器至少包括CPU、手機、筆記型電腦、桌上型電腦、或雲端。

Images