CN101944275B - 中空纤维设备的膜污染诊断与预警决策方法 - Google Patents
中空纤维设备的膜污染诊断与预警决策方法 Download PDFInfo
- Publication number
- CN101944275B CN101944275B CN 201010262791 CN201010262791A CN101944275B CN 101944275 B CN101944275 B CN 101944275B CN 201010262791 CN201010262791 CN 201010262791 CN 201010262791 A CN201010262791 A CN 201010262791A CN 101944275 B CN101944275 B CN 101944275B
- Authority
- CN
- China
- Prior art keywords
- film
- pollution
- early warning
- hollow fiber
- module
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Separation Using Semi-Permeable Membranes (AREA)
Abstract
本发明属于水处理技术领域,特别是涉及一种用于中空纤维设备的膜污染智能诊断与预警决策系统,通过将在线远程监控模块、膜污染预测模块、膜污染评估与预警分级模块、膜系统异常情况智能诊断与决策模块、信息资源管理与人机交互模块进行系统集成,构建出膜污染智能诊断与预警决策平台;其中上述各模块构成本系统软件平台,中空纤维膜设备上的电磁阀、气动阀、流量计与浊度计、pH计、硬度仪等智能仪表和PLC、服务器、客户端及工业以太网构成本系统的硬件平台。该发明适用于多种中空纤维膜设备,易于实现,应用和推广范围大,可以方便地与现有设备中自控系统实现数据交换,提高整体膜法分离过程的经济效益。
Description
技术领域
本发明属于水处理技术领域,涉及污水再生、反渗透预处理等领域中废水净化。更具体的说是一种用于中空纤维设备的膜污染智能诊断与预警决策方法。
背景技术
废水再生利用是缓解水资源紧张、降低环境污染的有效途径。目前离子交换、电吸附、臭氧氧化和电渗析等方法均存在投资过大或运行成本偏高等问题,短期内难以在工程上广泛的应用与推广。膜分离技术的发展推进了污水处理与回用工作,特别是中空纤维设备具有结构紧凑、设备控制简便灵活等特点,已在食品、化工、冶金、发电等不同行业废水再生处理中得到广泛应用。但中空纤维设备在使用过程中,受运行条件、膜材质种类、水质特点等因素的影响,其核心部件-中空纤维膜很容易遭受污染。通常根据人为经验依靠跨膜压差和通量变化判断膜污染情况,由于人为影响因素,使参数调节过程中主观性强,膜设备参数调整需要进行多次试调,精度差、效率低,一旦发现膜组件需要进行周期性气水清洗或化学清洗时,表明膜丝已遭受到一定程度的污染,事实证明一般这种“末端解决”的清洗和恢复模式很难使膜丝完全恢复至初始状态,即使恢复正常,其正常通量仍难维持较长的时间,并且伴随着使用时间和清洗次数的增加,清洗药剂的化学作用和残留的膜垢都会对中空纤维本身材质和结构特性有着直接影响,维持正常通量的时间会越来越短。此外,由于目前对中空纤维设备缺乏统一的进水水质标准,一旦出现突发性水质污染时,很可能会导致膜系统遭受到重度污染而无法恢复正常,使成批膜组件报废,造成严重的经济损失。
发明内容
本发明主要目的是针对现有中空纤维膜设备缺陷,建立一套用于中空纤维设备的膜污染智能诊断与预警决策方法和系统。利用本发明可提高膜设备参数调节精度和效率,延长了膜组件化学清洗周期和使用寿命,节约了运行成本,使中空纤维膜设备能够长效稳定运行,对突发性水质污染有着良好的应急效果。
为实现上述发明目的,本发明提供了一种中空纤维设备的膜污染智能诊断与预警决策系统,其特征在于由通过将在线远程监控模块、膜污染预测模块、膜污染评估与预警分级模块、膜系统异常情况智能诊断与决策模块、信息资源管理与人机交互模块进行系统集成,构建出膜污染智能诊断与预警决策平台;中空纤维膜设备上的电磁阀、气动阀、流量计与浊度计、pH计、硬度仪等智能仪表和现场监测计算机、PLC、中心服务器、客户端及工业以太网构成本系统的硬件平台构成。
在中心服务器的计算机上安装包括在线远程监控模块在内的膜污染智能诊断与预警决策软件平台,该服务器由internet网络实现与远程客户的数据交互,并依靠现场控制网络(Intranet)实现远程客户与现场监测计算机(即客户机)的实时数据通信;中空纤维膜设备上直接安装电磁阀、气动阀、流量计、浊度计、pH计、硬度仪等智能仪表,现场监测计算机通过与PLC之间的通信对智能仪表进行调控,实现对膜设备的监控,其中PLC编程口与现场监测计算机采用RS-232C标准的异步串行通信。
膜污染智能诊断与预警决策方法包括:
在线采集监控水质指标和膜系统运行参数数据,通过改进的混合遗传-支持向量机方法对膜污染趋势、速度和污染过程演化进行预测;采用神经网络方法对膜组件的污染程度和状态进行评估,根据所建立的膜污染预警等级规则,进行警情不确定因素分析、警兆分析和警情识别,对膜污染状态的预警等级做出判断;基于数据库和专家系统理论,构建开放式的膜系统异常情况智能诊断平台,快速诊断和分析膜污染的成因,筛选出可抑制中空纤维膜污染变化的最佳控制条件和运行参数,决策出解决此种污染问题最佳控制时段和清洗方案,实现对中空纤维膜设备安全运行的预警分级和先期防治。
所述的中空纤维膜污染智能诊断与预警决策方法按以下步骤进行:
(1)远程在线监控进出水水质、水量和中空纤维膜设备运行参数,进行数据采集;
(2)根据所监控的数据,预测膜污染趋势、速度和过程;
(3)评估膜污染程度,进行警情不确定因素分析、警兆分析和警情识别,判定预警级别;
(4)调用膜系统异常情况智能诊断与决策模块,对造成膜污染的可能因素进行智能诊断;
(5)根据预警级别和污染因素识别,筛选和决策出适合此类情况下的膜污染防治措施和解决方案;
(6)对步骤(1~5)进行数据汇集与信息化处理,通过信息资源管理与人机交互模块实现对中空纤维设备的安全运行进行调控和保障
本发明的中空纤维设备的膜污染智能诊断与预警决策系统技术特点与效果:本发明首先改变了以往依靠人为经验进行中空纤维膜设备运行参数设定和调整的做法,弱化人为影响因素,有效克服了参数调节过程中主观性强的缺陷,提高整套膜系统的调整精度和效率;其次改变了以往中空纤维膜设备在膜被污染至相当程度后才进行清洗和恢复的“末端解决”模式,在膜组件尚未被污染前,根据进水水质变化采取针对性的先期调控和防治,在最佳时段内有效抑制膜污染的发展速度,延长了膜组件的化学清洗周期和使用寿命,节约了运行成本,使各种中空纤维装置长效稳定运行,特别是应对突发性水质污染有着良好的应急效果。该发明适用于多种中空纤维膜设备,易于实现,应用和推广范围大,可以方便地与现有设备中自控系统实现数据交换,提高整体膜法分离过程的经济效益。
附图说明
图1为本发明提供的系统结构总体示意图
图2为本发明提供在线远程监控模块网络结构图
图3为本发明提供的膜污染预测模块计算流程图
图4为本发明提供膜系统异常情况智能诊断与决策模块的流程图
图5为本发明提供膜系统异常情况智能诊断与决策模块结构图
图6为流量变化趋势图,
图7为在不同时刻监测到的出水pH值情况,
图8为在不同时刻监测到的出水浊度情况,
图9为在不同时刻监测到的出水TDS情况。
图10:跨膜压差的变化
图11是对表4的运行数据分析图;
图12为表5数据分析图
图13为表5数据分析图。
附图符号说明:
具体实施方式
实施例1:本发明中空纤维膜污染智能诊断与预警决策方法及系统(一)发明原理:通过将在线远程监控模块、膜污染预测模块、膜污染评估与预警分级模块、膜系统异常情况智能诊断与决策模块、信息资源管理与人机交互模块进行系统集成,构建出膜污染智能诊断与预警决策平台(见附图1)。其中上述各模块构成本系统软件平台,中空纤维膜设备上的电磁阀、气动阀、流量计与浊度计、pH计、硬度仪等智能仪表和PLC、服务器、客户端及工业以太网构成本系统的硬件平台。依靠在线采集监控水质指标和膜系统运行参数数据,通过改进的混合遗传-支持向量机方法对膜污染趋势、速度和过程进行预测;采用神经网络方法对膜组件的污染程度和状态进行评估,根据所建立的膜污染预警等级规则,进行警情不确定因素分析、警兆分析和警情识别,对膜污染状态的预警等级做出判断;基于数据库和专家系统理论,构建开放式的膜系统异常情况智能诊断平台,快速诊断和分析膜污染的成因,筛选出可抑制中空纤维膜污染变化的最佳控制条件和运行参数,决策出解决此种污染问题最佳控制时段和清洗方案,实现对中空纤维膜设备安全运行的预警分级和先期防治。
(二)方法步骤:为实现上述发明原理,中空纤维膜污染智能诊断与预警决策方法按以下步骤进行:
(1)远程在线监控进出水水质、水量和中空纤维膜设备运行参数,进行数据采集:通过在线远程监控模块,进行中空纤维膜设备运行参数、进出水水量、水质的监测和数据采集,在线远程监控模块采用Infranet/Intranet/Internet三层体系(见附图2),其中监控计算机与PLC串行通信,与智能仪表系统通过现场控制网络(Internet)实现对制水过程的数据采集和控制,获取现场设备的运行状态。远程监控子系统由以下几部分组成:
①底层控制设备,由PLC、智能仪表等组成,通过现场控制网络(Infranet)实现对工业生产过程的数据采集和控制,获取现场水质水量参数和设备的运行状态。
②现场监控计算机,通过与底层控制设备的实时数据通信,将现场参数和设备状况写入数据库服务器;从数据库服务器获取远程操作控制命令并执行,将远程客户所需的数据或者命令的执行结果反馈给服务器。
③Web服务器,在这台服务器上放置若干能对现场生产过程或者设备进行远程操作的Web页面,远程用户先登录此网站后,方可进行远程操作。
④数据库服务器,存储管理维护现场实时数据、历史数据、远程控制命令、用户操作权限、远程操作、日志等数据信息以备Web服务器和现场监控计算机访问。
⑤远程客户端(装有Web浏览器的PC机),根据权限实现对系统的浏览或监控。
(2)根据所监控的数据,预测膜污染趋势、速度和过程:
步骤(2)是在膜污染预测模块中进行,分为以下几个子步骤:
①采用归一化的方法将步骤(1)监控得到的数据进行样本处理和分类,形成训练样本集和验证样本集;
②选取训练样本集进行膜污染通量衰减速度、跨膜压差、膜损伤程度、膜垢生长速度等污染变化趋势和污染演化过程的预测。计算模型采用改进的混合遗传-支持向量机模型,该模型是将模拟退火思想和加速遗传特性相结合,首先改进选择策略和遗传算子,建立加速遗传模拟退火算法;然后基于支持向量机的非线性回归和改进混合遗传算法的因子筛选,构造了支持向量机模型参数的自适应优化算法,最后建立出中空纤维膜系统污染趋势与速度预测模型;
③采用改进的混合遗传-支持向量机模型进行污染过程演化的仿真,具体流程见附图3;
④将由训练样本计算得出的预测值与验证样本进行误差分析,优化调整模型参数,提高预测的精度和准确性;
⑤对整个预测结果,进行膜污染过程分析。
(3)评估膜污染程度,进行警情不确定因素分析、警兆分析和警情识别,判定预警级别:基于步骤(2)对膜污染速度、趋势和过程演化的预测结果,步骤(3)采用神经网络方法(BP模型)对膜组件的污染程度和状态进行评估,对膜安全进行警情不确定因素分析、警兆分析和警情识别。通过确定膜污染程度的参照系和设置预警信号,对不同预警级别的警限进行界定,判定膜污染预警级别。凭借神经网络较强的特征提取和模式识别的能力,保证了污染程序评估和预警分级的准确性,同时,其较强的自学习能力,也一定程度弥补了专家系统获取知识不足的瓶颈。本系统预警内容包括四个部分:不良状态预警、恶化趋势预警、恶化速度预警和临界点预警。预警级别分为蓝、绿、黄、橙、红五级,具体表示如下:
第1级是蓝色预警,表示在未来一段时间内,膜系统运行安全将会受到轻度污染的威胁,可通过膜前预处理工艺调节进水水质达到防治污染目的;
第2级是绿色预警,表示膜系统运行安全已受到轻度污染的威胁,在未来一段时间内,污染趋势会加重,可通过调节膜系统自身运行参数、进行在线气水冲洗来实现抑制污染恶化速度、防治污染加剧的目的;
第3级是黄色预警,表示膜系统运行安全会受到一定程度污染的威胁,在未来一段时间内,污染趋势会恶化,需要调节膜系统运行参数,并同时进行在线气水冲洗和化学清洗来实现保障膜系统长效稳定运行。第4级是橙色预警,表示膜系统运行安全会受到重度污染的威胁,在未来一段时间内,污染速度加快,膜污染恶化,需采用调节膜系统运行参数,并同时进行在线气水冲洗、化学清洗和离线清洗等手段实现保障膜系统长效稳定运行。
第5级是红色预警,表示突发性膜污染的预警,由于事故性污水进入,膜系统运行安全会在很短的时间内遭受严重的污染,需采用应急预案进行紧急处理。
(4)调用膜系统异常情况智能诊断与决策模块,对造成膜污染的可能因素进行智能诊断:步骤(4)在调用膜系统异常情况智能诊断与决策模块中模糊专家系统中进行,该模糊专家系统包括规则模块和推理模块,其中规则模块对不同类别的膜污染有不同的判别规则,按照污染类别进行分类,这样使该专家系统同时具有了正、反向推理的能力。即正向可以根据监测所得到的各种运行状况判断污染类型,反向可以根据所判断的污染类型诊断出膜系统控制参数、进水水质指标等方面造成膜污染的成因。该模块的流程和结构分别见附图4和附图5,具体实施如下:
①输入采集到的监控数据与预警分级结果,进行模糊化处理,即将一个个确定的点映射为输入空间的一个个模糊集合,专家系统中的输入变量根据相应的隶属度函数来确定这些输入分别归属于恰当的模糊集合。
②把输入空间上的模糊集合进行模糊推理,通过模糊推理机和模糊知识库将模糊规则映射到输出空间的模糊集合,进行包括连接词计算、直觉推理判断和一些运算性质的相关工作。
③对模糊推理的结果进行反模糊化处理,通过模糊消除器,将输出空间的一个个模糊集合映射为一个个确定的点,以达到实际应用目的,并将该解释模糊化的处理结果发送至模块间数据输入输出接口。
④解释反模糊化处理的结果和模糊推理流程,并将解释结果进行数据的输送。此外,显示系统推理的解释过程和系统运行过程中的人-机对话等。
(5)根据预警级别和污染因素识别,筛选和决策出适合此类情况下的膜污染防治措施和解决方案:
步骤(5)根据预警级别和污染因素识别,调用数据库和专家系统,进行筛选和决策最佳的膜污染防治措施、解决方案以及最佳的实施阶段。主要包括:预处理工艺的出水要求、膜系统的运行参数、清洗药剂筛选、药剂使用量、药剂配比、药剂使用时间、药剂投加条件、清洗方式方法、系统运行于维护条件等。
(6)对步骤(1~5)进行数据汇集与信息化处理,通过信息资源管理与人机交互模块实现对中空纤维设备的安全运行进行调控和保障:
步骤(6)是对上述的操作过程进行数据汇集与信息化处理,通过信息资源管理与人机交互模块实现对中空纤维设备的安全运行进行调控和保障。该模块由信息采集子模块、数据库管理子模块、信息输出子模块、人机交互界面子模块四部分组成。信息采集子模块负责将PLC检测到的参数、外网传输的数据、系统中其他模块计算的数据进行处理后储存至数据库中;数据库管理子模块对数据进行分类存储,包括膜件参数数据库、膜组件历史数据库、膜污染预测数据库、膜预警风险评估数据库、诊断信息数据库、故障报文数据库和系统维护手册数据库。数据库定期自动清理过期数据,自动进行域值自学习;信息交换子模块主要是将数据转化为信息输出平台中用户要求的处理结果或计算机后续处理所需要的数据式;人机交互界面子模块实现用户与系统的交流,并进行相关操作和分析,实现分析结果可视化输出,并导出Execl格式的数据报告。
(三)使用范围:
本发明可用于水处理用途使用的中空纤维膜设备,不受水质和中空纤维装置类别的限制,可与其他自控系统和装置联合使用。
实施例2:膜污染智能诊断与预警决策系统用于连续微滤设备处理钢铁企业废水
某钢铁集团内部无常规供水水源,采取将生产废水、生活污水以及雨水等多水源集中处理与再生回用的方法为企业提供生产使用循环水与补充水。废水经细格栅/沉砂池、水解酸化池、CAST系统、絮凝反应池/沉淀池、微滤和反渗透处理后进行多用途回用,其中连续微滤膜(CFM)系统主要是将钢铁污水厂生物处理的二级出水进行深度处理,以满足多用途回用和反渗透预处理要求。为便于对比,将本发明用于部分CMF设备的生产运行,具体实施过程如下:
(1)远程在线监控进出水水质、水量和中空纤维膜设备运行参数,进行数据采集:
通过在线远程监控模块,实时监测中空纤维膜设备运行参数和进出水水量,并监测包括pH、浊度、TDS等在内的水质指标。以2010年现场某时段部分运行与监测过程为例,首先进入膜污染智能诊断与预警决策系统登陆界面,为保障系统的安全运行和维护,登陆界面需输入用户名和登陆密码,验证合格后进入系统操作平台;其中远程在线监控模块中,可实时观测膜设备和智能仪表反馈的数据,了解系统运行状态,包括:关/开机情况、压力、流量、水质指标等,还可通过界面对所监控设备的运行参数由人工进行手动设定和修改;图6为流量变化趋势图,图7为在不同时刻监测到的出水pH值情况,图8为在不同时刻监测到的出水浊度情况,图9为在不同时刻监测到的出水TDS情况。
表1:监测到的设备运行参数设置
参数 | 设定值 |
制水时间(S) | 800 |
反洗时间(S) | 40 |
反冲时间(S) | 40 |
排放时间(S) | 15 |
产水流量(m3/h) | 2 |
进水压力报警值(MPa) | 0.1 |
进水压力停机值(MPa) | 0.12 |
跨膜压差报警值(MPa) | 0.1 |
反洗泵汽水洗频率(Hz) | 12 |
反洗泵冲洗频率(Hz) | 24 |
(2)根据所监控的数据,预测膜污染趋势、速度,模拟污染演化过程:
通过膜污染预测模块,对现场监测的数据分以下几个子步骤实施:
①采用归一化的方法将步骤(1)监控得到的数据进行样本处理和分类,形成训练样本集和验证样本集;
②选取训练样本集,采用改进的混合遗传-支持向量机模型进行膜污染通量衰减速度、跨膜压差、膜损伤程度、膜垢生长速度等污染变化趋势和污染演化过程的预测。
③采用改进的混合遗传-支持向量机模型进行污染过程演化的仿真;其中跨膜压差预测如图10:跨膜压差的变化
④将由训练样本计算得出的预测值与验证样本进行误差分析,优化调整模型参数,提高预测的精度和准确性;
⑤对整个预测结果,进行膜污染过程分析。
(3)评估膜污染程度,进行警情不确定因素分析、警兆分析和警情识别,判定预警级别:
采用神经网络方法(BP模型)对膜组件的污染程度和状态进行评估,确定此阶段膜设备处在3级黄色预警,表示膜系统运行安全会受到一定程度污染的威胁,在未来一段时间内,污染趋势会恶化,需要调节膜系统运行参数,并同时进行在线气水冲洗和化学清洗来实现保障膜系统长效稳定运行。
(4)调用膜系统异常情况智能诊断与决策模块,对造成膜污染的可能因素进行智能诊断:
步骤(4)在调用膜系统异常情况智能诊断与决策模块中模糊专家系统中进行,诊断出造成膜污染因素如下:
①结垢污染
当难溶盐类在膜元件内不断被浓缩且超过其溶解度极限时,它们就会在膜面上发生结垢,回收率越高,产生结垢的风险性就越大。结垢污染物有碳酸钙结垢、硫酸钙结垢、硅垢等。
②胶体污染
澄清池或介质过滤器所用的预处理絮凝剂如聚合氯化铝、三氯化铁、阳离子聚电解质,会与微小的胶体和颗粒结合,聚集成大尺度絮凝体,造成微滤膜的污染。
③铁锰污染
对原水进行加氯处理,含氯量达到5ppm以上,二价铁锰就会转化成三价铁锰,并形成难溶性的胶体氢氧化物颗粒。铁锰类沉淀物容易堵塞膜孔,造成产水通量的下降。
(5)根据预警级别和污染因素识别,筛选和决策出适合此类情况下的膜污染防治措施和解决方案:
步骤(5)根据预警级别和污染因素识别,调用数据库和专家系统,进行筛选和决策最佳的膜污染防治措施、解决方案以及最佳的实施阶段。筛选及决策的具体参数与清洗方案内容如下:预处理工艺最佳出水水质控制要求见表2;设备清洗运行参数设备见表3;
表2:预处理工艺水质控制值
指标 | 控制值 |
COD(mg/L) | ≤300 |
BOD(mg/L) | ≤120 |
TOC(mg/L) | ≤145 |
SS(mg/L) | ≤25 |
碱度(mg/L) | ≤240 |
硬度(mg/L) | ≤1000 |
浊度(NTU) | ≤5 |
pH | 5.34~7.3 |
电导率(us/cm) | ≤3500 |
TDS(mg/L) | ≤4500 |
表3:设备清洗运行参数设置
参数 | 设定值 |
制水时间(S) | 900 |
反洗时间(S) | 35 |
反冲时间(S) | 35 |
排放时间(S) | 15 |
产水流量(m3/h) | 2 |
进水压力报警值(MPa) | 0.1 |
进水压力停机值(MPa) | 0.12 |
跨膜压差报警值(MPa) | 0.1 |
反洗泵汽水洗频率(Hz) | 10 |
反洗泵冲洗频率(Hz) | 22 |
表4系统运行数据存贮记录
表5CMF1号设备运行情况查询记录
将应用本发明的CMF设备与其他设备运行情况进行平行对比,如表6:
表6设备运行情况比对表
清洗方案:微滤膜污染后,进水压力达到报警值0.1MPa。采用分步清洗对CMF系统进行清洗:
①用2000ppm NaClO循环30分钟浸泡1h在循环20分钟浸泡2h在循环20分钟浸泡1h后排药清水清洗2次进行系统运行,进水压力恢复到0.048MPa
②接着用0.3%草酸循环30分钟浸泡2h在循环20分钟浸泡1h后排药清水清洗,进行系统运行进水压力恢复到0.043MPa
③用0.5%HCl循环30分钟浸泡2h在循环10分钟浸泡4h在循环20分钟浸泡4h后排药清水清洗,系统运行进水压力恢复到0.041MPa
④接着用0.1%NaOH+1%EDTA循环20分钟浸泡8h在循环20分钟浸泡2h清水清洗2次系统运行进水压力恢复到0.04MPa
(6)对步骤(1~5)进行数据汇集与信息化处理,通过信息资源管理与人机交互模块实现对中空纤维设备的安全运行进行调控和保障。
步骤(6)是对上述的操作过程进行数据汇集与信息化处理,通过信息资源管理与人机交互模块实现对中空纤维设备的安全运行进行调控和保障。人机交互界面子模块实现用户与系统的交流,并进行相关操作和分析,实现分析结果可视化输出,并导出Execl格式的数据报告。表4为设备运行数据存贮情况;表5是对1号CMF设备的数据查询记录,图11是对表4的运行数据分析图;图12和图13为表5数据分析图。
Claims (2)
1.一种中空纤维设备的膜污染诊断与预警决策方法,该方法包括:在线采集监控水质指标和膜系统运行参数数据,通过改进的混合遗传-支持向量机方法对膜污染趋势、速度和污染过程演化进行预测;采用神经网络方法对膜组件的污染程度和状态进行评估,根据所建立的膜污染预警等级规则,进行警情不确定因素分析、警兆分析和警情识别,对膜污染状态的预警等级做出判断;基于数据库和专家系统理论,构建开放式的膜系统异常情况智能诊断平台,快速诊断和分析膜污染的成因,筛选出可抑制中空纤维膜污染变化的最佳控制条件和运行参数,决策出解决此种污染问题最佳控制时段和清洗方案,实现对中空纤维膜设备安全运行的预警分级和先期防治;
该方法由如下的设备实现:包括安装有在线远程监控模块在内的膜污染智能诊断与预警决策软件平台的中心服务器,该服务器由internet网络实现与远程客户的数据交互,并依靠现场控制网络Intranet实现远程客户与现场监测客户机的实时数据通信;中空纤维膜设备上直接安装电磁阀、气动阀、流量计、浊度计、pH计、硬度仪智能仪表,现场监测客户机通过与PLC之间的通信对智能仪表进行调控,实现对膜设备的监控,其中PLC编程口与现场监测计算机采用RS-232C标准的异步串行通信构成;
其中所述的混合遗传-支持向量机方法指的是:将模拟退火思想和加速遗传特性相结合,首先改进选择策略和遗传算子,建立加速遗传模拟退火算法;然后基于支持向量机的非线性回归和改进混合遗传算法的因子筛选,构造了支持向量机模型参数的自适应优化算法。
2.根据权利要求1所述的中空纤维设备的膜污染智能诊断与预警决策方法,其特征在于所述的方法按以下步骤进行:
(1)远程在线监控进出水水质、水量和中空纤维膜设备运行参数,进行数据采集;
(2)根据所监控的数据,预测膜污染趋势、速度和过程;
(3)评估膜污染程度,进行警情不确定因素分析、警兆分析和警情识别,判定预警级别;
(4)调用膜系统异常情况智能诊断与决策模块,对造成膜污染的可能因素进行智能诊断;
(5)根据预警级别和污染因素识别,筛选和决策出适合此类情况下的膜污染防治措施和解决方案;
(6)对步骤(1~5)进行数据汇集与信息化处理,通过信息资源管理与人机交互模块实现对中空纤维设备的安全运行进行调控和保障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010262791 CN101944275B (zh) | 2010-08-26 | 2010-08-26 | 中空纤维设备的膜污染诊断与预警决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010262791 CN101944275B (zh) | 2010-08-26 | 2010-08-26 | 中空纤维设备的膜污染诊断与预警决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101944275A CN101944275A (zh) | 2011-01-12 |
CN101944275B true CN101944275B (zh) | 2012-07-04 |
Family
ID=43436253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010262791 Expired - Fee Related CN101944275B (zh) | 2010-08-26 | 2010-08-26 | 中空纤维设备的膜污染诊断与预警决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101944275B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062450B (zh) * | 2014-07-04 | 2015-12-02 | 天津工业大学 | 一种原位监测膜组件污染的方法 |
CN106706491B (zh) * | 2016-11-21 | 2024-01-23 | 北京工业大学 | 膜生物反应器-mbr出水透水率的智能检测方法 |
CN106769748B (zh) * | 2016-11-21 | 2023-08-01 | 北京工业大学 | 膜生物反应器-mbr出水透水率的智能检测系统 |
CN106970183B (zh) * | 2017-04-26 | 2019-09-27 | 福建海峡环保集团股份有限公司 | 用于评价污水对中空纤维膜组件缠绕影响的装置和方法 |
CN107741738A (zh) * | 2017-10-20 | 2018-02-27 | 重庆华绿环保科技发展有限责任公司 | 一种污水处理过程监控智能预警云系统及污水处理监测预警方法 |
CN110124520B (zh) * | 2019-05-14 | 2024-04-19 | 国能水务环保有限公司 | 一种电厂反渗透膜浓缩倍率控制系统 |
CN110186505B (zh) * | 2019-06-06 | 2020-02-14 | 浙江清华长三角研究院 | 一种基于支持向量机的农村生活污水处理设施出水达标情况的预测方法 |
CN111204867B (zh) * | 2019-06-24 | 2021-12-10 | 北京工业大学 | 膜生物反应器-mbr膜污染智能决策方法 |
CN110668562B (zh) * | 2019-10-25 | 2022-05-13 | 中信环境技术(广州)有限公司 | 实时消除膜生物反应器污染的控制方法、系统及存储介质 |
CN112755797A (zh) * | 2020-12-30 | 2021-05-07 | 北京城市排水集团有限责任公司 | 一种膜系统产水率提升改造的方法及系统 |
CN113274885B (zh) * | 2021-03-24 | 2023-02-07 | 重庆工商大学 | 应用于膜法污水处理的膜污染智能化预警方法 |
CN115105964B (zh) * | 2022-06-14 | 2024-04-02 | 厦门牧云数据技术有限公司 | 一种基于故障诊断专家系统提升膜性能的方法 |
CN117138588B (zh) * | 2023-10-27 | 2024-02-13 | 克拉玛依曜诚石油科技有限公司 | 反渗透系统的智能在线清洗方法及其系统 |
CN118387988B (zh) * | 2024-06-28 | 2024-09-13 | 浙江钱江水利供水有限公司 | 一种检测水样酸碱度智能更换膜系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1479101A (zh) * | 2003-07-09 | 2004-03-03 | 天津泰达新水源科技开发有限公司 | 中空纤维分离膜的自动在线检测装置 |
CN101021725A (zh) * | 2007-03-23 | 2007-08-22 | 陈金龙 | 污水泵站监控系统 |
CN101344505A (zh) * | 2008-09-01 | 2009-01-14 | 天津工业大学 | 一种中空纤维膜污染的在线监测方法及其监测装置 |
CN101609309A (zh) * | 2009-07-11 | 2009-12-23 | 大连理工大学 | 膜生物反应器膜污染优化控制专家系统 |
-
2010
- 2010-08-26 CN CN 201010262791 patent/CN101944275B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1479101A (zh) * | 2003-07-09 | 2004-03-03 | 天津泰达新水源科技开发有限公司 | 中空纤维分离膜的自动在线检测装置 |
CN101021725A (zh) * | 2007-03-23 | 2007-08-22 | 陈金龙 | 污水泵站监控系统 |
CN101344505A (zh) * | 2008-09-01 | 2009-01-14 | 天津工业大学 | 一种中空纤维膜污染的在线监测方法及其监测装置 |
CN101609309A (zh) * | 2009-07-11 | 2009-12-23 | 大连理工大学 | 膜生物反应器膜污染优化控制专家系统 |
Non-Patent Citations (1)
Title |
---|
高嵩等.超滤用于钢铁厂污水回用的中试研究.《环境工程学报》.2007,第1卷(第2期),第43-45页. * |
Also Published As
Publication number | Publication date |
---|---|
CN101944275A (zh) | 2011-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101944275B (zh) | 中空纤维设备的膜污染诊断与预警决策方法 | |
US6408227B1 (en) | System and method for controlling effluents in treatment systems | |
EP2731917B1 (en) | Method of maintaining water quality in a process stream | |
DE69032557T2 (de) | Verfahren und system zur regelung eines verfahrens | |
CN107219779A (zh) | 一种水处理药剂的投加方法及装置 | |
CN111612678B (zh) | 污水管理云平台的实现方法 | |
KR100331708B1 (ko) | 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법 | |
JP2001079310A (ja) | 水質制御方法及びその装置 | |
CN207827991U (zh) | 一种智能净化水系统 | |
JP2010158632A (ja) | 上水施設の監視制御システム | |
Han et al. | Optimization of coagulant dosing process in water purification system | |
CN114723319B (zh) | 一种全流程水系统的管控方法、系统、介质及电子终端 | |
Alitaleshi et al. | Using a multi-objective optimal design of GMDH type neural networks to evaluate the quality of treated water in a water treatment plant. | |
KR20230086849A (ko) | 유입수 인공지능 예측모델 기반 막생물반응기 최적화시스템 및 최적화방법 | |
KR102021719B1 (ko) | 폐수 내 중금속을 제거하기 위한 선택적 이온분리시스템, 이의 제어방법, 및 생산관리시스템 | |
Adgar et al. | Performance improvements at surface water treatment works using ANN-based automation schemes | |
Nahm et al. | Development of an optimum control software package for coagulant dosing process in water purification system | |
CN112707582A (zh) | 一种城市污水回用于火电厂的预处理系统 | |
Senthil Rathi et al. | Artificial intelligence integration in conventional wastewater treatment techniques: techno-economic evaluation, recent progress and its future direction | |
Tiza | An overview of the application of artificial intelligence in water engineering | |
Langat et al. | Control Strategies for Turbidity Removal in Drinking Water Treatment Plants–A Review | |
Nichita et al. | Water pollution diagnosis with a multi-agent approach | |
Wang et al. | Water plant optimization control system based on machine learning | |
Shariff | Automation of water treatment plants with artificial neural networks and remote monitoring systems. | |
CN118598392A (zh) | 一种污水智能处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120704 Termination date: 20180826 |