CN102531121A - 水处理混凝剂最佳投量预测系统及预测方法 - Google Patents
水处理混凝剂最佳投量预测系统及预测方法 Download PDFInfo
- Publication number
- CN102531121A CN102531121A CN2011104104970A CN201110410497A CN102531121A CN 102531121 A CN102531121 A CN 102531121A CN 2011104104970 A CN2011104104970 A CN 2011104104970A CN 201110410497 A CN201110410497 A CN 201110410497A CN 102531121 A CN102531121 A CN 102531121A
- Authority
- CN
- China
- Prior art keywords
- water
- data
- technology
- coagulation
- turbidity
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种水处理混凝剂最佳投量预测系统,该系统包括数据采集与监测系统、数据中心和主控计算机;读取所述数据库中的所述监测数据,将其作为输入数据,代入不确定性水质模型对混凝-沉淀工艺出水浊度的概率分布进行预测处理;以所述“混凝-沉淀”工艺出水浊度进行预测结果为依据,确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围,结合出水实际浊度确定工艺运行过程中的混凝剂投量,与现有技术相比,本发明能够迅速准确地在水厂原水水质变化条件下,预测混凝剂最佳投量的取值范围,同时对水厂“混凝-沉淀”工艺运行情况的相关数据进行有效的管理,从而保证水厂工艺运行的稳定。
Description
技术领域
本发明涉及水处理系统的测量技术,尤其涉及城市水处理混凝沉淀工艺中混凝剂最佳投量的预测。
背景技术
在城市水处理中,“混凝-沉淀”是一项重要的常规处理工艺。在原水水质不断变化的情况下,水厂需要在保证持续稳定地控制出厂水浊度的同时,控制混凝剂的使用量以降低成本。混凝剂的最佳投量是指水厂达到既定水质目标的最小混凝剂投量。在实际生产实践中,水厂主要通过烧杯试验以及以往生产经验确定混凝剂的最佳投量。然而,由于这些方法受人为因素的影响较大,不同监测人员可能有不同的判断标准。其它机理的絮凝控制仪也存在着技术不成熟、硬件设施不完善等缺点。这些都导致了水厂出水浊度不稳定、水处理成本差异较大等问题。实际生产中缺乏有效的混凝剂最佳投量预测系统,成功应用于实际生产的例子很少。
发明内容
基于上述现有技术,本发明提出了一种水处理混凝剂最佳投量预测系统及预测方法,利用可远程控制的计算辅助系统结合再生水厂原水水质的采集与分析处理,以对“混凝-沉淀”工艺出水浊度进行的预测处理结果为依据,完成混凝剂最佳投量预测。
本发明提出了一种水处理混凝剂最佳投量预测系统,该系统包括数据采集与监测系统、数据中心和主控计算机,用于监测和分析水厂“混凝-沉淀”工艺运行情况,预测“混凝-沉淀”工艺中混凝剂最佳投量,其中:
所述数据采集与监测SCADA系统,包括若干个遥测远传终端和通讯系统,所述遥测远传终端用于采集水厂原水进水监测点、“混凝-沉淀”工艺出水监测点处的相关理化指标数据,以及所述通讯系统,用于遥测远传终端与数据中心的信息通讯;
所述数据中心,用于该系统的控制和数据存储,包括服务器和数据库,所述服务器用于控制数据采集与监测系统,监控过程值并与过程硬件通讯;所述服务器上的数据库,用来存储按时序监测的理化指标数据,该理化指标数据为原水进水浊度、原水pH值、原水温度、“混凝-沉淀”工艺出水浊度数据)以及混凝剂实际投量数据;
所述主控计算机包括:存储模块,用于存储混凝剂最佳投量预测分析的相关数据信息;以及数据采集模块,用于控制所述数据采集与监测SCADA系统对水厂原水进水监测点和工艺出水监测点理化指标进行所述相关数据信息的循环采集,并将采集到的相关数据信息作为监测数据传送到所述数据库中存储;所述相关数据信息包括:
①水厂的基础情况与数据;
②水厂原水和工艺出水理化指标监测数据:监测指标为原水进水浊度、原水pH值、原水温度,以及“混凝-沉淀”工艺出水浊度数据;
③水厂“混凝-沉淀”工艺运行中混凝剂实际投量数据:与原水和工艺出水理化指标数据同时期的相应混凝剂实际投量历史数据;
混凝-沉淀工艺出水浊度预测模块,用于读取所述数据库中的所述监测数据,将其作为输入数据,代入不确定性水质模型对混凝-沉淀工艺出水浊度的概率分布进行预测处理;所述不确定性水质模型的计算包括:基于上述原水、工艺出水理化指标数据以及混凝剂实际投量数据,建立数据库,并利用该数据库的数据样本构建预测“混凝-沉淀”工艺出水浊度的不确定性水质模型;
混凝剂最佳投量预测模块,用于确定混凝-沉淀工艺的混凝剂最佳投量,以所述混凝-沉淀工艺出水浊度进行预测结果为依据,确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围,结合出水实际浊度确定工艺运行过程中的混凝剂投量;所述预测混凝剂最佳投量的计算包括:根据预测“混凝-沉淀”工艺出水浊度的不确定性水质模型,结合当前原水水质条件以及工艺出水实际水质情况确定工艺运行过程中的混凝剂最佳投量。
所述代入不确定性水质模型对“混凝-沉淀”工艺出水浊度进行预测处理为:建立不确定性水质模型,该不确定性水质模型通过基于马尔科夫蒙特卡罗方法的Metropolis-Hastings算法,在实测数据基础上对模型参数的后验分布进行采样,然后以参数的样本进行随机模拟,从而得到模型预测值的概率分布情况;在本系统中,首先建立原水进水浊度、原水pH值、原水温度、混凝剂投加量与工艺出水浊度之间的幂指数模型,并得到模型中待估参数,然后运行M-H算法,以数据库中的实测数据为样本对模型参数进行采样,并以当前水厂原水理化指标数据为模型输入,采用模型参数采样样本进行随机模拟,预测“混凝-沉淀”工艺出水浊度随混凝剂投量变化的概率分布,得到工艺出水浊度概率分布图。
所述确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围的处理包括:
水厂“混凝-沉淀”工艺出水浊度需达到某一特定值以下,将该浊度数值与工艺出水浊度概率分布进行比对,并截取该浊度下混凝剂投量取值区间,同时结合当前工艺出水实际浊度变化情况、混凝剂投量因素条件,确定工艺运行过程中的混凝剂最佳投量。
所述数据采集与监测系统按预先设定的时段完成采集,采集结果经由有线或无线通讯方式发送给数据中心。
所述“混凝-沉淀”工艺出水浊度的特定值,该特定值一般由水处理的后续工艺决定,工艺出水浊度应满足小于该特定值以下,以保证后续处理的要求,如一般水厂要求“混凝-沉淀”工艺出水浊度在1NTU以下。
本发明还提出了一种水处理混凝剂最佳投量预测方法,该方法包括以下步骤
步骤一,采集并存储水厂原水进水监测点、“混凝-沉淀”工艺出水监测点处的相关理化指标数据;
步骤二,存储混凝剂最佳投量预测分析的相关数据信息到数据库,所述混凝剂最佳投量预测分析的相关数据信息包括:
①水厂的基础情况与数据;
②水厂原水和工艺出水理化指标监测数据:监测指标为原水进水浊度、原水pH值、原水温度,以及“混凝-沉淀”工艺出水浊度数据;
③水厂“混凝-沉淀”工艺运行中混凝剂实际投量数据:与原水和工艺出水理化指标数据同时期的相应混凝剂实际投量历史数据;
步骤三,读取所述数据库中的所述监测数据,将其作为输入数据,代入不确定性水质模型对混凝-沉淀工艺出水浊度的概率分布进行预测处理,预测“混凝-沉淀”工艺出水浊度的不确定性水质模型的计算又包括以下步骤:基于原水、工艺出水理化指标数据以及混凝剂实际投量数据,建立数据库,并利用该数据库的数据样本构建预测“混凝-沉淀”工艺出水浊度的不确定性水质模型;
步骤四,以所述“混凝-沉淀”工艺出水浊度进行预测结果为依据,确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围,结合出水实际浊度确定工艺运行过程中的混凝剂投量,预测混凝剂最佳投量的计算又包括以下步骤:根据预测“混凝-沉淀”工艺出水浊度的不确定性水质模型,结合当前原水水质条件以及工艺出水实际水质情况确定工艺运行过程中的混凝剂最佳投量。
所述代入不确定性水质模型对“混凝-沉淀”工艺出水浊度进行预测处理为:建立不确定性水质模型,该不确定性水质模型通过基于马尔科夫蒙特卡罗方法的Metropolis-Hastings算法(M-H算法),在实测数据基础上对模型参数的后验分布进行采样,然后以参数的样本进行随机模拟,从而得到模型预测值的概率分布情况;在本系统中,首先建立原水进水浊度、原水pH值、原水温度、混凝剂投加量与工艺出水浊度之间的幂指数模型,并得到模型中待估参数,然后运行M-H算法,以数据库中的实测数据为样本对模型参数进行采样,并以当前水厂原水理化指标数据为模型输入,采用模型参数采样样本进行随机模拟,预测“混凝-沉淀”工艺出水浊度随混凝剂投量变化的概率分布,得到工艺出水浊度概率分布图。
所述确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围是指,水厂“混凝-沉淀”工艺出水浊度需达到一特定值以下,将该浊度数值与工艺出水浊度概率分布进行比对,并截取该浊度下混凝剂投量取值区间,同时结合当前工艺出水实际浊度变化情况、混凝剂投量因素条件,确定工艺运行过程中的混凝剂最佳投量。
所述数据采集与监测系统按预先设定的时段完成采集,采集结果经由有线或无线通讯方式发送给数据中心。
所述“混凝-沉淀”工艺出水浊度的特定值,该特定值一般由水处理的后续工艺决定,工艺出水浊度应满足小于该特定值以下,以保证后续处理的要求,如一般水厂要求“混凝-沉淀”工艺出水浊度在1NTU以下。
与现有技术相比,本发明能够迅速准确地在水厂原水水质变化条件下,预测混凝剂最佳投量的取值范围,同时对水厂“混凝-沉淀”工艺运行情况的相关数据进行有效的管理,从而保证水厂工艺运行的稳定。
附图说明
图1为本发明的水处理混凝剂最佳投量预测系统的结构示意图;
图2是本发明的水处理混凝剂最佳投量预测系统的流程图;
图中:1.数据采集与监测系统(Supervisory Control And Data Acquisition,即SCADA系统),2.数据中心,3.主控计算机,4.遥测远传终端(Remote TerminalUnit,即RTU),5.通讯系统,6.服务器,7,数据库。
图3是本发明的“混凝-沉淀”工艺出水浊度概率分布示意图。
具体实施方式
本发明的水处理混凝剂最佳投量预测系统,由数据采集与监测系统(Supervisory Control And Data Acquisition,即SCADA系统)、数据中心和主控计算机组成,用于监测和分析水厂原水情况,预测“混凝-沉淀”工艺中混凝剂最佳投量。
下面结合附图及具体实施方式进一步详细说明本发明:
在图1中,水处理混凝剂最佳投量预测系统,由SCADA系统1、数据中心2和主控计算机3组成。
其中SCADA系统1主要包括若干个遥测远传终端(RTU)4和通讯系统5两部分。遥测远传终端(RTU)4,是一种远端测控单元装置,用于采集水厂原水进水监测点、“混凝-沉淀”工艺出水监测点处点的水质数据,并按约定的采集时段定时发送(无线或有线方式)给数据中心。通讯系统5,用于RTU与数据中心的信息通讯,可采用有线或无线方式。
数据中心2包括服务器6和数据库7,服务器6可监控过程值并与过程硬件通讯,数据库7用来储存按时序监测的在线监测数据。
主控计算机3内安装有系统软件和应用软件(水处理混凝剂最佳投量预测系统软件),并可随时操作数据库中的数据,是系统的操作平台。
水处理混凝剂最佳投量预测系统软件的流程图如图2所示,该软件主要流程包括以下几个方面:
(1)启动计算机,运行水处理混凝剂最佳投量预测系统。该系统主要包含以下功能与信息:
①系统存有水厂的基础情况与数据:其中包括水厂的“混凝-沉淀”工艺流程情况,工艺流程和相关构筑物的设计参数,以及工艺中各构筑物的运行参数等;
②系统存有水厂原水和“混凝-沉淀”工艺出水理化指标监测数据:一般情况下水厂对“混凝-沉淀”工艺相关构筑物的水力条件已进行优化,在此条件下影响“混凝-沉淀”工艺处理效果的主要因素为水厂原水水质特征和“混凝-沉淀”工艺出水水质要求等,因此选定的监测指标为原水进水浊度、原水pH值、原水温度,以及“混凝-沉淀”工艺出水浊度数据,以上数据按时间顺序进行存储;
③混凝剂实际投量数据:水厂运行过程中“混凝-沉淀”工艺混凝剂实际投量的历史数据,该数据按时间顺序进行存储,并与同时期水厂原水和工艺出水理化指标数据相对应;
④系统将上述数据汇总建立数据库,并构建预测“混凝-沉淀”工艺出水浊度的不确定性水质模型,该不确定性水质模型以贝叶斯定理为基础,贝叶斯定理把概率函数中的未知参数当作随机变量,在抽取样本以前,根据先验知识设置未知参数的分布,称为先验分布,或验前分布,在抽取样本以后,根据对于抽取到的样本的概率规律的了解,就可用贝叶斯公式把参数先验分布改进为后验分布,贝叶斯公式的基本形式为
式中:p(θ|y)是参数的后验分布密度,p(θ)是参数的额先验分布密度,p(y|θ)为参数的似然度信息,p(y)为比例常数;
该不确定性水质模型通过基于马尔科夫蒙特卡罗方法的Metropolis-Hastings算法(M-H算法),在实测数据基础上对模型参数的后验分布进行采样,然后以参数的样本进行随机模拟,从而得到模型预测值的概率分布情况;在本系统中,首先建立原水进水浊度、原水pH值、原水温度、混凝剂投加量与工艺出水浊度之间的幂指数模型,并得到模型中待估参数,然后运行M-H算法,以数据库中的实测数据为基础对模型参数进行采样,得到参数的后验分布,并以当前水厂原水理化指标数据为模型输入,采用模型参数采样样本进行随机模拟,预测“混凝-沉淀”工艺出水浊度随混凝剂投量变化的概率分布,得到工艺出水浊度概率分布图(如图3所示)。
⑤预测混凝剂最佳投量的计算方法:根据预测“混凝-沉淀”工艺出水浊度的不确定性水质模型,结合当前原水水质条件以及工艺出水实际水质情况确定工艺运行过程中的混凝剂最佳投量。
系统通过数据库获取在线监测数据,并对其进行后续分析与研究。
(2)系统定时读取服务器数据库中存储的各监测点在线监测数据。
(3)系统将最近读取的各监测点的在线监测数据作为输入数据,代入已经建立的不确定性模型进行随机模拟,对“混凝-沉淀”工艺出水浊度进行预测,得到当前水质条件下出水浊度随混凝剂投量变化的概率分布,并在计算机中绘制概率分布图(如图3所示),两种深度的灰色区域分别表示95%和90%的置信区间。
(4)系统确定混凝剂最佳投量的取值范围:如图3所示,水厂“混凝-沉淀”工艺出水浊度应满足小于某一特定值以下,以保证后续处理的要求,(如小于1NTU),在得到出水浊度概率分布的基础上,将该浊度要求数值与工艺出水浊度概率分布进行比对,在90%的置信区间内截取该浊度下混凝剂投量取值范围区间;
(5)将当前混凝剂投量与截取的取值范围区间进行对比,判断当前工艺条件下,混凝剂实际投量是否合理,若在取值区间内,系统自动返回(2),等待下一次获取在线监测数据并进行预测;若在取值区间以外,进行下一步操作(6)。
(6)结合当前原水水质条件、工艺出水实际浊度变化情况、混凝剂投量经济因素等条件,在取值区间内选取混凝剂投量,并发送混凝剂投量设定指令。
(7)SCADA系统采集水厂监测点处各项理化指标;与本系统连接的SCADA系统对监测数据进行循环采集,即按照指定时间间隔自动对监测点进行数据采集。
(8)SCADA系统的监测数据随时传送到服务器数据库中,数据库存储实时数据和历史数据,可通过图表方式显示历史和趋势数据,且控制中心可随时对数据库中的数据进行查看、修改、添加、删除等操作。
(9)根据用户需求判断系统是否继续进行。
Claims (10)
1.一种水处理混凝剂最佳投量预测系统,该系统包括数据采集与监测系统、数据中心和主控计算机,用于监测和分析水厂“混凝-沉淀”工艺运行情况,预测“混凝-沉淀”工艺中混凝剂最佳投量,其中:
所述数据采集与监测SCADA系统,包括若干个遥测远传终端和通讯系统,所述遥测远传终端用于采集水厂原水进水监测点、混凝-沉淀工艺出水监测点处的相关理化指标数据,以及所述通讯系统,用于遥测远传终端与数据中心的信息通讯;
所述数据中心,用于该系统的控制和数据存储,包括服务器和数据库,所述服务器用于控制数据采集与监测系统,监控过程值并与过程硬件通讯;所述服务器上的数据库,用来存储按时序监测的理化指标数据,该理化指标数据包括原水进水浊度、原水pH值、原水温度、混凝-沉淀工艺出水浊度数据以及混凝剂实际投量数据;
所述主控计算机包括:存储模块,用于存储混凝剂最佳投量预测分析的相关数据信息;以及数据采集模块,用于控制所述数据采集与监测SCADA系统对水厂原水进水监测点和工艺出水监测点理化指标进行所述相关数据信息的循环采集,并将采集到的相关数据信息作为监测数据传送到所述数据库中存储;所述相关数据信息包括:
水厂的基础情况与数据;
水厂原水和工艺出水理化指标监测数据:监测指标为原水进水浊度、原水pH值、原水温度,以及“混凝-沉淀”工艺出水浊度数据;
水厂“混凝-沉淀”工艺运行中混凝剂实际投量数据:与原水和工艺出水理化指标数据同时期的相应混凝剂实际投量历史数据;
混凝-沉淀工艺出水浊度预测模块,用于读取所述数据库中的所述监测数据,将其作为输入数据,代入不确定性水质模型对混凝-沉淀工艺出水浊度的概率分布进行预测处理;所述不确定性水质模型的计算包括:基于上述原水、工艺出水理化指标数据以及混凝剂实际投量数据,建立数据库,并利用该数据库的数据样本构建预测“混凝-沉淀”工艺出水浊度的不确定性水质模型;
混凝剂最佳投量预测模块,用于确定混凝-沉淀工艺的混凝剂最佳投量,以所述混凝-沉淀工艺出水浊度进行预测结果为依据,确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围,结合出水实际浊度确定工艺运行过程中的混凝剂投量;所述预测混凝剂最佳投量的计算包括:根据预测“混凝-沉淀”工艺出水浊度的不确定性水质模型,结合当前原水水质条件以及工艺出水实际水质情况确定工艺运行过程中的混凝剂最佳投量。
2.如权利要求1所述的水处理混凝剂最佳投量预测系统,其特征在于,所述代入不确定性水质模型对“混凝-沉淀”工艺出水浊度进行预测处理为:建立不确定性水质模型,该不确定性水质模型通过基于马尔科夫蒙特卡罗方法的Metropolis-Hastings算法,在实测数据基础上对模型参数的后验分布进行采样,然后以参数的样本进行随机模拟,从而得到模型预测值的概率分布情况;在本系统中,首先建立原水进水浊度、原水pH值、原水温度、混凝剂投加量与工艺出水浊度之间的幂指数模型,并得到模型中待估参数,然后运行M-H算法,以数据库中的实测数据为样本对模型参数进行采样,并以当前水厂原水理化指标数据为模型输入,采用模型参数采样样本进行随机模拟,预测“混凝-沉淀”工艺出水浊度随混凝剂投量变化的概率分布,得到工艺出水浊度概率分布图。
3.如权利要求1或3所述的水处理混凝剂最佳投量预测系统,其特征在于,所述确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围的处理包括:
水厂“混凝-沉淀”工艺出水浊度需达到某一特定值以下,将该浊度数值与工艺出水浊度概率分布进行比对,并截取该浊度下混凝剂投量取值区间,同时结合当前工艺出水实际浊度变化情况、混凝剂投量因素条件,确定工艺运行过程中的混凝剂最佳投量。
4.如权利要求1所述的水处理混凝剂最佳投量预测系统,其特征在于,所述数据采集与监测系统按预先设定的时段完成采集,采集结果经由有线或无线通讯方式发送给数据中心。
5.如权利要求1所述的水处理混凝剂最佳投量预测系统,其特征在于,所述混凝-沉淀工艺出水浊度的特定值取混凝-沉淀工艺出水浊度在1NTU以下。
6.一种水处理混凝剂最佳投量预测方法,该方法包括以下步骤
步骤一,采集并存储水厂原水进水监测点、“混凝-沉淀”工艺出水监测点处的相关理化指标数据;
步骤二,存储混凝剂最佳投量预测分析的相关数据信息到数据库,所述混凝剂最佳投量预测分析的相关数据信息包括:
水厂的基础情况与数据;
水厂原水和工艺出水理化指标监测数据:监测指标为原水进水浊度、原水pH值、原水温度,以及“混凝-沉淀”工艺出水浊度数据;
水厂“混凝-沉淀”工艺运行中混凝剂实际投量数据:与原水和工艺出水理化指标数据同时期的相应混凝剂实际投量历史数据;
步骤三,读取所述数据库中的所述监测数据,将其作为输入数据,代入不确定性水质模型对混凝-沉淀工艺出水浊度的概率分布进行预测处理,预测“混凝-沉淀”工艺出水浊度的不确定性水质模型的计算又包括以下步骤:基于原水、工艺出水理化指标数据以及混凝剂实际投量数据,建立数据库,并利用该数据库的数据样本构建预测“混凝-沉淀”工艺出水浊度的不确定性水质模型;
步骤四,以所述“混凝-沉淀”工艺出水浊度进行预测结果为依据,确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围,结合出水实际浊度确定工艺运行过程中的混凝剂投量,预测混凝剂最佳投量的计算又包括以下步骤:根据预测“混凝-沉淀”工艺出水浊度的不确定性水质模型,结合当前原水水质条件以及工艺出水实际水质情况确定工艺运行过程中的混凝剂最佳投量。
7.如权利要求1所述的水处理混凝剂最佳投量预测方法,其特征在于,所述代入不确定性水质模型对“混凝-沉淀”工艺出水浊度进行预测处理为:建立不确定性水质模型,该不确定性水质模型通过基于马尔科夫蒙特卡罗方法的Metropolis-Hastings算法(M-H算法),在实测数据基础上对模型参数的后验分布进行采样,然后以参数的样本进行随机模拟,从而得到模型预测值的概率分布情况;在本系统中,首先建立原水进水浊度、原水pH值、原水温度、混凝剂投加量与工艺出水浊度之间的幂指数模型,并得到模型中待估参数,然后运行M-H算法,以数据库中的实测数据为样本对模型参数进行采样,并以当前水厂原水理化指标数据为模型输入,采用模型参数采样样本进行随机模拟,预测“混凝-沉淀”工艺出水浊度随混凝剂投量变化的概率分布,得到工艺出水浊度概率分布图。
8.如权利要求1所述的水处理混凝剂最佳投量预测方法,其特征在于,所述确定工艺出水达到既定水质目标时的混凝剂最佳投量取值范围是指,水厂“混凝-沉淀”工艺出水浊度需达到一特定值以下,将该浊度数值与工艺出水浊度概率分布进行比对,并截取该浊度下混凝剂投量取值区间,同时结合当前工艺出水实际浊度变化情况、混凝剂投量因素条件,确定工艺运行过程中的混凝剂最佳投量。
9.如权利要求1所述的水处理混凝剂最佳投量预测系统,其特征在于,所述数据采集与监测系统按预先设定的时段完成采集,采集结果经由有线或无线通讯方式发送给数据中心。
10.如权利要求1所述的水处理混凝剂最佳投量预测系统,其特征在于,所述“混凝-沉淀工艺出水浊度的特定值取混凝-沉淀工艺出水浊度在1NTU以下。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104104970A CN102531121A (zh) | 2012-02-28 | 2012-02-28 | 水处理混凝剂最佳投量预测系统及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104104970A CN102531121A (zh) | 2012-02-28 | 2012-02-28 | 水处理混凝剂最佳投量预测系统及预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102531121A true CN102531121A (zh) | 2012-07-04 |
Family
ID=46332782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104104970A Pending CN102531121A (zh) | 2012-02-28 | 2012-02-28 | 水处理混凝剂最佳投量预测系统及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102531121A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110980898A (zh) * | 2019-10-11 | 2020-04-10 | 浙江华晨环保有限公司 | 一种净水设备药剂投加系统 |
CN111353650A (zh) * | 2020-03-12 | 2020-06-30 | 苏州市自来水有限公司 | 一种基于云计算的水厂智能优化辅助决策系统 |
CN111356655A (zh) * | 2018-07-13 | 2020-06-30 | 苏伊士集团 | 确定用于处理原水的凝结剂的剂量的方法 |
CN111470597A (zh) * | 2020-03-30 | 2020-07-31 | 无锡融合大数据创新中心有限公司 | 一种基于大数据的智能混凝投药系统及其方法 |
CN113582309A (zh) * | 2021-07-28 | 2021-11-02 | 长三角(义乌)生态环境研究中心 | 一种混凝剂投加量的确定方法和装置 |
WO2022108659A1 (en) * | 2020-11-18 | 2022-05-27 | Hach Company | Process, system, and computer readable storage medium for determining optimal coagulant dosage |
CN114933353A (zh) * | 2022-05-31 | 2022-08-23 | 浙江天行健水务有限公司 | 一种混凝剂的自动投加方法 |
CN115293027A (zh) * | 2022-07-08 | 2022-11-04 | 上海城市水资源开发利用国家工程中心有限公司 | 一种自来水厂高密度澄清处理工艺出水浊度的预测方法 |
CN115375009A (zh) * | 2022-07-28 | 2022-11-22 | 上海城市水资源开发利用国家工程中心有限公司 | 一种建立混凝智能监控联动系统的方法 |
CN116947189A (zh) * | 2023-09-19 | 2023-10-27 | 武汉科迪智能环境股份有限公司 | 混凝剂投加控制方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004267865A (ja) * | 2003-03-06 | 2004-09-30 | Hitachi Ltd | 水処理プロセスの支援システム |
CN1958140A (zh) * | 2006-10-11 | 2007-05-09 | 上海立源水处理科技发展有限公司 | 多元自动加药控制系统 |
-
2012
- 2012-02-28 CN CN2011104104970A patent/CN102531121A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004267865A (ja) * | 2003-03-06 | 2004-09-30 | Hitachi Ltd | 水処理プロセスの支援システム |
CN1958140A (zh) * | 2006-10-11 | 2007-05-09 | 上海立源水处理科技发展有限公司 | 多元自动加药控制系统 |
Non-Patent Citations (3)
Title |
---|
HOLGER R. MAIER 等: "Use of artificial neural networks for predicting optimal alum doses and treated water quality parameters", 《ENVIRONMENTAL MODELLING & SOFTWARE》 * |
殷传斌 等: "SCADA系统在供水优化调度中的应用", 《仪器仪表学报》 * |
王建平 等: "基于MCMC法的水质模型参数不确定性研究", 《环境科学》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111356655A (zh) * | 2018-07-13 | 2020-06-30 | 苏伊士集团 | 确定用于处理原水的凝结剂的剂量的方法 |
CN110980898A (zh) * | 2019-10-11 | 2020-04-10 | 浙江华晨环保有限公司 | 一种净水设备药剂投加系统 |
CN111353650A (zh) * | 2020-03-12 | 2020-06-30 | 苏州市自来水有限公司 | 一种基于云计算的水厂智能优化辅助决策系统 |
CN111470597A (zh) * | 2020-03-30 | 2020-07-31 | 无锡融合大数据创新中心有限公司 | 一种基于大数据的智能混凝投药系统及其方法 |
WO2022108659A1 (en) * | 2020-11-18 | 2022-05-27 | Hach Company | Process, system, and computer readable storage medium for determining optimal coagulant dosage |
CN113582309A (zh) * | 2021-07-28 | 2021-11-02 | 长三角(义乌)生态环境研究中心 | 一种混凝剂投加量的确定方法和装置 |
CN114933353A (zh) * | 2022-05-31 | 2022-08-23 | 浙江天行健水务有限公司 | 一种混凝剂的自动投加方法 |
CN115293027A (zh) * | 2022-07-08 | 2022-11-04 | 上海城市水资源开发利用国家工程中心有限公司 | 一种自来水厂高密度澄清处理工艺出水浊度的预测方法 |
CN115375009A (zh) * | 2022-07-28 | 2022-11-22 | 上海城市水资源开发利用国家工程中心有限公司 | 一种建立混凝智能监控联动系统的方法 |
CN115375009B (zh) * | 2022-07-28 | 2023-09-22 | 上海城市水资源开发利用国家工程中心有限公司 | 一种建立混凝智能监控联动系统的方法 |
WO2024021150A1 (zh) * | 2022-07-28 | 2024-02-01 | 上海城市水资源开发利用国家工程中心有限公司 | 一种建立混凝智能监控联动系统的方法 |
CN116947189A (zh) * | 2023-09-19 | 2023-10-27 | 武汉科迪智能环境股份有限公司 | 混凝剂投加控制方法、装置及存储介质 |
CN116947189B (zh) * | 2023-09-19 | 2023-12-08 | 武汉科迪智能环境股份有限公司 | 混凝剂投加控制方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102531121A (zh) | 水处理混凝剂最佳投量预测系统及预测方法 | |
CN102183621B (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
CN111815128B (zh) | 深层污水排水隧道的调度运行方法、装置和计算机设备 | |
US9760914B2 (en) | Determining cost and processing of sensed data | |
CN104181883A (zh) | 实时数据采集系统的异常数据实时处理方法 | |
CN114047719A (zh) | 一种农村生活污水处理设施远程监测评估系统与运行方法 | |
CN103810533A (zh) | 一种基于云模型的配电网故障风险识别方法 | |
CN102565296A (zh) | 再生水厂原水水质在线预警系统及预警方法 | |
CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
CN113556629B (zh) | 一种智能电表误差远程估计方法及装置 | |
CN115681821B (zh) | 用于智慧燃气设备管理的加臭自动控制方法和物联网系统 | |
CN115345532B (zh) | 一种智能群控电供暖系统碳排放管理平台及方法 | |
CN113868953B (zh) | 工业系统中多机组运行优化方法、装置、系统及存储介质 | |
CN116227637A (zh) | 一种面向有源配电网的精细化负荷预测方法和系统 | |
CN117176560A (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
CN113326585B (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
CN110837933A (zh) | 基于神经网络的漏损识别方法、装置、设备及存储介质 | |
CN114254833A (zh) | 基于多元线性回归和气象数据的水库水位预测及调度方法 | |
CN116225102B (zh) | 一种移动式的储能通信温升自动监控系统及装置 | |
CN111476400A (zh) | 电路故障预测方法、装置、设备及计算机可读介质 | |
CN114997342A (zh) | 一种scr故障诊断方法、装置、设备及存储介质 | |
CN113642248A (zh) | 定位设备剩余使用时间的评估方法及装置 | |
CN112531679A (zh) | 一种测负荷特征大数据监测设备及监测方法 | |
CN114956294B (zh) | 基于人工神经网络的智能加药系统及方法 | |
KR101775424B1 (ko) | 수 처리 설비의 이상 유무 모니터링 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120704 |