CN105764856B - 水处理设备的控制方法、控制程序以及水处理系统 - Google Patents

水处理设备的控制方法、控制程序以及水处理系统 Download PDF

Info

Publication number
CN105764856B
CN105764856B CN201380081195.0A CN201380081195A CN105764856B CN 105764856 B CN105764856 B CN 105764856B CN 201380081195 A CN201380081195 A CN 201380081195A CN 105764856 B CN105764856 B CN 105764856B
Authority
CN
China
Prior art keywords
mentioned
water
treated water
concentration
dirty
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.)
Active
Application number
CN201380081195.0A
Other languages
English (en)
Other versions
CN105764856A (zh
Inventor
大月孝之
佐佐木友野
饭冢洋
中野吉雅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kurita Water Industries Ltd
Original Assignee
Kurita Water Industries Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kurita Water Industries Ltd filed Critical Kurita Water Industries Ltd
Publication of CN105764856A publication Critical patent/CN105764856A/zh
Application granted granted Critical
Publication of CN105764856B publication Critical patent/CN105764856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D61/00—Processes of separation using semi-permeable membranes, e.g. dialysis, osmosis or ultrafiltration; Apparatus, accessories or auxiliary operations specially adapted therefor
    • B01D61/02—Reverse osmosis; Hyperfiltration ; Nanofiltration
    • B01D61/025—Reverse osmosis; Hyperfiltration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D61/00—Processes of separation using semi-permeable membranes, e.g. dialysis, osmosis or ultrafiltration; Apparatus, accessories or auxiliary operations specially adapted therefor
    • B01D61/02—Reverse osmosis; Hyperfiltration ; Nanofiltration
    • B01D61/04—Feed pretreatment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D61/00—Processes of separation using semi-permeable membranes, e.g. dialysis, osmosis or ultrafiltration; Apparatus, accessories or auxiliary operations specially adapted therefor
    • B01D61/02—Reverse osmosis; Hyperfiltration ; Nanofiltration
    • B01D61/12—Controlling or regulating
    • 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
    • C02F1/44—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis
    • C02F1/441—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis by reverse osmosis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2311/00—Details relating to membrane separation process operations and control
    • B01D2311/04—Specific process operations in the feed stream; Feed pretreatment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2311/00—Details relating to membrane separation process operations and control
    • B01D2311/10—Temperature control
    • B01D2311/103—Heating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2311/00—Details relating to membrane separation process operations and control
    • B01D2311/24—Quality control
    • B01D2311/243—Electrical conductivity control
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/001—Upstream control, i.e. monitoring for predictive control
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/003—Downstream control, i.e. outlet monitoring, e.g. to check the treating agents, such as halogens or ozone, leaving the process
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/005—Processes using a programmable logic controller [PLC]
    • C02F2209/006—Processes using a programmable logic controller [PLC] comprising a software program or a logic diagram
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/02—Temperature
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/04—Oxidation reduction potential [ORP]
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/05—Conductivity or salinity
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/08—Chemical Oxygen Demand [COD]; Biological Oxygen Demand [BOD]
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/16—Total nitrogen (tkN-N)
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/20—Total organic carbon [TOC]
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/30—H2
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/40—Liquid flow rate
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2303/00—Specific treatment goals
    • C02F2303/22—Eliminating or preventing deposits, scale removal, scale prevention

Abstract

本发明提供了一种水处理设备的控制方法，其包括：相关判断步骤，其基于定期进行的被处理水的样本分析的结果，来判断在上述被处理水中是否存在水质指标与相对于上述水质指标无因果关系的污浊成分的浓度之间的相关；第1污浊成分浓度推断步骤，其以存在上述相关为条件，统计分析上述被处理水的最近固定期间的上述水质指标的计测值的分布，基于该统计分析的结果和上述相关，推断上述被处理水的上述污浊成分的浓度；以及运转条件决定步骤，其基于推断得到的上述被处理水的上述污浊成分的浓度，确定处理上述被处理水的水处理设备的运转条件。

Description

水处理设备的控制方法、控制程序以及水处理系统
技术领域
本发明涉及水处理设备的控制方法、控制程序以及水处理系统。
背景技术
作为管理水处理设备的现有技术的一个例子，公知一种设备管理系统，其在被通信线路与水处理设备连接的管理中心，监视水处理设备的运转状态，并且评价该运转状态，基于该评价结果变更运转条件(例如，参照专利文献1)。在这样的水处理设备的设备管理系统中，水处理设备的运转状态的评价基于设置在水处理设备的传感器的测量值等而进行。
一般地，作为设置在水处理设备的传感器，使用一般的工业计量仪器。具体地，一般使用以下廉价的传感器：测量被处理水的电导率的电导率计、测量被处理水的浊度的浊度计、测量被处理水的吸光度的吸光光度计、测量被处理水的氢离子指数(potentialHydrogen：pH)的pH计、测量被处理水的氧化还原电位(Oxidation-reductionPotential：ORP)的氧化还原电位计等。
专利文献1：日本专利第3624940号公报
发明内容
发明要解决的问题
上述的一般的工业计量仪器(电导率计、浊度计、吸光光度计、pH计、氧化还原电位计等)，不能直接计测对水处理设备的运转造成不良影响的污浊成分中的与测量的水质指标(电导率、浊度、吸光光度、pH、氧化还原电位等)之间无因果关系的污浊成分(例如，二氧化硅、钙等无机物等)的浓度。另外，能够直接测量这样的污浊成分的测量装置一般是极为高价的，因此，将其设置于水处理设备，因成本的制约等实际上困难的情况多。因此，上述这样的污浊成分的测量通过由作业者的手工作业定期地采集并分析被处理水的样本来进行。
然而，由作业者的手工作业的被处理水的样本采集和分析，在考虑到其作业需要的劳力、时间等时，仅能以例如一周一次或一个月一次的频度实施。因此，仅靠采集样本的被处理水的分析结果，准确地把握被处理水的水质变动是困难的，例如，在被处理水的水质短时间地变动这样的情况下，存在应对迟缓而水处理设备发生异常的问题。
鉴于这样的状况做出本发明，其目的在于，无需设置高价的测量装置，就能够在对被处理水的水质变动准确地应对的最优的运转条件下，运用水处理设备。
用于解决问题的方案
在被处理水的水质指标与污浊成分的浓度之间无因果关系的情况下，理论上，不能由该水质指标直接地推断污浊成分的浓度。但是，对于例如产生源固定，成分变动少的被处理水，该被处理水中包含的多个成分的比例是大致固定的情况多。这种产生源固定，成分变动少的被处理水包括：工业用水、自来水、井水等用水，将这些用水处理得到的的纯水，这些用水仅经过被浓缩的工序而得到的冷却水、锅炉水、RO浓缩水等。该情况对于量产例如单一的食品或饮料品、钢铁、纸浆等的工厂的排水也能够说是相同的情况。另外，关于半导体制造工厂、液晶面板制造工厂、化学联合厂等多个工艺同时运转的工厂的综合排水、主要制造工艺系统的排水等，该排水的性质是大致稳定的情况多，其成分比例是大致固定的情况多。
而且，在包含于被处理水的多个成分的成分比例是大致固定的情况下，相对于某种水质指标有因果关系的成分与相对于该水质指标无因果关系的成分之间的比例，应该是大致固定的。因此，在被处理水的成分比例是大致固定的情况下，通过某种水质指标与某种成分之间的因果关系，在该水质指标与相对于该水质指标无因果关系的其他成分之间，固定的相关关系能够成立。即根据被处理水的产生源、产生过程，存在该被处理水的成分比例是大致固定的情况，在这样的情况下，在某种水质指标与相对于该水质指标无因果关系的污浊成分之间，固定的相关关系能够成立。本发明是基于这样的认识而做出的发明。
本发明是一种水处理设备的控制方法，包括：相关判断步骤，其基于定期进行的被处理水的样本分析的结果，来判断在上述被处理水中是否存在水质指标与相对于上述水质指标无因果关系的污浊成分的浓度之间的相关；第1污浊成分浓度推断步骤，其以存在上述相关为条件，统计分析上述被处理水的最近固定期间的上述水质指标的计测值的分布，基于该统计分析的结果和上述相关，推断上述被处理水的上述污浊成分的浓度；以及运转条件决定步骤，其基于推断得到的上述被处理水的上述污浊成分的浓度，确定处理上述被处理水的水处理设备的运转条件。
首先，根据定期进行的被处理水的样本分析的结果，判断某种水质指标与相对于该水质指标无因果关系的污浊成分的浓度之间的相关关系是否成立。然后，以两者之间的相关关系成立为条件，统计分析被处理水的最近固定期间的水质指标的计测值的分布，基于该统计分析的结果和该相关关系，推断该污浊成分的浓度。由此能够由某种水质指标，高精度地推断相对于该水质指标无因果关系的污浊成分的浓度，因此无需设置高价的计测装置，就能够准确地把握被处理水的水质变动。然后，基于推断得到的该污浊成分的浓度，决定处理该被处理水的水处理设备的运转条件。由此能够在与被处理水的水质变动准确地对应的最优的运转条件下运用水处理设备。
由此，根据本发明能够得到以下作用效果，无需设置高价的计测装置，就能够在与被处理水的水质变动准确地对应的最优的运转条件下运用水处理设备。
附图说明
图1是示出水处理装置的结构的框图。
图2是示出水处理装置的控制步骤的流程图。
图3是被处理水的电导率与二氧化硅浓度的样本分析数据的散布图，以及在最近1个月中的被处理水的电导率测量值的频率分布图。
图4是在过去所有的被处理水的样本分析中的二氧化硅浓度的频率分布图。
具体实施方式
以下参照附图对本发明的实施方式进行说明。
(水处理装置的结构)
作为“水处理设备”的一个例子，参照图1对水处理装置10的结构进行说明。
图1是示出水处理装置10的结构的框图。
水处理装置10具备：RO(Reverse Osmosis)膜分离装置11、电导率传感器12、给水加温装置13、温度传感器14、高压泵15、第一流量传感器16、第二流量传感器17以及控制装置20。
RO膜分离装置11是使用RO膜的水过滤装置，该RO膜具有水透过但水以外的杂质不透过的性质。在此，RO膜是指逆渗透膜，也包括所谓的纳米过滤膜。供给至RO膜分离装置11的被处理水被分离为透过RO膜的透过水、和未透过RO膜的被浓缩的浓缩水。
作为“计测仪器”的电导率传感器12，设置在向RO膜分离装置11供给被处理水的流路(以下称为“被处理水供给路”。)，是测量被处理水的电导率的传感器。给水加温装置13，设置在被处理水供给路，是将向RO膜分离装置11供给的被处理水的温度调整的装置。温度传感器14，设置在被处理水供给路的给水加温装置13的下游侧，是将从给水加温装置13输出的被处理水的温度检出的传感器。高压泵15，设置在被处理水供给路，是向RO膜分离装置11加压送出被处理水的泵。第一流量传感器16，设置在透过水从RO膜分离装置11被排出的流路，是将从RO膜分离装置11排出的透过水的流量检出的传感器。第二流量传感器17，设置在浓缩水从RO膜分离装置11被排出的流路，是将从RO膜分离装置11排出的浓缩水的流量检出的传感器。控制装置20，是公知的微型计算机控制装置，基于电导率传感器12、温度传感器14、第一流量传感器16以及第二流量传感器17的输出信号，控制RO膜分离装置11、给水加温装置13以及高压泵15。
(水处理装置的控制)
为了使向RO膜分离装置11供给的被处理水的温度变为期望的温度，控制装置20基于温度传感器14的输出信号控制给水加温装置13。另外，为了使RO膜分离装置11的水回收率变为期望的水回收率，控制装置20基于第一流量传感器16与第二流量传感器17的输出信号，控制RO膜分离装置11和高压泵15。而且，控制装置20基于电导率传感器12检出的被处理水的电导率，将向RO膜分离装置11供给的被处理水的温度、RO膜分离装置11的水回收率设定在最优值。利用电导率传感器12的被处理水的电导率的计测，以固定的周期反复进行，该电导率计测值的数据，全部被存储、积累于控制装置20的存储装置(未图示)。
另外，RO膜分离装置11的水回收率，根据高压泵15的被处理水的供给压力、或供给的被处理水的温度而变动。而且，从节水的观点来看，优选地，将在RO膜分离装置11产生水垢的风险(以下、称为“水垢产生风险”。)抑制在固定的容许范围，并尽可能高地设定RO膜分离装置11的水回收率。
然而，在使RO膜分离装置11的水回收率升高时，水垢产生风险也随之升高。另外，RO膜分离装置11的水垢产生风险也会影响被供给的被处理水的温度。例如，关于钙系的水垢形成成分，被处理水的温度越高产生风险越高；相反，关于二氧化硅系的水垢形成成分，被处理水的温度越低产生风险越高。即从抑制水垢产生风险的观点来看，优选为将向RO膜分离装置11供给的被处理水的温度维持在某个固定范围。另一方面，从节电的观点来看，优选为向RO膜分离装置11供给的被处理水的温度尽可能低。
而且，RO膜分离装置11的水垢产生风险还根据包含于该被处理水的水垢形成成分(例如，二氧化硅、钙离子、镁离子、碳酸氢离子等无机物质)的浓度变动。在此，例如被处理水的二氧化硅浓度，由于其与该被处理水的电导率之间无因果关系，因此理论上不能根据被处理水的电导率直接推断。但是，如前所述，根据被处理水的产生源、产生过程，存在该被处理水的成分比例变得大致固定的情况。而且，在包含于被处理水的多个成分的成分比例是大致固定的情况下，相对于被处理水的电导率有因果关系的成分，与相对于被处理水的电导率无因果关系的二氧化硅等水垢形成成分的比例，应该是大致固定的。
因此，在被处理水的成分比例是大致固定的情况下，通过被处理水的电导率与某种成分之间的因果关系，在被处理水的电导率与二氧化硅等的水垢形成成分之间固定的相关关系能够成立。作为这样的被处理水的具体的例子，能够列举出：例如，含有离子成分、有机酸等有机性污浊物质、氯化物离子等无机离子的工业用水、自来水、井水等。
以下，参照图2至图4对水处理装置10的控制步骤进行说明。
图2是示出水处理装置10的控制步骤的流程图。
1、相关判断步骤
首先，根据定期进行的被处理水的样本分析的结果，来判断在被处理水的电导率与二氧化硅(SiO2)浓度之间是否存在相关。关于该样本分析，例如作业者以一天、一周或一个月一次的频率，采集被处理水的样本，进行该采集的样本的电导率的计测和二氧化硅浓度的分析。然后，根据积累的固定数量的样本分析结果的数据，计算出被处理水的电导率与二氧化硅浓度的相关系数，根据该相关系数判断在两者之间是否有相关(图2的步骤S1)。
一般认为，相关系数的绝对值为0.2-0.4则存在轻微相关，为0.4-0.7则存在相当程度的相关，为0.7-1.0则存在强相关。在本发明中，关于以哪种程度的相关为基准来判断相关的有无，可以根据在水处理装置10中能够容许哪种程度的风险等来适当决定。例如，在该实施例中，关于在被处理水的电导率与二氧化硅浓度之间是否存在相关，以相关系数的绝对值是否为0.5以上来判断(图2的步骤S2)。该相关系数的运算和相关的有无的判断，例如，可以是作业者基于样本分析结果的数据以手工作业进行并将其结果输入至控制装置20，也可以是将样本分析结果的数据输入控制装置20并由控制装置20的计算机运行程序进行演算处理。
2、第1污浊成分浓度推断步骤
图3是将被处理水的电导率与二氧化硅浓度的样本分析数据的一个例子示出的散布图，以及将最近1个月的被处理水的电导率计测值的频率分布示出的图。
以被处理水的电导率与二氧化硅浓度的相关系数的绝对值为0.5以上为条件(在图2的步骤S2为“是”)，统计分析被处理水的最近固定期间的电导率计测值(由电导率传感器12计测得到的被处理水的电导率)的分布(图2的步骤S3)。然后，基于该统计分析的结果、被处理水的电导率与二氧化硅浓度之间的相关，推断被处理水的二氧化硅浓度(图2的步骤S4)。
更具体地，首先，对被处理水的样本分析的结果进行回归分析，求出回归直线(图3的实线A)和其预测界限(图3的虚线B、C)。接着，通过统计分析求出被处理水的最近一个月的电导率测量值的频率分布(图3的附加符号D的图像)的平均值μ和标准偏差σ，求出在基于该平均值μ和标准偏差σ所设定的出现概率的范围内，电导率计测值的最大值Xm。例如，在电导率测量值属于从平均值μ的偏差为2σ的范围内时，该出现概率约为95.44％。在该情况下，被处理水的实际的电导率超过最大值Xm的风险约为4.56％。然后，基于回归直线A的上限的预测界限B和电导率测量值的最大值Xm，求出与被处理水的电导率测量值的最大值Xm对应的二氧化硅浓度的最大值(最差值)Ym，将其推断为被处理水的二氧化硅浓度。
上述说明的被处理水的样本分析结果的回归分析、被处理水的最近一个月的电导率计测值的频率分布的统计分析、以及基于该回归分析和统计分析求出二氧化硅浓度的最大值Ym的步骤，例如，可以是作业者以手工作业来进行，也可以是由控制装置20的计算机所运行的程序来运算处理。
3、第2污浊成分浓度推断步骤
例如，当被处理水的产生源、产生过程暂时地发生某些变动时，存在被处理水的成分比例发生变动的可能性，从而被处理水的电导率与二氧化硅浓度之间的相关关系可能暂时变得不成立。而且，在被处理水的电导率与二氧化硅浓度之间相关关系不成立的情况下，根据上述第1污浊成分浓度推断步骤，即基于被处理水的电导率来推断被处理水的二氧化硅浓度变得困难。因此，在这样的情况下，例如将被处理水的电导率与二氧化硅浓度的相关系数的绝对值不足0.5作为条件(在图2的步骤S2为“否”)，临时地，将过去所有的被处理水的样本分析中的被处理水的二氧化硅浓度的分布进行统计分析(图2的步骤S5)。然后，基于该统计分析的结果，推断被处理水的二氧化硅浓度(图2的步骤S6)。即基于过去的样本分析中的二氧化硅浓度的积累数据，统计地推断被处理水的二氧化硅浓度。
图4是将过去所有的被处理水的样本分析中的二氧化硅浓度的频率分布示出的图。
更具体地，首先，根据统计分析，求出过去所有的被处理水的样本分析中的二氧化硅浓度的频率分布的平均值μ和标准偏差σ，并求出在基于该平均值μ和标准偏差σ所设定的出现概率的范围内，二氧化硅浓度的最大值Ym。例如，在二氧化硅浓度属于从平均值μ的偏差2σ的范围内时，该出现概率约为95.44％。在该情况下，被处理水的实际的二氧化硅浓度超过最大值Ym的风险约为4.56％。然后，将该二氧化硅浓度的最大值Ym推断为被处理水的二氧化硅浓度。
上述说明的过去所有的被处理水的样本分析中的被处理水的二氧化硅浓度的分布的统计分析、以及基于该统计分析计算二氧化硅浓度的最大值Ym的步骤，例如，可以是作业者以手工作业来进行，也可以是由控制装置20的计算机所运行的程序来运算处理。
4、运转条件决定步骤
基于上述说明的根据第1污浊成分浓度推断步骤或第2污浊成分浓度推断步骤中的任意一个推断得到的被处理水的二氧化硅浓度，确定处理被处理水的水处理设备10的运转条件(图2的步骤7)。更具体地，基于被处理水的二氧化硅浓度的最大值Ym，例如设定RO膜分离装置11的水回收率、例如设定向RO膜分离装置11供给的被处理水的温度。关于该RO膜分离装置11的水回收率的设定、向RO膜分离装置11供给的被处理水的温度的设定，例如，可以是作业者以手工作业进行，也可以是由控制装置20的计算机所运行的程序来自动设定。
5、作用效果
根据上述说明的水处理装置的控制步骤，能够根据被处理水的电导率高精度地推断相对于该电导率无因果关系的被处理水的二氧化硅浓度，因此无需设置高价的测量装置，就能够准确地把握被处理水的二氧化硅浓度的变动。而且，基于推断得到的该二氧化硅浓度确定RO膜分离装置11的水回收率、向RO膜分离装置11供给的被处理水的温度，由此能够在与被处理水的二氧化硅浓度的变动准确地对应的最优的运转条件下运用水处理设备10，实现大幅度的节水。
另外，在被处理水的电导率与二氧化硅浓度之间相关关系不成立的情况下，如上所述，优选为，基于过去的样本分析的积累数据，统计地推断被处理水的二氧化硅浓度。由此，即使是在例如被处理水的产生源、产生过程暂时地发生某些变动，被处理水的电导率与二氧化硅浓度之间的相关关系暂时不成立时，也能够设定适当的运转条件来安全地继续水处理设备10的运用。进一步地，被处理水的二氧化硅浓度如上所述，优选为，根据统计分析求出被处理水的二氧化硅浓度的最大值(最差值)，将其推断为被处理水的二氧化硅浓度。由此，能够更安全地进行在最佳运转条件下的水处理装置10的运用。
(其他实施方式、变形例)
不言而喻，本发明不特别限定于上述说明的实施例，在记载于权利要求范围的发明的范围内能够进行各种变形。存储有本发明涉及的水处理设备的控制程序的存储媒体也可以是本发明的对象。
例如，在上述的实施例中，虽然列举了基于被处理水的电导率来推断二氧化硅浓度的例子并进行了说明，但本发明不特别限定于此。也能够推断例如钙(Ca)、镁(Mg)、铁(Fe)等二氧化硅以外的无机物的浓度。另外，还能够推断例如以生化需氧量(BiochemicalOxygen Demand：BOD)、化学需氧量(Chemical Oxygen Demand：COD)、总有机碳(TotalOrganic Carbon：TOC)等作为指标的有机性污浊物质的浓度。此外，还能够推断例如铵钛氮(NH4-N)、亚硝态氮(NO2-N)、硝态氮(NO3-N)等氮系污浊物质的浓度。另外，还能够推断例如磷酸态磷(PO4-P)、全磷(T-P)等磷系污浊物质、被应用于工业生产的原料物质等的排水中的化学物质等。
另外，例如在上述实施例中，虽然列举了将被处理水的电导率作为水质指标的例子并进行了说明，但本发明不特别限定于此。例如，关于含有固体污浊物质的纸浆相关排水等，也能够将被处理水的浊度作为水质指标。而且，关于在例如所有含有有机性污浊物质的排水、所有染色排水等无机/有机染色排水、含有固体污浊物质的纸浆相关排水等，还能够将被处理水的吸光度作为水质指标。而且，关于例如所有含有无机/有机的酸/碱性污浊物质的排水，还能够将被处理水的氢离子指数(pH)作为水质指标。而且，关于例如所有含有氧化还原性污浊物质的排水、所有含有无机/有机的酸/碱性污浊物质的排水，还能够将被处理水的氧化还原电位(ORP)作为水质指标。
(本发明的实施方式)
1、本发明的第1实施方式
本发明的第1实施方式是水处理设备的控制方法，其包括：相关判断步骤，其基于定期进行的被处理水的样本分析的结果，来判断在上述被处理水中是否存在水质指标与相对于上述水质指标无因果关系的污浊成分的浓度之间的相关；第1污浊成分浓度推断步骤，其以存在上述相关为条件，统计分析上述被处理水的最近固定期间的上述水质指标的计测值的分布，基于该统计分析的结果和上述相关，推断上述被处理水的上述污浊成分的浓度；以及运转条件决定步骤，其基于推断得到的上述被处理水的上述污浊成分的浓度，确定处理上述被处理水的水处理设备的运转条件。
首先，根据定期进行的被处理水的样本分析的结果，判断某种水质指标与相对于该水质指标无因果关系的污浊成分的浓度之间的相关关系是否成立。然后，以两者之间的相关关系成立为条件，统计分析被处理水的最近固定期间的水质指标的计测值的分布，基于该统计分析的结果和该相关关系，推断该污浊成分的浓度。由此能够由某种水质指标，高精度地推断相对于该水质指标无因果关系的污浊成分的浓度，因此无需设置高价的计测装置，就能够准确地把握被处理水的水质变动。然后，基于推断得到的该污浊成分的浓度，决定处理该被处理水的水处理设备的运转条件。由此能够在与被处理水的水质变动准确地对应的最优的运转条件下运用水处理设备。
由此，根据本发明的第1实施方式，能够得到以下作用效果，无需设置高价的计测装置，就能够在与被处理水的水质变动准确地对应的最优的运转条件下运用水处理设备。
2、本发明的第2实施方式
本发明的第2实施方式是水处理设备的控制方法，其特征在于，根据在上述本发明的第1实施方式中，上述第1污浊成分浓度推断步骤包括如下步骤：对上述被处理水的样本分析的结果进行回归分析，求出回归直线和其预测界限；通过统计分析，求出上述被处理水的最近固定期间的上述水质指标的计测值的分布的平均值和标准偏差；求出在基于该平均值和标准偏差所设定的出现概率范围内，上述水质指标的计测值的最大值；基于上述回归直线的预测界限和上述水质指标的计测值的最大值，推断上述被处理水的上述污浊成分的浓度。
根据本发明的第2实施方式，能够将相对于被处理水的水质指标无因果关系的污浊成分的浓度推断为推断误差的范围内的最大值(最差值)，因此能够更安全地进行在最优运转条件下的水处理设备的运用。
3、本发明的第3实施方式
本发明的第3实施方式是水处理设备的控制方法，其特征在于，根据上述的本发明的第1实施方式或第2实施方式，还包括：第2污浊成分浓度推断步骤，其以无上述相关为条件，统计分析过去所有的上述被处理水的样本分析中的上述污浊成分的浓度的分布，基于该统计分析的结果，推断上述被处理水的上述污浊成分的浓度。
例如，当在例如被处理水的产生源、产生过程暂时地发生某些变动时，存在被处理水的成分比例发生变动的可能性，由此某种水质指标与相对于该水质指标无因果关系的污浊成分的浓度之间的相关关系暂时地变得不成立。而且，在某种水质指标与相对于该水质指标无因果关系的污浊成分的浓度之间的相关关系不成立的情况下，基于该水质指标推断该污浊成分的浓度变得困难。
因此，在这样的情况下，临时地，对过去所有的被处理水的样本分析中的污浊成分的浓度的分布进行统计分析，基于该统计分析的结果，推断该污浊成分的浓度。即，基于过去的样本分析中的该污浊成分的浓度的积累数据，统计地推断该污浊成分的浓度。由此，即使是在例如被处理水的产生源、产生过程暂时地发生某些变动，该水质指标与该污浊成分的浓度之间的相关关系暂时地变得不成立时，也能够设定适当的运转条件来安全地继续水处理设备10的运用。
4、本发明的第4实施方式
本发明的第4实施方式是水处理设备的控制方法，其特征在于，根据在上述的本发明的第3实施方式，上述第2污浊成分浓度推断步骤包括如下步骤：通过统计分析，求出过去所有的上述被处理水的样本分析中的上述污浊成分的浓度的分布的平均值和标准偏差，求出在基于该平均值和标准偏差所设定的出现概率的范围内，上述污浊成分的浓度的最大值，将其推断为上述被处理水的上述污浊成分的浓度。
根据本发明的第4实施方式，即使是在水质指标与相对于该水质指标无因果关系的污浊成分的浓度之间相关关系不成立的情况下，也能够将相对于该被处理水的水质指标无因果关系的污浊成分的浓度推断为推断误差的范围内的最大值(最差值)，因此能够更安全地进行在适当的运转条件下的水处理设备的运用。
5、本发明的第5实施方式
本发明的第5实施方式是水处理设备的控制方法，其特征在于，根据上述的本发明的第1至第4实施方式中的任意一个实施方式，上述水质指标是上述被处理水的电导率。
包含于被处理水的离子性成分的浓度变动会影响该被处理水的电导率。即在被处理水的电导率与离子性成分的浓度之间有因果关系。而且，在被处理水的成分比例大致固定的情况下，在被处理水的电导率与相对于被处理水的电导率无因果关系的污浊成分的浓度之间，固定的相关关系能够成立。因此，根据本发明的第5实施方式，基于该相关关系，能够根据该被处理水的电导率高精度地推断相对于被处理水的电导率无因果关系的污浊成分的浓度，因而无需设置高价的计测装置，就能够准确地把握被处理水的水质变动。
6、本发明的第6实施方式
本发明的第6实施方式是水处理设备的控制方法，其特征在于，根据上述的本发明的第1至第4实施方式中的任意一个实施方式，上述水质指标是上述被处理水的浊度。
包含于被处理水的固体成分的浓度变动会影响该被处理水的浊度。即在被处理水的浊度与固体成分的浓度之间有因果关系。而且，在被处理水的成分比例大致固定的情况下，在被处理水的浊度与相对于被处理水的浊度无因果关系的污浊成分的浓度之间，固定的相关关系能够成立。因此，根据本发明的第6实施方式，基于该相关关系，能够根据该被处理水的浊度高精度地推断相对于被处理水的浊度无因果关系的污浊成分的浓度，因而无需设置高价的计测装置，就能够准确地把握被处理水的水质变动。
7、本发明的第7实施方式
本发明的第7实施方式是水处理设备的控制方法，其特征在于，根据上述本发明的第1至第4实施方式中的任意一个实施方式，上述水质指标是上述被处理水的吸光度。
包含于被处理水的有机/无机性的溶解成分和固体成分的浓度变动会影响该被处理水的吸光度。即在被处理水的吸光度与有机/无机性的溶解成分和固体成分的浓度之间有因果关系。而且，在处理水的成分比例为大致固定的情况下，在被处理水的吸光度与相对于被处理水的吸光度无因果关系的污浊成分的浓度之间，固定的相关关系能够成立。因此，根据本发明的第7实施方式，基于该相关关系，能够根据该被处理水的吸光度，高精度地推断相对于被处理水的吸光度无因果关系的污浊成分的浓度，因而无需设置高价的计测装置，就能够准确地把握被处理水的水质变动。
8、本发明的第8实施方式
本发明的第8实施方式是水处理设备的控制方法，其特征在于，根据上述本发明的第1至第4实施方式中的任意一个实施方式，上述水质指标是上述被处理水的氢离子指数。
包含于被处理水的酸性成分和碱性成分的浓度变动会影响该被处理水的氢离子指数(pH)。即在被处理水的氢离子指数与酸性成分及碱性成分的浓度之间有因果关系。而且，在被处理水的成分比例为大致固定的情况下，在被处理水的氢离子指数与相对于被处理水的氢离子指数无因果关系的污浊成分的浓度之间，固定的相关关系能够成立。因此，根据本发明的第8实施方式，基于该相关关系，能够根据该被处理水的氢离子指数，高精度地推断相对于被处理水的氢离子指数无因果关系的污浊成分的浓度，因而无需设置高价的计测装置，就能够准确地把握被处理水的水质变动。
9、本发明的第9实施方式
本发明的第9实施方式是水处理设备的控制方法，其特征在于，根据上述本发明的第1至第4实施方式中的任意一个实施方式，上述水质指标是上述被处理水的氧化还原电位。
包含于被处理水的氧化还原物质的浓度变动会影响该被处理水的氧化还原电位(ORP)。即在被处理水的氧化还原电位与氧化还原物质的浓度之间有因果关系。而且，在被处理水的成分比例大致固定的情况下，在被处理水的氧化还原电位与相对于被处理水的氧化还原电位无因果关系的污浊成分的浓度之间，固定的相关关系能够成立。因此，根据本发明的第9实施方式，基于该相关关系，能够根据该被处理水的氧化还原电位高精度地推断将相对于被处理水的氧化还原电位无因果关系的污浊成分的浓度，因而无需设置高价的计测装置，就能够准确地把握被处理水的水质变动。
10、本发明的第10实施方式
本发明的第10实施方式是水处理设备的控制程序，由计算机执行以下步骤：相关判断步骤，其基于定期进行的被处理水的样本分析的结果，来判断在上述被处理水中是否存在水质指标与相对于上述水质指标无因果关系的污浊成分的浓度之间的相关；第1污浊成分浓度推断步骤，其以存在上述相关为条件，统计分析上述被处理水的最近固定期间的上述水质指标的计测值的分布，基于该统计分析的结果和上述相关，推断上述被处理水的上述污浊成分的浓度；以及运转条件决定步骤，其基于推断得到的上述被处理水的上述污浊成分的浓度，确定处理上述被处理水的水处理设备的运转条件。
根据本发明的第10实施方式，根据执行该控制程序的计算机控制的水处理设备，能够得到与上述的本发明的第1实施方式同样的作用效果。
11、本发明的第11实施方式
本发明的第11实施方式是水处理设备的控制程序，其特征在于，根据上述本发明的第10实施方式，使第2污浊成分浓度推断步骤由计算机执行，该第2污浊成分浓度推断步骤以无上述相关为条件，统计分析过去所有的上述被处理水的样本分析中的上述污浊成分的浓度的分布，基于该统计分析的结果，推断上述被处理水的上述污浊成分的浓度。
根据本发明的第11实施方式，根据由执行该控制程序的计算机所控制的水处理设备，能够得到与上述本发明的第3实施方式同样的作用效果。
12、本发明的第12实施方式
本发明的第12实施方式是水处理系统，其特征在于，具备：水处理设备；计测仪器，其计测由上述水处理设备处理的被处理水的水质指标；以及控制装置，其控制上述水处理设备，其中，上述控制装置包括：相关判断手段，其基于定期进行的上述被处理水的样本分析的结果，来判断在上述被处理水中是否存在水质指标与相对于上述水质指标无因果关系的污浊成分的浓度之间的相关；第1污浊成分浓度推断手段，其以存在上述相关为条件，统计分析上述被处理水的最近固定期间的上述水质指标的计测值的分布，基于该统计分析的结果和上述相关，推断上述被处理水的上述污浊成分的浓度；以及运转条件决定手段，其基于推断得到的上述被处理水的上述污浊成分的浓度，确定上述水处理设备的运转条件。
根据本发明的第12实施方式，根据水处理设备，能够得到与上述的本发明的第1实施方式同样的作用效果。
13、本发明的第13实施方式
本发明的第13实施方式是水处理系统，其特征在于，根据上述本发明的第12实施方式，上述控制装置还包括：第2污浊成分浓度推断手段，其以无上述相关为条件，统计分析过去所有的上述被处理水的样本分析中的上述污浊成分的浓度的分布，基于该统计分析的结果，推断上述被处理水的上述污浊成分的浓度。
根据本发明的第13实施方式，根据水处理设备，能够得到与上述的本发明的第3实施方式同样的作用效果。
附图标记说明
10：水处理装置；11：RO膜分离装置；12：电导率传感器；13：给水加温装置；14：温度传感器；15：高压泵；16：第一流量传感器；17：第二流量传感器；20：控制装置。

Claims (10)

1.一种水处理设备的控制方法，其特征在于，包括：
相关判断步骤，其基于定期进行的被处理水的样本分析的结果，来判断在上述被处理水中是否存在水质指标与相对于上述水质指标无因果关系的污浊成分的浓度之间的相关；
第1污浊成分浓度推断步骤，其以存在上述相关为条件，统计分析上述被处理水的最近固定期间的上述水质指标的计测值的分布，基于该统计分析的结果和上述相关，推断上述被处理水的上述污浊成分的浓度；
第2污浊成分浓度推断步骤，其以无上述相关为条件，统计分析过去所有的上述被处理水的样本分析中的上述污浊成分的积累数据的浓度的分布，基于该统计分析的结果，推断上述被处理水的上述污浊成分的浓度；以及
运转条件决定步骤，其选择基于上述相关判断步骤的判断结果的上述第1污浊成分浓度推断步骤或第2污浊成分浓度推断步骤中的任一推断步骤，基于根据该选择的推断步骤推断得到的上述被处理水的上述污浊成分的浓度，确定处理上述被处理水的水处理设备的运转条件。
2.根据权利要求1所述的水处理设备的控制方法，其特征在于，上述第1污浊成分浓度推断步骤包括如下步骤：
对上述被处理水的样本分析的结果进行回归分析，求出回归直线和其预测界限；通过统计分析，求出上述被处理水的最近固定期间的上述水质指标的计测值的分布的平均值和标准偏差；求出在基于该平均值和标准偏差所设定的出现概率范围内，上述水质指标的计测值的最大值；基于上述回归直线的预测界限和上述水质指标的计测值的最大值，推断上述被处理水的上述污浊成分的浓度。
3.根据权利要求1所述的水处理设备的控制方法，其特征在于，上述第2污浊成分浓度推断步骤包括如下步骤：
通过统计分析，求出过去所有的上述被处理水的样本分析中的上述污浊成分的浓度的分布的平均值和标准偏差，求出在基于该平均值和标准偏差所设定的出现概率的范围内，上述污浊成分的浓度的最大值，将其推断为上述被处理水的上述污浊成分的浓度。
4.根据权利要求1-3中的任一项所述的水处理设备的控制方法，其特征在于，上述水质指标是上述被处理水的电导率。
5.根据权利要求1-3中的任一项所述的水处理设备的控制方法，其特征在于，上述水质指标是上述被处理水的浊度。
6.根据权利要求1-3中的任一项所述的水处理设备的控制方法，其特征在于，上述水质指标是上述被处理水的吸光度。
7.根据权利要求1-3中的任一项所述的水处理设备的控制方法，其特征在于，上述水质指标是上述被处理水的氢离子指数。
8.根据权利要求1-3中的任一项所述的水处理设备的控制方法，其特征在于，上述水质指标是上述被处理水的氧化还原电位。
9.一种水处理设备的控制程序，其特征在于，由计算机执行以下步骤：
相关判断步骤，其基于定期进行的被处理水的样本分析的结果，来判断在上述被处理水中是否存在水质指标与相对于上述水质指标无因果关系的污浊成分的浓度之间的相关；
第1污浊成分浓度推断步骤，其以存在上述相关为条件，统计分析上述被处理水的最近固定期间的上述水质指标的计测值的分布，基于该统计分析的结果和上述相关，推断上述被处理水的上述污浊成分的浓度；
第2污浊成分浓度推断步骤，其以无上述相关为条件，统计分析过去所有的上述被处理水的样本分析中的上述污浊成分的积累数据的浓度的分布，基于该统计分析的结果，推断上述被处理水的上述污浊成分的浓度；以及
运转条件决定步骤，其选择基于上述相关判断步骤的判断结果的上述第1污浊成分浓度推断步骤或第2污浊成分浓度推断步骤中的任一推断步骤，基于根据该选择的推断步骤推断得到的上述被处理水的上述污浊成分的浓度，确定处理上述被处理水的水处理设备的运转条件。
10.一种水处理系统，其特征在于，具备：
水处理设备；
计测仪器，其计测由上述水处理设备处理的被处理水的水质指标；以及
控制装置，其控制上述水处理设备，
其中，上述控制装置包括：
相关判断手段，其基于定期进行的上述被处理水的样本分析的结果，来判断在上述被处理水中是否存在水质指标与相对于上述水质指标无因果关系的污浊成分的浓度之间的相关；
第1污浊成分浓度推断手段，其以存在上述相关为条件，统计分析上述被处理水的最近固定期间的上述水质指标的计测值的分布，基于该统计分析的结果和上述相关，推断上述被处理水的上述污浊成分的浓度；
第2污浊成分浓度推断手段，其以无上述相关为条件，统计分析过去所有的上述被处理水的样本分析中的上述污浊成分的积累数据的浓度的分布，基于该统计分析的结果，推断上述被处理水的上述污浊成分的浓度；以及
运转条件决定手段，其选择基于上述相关判断手段的判断结果的上述第1污浊成分浓度推断手段或第2污浊成分浓度推断手段中的任一推断手段，基于根据该选择的推断手段推断得到的上述被处理水的上述污浊成分的浓度，确定上述水处理设备的运转条件。
CN201380081195.0A 2013-11-25 2013-11-25 水处理设备的控制方法、控制程序以及水处理系统 Active CN105764856B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2013/081633 WO2015075835A1 (ja) 2013-11-25 2013-11-25 水処理設備の制御方法及び制御プログラム並びに水処理システム

Publications (2)

Publication Number Publication Date
CN105764856A CN105764856A (zh) 2016-07-13
CN105764856B true CN105764856B (zh) 2019-05-03

Family

ID=53179137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380081195.0A Active CN105764856B (zh) 2013-11-25 2013-11-25 水处理设备的控制方法、控制程序以及水处理系统

Country Status (3)

Country Link
US (1) US10597308B2 (zh)
CN (1) CN105764856B (zh)
WO (1) WO2015075835A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6354192B2 (ja) * 2014-02-14 2018-07-11 オムロン株式会社 因果ネットワーク生成システム
EP3445720A4 (en) 2016-04-18 2019-12-25 Waterwerx Technology Pty Ltd WATER TREATMENT SYSTEM AND METHOD
CN106927519B (zh) * 2017-03-21 2021-01-22 北京小米移动软件有限公司 自动制水方法及装置和智能净水器
JP6911546B2 (ja) * 2017-06-06 2021-07-28 栗田工業株式会社 希薄薬液製造装置
BR112019017301A2 (pt) * 2017-10-09 2020-04-22 Bl Technologies, Inc. métodos e sistemas inteligentes para diagnóstico de saúde de uma estação de tratamento de água, detecção e controle de anomalia
CN108675465A (zh) * 2018-07-09 2018-10-19 上海铱钶环保科技有限公司 凝汽器循环水处理阻垢效果的预测性监控系统及监控方法
US20220305441A1 (en) * 2019-09-05 2022-09-29 Baxter International Inc. Method for controlling water purification, and a water purification apparatus
JP7145375B2 (ja) * 2021-01-29 2022-10-03 栗田工業株式会社 推定装置、予測装置、制御装置、推定システム、予測システム、制御システム、推定プログラム、予測プログラム、制御プログラム、推定方法、予測方法及び制御方法
JP2022136767A (ja) * 2021-03-08 2022-09-21 キオクシア株式会社 基板処理装置および基板処理方法

Family Cites Families (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5242602A (en) * 1992-03-04 1993-09-07 W. R. Grace & Co.-Conn. Spectrophotometric monitoring of multiple water treatment performance indicators using chemometrics
US6076048A (en) * 1997-09-26 2000-06-13 Betzdearborn, Inc. System and method for least squares filtering based leak flow estimation/detection using exponentially shaped leak profiles
US20100332149A1 (en) * 1998-12-17 2010-12-30 Hach Company Method and system for remote monitoring of fluid quality and treatment
US8958917B2 (en) * 1998-12-17 2015-02-17 Hach Company Method and system for remote monitoring of fluid quality and treatment
US7244357B2 (en) * 1999-05-25 2007-07-17 Miox Corporation Pumps for filtration systems
US6535795B1 (en) * 1999-08-09 2003-03-18 Baker Hughes Incorporated Method for chemical addition utilizing adaptive optimization
US6408227B1 (en) * 1999-09-29 2002-06-18 The University Of Iowa Research Foundation System and method for controlling effluents in treatment systems
US6697767B2 (en) * 2000-10-18 2004-02-24 The National University Of Singapore Robust process identification and auto-tuning control
US7404899B2 (en) * 2001-12-13 2008-07-29 Turf Sentry, Inc. Water treatment system
JP2004042016A (ja) * 2002-05-23 2004-02-12 Mitsubishi Electric Corp 浄水場の運転制御装置
AU2003245485A1 (en) * 2002-06-12 2003-12-31 The Water System Group, Inc. Purified water supply system
US6845336B2 (en) * 2002-06-25 2005-01-18 Prasad S. Kodukula Water treatment monitoring system
JP2004275826A (ja) * 2003-03-13 2004-10-07 Toshiba Corp 下水処理場水質監視制御装置
US20050016906A1 (en) * 2003-06-27 2005-01-27 Doug Gettman Mobile field electrical supply, water purification system, wash system, water collection, reclamation, and telecommunication apparatus
FI118981B (fi) * 2003-08-29 2008-05-30 Kemira Oyj Menetelmä ja laitejärjestely kemikaalien automaattisen annostelun säätämiseksi
JP4408706B2 (ja) * 2004-01-13 2010-02-03 三洋電機株式会社 窒素除去方法および装置
US20080314807A1 (en) * 2005-09-23 2008-12-25 Max Rudolf Junghanns Systems and Methods For Treating Water
US20070119782A1 (en) * 2005-11-30 2007-05-31 Rawson James Rulon Y Method and system for controlling corrosivity of purified water
US7720615B2 (en) * 2006-03-20 2010-05-18 Sensis Corporation System for detection and prediction of water quality events
JP4831480B2 (ja) * 2006-06-21 2011-12-07 三浦工業株式会社 膜濾過システム
US20080109175A1 (en) * 2006-08-30 2008-05-08 Sensicore, Inc. Systems and methods for dynamic monitoring of fluid movement in a fluid distribution network using controlled concentration pulses of additives
JP2008055354A (ja) * 2006-08-31 2008-03-13 Toshiba Corp 水処理装置
US7653445B2 (en) * 2007-04-13 2010-01-26 Controlsoft, Inc. Apparatus and method for model-based control
CN102015076A (zh) * 2008-02-19 2011-04-13 Abb研究有限公司 膜分离过程的在线性能管理
CN101546763B (zh) * 2008-03-24 2010-12-22 扬智科技股份有限公司 内嵌存储器装置及制程方法
CN102165286B (zh) * 2008-09-24 2014-09-03 亨斯迈石油化学有限责任公司 使用概率分布的反应器温度控制
US10005681B2 (en) * 2009-08-13 2018-06-26 The Board Of Regents Of The University Of Texas System Sea water reverse osmosis system to reduce concentrate volume prior to disposal
US9618438B2 (en) * 2009-09-09 2017-04-11 ClearCorp System and method for analyzing water samples in a water processing facility
TW201118778A (en) * 2009-11-17 2011-06-01 Inst Information Industry System and method for recommending product and automatic service equipment thereof
US8620468B2 (en) * 2010-01-29 2013-12-31 Applied Materials, Inc. Method and apparatus for developing, improving and verifying virtual metrology models in a manufacturing system
WO2012037274A2 (en) * 2010-09-14 2012-03-22 The Regents Of The University Of California Apparatus, system and method for integrated filtration and reverse osmosis desalination
JP5587240B2 (ja) * 2011-04-21 2014-09-10 株式会社日立製作所 海水淡水化システムの制御装置及びその制御方法
DE102011102662A1 (de) * 2011-05-27 2012-11-29 Manfred Völker RO-(Umkehrosmose)Anlage
US9612230B2 (en) * 2011-06-21 2017-04-04 Miura Co., Ltd. Water quality measuring device
JP6105220B2 (ja) * 2011-07-12 2017-03-29 高砂熱学工業株式会社 亜鉛メッキ鋼管を配管した設備の配管系からのフラッシング排水の処理方法
US9409110B2 (en) * 2011-07-14 2016-08-09 Nalco Company Method of maintaining water quality in a process stream
US20130126430A1 (en) * 2011-09-15 2013-05-23 Deka Products Limited Partnership Systems, Apparatus, and Methods for a Water Purification System
US9856154B2 (en) * 2012-03-27 2018-01-02 Toray Industries, Inc. Fresh water generation method
JP5943196B2 (ja) * 2012-06-26 2016-06-29 栗田工業株式会社 水処理設備の制御方法及び制御プログラム並びに水処理システム
US20140094975A1 (en) * 2012-09-28 2014-04-03 Elo Nielsen Control system for a mobile water filtration unit, and related devices, components, systems and methods
WO2015134655A2 (en) * 2014-03-05 2015-09-11 Adeptdc Co. Systems and methods for intelligent controls for optimal resource allocation for data center operations
US20170121200A1 (en) * 2014-05-30 2017-05-04 Znano Llc Systems for Treating Water

Also Published As

Publication number Publication date
US10597308B2 (en) 2020-03-24
CN105764856A (zh) 2016-07-13
WO2015075835A1 (ja) 2015-05-28
US20160362305A1 (en) 2016-12-15

Similar Documents

Publication Publication Date Title
CN105764856B (zh) 水处理设备的控制方法、控制程序以及水处理系统
Sathasivan et al. Application of new bacterial regrowth potential method for water distribution system–a clear evidence of phosphorus limitation
Mesquita et al. Identifying different types of bulking in an activated sludge system through quantitative image analysis
Tao et al. Fault diagnosis based on PCA for sensors of laboratorial wastewater treatment process
Freixa et al. The effects of sediment depth and oxygen concentration on the use of organic matter: An experimental study using an infiltration sediment tank
Amaral et al. Automatic identification of activated sludge disturbances and assessment of operational parameters
CN110599020B (zh) 发电机组的运行状态评价方法、系统及可读存储介质
Fall et al. Divergence between respirometry and physicochemical methods in the fractionation of the chemical oxygen demand in municipal wastewater
CN103959059A (zh) 用于监测和控制过程流的状态的方法和装置
CN106290763A (zh) 一种污水处理运行参数趋势分析方法及系统
Lanham et al. Denitrification activity of polyphosphate accumulating organisms (PAOs) in full-scale wastewater treatment plants
JP5943196B2 (ja) 水処理設備の制御方法及び制御プログラム並びに水処理システム
US20220316994A1 (en) A method for predicting operation effectiveness of decentralized sewage treatment facility by using support vector machine
Buysschaert et al. Flow cytometric fingerprinting to assess the microbial community response to changing water quality and additives
US6555379B1 (en) Device for monitoring a processing liquid
Massone et al. Biosensors for nitrogen control in wastewaters
CN211374726U (zh) 水质监测系统
JP2022526143A (ja) 水処理プラントにおける異常を検出する方法
KR101711232B1 (ko) 실시간 수질 감시 장치 및 방법
CN105699615A (zh) 水质在线选择性检测方法及设备
Dong et al. Early warning activated sludge bulking by margin of safety for processing indicators in municipal sewage treatment plant
Cecconi Analysis of Integrated Hard and Soft Sensors for Process Control and Monitoring in Water Resource Recovery Facilities
JPH09229923A (ja) 汚濁負荷量計
CN115340173B (zh) 运转指标的计算方法及装置、排水处理方法及装置
Bakos et al. Reconsideration and upgrading of sampling and analysis methods for avoiding measurement-related design and operation failures in wastewater treatment

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant