CN106242099A - 一种工业污水处理系统 - Google Patents

Abstract

本发明公开了一种工业污水处理系统，包括污水处理池、控制中心和在各污水处理池设置的子控制站点，所述子控制站点连接有多个水质、水位监测设备，所述水质、水位监测设备的输出端与控制中心相连；所述污水处理池包括过滤池、搅拌池、分离池、静化池、净化塔。本发明的有益效果为：能全面及时的检测工业污水处理过程中的水质，大大提高了污水处理效率，有很好的经济效益。

Description

一种工业污水处理系统

技术领域

本发明涉及污水处理领域，具体涉及一种工业污水处理系统。

背景技术

相关技术中，在污水处理工艺中，生物处理工艺是广泛被采用的一种污水处理技术，其过程是一个复杂的生化过程。在工业污水处理过程中，为保证污水处理效率，需要严格控制工业污水处理过程中的多个水质参数。但是，由于污水水质的多变性和生物处理系统中生化反应的复杂性，曝气机转速的调整时间常常远远滞后检测结果得出时间，从而出现处理漏洞使得排出的污水水质不符合要求，降低了污水处理效率。

发明内容

针对上述问题，本发明旨在提供一种工业污水处理系统。

本发明的目的采用以下技术方案来实现：

一种工业污水处理系统，包括污水处理池、控制中心和在各污水处理池设置的子控制站点，所述子控制站点连接有多个水质、水位监测设备，所述水质、水位监测设备的输出端与控制中心相连；所述污水处理池包括过滤池、搅拌池、分离池、静化池、净化塔。

本发明的有益效果为：能全面及时的检测工业污水处理过程中的水质，大大提高了污水处理效率，有很好的经济效益。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构连接示意图；

图2是本发明的故障检测子系统的结构示意图。

附图标记：

污水处理池1、控制中心2、子控制站点3、故障监测子系统4、数据采集模块41、监测模型建立模块42、测试信号统计特征量计算模块43、故障判断模块44、故障显示模块45、报警模块46。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例一种工业污水处理系统包括污水处理池1、控制中心2和在各污水处理池1设置的子控制站点3，所述子控制站点3连接有多个水质、水位监测设备，所述水质、水位监测设备的输出端与控制中心2相连；所述污水处理池1包括过滤池、搅拌池、分离池、静化池、净化塔。

优选的，所述控制中心2通过无线网络连接移动终端。

优选的，所述移动终端为手机。

本发明上述实施例能全面及时的检测工业污水处理过程中的水质，大大提高了污水处理效率，有很好的经济效益。

优选的，所述工业污水处理系统还包括用于监测工业污水处理过程的故障监测子系统4，所述故障监测子系统4包括数据采集模块41、监测模型建立模块42、测试信号统计特征量计算模块43、故障判断模块44、故障显示模块45和报警模块46。

本优选实施例通过设置监测模型建立模块42、故障判断模块44和故障显示模块45，可以快速有效地发现工业污水处理过程出现的异常状态，并识别出故障发生位置或者时间，相对监测能力更强，同时对信号要求的假设条件更少。

优选的，所述数据采集模块41包括预采集子模块、后采集子模块和数据修正子模块，所述预采集子模块用于预先采集工业污水处理过程正常状态下的一组无故障时间序列信号数据，所述后采集模块用于采集工业污水处理过程的一组测试时间序列信号数据，所述数据修正子模块主要用于修正预采集子模块和后采集子模块在数据采集过程中造成的误差，获取准确的时间序列信号数据，所述误差包括采集过程中产生的偶然误差和采集设备工作在非标准状况下产生的系统误差，其中，偶然误差通过多次采集取平均值的方法来消除，系统误差通过确定修正因子来消除，对于修正前的多次测量数据x_b1、x_b2、x_b3,修正后的数据x表示为：

$x=\frac{x_{b1}+x_{b2}+x_{b3}}{3}(1-\frac{\mathrm{\Γ}-{\mathrm{\Γ}}_0}{\mathrm{\Γ}})(1-\frac{\mathrm{\Φ}-{\mathrm{\Φ}}_0}{\mathrm{\Φ}})$

式中，Γ₀为标准采集温度，Γ为实际测量时环境温度，Φ₀为标准采气压，Φ为实际测量时气压。

本优选实施例设置数据修正子模块，能够有效消除数据采集过程中产生的误差。

优选的，所述监测模型建立模块42用于建立基于控制图的故障监测模型，包括无故障统计特征量计算子模块和控制图建立子模块，具体为：

(1)无故障统计特征量计算子模块，其运用递归图法对预采集子模块采集到的无故障时间序列信号数据进行分析处理并计算相关的统计特征量，设所述无故障时间序列信号数据为{x₁,x₂,…,x_n}，从中选择k个无故障信号，k个无故障信号对应的递归图为D_Y＝{Y₁,Y₂,…Y_k}，定义基本递归图矩阵 基本递归图矩阵中每个元素取值范围为[0,1]，剩余的无故障时间序列信号数据对应的递归图为D_y＝{Y_k,Y_k+1,…Y_n}，建立无故障统计特征量F_W的计算公式为：

$F_W=\underset{i=1}{\overset{N}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{\left(D_y\right(i,j)-\stackrel{-}{Y_k}(i,j\left)\right)}^2*I\[{\left(D_y\right(i,j)-\stackrel{-}{Y_k}(i,j\left)\right)}^2-T(i,j)\]$

式中，D_y(i,j)为递归图D_y中的元素，T(i,j)为设定的对应于(i,j)位置的阈值，T(i,j)∈[0.8,1]，I(x)为指示函数，此处x＝(D_y(i,j)-Y_k(i,j))²-T(i,j)，当x<0时，I(x)＝0，当x≥0时，I(x)＝1；

(2)控制图建立子模块，用于建立基于统计特征量的平均值-极差控制图并计算平均值-极差控制图的上控制界限UCL和下控制界限LCL，包括依次连接的统计特征量处理单元和控制界限计算单元；所述统计特征量处理单元用于对无故障统计特征量F_W进行处理以生成服从正态分布的样本集均值顺序排列集处理时以无故障统计特征量F_W为基础数据，利用穷举法生成多个样本容量为n_c的新样本集并计算对应的新样本集均值，其中n_c<n-k，设共有m个新样本集均值，m个新样本集均值按从小到大的排列顺序分别为则样本集均值顺序排列集所述控制界限计算单元用于计算所述上控制界限UCL和下控制界限LCL，计算时设定显著性水平α，α∈(0,0.003]，根据概率公式 和PSFW<LCL＝α2计算得到上控制界限UCL和下控制界限LCL；

所述测试信号统计特征量计算模块43用于计算后采集子模块采集到的测试时间序列信号数据的统计特征量，设测试时间序列信号数据对应的递归图为D_H＝{H₁,H₂,…H_l}，建立测试时间序列信号数据的统计特征量的计算公式为：

$F_{D_H}=\underset{i=1}{\overset{N}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}{\left(D_H\right(i,j)-\stackrel{-}{Y_k}(i,j\left)\right)}^2*I\&lsqb;{\left(D_H\right(i,j)-\stackrel{-}{Y_k}(i,j\left)\right)}^2-T(i,j)\&rsqb;$

由于工业污水处理过程信息之间的相关性可表示为递归图和递归图之间的相关性，本优选实施例建立了无故障统计特征量F_w的计算公式和测试时间序列信号数据的统计特征量的计算公式，计算出的统计特征量有效地表征了不同递归图之间的相关性，利用这种相关性，并建立平均值-极差控制图来监测所述测试时间序列信号数据，实现了对工业污水处理过程的异常监测和故障诊断。

优选的，所述故障判断模块44通过由控制图建立模块建立的平均值-极差控制图来监测所述测试时间序列信号数据，并判断工业污水处理过程是否处于故障，包括初步判断子模块和故障确定子模块：

所述初步判断子模块用于初步判定是否存在故障，建立初步故障判断规则为：若或者则初步判断测试信号为异常信号；若则测试信号为正常信号，判断工业污水处理过程处于正常状态；

所述故障确定子模块用于确定是否故障，若或者则确定测试信号为异常信号，判断工业污水处理过程处于故障状态。

本优选实施例将故障判断模块44分为初步判断子模块和故障确定子模块，相当于设立了缓冲区，便于人们及早发现问题。

优选的，所述故障显示模块45用于判断异常信号中发生异常的信号段，包括依次连接的元素点筛选子模块和故障区域判断子模块；所述元素点筛选子模块用于在满足(D_y(i,j)-Yki,j2-Ti,j≥0的元素点中筛选出代表信号异常的元素点并去除因为随机噪声导致异常的元素点，筛选时保留所有的元素点，将其余元素点赋值为0，得到新的递归矩阵定义一连通度阈值T_μ，计算递归矩阵中所有非0元素点之间的连通度μ(i,j),若其连通度μ(i,j)<T_μ，则该元素点赋值为0，若其连通度μ(i,j)≥T_μ，则保留，最终得到新的递归图矩阵

所述故障区域判断子模块用于在由元素点筛选子模块处理后的异常信号中寻找出异常的信号段，寻找时获取递归图矩阵中非0元素点的坐标信息，提取出可能表征故障特征信息的所有区域，建立递归图矩阵中区域Q_x为真实故障区域的判定条件为：

N[Point(i,j)]≥T_ε

且max(i)＝max(j),min(i)＝min(j)

其中，N[Point(i,j)]表示元素点Point(i,j)的数量,T_ε为设定的递归图矩阵中非0元素点数量的阈值。

本优选实施例设置故障判断模块44和故障显示模块45，可在未知任何工业污水处理过程先验知识的情况下，快速有效地发现工业污水处理过程出现的异常状态，并识别出故障发生位置或者时间，相对监测能力更强。

优选的，所述报警模块46由报警器和触发开关组成，与故障判断模块44相连，所述报警器包括警铃和警示灯，当故障判断模块44初步判断信号状态为故障时，警铃发出警报，警示灯闪烁，当故障判断模块44确定信号状态为故障时，警铃发出警报，警示灯闪烁，触发开关触发电闸切断电源，所述报警模块46还具备信息存储和通信功能，能够将报警信息发送给操作人员。

本优选实施例设置报警模块46，能够及早发现问题，避免造成更大损失。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种工业污水处理系统，其特征是：包括污水处理池、控制中心和在各污水处理池设置的子控制站点，所述子控制站点连接有多个水质、水位监测设备，所述水质、水位监测设备的输出端与控制中心相连；所述污水处理池包括过滤池、搅拌池、分离池、静化池、净化塔。

2.根据权利要求1所述一种工业污水处理系统，其特征是：所述控制中心通过无线网络连接移动终端。

3.根据权利要求2所述一种工业污水处理系统，其特征是：所述移动终端为手机。