CN108133428A - 用于动态管理废水处理过程以优化功耗的方法和系统 - Google Patents

用于动态管理废水处理过程以优化功耗的方法和系统 Download PDF

Info

Publication number
CN108133428A
CN108133428A CN201711032293.1A CN201711032293A CN108133428A CN 108133428 A CN108133428 A CN 108133428A CN 201711032293 A CN201711032293 A CN 201711032293A CN 108133428 A CN108133428 A CN 108133428A
Authority
CN
China
Prior art keywords
data
waste water
water treatment
operating parameters
rank
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
Application number
CN201711032293.1A
Other languages
English (en)
Inventor
P.R.S.文蒂塔帕蒂
V.K.安娜马莱
J.辛赫
N.库马
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.)
Carrier Corp
Original Assignee
Carrier Corp
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 Carrier Corp filed Critical Carrier Corp
Publication of CN108133428A publication Critical patent/CN108133428A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Organic Chemistry (AREA)
  • Hydrology & Water Resources (AREA)
  • Environmental & Geological Engineering (AREA)
  • Sustainable Development (AREA)
  • Chemical & Material Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉及用于动态管理废水处理厂中的废水处理过程的方法和系统。从各种数据源收集与水处理过程相关的操作数据，并使用所述操作数据在各个级别识别操作参数。分别基于历史和实时操作数据和实时操作数据识别操作参数的历史和实时阈值。在各个级别计算操作参数对水处理过程的重要程度。此外，基于重要程度、历史和实时阈值来识别指示操作数据的最佳范围的多个拐点。最后，基于拐点对水处理过程进行优化，从而优化所述水处理厂的功耗。上述方法使得能够大规模管理水处理过程，而无需实际访问水处理厂，从而减少了对专业知识和熟练资源的依赖。

Description

用于动态管理废水处理过程以优化功耗的方法和系统
技术领域
本发明的主题总体上涉及废水处理过程，更具体地而非排他地涉及用于动态管理废水处理过程以优化功耗的方法和系统。
发明背景
废水在废水处理厂处理，其中包括各种物理、化学和生物处理过程，根据污染物的类型和程度进行清理。然而，由于与废水处理厂涉及的过程相关的参数的动态变动，所以这些过程是复杂的。例如，诸如流入物的体积、流出物的体积、水的生物化学需氧量(BOD)水平、水在处理厂的停留时间等各种过程参数经受不断变化，因此需要在处理过程的每个部分相对于标准输出质量基准和/或标准操作程序(SOP)对其进行监测和控制。此外，处理过程中涉及的操作可以基于诸如流入体积和废水质量的各种关键参数而变动，这又导致其它参数值的增大/减小。
此外，处理过程中涉及的操作可能因处理过程中使用的设备的反应性控制、操作者的手动干预、多个参数的相关性的缺乏以及实施性质和控制理念而有所不同。废水处理厂的这些变动会导致能源/电力的巨大浪费、资产和/或设备的恶化、处理厂设备的运行和维护成本的增加。
动态管理废水处理厂中的废水处理过程期间主要面临的挑战包括计算每个操作参数的影响程度，并识别操作每个操作参数以便优化废水处理厂的功耗的最佳操作范围。
发明概述
本公开涉及一种动态管理废水处理厂中的废水处理过程的方法。该方法包括通过废水处理系统从一个或多个数据源收集操作数据。基于操作数据在一个或多个级别识别一个或多个操作参数。该一个或多个操作参数用于管理一个或多个废水处理过程。基于与所述一个或多个操作参数中的每一个相关联的历史操作数据，在所述一个或多个级别识别一个或多个操作参数中的每一个的一个或多个历史阈值。此外，基于与一个或多个操作参数中的每一个相关联的历史操作数据，在一个或多个级别计算一个或多个操作参数中的每一个的一个或多个影响程度。在计算一个或多个影响程度后，基于与一个或多个操作参数中的每一个相关的实时操作数据、历史阈值和自由程度中的至少一个确定一个或多个操作参数中的每一个的一个或多个实时阈值。此外，基于一个或多个历史阈值、一个或多个实时阈值和一个或多个重要程度识别一个或多个操作参数中的每一个的一个或多个拐点。最后，基于一个或多个拐点优化一个或多个控制机制，从而优化废水处理厂的功耗。
此外，本公开涉及一种用于动态管理废水处理厂中的废水处理过程的废水处理系统。该废水处理系统包括处理器和通信地耦合到处理器的存储器，其中存储器存储处理器可执行指令，所述指令在执行时使得处理器从一个或多个数据源收集操作数据。处理器基于操作数据在一个或多个级别识别一个或多个操作参数。该一个或多个操作参数用于管理一个或多个废水处理过程。然后，处理器基于与一个或多个操作参数中的每一个相关联的历史操作数据在一个或多个级别识别一个或多个操作参数中的每一个的一个或多个历史阈值。基于与一个或多个操作参数中的每一个相关联的历史操作数据，在一个或多个级别计算一个或多个操作参数中的每一个的一个或多个影响程度。在计算一个或多个影响程度后，处理器基于与一个或多个操作参数中的每一个相关的实时操作数据、历史阈值和自由程度中的至少一个确定一个或多个操作参数中的每一个的一个或多个实时阈值。然后，处理器基于一个或多个历史阈值、一个或多个实时阈值和一个或多个重要程度识别一个或多个操作参数中的每一个的一个或多个拐点。最后，处理器基于一个或多个拐点优化一个或多个控制机制，从而优化废水处理厂的功耗。
上述概述仅仅是说明性的，而不希望以任何方式构成限制。除了上述说明性方面、实施方案和特征之外，参考附图和以下的详细说明，其它方面、实施方案和特征将变得显而易见。
附图简要说明
并入并构成本公开的一部分的附图说明了示例性实施方案，并且与说明一起用于解释所公开的原理。在附图中，附图标记最左边的数字表示附图标记首次出现的图号。所有图中使用相同的标记来指代相似的特征和组件。现在仅通过举例的方式并且参考附图来描述根据本发明的主题的实施方案的系统和/或方法的一些实施方案，其中：
图1A示出了根据本公开的一些实施方案的用于动态管理废水处理厂中的废水处理过程的示例性环境；
图1B示出了根据本公开的一些实施方案的废水处理系统的详细框图；
图2A示出了根据本公开的几个实施方案的废水处理厂的一个或多个级别的各种静态操作数据的示例性列表；
图2B示出了根据本公开的几个实施方案的各种动态操作数据的示例性列表；
图3A说明根据本公开的几个实施方案的识别一个或多个历史阈值的方法；
图3B示出了说明根据本公开的几个实施方案的识别一个或多个实时阈值的方法的框图；
图3C示出了说明根据本公开的几个实施方案的废水处理系统中的拐点模块的操作的流程图；
图3D表示根据本公开的几个实施方案的拐点模块的各种执行级别；
图3E示出了说明根据本公开的几个实施方案的废水处理厂中的废水处理过程的自动调节和自修复的方法的框图；
图3F示出了说明根据本公开的几个实施方案的评估在废水处理厂中配置的一个或多个控制机制的性能的方法的框图；
图4示出了说明根据本公开的一些实施方案的用于动态管理废水处理厂中的废水处理过程的方法的流程图；以及
图5说明用于实施根据本公开的实施方案的示例性计算机系统的框图。
本领域技术人员应当理解，本文的任何框图是表示具体实施本发明的主题的原理的说明性系统的概念图。类似地，应当理解，任何流程图、流程图表、状态转变图、伪代码等等代表可以基本上在计算机可读介质中表示并由计算机或处理器执行的各种过程，不管这样的计算机或处理器是否明确示出。
具体实施方式
在本文档中，本文中使用“示例性”一词来表示“用作例子、实例或说明”。本文描述为“示例性”的本发明的主题的任何实施方案或实现方式不一定要解释为比其它实施方案优选或有利。
虽然本公开允许各种修改和替代形式，但是其具体实施方案已经在附图中举例示出，并且将在下面详细描述。然而，应当理解，并不希望将本公开限制于所公开的特定形式，而是相反，本公开希望涵盖落入本公开的精神和范围内的所有修改、等同物和替代方案。
术语“包括”或其任何其它变体希望涵盖非排他性的包含，使得包括组件或步骤的列表的设置、设备或方法不仅包括那些组件或步骤，而且可以包括未明确列出的或这种设置或设备或方法固有的其它组件或步骤。换句话说，系统或装置中的一个或多个元件前面有“包括一”这个词，而没有更多的限制，并不排除系统或方法中的其它元件或附加元件的存在。
本公开涉及一种用于动态管理废水处理厂中的废水处理过程的方法和系统。废水处理系统从诸如与废水处理厂相关联的OPTIMA、OSI PI、L-TAPP和R-TAPP等一个或多个数据源收集各种操作数据。操作数据可以有两种类型，即静态操作数据和动态操作数据。静态操作数据是在一个时间收集并在一段时间内保持不变的数据。静态数据的几个例子包括站点操作手册(SOM)、电气单线图(SLD)和其它系统架构细节。动态操作数据是可能在一段时间内变动的数据。动态操作数据的一些例子包括进入废水处理厂的流入流/流出流的体积、大气压和其它天气相关数据。
在一个实施方案中，从一个或多个数据源收集的操作数据用于基于操作数据在一个或多个级别识别一个或多个操作参数。举例而言，一个或多个操作参数包括但不限于流入流体积、水的停留时间、污泥体积、流出流体积和功耗。该一个或多个操作参数用于管理一个或多个废水处理过程。在一个实现方式中，废水处理厂的一个或多个级别可以包括企业级别、站点级别、部门级别、子部门级别、资产级别、子资产级别、过程级别、子过程级别和设备级别。此外，基于与一个或多个操作参数中的每一个相关联的历史操作数据，针对一个或多个操作参数中的每一个识别一个或多个历史阈值。可以在预定义时间段(例如1年或2年)中通过在预定义时间段中分析废水处理厂的每个级别来收集历史操作数据。
此外，基于与一个或多个操作参数中的每一个相关的实时操作数据以及一个或多个影响程度确定一个或多个操作参数中的每一个的一个或多个实时阈值。举例而言，可以基于在废水处理厂的一个或多个级别发生的一个或多个动态变动确定实时阈值。此后，在一个或多个级别中的每个级别按依次顺序计算一个或多个操作参数中的每一个的一个或多个影响程度。在一个实施方案中，一个或多个操作参数的影响程度表示操作参数影响一个或多个废水处理的程度的度量。
在一个实施方案中，使用一个或多个历史阈值、一个或多个实时阈值和一个或多个重要程度中的每一个计算一个或多个操作参数中的每一个的一个或多个拐点。所述一个或多个拐点表示操作数据的最佳范围，所述一个或多个操作参数中的每一个必须在该最佳范围内操作以便实现期望的目标并且减少废水处理厂中的总体功耗。在确定一个或多个拐点后，在操作数据的最佳范围内最佳地执行废水处理厂的一个或多个控制机制，从而优化废水处理厂的功耗。
在下面对本公开的实施方案的详细描述中，参照构成本公开的一部分的附图，附图中以说明的方式示出了可以实践本公开的具体实施方案。对这些实施方案进行足够详细的描述，以使本领域技术人员能够实践本公开，并且应当理解，可以利用其它实施方案，并且可以在不脱离本公开的范围的情况下进行改变。因此，以下描述不应在限制性的意义上理解。
图1A示出了根据本公开的一些实施方案的用于动态管理废水处理厂中的废水处理过程的示例性环境。
环境100包括一个或多个数据源(数据源11011至数据源101n，统称为数据源101)和废水处理系统103。废水处理系统103还包括I/O接口105、存储器107和处理器109。在一个实施方案中，废水处理系统103通过I/O接口105从一个或多个数据源101收集在废水处理厂中执行废水处理过程所需的操作数据。这一个或多个数据源101可以包括但不限于OPTIMA、OSI PI、L-TAPP或R-TAPP。举例而言，操作数据可以包括但不限于流入物的体积、流出物的体积、水的生物化学需氧量(BOD)水平、水的化学需氧量(BOD)水平、NTK、废水中的混合液悬浮固体(MLSS)水平、废水处理厂的产率、水的停留时间、阀门位置和资产运行时间，这些数据在污水处理厂不断被监测和控制。在一个实施方案中，操作数据可以被分类为静态操作数据(以下称为静态数据117)和动态操作数据119(以下称为动态数据119)。在一个时间收集并且在一段时间内在厂里没有任何重大变化的情况下不会变化的操作数据可以归类到静态数据117的类别。静态数据117的例子可以包括与废水处理厂相关联的手册和标准操作程序(SOP)。类似地，在一段时间内变动的操作数据可以被归类为动态数据119。举例而言，与废水处理厂相关联的动态数据119可以是废水的溶解氧(DO)水平。
在一个实施方案中，可以从在废水处理厂的一个或多个级别选择的各种数据点收集操作数据。废水处理厂的一个或多个级别包括但不限于企业级别、站点级别311、部门级别313、子部门级别315、资产级别317、子资产级别319、过程级别、子过程级别和设备级别320。然后将在废水处理厂的每个级别收集的操作数据对照废水处理厂的相应级别协调并映射。
此外，废水处理系统103基于收集的操作数据识别一个或多个级别中的每一个的一个或多个操作参数。举例而言，一个或多个操作参数包括但不限于流入流体积、水的停留时间、污泥体积、流出流体积和功耗。可以通过分析和解码与废水处理厂相关联的静态数据117和动态数据119获得一个或多个操作参数。在识别一个或多个操作参数后，废水处理系统103基于与一个或多个操作参数中的每一个相关联的历史操作数据1231在一个或多个级别识别一个或多个操作参数中的每一个的一个或多个历史阈值123。此外，基于与一个或多个操作参数中的每一个相关的实时操作数据、历史阈值和影响程度确定一个或多个操作参数中的每一个的一个或多个实时阈值125。废水处理系统103还基于一个或多个实时阈值125和一个或多个重要程度识别一个或多个操作参数中的每一个的一个或多个拐点。在一个实施方案中，按依次顺序在一个或多个级别中的每一个级别识别一个或多个操作参数中的每一个的一个或多个重要程度。
一个或多个拐点可以包括在一个或多个级别中的每一个级别在废水处理厂中操作一个或多个操作参数中的每一个的最佳范围。可以通过在识别的最佳范围内操作一个或多个操作参数中的每一个优化用于废物处理过程的一个或多个控制机制321，从而优化废水处理厂中的总体功耗。在本公开的以下部分中详细说明识别一个或多个历史阈值123、一个或多个实时阈值125和一个或多个拐点的过程。
图1B示出了根据本公开的一些实施方案的废水处理系统的详细框图；
废水处理系统103包括I/O接口105、存储器107和处理器109。I/O接口105可以配置为从一个或多个数据源101接收操作数据。存储器107通信地耦合到处理器109。处理器109配置为基于从一个或多个数据源101接收的用于优化功耗的操作数据执行废水处理过程101的一个或多个操作，用于动态管理废水处理厂中的废水处理过程。在一个实现方式中，废水处理系统103包括数据113和用于执行根据本公开的实施方案的各种操作的模块115。存储器107可以存储数据113和一个或多个阈值，包括但不限于一个或多个操作参数的历史阈值123和实时阈值125。在一个实施方案中，数据113可以包括但不限于静态数据117、动态数据119和其它数据127。
在一个实施方案中，可以使用诸如关系或分层数据模型之类的数据模型组织上述数据113。其它数据127可以存储由用于执行废水处理系统103的各种功能的模块115生成的数据，包括临时数据和临时文件。
在一个实施方案中，静态数据117是在一个时间收集并且在一段时间内不变的操作数据。图2A示出了在废水处理厂的一个或多个级别收集的静态数据117的列表。如图2A所示，在企业级别收集的静态数据117可以包括以下至少一个：客户拥有的站点的总数，每个站点关于政府政策的质量规范，以及每个站点的性能基准。收集企业级别静态数据117，然后相对于站点级别311协调从企业级别静态数据117获得的信息。站点级别静态数据117包括站点特定信息和手册，例如，站点操作手册(SOM)、过程流程图(PFD)、电气单线图(SLD)、关键性能指标(KPI)、使用的控制系统323的类型、使用的控制机制321的类型、用于收集数据的一个或多个数据源101、站点内的资产/子资产/设备列表、预防性维护计划表和数据点的综合列表。
在收集站点级别静态数据117后，识别站点内的一个或多个部门以收集与站点中的一个或多个部门中的每一个相关的静态数据117。在部门级别313收集的静态数据117可以包括但不限于可用的部门数量、一个或多个部门中的每一个的过程输出、与该部门中的一个或多个资产相关的信息、以及废水处理厂中的一个或多个部门之间的服务级别协议(SLA)。
在一个实施方案中，也可以在资产级别317和/或子资产级别319收集静态数据117。举例而言，在资产级别317收集的静态数据117可以包括资产列表、每个资产的铭牌细节、子资产列表、每个资产的维护历史、在资产中做出的改变、每个资产的输出。此外，在子资产级别319收集的静态数据117包括被监测的操作参数的细节、质量相关政策、设定点和性能。最后，可以将一整组所有静态数据117收集并存储在与废水处理系统103相关联的数据库中。
在一个实施方案中，动态数据119是基于在废水处理厂发生的一个或多个实时操作和/变化而周期性变动的操作数据。动态数据119可以分为两组，即内部动态数据119a和外部动态数据119b，如图2B所示。举例而言，内部动态数据119a可以包括但不限于流入流的体积、流出流的体积、水的DO水平、BOD、COD、空气流量、空气压力、混合器运行小时数、截面流量、污泥体积、细菌聚集体、化学剂量、停留时间、曝气器运行小时数、能量消耗值、产生能量、电压和电流值、阀门位置和污泥体积。举例而言，外部动态数据119b可以包括天气相关数据，诸如暴雨数据、降雨数据、相对湿度、空气温度、空气和/或大气压力、以及诸如来自能量分配商的费率结构等其它数据。
图3A示出了识别一个或多个历史阈值的方法。
如图3A所示，基于从废水处理厂的一个或多个级别收集的历史操作数据1231以及站点操作规范、顺应性参数及其在一段时间内的依从情况识别历史阈值123。数据验证模块133处理和验证在一个或多个级别收集的历史操作数据1231，以识别各种静态数据117和动态数据119。此外，通过对所收集的操作数据执行一种或多种统计和描述性分析技术163确定所识别的静态数据117和动态数据119的质量。
基于所识别的静态数据117和动态数据119的质量，决定历史数据时间帧以分析每个所收集的数据。在一个实施方案中，可以提供手动选择用于分析的历史数据时间帧的规定。通常，历史数据时间帧包括导致站点操作变化/改动的各种因素，如季节变化、能耗趋势、操作改进、其它不可预见的变化等等。废水处理系统103中的阈值变化管理单元161分析站点操作的变化/改动，这些变化/改动进而会导致阈值变化。举例而言，可以针对诸如2年或3年的预定历史数据时间帧收集历史操作数据1231。
在一个实施方案中，基于历史阈值123导出实时阈值125。历史阈值123可以用作实时地评估站点中的资产的性能并且基于站点中的变化和变动达到适用的数据范围的基础。在一个实施方案中，可以使用实时过程诊断模块165实时地诊断在废水处理厂中发生的变化和变动。作为实时变动的一个例子，流入流的体积可以基于废水供应位置(工业、家用等)和/或一天中接收到废水的时间而实时变动。例如，在清晨，比如凌晨1点到凌晨5点之间，流入流的体积可能比一天的其它时间小。
考虑到一个或多个操作参数中的每一个对于满足最终目标(质量参数、功耗降低)的影响程度，为该操作参数导出实时阈值125。可以使用拐点模块137识别操作参数对于一个或多个废水处理过程的重要程度。在一个实施方案中，由于各种原因，废水处理厂的操作动态可能会经历多次实时变化。构成这些变化的一些原因可以包括但不限于流入流的体积、资产性能、外部环境条件和细菌聚集体的状态。此外，基于废水处理厂的变动类型，对操作参数进行调节，以实现废水处理厂的一个或多个级别中的每一个级别的所需输出。最后，为了识别并入有操作变动的实时阈值125，可以将实时操作数据与历史阈值123以及影响程度以及一个或多个静态数据117(诸如与废水处理厂相关联的SOP)进行比较。
在一个实施方案中，可以由废水处理系统103的一个或多个模块115处理数据113。在一个实现方式中，一个或多个模块115也可以存储在存储器107内。在一个例子中，一个或多个模块115可以通信地耦合到处理器109，以执行废水处理系统103的一个或多个功能。本文中使用的“模块”这个术语可以指专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共用、专用或组)以及存储器、组合逻辑电路、和/或其它提供所描述的功能的合适的组件。
在一个实现方式中，一个或多个模块115可以包括但不限于数据收集模块129、数据隔离和处理模块131、数据验证模块133、实时阈值确定模块135、拐点模块137、自动调谐模块139、自修复模块141、性能评估模块143、偏差检测模块145、通知模块147和其它模块149。在一个实施方案中，可以使用其它模块149执行废水处理系统103的各种各样的功能。应当理解，上述这些模块可以表示为单个模块或不同模块的组合。
在一个实施方案中，数据收集模块129从一个或多个数据源101收集操作数据。由数据收集模块129收集的操作数据可分为两组，即静态数据117和动态数据119。静态数据117在一个时间收集，并且包括与废水处理厂的一个或多个级别中的每一个级别相关的各种级别的信息，这些信息在一段时间内最不可能改变。另一方面，动态数据119是经历周期性变动的操作数据。在一个实施方案中，数据收集模块129在收集动态数据119期间使用以下步骤。
a.识别要用于分析的来自一个或多个数据源101的数据点的列表。可以在废水处理厂的一个或多个级别选择数据点。
b.创建一个或多个数据提取通道，用于从分析所需的所识别的数据点列表中提取动态数据119。数据提取通道非常动态地读取一个或多个数据源101，然后提取所需的动态数据119。此外，数据提取通道使用预定的命名惯例标记每个数据点，以便在废水处理厂中用预定义的算法进行识别和分组。在一个实施方案中，预定的命名惯例和预定义的算法由数据收集模块129维护。预定的命名惯例可以是相当动态的，其作为用于对废水处理厂的一个或多个级别中的每一个级别的数据点进行分组的基本结构。
在一个实施方案中，数据验证模块133验证并处理在一个或多个级别中的每一个级别收集的操作数据以获得更好的数据供分析。举例而言，由数据验证模块133执行的一些验证技术可以包括但不限于数据样本数识别、数据值固定/动态范围比较、离群值识别、数据错误识别和缺失值识别。在处理用于分析的操作数据之前，操作数据被验证以识别操作数据中的一个或多个省略的、替换的或缺失的值，以避免对操作数据的误解。举例而言，收集的操作数据中的不同类型的数据错误/离群值可以包括通信错误、数据质量错误和系统错误。数据验证模块133使用各种预安装的逻辑来了解离群值/错误值处理过程用的数据点。
在一个实施方案中，数据验证模块133可以检查以下方面是操作数据的验证：
1.从废水处理厂的一个或多个级别接收的数据点的数量。
2.从一个或多个级别接收的数据点的值的范围。此外，可以使用以下方法识别范围内的数据样本：
a.可以基于用户定义的数据类型识别固定范围值。
b.可以针对包括系统/子系统/服务在内的一个或多个级别基于废水处理厂的设施类型、操作、尺寸和位置动态地识别值的限值。此外，所识别的值可以用于基于使用一个或多个操作参数的政策/服务/最终用途来操作这一个或多个操作参数。
在一个实施方案中，数据验证模块133可以使用一种或多种统计和描述性分析技术163检测所收集的操作数据中的离群值/错误。这些统计和描述性分析技术163可以是基于距离、基于深度、基于偏差和基于密度。此外，在数据验证模块133中包括预定离群值检测算法，以便动态地了解被分析的操作参数，以基于统计和描述性分析技术163检测离群值并消除离群值。
此外，由数据验证模块133执行的其它验证技术包括：
a.识别基于相关/关联的离群值：
可以使用一种或多种基于相关/关联的模式分析技术识别在操作数据与废水处理厂的一个或多个级别的映射期间发生的任何问题，该技术诸如是将各种资产的功耗与资产运行小时数、资产负荷、流出流和流入流的体积等进行比较。此外，收集的操作数据(例如流入/流出流的体积)的样本中的一些变动超过一定小时数不可能是恒定的。
b.检查重复样本：
可以基于与收集的操作数据相关联的时间戳识别所收集的操作数据的重复样本。具有相同时间戳和相同值的数据样本可以被容易地识别和去除。但是，在数据样本具有相同时间戳但是具有不同值的情况下，识别并选择具有更接近可接受的/可能的值范围的值的数据样本。附加数据样本被移动到废水处理系统103中的单独的数据库。
c.检查原始数据中缺失的数据/时间戳：
基于前面步骤b中获得的验证结果，确定数据点是否可以用于进一步的数据处理。可以基于收集的操作数据中的问题类型使用多种数据处理方法。在有数据点缺失的情况下，基于为其它操作数据接收的输入/数据点导出操作数据的缺失值。基于一段时间内数据样本的性能和历史，在废水处理厂的一个或多个级别中的每一个级别建立和完善关系和系数。已经处理的所有操作数据在分析期间被加上旗标并提供使用。在一个实施方案中，可以为处理的和未处理的数据维护单独的日志。
在一个实施方案中，作为数据验证过程的最后一步，数据验证模块133对所收集的操作数据执行数据分析以获取所有验证过程及其结果。此外，提供不能用于分析的数据点的列表，并向废水处理厂的管理部门出示旗标。
在一个实施方案中，数据隔离和处理模块131负责在由数据验证模块133验证和处理操作数据后，将由数据收集模块129收集的大量操作数据分组为静态数据117和动态数据119。此外，静态数据117和动态数据119都接受隔离和处理。在静态数据117的情况下，标准文件(诸如SLD和SOP)由动态算法自动解码并转换成预定义格式。在解码后，获得与站点过程、站点的废水处理中涉及的不同部门、映射到部门的资产和子资产、可用数据点、输出目标和质量参数可允许公差限值相关的信息。在动态数据119的情况下，基于静态数据117隔离收集的动态数据119。使用收集的动态数据119验证可用的数据点，以识别需要实时收集以用于分析的那些数据点。在一个实施方案中，如果需要任何其它操作数据进行分析，则从废水处理厂请求缺失的操作数据以包括在数据点列表中。
在一个实施方案中，动态数据119的时间段和数据格式对于每种动态数据119可能不相同。可以对动态数据119执行数据转换过程，以使动态数据119成为相同的时间段格式和数据格式以便进一步聚合。在完成数据转换过程之后，将收集的操作数据聚合，以执行所需的分析。数据聚合过程可以在废水处理厂的一个或多个级别中的每一个级别执行。
在一个实施方案中，可以基于以下关键步骤进一步理解由数据隔离和处理模块131执行的数据处理操作：
a.静态数据解码：
由于水处理工业的多样性，可能以各种格式接收静态数据117。因此，为解码静态数据117而开发的解码过程可能是相当动态的。读取和处理多个流程图和过程流以识别数据点，并用适当的预定命名惯例对它们进行标记。此外，基于静态数据117点和设施描述/设计识别操作数据的阈值、目标和最佳范围。然后，数据隔离和处理模块131将资产映射成适当的操作和/或过程参数。
b.用静态数据映射和标记动态数据：
一旦静态数据117已被识别和处理，就用静态数据117映射和标记动态数据119。在此阶段，识别用于进一步分析操作数据的分析算法的维度。例如，分析算法帮助数据隔离和处理模块131识别哪个站点具有哪个级别的数据。此外，将可用数据点与收集的操作数据进行交叉检查，并且如果从站点请求分析所需的任何其它数据。
c.动态数据的聚合：
这里，在动态数据119的聚合期间最关键的步骤是将收集的动态数据119转换成公共时间段格式。通常，将最高可用时间间隔作为转换的标准。然而，基于要求和分析需求，可能会为不同的时间格式组形成单独的表格。之后，在分析过程中可以聚合这些表格。动态数据119的聚合涉及将数据组织成有用的集合和组合，使得每次算法处理的速度更快。此外，数据隔离和处理模块131可以配置为具有某些固定技术，用于按资产、按时间、按服务和按设施对准仪器数据，并且将这些数据与计划表、数据点信息和天气等外部数据源合并。
在一个实施方案中，动态数据119的聚合和对准是正在进行的过程，并且可以基于来自废水处理系统103中的其它模块115的请求来初始化。作为动态数据119的聚合的一个例子，考虑一个月内有几天的资产功耗值(千瓦时)缺失的场景。现在，资产的每月功耗可以通过聚合该月第一天的功耗值和该月最后一天的功耗值来计算，而不是通过聚合该月每一天的功耗值。
图3B示出了识别一个或多个实时阈值的方法。
在一个实施方案中，基于历史阈值123导出实时阈值125。历史阈值123可以用作实时地评估站点中的资产的性能并且基于站点中的变化和变动达到适用的数据范围的基础。在一个实施方案中，可以使用实时过程诊断模块165实时地诊断在废水处理厂中发生的变化和变动。在一个实施方案中，实时阈值确定模块135用于为一个或多个操作参数中的每一个确定一个或多个实时阈值125。在验证了所有操作数据后，将分析所需的操作数据从合并的数据表分离到预定的时间帧中。可以对历史操作数据1231进行多次迭代，以便训练操作数据以获得稳固并且更好的结果。来自性能评估模块143的反馈回路可以作为数据训练的一部分与自动调谐模块139和自修复模块141关联，以并入实时变化。对于所有操作参数可以遵循类似的反馈技术在一个或多个级别中的每一个级别识别实时阈值125。
实时阈值确定模块135可以访问一个或多个级别上的所有历史操作数据1231以及站点操作规范、顺应性参数及其在一段时间内的依从情况。在处理和验证所有收集的操作数据之后，将收集的操作数据中的静态数据117和动态数据119合并在一起成为用于分析收集的操作数据的相同的数据表。此外，基于历史操作数据1231，为与所收集的操作数据相关的一个或多个操作参数121中的每一个识别实时阈值125。下一步是识别一个或多个实时阈值125。在一个实施方案中，可以使用以下两个步骤识别实时阈值125：第一步骤是执行实时过程诊断，第二步骤是基于实时过程诊断结果评估实时阈值125。实时过程诊断和实时阈值评估的过程在本公开的其它部分中说明。所识别的实时阈值125作为输入被馈送到拐点模块137。
基于变动的类型，调节一个或多个操作参数以实现所需的输出。为了识别并入操作变动的实时阈值，可以将实时操作数据与历史阈值123和诸如SOP的静态数据117进行比较。
实时过程诊断和实时阈值评估的过程可以按照以下步骤进行：
1.第一步骤是了解废水处理厂的动态。在特定部门或站点级别311中，通过实时过程诊断模块165实时地收集过程相关参数数据，实时过程诊断模块165基于标准操作程序了解过程变动和参数中所需的相关变化。这有助于识别所需的初始设定点。
2.第二步骤是将第一步骤和历史阈值123相关以识别目标值。收集、验证实时数据，并且基于经过训练的模型实时执行分析。使用统计和描述性分析技术将来自训练模型的阈值限值与实时数据以及在先前模块中通过实时阈值确定模块135识别的历史阈值123中的参数设定点和参数之间的影响程度一起进行比较。
a.从历史阈值123中，考虑处理厂的历史性能。
b.实时过程诊断模块165考虑到过程相关的动态波动，识别需要维持以获得更好的质量输出的设定点。
c.考虑资产/子资产/设备的实时性能及其操作限值以适应变化，并为参数建立新的实时阈值125。
基于用于确定实时阈值125的数据的实时可用性动态地改变算法。当与参数相关的数据不可用于分析时，可以使用通知模块147中的警报生成器生成警报以通知操作者。
在一个实施方案中，可以使用拐点模块137通过确定用于操作一个或多个操作参数的最佳范围，基于一个或多个历史阈值123、一个或多个实时阈值125识别一个或多个操作参数中的每一个的一个或多个拐点。通过实时阈值确定模块135识别的一个或多个实时阈值125是相对于历史数据的一个或多个操作参数中的每一个的最佳值。一个或多个操作参数彼此相关以识别操作数据的最佳范围。
由于一个或多个废水处理过程动态变动，所以需要具有快速响应时间的操作变化实现监管/政府机构的严格质量规范。将来，质量规范可能会变得更加严格，并且可能需要灵活性以在政策变动中纳入新变化/输入。为了实现废水处理厂的更好产量和达到目标值，需要进行操作改进。构成废水处理过程中的主要成本的另一个重要参数是能耗和/或功耗。因此，在废水处理过程中可能需要用于实现更好的产量以及降低的功耗的过程优化。在一个实施方案中，拐点模块137同时满足上述两个要求。
基于静态数据117和操作者的操作经验，进一步分析废水处理厂的操作变化。在一个实现方式中，在废水处理厂中进行操作变化时，功耗量可能相对于实现目标结果成为第二优先因素。可以在拐点模块137中构建一个或多个动态算法，其中这些动态算法使用实时阈值125在一个或多个级别中的每一个级别运行，以产生用于操作该操作参数的最佳范围。
图3C示出了通过采用实时阈值125作为输入由拐点模块137执行的一个或多个操作。在废水处理厂的一个或多个级别中的每一个级别通过拐点模块137执行的一个或多个操作可以基于以下步骤来理解：
步骤1：使用实时阈值发现、学习和过滤参数：
如图3C的框301所示，按一个或多个级别中的每一个级别的顺序依次发现一个或多个操作参数中的每一个的影响程度，以便基于实时阈值125处理动态变动。拐点模块137使用实时阈值125进行学习。基于实时阈值125的学习有助于在一个或多个级别中的每一个级别确定一个或多个操作参数中的每一个的重要性和强度。例如，实时阈值确定模块135可以对拐点模块137进行部门级别313中的每个操作参数的重要程度的训练。
在一个实施方案中，基于操作参数的强度、操作参数对功耗、质量和政府/监管规范的重要性，仅过滤需要通过相对于过程动态的一个或多个操作变化进行调节的那些操作参数。发现、学习和过滤在一个或多个级别中的每一个级别执行。拐点模块137识别需要相对于动态过程变动进行调节的参数的最终合并列表。
步骤2：选择用于确定最佳范围的算法：
在框303中，基于资源类型、过程、在站点调适的技术，选择用于确定最佳范围的算法。虽然提供了默认算法，但可以选择这些选项，也可以灵活地基于站点限制(如数据、过程采用、系统实现方式等)对算法进行微调。
步骤3：执行算法以识别拐点：
在选择用于确定操作参数的最佳范围的算法之后执行拐点模块137中的第三步骤。在框305中，可以对操作数据执行多个算法以获得废水处理过程的一个或多个拐点。在一个或多个拐点中操作一个或多个操作参数可以得到废物处理的更好的质量结果，即用更低的功耗获得更好的输出流量、更好的产量。一个或多个拐点还有助于在一个或多个操作级别中的每一个级别识别参数的最佳范围。
拐点模块137的工作可以借助以下场景来解释：
考虑一个典型的废水处理厂，其中有多条通道用于处理废水，这里曝气过程需要氧气作为重要参数。这里需要根据流入流量、BOD、COD、MLSS和其它负荷来调节氧气量，这些数据可以通过DO探头来测量。DO值可以通过根据鼓风机中的驱动阀控制或调速的要求改变控制器中的DO设定点来更改。因此，在这种场景下，每当一个或多个操作参数发生动态变化时，DO值将被改动。从实时阈值确定模块135，根据当前DO值与DO的历史范围的比较，接收DO阈值以及流入流量、COD、BOD、鼓风机消耗、速度、空气流量、空气压力和阀门位置的阈值。
在拐点模块137中，通过比较各部门中的每条通道、通道内的区域性能、要维护的流出物质量检查点、馈入到处理输入中的输出中的固体体积、流入物浊度等对所需操作参数的解释和过滤进行解释。在解释之后，执行所需操作参数的过滤，即可以仅对20个参数中的5个参数进行解释。基于多个标准选择算法识别过程的拐点，以便降低功耗并实现最佳的过程结果。针对上述过程变化将从该算法实现最佳范围。为了降低功耗并实现最佳的过程结果，由拐点模块137给出最佳DO拐点。
虽然存在可以从初始输入建立的固定的关系，但是基于接收到的数据点，该算法会将检测机制从该部门、过程和系统中的可能的最高级别向下调整到可能的最佳粒度的级别。图3D表示拐点模块137的在废水处理厂的一个或多个级别识别需要改进的一个或多个动作的各种执行级别。举例而言，拐点模块137可以从最高级别(站点级别311)开始到最低粒度的级别(设备级别320)调谐检测机制。需要执行为实现拐点和最佳值范围所识别的改进，以便降低功耗并实现最佳的过程结果。
在一个实施方案中，自动调谐模块139基于从拐点模块137接收到的输入，对废水处理厂的资产和过程的性能进行微调，如图3E所示。内置在自动调谐模块139中的一个或多个算法使得一个或多个级别的改变能够实现由拐点模块137确定的最佳值。使用控制机制321，通过集中式或分布式控制系统323在一个或多个级别控制设备操作。废水处理厂各部门的资产/子资产/设备可以通过诸如DCS、SCADA和PLC控制等控制系统323的帮助来控制和监测。这些控制系统323可以包括编写的控制逻辑，基于这些控制逻辑触发自动信号以如步骤325所示自动地对设备执行操作变化。设备在最佳值范围内操作，收集反馈以监测性能。在一个实施方案中，收集的反馈可以应用于控制机制321以进一步微调结果。
在一个实施方案中，自动调谐模块139接收一个或多个操作参数中的每一个的拐点。然后，通过在自动调谐模块139中配置的预定义算法将接收到的拐点转换成控制机制321。预定义的控制机制321由控制系统323执行，并且从控制系统323收集反馈。基于反馈，自动调谐模块139了解在系统中进行的操作变化及其有效性。如果由于操作限制/机电问题而未在系统中反映所需的变化，则执行一个或多个自修复算法以在仪器/设备中进行变化。自修复算法是为一组仪器/设备主要预定义的，并由自修复模块141管理和操作。基于站点要求，还可以对自修复算法进行额外的改动。最后，为基于性能问题如果情况要求需要启动的任何后退机制跟踪和记录所有变动。基于预定义的结构记录和标记性能问题/通知(如果有的话)，并通知相关利益相关方。
在一个实施方案中，性能评估模块143可以用于评估废水处理厂中的每个资产的性能，以便基于在自动调谐模块139中生成的控制机制321操作设备/子资产/资产，从而在不影响质量和政策要求的情况下降低功耗。系统可能需要经历与控制机制321所提出的变化相关的变化。举例而言，如果这些变化没有效果，那么相对于过程波动操作每个资产将非常困难。
图3F示出了评估一个或多个控制机制321的性能的方法。首先，在预期需要改进的部门中测量一个或多个操作参数中的每一个的值，然后在步骤337中将结果与预期值进行比较。将废物处理厂的能耗、操作成本、质量、产量和其它KPI与基准值进行比较。在一个实施方案中，从历史阈值123达到基线值。在步骤331中，评估各种资产的性能并且将其划分为良好性能或不良性能，并据此生成适当的报告。类似地，可以在一个或多个级别检查废水处理厂的性能，以准备性能最佳和性能最差的资产/子资产矩阵。然后将资产/子资产/设备的性能或操作在站点之间与基准进行比较(如步骤339所示的站点间基准测试)或在其它行业站点之间与基准进行比较(如步骤341所示的行业基准测试)。经过基准测试，准备站点的详细风险矩阵和影响分析，并准备包括需要特别注意的资产/子资产列表的偏差报告，并发送给偏差检测模块145。
在一个实施方案中，可以获取并记录性能，以通过反馈回路训练在废水处理系统103中配置的阈值变化管理单元161中的算法。此外，可以进行处理过程的离线模拟，并且基于部门/资产/子资产的性能，操作者可以给出评论。从操作者接收的评论可被转换为机器可读的数据格式，并且可以在训练期间从自动调谐模块139获取。
在一个实施方案中，当在评估性能之后由自动调谐模块139触发的一个或多个动作未产生预期结果(在限值内)时，初始化偏差检测模块145。在总结结果结论之前，分析模式以验证并且核实一个或多个动作的工作性质。一些动作可能发生在资产级别317、子资产级别319、过程级别、子过程级别和部门级别313。由于操作规范涉及的一个或多个操作参数和操作规范的变化的复杂性，如果性能不佳的原因与任何外部或控制参数相关联或者是由于各个元件级别，则相关在关联多个用于评估的参数方面起着至关重要的作用。在这个模块中，将各个资产的效率和维护活动相关，以提供预测性维护计划，从而避免资产故障并改善工厂正常运行时间。
通过偏差检测模块145监测从拐点分析识别的输出变化，并测量拐点的精度。可以将故障检测报告给管理人员以管理最佳范围。在一个实施方案中，如果需要，可以总是检查和改动拐点模块137的输出。例如，如果自动阀的位置必须从80％变为50％才会减小DO值，则自动调谐模块139基于控制机制321使用控制系统323进行必要的改变。性能评估模块143通过执行基准比较、风险分析和影响分析来检查DO值是否降低，以了解它是良好性能还是不良性能。如果是性能不良，则偏差检测模块145通过对操作变化涉及的资产/子资产/设备的多重检查来识别问题。举例而言，偏差检测模块145识别的问题可以包括但不限于DO探头校准错误、DO探头信号错误、阀门通信错误、阀门不正常操作和阀门堵塞等。
在一个实施方案中，可以准备优先级矩阵和风险评估矩阵以理解偏差的深度并且确定问题的适当解决方案。执行特定的算法来隔离可以用手动干预或不用手动干预解决的偏差。
在一个实施方案中，通知模块147可以负责生成警报和报告，并将生成的警报和报告通知给操作者。在一个实现方式中，通知模块147可以包括票据生成器、警报生成器和报告生成器。基于偏差检测模块145，一个或多个问题需要手动干预或与问题相关联的优先级非常高时，将这些问题直接传送到票据生成模块。
a.票据生成器(Ticket generator)：
当需要手动干预以纠正偏差时，出示票据。票据生成器包括预定义资产和问题的列表。从问题列表中，可以标注一个或多个检查点，以识别资产中的问题类型，并相应地生成票据。它基于偏差的量子和类型对偏差进行优先级排序，针对每个所需的动作将票据的优先级排序。例如，资产可能会遇到机械问题、电气问题、仪器问题等，所以在这个模块中隔离问题的类型至关重要。基于问题生成票据对于向相关供应商生成正确的订单是非常重要的。在一个实施方案中，可以由偏差检测模块145生成票据，以通知克服偏差需要执行的动作。这些票据是基于要解决的问题的类型与预定义评论生成的，并被触发给废水处理站点的特定部门的一个或多个操作者。一旦相关部门完成该动作，则可以收集评论并将其发送到阈值变化管理单元161以训练数据并发送到记录维护日志。最后，一旦按照上述方式处理了票据，就允许关闭票据。
b.警报生成器：
基于创建的风险评估矩阵生成票据后，生成警报并向预定义的利益相关者通知警报。票据可以被分类为已解决和未解决。基于性能评估模块143的输出，为具有高风险和/或问题的资产生成一个或多个警报。基于优先级矩阵和风险评定矩阵，生成警报以实现快速动作。在一个实施方案中，可以按顺序依次生成警报，以基于预定规则来升级问题。
c.报告生成器：
性能报告可以在企业级别、站点级别311和资产级别317生成和提取。基准测试报告、KPI报告、拐点分析报告和性能评估报告是报告生成器生成的一些报告。在一个实施方案中，这些报告中的每一个可以被提供以用于用户提取。
图4示出了说明根据本公开的一些实施方案的用于动态管理废水处理厂中的废水处理过程以优化功耗的方法的流程图。
如图4所示，方法400包括用于使用废水处理系统103动态生成多媒体内容文件的一个或多个框。可以在计算机可执行指令的一般背景下描述方法400。通常，计算机可执行指令可以包括执行特定功能或实施特定抽象数据类型的例程、程序、对象、组件、数据结构、程序、模块和功能。
描述方法400的顺序不希望被解释为限制，并且任何数量的所描述的方法框可以以任何顺序组合以实施该方法。此外，在不脱离本文所描述的主题的精神和范围的情况下，可以从该方法中删除个别框。此外，该方法可以用任何合适的硬件、软件、固件或其组合来实施。
在框401中，废水处理系统103从一个或多个数据源101收集操作数据。在一个实施方案中，操作数据可以包括静态数据117和动态数据119中的至少一个。
在框403中，废水处理系统103基于操作数据在一个或多个级别识别一个或多个操作参数。该一个或多个操作参数用于管理一个或多个废水处理过程。在一个实施方案中，验证操作数据以改善与一个或多个操作参数中的每一个相关的操作数据的质量。在识别一个或多个操作参数后，废水处理系统103执行与一个或多个废水处理过程相关联的静态数据117的解码。此外，与一个或多个操作参数相关联的动态数据119被映射到静态数据117。在一种场景中，在将动态数据119与时间段相关联之前，可以先将动态数据119转换成预定义的数据格式。此后，将动态数据119聚合成具有预定义数据格式和公共时间段的组。
在框405中，废水处理系统103基于与一个或多个操作参数中的每一个相关联的历史操作数据1231在一个或多个级别识别一个或多个操作参数中的每一个的一个或多个历史阈值123。在一个实施方案中，一个或多个废水处理过程的一个或多个级别包括企业级别、站点级别311、部门级别313、子部门级别315、资产级别317、子资产级别319、过程级别、子过程级别和设备级别320。
在框407中，废水处理系统103基于与一个或多个操作参数中的每一个相关联的历史操作数据1231在一个或多个级别计算一个或多个操作参数中的每一个的一个或多个影响程度。
在框409中，废水处理系统103基于与一个或多个操作参数中的每一个相关的实时操作数据、历史阈值123和自由程度中的至少一个，确定一个或多个操作参数中的每一个的一个或多个实时阈值125。在一个实施方案中，基于一个或多个历史阈值123、一个或多个实时阈值125以及影响程度和与一个或多个废水处理过程相关联的一个或多个工厂诊断结果，识别一个或多个操作参数中的每一个中的一个或多个变动。举例而言，一个或多个工厂诊断结果包括设计参数、资产参数、政策规范和控制机制321。
在框411中，废水处理系统103基于一个或多个历史阈值123、一个或多个实时阈值125和一个或多个重要程度识别一个或多个操作参数中的每一个的一个或多个拐点。在一个实施方案中，确定一个或多个拐点还包括识别用于在所述一个或多个级别中的每一个级别操作所述一个或多个操作参数中的每一个的最佳范围。可以通过在废水处理过程的一个或多个级别中的每一个级别按依次顺序确定一个或多个操作参数中的每一个的重要程度，并且识别重要程度比预定义的重要程度更大的一个或多个操作参数，借此识别最佳范围。
在框413中，废水处理系统103基于一个或多个拐点优化一个或多个控制机制321，从而优化废水处理厂的功耗。可以通过针对与一个或多个废水处理过程相关联的一个或多个设备的一个或多个操作改善一个或多个控制机制321，并且基于预定义的性能标准评估一个或多个控制机制321的性能，借此优化一个或多个控制机制321。然而，评估一个或多个控制机制321的性能还包括通过反馈回路检测一个或多个控制机制321的实施偏差，检测一个或多个实施的控制机制321的性能偏差，在检测到偏差时对一个或多个控制机制321执行一个或多个变化，直到一个或多个操作参数在最佳范围内操作为止。最后，废水处理厂在废水处理过程的一个或多个级别中的每一个级别生成废水处理过程的一个或多个性能报告。
过算机系统
图5说明用于实施根据本发明的实施方案的示例性计算机系统500的框图。在一个实施方案中，计算机系统500可以是废水处理系统103，其用于动态管理废水处理厂中的废水处理过程。计算机系统500可以包括中央处理单元(“CPU”或“处理器”)502。处理器502可以包括用于执行程序组件以便执行用户或系统生成的业务过程的至少一个数据处理器。用户可以包括个人、使用诸如本发明中所包括的设备的人或这样的设备本身。处理器502可以包括诸如集成系统(总线)控制器、存储器管理控制单元、浮点单元、图形处理单元、数字信号处理单元等的专用处理单元。
处理器502可以设置成经由I/O接口501与一个或多个输入/输出(I/O)设备(511和512)通信。I/O接口501可以采用诸如但不限于下面的通信协议/方法：音频、模拟、数字、立体声、IEEE-1394、串行总线、通用串行总线(USB)、红外线、PS/2、BNC、同轴、组件、复合、数字视频接口(DVI)、高清多媒体接口(HDMI)、射频(RF)天线、S视频、视频图形阵列(VGA)、IEEE802.n/b/g/n/x、蓝牙、蜂窝(例如，码分多址(CDMA))、高速分组接入(HSPA+)、全球移动通信系统(GSM)、长期演进(LTE)等等)等。
使用I/O接口501，计算机系统500可以与一个或多个I/O设备(511和512)通信。
在一些实施方案中，处理器502可以设置成经由网络接口503与通信网络509通信。网络接口503可以与通信网络509通信。网络接口503可以采用连接协议，包括但不限于直接连接、以太网(例如，双绞线10/100/1000Base T)、传输控制协议/因特网协议(TCP/IP)、令牌环、IEEE 802.11a/b/g/n/x等。使用网络接口503和通信网络509，计算机系统500可以与一个或多个数据源101(数据源1011到数据源101N)通信以便收集操作数据。通信网络509可以被实施为不同类型的网络之一，诸如内联网或局域网(LAN)和组织内的这样的网络。通信网络509可以是专用网络或共享网络，其表示使用各种协议(例如超文本传输协议(HTTP)、传输控制协议/因特网协议(TCP/IP)、无线应用协议(WAP)等))相互通信的不同类型的网络的联合。此外，通信网络509可以包括各种网络设备，包括路由器、桥接器、服务器、计算设备、存储设备等。
在一些实施方案中，处理器502可以设置为经由存储接口504与存储器505(例如，如图5所示的RAM 513和ROM 514)通信。存储接口504可以使用例如串行高级技术附件(SATA)、集成驱动电子器件(IDE)、IEEE-1394、通用串行总线(USB)、光纤信道、小型计算机系统接口(SCSI)等的连接协议连接到存储器505，其包括但不限于存储器驱动器、可移除盘驱动器等。存储器驱动器还可以包括磁鼓、磁盘驱动器、磁光驱动器、光驱、独立光盘冗余阵列(RAID)、固态存储器设备、固态驱动器等。
存储器505可以存储程序或数据库组件的集合，包括但不限于用户/应用数据506、操作系统507、网络服务器508等。在一些实施方案中，计算机系统500可以存储用户/应用数据506，诸如本发明中描述的数据、变量、记录等。这样的数据库可以实施为容错、关系、可扩展的安全数据库，例如Oracle或Sybase。
操作系统507可以方便计算机系统500的资源管理和操作。操作系统的例子包括但不限于Apple Macintosh OS X、UNIX、Unix类系统套件(例如，Berkeley软件套件(BSD)、FreeBSD、Net BSD、Open BSD等)、Linux套件(例如，Red Hat、Ubuntu、K-Ubuntu等)、International Business Machines(IBM)OS/2、Microsoft WindoWS(XP，Vista/7/8等)、Apple iOS、Google Android、Blackberry操作系统(OS)等等。用户界面可以通过文本或图形工具方便程序组件的显示、执行、交互、操纵或操作。例如，用户界面可以在可操作地连接到计算机系统500的显示系统上提供计算机交互界面元素，例如光标、图标、复选框、菜单、窗口、微件等。可以采用图形用户界面(GUI)，包括但不限于Apple Macintosh操作系统的Aqua、IBM OS/2、Microsoft Windows(例如，Aero、Metro等)、Unix X-Windows、网络界面库(例如，ActiveX、Java、JavaScript、AJAX、HTML、Adobe Flash等)等等。
在一些实施方案中，计算机系统500可以实施网络浏览器508存储的程序组件。网络浏览器可以是超文本查看应用，如Microsoft Internet Explorer、Google Chrome、Mozilla Firefox、Apple Safari等。可以使用安全超文本传输协议(HTTPS)安全套接字层(SSL)、传输层安全(TLS)等提供安全的网络浏览。网络浏览器可以使用AJAX、DHTML、AdobeFlash、JavaScript、Java、应用编程接口(API)等工具。在一些实施方案中，计算机系统500可以实施邮件服务器存储的程序组件。邮件服务器可以是诸如Microsoft Exchange等等的因特网邮件服务器。邮件服务器可以利用诸如Active Server Pages(ASP)、ActiveX、American National Standards Institute(ANSI)C++/C#、Microsoft.NET、CGI脚本、Java、JavaScript、PERL、PHP、Python、WebObjects等等工具。邮件服务器可以利用诸如因特网消息访问协议(IMAP)、消息接发应用编程接口(MAPI)、Microsoft Exchange、邮局协议(POP)、简单邮件传输协议(SMTP)等通信协议。在一些实施方案中，计算机系统500可以实施邮件客户端存储的程序组件。邮件客户端可以是邮件查看应用，如Apple Mail、MicrosoftEntourage、Microsoft Outlook、Mozilla Thunderbird等。
此外，一个或多个计算机可读存储介质可以用于实施根据本发明的实施方案。计算机可读存储介质是指可以在其上存储可由处理器读取的信息或数据的任何类型的物理存储器。因此，计算机可读存储介质可以存储用于由一个或多个处理器执行的指令，包括用于使处理器执行根据本文所述的实施方案的步骤或阶段的指令。术语“计算机可读介质”应理解为包括有形物件，并且不包括载波和瞬态信号，即非暂时性的。例子包括随机存取存储器(RAM)、只读存储器(ROM)、易失性存储器、非易失性存储器、硬盘驱动器、压缩盘(CD)ROM、数字视频盘(DVD)、闪存驱动器、磁盘和任何其它已知的物理存储介质。
本文中说明了本公开的实施方案的优点。
在一个实施方案中，本公开提供了一种用于实时管理废水处理厂中涉及的各种废水处理过程和功耗的方法。
在一个实施方案中，本公开提供了一种大规模管理水处理过程的方法，无需实际访问废水处理厂，从而减少对专业知识和熟练资源的依赖。
在一个实施方案中，本公开的方法基于从废水处理厂收集的数据的模式检测用于控制废水处理厂的设备/仪器的控制机制，而不明确地需要关于所使用控制逻辑的任何信息。
在一个实施方案中，本公开的方法自动监测、检测并采取适当的纠正措施以克服废水处理厂中的错误和/或偏差。
在一个实施方案中，本公开提供了一种独特的方法，用于通过考虑到站点偏差将与废水处理厂相关联的多个因素相关，由此提供了用有限的数据集获得类似结果的灵活性。
在一个实施方案中，本公开的方法触发了一个或多个临时缓解不合规/不合法问题所需要的纠正措施，而检测到这些问题有助于永久性地修复偏差。
术语“一实施方案”、“实施方案”、“多个实施方案”、“这个实施方案”、“这些实施方案”、“一个或多个实施方案”、“一些实施方案”和“一个实施方案”是指“本发明的一个或多个(但不是所有)实施方案”，除非另有明确说明。
术语“包括”、“包含”、“具有”及其变体意味着“包括但不限于”，除非另有明确说明。
列举的项目列表并不意味着任何或所有项目是相互排斥的，除非另有明确说明。
术语“一”和“该”是指“一个或多个”，除非另有明确说明。
实施方案的描述中提到多个组件彼此通信，并不意味着必需有所有这些组件。相反，描述了各种可选组件来说明本发明的多种多样的可能的实施方案。
当本文描述单个设备或物品时，将容易明白，可以使用多于一个设备/物品(无论它们是否协作)代替单个设备/物品。类似地，在这里描述多于一个设备或物品(无论它们是否协作)的情况下，显而易见的是，可以使用单个设备/物品代替多于一个的设备或物品，或者可以使用不同数量的设备/物品代替所示数量的设备或程序。设备的功能和/或特征可以替代地由未被明确描述为具有这样的功能/特征的一个或多个其它设备具体实施。因此，本发明的其它实施方案不需要包括设备本身。
最后，本说明书中使用的语言主要是为了可读性和教导目的而选择的，并且可能不是被选择来描述或限定本发明的主题。因此，希望本发明的范围不受本详细描述的限制，而是受根据此基础上的应用提出的任何权利要求限制。因此，本发明的实施方案旨在说明而不是限制在所附权利要求中阐述的本发明的范围。
虽然本文已经公开了各个方面和实施方案，但是其它方面和实施方案对于本领域技术人员将是显而易见的。本文公开的各个方面和实施方案是为了说明的目的，而不旨在是限制性的，其真实范围和精神由所附权利要求书指出。
附图标记：

Claims (24)

1.一种用于动态管理废水处理厂中的废水处理过程的方法，所述方法包括：
通过废水处理系统(103)从一个或多个数据源(101)收集操作数据；
通过所述废水处理系统(103)，基于所述操作数据在一个或多个级别识别一个或多个操作参数，其中所述一个或多个操作参数用于管理一个或多个废水处理过程；
通过所述废水处理系统(103)，基于与所述一个或多个操作参数中的每一个相关联的历史操作数据(1231)在所述一个或多个级别识别所述一个或多个操作参数中的每一个的一个或多个历史阈值(123)；
通过所述废水处理系统(103)，基于与所述一个或多个操作参数中的每一个相关联的历史操作数据(1231)在所述一个或多个级别计算所述一个或多个操作参数中的每一个的一个或多个影响程度；
通过所述废水处理系统(103)，基于与所述一个或多个操作参数中的每一个相关的实时操作数据、历史阈值(123)和自由程度中的至少一个确定所述一个或多个操作参数中的每一个的一个或多个实时阈值(125)；
通过所述废水处理系统(103)，基于所述一个或多个历史阈值(123)、所述一个或多个实时阈值(125)和所述一个或多个重要程度识别所述一个或多个操作参数中的每一个的一个或多个拐点；以及
通过所述废水处理系统(103)，基于所述一个或多个拐点优化一个或多个控制机制(321)，从而优化所述废水处理厂的功耗。
2.根据权利要求1所述的方法，其中所述操作数据包括静态数据(117)和动态数据(119)中的至少一个。
3.根据权利要求1所述的方法，其还包括验证所述操作数据以改善与所述一个或多个操作参数中的每一个相关的所述操作数据的质量。
4.根据权利要求2所述的方法，其中识别一个或多个操作参数还包括：
解码与所述一个或多个废水处理过程相关联的所述静态数据(117)；
将与所述一个或多个操作参数相关联的所述动态数据(119)映射到所述静态数据(117)；
将所述动态数据(119)转换成预定义的数据格式并使所述动态数据(119)与时间段相关联；以及
将所述动态数据(119)聚合成具有所述预定义的数据格式和公共时间段的组。
5.根据权利要求1所述的方法，其中所述一个或多个废水处理过程的所述一个或多个级别包括企业级别、站点级别、部门级别、子部门级别、资产级别、子资产级别、过程级别、子过程级别和设备级别。
6.根据权利要求1所述的方法，其中基于所述一个或多个历史阈值(123)、所述一个或多个实时阈值(125)以及与所述一个或多个废水处理过程相关联的一个或多个工厂诊断结果，来识别所述一个或多个操作参数中的每一个的一个或多个变动。
7.根据权利要求6所述的方法，其中所述一个或多个工厂诊断结果包括设计参数、资产参数、政策规范和一个或多个控制机制(321)。
8.根据权利要求1所述的方法，其中确定所述一个或多个拐点还包括识别用于在所述一个或多个级别中的每一个级别操作所述一个或多个操作参数中的每一个的最佳范围。
9.根据权利要求1所述的方法，其还包括通过执行以下步骤来识别用于确定最佳范围的所述一个或多个操作参数：
在所述废水处理过程的所述一个或多个级别中的每一个级别按依次顺序确定所述一个或多个操作参数中的每一个的影响程度；以及
识别重要程度比预定义的重要程度更大的一个或多个操作参数。
10.根据权利要求1所述的方法，其中优化所述一个或多个控制机制(321)包括：
针对与所述一个或多个废水处理过程相关联的一个或多个设备的一个或多个操作改动所述一个或多个控制机制(321)；以及
基于预定义的性能标准来评估所述一个或多个控制机制(321)的性能。
11.根据权利要求10所述的方法，其中评估所述一个或多个控制机制(321)的所述性能还包括：
通过反馈回路检测所述一个或多个控制机制(321)的实施的偏差；
检测所述一个或多个实施的控制机制(321)的所述性能的偏差；
在检测到所述偏差时对所述一个或多个控制机制(321)执行一个或多个变化，直到所述一个或多个操作参数在所述最佳范围内操作为止。
12.根据权利要求1所述的方法，其还包括在所述废水处理过程的一个或多个级别中的每一个级别生成所述废水处理过程的一个或多个性能报告。
13.一种用于动态管理废水处理厂的废水处理过程的废水处理系统(103)，所述废水处理系统(103)包括：
处理器(109)；以及
存储器(107)，其通信地耦合到所述处理器(109)，其中所述存储器(107)存储处理器可执行指令，所述指令在执行时使得所述处理器(109)：
从一个或多个数据源(101)收集操作数据；
基于所述操作数据在一个或多个级别识别一个或多个操作参数，其中所述一个或多个操作参数用于管理一个或多个废水处理过程；
基于与所述一个或多个操作参数中的每一个相关联的历史操作数据(1231)，在所述一个或多个级别识别所述一个或多个操作参数中的每一个的一个或多个历史阈值(123)；
基于与所述一个或多个操作参数中的每一个相关联的历史操作数据(1231)，在所述一个或多个级别计算所述一个或多个操作参数中的每一个的一个或多个影响程度；
基于与所述一个或多个操作参数中的每一个相关的实时操作数据、历史阈值(123)和自由程度中的至少一个确定所述一个或多个操作参数中的每一个的一个或多个实时阈值(125)；
基于所述一个或多个历史阈值(123)、所述一个或多个实时阈值(125)和所述一个或多个重要程度识别所述一个或多个操作参数中的每一个的一个或多个拐点；以及
基于所述一个或多个拐点优化一个或多个控制机制(321)，从而优化所述废水处理厂的功耗。
14.根据权利要求13所述的废水处理系统(103)，其中所述操作数据包括静态数据(117)和动态数据(119)中的至少一个。
15.根据权利要求13所述的废水处理系统(103)，其中所述指令还使得所述处理器(109)验证所述操作数据以改善与所述一个或多个操作参数中的每一个相关的所述操作数据的质量。
16.根据权利要求14所述的废水处理系统(103)，其中为了识别一个或多个操作参数，指令还使得所述处理器(109)：
解码与所述一个或多个废水处理过程相关联的所述静态数据(117)；
将与所述一个或多个操作参数相关联的所述动态数据(119)映射到所述静态数据(117)；
将所述动态数据(119)转换成将所述动态数据(119)映射成预定义的数据格式并使所述动态数据(119)与时间段相关联；以及
将所述动态数据(119)聚合成具有所述预定义的数据格式和公共时间段的组。
17.根据权利要求13所述的废水处理系统(103)，其中所述一个或多个废水处理过程的所述一个或多个级别包括企业级别、站点级别、部门级别、子部门级别、资产级别、子资产级别、过程级别、子过程级别和设备级别。
18.根据权利要求13所述的废水处理系统(103)，其中所述处理器(109)基于与所述一个或多个废水处理过程相关联的所述一个或多个历史阈值(123)、所述一个或多个实时阈值(125)以及一个或多个工厂诊断结果来识别所述一个或多个操作参数中的每一个的一个或多个变动。
19.根据权利要求18所述的废水处理系统(103)，其中所述一个或多个工厂诊断结果包括设计参数、资产参数、政策规范和控制机制(321)。
20.根据权利要求13所述的废水处理系统(103)，其中所述指令还使得所述处理器(109)识别在所述一个或多个级别中的每一个级别操作所述一个或多个操作参数中的每一个的最佳范围。
21.根据权利要求13所述的废水处理系统(103)，其中为了确定最佳范围，所述指令还使得所述处理器(109)：
在所述废水处理过程的所述一个或多个级别中的每一个级别按依次顺序确定所述一个或多个操作参数中的每一个的影响程度；以及
识别重要程度比预定义的重要程度更大的一个或多个操作参数。
22.根据权利要求13所述的废水处理系统(103)，其中为了优化所述一个或多个控制机制(321)，所述指令还使得所述处理器(109)：
针对与所述一个或多个废水处理过程相关联的一个或多个设备的一个或多个操作改动所述一个或多个控制机制(321)；以及
基于预定义的性能标准来评估所述一个或多个控制机制(321)的性能。
23.根据权利要求22所述的废水处理系统(103)，其中为了评估所述一个或多个控制机制(321)的性能，所述指令还使得所述处理器(109)：
通过反馈回路检测所述一个或多个控制机制(321)的实施的偏差；
检测所述一个或多个实施的控制机制(321)的所述性能的偏差；以及
在检测到所述偏差时对所述一个或多个控制机制(321)执行一个或多个变化，直到所述一个或多个操作参数在所述最佳范围内操作为止。
24.根据权利要求13所述的废水处理系统(103)，其中所述处理器(109)在所述废水处理过程的所述一个或多个级别中的每一个级别生成所述废水处理过程的一个或多个性能报告。
CN201711032293.1A 2016-10-28 2017-10-27 用于动态管理废水处理过程以优化功耗的方法和系统 Pending CN108133428A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN201641037166 2016-10-28
IN201641037166 2016-10-28

Publications (1)

Publication Number Publication Date
CN108133428A true CN108133428A (zh) 2018-06-08

Family

ID=60409121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711032293.1A Pending CN108133428A (zh) 2016-10-28 2017-10-27 用于动态管理废水处理过程以优化功耗的方法和系统

Country Status (3)

Country Link
US (1) US20180121889A1 (zh)
EP (1) EP3315465A1 (zh)
CN (1) CN108133428A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109143923A (zh) * 2018-07-31 2019-01-04 武汉科迪智能环境股份有限公司 大数据人工智能控制系统
CN118307108A (zh) * 2024-06-11 2024-07-09 陕西省水务集团水处理设备有限公司 水处理过程中的加药控制方法及装置、介质和电子设备

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112777654A (zh) * 2021-01-07 2021-05-11 桂林电子科技大学 基于fpga的分散式污水处理方法、系统及存储介质
US11431596B1 (en) * 2021-02-12 2022-08-30 Hach Company Real-time management of device maintenance
CN114488973B (zh) * 2021-12-28 2023-11-21 北控水务(中国)投资有限公司 再生水厂全流程工艺参数优化方法、装置及电子设备
CN115564318A (zh) * 2022-12-01 2023-01-03 北京梅凯尼克环保科技有限公司 一种用于汽车涂装废水处理的智能控制方法及系统
CN116675277B (zh) * 2023-08-03 2023-10-27 济南山源环保科技有限公司 一种基于物联网的低能耗废水浓缩系统控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6408227B1 (en) * 1999-09-29 2002-06-18 The University Of Iowa Research Foundation System and method for controlling effluents in treatment systems
US20030236649A1 (en) * 2002-06-25 2003-12-25 Kodukula Prasad S. Water treatment monitoring system
CN102884407A (zh) * 2010-03-04 2013-01-16 塔卡度有限公司 用于监控水设施网络中的资源的系统和方法
CN103472866A (zh) * 2013-09-22 2013-12-25 浙江大学 智能模糊系统的农药废液焚烧炉炉温最佳化系统及方法
CN103744293A (zh) * 2014-01-27 2014-04-23 浙江永泰纸业集团股份有限公司 基于模糊神经网络的废水处理监控方法和系统
CN104460577A (zh) * 2014-07-24 2015-03-25 上海市城市排水有限公司 一种水质安全预警决策系统
CN105988427A (zh) * 2015-01-30 2016-10-05 王坚革 优化污水处理生产过程中工艺参数的专家系统

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3808123A (en) * 1969-06-25 1974-04-30 Buford C Method and apparatus for the treatment of influent waters such as sewage
US3558255A (en) * 1970-01-26 1971-01-26 Keene Corp Control system for waste water treatment plants
DK167891D0 (da) * 1991-10-01 1991-10-01 Krueger I Systems As Fremgangsmaade til styring af spildevandsrensningsanlaeg under anvendelse af mutible styringsfunktioner
US5242602A (en) * 1992-03-04 1993-09-07 W. R. Grace & Co.-Conn. Spectrophotometric monitoring of multiple water treatment performance indicators using chemometrics
AU2272895A (en) * 1994-03-22 1995-10-09 Intelligent Monitoring Systems Detecting and classifying contaminants in water
US5796922A (en) * 1996-03-29 1998-08-18 Weber State University Trainable, state-sampled, network controller
DE19702951A1 (de) * 1997-01-27 1998-07-30 Wtw Weilheim Verfahren und Vorrichtung zur Steuerung der Nitrifikations- und Denitrifikationsphase
US8958917B2 (en) * 1998-12-17 2015-02-17 Hach Company Method and system for remote monitoring of fluid quality and treatment
WO2004028974A2 (en) * 2002-09-24 2004-04-08 Advanced Aeration Control, Llc Controlling wastewater treatment processes
EP1593072A2 (en) * 2003-02-07 2005-11-09 Power Measurement Ltd A method and system for calculating and distributing utility costs
US7910371B2 (en) * 2005-01-20 2011-03-22 Nalco Company Method of monitoring treating agent residuals in water treatment processes
ATE546794T1 (de) * 2005-10-18 2012-03-15 Honeywell Int Inc System, verfahren und computerprogramm zur frühen ereigniserkennung
US8790517B2 (en) * 2007-08-01 2014-07-29 Rockwater Resource, LLC Mobile station and methods for diagnosing and modeling site specific full-scale effluent treatment facility requirements
GB0809443D0 (en) * 2008-05-23 2008-07-02 Wivenhoe Technology Ltd A Type-2 fuzzy based system for handling group decisions
US20150276253A1 (en) * 2008-10-08 2015-10-01 Rey Montalvo Method and system for fully automated enterprise control of local power usage
US8308947B2 (en) * 2009-01-27 2012-11-13 Biochem Technology, Inc. Methods of providing an aerobic medium in a wastewater treatment bioreactor compartment
JP5793299B2 (ja) * 2010-12-28 2015-10-14 株式会社東芝 プロセス監視診断装置
CN102122134A (zh) * 2011-02-14 2011-07-13 华南理工大学 基于模糊神经网络的溶解氧控制的废水处理方法及系统
CA2842824C (en) * 2011-07-26 2023-03-14 General Electric Company Wastewater treatment plant online monitoring and control
US9053519B2 (en) * 2012-02-13 2015-06-09 TaKaDu Ltd. System and method for analyzing GIS data to improve operation and monitoring of water distribution networks
AU2015301791B2 (en) * 2014-08-12 2021-01-28 Water Planet, Inc. Intelligent fluid filtration management system
US11055382B2 (en) * 2015-04-30 2021-07-06 Vmware, Inc. Methods and systems that estimate a degree of abnormality of a complex system
US11373254B2 (en) * 2016-06-14 2022-06-28 TUPL, Inc. Systems and methods of utility management

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6408227B1 (en) * 1999-09-29 2002-06-18 The University Of Iowa Research Foundation System and method for controlling effluents in treatment systems
US20030236649A1 (en) * 2002-06-25 2003-12-25 Kodukula Prasad S. Water treatment monitoring system
US6845336B2 (en) * 2002-06-25 2005-01-18 Prasad S. Kodukula Water treatment monitoring system
CN102884407A (zh) * 2010-03-04 2013-01-16 塔卡度有限公司 用于监控水设施网络中的资源的系统和方法
CN103472866A (zh) * 2013-09-22 2013-12-25 浙江大学 智能模糊系统的农药废液焚烧炉炉温最佳化系统及方法
CN103744293A (zh) * 2014-01-27 2014-04-23 浙江永泰纸业集团股份有限公司 基于模糊神经网络的废水处理监控方法和系统
CN104460577A (zh) * 2014-07-24 2015-03-25 上海市城市排水有限公司 一种水质安全预警决策系统
CN105988427A (zh) * 2015-01-30 2016-10-05 王坚革 优化污水处理生产过程中工艺参数的专家系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109143923A (zh) * 2018-07-31 2019-01-04 武汉科迪智能环境股份有限公司 大数据人工智能控制系统
CN118307108A (zh) * 2024-06-11 2024-07-09 陕西省水务集团水处理设备有限公司 水处理过程中的加药控制方法及装置、介质和电子设备

Also Published As

Publication number Publication date
EP3315465A1 (en) 2018-05-02
US20180121889A1 (en) 2018-05-03

Similar Documents

Publication Publication Date Title
CN108133428A (zh) 用于动态管理废水处理过程以优化功耗的方法和系统
US10733536B2 (en) Population-based learning with deep belief networks
US11687064B2 (en) IBATCH interactive batch operations system enabling operational excellence and competency transition
CA2989617A1 (en) Systems and methods for providing data quality management
EP3183622B1 (en) Population-based learning with deep belief networks
US10444746B2 (en) Method for managing subsystems of a process plant using a distributed control system
US20170357240A1 (en) System and method supporting exploratory analytics for key performance indicator (kpi) analysis in industrial process control and automation systems or other systems
CN105793789A (zh) 用于过程单元中的全部过程区段的自动的监视和状态确定的计算机实现的方法和系统
US10466686B2 (en) System and method for automatic configuration of a data collection system and schedule for control system monitoring
US20230075005A1 (en) Intelligent asset anomaly prediction via feature generation
WO2017031170A1 (en) System and method for providing multi-site visualization and scoring of performance against service agreement
US20230034061A1 (en) Method for managing proper operation of base station and system applying the method
CN107942956A (zh) 信息处理装置、信息处理方法、信息处理程序及记录介质
WO2019226846A1 (en) Competency gap identification of an operators response to various process control and maintenance conditions
WO2021197782A1 (en) Data processing for industrial machine learning
CN112925687A (zh) 用于监视现场装置状态的方法、系统和计算机程序产品
JP5017434B2 (ja) 情報処理装置およびプログラム
JP2018504717A (ja) パッチ監視および分析
Meddaoui et al. Decision making in maintenance using analytical hierarchy process and time-driven activity based costing
Schachinger et al. An advanced data analytics framework for energy efficiency in buildings
JP2009009342A (ja) 情報処理装置およびプログラム
US11334061B2 (en) Method to detect skill gap of operators making frequent inadvertent changes to the process variables
WO2020263670A1 (en) Adaptive medical imaging device configuration using artificial intelligence
US20240212080A1 (en) Flexible, integrated, financially aware graduation outcome prediction system
CN118194097B (zh) 一种智慧实验室的管理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180608