CN108931619B - 一种火电厂废水处理设备寿命预测方法及装置 - Google Patents

Abstract

本发明公开了一种火电厂废水处理设备寿命预测方法及装置。所述火电厂废水处理设备寿命预测装置包括依次连接的水质数据采集设备、水质数据存储设备、寿命预测设备和预测寿命显示设备；所述水质数据采集设备设置在废水处理设备的进、出口处，用于采集废水处理设备进、出口处的水质数据，解决了实时水质数据采集的问题；所述水质数据存储设备采用关系数据库解决了大数据存储的问题；所述寿命预测设备采用数据预处理方法、数学模型建立和预测方法解决了不同的进出水条件下的设备寿命预测的问题。采用本发明提供的方法及装置，能够准确预测废水处理设备的剩余使用寿命，从而能够有针对性的延长污水处理设备的工作寿命，降低废水处理投资成本。

Description

一种火电厂废水处理设备寿命预测方法及装置

技术领域

本发明涉及工业废水处理技术领域，特别是涉及一种火电厂废水处理设备寿命预测方法及装置。

背景技术

火电厂废水处理过程是一个多变量、动态性、干扰严重的复杂动态过程，实现废水处理的智能化管控是提高废水处理效果、降低成本的必要手段。火电厂废水过程中，超滤、反渗透等工艺是不可缺少的重要部分，其工艺的重要设备为超滤膜及反渗透膜。废水处理过程中，保障系统设备安全稳定运行并降低维护成本变得越来越困难。开展设备寿命预测的研究能够更好地确保设备安全运行、预测设备继续安全运行的时间以及防止灾难性事故的发生。

寿命预测技术是国家重点发展的一种技术，并在863计划先进制造技术领域设立“重大产品和重大设施寿命预测技术专题”。因此，寿命预测技术的发展对于国家的经济建设和生产安全等很多方面起着重要的作用。从已有的寿命预测应用来看，设备寿命预测技术已取得了一定的成果和经验，但是针对不同的行业，其预测技术、方法和面临的工况存在很大差异，其方法使用也受到一定的限制。目前针对火电厂设备寿命，没有提出相应的预测装置和预测方法，一般是根据设备出水的水质情况，依靠人工经验确定设备出现故障，同时不能确定设备使用的年限。因此，针对火电厂废水处理设备的寿命预测，是当前火电厂面临的亟待解决的问题。

发明内容

本发明的目的是提供一种火电厂废水处理设备寿命预测方法及装置，能够降低废水处理投资成本、延长污废水处理设备的工作寿命，具有较高的实用价值。

为实现上述目的，本发明提供了如下方案：

一种火电厂废水处理设备寿命预测装置，所述火电厂废水处理设备寿命预测装置包括：依次连接的水质数据采集设备、水质数据存储设备、寿命预测设备和预测寿命显示设备；

所述水质数据采集设备设置在废水处理设备的进、出口处，用于采集废水处理设备进、出口处的水质数据，并将所述水质数据通过无线网络传输至所述水质数据存储设备；所述水质数据包括化学需氧量COD、生化需氧量BOD、总磷和电导率；

所述水质数据存储设备用于存储所述水质数据；所述寿命预测设备用于根据所述水质数据建立设备寿命递减模型，并根据所述设备寿命递减模型预测废水处理设备的剩余使用寿命；所述预测寿命显示设备用于显示所述水质数据、所述设备寿命递减模型以及所述废水处理设备的剩余使用寿命。

可选的，所述水质数据采集设备包括COD传感器、BOD传感器、总磷传感器以及电导率传感器；所述废水处理设备的进、出口处分别安装一套所述水质数据采集设备，分别用于采集废水处理设备进、出口处的COD、BOD、总磷和电导率；所述COD传感器、所述BOD传感器、所述总磷传感器以及所述电导率传感器之间通过无线网络协议进行相互连接，将所述水质数据传送到所述水质数据存储设备。

可选的，所述水质数据存储设备为2U机架式存储器；所述寿命预测设备为单片机、微型控制器或计算机中的一种或多种；所述预测寿命显示设备为显示器。

可选的，所述废水处理设备为超滤系统或反渗透系统。

本发明还提供一种火电厂废水处理设备寿命预测方法，所述预测方法包括：

获取水电厂废水处理设备进、出口处的初始进出水水质数据和所述废水处理设备运行N个月后的进出水水质数据；所述进出水水质数据包括化学需氧量COD、生化需氧量BOD、总磷和电导率；

根据所述初始进出水水质数据和所述运行N个月后的进出水水质数据绘制废水处理设备的全寿命周期水质数据退化曲线；所述全寿命周期水质数据退化曲线为所述进出水水质数据随废水处理设备运行时间变化的曲线；

通过设备寿命递减模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述设备寿命递减模型的模型参数；

获取所述废水处理设备的当前运行时间；

根据所述当前运行时间和所述设备寿命递减模型预测所述废水处理设备的剩余使用寿命。

可选的，所述获取水电厂废水处理设备进、出口处的初始进出水水质数据和所述废水处理设备运行N个月后的进出水水质数据之后，还包括：

根据所述进出水水质数据建立数据结构，按照所述数据结构将所述进出水水质数据存储到关系数据库中；所述数据结构包括设备编号、测量时间、所述进出水水质数据、所述废水处理设备的测点位置、所述废水处理设备所属的综合节水车间号。

可选的，所述根据所述初始进出水水质数据和所述运行N个月后的进出水水质数据绘制废水处理设备的全寿命周期水质数据退化曲线之前，还包括：

对所述初始进出水水质数据和所述运行N个月后的进出水水质数据进行标准化、归一化、零均值化及正则化处理。

可选的，所述通过设备寿命递减模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述设备寿命递减模型的模型参数，具体包括：

所述设备寿命递减模型包括线性模型、指数递减模型和幂函数模型；

通过所述线性模型y＝α₁+β₁t对所述全寿命周期水质数据退化曲线进行拟合，确定所述线性模型的模型参数α₁和β₁；其中y表示所述废水处理设备的剩余使用寿命；α₁为废水处理设备的第一初始性能参数，β₁为废水处理设备的寿命变化速度，t为废水处理设备的运行时间；

通过所述指数递减模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述指数递减模型的模型参数α₂和β₂；其中y表示所述废水处理设备的剩余使用寿命；α₂为废水处理设备的第二初始性能参数，β₂为废水处理设备单位时间内寿命递减的变化比例系数，t为废水处理设备的运行时间；

通过所述幂函数模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述幂函数模型的模型参数α₃和β₃；其中y表示所述废水处理设备的剩余使用寿命；α₃为废水处理设备的寿命递减因子，β₃为废水处理设备寿命递减的性状参数，t为废水处理设备的运行时间。

可选的，所述根据所述当前运行时间和所述设备寿命递减模型预测所述废水处理设备的剩余使用寿命，具体包括：

获取当前所述废水处理设备进、出口处的当前进出水水质数据；

根据所述当前进出水水质数据确定当前设备寿命递减模型；所述当前设备寿命递减模型为所述线性模型、所述指数递减模型或所述幂函数模型；

将所述当前运行时间代入所述当前设备寿命递减模型，预测得到所述废水处理设备的剩余使用寿命。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供一种火电厂废水处理设备寿命预测方法及装置，所述火电厂废水处理设备寿命预测装置包括依次连接的水质数据采集设备、水质数据存储设备、寿命预测设备和预测寿命显示设备；所述水质数据采集设备设置在废水处理设备的进、出口处，用于采集废水处理设备进、出口处的水质数据，所述水质数据存储设备对所述水质数据进行存储，所述寿命预测设备根据所述水质数据建立设备寿命递减模型，并根据所述设备寿命递减模型预测废水处理设备的剩余使用寿命，并通过所述预测寿命显示设备进行显示。其中所述水质数据采集设备解决了实时水质数据采集的问题；所述水质数据存储设备采用关系数据库解决了大数据存储的问题；所述寿命预测设备采用数据预处理方法、数学模型建立和预测方法解决了不同的进出水条件下的设备寿命预测的问题。采用本发明提供的方法及装置，能够准确预测废水处理设备的剩余使用寿命，从而能够有针对性的延长污水处理设备的工作寿命，降低废水处理投资成本，具有较高的实用价值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据本发明提供的附图获得其他的附图。

图1为本发明提供的火电厂废水处理设备寿命预测装置的结构示意图；

图2为本发明提供的水质数据采集设备的安装部位示意图；

图3为本发明提供的寿命预测设备的工作原理图；

图4为本发明提供的火电厂废水处理设备寿命预测方法的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种火电厂废水处理设备寿命预测方法及装置，以延长污废水处理设备的工作寿命、降低废水处理投资成本。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明提供的火电厂废水处理设备寿命预测装置的结构示意图。所述火电厂废水处理设备寿命预测装置应用于火电厂废水处理系统，包括：依次连接的水质数据采集设备101、水质数据存储设备102、寿命预测设备103和预测寿命显示设备104。

所述水质数据采集设备101设置在废水处理设备的进、出口处，用于采集废水处理设备进、出口处的水质数据，并将所述水质数据通过无线网络传输至所述水质数据存储设备102。所述水质数据包括进水、出水的化学需氧量(Chemical Oxygen Demand，COD)、生化需氧量(Biochemical Oxygen Demand，BOD)、总磷和电导率，还可以包括进、出水的浊度、pH、余氯、硅酸根、硬度和碱度。

具体的，所述水质数据采集设备101以无线传感器作为采集设备，将无线传感器安装在废水处理设备的进、出口处。图2为本发明提供的水质数据采集设备的安装部位示意图。参见图2，火电厂废水处理系统包括依次连接的冷却塔201、循环水排污水池202、机械加速澄清池203、砂滤池204、超滤系统205、反渗透系统206和淡水箱207。本发明所述的废水处理设备主要为超滤系统205和反渗透系统206，所述超滤系统205和反渗透系统206的进、出口处分别安装一套所述水质数据采集设备，分别用于采集所述超滤系统205和反渗透系统206进、出口处的水质数据。

所述无线传感器包括COD传感器、BOD传感器、总磷传感器以及电导率传感器，还可以包括浊度传感器、pH传感器、余氯传感器、硅酸根传感器、硬度传感器和碱度传感器。所述COD传感器的型号为COD-210，所述BOD传感器型号为BOD-210，所述总磷传感器型号为TP-210，所述电导率传感器型号为DD-210。

所述无线传感器之间通过特定的无线网络协议进行相互连接，将采集到的水质数据通过互联网传送到水质数据存储设备102。所述无线网络协议采用射频识别技术、IEEE802.11a或ZigBee等协议。各传感器之间相互连接形成物物相连的物联网，物联网解决了广域或大范围的人或物、物或物之间信息交换的问题，物联网将所述无线传感器接入网络。

所述水质数据存储设备102用于使用关系数据库存储所述水质数据。所述水质数据存储器采用的是型号为NF5270M42U的2U机架式存储器。所述水质数据存储设备102通过无线网络与水质数据采集设备101连通，根据获得的COD、BOD、总磷、电导率等水质数据，分别建立不同的数据结构，存储到所述关系数据库中。具体地，所述数据结构，其属性主要包括设备编号、测量时间、所述进出水水质数据、所述废水处理设备的测点位置、所述废水处理设备所属的综合节水车间号。针对具体的废水处理设备，其数据结构的形式有所不同，本发明所预测的废水处理设备主要包括超滤系统设备和反渗透系统设备，这两大系统都属于综合节水车间。对于超滤设备而言，其数据结构为：编号、测量时间、COD/BOD/总磷/总氮等指标值、超滤系统测点、综合节水车间号。对于反渗透设备而言，其结构为：编号、测量时间、COD/BOD/总磷/总氮等指标值、反渗透系统测点、综合节水车间号。

所述寿命预测设备103用于根据所述水质数据建立设备寿命递减模型，并根据所述设备寿命递减模型预测废水处理设备的剩余使用寿命。参见图1，所述寿命预测设备103具体包括：水质数据预处理模块1031、模型建立模块1032以及寿命预测模块1033。所述寿命预测设备可以为集成了所述水质数据预处理模块1031、所述模型建立模块1032以及所述寿命预测模块1033的80C51系列单片机、STM32系列微型控制器(MCU)或计算机。所述水质数据预处理模块1031、所述模型建立模块1032或所述寿命预测模块1033也可以分别由单片机、MCU或计算机实现，此时所述寿命预测设备103为由多个单片机、MCU或计算机构成的集成系统。

所述水质数据预处理模块1031主要是为了消除海量数据中存在的数据不完整、不一致、有异常等问题；所述水质数据的预处理方法主要有标准化、归一化、零均值化、正则化等。所述模型建立模块1032是根据超滤系统205以及反渗透系统206初始进出水的水质数据、使用一定年限后的进出水数据，得到不同进出水条件下的设备寿命递减模型，所述设备寿命递减模型主要包括线性模型、指数递减模型和幂函数模型。所述一定年限优选为4年，48个月。将废水处理设备的当前使用的年限代入设备寿命递减模型，据此得到设备的剩余使用寿命。图3为本发明提供的寿命预测设备的工作原理图。本发明提供的寿命预测设备103根据超滤系统以及反渗透系统初始进出水的水质数据、使用一定年限(N个月)后的进出水水质数据，得到不同进出水条件下的设备寿命递减模型，从而得到设备的剩余使用寿命的工作过程如下：

(1)获取所述水质数据采集设备101采集的废水处理设备进、出口处的进出水水质数据(本文也简称为水质数据)，所述水质数据包括COD/BOD/总磷/总氮等指标值，并对所述进出水水质数据进行标准化、归一化、零均值化、正则化处理。

(2)根据废水处理设备的初始进出水水质数据和运行N个月后的进出水水质数据绘制废水处理设备的全寿命周期水质数据退化曲线(即水质数据随运行时间变化的曲线)，并据此得到设备寿命随运行时间变化的曲线数据，通过设备寿命递减模型(线性模型、指数递减模型、幂函数模型)对曲线数据进行拟合，确定所述设备寿命递减模型的模型参数，从而建立设备寿命递减模型，并根据当前运行时间，确定设备的剩余使用寿命。

所述设备寿命递减模型包括线性模型、指数递减模型、幂函数模型等，具体表达式分别如下：

线性模型：

y＝α₁+β₁t (1)

其中y表示所述废水处理设备的剩余使用寿命；α₁为废水处理设备的第一初始性能参数，β₁为废水处理设备的寿命变化速度，t为废水处理设备的运行时间。

指数递减模型：

其中y表示所述废水处理设备的剩余使用寿命；α₂为废水处理设备的第二初始性能参数，β₂为废水处理设备单位时间内寿命递减的变化比例系数，t为废水处理设备的运行时间。

幂函数模型：

其中y表示所述废水处理设备的剩余使用寿命；α₃为废水处理设备的寿命递减因子，β₃为废水处理设备寿命递减的性状参数，t为废水处理设备的运行时间。

所述寿命预测模块1033用于获取当前所述废水处理设备进、出口处的当前进出水水质数据；根据所述当前进出水水质数据和建立以上三种模型(线性模型、指数递减模型、幂函数模型)时的进出水水质数据进行对比分析，选择进出水水质最相似的设备寿命递减模型作为当前设备寿命预测模型。将所述废水处理设备的当前运行时间代入所述当前设备寿命递减模型，预测得到所述废水处理设备的剩余使用寿命。

所述预测寿命显示设备104用于显示进出水水质数据(COD、BOD、总磷、电导率等)随时间的变化曲线、设备寿命递减模型、递减参数以及所述废水处理设备的剩余使用寿命等。所述预测寿命显示设备104具体为三星显示器S24F350。所述预测寿命显示设备104主要通过可视化手段，挖掘数据内的规律，为水处理人员提供一种更直观的分析方式。所述预测寿命显示设备104显示的数据或曲线具体包括：

(1)废水处理的工艺路线，及废水处理设备的进出水水质数据(COD、BOD、总磷、电导率等)随运行时间变化的曲线图及报表数据(包括测量时间、COD、BOD、总磷、电导率、使用年限)；

(2)废水处理设备的寿命预测曲线图(废水处理设备的的寿命随运行时间的变化曲线图)；

(3)废水处理设备的的剩余使用寿命，也即废水处理设备的剩余使用寿命预测值；

(4)设备寿命递减模型的模型参数(不同的设备寿命递减模型对应的模型参数不同，根据选择的不同设备寿命递减模型，显示相应的模型参数)。

可见，本发明采用所述水质数据采集设备解决了实时水质数据采集的问题；所述水质数据存储模块采用关系数据库解决了大数据存储的问题；所述寿命预测设备103采用数据预处理方法、数学模型建立和预测方法解决了不同的进出水条件下的设备寿命预测的问题。本发明火电厂废水处理设备寿命预测装置的成功应用能够延长污水处理设备的工作寿命、降低废水处理投资成本，具有较高的实用价值。

本发明还提供一种火电厂废水处理设备寿命预测方法，图4为本发明提供的火电厂废水处理设备寿命预测方法的方法流程图。参见图4，所述预测方法包括：

步骤401：获取水电厂废水处理设备进、出口处的初始进出水水质数据和所述废水处理设备运行N个月后的进出水水质数据；所述进出水水质数据包括化学需氧量COD、生化需氧量BOD、总磷和电导率；

所述步骤401获取水电厂废水处理设备进、出口处的初始进出水水质数据和所述废水处理设备运行N个月后的进出水水质数据之后，还包括：

根据所述进出水水质数据建立数据结构，按照所述数据结构将所述进出水水质数据存储到关系数据库中；所述数据结构包括设备编号、测量时间、所述进出水水质数据、所述废水处理设备的测点位置、所述废水处理设备所属的综合节水车间号。

本发明所预测的废水处理设备主要包括超滤系统和反渗透系统，这两大系统都属于综合节水车间。对于超滤系统而言，其数据结构为：编号、测量时间、COD/BOD/总磷/总氮等指标值、超滤系统测点、综合节水车间号。对于反渗透系统而言，其数据结构为：编号、测量时间、COD/BOD/总磷/总氮等指标值、反渗透系统测点、综合节水车间号。

步骤402：根据所述初始进出水水质数据和所述运行N个月后的进出水水质数据绘制废水处理设备的全寿命周期水质数据退化曲线；所述全寿命周期水质数据退化曲线为所述进出水水质数据随废水处理设备运行时间变化的曲线；

所述步骤402根据所述初始进出水水质数据和所述运行N个月后的进出水水质数据绘制废水处理设备的全寿命周期水质数据退化曲线之前，还包括：

对所述初始进出水水质数据和所述运行N个月后的进出水水质数据进行标准化、归一化、零均值化及正则化处理，以消除海量水质数据中存在的数据不完整、不一致、有异常等问题。

步骤403：通过设备寿命递减模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述设备寿命递减模型的模型参数。

步骤403主要是根据设备投运之初的进出水水质数据、不同使用时间年限后设备的进出水水质数据，确定不同的进出水条件下的设备寿命递减模型的模型参数；所述设备寿命递减模型包括线性模型、指数递减模型和幂函数模型。

所述步骤403具体包括：

通过所述线性模型y＝α₁+β₁t对所述全寿命周期水质数据退化曲线进行拟合，确定所述线性模型的模型参数α₁和β₁；其中y表示所述废水处理设备的剩余使用寿命；α₁为废水处理设备的第一初始性能参数，β₁为废水处理设备的寿命变化速度，t为废水处理设备的运行时间；

通过所述指数递减模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述指数递减模型的模型参数α₂和β₂；其中y表示所述废水处理设备的剩余使用寿命；α₂为废水处理设备的第二初始性能参数，β₂为废水处理设备单位时间内寿命递减的变化比例系数，t为废水处理设备的运行时间；

通过所述幂函数模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述幂函数模型的模型参数α₃和β₃；其中y表示所述废水处理设备的剩余使用寿命；α₃为废水处理设备的寿命递减因子，β₃为废水处理设备寿命递减的性状参数，t为废水处理设备的运行时间。

步骤404：获取所述废水处理设备的当前运行时间；

步骤405：根据所述当前运行时间和所述设备寿命递减模型预测所述废水处理设备的剩余使用寿命。具体包括：

获取当前所述废水处理设备进、出口处的当前进出水水质数据；

根据所述当前进出水水质数据确定当前设备寿命递减模型；具体方法为根据所述当前进出水水质数据和建立以上三种模型(线性模型、指数递减模型、幂函数模型)时的进出水水质数据进行对比分析，选择进出水水质最相似的其中一种设备寿命递减模型作为所述当前设备寿命预测模型；

将所述当前运行时间代入所述当前设备寿命递减模型，预测得到所述废水处理设备的剩余使用寿命。

在所述步骤405之后，还包括显示步骤，主要通过可视化手段，挖掘水质数据内的规律，为水处理人员提供一种更直观的分析方式。显示内容主要包括进出水水质数据(COD、BOD、总磷、电导率等)随时间的变化曲线、设备寿命递减模型、递减参数显示等。显示的数据或曲线具体包括：

(1)废水处理的工艺路线，及废水处理设备的进出水水质数据(COD、BOD、总磷、电导率等)随运行时间变化的曲线图及报表数据(包括测量时间、COD、BOD、总磷、电导率、使用年限)；

(2)废水处理设备的寿命预测曲线图(废水处理设备的的寿命随运行时间的变化曲线图)；

(3)废水处理设备的的剩余使用寿命，也即废水处理设备的剩余使用寿命预测值；

(4)设备寿命递减模型的模型参数(不同的设备寿命递减模型对应的模型参数不同，根据选择的不同设备寿命递减模型，显示相应的模型参数)。

可见，本发明提供的一种基于大数据分析的火电厂废水处理设备寿命预测方法，能够充分利用无线传感器采集的进出水水质数据以及关系数据库存储的进出水水质数据，并基于大数据的不同数学模型等工具和方法建立设备的寿命预测模型，实现了废水处理设备的剩余使用寿命的成功应用，解决了废水处理过程中设备安全运行、预测设备继续安全运行的时间以及防止灾难性事故的发生等问题，降低了废水处理成本，具有较高的实用价值。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (1)

1.一种火电厂废水处理设备寿命预测方法，其特征在于，所述预测方法包括：

获取水电厂废水处理设备进、出口处的初始进出水水质数据和所述废水处理设备运行N个月后的进出水水质数据；所述进出水水质数据包括化学需氧量COD、生化需氧量BOD、总磷和电导率；

所述获取水电厂废水处理设备进、出口处的初始进出水水质数据和所述废水处理设备运行N个月后的进出水水质数据之后，还包括：

根据所述进出水水质数据建立数据结构，按照所述数据结构将所述进出水水质数据存储到关系数据库中；所述数据结构包括设备编号、测量时间、所述进出水水质数据、所述废水处理设备的测点位置、所述废水处理设备所属的综合节水车间号；

废水处理设备包括超滤系统和反渗透系统，这两大系统都属于综合节水车间；对于超滤系统而言，其数据结构为：编号、测量时间、COD/BOD/总磷/总氮指标值、超滤系统测点、综合节水车间号；对于反渗透系统而言，其数据结构为：编号、测量时间、COD/BOD/总磷/总氮指标值、反渗透系统测点、综合节水车间号；

根据所述初始进出水水质数据和所述运行N个月后的进出水水质数据绘制废水处理设备的全寿命周期水质数据退化曲线；所述全寿命周期水质数据退化曲线为所述进出水水质数据随废水处理设备运行时间变化的曲线；

所述根据所述初始进出水水质数据和所述运行N个月后的进出水水质数据绘制废水处理设备的全寿命周期水质数据退化曲线之前，还包括：

对所述初始进出水水质数据和所述运行N个月后的进出水水质数据进行标准化、归一化、零均值化及正则化处理；

通过设备寿命递减模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述设备寿命递减模型的模型参数；

所述通过设备寿命递减模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述设备寿命递减模型的模型参数，具体包括：

所述设备寿命递减模型包括线性模型、指数递减模型和幂函数模型；

通过所述线性模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述线性模型的模型参数/>和/>；其中/>表示所述废水处理设备的剩余使用寿命；/>为废水处理设备的第一初始性能参数，/>为废水处理设备的寿命变化速度，/>为废水处理设备的运行时间；

通过所述指数递减模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述指数递减模型的模型参数/>和/>；其中/>表示所述废水处理设备的剩余使用寿命；/>为废水处理设备的第二初始性能参数，/>为废水处理设备单位时间内寿命递减的变化比例系数，/>为废水处理设备的运行时间；

通过所述幂函数模型对所述全寿命周期水质数据退化曲线进行拟合，确定所述幂函数模型的模型参数/>和/>；其中/>表示所述废水处理设备的剩余使用寿命；为废水处理设备的寿命递减因子，/>为废水处理设备寿命递减的性状参数，/>为废水处理设备的运行时间；

获取所述废水处理设备的当前运行时间；

根据所述当前运行时间和所述设备寿命递减模型预测所述废水处理设备的剩余使用寿命；

所述根据所述当前运行时间和所述设备寿命递减模型预测所述废水处理设备的剩余使用寿命，具体包括：

获取当前所述废水处理设备进、出口处的当前进出水水质数据；

根据所述当前进出水水质数据确定当前设备寿命递减模型，具体方法为根据所述当前进出水水质数据和建立线性模型、指数递减模型、幂函数模型时的进出水水质数据进行对比分析，选择进出水水质最相似的其中一种设备寿命递减模型作为所述当前设备寿命预测模型；所述当前设备寿命递减模型为所述线性模型、所述指数递减模型或所述幂函数模型；

将所述当前运行时间代入所述当前设备寿命递减模型，预测得到所述废水处理设备的剩余使用寿命。