CN110015754B - 一种分散式污水出水水质超标预警的在线监测系统和方法 - Google Patents
一种分散式污水出水水质超标预警的在线监测系统和方法 Download PDFInfo
- Publication number
- CN110015754B CN110015754B CN201910155833.8A CN201910155833A CN110015754B CN 110015754 B CN110015754 B CN 110015754B CN 201910155833 A CN201910155833 A CN 201910155833A CN 110015754 B CN110015754 B CN 110015754B
- Authority
- CN
- China
- Prior art keywords
- orp
- effluent
- early warning
- standard
- grade
- 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
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/30—Aerobic and anaerobic processes
-
- 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]
- C02F2209/008—Processes using a programmable logic controller [PLC] comprising telecommunication features, e.g. modems or antennas
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明公开了一种分散式污水出水水质超标预警的在线监测系统及方法,该监测系统包括设备单元、PLC自动控制单元、数据远程传输/接收模块和出水超标预警模块;所述设备单元包括缺氧段ORP监测设备、出水ORP监测设备、自动取样器、曝气鼓风机和混合液回流泵;所述设备单元的数据信息均通过所述PLC自动控制单元连接到所述数据远程传输/接收模块,然后接入设置有所述出水超标预警模块的云平台;该方法包括建立异常状态判断模型、出水水质分级模型、出水水质超标预警模型,利用在线监测系统获取实时水质数据,采用3种模型进行评估判断和出水水质超标预警。本发明的监测系统和方法价格低、稳定可靠、可在线分级评价和超标预警农村污水处理出水水质状况。
Description
技术领域
本发明涉及农村污水水质监测领域,尤其涉及一种分散式污水出水水质超标预警的在线监测系统和方法。
背景技术
随着近些年来我国环保行业的不断发展,农村生活污水处理率已逐年得到提高,但由于农村人口居住分散,污水不易集中收集,相当一部分农村生活污水的处理采用小型处理设施,形成分布散、数量多、规模小的特征,这就造成农村污水处理设施的运行维护难度较大,同时也导致农村污水处理设施的出水水质尚未得到有效的监测。而能够获得有效指示处理设施运行效果和出水状况的实时信息,对于企业具有重要的价值。
现有技术中,比较成熟的在线水质监测设备虽在达到规模的城市污水处理厂已得到普遍的应用,但是价格相对都较高。现有在线水质监测产品不适用于农村生活污水处理设施数量众多、单座规模小的出水的水质监测。
因此,本领域的技术人员致力于开发一种价格低、稳定可靠、能够在线反映农村污水处理设施的运行效果和出水水质状况的在线监测设备和方法。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是解决现有技术中成熟的在线水质监测设备价格较高,且不适用于农村污水出水分布散、数量多、规模小的水质监测特点的问题。
为实现上述目的,本发明提供了一种分散式污水出水水质超标预警的在线监测系统和方法;本发明的在线监测系统包括设备单元、PLC自动控制单元、数据远程传输/接收模块和出水超标预警模块;所述设备单元包括缺氧段ORP监测设备、出水ORP监测设备、自动取样器、曝气鼓风机、混合液回流泵;所述出水超标预警模块包括异常状态判断模块、出水水质分级模块、出水超标预警模块;所述设备单元的数据信息均通过所述PLC自动控制单元连接到所述数据远程传输/接收模块,然后接入设置有所述出水超标预警模块的云平台。
进一步地,所述缺氧段ORP监测设备和所述出水ORP监测设备的量程为 -1500mV~+1500mV。
进一步地,所述缺氧段ORP监测设备和所述出水ORP监测设备的测量温度范围为-5℃ ~95 ℃。
进一步地,所述缺氧段ORP监测设备和所述出水ORP监测设备的灵敏度为±0.5mV。
进一步地,所述缺氧段ORP监测设备和所述出水ORP监测设备105℃时最大压力为6.9bar。
进一步地,所述缺氧段ORP监测设备和所述出水ORP监测设备的探头材质为聚醚醚酮。
本发明的应用如上所述分散式污水出水水质超标预警在线监测系统的方法,包括以下步骤:
(1)建立所述出水超标预警模块,包括:基于ORP数值的异常状态判断模块、基于人工神经网络算法建立的出水水质分级模块、基于时间序列分析的出水水质预测模块;
(2)利用所述在线监测系统,获取所述缺氧段ORP监测设备的连续实时监测数据、所述出水ORP监测设备的连续实时监测数据、所述混合液回流泵的启闭状态信息、所述曝气鼓风机的启闭状态信息;
(3)同时采用所述出水超标预警模块的3种模型对连续实时数据进行运算、比对、评估、判断;
(4)若比对结果出现异常情况,则所述出水超标预警模块通过云平台输出报警信息;
(5)若需要现场设备执行调节动作,则所述出水超标预警模块通过云平台将调节信号经由所述数据远程传输/接收模块传输至所述PLC自动控制单元;
(6)所述PLC自动控制单元根据收到的调节信号,控制所述自动取样器取样、所述混合液回流泵的启停、所述曝气鼓风机的启停等动作。
进一步地,所述基于ORP数值的异常状态判断模块的建立包括以下步骤:
(1)获取所述缺氧段ORP监测设备和所述出水ORP监测设备的实时数据;
(2)将所述实时数据与预设阈值比较,输出对应的报警结果。
进一步地,所述基于人工神经网络算法建立的出水水质分级模块的建立包括以下步骤:
(1)利用所述自动取样器每隔2h取样一次;
(2)用国标法测定所取水样的COD、氨氮、TN、TP值;
(3)从云平台提取所述自动取样器取样时对应的如下在线信息:
ORPa-缺氧段ORP;ORPe-出水ORP;混合液回流泵启停状态;曝气鼓风机启停状态;
(4)按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将上述ORPa与ORPe分成4组;
(5)将步骤(2)、(3)测得的COD、氨氮、TN、TP、ORPa和ORPe的值,分别记作[COD]、[氨氮]、[TN]、[TP]、[ORPa]和[ORPe];
(6)将步骤(5)中各变量分别进行矢量归一化预处理,使其映射到[-1,1]区间之内;
(7)将步骤(6)获得的4组数据分别建模,以[ORPa]和[ORPe]为输入值,以[COD]、[氨氮]、[TN]、[TP]为输出值,采用BP-神经网络算法,选择Sigmoid函数为激活函数,并选择合适的神经网络隐含层、每层的单元数和学习率等参数构建模型;
(9)依据国家排水标准中对COD、氨氮、TN、TP指标的排放要求,构建一个分类器模型,分类等级为4级:达标一级A、达标一级B、达标二级、不达标;
(10)将预测值传输至分类器,得到水质等级。
进一步地,所述基于时间序列分析的出水水质预测模块的建立包括以下步骤:
(1)利用所述自动取样器每2h取样一次;
(2)用国标法测定所取水样的COD、氨氮、TN、TP;
(3)对照国家排水标准中对COD、氨氮、TN、TP指标的排放要求,将所取水样的水质分为4级:达标一级A、达标一级B、达标二级、不达标;
(4)从云平台在线数据库提取连续在线ORP监测信息:ORPa-缺氧段ORP;ORPe -出水ORP;
(5)按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将步骤(4) 提取的ORPa与ORPe分成4组;
(6)采用时间序列分析方法,预测ORPa与ORPe,并依据已测的ORPa与ORPe值与对应的时间,建立时序图,并构建出ORP预测模型;
(7)将步骤(6)预测得到的某一时段的ORPa与ORPe作为模型的输入值,步骤(3) 水样的分类等级作为输出值,利用神经网络构建模型,从而实现出水超标预警。
本发明实现了对农村小型分散式污水处理设施运行状态和出水水质情况实时在线的分级评价和超标预警,在线监测系统具有监测快速、无化学试剂消耗、维护简便、设备造价和运行成本低等优点。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的分散式污水出水水质超标预警在线监测系统的结构示意图;
图2是本发明的一个较佳实施例的分散式污水处理出水超标预警模块方法的逻辑流程图;
其中,1-设备单元,2-PLC自动控制单元,3-数据远程传输/接收模块,4-出水超标预警模块,5-缺氧池,6-好氧池,7-云平台,8-进水,9-出水,10-缺氧段ORP 监测设备,11-曝气鼓风机,12-混合液回流泵,13-出水ORP监测设备,14-自动取样器。
具体实施方式
以下参考说明书附图介绍本发明优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
如图1所示,本发明的分散式农村污水处理出水水质超标预警的在线监测系统,包括设备单元1、PLC自动控制单元2、数据远程传输/接收模块3和出水超标预警模块4。
设备单元1包括缺氧段ORP监测设备10、出水ORP监测设备13、自动取样器14、曝气鼓风机11、混合液回流泵12,其中曝气鼓风机11的吹气口设置在好氧池6靠近底部的位置,整个设备单元1的数据信息均通过PLC自动控制单元2 连接到数据远程传输/接收模块3,然后实时接入设置有出水超标预警模块4的云平台7,云平台7通过预先设置的水质超标预警模块4进行运算后快速输出实时水质等级。
PLC自动控制单元2接入的信号有4个:混合液回流泵12的开关启闭状态信号、曝气鼓风机11的开关启闭状态信号、缺氧段ORP监测设备10的模拟量信号、出水 ORP监测设备13的模拟量信号。
云平台7可反馈控制信号,由数据远程传输/接收模块3接收并传输至PLC自动控制单元2,PLC自动控制单元2可控制自动取样器14的取样、混合液回流泵12的启停、曝气鼓风机11的启停等动作,达到实时监测及时控制的有益效果。
其中,缺氧段ORP监测设备10的探头悬空放置在缺氧池5中,ORP监测设备 13的探头置于出水口处,缺氧段ORP监测设备10和出水ORP监测设备13的探头规格为:
量程:-1500~+1500mV;
灵敏度:±0.5mV;
温度范围:-5~95℃;
最大压力:105℃时,为6.9bar;
探头材质:聚醚醚酮。
出水超标预警模块4是一种数据处理模块,包括异常状态判断模块、出水水质分级模块、出水超标预警模块。当进水8进入缺氧池5中,再通过好氧池6再到出水9 的过程中,出水超标预警模块4对出水水质进行检测、评估、分析、预警,输出实时的判断结果。
如图2所示,本发明的分散式污水处理出水水质超标预警方法,按照如下步骤输出预警信息:
实施例一基于ORP数值的异常状态判断模块
如图2所示:
步骤(1):利用在线监控系统获取实时缺氧段ORP在线监测数据、出水ORP在线监测数据;
步骤(2):依据实测ORP数值,对应表1中的数据范围,获得水质状态判断;
步骤(3):依据表1中的水质状态判断,可直接获得相应的输出报警信息。
表1基于ORP数值异常状态判断模块对应数值
实施例二基于人工神经网络算法建立出水水质分级模型
如图2所示:
步骤(1):利用自动取样器每隔2h取样一次;
步骤(2):用国标法测定所取水样的COD、氨氮、TN、TP值;
步骤(3):从云平台提取所述自动取样器取样时对应的如下在线信息:
ORPa-缺氧段ORP;ORPe-出水ORP;混合液回流泵启停状态;曝气鼓风机启停状态;
步骤(4):按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将上述ORPa与ORPe分成4组;
步骤(5):将上述步骤(2)、(3)测得的COD、氨氮、TN、TP、ORPa和ORPe的值,分别记作[COD]、[氨氮]、[TN]、[TP]、[ORPa]和[ORPe];
步骤(6):将步骤(5)中各变量分别进行矢量归一化预处理,使其映射到[-1, 1]区间之内;
步骤(7):将上述4组数据分别建模,以[ORPa]和[ORPe]为输入值,以[COD]、[氨氮]、[TN]、[TP]为输出值,采用BP-神经网络算法,选择Sigmoid函数为激活函数,神经网络隐含层选择1层、单元数为3,阈值为0.001,构建模型;
步骤(9):依据表2现有的国家排水标准对COD、氨氮、TN、TP指标的排放要求,构建一个分类器模型,分类等级为4级:达标一级A、达标一级B、达标二级、不达标;
步骤(10):将预测值传输至分类器,得到水质等级,输出水质分级超标则报警。
表2基于人工神经网络算法建立出水水质分级模型分析对照表
实施例三基于时间序列分析的出水水质预测模块
具体建模方法同实施例二,不同之处在于可提前通过时间序列预测得到取样时刻范围内一定时间段的ORP值,并通过ORP数值直接预测水样的分类等级。
建立步骤如下:
步骤(1):利用所述自动取样器每2h取样一次;
步骤(2):用国标法测定所取水样的COD、氨氮、TN、TP;
步骤(3):依据表2现有的国家排水标准对COD、氨氮、TN、TP指标的排放要求,构建一个分类器模型,分类等级为4级:达标一级A、达标一级B、达标二级、不达标;
步骤(4):从云平台在线数据库提取连续在线ORP监测信息:ORPa-缺氧段ORP;ORPe-出水ORP;
步骤(5):按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将步骤(4)提取的ORPa与ORPe分成4组;
步骤(6):采用时间序列分析方法,预测ORPa与ORPe,并依据已测的ORPa与ORPe值与对应的时间,建立时序图,判断ORP的变化是否呈现周期性变化、某种趋势或是季节性变化,从而对时间序列数据进行分解,并利用相加或相乘模型构建出ORP 时间序列预测模型;
步骤(7):将步骤(6)通过时间序列预测得到的取样时刻前后5分钟的ORPa与 ORPe作为模型的输入值,步骤(3)水样是否为达标一级A、达标一级B、达标二级、不达标的分类等级作为输出值,并将ORP数值进行矢量归一化预处理,使其映射到[-1,1]区间之内,将达标一级A、达标一级B、达标二级、不达标分别记为数值 1、2、3、4,采用BP-神经网络算法,选择Sigmoid函数为激活函数,神经网络隐含层为3层,单元数分别为10、5、3,阈值为0.001,利用神经网络构建模型,即可通过时间序列得到的ORP值预测水样的水质分类,从而实现出水超标预警。
实施例四同时采用3种模型
如图2所示,同时采用实施例一、实施例二和实施例三的方法分别对出水水质的实时数据进行综合的评估、判断,得到更加准确、全面的预警信息,必要时执行操作,步骤如下:
步骤(1):利用在线监控系统获取实时缺氧段ORP在线监测数据、出水ORP 在线监测数据、混合液回流泵12启闭状态信息、曝气鼓风机11启闭状态信息;
步骤(2):建立基于ORP数值的异常状态判断模块、基于人工神经网络算法建立的出水水质分级模块、基于时间序列分析的出水水质预测模块;
步骤(3):同时采用步骤2的3种模型分别对水质情况进行转换、分析、数值比对、评估、判断;
步骤(4):若出现异常情况,则输出报警信息;
步骤(5):若需要现场设备执行调节动作,则出水超标预警模块通过云平台将调节信号经由数据远程传输/接收模块传输至PLC自动控制单元;
步骤(6):PLC自动控制单元根据收到的调节信号,控制自动取样器取样、混合液回流泵的启停、曝气鼓风机的启停等动作。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种分散式污水出水水质超标预警的在线监测系统,其特征在于,包括设备单元、PLC自动控制单元、数据远程传输/接收模块和出水超标预警模块;所述设备单元包括缺氧段ORP监测设备、出水ORP监测设备、自动取样器、曝气鼓风机、混合液回流泵;所述出水超标预警模块包括:基于ORP数值的异常状态判断模块、基于人工神经网络算法建立的出水水质分级模块、基于时间序列分析的出水水质预测模块;所述设备单元的数据信息均通过所述PLC自动控制单元连接到所述数据远程传输/接收模块,然后接入设置有所述出水超标预警模块的云平台;
所述出水超标预警模块被配置为包括以下步骤:
S1:获取所述设备单元的工作状态,所述设备单元的工作状态包括:所述缺氧段ORP监测设备的监测数据、所述出水ORP监测设备的监测数据、所述混合液回流泵启停状态、所述曝气鼓风机启停状态;
S2:将所述出水ORP监测设备的监测数据与预设阈值比较,输出报警结果;
S3:将所述设备单元的工作状态,作为神经网络的输入,输出预测的出水水质等级;
S4:将所述设备单元的工作状态的历史序列,作为神经网络的输入,输出预测的出水水质等级;
所述S2包括以下步骤:
S2a:获取所述缺氧段ORP监测设备和所述出水ORP监测设备的实时数据;
S2b:将所述实时数据与预设阈值比较,输出对应的报警结果;
所述S3包括以下步骤:
S3a:利用所述自动取样器每隔2h取样一次;
S3b:用国标法测定所取水样的COD、氨氮、TN、TP值;
S3c:从云平台提取所述自动取样器取样时对应的如下在线信息:
ORPa-缺氧段ORP;ORPe-出水ORP;混合液回流泵启停状态;曝气鼓风机启停状态;
S3d:按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将上述ORPa与ORPe分成4组;
S3e:将步骤S3b、S3c测得的COD、氨氮、TN、TP、ORPa和ORPe的值,分别记作[COD]、[氨氮]、[TN]、[TP]、[ORPa]和[ORPe];
S3f:将步骤S3e中各变量分别进行矢量归一化预处理,使其映射到[-1,1]区间之内;
S3g:将步骤S3f获得的4组数据分别建模,以[ORPa]和[ORPe]为输入值,以[COD]、[氨氮]、[TN]、[TP]为输出值,采用BP-神经网络算法,选择Sigmoid函数为激活函数,并选择合适的神经网络隐含层、每层的单元数和学习率参数构建模型;
S3h:将步骤S3g输出的预测值进行归一化还原,分别记为[COD]测、[氨氮]测、[TN]测、[TP]测;
S3i:依据国家排水标准中对COD、氨氮、TN、TP指标的排放要求,构建一个分类器模型,分类等级为4级:达标一级A、达标一级B、达标二级、不达标;
S3j:将预测值传输至分类器,得到水质等级;
所述S4包括以下步骤:
S4a:利用所述自动取样器每2h取样一次;
S4b:用国标法测定所取水样的COD、氨氮、TN、TP;
S4c:对照国家排水标准中对COD、氨氮、TN、TP指标的排放要求,将所取水样的水质分为4级:达标一级A、达标一级B、达标二级、不达标;
S4d:从云平台在线数据库提取连续在线ORP监测信息:ORPa-缺氧段ORP;ORPe-出水ORP;
S4e:按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将步骤S4d提取的ORPa与ORPe分成4组;
S4f:采用时间序列分析方法,预测ORPa与ORPe,并依据已测的ORPa与ORPe值与对应的时间,建立时序图,并构建出ORP预测模型;
S4g:将步骤S4f预测得到的某一时段的ORPa与ORPe作为模型的输入值,步骤S4c水样的分类等级作为输出值,利用神经网络构建模型,从而实现出水超标预警。
2.如权利要求1所述的在线监测系统,其特征在于,所述缺氧段ORP监测设备和所述出水ORP监测设备的量程为-1500mV~+1500mV。
3.如权利要求1所述的在线监测系统,其特征在于,所述缺氧段ORP监测设备和所述出水ORP监测设备的测量温度范围为-5℃~95℃。
4.如权利要求1所述的在线监测系统,其特征在于,所述缺氧段ORP监测设备和所述出水ORP监测设备的灵敏度为±0.5mV。
5.如权利要求1所述的在线监测系统,其特征在于,所述缺氧段ORP监测设备和所述出水ORP监测设备105℃时最大压力为6.9bar。
6.如权利要求1所述的在线监测系统,其特征在于,所述缺氧段ORP监测设备和所述出水ORP监测设备的探头材质为聚醚醚酮。
7.一种应用权1所述的在线监测系统进行分散式污水出水水质超标预警的方法,其特征在于,包括以下步骤:
(1)建立所述出水超标预警模块,包括:基于ORP数值的异常状态判断模块、基于人工神经网络算法建立的出水水质分级模块、基于时间序列分析的出水水质预测模块;
(2)利用所述在线监测系统,获取所述缺氧段ORP监测设备的连续实时监测数据、所述出水ORP监测设备的连续实时监测数据、所述混合液回流泵的启闭状态信息、所述曝气鼓风机的启闭状态信息;
(3)同时采用所述出水超标预警模块的3种模型对连续实时数据进行运算、比对、评估、判断;
(4)若比对结果出现异常情况,则所述出水超标预警模块通过云平台输出报警信息;
(5)若需要现场设备执行调节动作,则所述出水超标预警模块通过云平台将调节信号经由所述数据远程传输/接收模块传输至所述PLC自动控制单元;
(6)所述PLC自动控制单元根据收到的调节信号,控制所述自动取样器取样、所述混合液回流泵的启停、所述曝气鼓风机的启停动作。
8.如权利要求7所述的分散式污水出水水质超标预警方法,其特征在于,所述基于ORP数值的异常状态判断模块的建立包括以下步骤:
(1)获取所述缺氧段ORP监测设备和所述出水ORP监测设备的实时数据;
(2)将所述实时数据与预设阈值比较,输出对应的报警结果。
9.如权利要求7所述的分散式污水出水水质超标预警方法,其特征在于,所述基于人工神经网络算法建立的出水水质分级模块的建立包括以下步骤:
(1)利用所述自动取样器每隔2h取样一次;
(2)用国标法测定所取水样的COD、氨氮、TN、TP值;
(3)从云平台提取所述自动取样器取样时对应的如下在线信息:
ORPa-缺氧段ORP;ORPe-出水ORP;混合液回流泵启停状态;曝气鼓风机启停状态;
(4)按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将上述ORPa与ORPe分成4组;
(5)将步骤(2)、(3)测得的COD、氨氮、TN、TP、ORPa和ORPe的值,分别记作[COD]、[氨氮]、[TN]、[TP]、[ORPa]和[ORPe];
(6)将步骤(5)中各变量分别进行矢量归一化预处理,使其映射到[-1,1]区间之内;
(7)将步骤(6)获得的4组数据分别建模,以[ORPa]和[ORPe]为输入值,以[COD]、[氨氮]、[TN]、[TP]为输出值,采用BP-神经网络算法,选择Sigmoid函数为激活函数,并选择合适的神经网络隐含层、每层的单元数和学习率参数构建模型;
(8)将步骤(7)输出的预测值进行归一化还原,分别记为[COD]测、[氨氮]测、[TN]测、[TP]测;
(9)依据国家排水标准中对COD、氨氮、TN、TP指标的排放要求,构建一个分类器模型,分类等级为4级:达标一级A、达标一级B、达标二级、不达标;
(10)将预测值传输至分类器,得到水质等级。
10.如权利要求7所述的分散式污水出水水质超标预警方法,其特征在于,所述基于时间序列分析的出水水质预测模块的建立包括以下步骤:
(1)利用所述自动取样器每2h取样一次;
(2)用国标法测定所取水样的COD、氨氮、TN、TP;
(3)对照国家排水标准中对COD、氨氮、TN、TP指标的排放要求,将所取水样的水质分为4级:达标一级A、达标一级B、达标二级、不达标;
(4)从云平台在线数据库提取连续在线ORP监测信息:ORPa-缺氧段ORP;ORPe-出水ORP;
(5)按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将步骤(4)提取的ORPa与ORPe分成4组;
(6)采用时间序列分析方法,预测ORPa与ORPe,并依据已测的ORPa与ORPe值与对应的时间,建立时序图,并构建出ORP预测模型;
(7)将步骤(6)预测得到的某一时段的ORPa与ORPe作为模型的输入值,步骤(3)水样的分类等级作为输出值,利用神经网络构建模型,从而实现出水超标预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910155833.8A CN110015754B (zh) | 2019-03-01 | 2019-03-01 | 一种分散式污水出水水质超标预警的在线监测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910155833.8A CN110015754B (zh) | 2019-03-01 | 2019-03-01 | 一种分散式污水出水水质超标预警的在线监测系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110015754A CN110015754A (zh) | 2019-07-16 |
CN110015754B true CN110015754B (zh) | 2021-10-08 |
Family
ID=67189136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910155833.8A Active CN110015754B (zh) | 2019-03-01 | 2019-03-01 | 一种分散式污水出水水质超标预警的在线监测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110015754B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538229B (zh) * | 2020-04-28 | 2022-11-18 | 重庆工商大学 | 基于氨氮和溶解氧精准控制的水产养殖循环水处理系统 |
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 |
CN113494939A (zh) * | 2021-04-15 | 2021-10-12 | 浙江工商大学 | 一种农村生活污水分散式监测方法 |
CN113610358A (zh) * | 2021-07-16 | 2021-11-05 | 南昌工程学院 | 基于云平台的远程水质风险预警系统 |
CN113912250B (zh) * | 2021-11-23 | 2022-05-27 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种乡村污水生物生态修复系统 |
CN117054676B (zh) * | 2023-10-13 | 2023-12-19 | 山西智合清浩环保技术服务有限公司 | 废水在线监测设备的运维智能控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1837092A (zh) * | 2006-04-17 | 2006-09-27 | 彭永臻 | 缺氧/好氧生物脱氮工艺运行优化控制系统及其在线控制方法 |
CN101923083A (zh) * | 2009-06-17 | 2010-12-22 | 复旦大学 | 基于支持向量机和神经网络的污水化学需氧量软测量方法 |
CN102707026A (zh) * | 2012-06-06 | 2012-10-03 | 天津大学 | 一种用于再生水厂原水水质的在线预警系统及其控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104360035B (zh) * | 2014-11-02 | 2016-03-30 | 北京工业大学 | 一种基于自组织粒子群-径向基神经网络的污水总磷tp软测量方法 |
-
2019
- 2019-03-01 CN CN201910155833.8A patent/CN110015754B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1837092A (zh) * | 2006-04-17 | 2006-09-27 | 彭永臻 | 缺氧/好氧生物脱氮工艺运行优化控制系统及其在线控制方法 |
CN101923083A (zh) * | 2009-06-17 | 2010-12-22 | 复旦大学 | 基于支持向量机和神经网络的污水化学需氧量软测量方法 |
CN102707026A (zh) * | 2012-06-06 | 2012-10-03 | 天津大学 | 一种用于再生水厂原水水质的在线预警系统及其控制方法 |
Non-Patent Citations (1)
Title |
---|
污水厂出水COD预测模型的对比分析;官宝锐;《环境保护科学》;20110420(第2期);第65-67页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110015754A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110015754B (zh) | 一种分散式污水出水水质超标预警的在线监测系统和方法 | |
EP2920064B1 (en) | A method and system for monitoring quality of ballast water of a vessel | |
CN111489271B (zh) | 污水管理云平台 | |
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 | |
CN109879474A (zh) | 动态调节式污水工况处理系统 | |
CN109879475A (zh) | 动态调节式污水工况处理方法 | |
US20220373987A1 (en) | Intelligent circulation and allocation control system for multiple surface and ground water resources | |
CN109064048B (zh) | 基于废水处理流程分析的废水排放源快速排查方法与系统 | |
CN108088974B (zh) | 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法 | |
CN115078667A (zh) | 一种基于物联网技术的工业污水排放处理在线监测分析预警系统 | |
CN114297954A (zh) | 一种基于污水处理厂的大数据智能分析数字管控平台 | |
CN112417765B (zh) | 一种基于改进师生网络模型的污水处理过程故障检测方法 | |
CN111612678B (zh) | 污水管理云平台的实现方法 | |
CN106096730A (zh) | 一种基于递归rbf神经网络的mbr膜透水率的智能检测方法 | |
CN112964843A (zh) | 污水处理设施水质监测的物联网传感器系统及监测方法 | |
WO2020244265A1 (zh) | 一种利用支持向量机预测农村生活污水处理设施运行有效性的方法 | |
Han et al. | An intelligent detecting system for permeability prediction of MBR | |
CN111610301A (zh) | 一种集中式水质监测装置、系统及方法 | |
CN114049134A (zh) | 一种污染源在线监测数据造假识别方法 | |
CN111204867B (zh) | 膜生物反应器-mbr膜污染智能决策方法 | |
CN108803533A (zh) | 通过智慧管理过程计量的在线环保监测系统 | |
CN105785951B (zh) | 利用统计建模技术实现污水的处理自动化运行系统 | |
CN208432896U (zh) | 通过智慧管理过程计量的在线环保监测系统 | |
CN108983713A (zh) | 一种工业园区用智能管控废水分质收集系统及其应用方法 | |
CN115792165B (zh) | 一种环境水质智能监测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 215501 Zhengwen Road, Yushan high tech Industrial Park, Changshu City, Suzhou City, Jiangsu Province Patentee after: Jiangsu CRRC Huateng Environmental Protection Technology Co.,Ltd. Patentee after: SHANGHAI JIAO TONG University Address before: 215501 Zhengwen Road, Yushan high tech Industrial Park, Changshu City, Suzhou City, Jiangsu Province Patentee before: JIANGSU ZHONGCHE ENVIRONMENTAL PROTECTION EQUIPMENT Co.,Ltd. Patentee before: SHANGHAI JIAO TONG University |