CN110092507A - 一种工业废水处理的方法及装置 - Google Patents
一种工业废水处理的方法及装置 Download PDFInfo
- Publication number
- CN110092507A CN110092507A CN201910461896.6A CN201910461896A CN110092507A CN 110092507 A CN110092507 A CN 110092507A CN 201910461896 A CN201910461896 A CN 201910461896A CN 110092507 A CN110092507 A CN 110092507A
- Authority
- CN
- China
- Prior art keywords
- wastewater treatment
- industrial wastewater
- capacity
- sample
- waste water
- 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
Links
- 238000004065 wastewater treatment Methods 0.000 title claims abstract description 377
- 239000010842 industrial wastewater Substances 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012549 training Methods 0.000 claims abstract description 129
- 239000002351 wastewater Substances 0.000 claims abstract description 102
- 238000004519 manufacturing process Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 108
- 230000008569 process Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 33
- 239000003814 drug Substances 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 18
- 239000010865 sewage Substances 0.000 claims description 17
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 238000004064 recycling Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 230000006735 deficit Effects 0.000 claims description 11
- 239000002699 waste material Substances 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 7
- 239000000645 desinfectant Substances 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 7
- 239000007800 oxidant agent Substances 0.000 claims description 7
- 238000001223 reverse osmosis Methods 0.000 claims description 7
- 238000005498 polishing Methods 0.000 claims description 6
- 239000003795 chemical substances by application Substances 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005189 flocculation Methods 0.000 claims description 4
- 230000016615 flocculation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 238000011033 desalting Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000005619 thermoelectricity Effects 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000008236 heating water Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010626 work up procedure Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F9/00—Multistage treatment of water, waste water or sewage
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- C02F1/001—Processes for the treatment of water whereby the filtration technique is of importance
-
- 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
-
- 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
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
-
- 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
- C02F1/72—Treatment of water, waste water, or sewage by oxidation
-
- 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
- C02F2303/04—Disinfection
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Educational Administration (AREA)
- Separation Using Semi-Permeable Membranes (AREA)
Abstract
本申请提供了一种工业废水处理的方法及装置，包括：获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及样本工业废水处理系统在第二历史时间段的实际废水处理量；基于获取的废水处理量影响信息以及实际废水处理量，训练工业废水处理量预测模型；然后对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，根据预估废水处理量，以及目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入目标工业废水处理系统中进行处理，从而充分利用工业废水处理系统的工业废水处理能力，提高工业废水处理能力的利用率。
Description
技术领域
本申请涉及废水处理技术领域，尤其是涉及一种工业废水处理的方法及装置。
背景技术
火电机组是利用可燃物(例如煤)作为燃料生产电能的设施。它的基本生产过程是：燃料在燃烧时加热水生成蒸汽，将燃料的化学能转变成热能，蒸汽压力推动汽轮机旋转，热能转换成机械能，然后汽轮机带动发电机旋转，将机械能转变成电能。火电机组发电过程中，水作为火电机组的生命线，对火电机组运行具有重要作用。为了节省水资源，火电机组循环冷却水冷却方式通常采用空气冷却；同时，为保护生态环境、进一步节约水资源，很多火电机组都配套建有工业废水处理系统，用于处理火电机组工业废水；处理达标的工业废水在火电机组内可以得到重复利用。
火电机组配套设的工业废水处理系统的工业废水处理能力一般按照火电机组工作期限的最大可处理水量计算，但是工业废水处理能力会根据不同因素的变化而变化，例如随着火电机组运行时间的增加以及火电机组管理水平的提高，工业废水的可处理能力出现剩余，导致工业废水处理资源的浪费。
发明内容
有鉴于此，本申请的目的在于提供一种工业废水处理的方法及装置，以提高工业废水处理能力的利用率。
第一方面，本申请实施例提供了一种工业废水处理的方法，其中，包括：
获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
基于获取的废水处理量影响信息以及所述实际废水处理量，训练工业废水处理量预测模型；
基于所述工业废水处理量预测模型，对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，得到所述目标工业废水处理系统在所述第三时间段的预估废水处理量；
根据所述预估废水处理量，以及所述目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入所述目标工业废水处理系统中进行处理。
本申请的一实施例中，所述废水处理量影响信息包括：除盐水处理废水量、过滤装置处理的反冲洗排水量、反渗透装置处理的反冲洗排水量、凝结水精处理废水量、空气预处理器清洗废水量、以及含油废水处理量、火电机组工作时间、发电量、以及所述发电量对应的发电时间。
本申请的一实施例中，根据以下方式训练得到所述工业废水处理量预测模型：
将所述获取多个相同类型的样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量作为训练样本集合，所述训练样本集合包含多组训练样本，其中，每组训练样本中包含所述样本工业废水处理系统在第一历史时间段内的废水处理量影响信息和所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
利用所述训练样本集合对待训练的基础工业废水处理量预测模型进行训练，其中，训练过程包括：
从所述训练样本集合中获取多组训练样本，分别输入至所述基础工业废水处理量预测模型中，对每组训练样本中的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息进行预测，得到每组训练样本中的第一历史时间段内的废水处理量影响信息对应的第二历史时间段的预测废水处理量；将每组训练样本对应的第二历史时间段的预测废水处理量和第二历史时间段的实际废水处理量进行对比，确定每组训练样本对应的预测结果，所述预测结果表示所述预测废水处理量为所述实际废水处理量的概率；
基于每组训练样本对应的预测结果，确定所述基础工业废水处理量预测模型进行数据预测的准确率；
若所述准确率不满足预设条件，调整所述基础工业废水处理量预测模型的模型参数，并重新执行所述训练过程，直至所述准确率满足所述预设条件，确定所述基础工业废水处理量预测模型训练完成，得到所述工业废水处理量预测模型。
本申请的一实施例中，所述方法还包括：根据所述预估废水处理量，确定在所述第三时间段中废水处理药剂的用量，并基于确定的所述第三时间段中废水处理药剂的用量，为所述目标工业废水处理系统添加废水处理药剂；所述废水处理药剂包括：絮凝剂、助凝剂、调理剂、氧化还原剂、以及消毒剂。
本申请的一实施例中，所述方法还包括：
根据所述预估废水处理量，确定目标工业废水处理系统排出的可再利用中水量；
根据所述可再利用中水量，以及所述目标火电机组对应的中水回用量，确定对目标火电机组中水回用系统缺水量；
根据所述目标火电机组中水回用系统缺水量，确定对所述目标火电机组中水回用系统的补水量；
根据所述补水量从所述火电机组内部目标水源地调集与所述补水量对应的水，并补入所述目标火电机组中水回用系统。
第二方面，本申请实施例还提供一种工业废水处理的装置，其中，包括：
获取装置，用于获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
训练模块，用于基于获取的废水处理量影响信息以及所述实际废水处理量，训练工业废水处理量预测模型；
确定模块，用于基于所述工业废水处理量预测模型，对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，得到所述目标工业废水处理系统在所述第三时间段的预估废水处理量；
处理模块，用于根据所述预估废水处理量，以及所述目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入所述目标工业废水处理系统中进行处理。
本申请的一实施例中，所述废水处理量影响信息包括：除盐水处理废水量、过滤装置处理的反冲洗排水量、反渗透装置处理的反冲洗排水量、凝结水精处理废水量、空气预处理器清洗废水量、以及含油废水处理量、火电机组工作时间、发电量、以及所述发电量对应的发电时间。
本申请的一实施例中，所述训练模块中，根据以下方式训练得到所述工业废水处理量预测模型：
将所述获取多个相同类型的样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量作为训练样本集合，所述训练样本集合包含多组训练样本，其中，每组训练样本中包含所述样本工业废水处理系统在第一历史时间段内的废水处理量影响信息和所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
利用所述训练样本集合对待训练的基础工业废水处理量预测模型进行训练，其中，训练过程包括：
从所述训练样本集合中获取多组训练样本，分别输入至所述基础工业废水处理量预测模型中，对每组训练样本中的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息进行预测，得到每组训练样本中的第一历史时间段内的废水处理量影响信息对应的第二历史时间段的预测废水处理量；将每组训练样本对应的第二历史时间段的预测废水处理量和第二历史时间段的实际废水处理量进行对比，确定每组训练样本对应的预测结果，所述预测结果表示所述预测废水处理量为所述实际废水处理量的概率；
基于每组训练样本对应的预测结果，确定所述基础工业废水处理量预测模型进行数据预测的准确率；
若所述准确率不满足预设条件，调整所述基础工业废水处理量预测模型的模型参数，并重新执行所述训练过程，直至所述准确率满足所述预设条件，确定所述基础工业废水处理量预测模型训练完成，得到所述工业废水处理量预测模型。
本申请的一实施例中，所述装置还用于：根据所述预估废水处理量，确定在所述第三时间段中废水处理药剂的用量，并基于确定的所述第三时间段中废水处理药剂的用量，为所述目标工业废水处理系统添加废水处理药剂；所述废水处理药剂包括：絮凝剂、助凝剂、调理剂、氧化还原剂、以及消毒剂。
本申请的一实施例中，所述装置还用于：
根据所述预估废水处理量，确定目标工业废水处理系统排出的可再利用中水量；
根据所述可再利用中水量，以及所述目标火电机组对应的中水回用量，确定对目标火电机组中水回用系统缺水量；
根据所述目标火电机组中水回用系统缺水量，确定对所述目标火电机组中水回用系统的补水量；
根据所述补水量从所述火电机组内部目标水源地调集与所述补水量对应的水，并补入所述目标火电机组中水回用系统。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的任一种可能的实施方式中的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面的任一种可能的实施方式中的步骤。
本申请实施例通过获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及样本工业废水处理系统在第二历史时间段的实际废水处理量，并基于获取的废水处理量影响信息以及实际废水处理量，训练工业废水处理量预测模型；然后基于工业废水处理量预测模型，对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，得到目标工业废水处理系统在第三时间段的预估废水处理量；以根据预估废水处理量，以及目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入目标工业废水处理系统中进行处理，从而充分利用工业废水处理系统的工业废水处理能力，提高工业废水处理能力的利用率。
本申请的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本申请实施例提供的一种工业废水处理的方法的流程示意图；
图2示出了本申请实施例所提供的工业废水处理量预测模型方法的流程示意图；
图3示出了本申请实施例所提供的一种工业废水处理的装置300的结构示意图；
图4示出了本申请实施例所提供的一种电子设备400的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种工业废水处理的方法进行详细介绍。
实施例一
参见图1所示，为本申请实施例所提供的一种工业废水处理的方法的流程示意图，该方法包括以下步骤：
步骤101、获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内废水处理量影响信息，以及样本工业废水处理系统在第二历史时间段的实际废水处理量。
具体的，废水处理量影响信息包括：除盐水处理废水量、过滤装置处理的反冲洗排水量、反渗透装置处理的反冲洗排水量、凝结水精处理废水量、空气预处理器清洗废水量、以及含油废水处理量、火电机组工作时间、发电量、以及所述发电量对应的发电时间。
其中，工业废水处理系统的废水来源可以是生活污水，也可以是工业废水、化学废水或者含油废水，对于不同的废水来源需要经过不同的废水处理方法，处理废水流程中，经过过滤装置产生反冲洗排水量，经过反渗透装置产生反冲洗排水量，经过除盐水箱处理的废水量为除盐水废水量，除盐水箱处理后经过锅炉装置后处理的废水量为锅炉清洗废水量，凝结水精处理系统处理的废水量为凝结水精处理废水量；废水处理量影响信息还包括：火电机组开始使用至统计时间段内的工作时间、发电量、以及发电量对应的发电时间。
示例性的，样本火电机组A对应的样本工业废水处理系统在2014年2月-3月内的废水处理量影响信息，以及该样本火电机组A对应的样本工业废水处理系统在2014年4月的实际废水处理量作为一个样本信息，然后统计与样本火电机组A相同类型的多个样本火电机组对应的样本工业废水处理系统在2014年2月-3月内的废水处理量影响信息，以及样本火电机组对应的样本工业废水处理系统在2014年4月的实际废水处理量，基于获取的信息进行模型预测。
步骤102、基于获取的废水处理量影响信息以及实际废水处理量，训练工业废水处理量预测模型。
其中，工业废水处理量预测模型的训练过程将在工业废水处理的方法后进行详细介绍，在此暂不展开说明。
步骤103、基于工业废水处理量预测模型，对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，得到目标工业废水处理系统在第三时间段的预估废水处理量。
示例性的，根据训练好的工业废水处理量预测模型以及目标火电机组B的废水处理量影响信息，对目标火电机组B对应的目标工业废水处理系统在2014年8月的废水处理量进行预测，得到目标火电机组B对应的目标工业废水处理系统在2014年8月的预估废水处理量。其中，目标火电机组与样本火电机组是相同类型的火电机组。
步骤104、根据预估废水处理量，以及目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入目标工业废水处理系统中进行处理。
示例性的，假设目标工业废水处理系统对应的额定废水处理量为20万立方米/天，预估该目标工业废水处理系统的废水处理量为12万立方米/天，那么该目标工业废水处理系统的剩余废水处理量为8万立方米/天，可以通过导入除目标火电机组之外的其他生产系统产生的废水进行废水处理，充分利用该目标工业废水处理系统的剩余废水处理量能力。将工业废水处理系统处理的废水量排放到火电机组中水回用系统，作为中水来源，充分利用工业废水处理系统处理的废水。并且通过利用剩余废水处理能力，可以减少后期对火电机组的建设数量，有利于对后期建设机组工业废水处理系统设计、运行。
可选地，根据预估废水处理量，确定在第三时间段中废水处理药剂的用量，并基于确定的第三时间段中废水处理药剂的用量，为目标工业废水处理系统添加废水处理药剂；废水处理药剂包括：絮凝剂、助凝剂、调理剂、氧化还原剂、以及消毒剂。
可选地，根据预估废水处理量，确定目标工业废水处理系统排出的可再利用中水量；根据可再利用中水量，以及目标火电机组对应的中水回用量，确定对目标火电机组中水回用系统缺水量；并确定对目标火电机组中水回用系统的补水量；根据补水量从火电机组内部目标水源地调集与补水量对应的水，并补入目标火电机组中水回用系统。
如图2所示，示出了本申请实施例所提供的工业废水处理量预测模型方法的流程示意图；具体包括以下步骤：
步骤201、获取训练样本集合。
具体的，将获取多个相同类型的样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及样本工业废水处理系统在第二历史时间段的实际废水处理量作为训练样本集合，训练样本集合包含多组训练样本，其中，每组训练样本中包含样本工业废水处理系统在第一历史时间段内的废水处理量影响信息和样本工业废水处理系统在第二历史时间段的实际废水处理量。
步骤202、利用训练样本集合对待训练的基础工业废水处理量预测模型进行训练。
其中，训练过程包括：
步骤2021、从训练样本集合中获取多组训练样本，分别输入至基础工业废水处理量预测模型中，对每组训练样本中的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息进行预测，得到每组训练样本中的第一历史时间段内的废水处理量影响信息对应的第二历史时间段的预测废水处理量；将每组训练样本对应的第二历史时间段的预测废水处理量和第二历史时间段的实际废水处理量进行对比，确定每组训练样本对应的预测结果，预测结果表示预测废水处理量为实际废水处理量的概率。
示例性的，样本火电机组C对应的样本工业废水处理系统在2013年2月-5月内的废水处理量影响信息，以及该样本火电机组C对应的样本工业废水处理系统在2013年6月的实际废水处理量作为一个样本信息，然后统计与样本火电机组C相同类型的多个样本火电机组对应的样本工业废水处理系统在2013年2月-5月内的废水处理量影响信息，以及样本火电机组对应的样本工业废水处理系统在2013年6月的实际废水处理量，将统计到的信息作为训练样本集合。
针对统计到的训练样本集合中多组训练样本，输入至基础工业废水处理量预测模型，其中，基础工业废水处理量预测模型可以是：自回归模型、逻辑回归模型、自回归移动平均模型、移动平均模型、整合移动平均自回归模型、广义自回归条件异方差模型、深度学习模型、梯度下降树模型、决策树模型、梯度提升树模型中任意一种。
假设根据基础工业废水处理量预测模型预测的样本火电机组C对应的样本工业废水处理系统在2013年6月的废水处理量为20万立方米/天，且实际废水处理量为25万立方米/天，那么预测废水处理量为实际废水处理量的概率为0。
步骤2022、基于每组训练样本对应的预测结果，确定基础工业废水处理量预测模型进行数据预测的准确率。
假设训练样本集合中为50组训练样本，通过对比每组训练样本的预测废水处理量和实际废水处理量，得到有45组训练样本的概率为1，5组训练样本的概率为0，那么基础工业废水处理量预测模型进行数据预测的准确率为90％。
步骤2023、若准确率不满足预设条件，调整基础工业废水处理量预测模型的模型参数，并重新执行训练过程，直至准确率满足预设条件，确定基础工业废水处理量预测模型训练完成。
步骤203、在确定基础工业废水处理量预测模型训练完成后，将训练完的基础工业废水处理量预测模型，确定为工业废水处理量预测模型。
本申请实施例提供的一种工业废水处理的方法，包括：获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及样本工业废水处理系统在第二历史时间段的实际废水处理量；基于获取的废水处理量影响信息以及实际废水处理量，训练工业废水处理量预测模型；然后对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，根据预估废水处理量，以及目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入目标工业废水处理系统中进行处理，从而充分利用工业废水处理系统的工业废水处理能力，提高工业废水处理能力的利用率和确保中水回用系统的供水安全。
实施例二
参见图3所示，为本申请实施例所提供的一种工业废水处理的装置300的结构示意图，该装置包括：获取装置301、训练模块302、确定模块303、处理模块304；具体的：
获取装置301，用于获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
训练模块302，用于基于获取的废水处理量影响信息以及所述实际废水处理量，训练工业废水处理量预测模型；
确定模块303，用于基于所述工业废水处理量预测模型，对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，得到所述目标工业废水处理系统在所述第三时间段的预估废水处理量；
处理模块304，用于根据所述预估废水处理量，以及所述目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入所述目标工业废水处理系统中进行处理。
本申请的一实施例中，所述废水处理量影响信息包括：除盐水处理废水量、过滤装置处理的反冲洗排水量、反渗透装置处理的反冲洗排水量、凝结水精处理废水量、空气预处理器清洗废水量、以及含油废水处理量、火电机组工作时间、发电量、以及所述发电量对应的发电时间。
本申请的一实施例中，所述训练模块302中，根据以下方式训练得到所述工业废水处理量预测模型：
将所述获取多个相同类型的样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量作为训练样本集合，所述训练样本集合包含多组训练样本，其中，每组训练样本中包含所述样本工业废水处理系统在第一历史时间段内的废水处理量影响信息和所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
利用所述训练样本集合对待训练的基础工业废水处理量预测模型进行训练，其中，训练过程包括：
从所述训练样本集合中获取多组训练样本，分别输入至所述基础工业废水处理量预测模型中，对每组训练样本中的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息进行预测，得到每组训练样本中的第一历史时间段内的废水处理量影响信息对应的第二历史时间段的预测废水处理量；将每组训练样本对应的第二历史时间段的预测废水处理量和第二历史时间段的实际废水处理量进行对比，确定每组训练样本对应的预测结果，所述预测结果表示所述预测废水处理量为所述实际废水处理量的概率；
基于每组训练样本对应的预测结果，确定所述基础工业废水处理量预测模型进行数据预测的准确率；
若所述准确率不满足预设条件，调整所述基础工业废水处理量预测模型的模型参数，并重新执行所述训练过程，直至所述准确率满足所述预设条件，确定所述基础工业废水处理量预测模型训练完成，得到所述工业废水处理量预测模型。
本申请的一实施例中，所述装置还用于：根据所述预估废水处理量，确定在所述第三时间段中废水处理药剂的用量，并基于确定的所述第三时间段中废水处理药剂的用量，为所述目标工业废水处理系统添加废水处理药剂；所述废水处理药剂包括：絮凝剂、助凝剂、调理剂、氧化还原剂、以及消毒剂。
本申请的一实施例中，所述装置还用于：
根据所述预估废水处理量，确定目标工业废水处理系统排出的可再利用中水量；
根据所述可再利用中水量，以及所述目标火电机组对应的中水回用量，确定对目标火电机组中水回用系统缺水量；
根据所述目标火电机组中水回用系统缺水量，确定对所述目标火电机组中水回用系统的补水量；
根据所述补水量从所述火电机组内部目标水源地调集与所述补水量对应的水，并补入所述目标火电机组中水回用系统。
实施例三
基于同一技术构思，本申请实施例还提供了一种电子设备。参照图4所示，为本申请实施例提供的电子设备400的结构示意图，包括处理器401、存储器402、和总线403。其中，存储器402用于存储执行指令，包括内存4021和外部存储器4022；这里的内存4021也称内存储器，用于暂时存放处理器401中的运算数据，以及与硬盘等外部存储器4022交换的数据，处理器401通过内存4021与外部存储器4022进行数据交换，当电子设备400运行时，处理器401与存储器402之间通过总线403通信，使得处理器401在执行以下指令：
获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
基于获取的废水处理量影响信息以及所述实际废水处理量，训练工业废水处理量预测模型；
基于所述工业废水处理量预测模型，对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，得到所述目标工业废水处理系统在所述第三时间段的预估废水处理量；
根据所述预估废水处理量，以及所述目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入所述目标工业废水处理系统中进行处理。
一种可能的设计中，处理器401执行的处理中，所述废水处理量影响信息包括：除盐水处理废水量、过滤装置处理的反冲洗排水量、反渗透装置处理的反冲洗排水量、凝结水精处理废水量、空气预处理器清洗废水量、以及含油废水处理量、火电机组工作时间、发电量、以及所述发电量对应的发电时间。
一种可能的设计中，处理器401执行的处理中，根据以下方式训练得到所述工业废水处理量预测模型：
将所述获取多个相同类型的样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量作为训练样本集合，所述训练样本集合包含多组训练样本，其中，每组训练样本中包含所述样本工业废水处理系统在第一历史时间段内的废水处理量影响信息和所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
利用所述训练样本集合对待训练的基础工业废水处理量预测模型进行训练，其中，训练过程包括：
从所述训练样本集合中获取多组训练样本，分别输入至所述基础工业废水处理量预测模型中，对每组训练样本中的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息进行预测，得到每组训练样本中的第一历史时间段内的废水处理量影响信息对应的第二历史时间段的预测废水处理量；将每组训练样本对应的第二历史时间段的预测废水处理量和第二历史时间段的实际废水处理量进行对比，确定每组训练样本对应的预测结果，所述预测结果表示所述预测废水处理量为所述实际废水处理量的概率；
基于每组训练样本对应的预测结果，确定所述基础工业废水处理量预测模型进行数据预测的准确率；
若所述准确率不满足预设条件，调整所述基础工业废水处理量预测模型的模型参数，并重新执行所述训练过程，直至所述准确率满足所述预设条件，确定所述基础工业废水处理量预测模型训练完成，得到所述工业废水处理量预测模型。
一种可能的设计中，处理器401执行的处理中，所述方法还包括：根据所述预估废水处理量，确定在所述第三时间段中废水处理药剂的用量，并基于确定的所述第三时间段中废水处理药剂的用量，为所述目标工业废水处理系统添加废水处理药剂；所述废水处理药剂包括：絮凝剂、助凝剂、调理剂、氧化还原剂、以及消毒剂。
一种可能的设计中，处理器401执行的处理中，所述方法还包括：
根据所述预估废水处理量，确定目标工业废水处理系统排出的可再利用中水量；
根据所述可再利用中水量，以及所述目标火电机组对应的中水回用量，确定对目标火电机组中水回用系统缺水量；
根据所述目标火电机组中水回用系统缺水量，确定对所述目标火电机组中水回用系统的补水量；
根据所述补水量从所述火电机组内部目标水源地调集与所述补水量对应的水，并补入所述目标火电机组中水回用系统。
实施例四
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述工业废水处理的方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述工业废水处理的方法的步骤，从而充分利用工业废水处理系统的工业废水处理能力，提高工业废水处理能力的利用率。
本申请实施例所提供的工业废水处理的方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种工业废水处理的方法，其特征在于，包括：
获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
基于获取的废水处理量影响信息以及所述实际废水处理量，训练工业废水处理量预测模型；
基于所述工业废水处理量预测模型，对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，得到所述目标工业废水处理系统在所述第三时间段的预估废水处理量；
根据所述预估废水处理量，以及所述目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入所述目标工业废水处理系统中进行处理。
2.根据权利要求1所述的方法，其特征在于，所述废水处理量影响信息包括：除盐水处理废水量、过滤装置处理的反冲洗排水量、反渗透装置处理的反冲洗排水量、凝结水精处理废水量、空气预处理器清洗废水量、以及含油废水处理量、火电机组工作时间、发电量、以及所述发电量对应的发电时间。
3.根据权利要求1所述的方法，其特征在于，根据以下方式训练得到所述工业废水处理量预测模型：
将所述获取多个相同类型的样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量作为训练样本集合，所述训练样本集合包含多组训练样本，其中，每组训练样本中包含所述样本工业废水处理系统在第一历史时间段内的废水处理量影响信息和所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
利用所述训练样本集合对待训练的基础工业废水处理量预测模型进行训练，其中，训练过程包括：
从所述训练样本集合中获取多组训练样本，分别输入至所述基础工业废水处理量预测模型中，对每组训练样本中的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息进行预测，得到每组训练样本中的第一历史时间段内的废水处理量影响信息对应的第二历史时间段的预测废水处理量；将每组训练样本对应的第二历史时间段的预测废水处理量和第二历史时间段的实际废水处理量进行对比，确定每组训练样本对应的预测结果，所述预测结果表示所述预测废水处理量为所述实际废水处理量的概率；
基于每组训练样本对应的预测结果，确定所述基础工业废水处理量预测模型进行数据预测的准确率；
若所述准确率不满足预设条件，调整所述基础工业废水处理量预测模型的模型参数，并重新执行所述训练过程，直至所述准确率满足所述预设条件，确定所述基础工业废水处理量预测模型训练完成，得到所述工业废水处理量预测模型。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述预估废水处理量，确定在所述第三时间段中废水处理药剂的用量，并基于确定的所述第三时间段中废水处理药剂的用量，为所述目标工业废水处理系统添加废水处理药剂；所述废水处理药剂包括：絮凝剂、助凝剂、调理剂、氧化还原剂、以及消毒剂。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述预估废水处理量，确定目标工业废水处理系统排出的可再利用中水量；
根据所述可再利用中水量，以及所述目标火电机组对应的中水回用量，确定对目标火电机组中水回用系统缺水量；
根据所述目标火电机组中水回用系统缺水量，确定对所述目标火电机组中水回用系统的补水量；
根据所述补水量从所述火电机组内部目标水源地调集与所述补水量对应的水，并补入所述目标火电机组中水回用系统。
6.一种工业废水处理的装置，其特征在于，包括：
获取装置，用于获取多个样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
训练模块，用于基于获取的废水处理量影响信息以及所述实际废水处理量，训练工业废水处理量预测模型；
确定模块，用于基于所述工业废水处理量预测模型，对目标火电机组对应的目标工业废水处理系统在未来的第三时间段的废水处理量进行预测，得到所述目标工业废水处理系统在所述第三时间段的预估废水处理量；
处理模块，用于根据所述预估废水处理量，以及所述目标工业废水处理系统对应的额定废水处理量，将除目标火电机组之外的其他生产系统产生的废水导入所述目标工业废水处理系统中进行处理。
7.根据权利要求6所述的装置，其特征在于，所述训练模块中，根据以下方式训练得到所述工业废水处理量预测模型：
将所述获取多个相同类型的样本火电机组对应的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息，以及所述样本工业废水处理系统在第二历史时间段的实际废水处理量作为训练样本集合，所述训练样本集合包含多组训练样本，其中，每组训练样本中包含所述样本工业废水处理系统在第一历史时间段内的废水处理量影响信息和所述样本工业废水处理系统在第二历史时间段的实际废水处理量；
利用所述训练样本集合对待训练的基础工业废水处理量预测模型进行训练，其中，训练过程包括：
从所述训练样本集合中获取多组训练样本，分别输入至所述基础工业废水处理量预测模型中，对每组训练样本中的样本工业废水处理系统在第一历史时间段内的废水处理量影响信息进行预测，得到每组训练样本中的第一历史时间段内的废水处理量影响信息对应的第二历史时间段的预测废水处理量；将每组训练样本对应的第二历史时间段的预测废水处理量和第二历史时间段的实际废水处理量进行对比，确定每组训练样本对应的预测结果，所述预测结果表示所述预测废水处理量为所述实际废水处理量的概率；
基于每组训练样本对应的预测结果，确定所述基础工业废水处理量预测模型进行数据预测的准确率；
若所述准确率不满足预设条件，调整所述基础工业废水处理量预测模型的模型参数，并重新执行所述训练过程，直至所述准确率满足所述预设条件，确定所述基础工业废水处理量预测模型训练完成，得到所述工业废水处理量预测模型。
8.根据权利要求5所述的装置，其特征在于，所述装置还用于：根据所述预估废水处理量，确定在所述第三时间段中废水处理药剂的用量，并基于确定的所述第三时间段中废水处理药剂的用量，为所述目标工业废水处理系统添加废水处理药剂；所述废水处理药剂包括：絮凝剂、助凝剂、调理剂、氧化还原剂、以及消毒剂。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的一种工业废水处理的方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至5任一所述的一种工业废水处理的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910461896.6A CN110092507A (zh) | 2019-05-30 | 2019-05-30 | 一种工业废水处理的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910461896.6A CN110092507A (zh) | 2019-05-30 | 2019-05-30 | 一种工业废水处理的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110092507A true CN110092507A (zh) | 2019-08-06 |
Family
ID=67449742
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910461896.6A Pending CN110092507A (zh) | 2019-05-30 | 2019-05-30 | 一种工业废水处理的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110092507A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486606A (zh) * | 2021-06-30 | 2021-10-08 | 上海市政工程设计研究总院（集团）有限公司 | 水处理系统模型训练方法、运行方法、系统、设备和介质 |
| CN114904319A (zh) * | 2022-07-13 | 2022-08-16 | 艾肯（江苏）工业技术有限公司 | 基于物联网的废水处理可利用性测试系统及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101009003A (zh) * | 2007-01-09 | 2007-08-01 | 武汉理工大学 | 一种城市污水设计水质指标的预测方法 |
| CN102540897A (zh) * | 2012-03-14 | 2012-07-04 | 黑龙江盛大环保建筑工程有限责任公司 | 一种水处理混凝投药复合预测控制方法 |
| CN104866913A (zh) * | 2015-04-27 | 2015-08-26 | 中国农业大学 | 一种预测回流工艺下厌氧发酵罐内氨氮浓度的方法 |
| CN107944601A (zh) * | 2017-11-07 | 2018-04-20 | 中国石油天然气集团公司 | 以特征污染物溯源分析为指导的污水处理评估方法及装置 |
| CN108027137A (zh) * | 2015-09-18 | 2018-05-11 | 三菱日立电力系统株式会社 | 水质管理装置、水处理系统、水质管理方法及水处理系统的最佳化程序 |
| CN108427268A (zh) * | 2018-02-26 | 2018-08-21 | 河南理工大学 | 一种基于知识与数据信息决策的污水处理优化控制方法 |
| CN109242196A (zh) * | 2018-09-25 | 2019-01-18 | 中国水利水电科学研究院 | 火电厂用水量预测方法及装置 |
| CN109243649A (zh) * | 2018-09-25 | 2019-01-18 | 中国水利水电科学研究院 | 核电厂用水量控制方法及装置 |
| CN109299834A (zh) * | 2018-12-03 | 2019-02-01 | 中国水利水电科学研究院 | 一种净水厂的水处理量预测方法以及装置 |
| CN109558982A (zh) * | 2018-12-03 | 2019-04-02 | 中国水利水电科学研究院 | 一种火电厂取水量预测方法以及装置 |
-
2019
- 2019-05-30 CN CN201910461896.6A patent/CN110092507A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101009003A (zh) * | 2007-01-09 | 2007-08-01 | 武汉理工大学 | 一种城市污水设计水质指标的预测方法 |
| CN102540897A (zh) * | 2012-03-14 | 2012-07-04 | 黑龙江盛大环保建筑工程有限责任公司 | 一种水处理混凝投药复合预测控制方法 |
| CN104866913A (zh) * | 2015-04-27 | 2015-08-26 | 中国农业大学 | 一种预测回流工艺下厌氧发酵罐内氨氮浓度的方法 |
| CN108027137A (zh) * | 2015-09-18 | 2018-05-11 | 三菱日立电力系统株式会社 | 水质管理装置、水处理系统、水质管理方法及水处理系统的最佳化程序 |
| CN107944601A (zh) * | 2017-11-07 | 2018-04-20 | 中国石油天然气集团公司 | 以特征污染物溯源分析为指导的污水处理评估方法及装置 |
| CN108427268A (zh) * | 2018-02-26 | 2018-08-21 | 河南理工大学 | 一种基于知识与数据信息决策的污水处理优化控制方法 |
| CN109242196A (zh) * | 2018-09-25 | 2019-01-18 | 中国水利水电科学研究院 | 火电厂用水量预测方法及装置 |
| CN109243649A (zh) * | 2018-09-25 | 2019-01-18 | 中国水利水电科学研究院 | 核电厂用水量控制方法及装置 |
| CN109299834A (zh) * | 2018-12-03 | 2019-02-01 | 中国水利水电科学研究院 | 一种净水厂的水处理量预测方法以及装置 |
| CN109558982A (zh) * | 2018-12-03 | 2019-04-02 | 中国水利水电科学研究院 | 一种火电厂取水量预测方法以及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 解建宝等: "《600MW火电机组培训教材 辅助系统分册》", 30 November 2006, 北京：中国电力出版社 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486606A (zh) * | 2021-06-30 | 2021-10-08 | 上海市政工程设计研究总院（集团）有限公司 | 水处理系统模型训练方法、运行方法、系统、设备和介质 |
| CN113486606B (zh) * | 2021-06-30 | 2023-01-20 | 上海市政工程设计研究总院（集团）有限公司 | 水处理系统模型训练方法、运行方法、系统、设备和介质 |
| CN114904319A (zh) * | 2022-07-13 | 2022-08-16 | 艾肯（江苏）工业技术有限公司 | 基于物联网的废水处理可利用性测试系统及方法 |
| CN114904319B (zh) * | 2022-07-13 | 2022-09-23 | 艾肯（江苏）工业技术有限公司 | 基于物联网的废水处理可利用性测试系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101163642B (zh) | 用于对组合式发电和水脱盐设备进行使用规划、工艺监控、仿真和优化的系统和方法 | |
| CN108491266A (zh) | 基于区块链的数据处理方法、装置及电子设备 | |
| CN110092507A (zh) | 一种工业废水处理的方法及装置 | |
| CN113131523A (zh) | 一种分品种电力供应预测方法及系统 | |
| CN114492675B (zh) | 一种电容式电压互感器故障原因智能诊断方法 | |
| CN109850961A (zh) | 用于判断净水器滤芯剩余寿命的方法、装置和系统 | |
| Obiuto et al. | Chemical engineering and the circular water economy: Simulations for sustainable water management in environmental systems | |
| Mabitla et al. | A hybrid method for synthesis of integrated water and regeneration networks with variable removal ratios | |
| CN109860736A (zh) | 用于电池梯次利用的大数据系统和方法 | |
| CN109626460A (zh) | 智能煤泥水处理方法及装置 | |
| CN109299834A (zh) | 一种净水厂的水处理量预测方法以及装置 | |
| CN104361261B (zh) | 一种基于率模可靠性理论的齿轮泵健康状态评估方法 | |
| CN104268698B (zh) | 一种对电网企业运营监测业务数据进行排名的方法 | |
| CN106056250A (zh) | 一种基于路径优化的配电网巡视方法 | |
| JP2011189285A (ja) | 排水処理プロセス知識蓄積および制御支援装置 | |
| CN115934691A (zh) | 短期光伏功率的确定方法及装置 | |
| CN110889641A (zh) | 抽水蓄能电站抽水发电能力测算系统、方法及存储介质 | |
| CN109411029A (zh) | 一种含能化合物性能预估系统 | |
| CN109726896A (zh) | 能源能效的计算方法及装置、存储介质、电子装置 | |
| CN109056962A (zh) | 管控水网的方法及装置 | |
| CN111353650A (zh) | 一种基于云计算的水厂智能优化辅助决策系统 | |
| EP4024145A1 (en) | Nonlinear model modeling method, device and storage medium | |
| CN113420459B (zh) | 一种基于大延时算法的污水处理系统 | |
| CN110135661B (zh) | 一种火电机组除盐水站的水处理量预测方法及装置 | |
| CN109977494A (zh) | 企业能源运行效率的分析方法与装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |
|
| RJ01 | Rejection of invention patent application after publication |