CN110196083A - 排水管网污染路径的监测识别方法、装置及电子设备 - Google Patents
排水管网污染路径的监测识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110196083A CN110196083A CN201910422222.5A CN201910422222A CN110196083A CN 110196083 A CN110196083 A CN 110196083A CN 201910422222 A CN201910422222 A CN 201910422222A CN 110196083 A CN110196083 A CN 110196083A
- Authority
- CN
- China
- Prior art keywords
- pollution
- pipe network
- drainage pipe
- monitoring
- transmission path
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 82
- 230000005540 biological transmission Effects 0.000 claims abstract description 77
- 239000010865 sewage Substances 0.000 claims description 57
- 239000003344 environmental pollutant Substances 0.000 claims description 19
- 231100000719 pollutant Toxicity 0.000 claims description 19
- 230000000737 periodic effect Effects 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000001932 seasonal effect Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000007774 longterm Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011109 contamination Methods 0.000 claims description 6
- 230000002354 daily effect Effects 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 231100000241 scar Toxicity 0.000 abstract 3
- 238000010586 diagram Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000473945 Theria <moth genus> Species 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03F—SEWERS; CESSPOOLS
- E03F1/00—Methods, systems, or installations for draining-off sewage or storm water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03F—SEWERS; CESSPOOLS
- E03F2201/00—Details, devices or methods not otherwise provided for
- E03F2201/20—Measuring flow in sewer systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Hydrology & Water Resources (AREA)
- Fluid Mechanics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种排水管网污染路径的监测识别方法、装置及电子设备，涉及城市排水管理中污染路径的识别领域，包括：建立待监测区域的排水管网骨架模型，根据排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点，按照关键节点在实际排水管网布点后，监测实际排水管网的水量和水质指标数据，在监测到水量和水质指标数据异常时，利用排水管网骨架模型从可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证，缓解了现有人工监测技术识别排水管网污染智能化水平低的技术问题。
Description
技术领域
本申请涉及城市排水管理中污染路径的识别领域，特别涉及一种排水管网污染路径的监测识别方法、装置及电子设备。
背景技术
城市排水管网是城市重要的基础保障设施之一，但目前各城市排水管网缺乏系统性管理，对高负荷偷排漏排事故无法进行有效监控和及时预警处置，管网安全风险较高；排水管网的实际雨污分流不彻底，存在错接和混接，直接影响排水系统整体的运行效能及环境效益，导致河道黑臭等现象，所以对排水系统进行监控是比较重要的。
目前对排水管网领域开展的监测工作极为有限，监测形式以人工采样为主，以致于排水管网智能化管理水平低，对排水户监管力度不足，导致企业存在偷排、漏排、不达标排放的现象；由于偷排等间歇性和随机性强，单依靠人工采样难以发现问题，加大了政府监督管理的难度；在事故发生后，无法确定污染物的来源，更难以及时对事故进行取证，以致于无法对事故责任方进行追责。
发明内容
鉴于此，本发明的目的在于提供排水管网污染路径的监测识别方法、装置及电子设备，缓解了现有人工监测技术识别排水管网污染智能化水平低的技术问题。
第一方面，本发明实施例提供了一种排水管网污染路径的监测识别方法，包括以下步骤：
建立待监测区域的排水管网骨架模型；
根据所述排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点；
按照关键节点在实际排水管网布点后，监测实际排水管网的水量和水质指标数据；
在监测到水量和水质指标数据异常时，利用排水管网骨架模型从所述可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，建立待监测区域的排水管网骨架模型，包括：
根据待监测区域的基础信息，建立排水管网骨架模型；基础信息至少包括以下之一：土地利用类型、排水管网、土地高程、污水处理厂、人口数量。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点，包括：
确定所述排水管网骨架模型对应的排污模式；
根据所述排污模式，识别可能性污染传输路径和可能性污染传输路径的关键节点。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，确定所述排水管网骨架模型对应的排污模式，包括：
确定所述排水管网骨架模型对应的不同用地类型的周期性规律；
根据周期性规律，采用如下公式计算每日不同时刻的污水瞬时排放系数；
其中，RIA为污水瞬时排放系数，Qt为t时刻的污水量，为平均每日污水量；
按照日期不同，对污水瞬时排放系数进行加权平均计算；
利用加权平均计算下的污水瞬时排放系数，得到排污模式。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据待监测区域的基础信息，建立排水管网骨架模型的步骤之后，所述方法还包括：
将季节基流输入到所述周期性规律，对季节排污情况进行模拟，对可能污染传输路径进行模拟分析；
在季节基础上叠加降雨影响，模拟降雨条件下所述周期性规律，在区域的关键节点进行流量和水质采样监测，在降雨条件下，利用监测数据对所述排水管网骨架模型进行率定和验证。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，在监测到水量和水质指标数据异常时，利用排水管网骨架模型从所述可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证，包括：
对所述水量和水质指标数据进行分析，判别污染事故的发生；
根据已采集的污染负荷突变监测数据，利用所述排水管网骨架模型模拟，从所述可能性污染传输路径中确定实际污染传输路径，对排水管网下游污染物的流经时间和污染强度进行预测，从而进行污染事故的预警预报，辅助制定泵站、调蓄池及污水厂的应急预案；
根据已采集的污染负荷突变监测数据，结合排水路径向上游进行溯源分析，判断造成污染事故的根源，并根据需要触发自动采样器，对污染事故进行污染取证。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，对所述水量和水质指标数据进行分析，判别污染事故的发生，包括：
对于在分流制雨水管网和旱季的情况下，在出现持续流量时，确定存在错接或混接问题；
对于在分流制雨水管网和旱季的情况下，在出现间歇性流量时，确定存在短时偷排或漏排问题；
对于污水管网，根据水质数据，采用如下公式确定待测污染物的浓度超标倍数；
其中，p为待测污染物的浓度超标倍数，ct为t时刻测得的特征污染物浓度值，c0t为长期持续监测下根据数据积累得到的t时刻浓度平均值；
判断所述浓度超标倍数是否不小于浓度预设值；
如果是，确定发生超标排放或非许可排水户进行偷排的污染事故发生；
根据水量数据，采用如下公式确定待测污染物的流量超标倍数；
其中,q为待测污染物的流量超标倍数，Qt为t时刻测得的监测点流量，为长期持续监测下根据数据积累得到的t时刻流量平均值；
确定所述浓度超标倍数不小于浓度预设值后，判断所述流量超标倍数是否不小于流量预设值；
如果是，则计算污染事故发生的持续性时间。
第二方面，本发明实施例还提供一种排水管网污染路径的监测识别装置，包括：
骨架模型建立模块，用于建立待监测区域的排水管网骨架模型；
识别模块，用于根据所述排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点；
监测模块，用于按照关键节点在实际排水管网布点后，监测实际排水管网的水量和水质指标数据；
确定污染路径模块，用于在监测到水量和水质指标数据异常时，利用排水管网骨架模型从所述可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证。
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例任一项所述的方法的步骤。
第四方面，本发明实施例还提供一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例中任一项所述的方法。
本发明实施例带来了以下有益效果：通过建立待监测区域的排水管网骨架模型，根据排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点，按照关键节点在实际排水管网布点后，监测实际排水管网的水量和水质指标数据，在监测到水量和水质指标数据异常时，利用排水管网骨架模型从可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证，缓解了现有人工监测技术识别排水管网污染智能化水平低的技术问题。
本发明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，或者通过实施本发明而了解。本发明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。
为使本发明的上述目的、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发明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发明的一些实施方式，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为本发明实施例提供的排水管网污染路径的监测识别方法的流程图；
图2为排水管网骨架模型的示意图；
图3为不同地块旱季排污模式RIA指数的示意图；
图4为排水管网关键节点的示意图；
图5为案例区域污染路径监测识别示意图；
图6为监测点2流量变化曲线的示意图；
图7为监测点2悬浮物SS浓度变化的示意图；
图8为本发明实施例提供的排水管网污染路径的监测识别装置的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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。
结合图1所示，该排水管网污染路径的监测识别方法包括：
S110：建立待监测区域的排水管网骨架模型。
根据待监测区域的基础信息，建立排水管网骨架模型；基础信息至少包括以下之一：土地利用类型、排水管网、土地高程、污水处理厂、人口数量。
作为一示例，案例区域为中国南方某城市的一个独立排水片区，该片区管网服务面积约42.2km2，服务人口约68万人。根据已收集的管网资料和其他辅助材料，该区域排水管网错综复杂，是包含合流制和分流制的混流排水系统。污水最终进入第四污水厂和第五污水厂，雨水经收集后多通过雨水排放口进入片区内河道。选择SWMM模型为工具，搭建如图2所示的区域管网模型，该数学模型可以概化了1272个地块层级排污单元，222个污水子服务区，423个雨水子汇水区，6303根雨污水管线，2个污水处理厂，1个污水转输泵站。
建立区域排水管网模型常用的模型工具，可根据目标区域的具体情况和识别需求，进行模型工具的选择，对城市排水的水量及水质进行模拟，并进行污染传输路径的模拟分析。
S120：根据排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点。
可选的，可以先确定所述排水管网骨架模型对应的排污模式；再根据所述排污模式，识别可能性污染传输路径和可能性污染传输路径的关键节点。
其中，确定所述排水管网骨架模型对应的排污模式，包括：确定所述排水管网骨架模型对应的不同用地类型的周期性规律，根据周期性规律，采用如下公式计算每日不同时刻的污水瞬时排放系数，其中，RIA为污水瞬时排放系数，Qt为t时刻的污水量，为平均每日污水量；按照日期不同，对污水瞬时排放系数进行加权平均计算，利用加权平均计算下的污水瞬时排放系数，得到排污模式。
可以理解为，以一周为循环周期，按照不同用地类型，采用傅里叶变换法寻找规律，找到规律后，傅里叶变换可以把连续的时序信号，转换成为各种频率的正弦信号、余弦波信号的叠加：
其中，x(t)表示原始信号，ω0表示频率，a0表示直流分量，an表示第n个余弦分量的振幅，bn表示第n个正弦分量的振幅，t表示时间。
计算从周一到周日不同时刻的污水瞬时排放系数，其中，可以以一个小时作为间隔，
污水瞬时排放系数RIA：
其中，RIA为污水瞬时排放系数，Qt为t时刻的污水量，为平均每日污水量；
分别对周一到周五赋予5/7的权重，对周六和周日赋予2/7的权重，然后，对污水瞬时排放系数乘以对应的权重再进行平均，得到各个时刻的污水瞬时排放系数，然后，利用加权平均计算下的污水瞬时排放系数，得到不同用地类型的污水排放曲线。当然，还可以按照不同的季节区分，例如旱季或者雨季。
案例区域以居住用地和公共服务用地为主，选择2个代表性居民小区和1个典型公共用地进行旱季地块污水排放流量的监测，从而识别区域内旱季排污模式。
例如：根据监测数据，该区域居住用地人均排水系数约为122.9L/d，公共服务用地人均排水系数约为123.1L/d；根据统计年鉴获取工业用水量数据，计算工业用地人均排水系数约为44.0L/d，综合计算后案例区域人均综合排水量约为290L/d。
利用傅里叶变化对地块水文监测数据进行周期性规律的识别，根据变化图谱可以确定该区域旱季排污模式以日为单位呈现周期性规律，与居民每天生活用水习惯相似的情况相符合。
分别对休息日和工作日赋予2/7和5/7的权重，通过加权平均得到各时刻的RIA，从而得到不同用地类型的污水排放曲线，如图3所示。居住用地排水规律呈现“W型”，在早晨和傍晚出现两次波峰，而公共用地排水规律呈现“V型”。
可选的，还可以基于案例区域人口、人均排水系数和不同地块的排污模式，根据用地类型确定模型的旱季输入，满足模型关键节点的模拟需求，较好模拟管网系统中旱季基流情况。
其中，将季节基流输入到所述周期性规律，对季节排污情况进行模拟，对可能污染传输路径进行模拟分析；在季节基础上叠加降雨影响，模拟降雨条件下所述周期性规律，在区域的关键节点进行流量和水质采样监测，在降雨条件下，利用监测数据对所述排水管网骨架模型进行率定和验证。
降雨条件下的模型参数的率定与验证包括：至少利用一个排口的流量及水质代表性指标总悬浮颗粒物浓度的监测值与模拟值进行比较，至少在一场降雨下进行率定，在另一场独立降雨下进行验证。
例如，季节可以为旱季，即进行旱季模拟，叠加降雨影响，输入实测降雨，利用模型进行模拟，并对主要一个雨水排口的流量监测值和模拟值进行比较。在一场降雨下进行参数的率定，利用最优参数组，在另外一场降雨下进行模型的验证，验证模型模拟结果与实测值具有较高的吻合度，模型具有较高的可信度。
根据所述排污模式，识别可能性污染传输路径和可能性污染传输路径的关键节点的步骤，可以理解为：根据排污模式，可以依据排水管网骨架模型中可能流向污水处理厂的路径，即为可能性污染传输路径。在可能性污染传输路径，在包括重点排水户、管网主干节点、调蓄设施和污水厂等处设置为关键节点，例如：重点排水户接入市政管网的检查井、次干管网的汇入检查井、主干管的汇入检查井、污水厂进水泵站以及管网排口等处设置为关键节点，如图4所示。
S130：按照关键节点在实际排水管网布点后，监测实际排水管网的水量和水质指标数据。
以实际监测情况和现场调研为基础，在不同工况下利用所述排水管网骨架模型进行模拟，分析可能污染传输路径，掌握排水管网运行规律，识别管网的关键节点；
在关键节点布设在线监测设备，持续收集实际排水管网以分钟级的水量和水质数据；水质数据包括有水质指标数据。
在排水户汇入市政管网检查井等需要取证流量的监测点，布设自动采样器，并以重点污染源或重点污染片区为主要对象在可能性污染传输路径的排水管网上分段加设自动采样器。布设自动采样器包括：采样器的布设以对污染事件进行采样取证(即污染取证)为目的，布设位置需涵盖区域内所有可能进行偷排及超标排放的排水户。
其中，用户可以在关键节点处可以设置自动采样器。自动采样器可以采集水量和水质指标数据。水量和水质指标的在线监测需进一步根据监测位置和监测目的，确定监测指标：水量监测指标主要包括流量和液位，其中流量指标基于液位和流速的监测而获得，排水管网水量监测以流量为主，在小的排水户和次干管网检查井辅助进行液位的监测；水质监测指标主要包括电导率、总悬浮物SS、化学需氧量COD和溶解氧DO等，根据区域污染特征及安装位置选择特征污染因子作为水质监测指标。
举例来讲：在水量监测上案例区域重点排水户、管网主干节点、调蓄设施和污水厂主要通过布设在线流量计进行流量监测数据的实时收集，在线流量计共计25台。由于管网分支节点数量众多，除利用在线流量计进行流量指标的监测外，补充布设在线液位计进行多点位液位的收集，在线液位计共计8台。
在水质监测上，结合案例区域排污特性，选择悬浮物SS作为特征污染因子，在流量监测点同步布设安装SS在线检测仪，持续收集排水管网SS浓度数据，在线SS检测仪共计21台。
自动采样器安装于排水管网能够自动根据时间要求采集水样，用于人工化验进一步检验多项水质指标，从而为污染事故提供证据。在每个排水户接入市政管网检查井处进行安装，在主干管网补充进行自动采样器的布设，以收集过程证据，可以共计自动采样器17台。
S140：在监测到水量和水质指标数据异常时，利用排水管网骨架模型从所述可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证。
可以按照如下方式进行：
步骤1：对所述水量和水质指标数据进行分析，判别污染事故的发生；
其中，对于在分流制雨水管网和旱季的情况下，在出现持续流量时，确定存在错接或混接问题；
对于在分流制雨水管网和旱季的情况下，在出现间歇性流量时，确定存在短时偷排或漏排问题；
对于污水管网，根据水质数据，采用如下公式确定待测污染物的浓度超标倍数：
其中，p为待测污染物的浓度超标倍数，ct为t时刻测得的特征污染物浓度值，c0t为长期持续监测下根据数据积累得到的t时刻浓度平均值；
判断所述浓度超标倍数是否不小于浓度预设值；其中，浓度预设值可以为1.2；
如果是，确定发生超标排放或非许可排水户进行偷排的污染事故发生；
根据水量数据，采用如下公式确定待测污染物的流量超标倍数；
其中,q为待测污染物的流量超标倍数，Qt为t时刻测得的监测点流量，为长期持续监测下根据数据积累得到的t时刻流量平均值；其中，流量预设值可以为1.2；
确定所述浓度超标倍数不小于浓度预设值后，判断所述流量超标倍数是否不小于流量预设值；
如果是，则计算污染事故发生的持续性时间。
步骤2：根据已采集的污染负荷突变监测数据，利用所述排水管网骨架模型模拟，从所述可能性污染传输路径中确定实际污染传输路径，对排水管网下游污染物的流经时间和污染强度进行预测，从而进行污染事故的预警预报，辅助制定泵站、调蓄池及污水厂的应急预案；
步骤3：根据已采集的污染负荷突变监测数据，结合排水路径向上游进行溯源分析，判断造成污染事故的根源，并根据需要触发自动采样器，对污染事故进行污染取证。其中，进行溯源分析时，根据待测污染物的浓度超标倍数p和待测污染物的流量超标倍数q值进行自动采样器的触发，从而进行污染事故取证，对采集到的水样需进一步完成人工化验，对关键指标进行检验，综合分析污染事故。
举一个示例，对收集到分钟级流量和悬浮物SS在线监测数据进行分析，各监测点经过一段时间的监测和数据积累后，可得到每日各时刻所对应的平均值，在之后长期监测期间，分析各监测点某时刻的悬浮物SS超标倍数p和流量超标倍数q。
如图6所示，监测点2当日流量变化与平均值基本一致，结合图7所示，悬浮物SS浓度变化在当日夜间(2:00——6:00)明显高于平均水平，且在4:00左右达到峰值，超标倍数大于1.2，当日无降雨事件发生，流量也未发生明显变化，可判断存在排水户超标排放的问题。
再如图5所示，监测点2位于排水管网主干节点，其中污水会继续沿管网进入污水厂(五角星为污水厂标记)。通过特征污染因子SS可判断存在超标排放的排水户，但排入市政管网的污水还可能包含其他高浓度污染物，对下游排水设施造成冲击，影响污水厂的正常运行。利用已建立的排水管网模型，对旱季排水进行模拟，预判2号监测点到达下游1号节点的时间大约为45分钟，从而尽快做出响应机制。
通过监测点2的实时监测数据可判断发生污染事故，而事故责任方为上游排污企业。监测点2作为主干管网节点，上游包含和辐射了多个排污企业。由于悬浮物SS浓度明显超标，分析对应上游分支节点的SS浓度，可以发现监测点3的浓度也明显偏高，再对应搜索排水户排入市政管网的监测点SS浓度，可确定由监测点4所监测企业造成本次排污事故。
监测点4同步安装了自动采样器，对采样器进行触发，及时快速收集水样，对排污进行取证，并进行后续的人工化验，以便对该排污企业进行追责。
基于在线监测和模型模拟的联合应用分析，利用管网主干节点监测点2的实时流量和SS监测数据可快速判断污染事故的发生，并识别污染路径(1-2-3-4)。利用模型模拟判断流经下游(监测点1)的时间，进行污染事故的预警预报；对上游进行溯源分析和采样取证，从而对事故责任方进行追责。
综上可知，本发明提供的排水管网污染路径的监测识别方法，能够通过建立待监测区域的排水管网骨架模型，对识别可能性污染传输路径和可能性污染传输路径的关键节点，然后自动化的监测实际排水管网的水量和水质指标数据，在监测到水量和水质指标数据异常时，利用排水管网骨架模型从可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证，本发明可以通过自动化的方式进行监控排水情况，并在异常时，能够进行快速预警和取证，缓解了现有人工监测技术识别排水管网污染智能化水平低的技术问题。
本发明实施例还提供一种排水管网污染路径的监测识别装置，结合图8所示，该装置包括：
骨架模型建立模块210，用于建立待监测区域的排水管网骨架模型；
识别模块220，用于根据所述排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点；
监测模块230，用于按照关键节点在实际排水管网布点后，监测实际排水管网的水量和水质指标数据；
确定污染路径模块240，用于在监测到水量和水质指标数据异常时，利用排水管网骨架模型从所述可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证。
本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例任一项所述的方法的步骤。
本发明实施例还提供一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例中任一项所述的方法。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
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。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、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，在本发明各个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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明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)执行本发明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。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，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发明揭露的技术范围内，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发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种排水管网污染路径的监测识别方法，其特征在于，包括以下步骤：
建立待监测区域的排水管网骨架模型；
根据所述排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点；
按照关键节点在实际排水管网布点后，监测实际排水管网的水量和水质指标数据；
在监测到水量和水质指标数据异常时，利用排水管网骨架模型从所述可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证。
2.根据权利要求1所述的排水管网污染路径的监测识别方法，其特征在于，建立待监测区域的排水管网骨架模型，包括：
根据待监测区域的基础信息，建立排水管网骨架模型；基础信息至少包括以下之一：土地利用类型、排水管网、土地高程、污水处理厂、人口数量。
3.根据权利要求2所述的排水管网污染路径的监测识别方法，其特征在于，根据排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点，包括：
确定所述排水管网骨架模型对应的排污模式；
根据所述排污模式，识别可能性污染传输路径和可能性污染传输路径的关键节点。
4.根据权利要求3所述的排水管网污染路径的监测识别方法，其特征在于，确定所述排水管网骨架模型对应的排污模式，包括：
确定所述排水管网骨架模型对应的不同用地类型的周期性规律；
根据周期性规律，采用如下公式计算每日不同时刻的污水瞬时排放系数；
其中，RIA为污水瞬时排放系数，Qt为t时刻的污水量，为平均每日污水量；
按照日期不同，对污水瞬时排放系数进行加权平均计算；
利用加权平均计算下的污水瞬时排放系数，得到排污模式。
5.根据权利要求4所述的排水管网污染路径的监测识别方法，其特征在于，所述根据待监测区域的基础信息，建立排水管网骨架模型的步骤之后，所述方法还包括：
将季节基流输入到所述周期性规律，对季节排污情况进行模拟，对可能污染传输路径进行模拟分析；
在季节基础上叠加降雨影响，模拟降雨条件下所述周期性规律，在区域的关键节点进行流量和水质采样监测，在降雨条件下，利用监测数据对所述排水管网骨架模型进行率定和验证。
6.根据权利要求1所述的排水管网污染路径的监测识别方法，其特征在于，在监测到水量和水质指标数据异常时，利用排水管网骨架模型从所述可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证，包括：
对所述水量和水质指标数据进行分析，判别污染事故的发生；
根据已采集的污染负荷突变监测数据，利用所述排水管网骨架模型模拟，从所述可能性污染传输路径中确定实际污染传输路径，对排水管网下游污染物的流经时间和污染强度进行预测，从而进行污染事故的预警预报，辅助制定泵站、调蓄池及污水厂的应急预案；
根据已采集的污染负荷突变监测数据，结合排水路径向上游进行溯源分析，判断造成污染事故的根源，并根据需要触发自动采样器，对污染事故进行污染取证。
7.根据权利要求6所述的排水管网污染路径的监测识别方法，其特征在于，对所述水量和水质指标数据进行分析，判别污染事故的发生，包括：
对于在分流制雨水管网和旱季的情况下，在出现持续流量时，确定存在错接或混接问题；
对于在分流制雨水管网和旱季的情况下，在出现间歇性流量时，确定存在短时偷排或漏排问题；
对于污水管网，根据水质数据，采用如下公式确定待测污染物的浓度超标倍数：
p＝ct/c0t；
其中，p为待测污染物的浓度超标倍数，ct为t时刻测得的特征污染物浓度值，c0t为长期持续监测下根据数据积累得到的t时刻浓度平均值；
判断所述浓度超标倍数是否不小于浓度预设值；
如果是，确定发生超标排放或非许可排水户进行偷排的污染事故发生；
根据水量数据，采用如下公式确定待测污染物的流量超标倍数；
q＝Qt/Q0t
其中,q为待测污染物的流量超标倍数，Qt为t时刻测得的监测点流量，Q0t为长期持续监测下根据数据积累得到的t时刻流量平均值；
确定所述浓度超标倍数不小于浓度预设值后，判断所述流量超标倍数是否不小于流量预设值；
如果是，则计算污染事故发生的持续性时间。
8.一种排水管网污染路径的监测识别装置，其特征在于，包括：
骨架模型建立模块，用于建立待监测区域的排水管网骨架模型；
识别模块，用于根据所述排水管网骨架模型，识别可能性污染传输路径和可能性污染传输路径的关键节点；
监测模块，用于按照关键节点在实际排水管网布点后，监测实际排水管网的水量和水质指标数据；
确定污染路径模块，用于在监测到水量和水质指标数据异常时，利用排水管网骨架模型从所述可能性污染传输路径中确定实际污染传输路径，对实际污染传输路径中的关键节点进行污染取证。
9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1～7任一项所述的方法的步骤。
10.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述权利要求1～7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910422222.5A CN110196083B (zh) | 2019-05-21 | 2019-05-21 | 排水管网污染路径的监测识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910422222.5A CN110196083B (zh) | 2019-05-21 | 2019-05-21 | 排水管网污染路径的监测识别方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110196083A true CN110196083A (zh) | 2019-09-03 |
| CN110196083B CN110196083B (zh) | 2020-10-02 |
Family
ID=67751587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910422222.5A Active CN110196083B (zh) | 2019-05-21 | 2019-05-21 | 排水管网污染路径的监测识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110196083B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110887533A (zh) * | 2019-12-23 | 2020-03-17 | 上海欣诺通信技术股份有限公司 | 一种水质监测方法及系统 |
| CN111501953A (zh) * | 2020-04-27 | 2020-08-07 | 上海勘测设计研究院有限公司 | 排水管网的异常分析方法、系统、介质及设备 |
| CN112695870A (zh) * | 2021-01-26 | 2021-04-23 | 北京平蓟优品科贸有限公司 | 一种自动封堵污水管的污水溯源追踪设备 |
| CN113110161A (zh) * | 2021-04-12 | 2021-07-13 | 厦门华夏国际电力发展有限公司 | 一种废水排放环保采样数据可信监测方法和系统 |
| CN113392523A (zh) * | 2021-06-14 | 2021-09-14 | 云南省设计院集团有限公司 | 一种基于长历时多测点的污水管网健康状况诊断模型 |
| CN113420396A (zh) * | 2021-05-28 | 2021-09-21 | 浙江浙安数智环境工程有限公司 | 一种城市排水管网污染溯源的方法 |
| CN113626959A (zh) * | 2021-07-12 | 2021-11-09 | 浙江大学 | 一种基于三维地理信息的污水管网水力模型建立方法 |
| CN114062038A (zh) * | 2020-07-31 | 2022-02-18 | 力合科技（湖南）股份有限公司 | 一种污染溯源管控方法 |
| CN114624407A (zh) * | 2022-02-24 | 2022-06-14 | 南宁市勘测设计院集团有限公司 | 一种基于典型地块的片区污水系统外水水量测算方法 |
| CN114841601A (zh) * | 2022-05-24 | 2022-08-02 | 保定金迪地下管线探测工程有限公司 | 一种排口水污染动态溯源分析方法及系统 |
| CN114858999A (zh) * | 2022-05-31 | 2022-08-05 | 厦门华夏国际电力发展有限公司 | 一种排水管网径流水质的分析监控方法及系统 |
| CN115144349A (zh) * | 2022-09-05 | 2022-10-04 | 时代华瑞（北京）环境科技有限公司 | 便携井下在线水质监测站及运用其溯源管网偷排的方法 |
| CN115577506A (zh) * | 2022-09-22 | 2023-01-06 | 长江生态环保集团有限公司 | 污水管网问题预诊断及精准排查的方法 |
| WO2023284060A1 (zh) * | 2021-07-12 | 2023-01-19 | 浙江大学 | 一种基于地理三维信息的污水管网流量不确定性分析方法 |
| CN115853093A (zh) * | 2022-11-21 | 2023-03-28 | 合肥中科国禹智能工程有限公司 | 一种可识别雨污混接的排水管网动态检测方法及系统 |
| CN115979348A (zh) * | 2023-03-17 | 2023-04-18 | 近通物联网(苏州)有限公司 | 一种管网雨污混流的排查方法、排查装置、设备及介质 |
| CN116102096A (zh) * | 2023-01-17 | 2023-05-12 | 中节能国祯环保科技股份有限公司 | 一种城市污水厂网一体化的控制方法及系统 |
| CN117236902A (zh) * | 2023-11-08 | 2023-12-15 | 北京英视睿达科技股份有限公司 | 一种基于边缘计算的水质监测的上报方法及系统 |
| CN117422271A (zh) * | 2023-11-07 | 2024-01-19 | 南通恒源自控工程有限公司 | 一种基于水质数据的管网调度调节方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57178512A (en) * | 1981-04-29 | 1982-11-02 | Mitsubishi Electric Corp | Controller for water distributing pipe network |
| CN106484971A (zh) * | 2016-09-23 | 2017-03-08 | 北京清控人居环境研究院有限公司 | 一种排水管网监测点的自动识别方法 |
| CN108319788A (zh) * | 2018-02-06 | 2018-07-24 | 重庆大学 | 一种识别雨水管网污水直排污染源的方法 |
| CN108755898A (zh) * | 2018-05-30 | 2018-11-06 | 上海水顿智能科技有限公司 | 一种分析地下管网地下水渗入和管道污水渗出分布的方法 |
| CN108827403A (zh) * | 2018-09-11 | 2018-11-16 | 众声物联（天津）科技有限公司 | 环保污染源检测及污染处理设备运行联动监测装置和方法 |
| CN108897964A (zh) * | 2018-07-09 | 2018-11-27 | 重庆大学 | 一种污水管网超标排放工业废水的贝叶斯统计溯源方法 |
| CN109613197A (zh) * | 2019-01-15 | 2019-04-12 | 太仓中科信息技术研究院 | 一种基于河道水网的水质监测预警反馈响应方法 |
-
2019
- 2019-05-21 CN CN201910422222.5A patent/CN110196083B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57178512A (en) * | 1981-04-29 | 1982-11-02 | Mitsubishi Electric Corp | Controller for water distributing pipe network |
| CN106484971A (zh) * | 2016-09-23 | 2017-03-08 | 北京清控人居环境研究院有限公司 | 一种排水管网监测点的自动识别方法 |
| CN108319788A (zh) * | 2018-02-06 | 2018-07-24 | 重庆大学 | 一种识别雨水管网污水直排污染源的方法 |
| CN108755898A (zh) * | 2018-05-30 | 2018-11-06 | 上海水顿智能科技有限公司 | 一种分析地下管网地下水渗入和管道污水渗出分布的方法 |
| CN108897964A (zh) * | 2018-07-09 | 2018-11-27 | 重庆大学 | 一种污水管网超标排放工业废水的贝叶斯统计溯源方法 |
| CN108827403A (zh) * | 2018-09-11 | 2018-11-16 | 众声物联（天津）科技有限公司 | 环保污染源检测及污染处理设备运行联动监测装置和方法 |
| CN109613197A (zh) * | 2019-01-15 | 2019-04-12 | 太仓中科信息技术研究院 | 一种基于河道水网的水质监测预警反馈响应方法 |
Non-Patent Citations (2)
| Title |
|---|
| 叶蓓: "成都市中心城区排水管网水动力模型建立及研究", 《中国优秀硕士学位论文全文数据库 工程科技工程科技Ⅱ辑》 * |
| 王瑀: "北京市北小河流域排水系统优化运行策略研究", 《中国给水排水》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110887533A (zh) * | 2019-12-23 | 2020-03-17 | 上海欣诺通信技术股份有限公司 | 一种水质监测方法及系统 |
| CN111501953A (zh) * | 2020-04-27 | 2020-08-07 | 上海勘测设计研究院有限公司 | 排水管网的异常分析方法、系统、介质及设备 |
| CN114062038A (zh) * | 2020-07-31 | 2022-02-18 | 力合科技（湖南）股份有限公司 | 一种污染溯源管控方法 |
| CN112695870A (zh) * | 2021-01-26 | 2021-04-23 | 北京平蓟优品科贸有限公司 | 一种自动封堵污水管的污水溯源追踪设备 |
| CN113110161A (zh) * | 2021-04-12 | 2021-07-13 | 厦门华夏国际电力发展有限公司 | 一种废水排放环保采样数据可信监测方法和系统 |
| CN113420396A (zh) * | 2021-05-28 | 2021-09-21 | 浙江浙安数智环境工程有限公司 | 一种城市排水管网污染溯源的方法 |
| CN113392523A (zh) * | 2021-06-14 | 2021-09-14 | 云南省设计院集团有限公司 | 一种基于长历时多测点的污水管网健康状况诊断模型 |
| CN113626959B (zh) * | 2021-07-12 | 2023-12-08 | 浙江大学 | 一种基于三维地理信息的污水管网水力模型建立方法 |
| WO2023284060A1 (zh) * | 2021-07-12 | 2023-01-19 | 浙江大学 | 一种基于地理三维信息的污水管网流量不确定性分析方法 |
| CN113626959A (zh) * | 2021-07-12 | 2021-11-09 | 浙江大学 | 一种基于三维地理信息的污水管网水力模型建立方法 |
| CN114624407B (zh) * | 2022-02-24 | 2024-05-10 | 南宁市勘测设计院集团有限公司 | 一种基于典型地块的片区污水系统外水水量测算方法 |
| CN114624407A (zh) * | 2022-02-24 | 2022-06-14 | 南宁市勘测设计院集团有限公司 | 一种基于典型地块的片区污水系统外水水量测算方法 |
| CN114841601A (zh) * | 2022-05-24 | 2022-08-02 | 保定金迪地下管线探测工程有限公司 | 一种排口水污染动态溯源分析方法及系统 |
| CN114858999A (zh) * | 2022-05-31 | 2022-08-05 | 厦门华夏国际电力发展有限公司 | 一种排水管网径流水质的分析监控方法及系统 |
| CN114858999B (zh) * | 2022-05-31 | 2024-04-26 | 厦门华夏国际电力发展有限公司 | 一种排水管网径流水质的分析监控方法及系统 |
| CN115144349A (zh) * | 2022-09-05 | 2022-10-04 | 时代华瑞（北京）环境科技有限公司 | 便携井下在线水质监测站及运用其溯源管网偷排的方法 |
| CN115577506A (zh) * | 2022-09-22 | 2023-01-06 | 长江生态环保集团有限公司 | 污水管网问题预诊断及精准排查的方法 |
| CN115577506B (zh) * | 2022-09-22 | 2023-08-25 | 长江生态环保集团有限公司 | 污水管网问题预诊断及精准排查的方法 |
| CN115853093B (zh) * | 2022-11-21 | 2024-02-27 | 合肥中科国禹智能工程有限公司 | 一种可识别雨污混接的排水管网动态检测方法及系统 |
| CN115853093A (zh) * | 2022-11-21 | 2023-03-28 | 合肥中科国禹智能工程有限公司 | 一种可识别雨污混接的排水管网动态检测方法及系统 |
| CN116102096A (zh) * | 2023-01-17 | 2023-05-12 | 中节能国祯环保科技股份有限公司 | 一种城市污水厂网一体化的控制方法及系统 |
| CN116102096B (zh) * | 2023-01-17 | 2024-03-01 | 中节能国祯环保科技股份有限公司 | 一种城市污水厂网一体化的控制方法及系统 |
| CN115979348A (zh) * | 2023-03-17 | 2023-04-18 | 近通物联网(苏州)有限公司 | 一种管网雨污混流的排查方法、排查装置、设备及介质 |
| CN117422271A (zh) * | 2023-11-07 | 2024-01-19 | 南通恒源自控工程有限公司 | 一种基于水质数据的管网调度调节方法及系统 |
| CN117422271B (zh) * | 2023-11-07 | 2024-05-14 | 南通恒源自控工程有限公司 | 一种基于水质数据的管网调度调节方法及系统 |
| CN117236902B (zh) * | 2023-11-08 | 2024-04-12 | 北京英视睿达科技股份有限公司 | 一种基于边缘计算的水质监测的上报方法及系统 |
| CN117236902A (zh) * | 2023-11-08 | 2023-12-15 | 北京英视睿达科技股份有限公司 | 一种基于边缘计算的水质监测的上报方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110196083B (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110196083B (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
| Meyer et al. | Real-time monitoring of water quality to identify pollution pathways in small and middle scale rivers | |
| Benedetti et al. | Modelling and monitoring of integrated urban wastewater systems: review on status and perspectives | |
| Hannouche et al. | Relationship between turbidity and total suspended solids concentration within a combined sewer system | |
| CN102622670B (zh) | 一种突发水环境污染事故涉嫌风险源的溯源方法 | |
| CN114444259B (zh) | 一种雨污管网溯源追踪系统及方法 | |
| CN114371260A (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
| Beheshti et al. | Infiltration/inflow assessment and detection in urban sewer system | |
| Letcher et al. | A comparison of catchment water quality models and direct estimation techniques | |
| CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
| CN203101366U (zh) | 用于供水网络的在线水质检测装置和在线水质监控系统 | |
| CN114723179A (zh) | 一种基于水量水质联合管控的水环境预警溯源系统和方法 | |
| CN113125659A (zh) | 水质监测平台 | |
| Zhang et al. | Estimating rainfall-induced inflow and infiltration in a sanitary sewer system based on water quality modelling: which parameter to use? | |
| Li et al. | Effects of sampling strategies and estimation algorithms on total nitrogen load determination in a small agricultural headwater watershed | |
| CN108489543B (zh) | 一种企业排污指标监控设备及使用方法 | |
| Heiderscheidt et al. | Stable water isotopes as a tool for assessing groundwater infiltration in sewage networks in cold climate conditions | |
| KR101185543B1 (ko) | 광역중수를 활용한 호소의 유비쿼터스 관리 시스템 및 이를 이용한 물이용 지수 관리방법 | |
| Bertrand-Krajewski et al. | Towards a better knowledge and management of infiltration and exfiltration in sewer systems: the APUSS project | |
| Panasiuk et al. | Identifying sources of infiltration and inflow in sanitary sewers in a northern community: comparative assessment of selected methods | |
| CN117805338A (zh) | 一种建筑供水管网水质实时在线监测方法及系统 | |
| CN117934212A (zh) | 基于iot技术数字可视化平台的施工过程监控方法 | |
| CN117825645A (zh) | 一种天然水的智能处理方法及装置 | |
| CN104569340A (zh) | 地下环境质量测定方法及装置 | |
| Mounce et al. | Water quality event detection and customer complaint clustering analysis in distribution systems |
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 |