CN110825041A - 一种集控式智慧污水处理厂运行系统 - Google Patents

Abstract

本发明公开了一种集控式智慧污水处理厂运行系统，包括：集中式数据采集子系统，采集不少于十个污水处理厂数据；数据清洗子系统，清洗集中式数据采集子系统采集的污水处理厂数据；人工智能分析子系统，利用清洗后的污水处理厂数据，通过机器学习训练得到训练后用于决策支持子系统的数据挖掘算法模型；决策支持子系统，用清洗后的污水处理厂数据和训练后的数据挖掘算法模型，根据预定目标设对应的决策支持模块；远程集控SCADA子系统，根据采集的各污水处理厂数据和决策支持子系统设置的决策支持模块，将控制指令直接反馈至各污水处理厂，集中对各污水处理厂远程控制。该系统能实现分散的污水处理厂的集控式智慧化运行控制。

Description

一种集控式智慧污水处理厂运行系统

技术领域

本发明属于水污染控制领域，尤其涉及一种用于集团化污水处理厂的集控式智慧化污水处理厂运行系统。

背景技术

全国范围内城市污水处理能力发展迅猛，从2002年的6155万立方米/日提高到2016年的16779万立方米/日，污水处理率从39.97％增长到93.44％，污水处理市场越来越大。现今污水处理厂运营存在很大的难度尤其是在排放标准要求越来越高的情况下，出现了达标困难、药剂投加量居高不下、运营费用高的现状。这样的问题是应该采取怎样的路线解决目前的困境，是全社会全行业面临的最大以及迫切需要解决的问题。

目前，污水处理厂至少存在以下制约瓶颈：如运营人员水平参差不齐、缺乏专业知识、各个污水处理厂运行情况差别大无法大量复制运营经验、缺乏有效的历史运营数据并发挥数据驱动产生价值指导运营。在这些瓶颈的限制下，目前的污水处理厂难以发挥其设计工艺该有的效果。总之，目前污水处理厂的管理、信息和运行的模式并无法适应未来污水处理厂的高效运行，无法实现信息有序流动与资源的优化配置。智慧水务的概念在我国已经被广泛提出并传播，但是至今为止，智慧水务的实践却并未产生明显的效果。特别是，目前的智慧水务系统就如何智慧管控并未给出清晰的说明，多存在数据不足、数据有效性低以及智慧化算法设计缺乏或者不合理，缺乏实际指导意义等问题。

发明内容

基于现有技术所存在的问题，本发明的目的是提供一种集控式智慧化污水处理厂运行系统，能解决现有智慧水务系统所存在的数据不足、数据有效性低以及智慧化算法设计缺乏或者不合理，缺乏实际指导意义等问题。

本发明的目的是通过以下技术方案实现的：

本发明实施方式提供一种集控式智慧污水处理厂运行系统，包括：

集中式数据采集子系统、数据清洗子系统、人工智能分析子系统、决策支持子系统、远程集控SCADA子系统和警报子系统；其中，

所述集中式数据采集子系统，通过物联网与不少于十个污水处理厂通信连接，能采集各污水处理厂数据，并按预定的数据结构集中存储和命名所采集的污水处理厂数据；

所述数据清洗子系统，与所述集中式数据采集子系统通信连接，能清洗所述集中式数据采集子系统采集的污水处理厂数据，去除错误的非常态数据，并存储清洗后得到的污水处理厂数据；

所述人工智能分析子系统，与所述数据清洗子系统通信连接，能利用清洗后的污水处理厂数据，通过机器学习训练数据挖掘算法模型，得到训练后的数据挖掘算法模型用于所述决策支持子系统；

所述决策支持子系统，分别与所述数据清洗子系统、人工智能分析子系统通信连接，能利用所述数据清洗子系统清洗后的污水处理厂数据和所述人工智能分析子系统训练后的数据挖掘算法模型，根据预定的目标设置对应的决策支持模块；

所述远程集控SCADA子系统，分别与所述集中式数据采集子系统和决策支持子系统通信连接，能根据所述集中式数据采集子系统采集的各污水处理厂数据和所述决策支持子系统设置的决策支持模块，将控制指令直接反馈至各污水处理厂，集中对各污水处理厂实现远程控制；

所述警报子系统，分别与所述远程集控SCADA子系统、所述人工智能分析子系统和各污水处理厂通信连接，能对各污水处理厂的运行风险和人工智能分析子系统分析得出的工艺运行风险，对应进行警报。

由上述本发明提供的技术方案可以看出，本发明实施例提供的集控式智慧化污水处理厂运行系统，其有益效果为：

通过设置有机通信连接的集中式数据采集子系统、数据清洗子系统、人工智能分析子系统、决策支持子系统、远程集控SCADA子系统和警报子系统，形成一种能对分散的污水处理厂进行集控式的智慧化管理，通过采集多个污水处理厂的数据作为训练数据，经过人工智能分析训练后，并经决策支持子系统决策，进而通过远程集控SCADA子系统对各污水处理厂进行集控式运行控制。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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附图。

图1为本发明实施例提供的集控式智慧化运行系统的构成示意图；

图2为本发明实施例提供的集控式智慧化运行系统的集中式数据采集子系统示意图；

图3为本发明实施例提供的集控式智慧化运行系统的集中式数据采集子系统存储的污水处理厂数据结构关系图；

图4为本发明实施例提供的集控式智慧化运行系统的远程集控SCADA子系统与其他系统逻辑关系示意图；

图5为本发明实施例提供的集控式智慧化运行系统的远程集控SCADA子系统组成示意图；

图6为本发明实施例提供的集控式智慧化运行系统的警报子系统与其他子系统逻辑关系示意图；

图7为本发明实施例提供的集控式智慧化运行系统的数据清洗子系统与其他子系统逻辑关系示意图。

具体实施方式

下面结合本发明的具体内容，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，都属于本发明的保护范围。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

如图1所示，本发明实施例提供一种集控式智慧污水处理厂运行系统，包括：

集中式数据采集子系统、数据清洗子系统、人工智能分析子系统、决策支持子系统、远程集控SCADA子系统和警报子系统；其中，

所述集中式数据采集子系统，通过物联网与不少于十个污水处理厂通信连接，能采集各污水处理厂数据，并按预定的数据结构集中存储和命名所采集的污水处理厂数据；

所述数据清洗子系统，与所述集中式数据采集子系统通信连接，能清洗所述集中式数据采集子系统采集的污水处理厂数据，去除错误的非常态数据，并存储清洗后得到的污水处理厂数据；

所述人工智能分析子系统，与所述数据清洗子系统通信连接，能利用清洗后的污水处理厂数据，通过机器学习训练数据挖掘算法模型，得到训练后的数据挖掘算法模型用于所述决策支持子系统；

所述决策支持子系统，分别与所述数据清洗子系统、人工智能分析子系统通信连接，能利用所述数据清洗子系统清洗后的污水处理厂数据和所述人工智能分析子系统训练后的数据挖掘算法模型，根据预定的目标设置对应的决策支持模块；

所述远程集控SCADA子系统，分别与所述集中式数据采集子系统和决策支持子系统通信连接，能根据所述集中式数据采集子系统采集的各污水处理厂数据和所述决策支持子系统设置的决策支持模块，将控制指令直接反馈至各污水处理厂，集中对各污水处理厂实现远程控制；

所述警报子系统，分别与所述远程集控SCADA子系统、所述人工智能分析子系统和各污水处理厂通信连接，能对各污水处理厂的运行风险和人工智能分析子系统分析得出的工艺运行风险，对应进行警报。

上述运行系统中，集中式数据采集子系统包括：数据存储单元、职能管理单元、主控处理单元、设计资料采集模块、在线设备数据采集模块、在线仪表数据采集模块、实验室测试数据采集模块、人员管理信息采集模块、设备管理信息采集模块、养护管理信息采集模块、视频管理信息采集模块、实验室管理信息采集模块、可视化模块和存储数据导出模块；其中，

所述数据存储单元，分别与所述设计资料采集模块、在线设备数据采集模块、在线仪表数据采集模块、实验室测试数据采集模块和管理数据采集模块通信连接，能分别采集各污水处理厂的设计资料数据、在线设备数据、在线仪表数据、实验室检测数据和管理数据，并按预定的数据结构集中存储至所述数据存储单元；

所述职能管理单元，分别与所述数据存储单元、所述人员管理信息采集模块、设备管理信息采集模块、养护管理信息采集模块、视频管理信息采集模块和实验室管理信息采集模块通信连接，能分别采集各污水处理厂的人员管理信息、设备管理信息、养护管理信息、视频管理信息和实验室管理信息，并按预定的数据结构集中存储至所述数据存储单元；

所述主控处理单元，分别与所述数据存储单元、职能管理单元、可视化模块和存储数据导出模块通信连接，能将所述数据存储单元存储的数据经所述存储数据导出模块导出。

上述运行系统中，集中式数据采集子系统按预定的数据结构集中存储和命名所采集的污水处理厂数据为：按污水处理厂数据-工艺段数据-构筑物数据-设备数据或仪表数据的数据结构进行存储。

上述运行系统中，警报子系统包括：设备故障警报模块、设备运行失稳警报模块、设备维护警报模块、传感器故障警报模块、传感器运行失稳警报模块、传感器维护警报模块、进水风险警报模块、碳源投加警报模块、除磷药剂投加警报模块、实验室数据不可靠警报模块、在线数据不可靠警报模块、能耗警报模块、系统失稳警报模块和信号失稳警报模块。这些模块之间相互独立运行，分别与各自警报的设备通信连接，能对各设备的非正常状态进行警报。

上述运行系统中，数据清洗子系统包括：错误分析单元和错误数据去除单元；其中，

所述错误分析单元，分别与所述集中式数据采集子系统和错误数据去除单元通信连接，能通过预设的分析方式分析所述集中式数据采集子系统采集的污水处理厂数据，确定污水处理厂数据中错误的非常态数据，并将分析结果发送至所述错误数据去除单元；

所述错误数据去除单元，能根据所述错误分析单元的分析结果，去除污水处理厂数据中错误的非常态数据，得到清洗后的污水处理厂数据。

上述运行系统中，错误分析单元采用的预定分析方式为：数据类型分析、阈值分析、交叉验证分析、平衡分析中的任一种。其中：数据类型分析为限定数值类型，例如字符型、数字型等；阈值分析为限定数值范围，超出范围为不合理，需要清洗掉；交叉验证分析为两种评估指标互相关联进行分析判定是否合理，不合理需要清洗掉；平衡分析是根据物料平衡算法进行计算，如果不平衡，需要清洗掉。

上述运行系统中，人工智能分析子系统包括：

Hadoop分布式系统和TensorFlow面向数据流的机器学习库，能以清洗后的污水处理厂数据作为训练数据，机器学习训练用于所述决策支持子系统的数据挖掘算法模型。

上述运行系统中，根据目标的不同，在决策支持子系统中可以设计不同的服务模块。具体的，决策支持子系统包括：进水单元智慧化分析模块、工艺运行状态分析模块、投加碳源优化模块、化学除磷优化模块、整体能耗分析模块和生物建模分析模块；其中，

所述进水单元智慧化分析模块，能根据收集的进水水质指标COD、氨氮、总氮、总磷各数据建立模型，预测达标风险，并给出解决方案；

所述工艺运行状态分析模块，能根据运行过程收集的污泥活性、污泥浓度、污泥沉淀性能、进水出水水质和运行过程控制参数各数据建立模型，分析运行状态，确认系统存在的运行风险，所述运行风险包括：污泥膨胀和/或达标风险；

所述投加碳源优化模块，能根据投加碳源量、进水水质、出水水质数据建立模型，建立投加方程，指导实现药剂优化投加，并分析投加碳源合理性，给出投加方式建议值和优化；

所述化学除磷优化模块，能根据收集的投加化学药剂量、进水水质、出水水质各数据建立模型，建立投加方程，指导实现药剂优化投加，并分析投加除磷药剂合理性，给出投加方式建议值和优化；

所述整体能耗分析模块，能分析系统整体能耗，并分析各各单元能耗分布，分析合理性，给出建议优化方式；

所述生物建模分析模块，能建立生化模型，进行污水处理厂运行优化分析，并给出优化运行方案；该生物建模分析模块采用污水处理厂生物建模软件(如可采用Biowin等生物建模软件)，建立污水处理厂模型，并依据建立的模型进行情景模拟，给出优化运行方案；

所述人工智能单元分析模块，能基于历史数据，分析建模，优化远程集控SCADA子系统的各个参数；具体的，该人工智能单元分析模块基于大数据分析手段，深入挖掘控制系统各个参数，实现参数优化，提高污水处理厂的运行效果。

上述运行系统中，远程集控SCADA((Supervisory Control And DataAcquisition)子系统，即监视控制与数据采集系统)子系统包括：

参数库、SCADA控制界面、控制算法模块、曝气控制模块、系统控制模块和加药控制模块；其中，

所述参数库，与所述人工智能分析子系统通信，能接收并存储所述人工智能分析子系统优化后的参数；

所述参数库，分别与所述曝气控制模块、系统控制模块和加药控制模块通信连接，能为所述曝气控制模块、系统控制模块和加药控制模块提供设定的关键参数；

所述控制算法模块，分别与所述曝气控制模块、系统控制模块和加药控制模块通信连接，包含用于污水处理厂自动化控制的所有算法，能对应提供于所述曝气控制模块、系统控制模块和加药控制模块；

所述曝气控制模块，能根据所述控制算法模块提供的对应算法对各污水处理厂的曝气设备进行参数调节精确控制；

所述系统控制模块，能根据所述控制算法模块提供的对应算法对各污水处理厂的污水处理相关设备(如泵、风机、脱水机、格栅等)进行开关控制；

所述加药控制模块，能根据所述控制算法模块提供的对应算法对各污水处理厂进行优化加药控制。

下面对本发明实施例具体作进一步地详细描述。

本发明的集控式智慧污水处理厂运行系统，能以历史运营数据为基础，发挥数据驱动产生价值指导运营，也解决实际污水处理厂缺乏高级专业技术人员的问题。该系统具体是通过信息化、物联网等手段建立数字化污水处理厂集中控制中心，并在此基础上通过数据清洗、人工智能分析技术辅助建立决策支持系统，最终实现污水处理厂脱离由污水处理厂分散化本地运行，而实现集团化的“集控式智慧化”运行。

如图1所示，该运行系统包括：集中式数据采集子系统、数据清洗子系统、人工智能分析子系统和决策支持子系统、远程集控SCADA子系统和警报子系统；其中，

所述的集中式数据采集子系统(参见图2)，通过物联网技术收集大于10个污水处理厂数据，实现数字化；其中包括在线仪表数据、在线设备数据、实验室检测数据、污水处理厂设计资料、人员管理信息、设备管理信息等。集中式数据采集子系统上收集的数据信息具有统一性和规范性；其中，集中式数据采集子系统上的数据按照一定数据结构存储和命名，具体来说分为污水处理厂-工艺段-构筑物-设备(仪表)的数据结构设计。附件中进行了举例说明。参见图3，以污水处理厂信息为基础，下分各不同工艺，如A2O、CAST、SBR等。每种工艺会涉及相关构筑物。各种设备运行、水质数据都以构筑物为基础，构筑物内安放有各种设备，各种传感器仪表，最终形成设备数据和在线仪表数据(参见图3)。人工从构筑物内提取水样(或污泥)样本进行实验室化验，得到实验室测试数据。

所述的数据清洗子系统，将集中式数据采集子系统上的数据通过以下几种方法进行错误分析去除掉错误的非常态数据，清洗后的数据另行存储。清洗方法包括1)数据类型分析；2)阈值分析法；3)交叉验证法；4)平衡分析法等。

所述的人工智能分析子系统(参见图7)，利用Hadoop分布式系统基础架构和TensorFlow面向数据流的机器学习库提供的运算能力，利用清洗后的数据，开展分别采用机器监督学习及机器自学习两种方式进行数据挖掘算法模型训练的研究，训练结果作为工艺分析与诊断的算法支撑。

所述的决策支持子系统(参见图7)，利用数据清洗系统子清洗后的数据、人工智能分析子系统分析出的算法以及参数，完善决策支持子系统的算法。其中根据目标(目标指的是：决策支持的目标，利用计算机帮助实现的目标)的不同，可以设置不同的决策支持模块，具体包括：进水单元智慧化分析模块、工艺运行状态分析模块、投加碳源优化模块、化学除磷优化模块、整体能耗分析模块、生物建模分析单元。实现污水处理厂脱离粗放经验式运行，而实现集团化的“智慧化”运行。

所述的远程集控SCADA子系统(参见图5)，实现污水处理厂的远程控制；在该远程集控SCADA子系统(相当于集控中心)基于集中式数据采集子系统采集的数据以及决策支持子系统的分析结果，集控中心工程师发出控制指令直接反馈到设备上，实现污水处理厂脱离由污水处理厂分散化本地运行，而实现集团化的“集控式”运行。

所述的警报子系统(参见图4、6)，能建立十四种警报情景，包括：1)及时反馈污水处理厂运行过程中的设备、传感器运行风险提示给操作人员，以便及时排出风险使污水处理厂恢复正常运行；2)在人工智能分析系统的辅助下对工艺运行情况做出风险判断，提示工艺风险、生产风险给操作人员。具体来说包含以下十二种情景：1)设备故障警报；2)设备运行失稳警报；3)设备维护警报；4)传感器故障警报；5)传感器运行失稳警报；6)传感器维护警报；7)进水风险警报；8)碳源投加警报；9)除磷药剂投加警报；10)实验室数据不可靠警报；11)在线数据不可靠警报；12)能耗警报；13)系统失稳警报；14)信号失稳警报。

本发明的运行系统至少具有以下优点：1)实现了数据汇集、知识汇集，并通过数据驱动实现智慧化，这将进一步提升技术人员的认知水平和运营能力；2)改善了现今公司总部技术人员和项目公司之间的沟通不畅的现象，实现了能力快速、有效的下沉服务；3)减少了每个项目公司对于高级技术人员的需求，降低了人力成本；4)集控中心里的运营工程师，可以通过本发明的系统同时监控10多个污水处理厂运行，这样就最大化利用了高级技术人员，实现了由专业的高级技术人员运行控制多个污水处理厂，提高了水厂运营水平。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，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该以权利要求书的保护范围为准。

Claims (9)

1.一种集控式智慧污水处理厂运行系统，其特征在于，包括：

集中式数据采集子系统、数据清洗子系统、人工智能分析子系统、决策支持子系统、远程集控SCADA子系统和警报子系统；其中，

所述集中式数据采集子系统，通过物联网与不少于十个污水处理厂通信连接，能采集各污水处理厂数据，并按预定的数据结构集中存储和命名所采集的污水处理厂数据；

所述数据清洗子系统，与所述集中式数据采集子系统通信连接，能清洗所述集中式数据采集子系统采集的污水处理厂数据，去除错误的非常态数据，并存储清洗后得到的污水处理厂数据；

所述人工智能分析子系统，与所述数据清洗子系统通信连接，能利用清洗后的污水处理厂数据，通过机器学习训练数据挖掘算法模型，得到训练后的数据挖掘算法模型用于所述决策支持子系统；

所述决策支持子系统，分别与所述数据清洗子系统、人工智能分析子系统通信连接，能利用所述数据清洗子系统清洗后的污水处理厂数据和所述人工智能分析子系统训练后的数据挖掘算法模型，根据预定的目标设置对应的决策支持模块；

所述远程集控SCADA子系统，分别与所述集中式数据采集子系统和决策支持子系统通信连接，能根据所述集中式数据采集子系统采集的各污水处理厂数据和所述决策支持子系统设置的决策支持模块，将控制指令直接反馈至各污水处理厂，集中对各污水处理厂实现远程控制；

所述警报子系统，分别与所述远程集控SCADA子系统、所述人工智能分析子系统和各污水处理厂通信连接，能对各污水处理厂的运行风险和人工智能分析子系统分析得出的工艺运行风险，对应进行警报。

2.根据权利要求1所述的集控式智慧污水处理厂运行系统，其特征在于，所述集中式数据采集子系统包括：

数据存储单元、职能管理单元、主控处理单元、设计资料采集模块、在线设备数据采集模块、在线仪表数据采集模块、实验室测试数据采集模块、人员管理信息采集模块、设备管理信息采集模块、养护管理信息采集模块、视频管理信息采集模块、实验室管理信息采集模块、可视化模块和存储数据导出模块；其中，

所述数据存储单元，分别与所述设计资料采集模块、在线设备数据采集模块、在线仪表数据采集模块、实验室测试数据采集模块和管理数据采集模块通信连接，能分别采集各污水处理厂的设计资料数据、在线设备数据、在线仪表数据、实验室检测数据和管理数据，并按预定的数据结构集中存储至所述数据存储单元；

所述职能管理单元，分别与所述数据存储单元、所述人员管理信息采集模块、设备管理信息采集模块、养护管理信息采集模块、视频管理信息采集模块和实验室管理信息采集模块通信连接，能分别采集各污水处理厂的人员管理信息、设备管理信息、养护管理信息、视频管理信息和实验室管理信息，并按预定的数据结构集中存储至所述数据存储单元；

所述主控处理单元，分别与所述数据存储单元、职能管理单元、可视化模块和存储数据导出模块通信连接，能将所述数据存储单元存储的数据经所述存储数据导出模块导出。

3.根据权利要求1或2所述的集控式智慧污水处理厂运行系统，其特征在于，所述集中式数据采集子系统按预定的数据结构集中存储和命名所采集的污水处理厂数据为：按污水处理厂数据-工艺段数据-构筑物数据-设备数据或仪表数据的数据结构进行存储。

4.根据权利要求1或2所述的集控式智慧污水处理厂运行系统，其特征在于，所述数据清洗子系统包括：

错误分析单元和错误数据去除单元；其中，

所述错误分析单元，分别与所述集中式数据采集子系统和错误数据去除单元通信连接，能通过预设的分析方式分析所述集中式数据采集子系统采集的污水处理厂数据，确定污水处理厂数据中错误的非常态数据，并将分析结果发送至所述错误数据去除单元；

所述错误数据去除单元，能根据所述错误分析单元的分析结果，去除污水处理厂数据中错误的非常态数据，得到清洗后的污水处理厂数据。

5.根据权利要求4所述的集控式智慧污水处理厂运行系统，其特征在于，所述错误分析单元采用的预定分析方式为：数据类型分析、阈值分析、交叉验证分析、平衡分析中的任一种。

6.根据权利要求1或2所述的集控式智慧污水处理厂运行系统，其特征在于，所述人工智能分析子系统包括：

Hadoop分布式系统和TensorFlow面向数据流的机器学习库，能以清洗后的污水处理厂数据作为训练数据，机器学习训练用于所述决策支持子系统的数据挖掘算法模型。

7.根据权利要求1或2所述的集控式智慧污水处理厂运行系统，其特征在于，所述决策支持子系统包括：

进水单元智慧化分析模块、工艺运行状态分析模块、投加碳源优化模块、化学除磷优化模块、整体能耗分析模块、生物建模分析模块和人工智能单元分析模块；其中，

所述进水单元智慧化分析模块，能根据收集的进水水质指标COD、氨氮、总氮、总磷各数据建立模型，预测达标风险，并给出解决方案；

所述工艺运行状态分析模块，能根据运行过程收集的污泥活性、污泥浓度、污泥沉淀性能、进水出水水质和运行过程控制参数各数据建立模型，分析运行状态，确认系统存在的运行风险，所述运行风险包括：污泥膨胀和/或达标风险；

所述投加碳源优化模块，能根据投加碳源量、进水水质、出水水质数据建立模型，建立投加方程，指导实现药剂优化投加，并分析投加碳源合理性，给出投加方式建议值和优化；

所述化学除磷优化模块，能根据收集的投加化学药剂量、进水水质、出水水质各数据建立模型，建立投加方程，指导实现药剂优化投加，并分析投加除磷药剂合理性，给出投加方式建议值和优化；

所述整体能耗分析模块，能分析系统整体能耗，并分析各各单元能耗分布，分析合理性，给出建议优化方式；

所述生物建模分析模块，能建立生化模型，进行污水处理厂运行优化分析，并给出优化运行方案；该生物建模分析模块采用污水处理厂生物建模软件，建立污水处理厂模型，并依据建立的模型进行情景模拟，给出优化运行方案；

所述人工智能单元分析模块，能基于历史数据，分析建模，优化远程集控SCADA子系统的各个参数；具体的，该人工智能单元分析模块基于大数据分析手段，深入挖掘控制系统各个参数，实现参数优化，提高污水处理厂的运行效果。

8.根据权利要求1或2所述的集控式智慧污水处理厂运行系统，其特征在于，所述远程集控SCADA子系统包括：

参数库、SCADA控制界面、控制算法模块、曝气控制模块、系统控制模块和加药控制模块；其中，

所述参数库，与所述人工智能分析子系统通信，能接收并存储所述人工智能分析子系统优化后的参数；

所述参数库，分别与所述曝气控制模块、系统控制模块和加药控制模块通信连接，能为所述曝气控制模块、系统控制模块和加药控制模块提供设定的关键参数；

所述控制算法模块，分别与所述曝气控制模块、系统控制模块和加药控制模块通信连接，包含用于污水处理厂自动化控制的所有算法，能对应提供于所述曝气控制模块、系统控制模块和加药控制模块；

所述曝气控制模块，能根据所述控制算法模块提供的对应算法对各污水处理厂的曝气设备进行参数调节精确控制；

所述系统控制模块，能根据所述控制算法模块提供的对应算法对各污水处理厂的污水处理相关设备进行开关控制；

所述加药控制模块，能根据所述控制算法模块提供的对应算法对各污水处理厂进行优化加药控制。

9.根据权利要求1所述的集控式智慧污水处理厂运行系统，其特征在于，所述警报子系统包括：

设备故障警报模块、设备运行失稳警报模块、设备维护警报模块、传感器故障警报模块、传感器运行失稳警报模块、传感器维护警报模块、进水风险警报模块、碳源投加警报模块、除磷药剂投加警报模块、实验室数据不可靠警报模块、在线数据不可靠警报模块、能耗警报模块、系统失稳警报模块和信号失稳警报模块。

Images