CN111694286A - 一种基于人工智能的高频率调节型水处理控制系统 - Google Patents
一种基于人工智能的高频率调节型水处理控制系统 Download PDFInfo
- Publication number
- CN111694286A CN111694286A CN202010397317.9A CN202010397317A CN111694286A CN 111694286 A CN111694286 A CN 111694286A CN 202010397317 A CN202010397317 A CN 202010397317A CN 111694286 A CN111694286 A CN 111694286A
- Authority
- CN
- China
- Prior art keywords
- data
- water treatment
- layer module
- unit
- physical
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D61/00—Processes of separation using semi-permeable membranes, e.g. dialysis, osmosis or ultrafiltration; Apparatus, accessories or auxiliary operations specially adapted therefor
- B01D61/02—Reverse osmosis; Hyperfiltration ; Nanofiltration
- B01D61/12—Controlling or regulating
-
- 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
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- 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
Abstract
本发明公开了一种基于人工智能的高频率调节型水处理控制系统,包括物理层模块,用于现场采集物理数据和执行指令;模型层模块,用于进行对物理层模块的现场设备进行一对一仿真建模;终端服务层模块,包括云端服务器、硬件端和软件端,通过双向通信连接在终端服务层模块与物理层模块、模型层模块之间的网络层模块。本发明通过软件端可实时监控管理每个设备,当遇到问题及故障后,AI智能云计算技术可结合专家会诊的结果对物理层模块进行远程干预解决问题,相较于传统维护方式节省了很大的人力和时间成本,并且管理更加系统和完善,用户体验更佳。
Description
技术领域
本发明属于水处理技术领域,具体涉及一种基于人工智能的高频率调节型水处理控制系统。
背景技术
我国目前很多水体都收到了不同程度的污染,导致水资源的紧缺,因此各种水处理厂应运而生。每个水处理厂在进行水处理时都需要采购各种水处理设备,例如反渗透水处理设备等。各种设备在运行是需要工作人员进行现场操作和监控,确保设备运行良好,很多时候操作人员解决不了的问题还需要原厂设计专家进行后期维护。
随着计算机及网络技术的发展,各企业越来越依赖计算机和互联网进行系统化运行管理,因此污水处理系统的后期维护和运营是需要专业化管理,并且需要持续改进,越来越多的水处理厂会选择和专业的运营管理单位进行合作,但是这些运营管理单位不能长期在现场进行管理,而且运营管理单位也往往人手不够不能够满足市场需求,目前市场上水处理长和运营管理单位之间建立的网络信息化管理平台往往只能够实现透明性化管理,但是不能够对实际设备进行全方位监测,以及不能对设备进行智能精确地远程干涉,达到完全智能化管理。
发明内容
针对以上存在的技术问题,本发明提供一种基于人工智能的高频率调节型水处理控制系统。
本发明的技术方案为:一种基于人工智能的高频率调节型水处理控制系统,包括:
物理层模块,包括至少一个水处理设备,安装在水处理设备上的若干个带有现场仪器的执行器,用于现场采集物理数据和执行指令,以及与水处理设备以及现场仪器、执行器相连的执行控制单元,用于接收和下发指令;
模型层模块,包括建模单元,用于通过3D建模和仿真技术对每套水处理设备中的多元要素进行真实刻画和描述建模,得到对应的虚拟模型;
网络层模块,包括交换机,交换机通过双向通信连接在终端服务层模块与物理层模块、模型层模块之间,用于传发数据和指令;
终端服务层模块,包括云端服务器、硬件端和软件端,云端服务器通过通信接收物理数据并利用AI智能云计算技术进行存储、镜像、分析、融合和运算,并将结果构成物理层模块和模型层模块的互动情景架构;软件端搭载在硬件端上,用于对系统进行综合管理。
进一步地,多元要素包括水处理设备的几何形状、物理属性和行为响应。
进一步地,物理数据包括现场仪器的测量范围和测量值,以及执行器的工作状态。
进一步地,云端服务器包括数据存储单元、镜像复制单元、平台对接单元、数据融合单元、智能运算单元、数据样本库单元,
数据存储单元用于接收物理层模块上传的物理数据;
镜像复制单元用于对物理数据进行镜像复制,生成虚拟数据;
平台对接单元用于对接各个水处理厂相关数据平台,获取服务数据;
数据融合单元用于将物理数据、虚拟数据与服务数据进行融合,得到融合数据;
智能运算单元用于通过AI数学模型算法对融合数据进行特征提取、多元清洗、一致性验证得到能够使得物理层模块和模型层模块构成互动情景架构的样本数据,并对样本数据利用神经卷积网络结合专家会诊的参考建议进行深度学习,更新水处理设备的检测标准,预测水处理设备运行趋势;
数据样本库单元用于存储样本数据。
进一步地,服务数据包括水处理设备运行参数、给水量、出水量、进水水质、出水水质、水流速率、药剂投加量。
进一步地,软件端包括包括人员管理单元、设备管理单元、模型显示单元、专家会诊单元、远程干预单元、运行趋势分析单元,
人员管理单元用于通过获取权限登陆进行后台管理;
设备管理单元用于实时监控水处理设备,确保设备稳定运行以及当设备发生故障时进行及时提醒;
模型显示单元用于对模型层模块构建的互动情景架构进行仿真展示以及同步记录互动情景架构的演算数据,用于一对一判断对应真实水处理设备的运行状况;
专家会诊单元用于邀请专家团队根据模型显示单元展示的互动情景架构以及演算数据判断真实水处理设备运行状况,并给出合理评估建议;
远程干预单元用于专家团队根据评估建议设置修正数据,并根据该修正数据通过云端服务器下发指令给物理层模块进行及时纠正,此时由纠正后的数据样本会用于进行完善智能运算的数据样本库,辅助AI智能运算进行优化,从而达到智能管理水处理设备的目的;
运行趋势分析单元用于根据云端服务器的AI智能运算结果预测水处理设备故障趋势,便于水处理设备的日常维护。
进一步地,硬件端包括PC电脑、移动手机。
进一步地,交换机采用基于4G或5G的数字通信型交换机。优选的采用能够产生5G信号的数字通信型交换机,信号传输频率更高,可将延迟缩短都10ms之内,减少远程控制的误差。
进一步地,所述AI智能云计算技术采用二维卷积神经网络。
本发明的有益效果:
(1)本发明通过利用物理层模块的执行控制单元对每套出厂的现场设备进行控制采集物理数据,并通过模型层模块的建模单元针对每套现场设备针对一对一的3D仿真建模,根据云端服务器的镜像复制单元复制物理数据得到虚拟数据,同时根据平台对接单元对接各个水处理厂相关数据平台,获取服务数据。最终利用数据融合单元将物理数据、虚拟数据和服务数据进行融合,得到融合数据,并利用AI智能云计算技术进行分析处理,得到可以使物理层模块和模型层模块构成互动情景架构的样本数据并映射到3D仿真建模上,便于展示现场设备的动态运行全景,使得后台管理能偶对每台设备远程进行监测,相对于全是数据化监测,全景模型更加直观和生动,便于专家团队的决策。
(2)本发明通过软件端可实时监控管理每个设备,当遇到问题及故障后,AI智能云计算技术可结合专家会诊的结果对物理层模块进行远程干预解决问题,相较于传统维护方式节省了很大的人力和时间成本,并且管理更加系统和完善,用户体验更佳。
附图说明
图1是本发明的系统框图;
图2是本发明云端服务器的系统框图;
图3是本发明软件端的系统框图;
图4是本发明的工作流程图。
其中,10-物理层模块、11-水处理设备、12-现场仪器、13-执行器、14-执行控制单元、20-模型层模块、21-建模单元、30-网络层模块、31-交换机、40-终端服务层模块、41-云端服务器、411-数据存储单元、412-镜像复制单元、413-平台对接单元、414-数据融合单元、415-智能运算单元、416-数据样本库单元、42-软件端、421-人员管理单元、422-设备管理单元、423-模型显示单元、424-专家会诊单元、425-远程干预单元、426-运行趋势分析单元、43-硬件端、44-PC电脑、45-移动手机。
具体实施方式
下面结合具体实施例和说明书附图对本发明做进一步阐述和说明:
如图1、2、3所示,一种基于人工智能的高频率调节型水处理控制系统,包括:
物理层模块10,包括至少一个水处理设备11,安装在水处理设备11上的若干个带有现场仪器12的执行器13,用于现场采集物理数据和执行指令,以及与水处理设备11以及现场仪器12、执行器13相连的执行控制单元14,用于接收和下发指令;该水处理设备11为反渗透膜水处理设备11,现场仪器12为阀门回讯器、水压表等各类仪表,执行器13为多个倒向阀门和倒向设备,执行控制单元14采用的是高频倒向控制单元,高频倒向控制单元选用西门子公司的最新PLC s71500CPU作为逻辑运算的主要单元,配备高速处理模块响应时间ns级作为现场各类仪表的信号采集,采集到的信号即为物理数据,和相关指令的发出。
模型层模块20,包括建模单元21,用于通过3D建模和仿真技术对每套水处理设备11中的多元要素进行真实刻画和描述建模,得到对应的虚拟模型;其中,多元要素包括水处理设备11的几何形状、物理属性和行为响应。通过虚拟模型对每个水处理设备11进行一对一的复制刻画,便于展示水处理设备11的动态运行全景,使得后台管理能偶对每台设备远程进行监测,相对于全是数据化监测,全景模型更加直观和生动,便于专家团队的决策。
网络层模块30,包括交换机31,交换机31通过双向通信连接在终端服务层模块40与物理层模块10、模型层模块20之间,用于传发数据和指令;交换机31采用基于4G或5G的数字通信型交换机31,优选的采用能够产生5G信号的数字通信型交换机31,信号传输频率更高,可将延迟缩短都10ms之内,减少远程控制的误差。
终端服务层模块40,包括云端服务器41、硬件端43和软件端42,云端服务器41通过通信接收物理数据并利用AI智能云计算技术进行存储、镜像、分析、融合和运算,并将结果构成物理层模块10和模型层模块20的互动情景架构。AI智能云计算技术采用二维卷积神经网络,二维卷积神经网络可对并行处理多种数据,并具有模仿人的大脑判断能力和适应能力,可同时并行处理实时变化的大量数据,并自行优化迭代引出结果。
云端服务器41包括数据存储单元411、镜像复制单元412、平台对接单元413、数据融合单元414、智能运算单元415、数据样本库单元416,数据存储单元411用于接收物理层模块10上传的物理数据;镜像复制单元412用于对物理数据进行镜像复制,生成虚拟数据;平台对接单元413用于对接各个水处理厂相关数据平台,获取服务数据,例如水处理设备11运行参数、给水量、出水量、进水水质、出水水质、水流速率、药剂投加量等。通过补充服务数据可帮助反渗透水处理设备11的结垢速率,从而帮助智能运算单元415判断并预测干预程度。数据融合单元414用于将物理数据、虚拟数据与服务数据进行融合,得到融合数据;智能运算单元415用于通过AI数学模型算法对融合数据进行特征提取、多元清洗、一致性验证得到能够使得物理层模块10和模型层模块20构成互动情景架构的样本数据,样本数据存储与数据样本库单元416,从数据样本库单元416中提取样本数据利用神经卷积网络结合专家会诊的参考建议进行深度学习,更新水处理设备11的检测标准,检测标准表示设备发生运行偏差需要校正维护的标准,从而预测水处理设备11运行趋势,可以预测出运行多久时间后设备需要进行维护或者可能出现什么问题。
软件端42搭载在硬件端43上,硬件端43可PC电脑44、移动手机45,便于从PC电脑44、移动手机45就可打开软件端42,浏览内部的实时数据并进行操作,实现对系统的综合管理。其中,软件端42包括人员管理单元421、设备管理单元422、模型显示单元423、专家会诊单元424、远程干预单元425、运行趋势分析单元426,人员管理单元421用于通过获取权限登陆进行后台管理;设备管理单元422用于实时监控水处理设备11,确保设备稳定运行以及当设备发生故障时进行及时提醒;模型显示单元423用于对模型层模块20构建的互动情景架构进行仿真展示以及同步记录互动情景架构的演算数据,用于一对一判断对应真实水处理设备11的运行状况;专家会诊单元424用于邀请专家团队根据模型显示单元423展示的互动情景架构以及演算数据判断真实水处理设备11运行状况,并给出合理评估建议;远程干预单元425用于专家团队根据评估建议设置修正数据,并根据该修正数据通过云端服务器41下发指令给物理层模块10进行及时纠正,此时由纠正后的数据样本会用于进行完善智能运算的数据样本库,辅助AI智能运算进行优化,从而达到智能管理水处理设备11的目的;运行趋势分析单元426用于根据云端服务器41的AI智能运算结果预测水处理设备11故障趋势,便于水处理设备11的日常维护。
本发明的应用实例如图4所示:
第一步,水处理设备11在出厂前先采用建模单元21通过3D建模和仿真技术对其多元要素进行真实刻画和描述建模,得到具有唯一编码对应的虚拟模型;
第二步,水处理设备11出厂后将被安装应用,生产厂家可联系连接对方买家对接数据平台共享数据,对接数据由云端服务器41的平台对接单元413接入,并同步通过网络层模块30的交换机31将物理层模块10、模型层模块20分别与终端服务层模块40架接构成联系网;
第三步,在实际运行过程中现场仪器12将采集到的信号即物理数据由执行控制单元14高频倒向控制单元通过4G或5G网络通信发送至云端服务器41,并保存在数据存储单元411,经过镜像复制单元412将物理数据进行镜像复制生成虚拟数据,同时通过平台对接单元413对接各水处理场的数据平台获取服务数据;
第四步,将物理数据、虚拟数据、服务数据经过数据融合单元414进行融合,得到融合数据;然后利用智能运算单元415中的AI数学模型算法即二维卷积神经网络对融合数据进行特征提取、多元清洗、一致性验证得到能够使得物理层模块10和模型层模块20构成互动情景架构的样本数据,互动情景架构及样本数据通过模型显示单元423进行仿真展示以及同步记录互动情景架构的演算数据,根据专家会诊单元424邀请专家团队定期根据模型显示单元423展示的互动情景架构以及演算数据判断真实水处理设备11运行状况,并给出合理评估建议和修正数据。
第五步,智能运算单元415从数据样本库单元416中提取样本数据利用神经卷积网络结合专家会诊的参考建议进行深度学习,更新水处理设备11的检测标准,并根据AI智能运算结果判断水处理设备11是否需要进行干预,如果否,则运行趋势分析单元426通过AI智能运算结果预测水处理设备11故障趋势并采用数据或图形显示,然后继续运行。如果是,则通过远程干预单元425利用专家团队根据评估建议设置修正数据,并根据该修正数据通过云端服务器41下发指令给物理层模块10的执行控制单元14进行及时纠正,此时由纠正后的数据样本会用于进行完善智能运算的数据样本库,辅助AI智能运算进行优化,从而达到智能管理水处理设备11的目的。
需要说明的是:本发明系统可以同时对多个水处理设备11进行服务,且本发明的水处理设备11并不仅限于反渗透水处理设备11,可以为任意多个水处理设备11,同理,将其它领域的设备替换水处理设备11采用本发明系统进行管理本质上并无区别。以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (9)
1.一种基于人工智能的高频率调节型水处理控制系统,其特征在于,包括:
物理层模块(10),包括至少一个水处理设备(11),安装在所述水处理设备(11)上的若干个带有现场仪器(12)的执行器(13),用于现场采集物理数据和执行指令,以及与所述水处理设备(11)以及现场仪器(12)、执行器(13)相连的执行控制单元(14),用于接收和下发指令;
模型层模块(20),包括建模单元(21),用于通过3D建模和仿真技术对每套水处理设备(11)中的多元要素进行真实刻画和描述建模,得到对应的虚拟模型;
网络层模块(30),包括交换机(31),所述交换机(31)通过双向通信连接在终端服务层模块(40)与所述物理层模块(10)、模型层模块(20)之间,用于传发数据和指令;
终端服务层模块(40),包括云端服务器(41)、硬件端(43)和软件端(42),所述云端服务器(41)通过通信接收所述物理数据并利用AI智能云计算技术进行存储、镜像、分析、融合和运算,并将结果构成物理层模块(10)和模型层模块(20)的互动情景架构;所述软件端(42)搭载在所述硬件端(43)上,用于对系统进行综合管理。
2.如权利要求1所述的一种基于人工智能的高频率调节型水处理控制系统,其特征在于,所述多元要素包括水处理设备(11)的几何形状、物理属性和行为响应。
3.如权利要求1所述的一种基于人工智能的高频率调节型水处理控制系统,其特征在于,物理数据包括现场仪器(12)的测量范围和测量值,以及所述执行器(13)的工作状态。
4.如权利要求1所述的一种基于人工智能的高频率调节型水处理控制系统,其特征在于,所述云端服务器(41)包括数据存储单元(411)、镜像复制单元(412)、平台对接单元(413)、数据融合单元(414)、智能运算单元(415)、数据样本库单元(416),
所述数据存储单元(411)用于接收所述物理层模块(10)上传的物理数据;
所述镜像复制单元(412)用于对所述物理数据进行镜像复制,生成虚拟数据;
所述平台对接单元(413)用于对接各个水处理厂相关数据平台,获取服务数据;
所述数据融合单元(414)用于将所述物理数据、虚拟数据与服务数据进行融合,得到融合数据;
所述智能运算单元(415)用于通过AI数学模型算法对融合数据进行特征提取、多元清洗、一致性验证得到能够使得物理层模块(10)和模型层模块(20)构成互动情景架构的样本数据,并对所述样本数据利用神经卷积网络结合专家会诊的参考建议进行深度学习,更新水处理设备(11)的检测标准,预测水处理设备(11)运行趋势;
所述数据样本库单元(416)用于存储样本数据。
5.如权利要求1所述的一种基于人工智能的高频率调节型水处理控制系统,其特征在于,所述服务数据包括水处理设备(11)运行参数、给水量、出水量、进水水质、出水水质、水流速率、药剂投加量。
6.如权利要求1所述的一种基于人工智能的高频率调节型水处理控制系统,其特征在于,所述软件端(42)包括包括人员管理单元(421)、设备管理单元(422)、模型显示单元(423)、专家会诊单元(424)、远程干预单元(425)、运行趋势分析单元(426)。
7.如权利要求1所述的一种基于人工智能的高频率调节型水处理控制系统,其特征在于,所述硬件端(43)包括PC电脑(44)、移动手机(45)。
8.如权利要求1所述的一种基于人工智能的高频率调节型水处理控制系统,其特征在于,所述交换机(31)采用基于4G或5G的数字通信型交换机(31)。
9.如权利要求1所述的一种基于人工智能的高频率调节型水处理控制系统,其特征在于,所述AI智能云计算技术采用二维卷积神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010397317.9A CN111694286A (zh) | 2020-05-12 | 2020-05-12 | 一种基于人工智能的高频率调节型水处理控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010397317.9A CN111694286A (zh) | 2020-05-12 | 2020-05-12 | 一种基于人工智能的高频率调节型水处理控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111694286A true CN111694286A (zh) | 2020-09-22 |
Family
ID=72477622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010397317.9A Pending CN111694286A (zh) | 2020-05-12 | 2020-05-12 | 一种基于人工智能的高频率调节型水处理控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111694286A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116832385A (zh) * | 2023-08-04 | 2023-10-03 | 贝滨(广东)科技有限公司 | 一种基于物联网的消防栓用水监控系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608976A (zh) * | 2015-12-24 | 2016-05-25 | 中国信息安全测评中心 | 一种虚实结合污水处理厂测试床及其构建方法 |
CN106774222A (zh) * | 2017-02-07 | 2017-05-31 | 河南和方科技有限公司 | 城市污水处理数字化精确控制系统及智能仿真方法 |
CN109634245A (zh) * | 2018-12-29 | 2019-04-16 | 河南省福可思环保科技有限公司 | 用于生化污泥脱水干化工艺的无人值守人工智能控制系统 |
CN110069045A (zh) * | 2019-04-11 | 2019-07-30 | 广州番禺职业技术学院 | 基于bim、vr及物联网的污水处理厂无人值守方法和智能管理平台 |
-
2020
- 2020-05-12 CN CN202010397317.9A patent/CN111694286A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608976A (zh) * | 2015-12-24 | 2016-05-25 | 中国信息安全测评中心 | 一种虚实结合污水处理厂测试床及其构建方法 |
CN106774222A (zh) * | 2017-02-07 | 2017-05-31 | 河南和方科技有限公司 | 城市污水处理数字化精确控制系统及智能仿真方法 |
CN109634245A (zh) * | 2018-12-29 | 2019-04-16 | 河南省福可思环保科技有限公司 | 用于生化污泥脱水干化工艺的无人值守人工智能控制系统 |
CN110069045A (zh) * | 2019-04-11 | 2019-07-30 | 广州番禺职业技术学院 | 基于bim、vr及物联网的污水处理厂无人值守方法和智能管理平台 |
Non-Patent Citations (1)
Title |
---|
陶飞 等: ""数字孪生车间信息物理融合理论与技术"", 《计算机集成制造系统》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116832385A (zh) * | 2023-08-04 | 2023-10-03 | 贝滨(广东)科技有限公司 | 一种基于物联网的消防栓用水监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10509870B2 (en) | Method and apparatus for deploying industrial plant simulators using cloud computing technologies | |
CA2594697C (en) | Real-time synchronized control and simulation within a process plant | |
CN113344505A (zh) | 一种基于数字孪生的卫陶产品装配生产管理系统及方法 | |
CN104950741B (zh) | 用于系统连接的多控制器的配置管理接口 | |
CN104142629B (zh) | 用于对工业机器环境进行虚拟化的系统和方法 | |
JP6521578B2 (ja) | プロセス制御システムにおける非侵入的データ分析 | |
US8321194B2 (en) | Real time microgrid power analytics portal for mission critical power systems | |
Mounce et al. | Sensor-fusion of hydraulic data for burst detection and location in a treated water distribution system | |
CN110069045A (zh) | 基于bim、vr及物联网的污水处理厂无人值守方法和智能管理平台 | |
CA2776376A1 (en) | Microgrid model based automated real time simulation for market based electric power system optimization | |
US20210125200A1 (en) | Method and system for predicting medium-long term water demand of water supply network | |
WO2021118478A2 (en) | Engineering based digital twin platform | |
Wei | Research on university laboratory management and maintenance framework based on computer aided technology | |
CN111694286A (zh) | 一种基于人工智能的高频率调节型水处理控制系统 | |
CN104991037A (zh) | 一种用于煮糖结晶的数据测量方法和装置 | |
CN117270482A (zh) | 基于数字孪生的汽车工厂控制系统 | |
CN116933626A (zh) | 一种基于数字孪生的数据监测方法及装置 | |
Cooper et al. | Demystifying Digital Twins: Definitions, Applications, and Benefits. | |
CN116523187A (zh) | 一种基于bim的工程进度监控方法及其系统 | |
CN115118578A (zh) | 一种基于web的scada系统 | |
WO2019055329A1 (en) | METHOD FOR DRIVING ROBUST REGRESSION MODELS FROM LIMITED TRAINING DATA | |
CN114875999A (zh) | 一种用于二次供水系统的泵房运维管理系统 | |
Foti et al. | On Visualizing Distribution Systems for Next Generation Power Distribution Grids | |
Puertas Pérez | Integrated management tool for a water supply system using artificial intelligence techniques: case study using the water supply system of A Coruña | |
CN117669128A (zh) | 一种基于数字孪生模型的监管方法、装置、设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200922 |