CN113077847B - 在线模型水质转换方法、系统、电子设备及介质 - Google Patents

在线模型水质转换方法、系统、电子设备及介质 Download PDF

Info

Publication number
CN113077847B
CN113077847B CN202110377929.6A CN202110377929A CN113077847B CN 113077847 B CN113077847 B CN 113077847B CN 202110377929 A CN202110377929 A CN 202110377929A CN 113077847 B CN113077847 B CN 113077847B
Authority
CN
China
Prior art keywords
water quality
data
conversion
model
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.)
Active
Application number
CN202110377929.6A
Other languages
English (en)
Other versions
CN113077847A (zh
Inventor
王佳伟
孟晓宇
蒋勇
文洋
张辉
李群
袁星
焦二龙
刘垚
李烨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Drainage Group Co Ltd
Original Assignee
Beijing Drainage Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Drainage Group Co Ltd filed Critical Beijing Drainage Group Co Ltd
Priority to CN202110377929.6A priority Critical patent/CN113077847B/zh
Publication of CN113077847A publication Critical patent/CN113077847A/zh
Priority to PCT/CN2021/133140 priority patent/WO2022213620A1/zh
Priority to US18/004,253 priority patent/US20230298705A1/en
Application granted granted Critical
Publication of CN113077847B publication Critical patent/CN113077847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q10/30—Administration of product recycling or disposal
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • 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]
    • C02F2209/006—Processes using a programmable logic controller [PLC] comprising a software program or a logic diagram
    • 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
    • C02F2209/06—Controlling or monitoring parameters in water treatment pH
    • 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
    • C02F2209/07—Alkalinity
    • 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
    • C02F2209/08—Chemical Oxygen Demand [COD]; Biological Oxygen Demand [BOD]
    • 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
    • C02F2209/10—Solids, e.g. total solids [TS], total suspended solids [TSS] or volatile solids [VS]
    • 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
    • C02F2209/14—NH3-N
    • 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
    • C02F2209/15—N03-N
    • 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
    • C02F2209/22—O2
    • 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
    • C02F2209/36—Biological material, e.g. enzymes or ATP

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Fluid Mechanics (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)

Abstract

本申请公开了一种在线模型水质转换方法、系统、电子设备及介质。该方法可以包括：确定在线实时数据的类型；建立计算数据与在线实时数据的转换公式；获取历年水质数据，确定转换公式的转换相关参数，建立水质数据转换模型；将实时测量获得的在线实时数据代入水质数据转换模型，实时转换获得计算数据。本发明通过将在线监测数据指标转换为模型所需进水组分，从而可直接运行污水处理厂模型，作为在线模拟仿真模型的输入源，为之后模拟出水水质打下基础。

Description

在线模型水质转换方法、系统、电子设备及介质
技术领域
本发明涉及在线水质数据转换模拟领域，更具体地，涉及一种在线模型水质转换方法、系统、电子设备及介质。
背景技术
随着污水处理要求的提高，环保监测要求出水水质时时达标，但是污水的生物处理过程受进水负荷波动及生物系统本身特点的影响，实现时时达标运行十分困难，污水处理工艺安全稳定运行成为目前污水处理厂运行的重大挑战。在此背景下，运行管理由仅凭经验的粗放型转为依靠模型的精准化仿真模拟、控制已成为必然趋势。
最初的活性污泥模型开始于20世纪50、60年代，ASMs系列活性污泥模型已经发展的比较成熟。工艺模拟(数学模型)已经被广泛接受并应用于城市污水处理厂的设计、升级改造和优化运行。数学模型已经存在强大的理论基础，可实现模拟仿真污水处理厂的运行状态。目前，现行商业模拟仿真软件应用广泛，如BioWin、STOAT、Aquasim等，但这些开发比较成熟的商业化软件仅可实现水厂离线模拟，无法将水厂实时状态准确在线模拟及调控。这是目前模拟仿真技术最大的弊端，将会制约未来污水处理厂向“少人值守甚至无人值守或”发展的目标。
目前，我国绝大部分污水处理厂均采用活性污泥法，同时会在水厂进水端布置在线监测仪表监控进水水质指标，所以在线监测技术结合国际水协(IWA)推出的ASMs系列模型进行水厂实时模拟仿真以及运行调控会成为未来的趋势。但是如何将在线监测仪表数据与模型水质组分数据的转换存在困难。第一，ASMs系列模型进水组分较为复杂，常规进水水质指标将会划分为多个模型进水组分，以ASM1模型为例，涉及13个进水组分，如何将常规进水指标转化为模型进水组分需要解决。第二，ASMs模型涉及进水组分测定方法繁琐，许多组分甚至无法通过实验直接测定，离线模拟涉及的测定进水组分测定方法将阻碍水厂在线实时模拟，成为模型智能调控的一大难题。第三，绝大部分污水处理厂仅有进水COD、氨氮与pH在线监测仪表，不具备SS、TN等指标的检测能力，对于这种情况，缺乏一套系统的、科学的针对ASM1模型的水质转换方法。
因此，有必要开发一种在线模型水质转换方法、系统、电子设备及介质。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种在线模型水质转换方法、系统、电子设备及介质，其能够通过将在线监测数据指标转换为模型所需进水组分，从而可直接运行污水处理厂模型，作为在线模拟仿真模型的输入源，为之后模拟出水水质打下基础。
第一方面，本公开实施例提供了一种在线模型水质转换方法，包括：
确定在线实时数据的类型；
建立计算数据与所述在线实时数据的转换公式；
获取历年水质数据，确定所述转换公式的转换相关参数，建立水质数据转换模型；
将实时测量获得的在线实时数据代入所述水质数据转换模型，实时转换获得所述计算数据。
优选地，所述在线实时数据类型包括COD、氨氮、pH值。
优选地，所述计算数据包括可溶性惰性有机物、易降解有机物、颗粒性惰性有机物、慢速降解有机物、异养菌、自养菌、微生物衰减产物、溶解氧、硝态氮、氨态氮、易生物降解有机氮、慢速生物降解有机氮、碱度。
优选地，分别建立每一个计算数据与所述在线实时数据的转换公式，进而确定每一个计算数据对应的水质数据转换公式。
优选地，还包括：
将所述计算数据代入至ASM1水厂全流程仿真模型中，进行出水水质模拟。
优选地，还包括：
根据所述在线实时数据运行所述水质数据转换模型，实时转换获得所述计算数据，并保存在线实时数据库；
ASM1水厂全流程仿真模型调用所述在线实时数据库的计算数据，模拟水厂出水水质，用于在线水厂模拟仿真出水水质。
优选地，还包括：
在Python环境中，同时建立水质数据转换模型及ASM1水厂全流程仿真模型，将转换获得的计算数据直接代入ASM1水厂全流程仿真模型，输出水厂出水水质结果，保存至在线服务器数据库。
作为本公开实施例的一种具体实现方式，
第二方面，本公开实施例还提供了一种在线模型水质转换系统，包括：
类型确定模块，确定在线实时数据的类型；
转换公式建立模块，建立计算数据与所述在线实时数据的转换公式；
水质数据转换公式建立模块，获取历年水质数据，确定所述转换公式的转换相关参数，建立水质数据转换模型；
转换模块，将实时测量获得的在线实时数据代入所述水质数据转换模型，实时转换获得所述计算数据。
优选地，所述在线实时数据类型包括COD、氨氮、pH值。
优选地，所述计算数据包括可溶性惰性有机物、易降解有机物、颗粒性惰性有机物、慢速降解有机物、异养菌、自养菌、微生物衰减产物、溶解氧、硝态氮、氨态氮、易生物降解有机氮、慢速生物降解有机氮、碱度。
优选地，分别建立每一个计算数据与所述在线实时数据的转换公式，进而确定每一个计算数据对应的水质数据转换公式。
优选地，还包括：
将所述计算数据代入至ASM1水厂全流程仿真模型中，进行出水水质模拟。
优选地，还包括：
根据所述在线实时数据运行所述水质数据转换模型，实时转换获得所述计算数据，并保存在线实时数据库；
ASM1水厂全流程仿真模型调用所述在线实时数据库的计算数据，模拟水厂出水水质，用于在线水厂模拟仿真出水水质。
优选地，还包括：
在Python环境中，同时建立水质数据转换模型及ASM1水厂全流程仿真模型，将转换获得的计算数据直接代入ASM1水厂全流程仿真模型，输出水厂出水水质结果，保存至在线服务器数据库。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
存储器，存储有可执行指令；
处理器，所述处理器运行所述存储器中的所述可执行指令，以实现所述的在线模型水质转换方法。
第四方面，本公开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存储有计算机程序，该计算机程序被处理器执行时实现所述的在线模型水质转换方法。
其有益效果在于：
(1)通过将在线监测常规指标数据转换为模型所需进水组分，从而可直接运行污水处理厂模型，解决ASMs系列模型进水组分复杂以及常规进水指标使用困难的问题，可将常规进水指标转化为本发明中ASM1模型组分供水厂模拟仿真模型使用；
(2)ASMs系列模型进水组分测定困难，每天测定进水组分存在较大工作量，本发明可脱离现有商业模拟仿真软件，推动水厂在线模拟仿真发展，实时模拟水厂出水情况，为水厂提供优化调控运行策略有力基础，同时节省检测以及离线模拟带来的人力物力；
(3)水厂进水在线监测仪表监测指标不全，仅具备COD、氨氮的在线检测能力，本发明可解决这一问题，使用仅有的COD、氨氮及pH值仪表可进行ASM1模型组分的水质转换，进行仿真模拟，减少水厂在仪表安装、维护以及校准方面的费用和压力。
本发明的方法和系统具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的在线模型水质转换方法的步骤的流程图。
图2示出了根据本发明的一个实施例的基于COD组分的含氮组分比例划分的示意图。
图3示出了根据本发明的一个实施例的一种在线模型水质转换系统的框图。
附图标记说明：
201、类型确定模块；202、转换公式建立模块；203、水质数据转换模型建立模块；204、转换模块。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
本发明提供一种在线模型水质转换方法，包括：
类型确定模块，确定在线实时数据的类型；
转换公式建立模块，建立计算数据与在线实时数据的转换公式；
水质数据转换公式建立模块，获取历年水质数据，确定转换公式的转换相关参数，建立水质数据转换模型；
转换模块，将实时测量获得的在线实时数据代入所述水质数据转换模型，实时转换获得计算数据。
在一个示例中，在线实时数据类型包括COD、氨氮、pH值。
在一个示例中，计算数据包括可溶性惰性有机物、易降解有机物、颗粒性惰性有机物、慢速降解有机物、异养菌、自养菌、微生物衰减产物、溶解氧、硝态氮、氨态氮、易生物降解有机氮、慢速生物降解有机氮、碱度。
在一个示例中，分别建立每一个计算数据与在线实时数据的转换公式，进而确定每一个计算数据对应的水质数据转换公式。
在一个示例中，还包括：
将计算数据代入至ASM1水厂全流程仿真模型中，进行出水水质模拟。
在一个示例中，还包括：
根据在线实时数据运行水质数据转换模型，实时转换获得计算数据，并保存在线实时数据库；
ASM1水厂全流程仿真模型调用在线实时数据库的计算数据，模拟水厂出水水质，用于在线水厂模拟仿真出水水质。
在一个示例中，还包括：
在Python环境中，同时建立水质数据转换模型及ASM1水厂全流程仿真模型，将转换获得的计算数据直接代入ASM1水厂全流程仿真模型，输出水厂出水水质结果，保存至在线服务器数据库。
具体地，一般污水厂进水监测指标为：COD、氨氮、pH值。以ASM1模型为例，进水组分为：可溶性惰性有机物SI、易降解有机物SS、颗粒性惰性有机物XI、慢速降解有机物XS、异养菌XBH、自养菌XBA、微生物衰减产物XP、溶解氧SO、硝态氮SNO、氨态氮SNH、易生物降解有机氮SND、慢速生物降解有机氮XND、碱度SALK。
污水中总COD可用下列公式表示：
CODT＝SS+XS+XBA+XBH+SI+XI (1)
污水中总氮可用下列公式表示：
TN＝SNH+SNO+Norg (2)
获取水厂进水(COD、BOD5、总氮、氨氮、絮凝过滤后进水COD)、二沉出水(溶解性COD、溶解性BOD5)逐日或小时级、分钟级历史数据。
历年进水COD、BOD5通过数学方法得出转换关系系数；历史二沉出水溶解性COD、溶解性BOD5、絮凝过滤后进水COD检测数据推导易降解有机物SS以及可溶性惰性有机物SI所占进水COD比例系数；历史进水总氮、氨氮数据通过数学方法得出转换关系系数；基于成分或组分划分得出含氮组分相关系数。上述水质数据转换模型相关参数为水厂特性参数需根据各水厂实际情况一厂一定。
中间态指标、水质转换相关参数、经验关系结合在线监测仪表实时数据建立各组分计算公式。
根据上述水质数据转换模型相关参数以及在线监测数据与模型进水组分转换关系公式，使用Python搭建水质数据转换模型程序。使用Python搭建水质数据转换模型，包含模型输入、转换关系、模型输出项，通过代码实现在线实时数据的输入、模型运行以及转换结果输出至数据库。
通过在数据库中筛选与本发明相关的点位表(在线进水数据)，实时抓取，保存到在线实时数据列表中，以数据库直接传输或文件传输形式经数据清洗后输入水质转换模型程序，将在线常规水质指标数据转换并输出为实时模型组分数据，供后续ASM1水厂全流程仿真模型使用，实现污水处理厂出水水质在线模拟仿真。
根据ASM1水厂全流程仿真模型与计算数据，实现污水处理厂出水水质在线模拟仿真。
存在两种方案使用存储、使用水质转换模型与ASM1水厂全流程仿真模型：
(1)根据在线实时进水数据运行水质数据转换模型，模型输出水厂实时模型组分，并保存在线实时数据库，作为ASM1水厂全流程仿真模型输入源；ASM1水厂全流程仿真模型调用数据库中转换模型所得实时进水组分数据，运行水厂仿真模型，用于在线水厂模拟仿真出水水质。
(2)在Python环境中，同时建立水质数据转换模型及ASM1水厂全流程仿真模型，将转换获得的计算数据直接代入ASM1水厂全流程仿真模型，输出水厂出水水质结果，保存至在线服务器数据库。
本发明以ASM1号模型为例，但该方法同样可拓展并适用于其他多种活性污泥模型的水质转换，例如ASM2、ASM2d及ASM3。同时，本发明仅以最少在线监测仪表(COD、氨氮、pH)建立的水质转换方法及模型程序，可适用于在线监测仪表较少水厂的模拟仿真。当在线监测仪表增加类型时同样适用，诸如硝氮、BOD5在线监测仪表等，可相应减少相关系数及转换关系公式。
本发明中采用Python程序设计语言对水质转换方法进行实现，该方式同样可用一种或多种其他语言或组合编写执行本发明的计算机编程代码，例如Java、C++、Matlab等。
关于在线数据传输问题，本发明借助数据库服务器传输方式，数据同样可通过网络或云平台传输。且该项模型程序可部署与本地应用服务器，也可部署于远程计算机或云平台中。
本发明还提供一种在线模型水质转换系统，包括：
类型确定模块，确定在线实时数据的类型；
转换公式建立模块，建立计算数据与在线实时数据的转换公式；
水质数据转换公式建立模块，获取历年水质数据，确定转换公式的转换相关参数，建立水质数据转换模型；
转换模块，将实时测量获得的在线实时数据代入所述水质数据转换模型，实时转换获得计算数据。
在一个示例中，在线实时数据类型包括COD、氨氮、pH值。
在一个示例中，计算数据包括可溶性惰性有机物、易降解有机物、颗粒性惰性有机物、慢速降解有机物、异养菌、自养菌、微生物衰减产物、溶解氧、硝态氮、氨态氮、易生物降解有机氮、慢速生物降解有机氮、碱度。
在一个示例中，分别建立每一个计算数据与在线实时数据的转换公式，进而确定每一个计算数据对应的水质数据转换公式。
在一个示例中，还包括：
将计算数据代入至ASM1水厂全流程仿真模型中，进行出水水质模拟。
在一个示例中，还包括：
根据在线实时数据运行水质数据转换模型，实时转换获得计算数据，并保存在线实时数据库；
ASM1水厂全流程仿真模型调用在线实时数据库的计算数据，模拟水厂出水水质，用于在线水厂模拟仿真出水水质。
在一个示例中，还包括：
在Python环境中，同时建立水质数据转换模型及ASM1水厂全流程仿真模型，将转换获得的计算数据直接代入ASM1水厂全流程仿真模型，输出水厂出水水质结果，保存至在线服务器数据库。
具体地，一般污水厂进水监测指标为：COD、氨氮、pH值。以ASM1模型为例，进水组分为：可溶性惰性有机物SI、易降解有机物SS、颗粒性惰性有机物XI、慢速降解有机物XS、异养菌XBH、自养菌XBA、微生物衰减产物XP、溶解氧SO、硝态氮SNO、氨态氮SNH、易生物降解有机氮SND、慢速生物降解有机氮XND、碱度SALK。
污水中总COD表示为公式(1)，污水中总氮表示为公式(2)。
获取水厂进水(COD、BOD5、总氮、氨氮、絮凝过滤后进水COD)、二沉出水(溶解性COD、溶解性BOD5)逐日或小时级、分钟级历史数据。
历年进水COD、BOD5通过数学方法得出COD与BOD5转换关系系数；历史二沉出水溶解性COD、溶解性BOD5、絮凝过滤后进水COD检测数据推导易降解有机物SS以及可溶性惰性有机物SI所占进水COD比例系数；历史进水总氮、氨氮检测数据通过数学方法得出转换关系系数基于成分或组分划分得出含氮组分相关系数。上述水质数据转换模型相关参数为水厂特性参数需根据各水厂实际情况一厂一定。
中间态指标、水质转换相关参数、经验关系结合在线监测仪表实时数据建立各组分计算公式。
根据上述水质数据转换模型相关参数以及在线监测数据与模型进水组分转换关系公式，使用Python搭建水质数据转换模型程序。该模型使用Python搭建水质数据转换模型，包含模型输入、转换关系、模型输出项，通过代码实现在线实时数据的输入、模型运行以及转换结果输出至数据库。
通过在数据库中筛选与本发明相关的点位表(在线进水数据)，实时抓取，保存到在线实时数据列表中，以数据库直接传输或文件传输形式经数据清洗后输入水质转换模型程序，将在线常规水质指标数据转换并输出为实时模型组分数据，供后续ASM1水厂全流程仿真模型使用，实现污水处理厂出水水质在线模拟仿真。
根据ASM1水厂全流程仿真模型与计算数据，实现污水处理厂出水水质在线模拟仿真。
存在两种方案使用存储、使用水质转换模型与ASM1水厂全流程仿真模型：
(1)根据在线实时进水数据运行水质数据转换模型，模型输出水厂实时模型组分，并保存在线实时数据库，作为ASM1水厂全流程仿真模型输入源；ASM1水厂全流程仿真模型调用数据库中转换模型所得实时进水组分数据，运行水厂仿真模型，用于在线水厂模拟仿真出水水质。水质数据转换模型与ASM1水厂全流程仿真模型分属两个模块，若需要转移水厂，只需要将水质数据转换模型转移至新的水厂并进行调试(修改转换相关参数)即可。
(2)在Python环境中，同时建立水质数据转换模型及ASM1水厂全流程仿真模型，将转换获得的计算数据直接代入ASM1水厂全流程仿真模型，输出水厂出水水质结果，保存至在线服务器数据库。
本发明还提供一种电子设备，电子设备包括：存储器，存储有可执行指令；处理器，处理器运行存储器中的可执行指令，以实现上述的在线模型水质转换方法。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述的在线模型水质转换方法。
为便于理解本发明实施例的方案及其效果，以下给出四个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
实施例1
图1示出了根据本发明的一个实施例的在线模型水质转换方法的步骤的流程图。
如图1所示，该在线模型水质转换方法包括：步骤101，确定在线实时数据的类型；步骤102，建立计算数据与在线实时数据的转换公式；步骤103，获取历年水质数据，确定转换公式的转换相关参数，建立水质数据转换模型；步骤104，将实时测量获得的在线实时数据代入水质数据转换模型，实时转换获得计算数据。
步骤101，确定在线实时数据的类型包括COD、氨氮、pH值。
步骤102，分别建立每一个计算数据与在线实时数据的转换公式，一般污水处理厂仅有COD、氨氮与pH值在线监测仪表，根据较少的在线监测仪表类型数据建立水质数据转换公式。
(1)与在线COD仪表数据相关的水质数据转换公式
若获取最终模型组分计算数据，需得到中间态指标：五日生化需氧量BOD5、全部生化需氧量BODu、进水中可生物降解COD(CODB)、不可生物降解COD(CODI)。
进水COD与BOD5存在一定相关性，这两个水质指标呈一维线性关系，可得关系公式。
BOD5＝a·CODT，online+b (3)
由于BODu测定时间较长，通常水厂常规指标使用BOD5，但BODu可通过BOD5推导得出。一般生活污水中BOD5约为BODu的70％，故可得关系公式：
Figure BDA0003011982390000131
关于CODB的确定有下列方法：(1)将污水中的BODu全部当做CODB，该方法在加拿大商业模拟仿真软件GPS-X中使用，即CODB＝BODu；根据荷兰废水特性指南中方法实验进行验证，可得BOD20与CODB存在下列关系式：
CODB＝BOD20＝BODu (5)
进水总COD由CODB与CODI组成，故可根据在线监测仪表数据与上述计算CODB得CODI含量：
CODI＝CODT，online-CODB (6)
上述公式中，a、b为COD与BOD5转换系数(步骤103获取)，CODT，online为在线监测仪表检测实时COD数据。
由此，进水中COD组分易降解有机物SS、可溶性惰性有机物SI、异养菌XBH、自养菌XBA、慢速降解有机物XS及颗粒性惰性有机物XI可全部得出：
SI＝SI％·CODT，online (7)
SS＝SS％·CODT，online (8)
XS＝CODB-Ss (9)
XI＝CODI-SI (10)
XBA＝0 (11)
XBH＝0 (12)
其中，SI％、SS％为上述各组分占进水COD比例系数(步骤103获取)，CODT，online为在线监测仪表检测实时COD数据。活性污泥模型一般都存在一种假设：相比于过程中生成的微生物量进水中的微生物浓度可忽略不计，故XBA、XBH均为0。
(2)与在线氨氮仪表数据相关的水质数据转换公式
进水TN与NH4-N存在一定相关性，大量研究表明这两个水质指标呈一维线性关系，可得公式：
TN＝c·NH4Nonline+d (13)
其中，c、d为氨氮与总氮转换系数(步骤103获取)。
根据进水在线监测氨氮数据、氨氮与总氮转换系数、COD组分含氮换换系数得到与氮相关的进水总氮、易生物降解有机氮SND、慢速生物降解有机氮XND、硝氮SNO、氨氮SNH含量。
SND＝iN，SS·SS (14)
XND＝iN，XS·XS (15)
SNH＝NH4Nonline (16)
SNO＝TN-SNH-SND-XND-iN，SI·SI-iN，XBH·XBH-iN，XI·XI (17)
其中，iN，SI、iN，SS、iN，XS、iN，XBH、iN，XI为各COD组分中含氮比例系数(步骤103获取)，NH4Nonline为在线监测仪表检测实时氨氮数据。
(3)与在线pH仪表数据相关的水质数据转换公式
ASM1模型组分中存在碱度(SALK)，该组分可根据pH与碱度的转换关系通过pH测量值转转换获得：
Figure BDA0003011982390000141
其中，pHonline为在线监测仪表检测实时pH数据。
步骤103，获取历年水质数据，确定转换公式的转换相关参数，建立水质数据转换模型。
历年水质数据，具体包括COD、BOD5、总氮、氨氮、絮凝过滤后进水COD，二沉出水数据，包括溶解性COD、溶解性BOD5，该项历史数据可为逐日或小时级、分钟级。
(1)进水COD与BOD5存在一定相关性，这两个水质指标呈一维线性关系。根据历年进水COD、BOD5数据通过最小二乘法得到COD与BOD5线性方程，确定关系系数a、b，上述系数与水厂实际进水特性相关，需一厂一定。
(2)根据历史二沉出水溶解性COD、溶解性BOD5、絮凝过滤后进水COD检测数据推导易降解有机物SS以及可溶性惰性有机物SI所占进水COD比例系数。
进水中可溶性惰性有机物SI约等于二沉出水中溶解性COD的含量。根据荷兰废水特性指南研究表明，可根据历史二沉出水溶解性COD、溶解性BOD5推导得出可溶性惰性有机物SI含量，可估算出可溶性惰性有机物占进水总COD的比值，从而得出实时进水可溶性惰性有机物SI含量。相关公式如下：
①低负荷污水处理厂：
SI＝0.9·SCODout (19)
Figure BDA0003011982390000151
②高负荷污水处理厂：
SI＝0.9·SCODout-1.5·SBOD5，out (21)
Figure BDA0003011982390000152
式中，SCODout为二沉池出水溶解性COD；SBOD5，out为二沉出水溶解性BOD5；CODT为进水总COD。
易降解有机物SS比例可用下列公式计算：
Figure BDA0003011982390000153
式中，CODin，f为絮凝过滤后进水COD；SI为上述公式计算可溶性惰性有机物SI含量；CODT为进水总COD。
(3)进水TN与NH4-N存在一定相关性，大量研究表明这两个水质指标呈一维线性关系。根据历史进水总氮以及氨氮检测数据通过最小二乘法得到总氮与氨氮线性方程，确定关系系数c、d，上述系数与水厂实际进水特性相关，需一厂一定。
(4)关于含氮组分的确定有两种不同的方式：第一种，基于成分的划分，需直接测得进水中的TKN、氨氮、有机氮等，且该部分校正参数iXB、iXP与模型中参数，需进行反复校正，该方法可行，但操作较为繁琐且存在风险；第二种，基于组分的划分，以COD组分比例来模拟氮组分含量，该方式风险小且简单易行。本实施例，采取第二种方式，基于COD组分比例对含氮组分进行确定。
图2示出了根据本发明的一个实施例的基于COD组分的含氮组分比例划分的示意图。
如图2所示，根据COD组分常规含氮量，确定COD组分与N组分转换系数，其中iN,SI取值范围为0.02-0.04、iN,SS取值范围为0-0.02、iN,XS取值范围为0.02-0.04、iN,XBH取值为0.086、iN,XI取值为0.03。
上述由历史数据得出的水质数据转换模型相关参数为水厂特性参数需根据各水厂实际情况一厂一定，含氮组分系数为各COD组分中含氮比例各厂皆可取用标准值。
根据上述水质数据转换模型相关参数以及在线监测数据与模型进水组分转换关系公式，使用Python搭建水质数据转换模型。模型输入变量为：在线监测仪表COD、氨氮、pH数据，水厂特性相关参数，模型输出变量为：基于ASM1的水厂模型进水13组分。该模型使用Python搭建水质数据转换模型，包含模型输入、转换关系、模型输出项，通过数据库传输或excel文件实现在线数据的输入、模型运行以及转换结果输出到数据库。
步骤104，将实时测量获得的在线实时数据代入水质数据转换模型，实时转换获得计算数据。
在线监测仪表数据存储入Oracle数据库，并从中筛选出与本项目分析相关的点位表，在本发明中为在线监测指标COD、氨氮、pH数据，开发数据采集中间件HQVR，将相关的数据通过oleDB接口驱动，实时抓取，保存到本发明所需数据列表中，以csv或excel文件形式或数据库直接传输方式经数据清洗后输入Python模型计算实时组分数据，供ASM1水厂全流程仿真模型使用。
以北京某再生水厂为例，通过水质检测、数据分析获取相关系数值，具体系数值如表1所示。
表1
Figure BDA0003011982390000171
使用本发明计算出的模型组分如表2所示。
表2
第1天 第2天 第3天 第4天 第5天
S<sub>I</sub> 20.9 21.2 20.0 23.3 26.7
S<sub>S</sub> 97.7 98.8 93.5 108.6 124.6
X<sub>I</sub> 95.5 96.9 90.2 109.4 129.7
X<sub>S</sub> 134.8 136.1 130.3 146.7 164.0
X<sub>BH</sub> 0 0 0 0 0
X<sub>BA</sub> 0 0 0 0 0
X<sub>P</sub> 0 0 0 0 0
S<sub>O</sub> 0 0 0 0 0
S<sub>NO</sub> 8.83 8.78 9.21 7.89 6.44
S<sub>NH</sub> 36.10 31.00 34.60 34.70 41.10
S<sub>ND</sub> 0.98 0.99 0.94 1.09 1.25
X<sub>ND</sub> 4.05 4.08 3.91 4.40 4.92
S<sub>ALK</sub> 0.02 0.01 0.01 0.01 0.02
本实施案例结果验证：
以微生物浓度角度验证本实施例结果：由于常规进水中微生物量相比于过程中生成的微生物量进水中的微生物浓度可忽略不计，本实施例中直接假设XBA、XBH均为0。通过经验得知，自养菌在进水中浓度为0，即XBA＝0；根据COD组分含量计算XBH计算公式如下：
XBH＝CODT，online-SS-SI-XS-XI-XBA (24)
根据上述COD组分关系公式计算5天的进水中的异养菌XBH含量均为0mg/l，与假设相同，符合假设条件，如表3所示。
表3
第1天 第2天 第3天 第4天 第5天
X<sub>BH</sub>假设含量 0 0 0 0 0
X<sub>BH</sub>组分计算含量 0 0 0 0 0
以各组分质量分数经典取值范围角度验证本实施例结果：对于城市污水而言，各进水组分所占比例一般在某一限定的取值范围内，与经典取值范围相比，该实例中计算结果皆在取值范围内，如表4所示，证明本发明结果有效。
表4
第1天 第2天 第3天 第4天 第5天 经典范围
SI 6％ 6％ 6％ 6％ 6％ 5-10％
SS 28％ 28％ 28％ 28％ 28％ 12-30％
XS 38.64％ 38.54％ 39.01％ 37.80％ 36.85％ 30-60％
XBA 0％ 0％ 0％ 0％ 0％ 0-1％
根据本发明中具体实施案例创建的基于在线监测COD、氨氮及pH仪表构建的水质转换方法通过Python实现得出的具体实例效果有效，证明本发明科学、有效。
实施例2
图3示出了根据本发明的一个实施例的一种在线模型水质转换系统的框图。
如图3所示，该在线模型水质转换系统，包括：
类型确定模块201，确定在线实时数据的类型；
转换公式建立模块202，建立计算数据与在线实时数据的转换公式；
水质数据转换公式建立模块203，获取历年水质数据，确定转换公式的转换相关参数，建立水质数据转换模型；
转换模块204，将实时测量获得的在线实时数据代入所述水质数据转换模型，实时转换获得计算数据。
作为可选方案，在线实时数据类型包括COD、氨氮、pH值。
作为可选方案，计算数据包括可溶性惰性有机物、易降解有机物、颗粒性惰性有机物、慢速降解有机物、异养菌、自养菌、微生物衰减产物、溶解氧、硝态氮、氨态氮、易生物降解有机氮、慢速生物降解有机氮、碱度。
作为可选方案，分别建立每一个计算数据与在线实时数据的转换公式，进而确定每一个计算数据对应的水质数据转换公式。
作为可选方案，还包括：
将计算数据代入至ASM1水厂全流程仿真模型中，进行出水水质模拟。
作为可选方案，还包括：
根据在线实时数据运行水质数据转换模型，实时转换获得计算数据，并保存在线实时数据库；
ASM1水厂全流程仿真模型调用在线实时数据库的计算数据，模拟水厂出水水质，用于在线水厂模拟仿真出水水质。
作为可选方案，还包括：
在Python环境中，同时建立水质数据转换模型及ASM1水厂全流程仿真模型，将转换获得的计算数据直接代入ASM1水厂全流程仿真模型，输出水厂出水水质结果，保存至在线服务器数据库。
实施例3
本公开提供一种电子设备包括，该电子设备包括：存储器，存储有可执行指令；处理器，处理器运行存储器中的可执行指令，以实现上述在线模型水质转换方法。
根据本公开实施例的电子设备包括存储器和处理器。
该存储器用于存储非暂时性计算机可读指令。具体地，存储器可以包括一个或多个计算机程序产品，该计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中，该处理器用于运行该存储器中存储的该计算机可读指令。
本领域技术人员应能理解，为了解决如何获得良好用户体验效果的技术问题，本实施例中也可以包括诸如通信总线、接口等公知的结构，这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明，在此不再赘述。
实施例4
本公开实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的在线模型水质转换方法。
根据本公开实施例的计算机可读存储介质，其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时，执行前述的本公开各实施例方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于：光存储介质(例如：CD－ROM和DVD)、磁光存储介质(例如：MO)、磁存储介质(例如：磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如：存储卡)和具有内置ROM的媒体(例如：ROM盒)。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (8)

1.一种在线模型水质转换方法，其特征在于，包括：
确定在线实时数据的类型；
建立计算数据与所述在线实时数据的转换公式；
获取历年水质数据，确定所述转换公式的转换相关参数，建立水质数据转换模型；
将实时测量获得的在线实时数据代入所述水质数据转换模型，实时转换获得所述计算数据；
其中，所述在线实时数据类型包括COD、氨氮、pH值；
其中，所述计算数据包括可溶性惰性有机物、易降解有机物、颗粒性惰性有机物、慢速降解有机物、异养菌、自养菌、微生物衰减产物、溶解氧、硝态氮、氨态氮、易生物降解有机氮、慢速生物降解有机氮、碱度。
2.根据权利要求1所述的在线模型水质转换方法，其中，分别建立每一个计算数据与所述在线实时数据的转换公式，进而确定每一个计算数据对应的水质数据转换公式。
3.根据权利要求1所述的在线模型水质转换方法，其中，还包括：
将所述计算数据代入至ASM1水厂全流程仿真模型中，进行出水水质模拟。
4.根据权利要求3所述的在线模型水质转换方法，其中，还包括：
根据所述在线实时数据运行所述水质数据转换模型，实时转换获得所述计算数据，并保存在线实时数据库；
ASM1水厂全流程仿真模型调用所述在线实时数据库的计算数据，模拟水厂出水水质，用于在线水厂模拟仿真出水水质。
5.根据权利要求3所述的在线模型水质转换方法，其中，还包括：
在Python环境中，同时建立水质数据转换模型及ASM1水厂全流程仿真模型，将转换获得的计算数据直接代入ASM1水厂全流程仿真模型，输出水厂出水水质结果，保存至在线服务器数据库。
6.一种在线模型水质转换系统，其特征在于，包括：
类型确定模块，确定在线实时数据的类型；
转换公式建立模块，建立计算数据与所述在线实时数据的转换公式；
水质数据转换模型建立模块，获取历年水质数据，确定所述转换公式的转换相关参数，建立水质数据转换模型；
转换模块，将实时测量获得的在线实时数据代入所述水质数据转换模型，实时转换获得所述计算数据；
其中，所述在线实时数据类型包括COD、氨氮、pH值；
其中，所述计算数据包括可溶性惰性有机物、易降解有机物、颗粒性惰性有机物、慢速降解有机物、异养菌、自养菌、微生物衰减产物、溶解氧、硝态氮、氨态氮、易生物降解有机氮、慢速生物降解有机氮、碱度。
7.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储有可执行指令；
处理器，所述处理器运行所述存储器中的所述可执行指令，以实现权利要求1-5中任一项所述的在线模型水质转换方法。
8.一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存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的在线模型水质转换方法。
CN202110377929.6A 2021-04-08 2021-04-08 在线模型水质转换方法、系统、电子设备及介质 Active CN113077847B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110377929.6A CN113077847B (zh) 2021-04-08 2021-04-08 在线模型水质转换方法、系统、电子设备及介质
PCT/CN2021/133140 WO2022213620A1 (zh) 2021-04-08 2021-11-25 在线模型水质转换方法、系统、电子设备及介质
US18/004,253 US20230298705A1 (en) 2021-04-08 2021-11-25 Online Model Water Quality Conversion Method and System, Electronic Device, and Medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110377929.6A CN113077847B (zh) 2021-04-08 2021-04-08 在线模型水质转换方法、系统、电子设备及介质

Publications (2)

Publication Number Publication Date
CN113077847A CN113077847A (zh) 2021-07-06
CN113077847B true CN113077847B (zh) 2022-06-17

Family

ID=76615614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110377929.6A Active CN113077847B (zh) 2021-04-08 2021-04-08 在线模型水质转换方法、系统、电子设备及介质

Country Status (3)

Country Link
US (1) US20230298705A1 (zh)
CN (1) CN113077847B (zh)
WO (1) WO2022213620A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077847B (zh) * 2021-04-08 2022-06-17 北京城市排水集团有限责任公司 在线模型水质转换方法、系统、电子设备及介质
CN114314823B (zh) * 2022-02-09 2023-07-25 南开大学 一种曝气环节溶解氧控制系统与方法
CN118645181A (zh) * 2024-08-13 2024-09-13 山东中研环保设备有限公司 一种基于人工智能的污水处理流程优化方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682190A (zh) * 2011-03-15 2012-09-19 中国科学院沈阳自动化研究所 简化的污水处理过程活性污泥模型
CN103983304B (zh) * 2014-05-06 2016-06-08 北京农业信息技术研究中心 一种河道水质监测系统及方法
CN105738587A (zh) * 2016-01-12 2016-07-06 山东科技大学 一种水质监测系统
CN105974079B (zh) * 2016-06-14 2018-08-28 中山公用水务有限公司 一种水质在线监测方法及系统
JP6069570B1 (ja) * 2016-09-14 2017-02-01 環境電子株式会社 水質自動監視装置
CN106525905B (zh) * 2016-09-20 2019-05-31 浙江工业大学 具有电极自动清洗和标定的水质在线监测系统
CN108038351B (zh) * 2017-12-06 2020-06-09 武汉大学 一种基于遥感影像和水生态模型的叶绿素计算方法
CN108171259A (zh) * 2017-12-13 2018-06-15 南京理工大学 一种基于NB-IoT的智慧末梢水质监测系统及方法
CN110451661B (zh) * 2019-09-12 2021-07-30 南京大学 一种污水中微生物类溶解性有机氮的预测模型及其应用
CN111125936B (zh) * 2020-01-09 2024-01-30 广州市市政工程设计研究总院有限公司 污水设计水质与模型水质的转换方法、系统及存储介质
CN113077847B (zh) * 2021-04-08 2022-06-17 北京城市排水集团有限责任公司 在线模型水质转换方法、系统、电子设备及介质

Also Published As

Publication number Publication date
CN113077847A (zh) 2021-07-06
WO2022213620A1 (zh) 2022-10-13
US20230298705A1 (en) 2023-09-21

Similar Documents

Publication Publication Date Title
CN113077847B (zh) 在线模型水质转换方法、系统、电子设备及介质
JP2007229550A (ja) 下水処理場運転支援装置
Zhang et al. Assessment of the nutrient removal performance in integrated constructed wetlands with the self-organizing map
AU2018418038B2 (en) System and method for predicting a parameter associated with a wastewater treatment process
CN111762958A (zh) 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置
Jiang et al. Estimation of costs of phosphorus removal in wastewater treatment facilities: adaptation of existing facilities
Galizia et al. Advanced control system for reverse osmosis optimization in water reuse systems
CN110642393B (zh) 一种基于神经网络模型的曝气控制系统
CN114417622B (zh) 一种污水处理方法、装置、设备及系统
CN117388457B (zh) 一种耦合水力停留时间提高污水厂出水预测精度的方法
Gulhan et al. Modelling greenhouse gas emissions from biological wastewater treatment by GPS-X: the full-scale case study of Corleone (Italy)
Moragaspitiya et al. Simulation of dynamic behaviour of a biological wastewater treatment plant in South East Queensland, Australia using bio-win software
Rafati et al. Determine the most effective process control parameters on activated sludge based on particle swarm optimisation algorithm (Case Study: South wastewater treatment plant of Tehran)
CN116679026B (zh) 自适应无偏有限脉冲响应滤波的污水溶解氧浓度估计方法
Jiang Towards a sustainable framework: modeling, optimization and evaluation of nutrient removal and recovery strategies
CN107720975B (zh) 一种乙醇类物质作为外加碳源的污水处理优化模拟方法
Alsmadi et al. Simulation of Wastewater Treatment Performance of Sequencing Batch Reactor under Seasonal Variations Using GPS-X: A Case Study in Sharjah, UAE
Corominas Tabares Control and optimization of an SBR for nitrogen removal: from model calibration to plant operation
Chirosca et al. Multivariable h infinite control of wastewater biological treatment processes
Flores-Alsina et al. Benchmarking strategies to control GHG production and emissions
Alikhani et al. Inverse Modeling of Nitrification-Denitrification Processes: A Case Study on the Blue Plains Wastewater Treatment Plant in Washington, DC.
Chakravarty et al. Robust control of water quality in horizontal sub-surface flow wetlands using decentralized quantitative feedback theory based controller
Serrao Towards an intelligent control of wastewater treatment process: Development of a hybrid model combining a knowledge-based biofiltration model with a data-driven model to improve simulation performance and optimise process control.
KR102641807B1 (ko) 센서보정장치 및 센서보정장치의 동작 방법
CN117865419A (zh) 用于餐厨余沼液的高效脱氮的生物处理方法

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