CN113341711B - 一种地表与地下多水源智能循环分配控制系统 - Google Patents
一种地表与地下多水源智能循环分配控制系统 Download PDFInfo
- Publication number
- CN113341711B CN113341711B CN202110567383.0A CN202110567383A CN113341711B CN 113341711 B CN113341711 B CN 113341711B CN 202110567383 A CN202110567383 A CN 202110567383A CN 113341711 B CN113341711 B CN 113341711B
- Authority
- CN
- China
- Prior art keywords
- water
- data
- module
- self
- output end
- 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
Links
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- C02F1/24—Treatment of water, waste water, or sewage by flotation
-
- 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
- C02F1/44—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis
- C02F1/444—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis by ultrafiltration or microfiltration
-
- 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
- C02F1/48—Treatment of water, waste water, or sewage with magnetic or electric fields
- C02F1/488—Treatment of water, waste water, or sewage with magnetic or electric fields for separation of magnetic materials, e.g. magnetic flocculation
-
- 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
- C02F1/66—Treatment of water, waste water, or sewage by neutralisation; pH adjustment
-
- 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
- C02F1/78—Treatment of water, waste water, or sewage by oxidation with ozone
-
- 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
- C02F2001/007—Processes including a sedimentation step
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
- C02F2103/06—Contaminated groundwater or leachate
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
- C02F2103/34—Nature of the water, waste water, sewage or sludge to be treated from industrial activities not provided for in groups C02F2103/12 - C02F2103/32
- C02F2103/36—Nature of the water, waste water, sewage or sludge to be treated from industrial activities not provided for in groups C02F2103/12 - C02F2103/32 from the manufacture of organic compounds
- C02F2103/365—Nature of the water, waste water, sewage or sludge to be treated from industrial activities not provided for in groups C02F2103/12 - C02F2103/32 from the manufacture of organic compounds from petrochemical industry (e.g. refineries)
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2201/00—Apparatus for treatment of water, waste water or sewage
- C02F2201/002—Construction details of the apparatus
- C02F2201/007—Modular design
-
- 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
- C02F2209/02—Temperature
-
- 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
- C02F2209/05—Conductivity or salinity
-
- 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
- C02F2209/08—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
- C02F2209/22—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
- C02F2209/42—Liquid level
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/02—Aerobic processes
- C02F3/10—Packings; Fillings; Grids
- C02F3/102—Permeable membranes
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/28—Anaerobic digestion processes
- C02F3/2806—Anaerobic processes using solid supports for microorganisms
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2605—Wastewater treatment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Abstract
一种地表与地下多水源智能循环分配控制系统,它包括物化生多级分散式修复系统,物化生多级分散式修复系统分别与水质检测回注系统、数据综合处理系统、智能安全预警系统、异步自适应双调节优化控制系统连接;其中,水质检测回注系统、还与智能安全预警系统连接,智能安全预警系统还与数据综合处理系统连接,数据综合处理系统还与异步自适应双调节优化控制系统连接。发明所提供的一种地表与地下多水源智能循环分配系统,基于改进后的物化生技术耦合的污水处理工艺,结合人工智能技术,目的是为了在宏观水环境下对各类水源进行处理和优化分配控制,以解决页岩气开采中水资源循环利用效率低下,水资源管理困难的技术问题。
Description
技术领域
本发明属于水资源污染治理技术领域,尤其涉及一种在页岩气开发中对水资源进行分配、循环再利用的系统及方法。
背景技术
页岩气开采所用水主要来源于四个部分:地表水、地下水、从公共部门或者私人供水处购买水(后简称购买水)及回用水。开采中不仅会消耗大量的水资源,还会带来潜在的水生态环境污染问题,其主要污染物包括悬浮物(TS),总有机碳(TOC),钙离子,镁离子,钡离子,溴离子等。因此,改进水资源循环处理技术,合理规划水资源配置,有效管理有限的水资源是相当重要的。
总的来说,现有页岩气开发中的水资源循环利用仍然存在以下不足与缺陷:
1.传统回用水处理多采用物化法,往复投送化学药剂,借助高昂机械设备,存在处理不彻底,对环境伤害大,处理成本高等问题,鲜有耦合低廉高效的生物法治理工艺;
2.大多仅局限于返排液的处理工艺方法,没有实现在宏观水环境下,开采过程中所用到的各类水源的宏观调控与处理,缺少对水资源循环利用系统的研究。
3.基于信号反馈和过程控制的智能水资源规划分配在页岩气开发领域几乎是一片空白,没有结合当前先进人工智能技术实现对各类水源的优化调配,没有实现水资源高效循环与利用,水资源管理控制等效率低下。
发明内容
本发明所提供的一种地表与地下多水源智能循环分配控制系统,基于改进后的物化生技术耦合的污水处理工艺,结合人工智能技术,目的是为了在宏观水环境下对各类水源进行处理和优化分配控制,以解决页岩气开采中水资源循环利用效率低下,水资源管理困难的技术问题。
一种地表与地下多水源智能循环分配控制系统,它包括物化生多级分散式修复系统,物化生多级分散式修复系统分别与水质检测回注系统、数据综合处理系统、智能安全预警系统、异步自适应双调节优化控制系统连接;
其中,水质检测回注系统、还与智能安全预警系统连接,智能安全预警系统还与数据综合处理系统连接,数据综合处理系统还与异步自适应双调节优化控制系统连接。
上述物化生多级分散式修复系统用于对页岩气开采所需的各类水源(地表水,地下水,回用水,购买水)进行修复处理;水质检测回注系统用于对修复处理后的水资源(主要为回用水)的水质进行检测,判断是否达标;数据综合处理系统用于实时监测并收集各类水源的信息,如水量,温度,PH等,并对采集到的数据进行处理与反馈,传输给异步自适应双调节优化控制系统;智能安全预警系统,监控收集装备现场系统及水质检测回注系统的影像资料及各项安全信息,在线模拟现场运行场景,及时预警和处理各种安全事故,将重要数据输送至系统;异步自适应双调节优化控制系统,接收来自数据综合处理系统传输的信号反馈,根据得到的数据结合进行各类水资源水量水质的优化模拟预测,并进行分配控制。
上述物化生多级分散式修复系统包括回用水收集装置、地下水收集装置、地表水收集装置、购买水收集装置,回用水收集装置按序依次与两相气浮分离器、多级膜反滤池、PH调节器、臭氧曝射反应塔、微生物滤池、重磁混絮凝自循环装置、第一沉淀池、混合池连接;
地下水收集装置、地表水收集装置在出水端按序与第一沉砂池、混凝反应池、第二沉淀池、混合池连接;
购买水收集装置按序与第二沉砂池、混合池连接。
上述水质检测回注系统包括水质检测器、达标水回注装置,水质检测器分别与混合池、PH调节器、达标水回注装置连接。
上述智能安全预警系统包括主模块,主模块包括控制装置,主模块分别与人脸识别模块、数据通信模块、后台监控模块、烟雾报警模块、脉冲报警模块、应急处理模块、语音广播模块连接。
上述数据综合处理系统包括传感器,传感器的输出端按序依次与数据收集器、模数转换器、数据处理中心连接;传感器的输入端与物化生多级分散式修复系统连接、输出端与异步自适应双调节优化控制系统的输入端连接,传感器用于实时监测收集水源的PH、温度、电导率、水量、溶解氧、生化需氧量、各时刻产气量。
异步自适应双调节优化控制系统包括数据输入器,数据输入器的输出端分别与第一误差调节器、多模态集成模拟预测器、自抗噪补偿控制器、多目标决策优化器连接,多模态集成模拟预测器的输出端与第一误差调节器连接,第一误差调节器的输出端与多目标决策优化器的输入端连接;
多目标决策优化器的输出端分别与多模态集成模拟预测器、第二误差调节器的第一输入端连接,第二误差调节器的第二输入端与多模态集成模拟预测器的输出端连接;第二误差调节器的输出端与控制器连接;
自抗噪补偿控制器的输出端与水量调节分配器的输入端连接,水量调节分配器的输出端分别与回用水收集装置的回用水流量控制阀、地下水收集装置的地下水流量控制阀、地表水收集装置的地表水流量控制阀、购买水收集装置的购买水流量控制阀连接。
异步自适应双调节优化控制系统在使用时,具体如下:
数据输入器将t时刻经数据处理中心传输的水量,BOD,COD等数据作为输入变量x(t);t-1及t时刻产气量,GHG排放量,耗水量等数据作为优化目标量y(t-1);y(t)输入到到多模态集成模拟预测器,自抗噪补偿控制器,多目标决策优化器,误差调节器;
多模态集成模拟预测器采用多层stacking模型集成框架,第一层由RF(随机森林)、SVM(支持向量机)、GBDT(梯度迭代决策树)、XGB(极值梯度提升算法)多个基学习器组成,输入变量x(t),历史优化目标量y(t-1),优化决策变量u’(t)作为原始训练集,第二层模型则是以第一层基学习器的输出作为特征加入训练集进行再训练得到此层的训练集,直到最后一层得到完整的stacking模型,并输出模拟预测值yp(t),up(t);
多目标决策优化器采用NSGA-II算法对产气量,GHG(温室气体)排放量,耗水量进行优化,约束条件涉及技术、环境、自然等诸多方面,收到数据输入器及误差调节器传达的x(t)和ey(t),并输出瞬时优化后的决策变量u’(t)至多元集成模拟预测器,通过不断调节反馈以得到最优决策变量u*(t)。
一种多目标决策优化器的优化方法,它包括以下步骤:
步骤1:构建多目标函数决策优化模型即页岩气-环境-水资源模型,该模型包括页岩气产气高效模块,GHG排放控制模块,水资源节约模块;
步骤2:进行模型参数的设置以及约束限值的设置;
步骤3:采用NSGA-II对模型进行求解;
步骤4:得到最优Pareto前沿,决策者从Pareto前沿列表中选取满意方案。
在步骤1中,
所述多目标函数决策优化模型包括上层产气高效模块,中层GHG排放控制模块,下层水资源节约模块,该模型具体如下:
1)上层产气高效模块的优化目标为页岩气产量最大化,页岩气产量符合指数递减趋势,引入递减率D,考虑单井产气量约束,开发规模钻井量约束等;
下标i-淡水资源类型(i=1代表地表水,i=2代表地下水,i=3代表购买水,i=4代表回用水)下标j-选取10a为规划期,并以每个季度为一个规划单元(即规划期j=1,2,3,……,40);
PG-规划期内页岩气总产量,bcf;
Pwell-钻井数量,口;
Pg-单井页岩气产量,bcf;
D-页岩气产量递减率;
Dmin-最小页岩气产量递减率;
Dmax-最大页岩气产量递减率;
t-规划单元内的实际生产时间,h;
PGMin-规划期期内的页岩气最小产量,gal;
PGMax-生命周期内的页岩气最大产量,gal;
PwellMin-最小钻井数量,口;
PwellMax-最大钻井数量,口;
2)中层GHG排放控制模块的优化目标为GHG排放量最小化,将环境约束考虑在内;
TGHG-规划期内的温室气体排放总量,kg;
Pwater-淡水资源供应量,gal;
DF-淡水资源与产气区间的距离,km;
EF-运输单位淡水资源的温室气体排放强度,kg/(km·gal);
Ewell-单井的钻井和水力压裂过程温室气体排放强度,kg;
EG-单位产气过程的温室气体排放强度,kg/bcf;
Wtc-CWT(污水处理厂)的废水处理量,gal;
DC-CWT与产气区的平均距离,km;
EC-CWT处理单位废水的温室气体排放强度,kg/(km·gal);
Wtd-注入井的废水处理量,gal;
DZ-注入井与产气区的平均距离,km;
EZ-注入井处理单位废水的温室气体排放强度,kg/(km·gal);
TGHGMax-温室气体最大允许排放量,kg;
3.下层水资源节约模块的优化目标为耗水量最小化,考虑供需水量约束,CWT设施,注入井及原地处理等设备容量约束;
TWC-页岩气供应系统的耗水量,gal;
PwaterMin-淡水资源的最小供应量,gal;
PwaterMax-淡水资源的最大供应量,gal;
Wto-原地废水处理量,gal;
WtcMax-CWT设施的最大处理容量,gal;
WtdMax-注入井的最大处理容量,gal;
WtoMax-原地处理的最大容量,gal。
与现有技术相比,本发明具有如下技术效果:
1)本发明改进了回用水处理的传统物化法工艺流程,耦合低价高效的生物膜法,实现了在宏观水环境下,开采过程中的各类水源的宏观调控与处理,对水资源循环利用系统做出完整分析。
2)本发明提供了基于集成预测和NSGA-II算法的智能优化控制技术方案,填补了国内页岩气开发领域基于信号反馈和过程控制的空白,有效提高了水资源的优化配置。
3)本发明在异步自适应双调节优化控制系统中,设计了自抗噪补偿控制器,有效增强系统自抗噪性和自适应性。设计了异步处理及双误差信号调节反馈机制,大大提高了系统的预测精度和反馈调节的灵敏性。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1为本发明的系统结构总示意框图。
图2为本发明中异步自适应双调节优化控制系统的结构示意框图。
图3为本发明中多目标决策优化器的优化流程图。
具体实施方式
如图1所示,一种地表与地下多水源智能循环分配控制系统,它包括物化生多级分散式修复系统1,物化生多级分散式修复系统1分别与水质检测回注系统2、数据综合处理系统3、智能安全预警系统4、异步自适应双调节优化控制系统5连接;
其中,水质检测回注系统2、还与智能安全预警系统4连接,智能安全预警系统4还与数据综合处理系统3连接,数据综合处理系统3还与异步自适应双调节优化控制系统5连接。
物化生多级分散式修复系统1用于对页岩气开采所需的各类水源(地表水,地下水,回用水,购买水)进行修复处理;水质检测回注系统2用于对修复处理后的水资源(主要为回用水)的水质进行检测,判断是否达标;数据综合处理系统3用于实时监测并收集各类水源的信息,如水量,温度,PH等,并对采集到的数据进行处理与反馈,传输给异步自适应双调节优化控制系统5;智能安全预警系统4,监控收集装备现场系统1及水质检测回注系统2的影像资料及各项安全信息,在线模拟现场运行场景,及时预警和处理各种安全事故,将重要数据输送至系统3;异步自适应双调节优化控制系统5,接收来自数据综合处理系统3传输的信号反馈,根据得到的数据结合进行各类水资源水量水质的优化模拟预测,并进行分配控制。
物化生多级分散式修复系统1包括回用水收集装置6、地下水收集装置7、地表水收集装置8、购买水收集装置9,回用水收集装置6按序依次与两相气浮分离器10、多级膜反滤池11、PH调节器12、臭氧曝射反应塔13、微生物滤池14、重磁混絮凝自循环装置15、第一沉淀池16、混合池17连接;
地下水收集装置7、地表水收集装置8在出水端按序与第一沉砂池18、混凝反应池19、第二沉淀池20、混合池17连接;
购买水收集装置9按序与第二沉砂池21、混合池17连接。
由于回用水杂质成分最为复杂,故其修复工艺及对应修复装置也是本修复处理子系统的重难点。将地表水,地下水,回用水,购买水等淡水资源经不同方式(管道、卡车运输等)收集到地表水收集装置,地下水收集装置,回用水收集装置,购买水收集装置;回用水经过两相气浮分离器,去除污泥杂质,除污泥后进入多级膜反滤池,进一步分离原油和水;随后,流入PH调节器调整酸碱度,待显示屏上PH合适后,进入臭氧曝射反应塔进行预氧化处理,待达到合适的氧化环境,进入微生物滤池分别通过好氧微生物膜及厌氧微生物膜,去除污水中BOD,COD及氨氮有机物等;经微生物降解后,流入重磁混絮凝自循环装置,并加入混凝剂、助凝剂、絮凝剂和磁粉等进行絮凝沉降处理,去除液相中的悬浮物和杂质离子,出水后进入高效沉淀池以分离固液,得到清水;地表水和地下水首先进入沉砂池去除水中携带的泥沙,砂粒等颗粒物,上清液通过管道进入混凝池进行混絮凝处理,再进入沉淀池去除水中杂质离子;购买水则直接进入沉砂池沉降出固体杂质即可;上述四种水源经处理后直接进入混合池,以便水质更加均匀,利于检测,节省成本。
进一步的,针对物化生多级分散式修复系统1,物化生多级分散式修复系统1采用物理一级处理,生物二级处理,化学三级处理方法耦合的多级处理工艺,且各工艺环节排出的废弃废液废渣均可经过二次处理使用,相比传统单一化学或物理方法比,大大减少对环境污染,处理彻底,有效降低成本,且修复系统组成的装置均为可移动模块化装置,呈分散式安装,不仅节省空间,还能根据不同的水质要求及处理要求进行科学组装,运行方便灵活,大大提高工作效率。其包括水源收集装置,依次包括地表水收集装置,地下水收集装置,回用水收集装置,购买水收集装置,主要利用管道收集页岩气开发所用的各类水源;两相气浮分离器,连接回用水收集装置,以分离水中附含污泥残渣;多级膜反滤池,分级过滤,将油性大分子截留,快速分离液相油水;PH调节器,装有PH计,指示和调节酸碱度;臭氧曝射反应塔,进行预氧化处理,创造易于微生物代谢和降解有机物的生长环境;微生物滤池,培育特效好氧及厌氧微生物,高效降解废水中的氨氮有机物,降低BOD、COD值;重磁混絮凝自循环装置,加入混凝剂、助凝剂、絮凝剂和重磁粉,自动投加填料,强化沉淀,使细小杂质离子;形成絮状物下沉分离;高效沉淀池,去除水中砂粒,化学沉淀物等杂质;沉砂池,预处理去除来水中的泥沙等粗大颗粒;混合池,将处理后的各种水源充分混合,使流出的水质比较均匀,易于监测。
其中,多级膜反滤池11包括一级粗滤膜,二级微滤膜,三级精滤膜,三者顺次连接。一级粗滤膜采用多孔Al2O3陶瓷材料制备,用于过滤含油废水中粒径大于100μm的悬浮态油污;二级微滤膜采用聚丙烯有机高分子材料制备,用于除去粗滤废水中粒径在10~100μm的分散态油污;作为本发明的一种改进,所述三级精滤膜为“超滤+反渗透”耦合的一种新型聚酰胺聚合物复合膜,有效提高了粒径小于10μm的油性小分子的截留效率。作为本发明的一种改进,所述多级膜反滤池装备膜池全自动清洗器,所述全自动清洗器由PLC系统控制,全方位在线清洗膜池,减少因大分子污染物带来的堵塞回流等问题,提高分离效率。
其中,臭氧曝射反应塔13包括臭氧压力泵、曝气室和射流器三部分。臭氧压力泵通过对管路中的臭氧施加高压达到抽吸目的,所述压力泵连接的曝气室用于容纳处理的废水,使之与高压气体充分接触。作为本发明的一种改进,在曝气室内设一空腔与外界空气相通,达到反复自吸的效果。作为本发明的一种改进,射流器外部安装DO检测探头、根据检测结果可以任意调整射流角度,改变射流速度,使之达到最优的预氧化目标。
其中,微生物滤池14包括好氧微生物膜池和厌氧微生物膜池,二者依次连接。好氧微生物膜池中连续充氧,培育的微生物主要有菌胶团为主,还有少量的藻类、浮游球衣等;厌氧微生物膜池中培育的微生物主要有拟杆细菌、链球菌等,对好氧微生物处理后的废渣进行二次处理。作为本发明的一种改进,经厌氧微生物代谢后产生的沼气用于系统供电燃料,产生的废渣富含多种营养物,可二次利用培育微生物。
其中,重磁混絮凝自循环装置15包括智能投料机、磁混絮凝反应池、磁粉回用处理器。作为本发明的一种改进,所述智能投料机内部安装超声传感器,实时监测投料配比,利用PLC系统实现自动调比投料。作为本发明的一种改进,投料磁粉具有良好分离性能和磁生化效应,具备药剂消耗量小、停留时间短、占地面积小的优势。作为本发明的一种改进,所述磁粉回用处理装置装有液压抽吸泵和超磁分离器,实现对磁粉聚合物的高效回收和快速分离,通过管路传输至所述智能投料机。
所述水质检测回注系统2包括水质检测器46、达标水回注装置22,水质检测器46分别与混合池17、PH调节器12、达标水回注装置22连接。
进一步的,水质检测回注系统2包括水质检测器46、达标水回注装置22,水质检测器46分别与混合池17、PH调节器12、达标水回注装置22连接。
针对水质检测回注系统2,水质检测回注系统2包括水质检测器,对混合池中处理后的水源进行检测,若水质符合回注标准,则通过管路导入回注装置,若不达标,则输送至所述PH调节器继续处理直至达标;达标水回注装置,连接水质检测器,用于容纳达标的回注水。
进一步的,智能安全预警系统4包括主模块23,主模块23包括控制装置,主模块23分别与人脸识别模块24、数据通信模块25、后台监控模块26、烟雾报警模块27、脉冲报警模块28、应急处理模块29、语音广播模块30;
智能安全预警系统4主要利用PLC技术,包括主模块,监控其他从属模块,利用无线通信接收其他模块信息;人脸识别模块,包括人脸识别器、键盘等元件,提供人脸识别和键盘输入密码两种通过方式;后台监控模块,利用B/S技术架构在线监控虚拟平台,智能模拟各处理操作环节,采集重要参数信息,在关键点位布设摄像头,实时监测现场;数据通信模块,构建无线GPRS局域网,实现无限通信功能;烟雾报警模块,在污水修复车间布置多组烟雾探测器及报警器,监测空气中二氧化碳、甲烷、氮氧化物等有害危险气体浓度,当浓度超过设定阈值,及时报警处理;脉冲报警模块,在关键点位安装电子脉冲围栏,有效阻挡外界非法入侵;语音广播模块,全方位播报应急通知及时防范,高频播放警报语音威慑非法入侵人员;应急处理模块,自动识别系统危险等级,根据等级划分及时做出一、二、三级响应措施,确保系统整体安全运行。
进一步的,数据综合处理系统3包括传感器31,传感器31的输出端按序依次与数据收集器32、模数转换器33、数据处理中心34连接;传感器31的输入端与物化生多级分散式修复系统1连接、输出端与异步自适应双调节优化控制系统5的输入端连接,传感器31用于实时监测收集水源的PH、温度、电导率、水量、溶解氧、生化需氧量、各时刻产气量等数据。模数转换器,即A/D转换器,将传感器输入的关键指标参数模拟信号转化为数字信号;数据收集器,采集,存储和备份各传感器监测的实时数据;数据综合处理中心,通过无线信号的发射与接收,收集到传来的水源参数数据数字信号,并根据历史参数统计,对其进行处理修正。
具体的,传感器监测到的数据经数据收集器采集,存储和备份;再经模数转换器将传入数据的模拟信号转化为数字信号,通过无线发射与接收传输给数据处理中心进行修正处理,以减少数据采集传输过程中产生的误差对实际数据的影响。
进一步的,异步自适应双调节优化控制系统5包括数据输入器35,数据输入器35的输出端分别与第一误差调节器36、多模态集成模拟预测器37、自抗噪补偿控制器38、多目标决策优化器39连接,多模态集成模拟预测器37的输出端与第一误差调节器36连接,第一误差调节器36的输出端与多目标决策优化器39的输入端连接;
多目标决策优化器39的输出端分别与多模态集成模拟预测器37、第二误差调节器40的第一输入端连接,第二误差调节器40的第二输入端与多模态集成模拟预测器37的输出端连接;第二误差调节器40的输出端与自抗噪补偿控制器38连接;
自抗噪补偿控制器38的输出端与水量调节分配器41的输入端连接,水量调节分配器41的输出端分别与回用水收集装置6的回用水流量控制阀42、地下水收集装置7的地下水流量控制阀43、地表水收集装置8的地表水流量控制阀44、购买水收集装置9的购买水流量控制阀45连接。
更具体的,如图2所示,异步自适应双调节优化控制系统5包括数据输入器35,多模态集成模拟预测器37,多目标决策优化器,两个误差调节器,自抗噪补偿控制器,水量调节分配器。其内部输入端与接收端可实现异步处理,若当前线程受到阻塞,允许执行后续线程,即接收端信号输出不受输入端信号传输结束标志的影响;抗噪补偿控制器在已有PI比例积分调节的基础上,针对观测时差,位变及其他外界不良扰动造成的参数不确定性进行补偿控制,具备良好的抗噪性、鲁棒性和自适应特性;采用两个误差调节器分别对决策变量u(t),优化目标量y(t)的预测值进行校正,起到双调节反馈功能,对比传统只针对决策变量单误差调节,大大提高系统的预测精度,增强了系统的容错率。
异步自适应双调节优化控制系统5在使用时,具体如下:
数据输入器35将t时刻经数据处理中心34传输的水量,BOD,COD等数据作为输入变量x(t);t-1及t时刻产气量,GHG排放量,耗水量等数据作为优化目标量y(t-1);y(t)输入到到多模态集成模拟预测器,自抗噪补偿控制器,多目标决策优化器,误差调节器;
多模态集成模拟预测器37采用多层stacking模型集成框架,第一层由RF(随机森林)、SVM(支持向量机)、GBDT(梯度迭代决策树)、XGB(极值梯度提升算法)多个基学习器组成,输入变量x(t),历史优化目标量y(t-1),优化决策变量u’(t)作为原始训练集;
例如:从数据处理中心调用10000个样本作为数据集,2500个样本作为测试集,将数据集分为5折,每折2000个样本。分别对训练样本进行预测,然后将预测结果作为下一层的训练样本。
比如针对第一个模型RF,我们先将数据集划分成5折,1,2,3,4,5。步骤如下:
1.保留2,3,4,5训练,用1做测试数据并记录下该折测试数据的预测结果,同时预测测试集;
2.保留1,3,4,5训练,用2做测试数据并记录下该折测试数据的预测结果,预测测试集;
3.保留1,2,4,5训练,用3做测试数据并记录下该折测试数据的预测结果,预测测试集;
4.保留1,2,3,5训练,用4做测试数据并记录下该折测试数据的预测结果,预测测试集;
5.保留1,2,3,4训练,用5做测试数据并记录下该折测试数据的预测结果,预测测试集;
训练五轮之后得到针对测试集的五个预测值,取平均值,同时拼接每一系列模型对训练数据集的预测结果;
接下来再用同样的方法训练SVM、GBDT、XGB,全部训练完成之后,将得到的四个预测结果带入下一层预测;
第二层模型则是以第一层基学习器的输出作为特征加入训练集进行再训练得到此层的训练集(为防止过拟合采用LR模型,将四个预测结果,拼接上各个样本的真实label,带入模型进行训练),直到最后一层得到完整的stacking模型,并输出模拟预测值yp(t),up(t);
多目标决策优化器采用NSGA-II算法对产气量,GHG(温室气体)排放量,耗水量进行优化,约束条件涉及技术、环境、自然等诸多方面,收到数据输入器及误差调节器传达的x(t)和ey(t),并输出瞬时优化后的决策变量u’(t)至多模态集成模拟预测器,通过不断调节反馈以得到最优决策变量u*(t);
如图3所示,应用NSGA-II算法优化产气量,GHG排放量,耗水量等多目标的流程如下:
步骤1:构建多目标函数决策优化模型(页岩气-环境-水资源模型)。包括页岩气产气高效模块,GHG排放控制模块,水资源节约模块;
所述多目标函数决策优化模型包括上层产气高效模块,中层GHG排放控制模块,下层水资源节约模块,该模型具体如下:
1.上层产气高效模块的优化目标为页岩气产量最大化,页岩气产量符合指数递减趋势,引入递减率D,考虑单井产气量约束,开发规模钻井量约束等。
下标i-淡水资源类型(i=1代表地表水,i=2代表地下水,i=3代表购买水,i=4代表回用水))
下表j-选取10a为规划期,并以每个季度为一个规划单元(即规划期j=1,2,3,……,40)
PG-规划期内页岩气总产量,bcf;
Pwell-钻井数量,口;
Pg-单井页岩气产量,bcf;
D-页岩气产量递减率;
Dmin-最小页岩气产量递减率;
Dmax-最大页岩气产量递减率;
t-规划单元内的实际生产时间,h;
PGMin-规划期期内的页岩气最小产量,gal;
PGMax-生命周期内的页岩气最大产量,gal;
PwellMin-最小钻井数量,口;
PwellMax-最大钻井数量,口。
2.中层GHG排放控制模块的优化目标为GHG排放量最小化,将环境约束考虑在内。
TGHG-规划期内的温室气体排放总量,kg;
Pwater-淡水资源供应量,gal;
DF-淡水资源与产气区间的距离,km;
EF-运输单位淡水资源的温室气体排放强度,kg/(km·gal);
Ewell-单井的钻井和水力压裂过程温室气体排放强度,kg;
EG-单位产气过程的温室气体排放强度,kg/bcf;
Wtc-CWT(污水处理厂)的废水处理量,gal;
DC-CWT与产气区的平均距离,km;
EC-CWT处理单位废水的温室气体排放强度,kg/(km·gal);
Wtd-注入井的废水处理量,gal;
DZ-注入井与产气区的平均距离,km;
EZ-注入井处理单位废水的温室气体排放强度,kg/(km·gal);
TGHGMax-温室气体最大允许排放量,kg。
3.下层水资源节约模块的优化目标为耗水量最小化,考虑供需水量约束,CWT设施,注入井及原地处理等设备容量约束。
TWC-页岩气供应系统的耗水量,gal;
PwaterMin-淡水资源的最小供应量,gal;
PwaterMax-淡水资源的最大供应量,gal;
Wto-原地废水处理量,gal;
WtcMax-CWT设施的最大处理容量,gal;
WtdMax-注入井的最大处理容量,gal;
WtoMax-原地处理的最大容量,gal。
步骤2:模型参数设置及约束限值设置,即根据页岩气地区的水资源,技术,环境,自然情况设定模型的约束条件限值,包括产气量,供需水量,设备容量等;
例如,选取10年为一个全生命规划周期,每个季度为一个规划单元,共40个规划单元;该地气藏技术可开采量高达4.10×105bcf(1bcf=2.8317x107m3);单口水平井压裂用水量达(4.15~5.6)x106gal(1gal=3.7854L)。考虑了三种污水处理方式:CWT(污水处理厂)设施、注入井、就地处理;单井钻井、水力压裂和产气阶段的需水量分别为3x104,380x104和1x104gal;水源地、CWT处理设施、注入井与产气区的平均距离分别设为10,15和20km;最大钻井数量为600口,单位季度产气量最高为0.018bcf,符合产量指数递减规律;
步骤3:采用NSGA-II对模型进行求解,即选定合适的种群规模、遗传操作参数、终止准则等;
采用Matlab优化工具箱中基于NSGA-II算法的Gamultiobj函数。
例如:Gamultiobj函数优化工具箱参数设置为:种群大小为1000;设定交叉率为0.8,中间交叉;变异概率设置为0.2;迁移率选择向前迁移比率为0.2,间隔30;Pareto精英度设定0.60;
步骤4:得到最优Pareto前沿,决策者从Pareto前沿列表中选取满意方案。
例如:在规划期内从Pareto前沿列表中得到最优Pareto前沿为页岩气产量882.31bcf,GHG排放量39008.00×108kg,耗水量623.79×103gal。其对应地表水分配比例61.04%,地下水分配比例13.85%,回用水分配比例19.51%,购买水分配比例5.6%,回流比为84.9%。
其中,自抗噪补偿控制器接收电信号eu(t)、x(t)及受干扰影响的波动值Δx(t),并输出t时刻的决策变量u(t);
综合考虑时差、位变等不良影响后,可按以下自抗噪补偿控制模型设计:
其中,KP-比例系数;KI-积分系数;eu(t)-决策变量最优值u*(t)与预测值up(t)之差;
ΔuT(t)、ΔuD(t)、ΔuOD(t)-分别对应由于观测时差、位变及其余干扰造成的决策变量波动补偿值;
ΔxT、ΔxD、ΔxOD-分别对应由于时差、位变及其余干扰带来的观测输入值波动;
f(ΔxT)、g(ΔxD)、h(ΔxOD)-分别对应时差函数、位变函数、其余干扰补偿函数,可根据数据库样本大量拟合得到;
α、β、γ-分别为时差参数、位变参数、其余干扰对应的补偿参数,用于修正补偿函数值,得到更为精确的决策值。
其中,误差调节器,其一将产气量,GHG排放量,耗水量等的实测值y(t)与其预测值yp(t)的误差进行修正,输出电信号ey(t)至所述多目标决策优化器;其二将分配比,回流比,购买比等的最优值u*(t)与预测值up(t)间的误差进行修正,传输电信号eu(t)至所述自抗噪补偿控制器。
其中,水量调节分配器根据决策变量u(t)自动开启控制各部分流量控制阀,通过不同的开度大小达到水源智能分配控制的目的。
其中,流量控制阀,在所述水量调节分配器的指令信号下,通过调节阀门开度自动控制各类水源的来水流量。
Claims (6)
1.一种地表与地下多水源智能循环分配控制系统,其特征在于:它包括物化生多级分散式修复系统(1),物化生多级分散式修复系统(1)分别与水质检测回注系统(2)、数据综合处理系统(3)、智能安全预警系统(4)、异步自适应双调节优化控制系统(5)连接;
其中,水质检测回注系统(2)、还与智能安全预警系统(4)连接,智能安全预警系统(4)还与数据综合处理系统(3)连接,数据综合处理系统(3)还与异步自适应双调节优化控制系统(5)连接;
异步自适应双调节优化控制系统(5)包括数据输入器(35),数据输入器(35)的输出端分别与第一误差调节器(36)、多模态集成模拟预测器(37)、自抗噪补偿控制器(38)、多目标决策优化器(39)连接,多模态集成模拟预测器(37)的输出端与第一误差调节器(36)连接,第一误差调节器(36)的输出端与多目标决策优化器(39)的输入端连接;
多目标决策优化器(39)的输出端分别与多模态集成模拟预测器(37)、第二误差调节器(40)的第一输入端连接,第二误差调节器(40)的第二输入端与多模态集成模拟预测器(37)的输出端连接;第二误差调节器(40)的输出端与控制器(38)连接;
控制器(38)的输出端与水量调节分配器(41)的输入端连接,水量调节分配器(41)的输出端分别与回用水收集装置(6)的回用水流量控制阀(42)、地下水收集装置(7)的地下水流量控制阀(43)、地表水收集装置(8)的地表水流量控制阀(44)、购买水收集装置(9)的购买水流量控制阀(45)连接;
异步自适应双调节优化控制系统(5)在使用时,具体如下:
数据输入器(35)将t时刻经数据处理中心(34)传输的水量,BOD,COD等数据作为输入变量x(t);t-1及t时刻产气量,GHG排放量,耗水量等数据作为优化目标量y(t-1);y(t)输入到到多模态集成模拟预测器,自抗噪补偿控制器,多目标决策优化器,误差调节器;
多模态集成模拟预测器(37)采用多层stacking模型集成框架,第一层由多个基学习器组成,输入变量x(t),历史优化目标量y(t-1),优化决策变量u'(t)作为原始训练集,第二层模型则是以第一层基学习器的输出作为特征加入训练集进行再训练得到此层的训练集,直到最后一层得到完整的stacking模型,并输出模拟预测值yp(t),up(t);
多目标决策优化器采用NSGA-II算法对产气量,GHG(温室气体)排放量,耗水量进行优化,约束条件涉及技术、环境、自然等诸多方面,收到数据输入器及误差调节器传达的x(t)和ey(t),并输出瞬时优化后的决策变量u(t)至多元集成模拟预测器,通过不断调节反馈以得到最优决策变量u'(t)。
2.根据权利要求1所述的系统,其特征在于:所述物化生多级分散式修复系统(1)用于对页岩气开采所需的各类水源进行修复处理;水质检测回注系统(2)用于对修复处理后的水资源的水质进行检测,判断是否达标;数据综合处理系统(3)用于实时监测并收集各类水源的信息,如水量,温度,PH等,并对采集到的数据进行处理与反馈,传输给异步自适应双调节优化控制系统(5);智能安全预警系统(4),监控收集装备现场系统(1)及水质检测回注系统(2)的影像资料及各项安全信息,在线模拟现场运行场景,及时预警和处理各种安全事故,将重要数据输送至系统(3);异步自适应双调节优化控制系统(5),接收来自数据综合处理系统(3)传输的信号反馈,根据得到的数据结合进行各类水资源水量水质的优化模拟预测,并进行分配控制。
3.根据权利要求1所述的系统,其特征在于:所述物化生多级分散式修复系统(1)包括回用水收集装置(6)、地下水收集装置(7)、地表水收集装置(8)、购买水收集装置(9),回用水收集装置(6)按序依次与两相气浮分离器(10)、多级膜反滤池(11)、PH调节器(12)、臭氧曝射反应塔(13)、微生物滤池(14)、重磁混絮凝自循环装置(15)、第一沉淀池(16)、混合池(17)连接;
地下水收集装置(7)、地表水收集装置(8)在出水端按序与第一沉砂池(18)、混凝反应池(19)、第二沉淀池(20)、混合池(17)连接;
购买水收集装置(9)按序与第二沉砂池(21)、混合池(17)连接。
4.根据权利要求3所述的系统,其特征在于:所述水质检测回注系统(2)包括水质检测器(46)、达标水回注装置(22),水质检测器(46)分别与混合池(17)、PH调节器(12)、达标水回注装置(22)连接。
5.根据权利要求1所述的系统,其特征在于:所述智能安全预警系统(4)包括主模块(23),主模块(23)包括控制装置,主模块(23)分别与人脸识别模块(24)、数据通信模块(25)、后台监控模块(26)、烟雾报警模块(27)、脉冲报警模块(28)、应急处理模块(29)、语音广播模块(30)连接。
6.根据权利要求1所述的系统,其特征在于:所述数据综合处理系统(3)包括传感器(31),传感器(31)的输出端按序依次与数据收集器(32)、模数转换器(33)、数据处理中心(34)连接;传感器(31)的输入端与物化生多级分散式修复系统(1)连接、输出端与异步自适应双调节优化控制系统(5)的输入端连接,传感器(31)用于实时监测收集水源的PH、温度、电导率、水量、溶解氧、生化需氧量、各时刻产气量。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567383.0A CN113341711B (zh) | 2021-05-24 | 2021-05-24 | 一种地表与地下多水源智能循环分配控制系统 |
US17/748,448 US20220373987A1 (en) | 2021-05-24 | 2022-05-19 | Intelligent circulation and allocation control system for multiple surface and ground water resources |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567383.0A CN113341711B (zh) | 2021-05-24 | 2021-05-24 | 一种地表与地下多水源智能循环分配控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113341711A CN113341711A (zh) | 2021-09-03 |
CN113341711B true CN113341711B (zh) | 2023-09-12 |
Family
ID=77471147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110567383.0A Active CN113341711B (zh) | 2021-05-24 | 2021-05-24 | 一种地表与地下多水源智能循环分配控制系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220373987A1 (zh) |
CN (1) | CN113341711B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113880305A (zh) * | 2021-11-01 | 2022-01-04 | 重庆助农生物科技有限公司 | 一种模块化集成式返排废水处理系统及方法 |
CN114931778B (zh) * | 2022-04-29 | 2023-11-07 | 呼伦贝尔安泰热电有限责任公司汇流河发电厂 | 一种高寒地区大型直供热网地下水和再生水分配系统 |
CN116151136B (zh) * | 2023-04-24 | 2023-06-27 | 浙江大学 | 基于概率误差补偿的全球表层海水pH反演方法及系统 |
CN117342689B (zh) * | 2023-12-06 | 2024-02-02 | 安徽新宇环保科技股份有限公司 | 一种污水厂智能脱氮方法及系统 |
CN117383768B (zh) * | 2023-12-08 | 2024-03-12 | 中国林业科学研究院林产化学工业研究所 | 一种污水循环处理控制系统及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184490A (zh) * | 2011-05-27 | 2011-09-14 | 北京奥特美克科技发展有限公司 | 城市水资源实时监控与管理系统及方法 |
CN103792188A (zh) * | 2014-01-16 | 2014-05-14 | 陕西正大环保科技有限公司 | 一种油田回注水的水质监测装置 |
CN105492614A (zh) * | 2013-07-04 | 2016-04-13 | 朗泽科技新西兰有限公司 | 用于连续气体发酵的多反应器系统和方法 |
CN106354079A (zh) * | 2016-10-17 | 2017-01-25 | 安徽环美智能科技有限公司 | 一种污水处理数据采集系统 |
CN108117214A (zh) * | 2017-12-25 | 2018-06-05 | 重庆大学 | 页岩气开采压裂返排废液循环列管蒸发减量化处理方法及设备 |
CN109653738A (zh) * | 2018-12-11 | 2019-04-19 | 中国华能集团清洁能源技术研究院有限公司 | 一种评价复杂改造区页岩气保存有效性的方法 |
CN109782725A (zh) * | 2019-02-27 | 2019-05-21 | 河北宏龙环保科技有限公司 | 基于水质在线监测指标的污水管控系统 |
CN110046378A (zh) * | 2019-02-28 | 2019-07-23 | 昆明理工大学 | 一种基于进化多目标优化的选择性分层集成高斯过程回归软测量建模方法 |
CN110703640A (zh) * | 2019-09-12 | 2020-01-17 | 中国石油天然气集团有限公司 | 页岩气开发地下水智能监测系统及方法 |
CN111160430A (zh) * | 2019-12-19 | 2020-05-15 | 广东工业大学 | 一种基于人工智能算法的水资源优化配置方法 |
CN111484124A (zh) * | 2019-01-27 | 2020-08-04 | 凯秘克(上海)环保科技有限公司 | 一种污水处理智能控制与生化工艺集约方法及系统 |
-
2021
- 2021-05-24 CN CN202110567383.0A patent/CN113341711B/zh active Active
-
2022
- 2022-05-19 US US17/748,448 patent/US20220373987A1/en active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184490A (zh) * | 2011-05-27 | 2011-09-14 | 北京奥特美克科技发展有限公司 | 城市水资源实时监控与管理系统及方法 |
CN105492614A (zh) * | 2013-07-04 | 2016-04-13 | 朗泽科技新西兰有限公司 | 用于连续气体发酵的多反应器系统和方法 |
CN103792188A (zh) * | 2014-01-16 | 2014-05-14 | 陕西正大环保科技有限公司 | 一种油田回注水的水质监测装置 |
CN106354079A (zh) * | 2016-10-17 | 2017-01-25 | 安徽环美智能科技有限公司 | 一种污水处理数据采集系统 |
CN108117214A (zh) * | 2017-12-25 | 2018-06-05 | 重庆大学 | 页岩气开采压裂返排废液循环列管蒸发减量化处理方法及设备 |
CN109653738A (zh) * | 2018-12-11 | 2019-04-19 | 中国华能集团清洁能源技术研究院有限公司 | 一种评价复杂改造区页岩气保存有效性的方法 |
CN111484124A (zh) * | 2019-01-27 | 2020-08-04 | 凯秘克(上海)环保科技有限公司 | 一种污水处理智能控制与生化工艺集约方法及系统 |
CN109782725A (zh) * | 2019-02-27 | 2019-05-21 | 河北宏龙环保科技有限公司 | 基于水质在线监测指标的污水管控系统 |
CN110046378A (zh) * | 2019-02-28 | 2019-07-23 | 昆明理工大学 | 一种基于进化多目标优化的选择性分层集成高斯过程回归软测量建模方法 |
CN110703640A (zh) * | 2019-09-12 | 2020-01-17 | 中国石油天然气集团有限公司 | 页岩气开发地下水智能监测系统及方法 |
CN111160430A (zh) * | 2019-12-19 | 2020-05-15 | 广东工业大学 | 一种基于人工智能算法的水资源优化配置方法 |
Non-Patent Citations (1)
Title |
---|
页岩气开发钻井废物污染防治技术分析;潘昊;《化工管理》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
US20220373987A1 (en) | 2022-11-24 |
CN113341711A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113341711B (zh) | 一种地表与地下多水源智能循环分配控制系统 | |
CN105540994B (zh) | 一种钻井废弃物的资源化利用工艺 | |
CN107540169A (zh) | 一种污水处理控制系统及其处理方法 | |
CN102167452B (zh) | 垃圾渗滤液的处理方法及系统 | |
CN110255808A (zh) | 基于物联网和人工智能为一体的污水处理系统 | |
CN109052633A (zh) | 智慧型污水处理无级调控系统 | |
CN108558063A (zh) | 化工企业高浓度有机废水处理工艺与系统 | |
KR20130114765A (ko) | 네트워크를 이용한 실시간 수질측정 및 수질정화 시스템 | |
Aghajanzadeh et al. | Opportunities for automated demand response in California wastewater treatment facilities | |
CN210481097U (zh) | 一种多点分布式城镇污水处理系统 | |
CN207380527U (zh) | 一种污水处理自动化控制系统 | |
CN109516653A (zh) | 基于集散式监控体系的农村污水一体化处理设备及方法 | |
CN211814039U (zh) | 一种自动监控污水处理池 | |
CN117105461A (zh) | 基于机器学习的大数据污水预测处理方法 | |
CN208869445U (zh) | 一体化污水处理设备 | |
CN204079599U (zh) | 污水处理设备 | |
Lekov | Opportunities for Energy Efficiency and Open Automated Demand Response in Wastewater Treatment Facilities in California--Phase I Report | |
CN110240330A (zh) | 一种多点分布式城镇污水处理系统及处理工艺 | |
CN103663881B (zh) | 一种光伏污水处理系统及其污泥回用装置 | |
CN111573835A (zh) | 一种立式抗多变性污水处理装置及处理工艺 | |
CN111825273A (zh) | 一种用于城市排水管网的污水处理系统 | |
Pagilla | Operational optimization and control strategies for decarbonization in WRRFs | |
Smith et al. | Reducing Energy for Urban Water and Wastewater:: Prospects for China | |
CN205590528U (zh) | 一种中水回用系统 | |
Bick et al. | Immersed Membrane BioReactor (IMBR) for treatment of combined domestic and dairy wastewater in an isolated farm |
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 |