CN114477329B - 一种水泥厂集成化水处理装置 - Google Patents

一种水泥厂集成化水处理装置 Download PDF

Info

Publication number
CN114477329B
CN114477329B CN202210160746.3A CN202210160746A CN114477329B CN 114477329 B CN114477329 B CN 114477329B CN 202210160746 A CN202210160746 A CN 202210160746A CN 114477329 B CN114477329 B CN 114477329B
Authority
CN
China
Prior art keywords
raw water
data
target
historical
sewage
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
CN202210160746.3A
Other languages
English (en)
Other versions
CN114477329A (zh
Inventor
钱进
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.)
Jiangsu Shunwei Environmental Engineering Co ltd
Original Assignee
Jiangsu Shunwei Environmental Engineering 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 Jiangsu Shunwei Environmental Engineering Co ltd filed Critical Jiangsu Shunwei Environmental Engineering Co ltd
Priority to CN202210160746.3A priority Critical patent/CN114477329B/zh
Publication of CN114477329A publication Critical patent/CN114477329A/zh
Application granted granted Critical
Publication of CN114477329B publication Critical patent/CN114477329B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00Treatment of water, waste water, or sewage
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Hydrology & Water Resources (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Sewage (AREA)

Abstract

本说明书实施例提供一种水泥厂集成化水处理装置,该装置包括净化设备、原水采集设备、流量计量设备以及处理器,其中,净化设备用于净化污水;原水采集设备用于采集原水;流量计量设备用于测量净化设备净化的污水处理数据以及测量原水采集设备采集到的原水采集数据;处理器用于:通过流量计量设备,获取净化设备净化的历史污水处理数据;基于历史污水处理数据,确定未来的预设时间段内的目标污水处理数据;基于历史用水数据,确定预设时间段内的目标用水数据;基于目标污水处理数据以及目标用水数据,确定目标原水采集计划;基于目标原水采集计划,控制原水采集设备在预设时间段内采集原水。

Description

一种水泥厂集成化水处理装置
技术领域
本说明书涉及水处理领域,特别涉及一种水泥厂集成化水处理装置。
背景技术
在水泥厂中,存储污废水(例如,生活污水、生产废水、原水反洗水、雨水等)或采集的多余原水都需要较高的成本,造成厂区内的空间资源浪费。
因此,需要提出一种水泥厂集成化污水处理装置,通过对污废水进行预测,调整源水的采集量,从而尽量避免工厂中对水进行存储。
发明内容
本说明书实施例之一提供一种水泥厂集成化水处理装置,所述污水处理装置包括净化设备、原水采集设备、流量计量设备以及处理器,其中,所述净化设备用于净化污水;所述原水采集设备用于采集原水;所述流量计量设备用于测量所述净化设备净化的污水处理数据以及测量所述原水采集设备采集到的原水采集数据;所述处理器用于:通过所述流量计量设备,获取所述净化设备净化的历史污水处理数据;基于所述历史污水处理数据,确定未来的预设时间段内的目标污水处理数据;基于历史用水数据,确定所述预设时间段内的目标用水数据;基于所述目标污水处理数据以及所述目标用水数据,确定目标原水采集计划;基于所述目标原水采集计划,控制所述原水采集设备在预设时间段内采集所述原水。
本说明书实施例之一提供一种水泥厂集成化水处理方法,所述方法由处理器执行,所述方法包括:获取历史污水处理数据;基于所述历史污水处理数据,确定未来的预设时间段内的目标污水处理数据;基于历史用水数据,确定所述预设时间段内的目标用水数据;基于所述目标污水处理数据以及所述目标用水数据,确定目标原水采集计划;基于所述目标原水采集计划,控制所述原水采集设备在预设时间段内采集所述原水。
本说明书实施例之一提供一种水泥厂集成化水处理系统,所述系统包括:获取模块,用于获取历史污水处理数据;基于所述历史污水处理数据,确定未来的预设时间段内的目标污水处理数据;第一确定模块,用于基于历史用水数据,确定所述预设时间段内的目标用水数据;第二确定模块,用于基于所述目标污水处理数据以及所述目标用水数据,确定目标原水采集计划;控制模块,用于基于所述目标原水采集计划,控制所述原水采集设备在预设时间段内采集所述原水。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上述实施例中任一项所述的水泥厂集成化水处理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的水泥厂集成化水处理装置的示例性装置图;
图2是根据本说明书一些实施例所示的水泥厂集成化水处理系统的示例性模块图;
图3是根据本说明书一些实施例所示的确定目标原水采集计划的示例性流程图;
图4是根据本说明书一些实施例所示的确定目标原水采集计划方法的示意图;
图5是根据本说明书一些实施例所示的调整目标原水采集计划的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,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将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的水泥厂集成化水处理装置的示例性装置图。
在一些实施例中,水泥厂集成化水处理装置100可以包括净化设备110、原水采集设备120、流量计量设备130、处理器140。
净化设备110可以用于净化厂区内的污水。污水可以包括生活污水、生产废水、原水反洗水中的至少一种。生活污水可以是厂区内居民日常生活中排出的污水,例如,厂区内食堂排出的污水。生产废水可以指厂区内生产中所排出的污染较严重、须经处理后方可排放的工业废水。原水反洗水是对净化设备进行反向冲洗产生的污水。
原水采集设备120可以用于采集原水。原水一般是指采集于自然界,未经过任何人工的净化处理的水,如地下水、山泉水、水库水等自然界中的天然水源。
流量计量设备130可以用于测量装置100的各个组件中水的流量。例如,流量计量设备130可以测量净化设备110净化的污水处理数据。再例如,流量计量设备130可以测量原水采集设备120采集到的原水采集数据。
处理器140可以用于处理从其他设备或装置100的各个组件中获得的数据和/或信息。
在一些实施例中,处理器140可以通过流量计量设备130,获取净化设备110净化的历史污水处理数据;基于历史污水处理数据,确定未来的预设时间段内的目标污水处理数据;基于历史用水数据,确定预设时间段内的目标用水数据;基于目标污水处理数据以及目标用水数据,确定目标原水采集计划;基于目标原水采集计划,控制原水采集设备120在预设时间段内采集原水。关于历史污水处理数据、预设时间段、目标污水处理数据、历史用水数据、目标用水数据以及目标原水采集计划等的更多内容参见本说明书后文相关描述,此处不再赘述。
在一些实施例中,处理器140可以进一步用于通过水质监测设备,获取净化设备110中净化前污水的历史污水水质数据以及原水采集设备120中采集的原水的历史原水水质数据;基于历史污水水质数据,确定预设时间段内的目标污水水质数据;基于历史原水水质数据,确定预设时间段内的目标原水水质数据;获取多组候选原水采集计划;针对每一组候选原水采集计划,基于该候选原水采集计划、目标污水处理数据、目标污水水质数据、目标原水水质数据以及目标用水数据,确定该候选原水采集计划对应的成本;基于每一组候选原水采集计划对应的成本,确定目标原水采集计划。关于历史污水水质数据、目标污水水质数据、历史原水水质数据、目标原水水质数据、候选原水采集计划以及目标原水采集计划等的更多内容参见本说明书后文相关描述,此处不再赘述。
在一些实施例中,处理器140还可以用于获取预设时间段内的目标降雨数据;基于目标降雨数据、历史降雨数据以及历史雨水采集数据,确定预设时间段内的目标雨水采集数据,其中,历史雨水采集数据表征在历史降雨数据下对应采集到的雨水数据;基于目标雨水采集数据,调整目标原水采集计划,获得新的目标原水采集计划。关于目标降雨数据、历史降雨数据、历史雨水采集数据、目标雨水采集数据以及新的目标原水采集计划等的更多内容参见本说明书后文相关描述,此处不再赘述。在一些实施例中,处理器140还可以控制装置100中的其他各个组件。例如,处理器140可以控制原水采集设备120对原水进行采集。
在一些实施例中,水泥厂集成化水处理装置100还可以包括水质监测设备150。水质监测设备150可以用于监测净化设备110中净化前污水的污水水质数据以及原水采集设备120中采集的原水的原水水质数据。
需要注意的是,以上对于水泥厂集成化水处理装置100及其各个组件的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该装置的原理后,可能在不背离这一原理的情况下,对各个组件进行任意组合,或者构成子装置与其他组件连接。
图2是根据本说明书一些实施例所示的水泥厂集成化水处理系统的示例性模块图。
在一些实施例中,所述水泥厂集成化水处理系统200可以包括获取模块210、第一确定模块220、第二确定模块230、第三确定模块240和控制模块250。
在一些实施例中,获取模块210可以用于获取历史污水处理数据。
在一些实施例中,第一确定模块220可以用于基于所述历史污水处理数据,确定未来的预设时间段内的目标污水处理数据。
在一些实施例中,第二确定模块230可以用于基于历史用水数据,确定所述预设时间段内的目标用水数据。
在一些实施例中,第三确定模块240可以用于基于所述目标污水处理数据以及所述目标用水数据,确定目标原水采集计划。
在一些实施例中,控制模块250可以用于基于所述目标原水采集计划,控制所述原水采集设备在所述预设时间段内采集所述原水。
应当理解,图2所示的系统及其模块可以利用各种方式来实现。需要注意的是,以上对于水泥厂集成化水处理系统200及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图2中披露的获取模块210、第一确定模块220、第二确定模块230、第三确定模块240和控制模块250可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的确定目标原水采集计划的示例性流程图。在一些实施例中,流程300可以由处理器140执行。如图3所示,流程300包括下述步骤:
步骤310,获取历史污水处理数据。在一些实施例中,步骤310可以由获取模块执行。
历史污水处理数据可以是当前时间点之前的历史时间段内不同子时间段的污水处理量。例如,当前时间点是2032年1月1日,历史污水处理数据可以是2031年12月1日0点至2031年12月2日0点内不同子时间段的污水处理量。将历史时间段分为若干个小时间段,其中每个小时间段都可以称为一个子时间段。例如,若历史时间段为2031年12月1日0点至2031年12月2日0点,则其对应的子时间段可以为2031年12月1日0点至2031年12月1日8点、2031年12月1日8点至2031年12月1日16点、2031年12月1日16点至2031年12月2日0点。在一些实施例中,为了获得原水采集量最少的目标原水采集计划,净化后的污水全部用于生产。
在一些实施例中,可以通过流量计量设备,持续获取并更新净化设备净化的污水处理数据,并将各个时间点对应的污水处理数据存储在流量计量设备、处理器或其他可以进行存储的部件中。由此,处理器可以获取历史时间段内存储的污水处理数据作为历史污水处理数据。
步骤320,基于历史污水处理数据,确定未来的预设时间段内的目标污水处理数据。在一些实施例中,步骤320可以由第一确定模块执行。
预设时间段内是预先设定的未来的某一时间段。例如,当前时间点是2032年1月1日,预设时间段可以是2032年2月1日0点至2032年2月2日0点。
目标污水处理数据是未来的预设时间段内不同子时间段的污水处理量。例如,当前时间点是2032年1月1日,目标污水处理数据可以是2032年2月1日0点至2032年2月2日0点内不同子时间段的污水处理量。
在一些实施例中,可以通过多种方式获取目标污水处理数据。
在一些实施例中,处理器可以根据拟合曲线直接基于历史污水处理数据确定目标污水处理数据。例如,可以通过多元线性回归方程组基于历史时间段内的历史污水处理数据与历史时间段内的目标污水处理数据确定拟合曲线,历史时间段内的历史污水处理数据和目标污水处理数据可以从历史数据中获得。其中,多元线性回归方程组的自变量可以包括历史时间段内的历史污水处理数据,多元线性回归方程组的因变量可以包括历史时间段内的目标污水处理数据。接着基于最小二乘法等方式求解多元线性回归方程组,获取多元线性回归方程组的参数,从而获取拟合曲线。再将历史污水处理数据作为自变量带入拟合曲线中,确定对应的因变量目标污水处理数据。本说明书的一些实施例中通过拟合曲线,可以实现快速确定预测目标污水处理数据,提高效率。
在一些实施例中,处理器可以通过查表的方式基于历史污水处理数据确定目标污水处理数据。表格的横坐标相当于拟合曲线中的自变量,表格的纵坐标相当于拟合曲线的因变量,获取表格的方法与获取拟合曲线的方法相似,此处不再赘述。当表格确认后,可以基于历史污水处理数据查找相应横坐标,从而确定目标污水处理数据的纵坐标。
在一些实施例中,还可以通过污水预测模型对历史污水处理数据进行处理,确定预设时间段内的目标污水处理数据。
在一些实施例中,污水预测模型可以包括循环神经网络模型、长短期记忆网络、门控循环单元等或其组合。
在一些实施例中,污水预测模型的输入可以为历史污水处理数据,污水预测模型的输出可以为目标污水处理数据。
在一些实施例中,污水预测模型可以通过多个有标签的训练样本训练得到。在一些实施例中,可以获得多组训练样本,每组训练样本可以包括多个训练数据及训练数据对应的标签,训练样本可以包括历史污水处理数据,训练样本的标签可以是历史时间段内的目标污水处理数据。在一些实施例中,污水预测模型的训练样本及训练样本的标签可以从历史数据中获得。通过多组训练样本可以更新初始污水预测模型的参数,得到训练好的初始污水预测模型。污水预测模型的参数来自于训练好的初始污水预测模型。
在一些实施例中,污水预测模型可以为循环神经网络模型,此时污水预测模型的输入为历史污水处理数据序列。对应的,训练样本可以为历史污水处理数据序列。
步骤330,基于历史用水数据,确定预设时间段内的目标用水数据。在一些实施例中,步骤330可以由第二确定模块执行。
历史用水数据是当前时间点之前的历史时间段内不同子时间段的用水总量。例如,当前时间点是2032年1月1日,历史用水数据可以是2031年12月1日0点至2031年12月2日0点内不同子时间段的用水总量。
在一些实施例中,可以获取历史时间段内的原水采集量与污水经处理后的再利用量,从而获取水泥厂的历史用水数据。其中,原水采集量与污水经处理后的再利用量可以通过流量计量设备确定。
目标用水数据是未来的预设时间段内不同子时间段的用水总量。例如,当前时间点是2032年1月1日,目标用水数据可以是2032年2月1日0点至2032年2月2日0点内不同子时间段的用水总量。
目标用水数据的获取方法与目标污水处理数据的获取方法相似,可以通过拟合曲线、机器学习模型等方式获取。关于具体获取方法的内容可以参见本说明书步骤320中目标污水处理数据的获取方法的相关内容,在此不再赘述。
步骤340,基于目标污水处理数据以及目标用水数据,确定目标原水采集计划。在一些实施例中,步骤340可以由第三确定模块执行。
目标原水采集计划是未来的预设时间段内不同子时间段的计划采集的原水的计划。例如,当前时间点是2032年1月1日,目标原水采集计划可以是2032年2月1日0点至2032年2月2日0点内不同子时间段的计划采集的原水的量。
在一些实施例中,可以通过多种方式获取目标原水采集计划。
在一些实施例中,可以通过预设时间段内各个子时间段内的目标用水数据与目标污水处理数据,直接获得目标原水采集计划。例如,由于为了获得原水采集量最少的目标原水采集计划,净化后的污水全部用于生产,因此每个子时间段内原水采集量可以等于该子时间段内的目标用水量减去该子时间段内的目标污水处理量,将得到的每个子时间段内原水采集量汇总起来就是目标原水采集计划。
在一些实施例中,目标原水采集计划还可以基于每一组候选原水采集计划对应的成本确定,关于基于每一组候选原水采集计划对应的成本确定目标原水采集计划等内容可以参见本说明书图4及其相关说明,在此不再赘述。
步骤350,基于目标原水采集计划,控制原水采集设备在预设时间段内采集所述原水。在一些实施例中,步骤350可以由控制模块执行。
在一些实施例中,处理器可以基于目标原水采集计划,控制原水采集设备在预设时间段内采集对应体积的原水。
由于水泥厂的用水数据和污水处理数据都具有一定的规律性,可以进行预测,而原水采集数据是随着净化水数据的变化而变化的,因此基于目标污水处理数据以及目标用水数据确定目标原水采集计划,可以使确定的目标原水采集计划更为准确。本说明书的一些实施例通过确定原水采集量最少的目标原水采集计划,可以减少污废水和/或原水的储存量,降低成本。
图4是根据本说明书一些实施例所示的确定目标原水采集计划方法的示意图。在一些实施例中,流程400可以由处理器140执行。如图4所示,流程400包括下述步骤:
步骤410,获取历史污水水质数据以及历史原水水质数据。
历史污水水质数据是反映当前时间点之前的历史时间段内不同子时间段的污水水质情况的数据。例如,当前时间点是2032年1月1日,历史污水水质数据可以是反映2031年12月1日0点至2031年12月2日0点内的污水水质情况的数据。在一些实施例中,水质数据可以包括化学需氧量(COD)、生化需氧量(BOD)、悬浮物(SS)、动植物油、石油类、总氮、氨氮、总磷、色度、PH、粪大肠菌群数等。污水可以包括生活污水、生产废水、原水反洗水中的至少一种,对应的,污水水质数据可以包括生活污水水质数据、生产废水水质数据、原水反洗水水质数据的至少一种。每种污水可以进行排放净化处理,即污水经净化后直接排放,或进行再利用净化处理,即污水经净化后再次利用。
应当理解的是,由于用于再利用的水对水质的要求比直接排放的水对水质的要求更高,因此,对污水可以进行再利用净化处理的成本高于进行排放净化处理的成本。但当污水再利用净化处理后再次投入使用时,可以对应减少对应体积的原水的采集。因此,基于成本考虑,当某一子时间段,某种污水进行再利用净化处理的成本小于等于进行排放净化处理的成本与采集对应体积的原水的成本之和时,可以对该污水进行再利用净化处理;当某一子时间段,某种污水进行再利用净化处理的成本大于进行排放净化处理的成本与采集对应体积的原水的成本之和时,可以对该污水进行排放净化处理。
在一些实施例中,可以通过水质监测设备,持续对净化设备中净化前污水进行检测,并将各个时间点对应的污水水质数据存储在水质监测设备、处理器或其他可以进行存储的部件中。由此,处理器可以获取历史时间段内存储的污水水质数据作为历史污水水质数据。
历史原水水质数据可以指反映当前时间点之前的历史时间段内不同子时间段的原水水质情况的数据。例如,当前时间点是2032年1月1日,历史原水水质数据可以是反映2031年12月1日0点至2031年12月2日0点内不同子时间段的原水水质情况的数据。
在一些实施例中,可以通过水质监测设备,持续对原水采集设备中采集的原水进行检测,并将各个时间点对应的原水水质数据存储在水质监测设备、处理器或其他可以进行存储的部件中。由此,处理器可以获取历史时间段内存储的原水水质数据作为历史原水水质数据。
步骤420,基于历史污水水质数据,确定预设时间段内的目标污水水质数据。
目标污水水质数据可以指反映未来的预设时间段内不同子时间段的污水水质情况的数据。例如,当前时间点是2032年1月1日,目标污水水质数据可以是反映2032年2月1日0点至2032年2月2日0点内不同子时间段的污水水质情况的数据。
步骤430,基于历史原水水质数据,确定预设时间段内的目标原水水质数据。
目标原水水质数据是反映未来的预设时间段内不同子时间段的原水水质情况的数据。例如,当前时间点是2032年1月1日,目标原水水质数据可以是反映2032年2月1日0点至2032年2月2日0点内不同子时间段的原水水质情况的数据。
目标原水水质数据的确定方法与目标污水处理数据的获取方法相似。关于具体确定方法的内容可以参见本说明书其他部分(例如,步骤320中目标污水处理数据的获取方法的内容),在此不再赘述。
步骤440,获取多组候选原水采集计划。
候选原水采集计划是待选择的未来的预设时间段内不同子时间段的多个待选择的计划采集的原水的量。如,当前时间点是2032年1月1日,候选原水采集计划可以是多个待选择的2032年2月1日0点至2032年2月2日0点内不同子时间段的计划采集的原水的量。在一些实施例中,候选原水采集计划可以通过预设确定。
在一些实施例中,候选原水采集计划可以包括多个。如图4所示,候选原水采集计划可以包括候选原水采集计划1、候选原水采集计划2……候选原水采集计划n。各个候选原水采集计划可以不同。例如,候选原水采集计划1可以是:第一子时间段内生活污水和生产废水均采用再利用净化处理,无原水反洗水;第二子时间段生活污水采用再利用净化处理,生产废水采用排放净化处理,无原水反洗水;第三子时间段生活污水采用再利用净化处理,生产废水采用排放净化处理,无原水反洗水采用排放净化处理。候选原水采集计划2可以是:第一子时间段生活污水采用再利用净化处理,生产废水采用排放净化处理,无原水反洗水,第二子时间段生活污水采用再利用净化处理,生产废水采用排放净化处理,无原水反洗水采用排放净化处理,第三子时间段生活污水采用排放净化处理,生产废水采用排放净化处理,无原水反洗水采用排放净化处理。
步骤450,针对每一组候选原水采集计划,基于该候选原水采集计划、目标污水处理数据、目标污水水质数据、目标原水水质数据以及目标用水数据,确定该候选原水采集计划对应的成本。
在一些实施例中,可以通过成本预测模型对候选原水采集计划、目标污水处理数据、目标污水水质数据、目标原水水质数据以及目标用水数据进行处理,确定该候选原水采集计划对应的成本在一些实施例中,候选原水采集计划对应的成本可以包括多个。如图4所示,候选原水采集计划对应的成本可以包括候选原水采集计划1的成本、候选原水采集计划2的成本……候选原水采集计划n的成本。
在一些实施例中,成本预测模型的输入可以为某一候选原水采集计划、目标污水处理数据、目标污水水质数据、目标原水水质数据以及目标用水数据,成本预测模型的输出为该候选原水采集计划对应的成本。
在一些实施例中,成本预测模型可以通过多个有标签的训练样本训练得到。在一些实施例中,可以获得多组训练样本,每组训练样本可以包括多个训练数据及训练数据对应的标签,训练样本可以包括历史候选原水采集计划、历史目标污水处理数据、历史目标污水水质数据、历史目标原水水质数据以及历史目标用水数据,训练样本的标签可以是该候选原水采集计划对应的最低成本。在一些实施例中,成本预测模型的训练样本可以从历史数据中获得,成本预测模型的训练样本的标签可以是人为确定的最低成本。通过多组训练样本可以更新初始成本预测模型的参数,得到训练好的初始成本预测模型。成本预测模型的参数来自于训练好的初始成本预测模型。
步骤460,基于每一组候选原水采集计划对应的成本,确定目标原水采集计划。
在一些实施例中,处理器可以基于每一组候选原水采集计划对应的成本,确定最低成本的候选原水采集计划为目标原水采集计划。
通过确定成本最低的目标原水采集计划可以降低工厂的成本,使工厂产生更大的收益。通过联合训练获得成本预测模型,简化了模型的训练,将多个模型的单独训练转化为单个模型的训练,简化了模型的训练,减少了多个模型训练的总的步骤,节省了模型的训练时间,减轻了模型训练的工作量,使得模型的训练可以只关注于最后的结果,而不需要关注单个模型输出的中间结果。
图5是根据本说明书一些实施例所示的调整目标原水采集计划的示例性流程图。在一些实施例中,流程500可以由处理器140执行。如图5所示,流程500包括下述步骤:
步骤510,获取预设时间段内的目标降雨数据。
目标降雨数据是未来的预设时间段内不同子时间段的降雨量。例如,当前时间点是2032年1月1日,目标降雨数据可以是2032年2月1日0点至2032年2月2日0点内不同子时间段的降雨量。
在一些实施例中,目标降雨数据可以通过多种方式获取,例如,可以通过天气预报获得。在一些实施例中,目标降雨数据可以通过历史降雨数据获得。
步骤520,基于目标降雨数据、历史降雨数据以及历史雨水采集数据,确定预设时间段内的目标雨水采集数据,其中,历史雨水采集数据表征在历史降雨数据下对应采集到的雨水数据。
历史降雨数据是当前时间点之前的历史时间段内不同子时间段的降雨量。例如,当前时间点是2032年1月1日,历史降雨数据可以是2031年12月1日0点至2031年12月2日0点内不同子时间段的降雨量。在一些实施例中,可以通过中国气象局网站搜索、气象局查询等方法获得历史降雨数据。
历史雨水采集数据是表征在当前时间点之前的历史时间段内不同子时间段的历史降雨数据下对应采集到的雨水数据。例如,当前时间点是2032年1月1日,历史雨水采集数据可以是在2031年12月1日0点至2031年12月2日0点内不同子时间段采集到的雨水数据。
在一些实施例中,可以通过流量计量设备,获取历史雨水采集数据。
目标雨水采集数据是未来的预设时间段内不同子时间段的雨水采集量。例如,当前时间点是2032年1月1日,目标雨水采集数据可以是2032年2月1日0点至2032年2月2日0点内不同子时间段的雨水采集量。
在一些实施例中,处理器可以基于目标降雨数据、历史降雨数据以及历史雨水采集数据,确定预设时间段内的目标雨水采集数据。目标雨水采集数据的确定方法与目标污水处理数据的获取方法相似。关于具体确定方法的内容可以参见本说明书其他部分(例如,步骤320中目标污水处理数据的获取方法的内容),在此不再赘述。
步骤530,基于目标雨水采集数据,调整目标原水采集计划,获得新的目标原水采集计划。
在一些实施例中,处理器可以通过多种方式基于目标雨水采集数据,调整目标原水采集计划,获得新的目标原水采集计划。例如,可以通过预设规则,基于目标雨水采集数据,调整目标原水采集计划,获得新的目标原水采集计划。示例性的,预设规则可以为:若某子时间段内目标雨水采集量大于预设雨水采集阈值时,可以基于目标雨水采集数据对该子时间段内目标原水采集计划进行调整。其中,该调整可以为:该子时间段内目标原水采集计划中的原水采集量减去该子时间段内目标雨水采集量,从而获得新的目标原水采集计划。
雨水采集数据规律性较差,若在确认目标原水采集计划时考虑雨水的采集量,会造成目标原水采集计划准确性降低。本说明书的一些实施例使用雨水采集调整目标原水采集计划可以使目标原水采集计划更符合未来的实际情况。
本说明书还提供一种计算机可读存储介质。所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机实现前述的水泥厂集成化水处理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种水泥厂集成化水处理装置,其特征在于,所述装置包括净化设备、原水采集设备、流量计量设备以及处理器,其中,
所述净化设备用于净化污水;
所述原水采集设备用于采集原水;
所述流量计量设备用于测量所述净化设备净化的污水处理数据以及测量所述原水采集设备采集到的原水采集数据;
所述处理器用于:
通过所述流量计量设备,获取所述净化设备净化的历史污水处理数据;
基于所述历史污水处理数据,确定未来的预设时间段内的目标污水处理数据;
基于历史用水数据,确定所述预设时间段内的目标用水数据;
基于所述目标污水处理数据以及所述目标用水数据,确定目标原水采集计划;
基于所述目标原水采集计划,控制所述原水采集设备在所述预设时间段内采集所述原水。
2.如权利要求1所述的装置,其特征在于,所述污水包括生活污水、生产废水、原水反洗水中的至少一种。
3.如权利要求1所述的装置,特征在于,所述处理器进一步用于:
通过污水预测模型对所述历史污水处理数据进行处理,确定所述预设时间段内的所述目标污水处理数据。
4.如权利要求1所述的装置,其特征在于,所述装置还包括水质监测设备,所述水质监测设备用于监测所述净化设备中净化前污水的污水水质数据以及所述原水采集设备中采集的所述原水的原水水质数据;
所述处理器进一步用于:
通过所述水质监测设备,获取所述净化设备中净化前污水的历史污水水质数据以及所述原水采集设备中采集的所述原水的历史原水水质数据;
基于所述历史污水水质数据,确定所述预设时间段内的目标污水水质数据;
基于所述历史原水水质数据,确定所述预设时间段内的目标原水水质数据;
获取多组候选原水采集计划;
针对每一组所述候选原水采集计划,基于该候选原水采集计划、所述目标污水处理数据、所述目标污水水质数据、所述目标原水水质数据以及所述目标用水数据,确定该候选原水采集计划对应的成本;
基于所述每一组候选原水采集计划对应的成本,确定所述目标原水采集计划。
5.如权利要求1至4中任一项所述的装置,其特征在于,所述处理器还用于:
获取所述预设时间段内的目标降雨数据;
基于所述目标降雨数据、历史降雨数据以及历史雨水采集数据,确定所述预设时间段内的目标雨水采集数据,其中,所述历史雨水采集数据表征在所述历史降雨数据下对应采集到的雨水数据;
基于所述目标雨水采集数据,调整所述目标原水采集计划,获得新的目标原水采集计划。
6.一种水泥厂集成化水处理方法,所述方法由处理器执行,其特征在于,所述方法包括:
获取历史污水处理数据;
基于所述历史污水处理数据,确定未来的预设时间段内的目标污水处理数据;
基于历史用水数据,确定所述预设时间段内的目标用水数据;
基于所述目标污水处理数据以及所述目标用水数据,确定目标原水采集计划;
基于所述目标原水采集计划,控制所述原水采集设备在所述预设时间段内采集所述原水。
7.根据权利要求6所述的方法,其特征在于,所述污水包括生活污水、生产废水、原水反洗水中的至少一种。
8.根据权利要求6所述的方法,其特征在于,所述基于所述目标污水处理数据以及所述目标用水数据,确定目标原水采集计划包括:
获取历史污水水质数据以及历史原水水质数据;
基于所述历史污水水质数据,确定所述预设时间段内的目标污水水质数据;
基于所述历史原水水质数据,确定所述预设时间段内的目标原水水质数据;
获取多组候选原水采集计划;
针对每一组所述候选原水采集计划,基于该候选原水采集计划、所述目标污水处理数据、所述目标污水水质数据、所述目标原水水质数据以及所述目标用水数据,确定该候选原水采集计划对应的成本;
基于所述每一组候选原水采集计划对应的成本,确定所述目标原水采集计划。
9.一种水泥厂集成化水处理系统,其特征在于,所述系统包括:
获取模块,用于获取历史污水处理数据;
第一确定模块,用于基于所述历史污水处理数据,确定未来的预设时间段内的目标污水处理数据;
第二确定模块,用于基于历史用水数据,确定所述预设时间段内的目标用水数据;
第三确定模块,用于基于所述目标污水处理数据以及所述目标用水数据,确定目标原水采集计划;
控制模块,用于基于所述目标原水采集计划,控制所述原水采集设备在所述预设时间段内采集所述原水。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如权利要求6至8中任意一项所述水泥厂集成化水处理方法。
CN202210160746.3A 2022-02-22 2022-02-22 一种水泥厂集成化水处理装置 Active CN114477329B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210160746.3A CN114477329B (zh) 2022-02-22 2022-02-22 一种水泥厂集成化水处理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210160746.3A CN114477329B (zh) 2022-02-22 2022-02-22 一种水泥厂集成化水处理装置

Publications (2)

Publication Number Publication Date
CN114477329A CN114477329A (zh) 2022-05-13
CN114477329B true CN114477329B (zh) 2023-01-06

Family

ID=81483235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210160746.3A Active CN114477329B (zh) 2022-02-22 2022-02-22 一种水泥厂集成化水处理装置

Country Status (1)

Country Link
CN (1) CN114477329B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5019266A (en) * 1987-03-28 1991-05-28 Forschungszentrum Juelich Gmbh Waste water purification process with batchwise supply of waste water to the activated sludge tank
JPH04361821A (ja) * 1991-06-06 1992-12-15 Shinko Pantec Co Ltd 循環水系における補給水制御装置
JP2013227849A (ja) * 2012-03-28 2013-11-07 Haruaki Yamazaki 雨水貯留タンクの水位管理システム
CN103853137A (zh) * 2014-02-19 2014-06-11 中国能源建设集团广东省电力设计研究院 电厂用水全数字化监测方法及自平衡水务系统
CN105956690A (zh) * 2016-04-25 2016-09-21 广州东芝白云自动化系统有限公司 一种供水预测方法及系统
CN107909195A (zh) * 2017-11-08 2018-04-13 吴江华衍水务有限公司 一种日用水量预测方法
CN111105065A (zh) * 2019-09-26 2020-05-05 深圳市东深电子股份有限公司 一种基于机器学习的农村供水系统及供水方法
CN111270729A (zh) * 2020-02-17 2020-06-12 海南新南方工程设计有限公司 一种农村安全供水净化系统
CN112036668A (zh) * 2020-09-30 2020-12-04 北京百度网讯科技有限公司 用水量预测方法、装置、电子设备以及计算机可读介质
CN112182984A (zh) * 2020-08-18 2021-01-05 浙江大学 一种基于供水物联网数据同化的污水管网实时模拟方法
CN112922810A (zh) * 2021-03-23 2021-06-08 上海东禹能源科技有限公司 一种空压机冷却水智能控制方法及装置
CN112950096A (zh) * 2021-04-27 2021-06-11 中国电建集团成都勘测设计研究院有限公司 厂网河一体化分类智能调度方法
CN113003621A (zh) * 2021-01-14 2021-06-22 北京朗新明环保科技有限公司 一种用于智能水处理系统的数据采集系统
CN113011662A (zh) * 2021-03-25 2021-06-22 河海大学 一种区域企厂网河一体化联合优化调度的系统及方法
CN113112375A (zh) * 2021-05-20 2021-07-13 中山大学 一种水资源去中心化管理系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652450B (zh) * 2020-08-05 2020-11-24 浙江力嘉电子科技有限公司 排污行为的异常检测系统及方法、电子设备、存储介质
CN113947240A (zh) * 2021-09-30 2022-01-18 西安理工大学 一种基于时间序列的用水量预测方法、系统及设备

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5019266A (en) * 1987-03-28 1991-05-28 Forschungszentrum Juelich Gmbh Waste water purification process with batchwise supply of waste water to the activated sludge tank
JPH04361821A (ja) * 1991-06-06 1992-12-15 Shinko Pantec Co Ltd 循環水系における補給水制御装置
JP2013227849A (ja) * 2012-03-28 2013-11-07 Haruaki Yamazaki 雨水貯留タンクの水位管理システム
CN103853137A (zh) * 2014-02-19 2014-06-11 中国能源建设集团广东省电力设计研究院 电厂用水全数字化监测方法及自平衡水务系统
CN105956690A (zh) * 2016-04-25 2016-09-21 广州东芝白云自动化系统有限公司 一种供水预测方法及系统
CN107909195A (zh) * 2017-11-08 2018-04-13 吴江华衍水务有限公司 一种日用水量预测方法
CN111105065A (zh) * 2019-09-26 2020-05-05 深圳市东深电子股份有限公司 一种基于机器学习的农村供水系统及供水方法
CN111270729A (zh) * 2020-02-17 2020-06-12 海南新南方工程设计有限公司 一种农村安全供水净化系统
CN112182984A (zh) * 2020-08-18 2021-01-05 浙江大学 一种基于供水物联网数据同化的污水管网实时模拟方法
CN112036668A (zh) * 2020-09-30 2020-12-04 北京百度网讯科技有限公司 用水量预测方法、装置、电子设备以及计算机可读介质
CN113003621A (zh) * 2021-01-14 2021-06-22 北京朗新明环保科技有限公司 一种用于智能水处理系统的数据采集系统
CN112922810A (zh) * 2021-03-23 2021-06-08 上海东禹能源科技有限公司 一种空压机冷却水智能控制方法及装置
CN113011662A (zh) * 2021-03-25 2021-06-22 河海大学 一种区域企厂网河一体化联合优化调度的系统及方法
CN112950096A (zh) * 2021-04-27 2021-06-11 中国电建集团成都勘测设计研究院有限公司 厂网河一体化分类智能调度方法
CN113112375A (zh) * 2021-05-20 2021-07-13 中山大学 一种水资源去中心化管理系统

Also Published As

Publication number Publication date
CN114477329A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
Hernandez-Sancho et al. Cost modelling for wastewater treatment processes
Ghernaout et al. Applying big data in water treatment industry: A new era of advance
Pisa et al. LSTM-based wastewater treatment plants operation strategies for effluent quality improvement
CN114275912B (zh) 一种基于自适应神经网络模型的曝气系统溶解氧控制方法
CN103809436A (zh) 活性污泥法污水处理过程智能建模方法
CN114878772B (zh) 一种应用于污水处理的检测预警监测系统
CN113033092A (zh) 污水处理数据处理方法、装置、计算机设备和存储介质
Ruan et al. Application of fuzzy neural networks for modeling of biodegradation and biogas production in a full-scale internal circulation anaerobic reactor
Di Cicco et al. Energetic and environmental analysis of a wastewater treatment plant through static and dynamic monitoring activities
EP0643672B1 (en) Method of controlling wastewater purification plants using quality evaluation of measuring data
Piotrowski Supervisory fuzzy control system for biological processes in sequencing wastewater batch reactor
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)
CN114477329B (zh) 一种水泥厂集成化水处理装置
CN117776336A (zh) 水预处理方法及厌氧氨氧化水处理工艺
CN201330211Y (zh) 污水处理厂运行参数自寻优模拟系统
Luca et al. Control strategies of phosphorus removal in wastewater treatment plants
CN106769748B (zh) 膜生物反应器-mbr出水透水率的智能检测系统
Saagi et al. Key control handles in integrated urban wastewater systems for improving receiving water quality
HRP20230969T1 (hr) Obrada otpadnih voda
Molinos-Senante Comparative energy efficiency of wastewater treatment technologies: a synthetic index approach
CN114524530B (zh) 一种雨水利用方法和系统
Raut et al. Determination of wastewater quality index of municipal wastewater treatment plant using fuzzy rule base
CN114693493A (zh) 一种基于IoT的污染河流水生态修复系统
CN114149076A (zh) 一种厌氧氨氧化污水处理系统的智能调试系统
Hardyanti et al. Analysis of The Impact of Industrial Activities Towards River Vacancy Viewed from BODS, CODS, and TSS Using The QUAL2KW Software Method Approach (Case Study: Klampok River, Semarang District)

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