CN115220408A - A2/o工艺系统的故障诊断方法、系统、设备及存储介质 - Google Patents
A2/o工艺系统的故障诊断方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN115220408A CN115220408A CN202210831864.2A CN202210831864A CN115220408A CN 115220408 A CN115220408 A CN 115220408A CN 202210831864 A CN202210831864 A CN 202210831864A CN 115220408 A CN115220408 A CN 115220408A
- Authority
- CN
- China
- Prior art keywords
- layer
- leaf node
- effluent
- data
- abnormal
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- C02F3/30—Aerobic and anaerobic processes
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Microbiology (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Hydrology & Water Resources (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种A2/O工艺系统的故障诊断方法、系统、设备及存储介质,方法包括:按预设周期获取待诊断的A2/O工艺系统的工艺运行数据,对所述工艺运行数据进行异常数据检测去除异常数据得出有效运行数据;根据所述有效运行数据中的多个出水指标,确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树;根据建立的标明各出水指标异常原因的故障树,确定所述A2/O工艺系统出水指标异常的故障诊断结果。该方法能直观确定故障与引起故障原因之间的对应关系,为处理故障提供准确的依据。
Description
技术领域
本发明涉及污水处理领域,尤其涉及一种A2/O工艺系统的故障诊断方法及系统。
背景技术
在污水处理厂运行过程中,出水水质达标是最重要的考核指标。但是由于运行人员的水平参差不齐,缺乏专业的知识指导水厂运行。会导致一些水厂处于低效率或者非正常运行状态,甚至出现水质指标异常情况。当出水水质指标出现异常超标时,需要尽快找到导致故障的原因并进行处理,以免情形继续恶化。而目前并没有这种快速确定导致故障原因的方法及系统。
有鉴于此,特提出本发明。
发明内容
本发明的目的是提供了一种A2/O工艺系统的故障诊断方法、系统、设备及存储介质,能建立出水指标异常与引起异常因素之间的直观对应关系,进而快速确认故障原因得出诊断结果,解决现有技术中存在的上述技术问题。
本发明的目的是通过以下技术方案实现的:
本发明实施方式提供一种A2/O工艺系统的故障诊断方法,包括:
按预设周期获取待诊断的A2/O工艺系统的工艺运行数据;
对所述工艺运行数据进行异常数据检测去除异常数据得出有效运行数据;
根据所述有效运行数据中的多个出水指标,确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树;
根据建立的标明各出水指标异常原因的故障树,确定所述A2/O工艺系统出水指标异常的故障诊断结果。
本发明实施方式还提供一种用于实现权利要求本发明所述方法的A2/O工艺系统的故障诊断系统,包括:
数据获取单元、异常数据检测单元、出水指标故障树建立单元和诊断结果输出单元;其中,
所述数据获取单元,与所诊断A2/O工艺系统通信连接,能按预设周期获取待诊断的A2/O工艺系统的工艺运行数据;
所述异常数据检测单元,与所述数据获取单元通信连接,能对所述数据获取单元获取的工艺运行数据进行异常数据检测去除异常数据得出有效运行数据;
所述出水指标故障树建立单元,与所述异常数据检测单元通信连接,能根据所述异常数据检测单元得出的有效运行数据中的多个出水指标,确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树;
所述诊断结果输出单元,与所述出水指标故障树建立单元通信连接,能根据所述出水指标故障树建立单元建立的标明各出水指标异常原因的故障树,确定并输出所述A2/O工艺系统出水指标异常的故障诊断结果。
本发明实施方式进一步提供一种处理设备,包括:
至少一个存储器,用于存储一个或多个程序;
至少一个处理器,能执行所述存储器所存储的一个或多个程序,在一个或多个程序被处理器执行时,使得所述处理器能实现本发明所述的方法。
本发明实施方式还提供一种可读存储介质,存储有计算机程序,当计算机程序被处理器执行时能实现本发明所述的方法。
与现有技术相比,本发明所提供的A2/O工艺系统的故障诊断方法、系统、设备及存储介质,其有益效果包括:
通过获取A2/O工艺系统的工艺运行数据,并去除异常数据得到有效数据后,建立与出水指标对应的故障树,进而能根据故障树直观、快速的得出造成出水指标异常的故障原因,得出故障诊断结果,为后续的故障修复提供准确的数据支撑。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的A2/O工艺系统的故障诊断方法的流程图。
图2为本发明实施例提供的A2/O工艺系统的故障诊断方法的异常数据检测流程图。
图3为本发明实施例提供的A2/O工艺系统的故障诊断方法的进水SS故障树示意图。
图4为本发明实施例提供的A2/O工艺系统的故障诊断方法的进水COD故障树示意图。
图5为本发明实施例提供的A2/O工艺系统的故障诊断方法的进水氨氮故障树示意图。
图6为本发明实施例提供的A2/O工艺系统的故障诊断方法的进水TN故障树示意图。
图7为本发明实施例提供的A2/O工艺系统的故障诊断方法的进水TN故障树的碳源投加判断方式流程图。
图8为本发明实施例提供的A2/O工艺系统的故障诊断系统的构成示意图。
图9为本发明实施例提供的A2/O工艺系统的故障诊断系统的异常数据检测单元构成示意图。
图10为本发明实施例提供的A2/O工艺系统的故障诊断系统的出水指标故障树建立单元构成示意图。
具体实施方式
下面结合本发明的具体内容,对本发明实施例中的技术方案进行清楚、完整地描述;显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,这并不构成对本发明的限制。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
首先对本文中可能使用的术语进行如下说明:
术语“和/或”是表示两者任一或两者同时均可实现,例如,X和/或Y表示既包括“X”或“Y”的情况也包括“X和Y”的三种情况。
术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述,应被解释为非排它性的包括。例如:包括某技术特征要素(如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等),应被解释为不仅包括明确列出的某技术特征要素,还可以包括未明确列出的本领域公知的其它技术特征要素。
术语“由……组成”表示排除任何未明确列出的技术特征要素。若将该术语用于权利要求中,则该术语将使权利要求成为封闭式,使其不包含除明确列出的技术特征要素以外的技术特征要素,但与其相关的常规杂质除外。如果该术语只是出现在权利要求的某子句中,那么其仅限定在该子句中明确列出的要素,其他子句中所记载的要素并不被排除在整体权利要求之外。
术语“质量份”是表示多个组分之间的质量比例关系,例如:如果描述了X组分为x质量份、Y组分为y质量份,那么表示X组分与Y组分的质量比为x:y;1质量份可表示任意的质量,例如:1质量份可以表示为1kg也可表示3.1415926kg等。所有组分的质量份之和并不一定是100份,可以大于100份、小于100份或等于100份。除另有说明外,本文中所述的份、比例和百分比均按质量计。
除另有明确的规定或限定外,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如:可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本文中的具体含义。
当浓度、温度、压力、尺寸或者其它参数以数值范围形式表示时,该数值范围应被理解为具体公开了该数值范围内任何上限值、下限值、优选值的配对所形成的所有范围,而不论该范围是否被明确记载;例如,如果记载了数值范围“2~8”时,那么该数值范围应被解释为包括“2~7”、“2~6”、“5~7”、“3~4和6~7”、“3~5和7”、“2和5~7”等范围。除另有说明外,本文中记载的数值范围既包括其端值也包括在该数值范围内的所有整数和分数。
术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述和简化描述,而不是明示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本文的限制。
下面对本发明所提供的A2/O工艺系统的故障诊断方法及系统进行详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本发明实施例中未注明具体条件者,按照本领域常规条件或制造商建议的条件进行。本发明实施例中所用试剂或仪器未注明生产厂商者,均为可以通过市售购买获得的常规产品。
如图1所示,本发明实施例提供一种A2/O工艺系统的故障诊断方法,包括:
按预设周期获取待诊断的A2/O工艺系统的工艺运行数据;
对所述工艺运行数据进行异常数据检测去除异常数据得出有效运行数据;
根据所述有效运行数据中的多个出水指标,确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树;
根据建立的标明各出水指标异常原因的故障树,确定所述A2/O工艺系统出水指标异常的故障诊断结果。
如图2所示,上述方法中,获取的待诊断的A2/O工艺系统的工艺运行数据包括:人工上报出水数据和在线监测出水数据;
按以下方式对所述工艺运行数据进行异常数据检测去除异常数据,包括:
通过箱线图对所述人工上报出水数据进行异常值检测确定误报值和/或虚报值作为异常数据,从所述人工上报出水数据中剔除检测出的异常数据得出人工上报有效数据;
根据预先确定的出水指标的经验范围对所述在线监测出水数据进行检测,将不在出水指标的经验范围内的数据确定为异常数据,从所述人工上报出水数据中剔除检测出的异常数据得出在线监测有效数据。
上述方法中,按以下方式预先确定出水指标的经验范围,包括:
根据所检测A2/O工艺系统的历史数据和专家经验对在线监测出水数据进行划分,确定出水指标的经验范围;
还包括:对所述人工上报有效数据与在线监测有效数据通过配对t进行检验,根据检验结果确定所述人工上报有效数据与在线监测有效数据之间的差异值,若判断差异值不超过预设值,则确认所述人工上报有效数据满足精度要求;
还包括:按以下方式对所述在线监测有效数据进行异常处理,包括:
对剔除异常值后的在线监测有效数据进行双侧和单侧t检验,确定出水水质数据是否超标排放。
上述方法中,所述有效运行数据中的多个出水指标为:
出水SS、出水COD、出水氨氮和出水TN。
上述方法中,按以下方式确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树,包括:
若确认出水指标的出水SS大于10mg/L,则确认出水SS异常,根据能对导致出水SS异常的SVI造成影响的影响因素污泥负荷、好氧区溶解氧和C/N比建立标明出水SS异常原因的出水SS故障树;
若确认出水指标的出水COD大于50mg/L,则确认出水COD异常,根据能导致出水COD异常的影响因素污泥负荷和出水SS浓度建立标明出水COD异常原因的出水COD故障树;
若确认出水指标的出水氨氮的出水NH4-N大于5mg/L,则确认出水氨氮异常,根据能导致出水氨氮异常的影响因素污泥负荷和好氧区溶解氧建立标明出水氨氮异常原因的出水氨氮故障树;
若确认出水指标的出水TN大于15mg/L,则确认出水TN异常,根据能导致出水TN异常的影响因素出水氨氮、缺氧池氧化还原电位和C/N比建立标明出水TN异常原因的出水TN故障树。
如图3所示,上述方法中,所述出水SS故障树由根节点从上至下依次连接四层叶节点组成,其中,
根节点对应的影响因素为出水SS升高,根节点连接的第一层第一叶节点对应的影响因素为高效沉淀池进水;
第一层第一叶节点的SS低于设计值输出端连接第二层第一叶节点,第二层第一叶节点对应的影响因素为二沉池出水过高;
第二层第一叶节点的SVI值较高输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为污泥沉淀性能差丝状菌生长;
第二层第一叶节点的SVI值正常输出端连接第三层第二叶节点,第三层第二叶节点对应的影响因素为二沉池运行效率低;
第三层第一叶节点的第一输出端连接第四层第一叶节点,第四层第一叶节点对应的影响因素为污泥负荷值过高或过低;
第三层第一叶节点的第二输出端连接第四层第二叶节点,第四层第二叶节点对应的影响因素为C/N比过低;
第三层第二叶节点的HRT核算偏低输出端连接第四层第三叶节点,第四层第三叶节点对应的影响因素为水量过大或者内回流比过大;
第三层第二叶节点的HRT核算正常输出端连接第四层第四叶节点,第四层第四叶节点对应的影响因素为好氧区出口DO过低或者污泥难度过高;
第一层第一叶节点的SS高于设计值输出端连接第一层第二叶节点,第一层第二叶节点对应的影响因素为高效沉淀池运行出现问题;
第一层第二叶节点的HRT核算偏低输出端连接第二层第三叶节点,第二层第三叶节点对应的影响因素为暴雨条件水量过大;
第一层第二叶节点的HRT核算正常输出端连接第二层第四叶节点,第二层第四叶节点对应的影响因素为PAM问题。
如图4所示,所述出水COD故障树由根节点从上至下依次连接六层叶节点组成,其中,
根节点对应的影响因素为出水COD超标,根节点的出水SS超标输出端连接第一层第一叶节点,第一层第一叶节点的对应的影响因素为出水SS故障树;
根节点的出水SS正常输出端连接第一层第二叶节点,第一层第二叶节点的对应的影响因素为溶解性COD超标;
第一层第二叶节点的输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为出水用清洗后活性污泥曝气;
第三层第一叶节点的sCOD大量降低输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为生化系统运行出现问题;
第三层第一叶节点的sCOD未明显变化输出端连接第三层第二叶节点,第三层第二叶节点对应的影响因素为进水难降解组分过高(即进水难降解sCOD过高);
第三层第一叶节点的二沉池进水sCOD正常输出端连接第四层第一叶节点,第四层第一叶节点对应的影响因素为二沉池厌氧消化释放sCOD;
第三层第一叶节点的二沉池进水sCOD过高输出端连接第四层第二叶节点,第四层第二叶节点对应的影响因素为曝气池运行问题;
第四层第一叶节点的输出端连接第五层第一叶节点,第五层第一叶节点对应的影响因素为调高曝气池出口DO值;
第四层第二叶节点的DO或曝气量偏低输出端连接第五层第二叶节点,第五层第二叶节点对应的影响因素为曝气量不足;
第四层第二叶节点的DO或曝气量正常输出端连接第五层第三叶节点,第五层第三叶节点对应的影响因素为污泥菌群;
第五层第三叶节点的第一输出端连接第六层第一叶节点,第六层第一叶节点对应的影响因素为进水COD负荷过高;
第五层第三叶节点的第二输出端连接第六层第一叶节点,第六层第二叶节点对应的影响因素为污泥老化;
如图5所示,所述出水氨氮故障树由根节点从上至下依次连接四层叶节点组成,其中,
根节点对应的影响因素为出水氨氮超标,根节点连接的第一层第一叶节点对应的影响因素为污泥浓度MLSS;
第一层第一叶节点的污泥浓度正常输出端连接第二层第一叶节点,第二层第一叶节点对应的影响因素为温度;
第一层第一叶节点的污泥浓度过低输出端连接第二层第二叶节点,第二层第二叶节点对应的影响因素为延长SRT,增大污泥浓度;
第二层第一叶节点的温度过低输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为提高污泥浓度;
第二层第一叶节点的温度过低输出端连接第三层第二叶节点,第三层第二叶节点对应的影响因素为增大曝气池DO和气量;
第三层第二叶节点的有效输出端连接第四层第一叶节点,第四层第一叶节点对应的影响因素为增大风机调控频次;
第三层第二叶节点的无效输出端连接第四层第二叶节点,第四层第二叶节点对应的影响因素为菌群退化或被进水毒性冲击,加新泥;
如图6所示,所述出水TN故障树由根节点从上至下依次连接四层叶节点组成,其中,
根节点对应的影响因素为出水TN超标,根节点连接的第一层第一叶节点对应的影响因素为出水氨氮;
第一层第一叶节点的出水氨氮正常输出端连接第二层第一叶节点,第二层第一叶节点对应的影响因素为进水C/N比;
第一层第一叶节点的出水氨氮不达标输出端连接第二层第二叶节点,第二层第二叶节点对应的影响因素为出水氨氮故障;
第二层第一叶节点的进水C/N过低输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为碳源投加;
第二层第一叶节点的进水C/N大于4输出端连接第三层第二叶节点,第三层第二叶节点对应的影响因素为缺氧池氧化还原电位;
第三层第一叶节点的效果不明显输出端连接第四层第一叶节点,第四层第一叶节点对应的影响因素为碳源质量存在问题;
第三层第一叶节点的有效输出端连接第四层第二叶节点,第四层第二叶节点对应的影响因素为碳源不足;
第三层第二叶节点的氧化还原电位过高输出端连接第四层第三叶节点,第四层第三叶节点对应的影响因素为好氧池回流液DO高,调控风机;
第三层第二叶节点的氧化还原电位合理输出端连接第四层第四叶节点,第四层第四叶节点对应的影响因素为进行碳源投加判断。
上述出水TN故障树中,进行碳源投加判断的流程如图7所示。
如图8所示,本发明实施例还提供一种用于实现上述方法的A2/O工艺系统的故障诊断系统,包括:
数据获取单元、异常数据检测单元、出水指标故障树建立单元和诊断结果输出单元;其中,
所述数据获取单元,与所诊断A2/O工艺系统通信连接,能按预设周期获取待诊断的A2/O工艺系统的工艺运行数据;
所述异常数据检测单元,与所述数据获取单元通信连接,能对所述数据获取单元获取的工艺运行数据进行异常数据检测去除异常数据得出有效运行数据;
所述出水指标故障树建立单元,与所述异常数据检测单元通信连接,能根据所述异常数据检测单元得出的有效运行数据中的多个出水指标,确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树;
所述诊断结果输出单元,与所述出水指标故障树建立单元通信连接,能根据所述出水指标故障树建立单元建立的标明各出水指标异常原因的故障树,确定并输出所述A2/O工艺系统出水指标异常的故障诊断结果。
如图9所示,上述系统中,所述异常数据检测单元包括:
人工上报出水数据获取模块、人工上报出水数据处理模块、在线监测出水数据获取模块、在线监测出水数据处理模块和匹配模块;其中,
所述人工上报出水数据获取模块,能获取所诊断A2/O工艺系统的人工上报出水数据;
所述人工上报出水数据处理模块,与所述人工上报出水数据获取模块通信连接,能通过箱线图对所述人工上报出水数据获取模块获取的人工上报出水数据进行异常值检测确定误报值和/或虚报值作为异常数据,从所述人工上报出水数据中剔除检测出的异常数据得出人工上报有效数据;
所述在线监测出水数据获取模块,与所诊断A2/O工艺系统通信连接,能获取所诊断A2/O工艺系统的在线监测出水数据;
所述在线监测出水数据处理模块,与所述在线监测出水数据获取模块通信连接,能根据预先确定的出水指标的经验范围对所述在线监测出水数据进行检测,将不在出水指标的经验范围内的数据确定为异常数据,从所述人工上报出水数据中剔除检测出的异常数据得出在线监测有效数据;
如图10所示,所述出水指标故障树建立单元包括:
出水SS故障树建立子模块、出水COD故障树建立子模块、出水氨氮故障树建立子模块和出水TN故障树建立子模块;其中,
所述出水SS故障树建立子模块,能在出水指标的出水SS大于10mg/L,确认出水SS异常时,根据能对导致出水SS异常的SVI造成影响的影响因素污泥负荷、好氧区溶解氧和C/N比建立标明出水SS异常原因的出水SS故障树;
所述出水COD故障树建立子模块,能在出水指标的出水COD大于50mg/L,确认出水COD异常时,根据能导致出水COD异常的影响因素污泥负荷和出水SS浓度建立标明出水COD异常原因的出水COD故障树;
所述出水氨氮故障树建立子模块,能在出水指标的出水氨氮的出水NH4-N大于5mg/L,确认出水氨氮异常时,根据能导致出水氨氮异常的影响因素污泥负荷和好氧区溶解氧建立标明出水氨氮异常原因的出水氨氮故障树;
所述出水TN故障树建立子模块,能在出水指标的出水TN大于15mg/L,确认出水TN异常时,根据能导致出水TN异常的影响因素出水氨氮、缺氧池氧化还原电位和C/N比建立标明出水TN异常原因的出水TN故障树。
本发明实施例还提供一种处理设备,包括:
至少一个存储器,用于存储一个或多个程序;
至少一个处理器,能执行所述存储器所存储的一个或多个程序,在一个或多个程序被处理器执行时,使得所述处理器能实现上述的方法。
本发明实施例进一步提供一种可读存储介质,存储有计算机程序,当计算机程序被处理器执行时能实现上述的方法。
综上可见,本发明实施例A2/O工艺系统的故障诊断方法及系统,通过获取A2/O工艺系统的工艺运行数据,并去除异常数据得到有效数据后,建立与出水指标对应的故障树,进而能根据故障树直观、快速的得出造成出水指标异常的故障原因,得出故障诊断结果,为后续的故障修复提供准确的数据支撑。
为了更加清晰地展现出本发明所提供的技术方案及所产生的技术效果,下面以具体实施例对本发明实施例所提供的A2/O工艺系统的故障诊断方法及系统进行详细描述。
实施例1
本实施例提供一种A2/O工艺系统的故障诊断方法,该方法中所述的故障是指从运行角度发生出水水质超标以及运行能耗药耗突然大幅度升高的现象。这些影响因素会对运行稳定性、安全性以及运行成本带来很大的影响,也会导致无法达到环保要求的问题。
首先,对城市污水处理厂A2/O工艺系统故障做如下具体定义:
该方法所指的故障具体包含,出水水质在线仪表数据突然大幅度增大和减少,运行能耗突然大幅度增大或者降低,运行碳源药耗量突然大幅度降低和增大,运行除磷药剂量大幅度增大和降低(表1)。
表1为A2/O工艺系统故障定义
如图1所示,该方法包括以下步骤:
按预设周期获取待诊断的A2/O工艺系统的工艺运行数据,对所述工艺运行数据进行异常数据检测去除异常数据得出有效运行数据;
根据所述有效运行数据中的多个出水指标,确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树;
根据建立的标明各出水指标异常原因的故障树,确定所述A2/O工艺系统出水指标异常的故障诊断结果。
下面分别对上述各步骤的具体做法做进一步详细说明。
(一)首先说明异常数据检测的处理方式,从待诊断的A2/O工艺系统的工艺运行数据包括人工上报出水数据和在线监测出水数据;
由于故障的判断是根据在线仪表进行识别的,因此,仪表的数据准确性非常关键。因此,对于异常值需要识别出来,避免由于仪表问题引起的恐慌和误操作。
除在线仪表数据外,污水处理厂每天都会进行日常人工检测(日平均),涉及指标一般包含COD、BOD5、SS、pH、NH4 +-N、TN、TP:当然,日常人工检测也存在于人为误操作或者人为虚报、实验仪器精确度低、监测设备故障引起的数据异常等问题。因此,如果能采取一定的方法,将异常数据检测出,将十分有利于管理部门及时发现污水处理厂的异常情况,也便于进一步的数据统计分析,并为后续的故障诊断提供基础。城市污水处理厂异常数据检测的实现,将为管理部门对污水处理厂的监管提供有力技术措施。
本发明中对异常数据的定义为:在城市污水处理系统中,存在的诸如人工报表误填报或者有意虚报、人为错误检测或检测仪器精确度低、在线监测设备故障等问题引起的异常数据,以及出水不达标数据。在实际应用中,忽略数据中异常值的存在是十分危险的,不加剔除地将奇异值进入分析过程,对结果将带来不良影响。
本发明异常数据的检测流程如图2所示,依据四类不同的异常数据种类,可以将检测流程划分为以下几部分。
(11)人工报表误填报或虚报异常:
基于箱线图原理,对人工上报数据进行异常值检测,观察是否存在误报值或者虚报值,当确认为异常数据时对其进行剔除。
(12)人为原因或实验室检测仪器精确度低引起的异常:
用配对t检验对来自在线监测设备和人工上报的月度数据进行对比分析,观看人工上报数据是否与在线监测数据存在显著性差异,从而获知人工上报数据是否由于人为原因或实验设备精确度低而存在异常。
(13)基于数据之间的逻辑关系进行异常值检测:
基于数据之间的逻辑关系进行异常值检测,例如COD大于BOD5,TN大于氨氮、硝酸态氮、亚硝态氮总和,TP大于正磷酸盐态的磷;且相应针对污水厂出水BOD5/COD数值小于50%等。
(14)出水不达标异常:
当在线监测数据在经验范围区间时,则依据出水水质的排放标准判别在线监测实时数据是否超标,如果超标则进入后续故障诊断模块,便于及时找出故障原因,采取相应的解决措施。根据假设检验原理对剔除异常值后的在线监测数据进行双侧和单侧t检验,分析当日出水水质数据是否超标排放。
上述异常数据检测中,针对人工上报出水数据的异常数据检测是基于统计学的异常数据检测,具体如下:
(111)基于箱线图和数据逻辑进行的人工报表异常值检测
利用统计学中的箱线图,实现了人工上报数据的异常值检测,其提供了一种直观地识别数据中异常值的方法,识别结果比较客观。按照城市污水处理厂运行监管相关规定,人工上报数据采取月度报表的形式向上一级管理部门报批。表2所示为来自某城市污水处理厂部分出水指标月报表数据,采用箱线图分析方法该组数据的异常值检测结果从图2中可以看出:SS、BOD5、氨氮、TN无异常值,而COD检测出两个异常值分别为该月份的第5天和第19天。根据数据间逻辑关系判断,第一天的BOD5数据存在异常。
表2某城市污水处理厂2021年10月份部分出水指标数据(注:单位:mg/L)
(112)在线监测数据的异常值检测
依据现有规定水质在线监测设备需安装在污水厂进水和出水口,并实现与上级环保部门监控终端的联网,以实现对污水处理厂的监督管理和业绩考核。在线监测数据的有效性是计算主要污染物排放量和确定污染物达标排放的重要前提,对于污水处理厂的考核至关重要。在线监测设备所采集的监测数据在每日00:00~24:00时间段内每隔2小时上报一次数据,因此每个出水指标(一般包括pH、COD、氨氮、TN、TP和SS)当日可以采集12个数据。为保障后续在线监测数据实时故障诊断的需求,需要结合出水水质指标要求(此处按照1级A设定),并结合城市污水厂历史数据和专家经验划定了在线监测数据(出水)的经验范围(SS:3~30mg/L;COD:10~100mg/L;氨氮:0~15mg/L;TN:4~30mg/L),当数据不在此范围时,则认定为在线监测设备故障引起数据异常。当不存在设备故障引起的异常数据外,即在线监测数据在经验范围区间时,则依据出水水质排放标准判别在线监测实时数据是否超标。以下为某城市污水处理厂某日所采集的各项出水指标数据发送到监测中心的结果,如表3所示。
表3为某城市污水处理厂某日出水指标在线监测数据单位:mg/L
序号 | 监测时间 | SS | 氨氮 | TN | TP | COD |
1 | 00:00 | 7 | 0.43 | 11.32 | 0.270 | 24.6 |
2 | 02:00 | 6 | 0.50 | 10.28 | 0.260 | 23.4 |
3 | 04:00 | 6 | 0.45 | 11.43 | 0.320 | 23.0 |
4 | 06:00 | 6 | 0.47 | 12.51 | 0.330 | 23.4 |
5 | 08:00 | 6 | 0.75 | 12.40 | 0.320 | 29.5 |
6 | 10:00 | 7 | 0.93 | 12.50 | 0.340 | 30.9 |
7 | 12:00 | 7 | 1.04 | 13.27 | 0.230 | 33.0 |
8 | 14:00 | 6 | 0.51 | 9.96 | 0.270 | 23.8 |
9 | 16:00 | 6 | 0.63 | 8.09 | 0.250 | 28.8 |
10 | 18:00 | 7 | 0.66 | 9.35 | 0.270 | 30.6 |
11 | 20:00 | 0 | 0.47 | 10.44 | 0.240 | 26.1 |
12 | 22:00 | 4 | 0.37 | 12.65 | 0.230 | 25.6 |
从上表3中可以看出,当日监测时间20:00时,SS出现异常值0.0,该值不在经验区间内,指标氨氮、TN、COD在当日正常,无异常值。此次异常值的出现,据污水厂反应为悬浮物探头信号传输出现故障,所以出现悬浮物为0.0的结果,考虑到SS出现异常为设备故障原因造成,所以应将异常值剔除。此时,污水厂工作人员及时采样进行实验室分析测定,经测定发现该时段的SS值为5.0mg/L,以此替换异常值。经数据修正后,该时段的数据不超过国家一级A规定的10mg/L,出水合格不需进入后续故障诊断处理。
(113)基于配对t检验的数据显著性差异分析
在污水处理厂的监督管理中,人工报表和在线监测数据的真实性、可靠性是常规考核项目。在线监测数据来自在线监测设备,其数据经过定期零点漂移进行校准来保持测定准确;人工报表以月度报表的形式上报,所测定的数据来自于实验室分析检测,数据的有效性难免会受到实验设备的精度以及人为检测操作的影响;对于一个运转良好的污水处理厂而言,人工报表和在线监测数据大体上基本保持一致或者存在相对规律的偏差。因此,本实施例以在线监测数据作为基准,利用配对t检验手段判断人工上报数据与在线监测数据是否存在显著性差异,从而互相验证人工上报数据和在线检测数据是否存在异常。目前,由于监管部门要求上报的水质报表为月报表,以天为具体单位,而在线监测数据为小时监测数据,为此需要取当日全部24个小时数据的平均数作为在线监测数据的有效日均值。另外,进行配对t检验的数据均为经过异常值检测并对异常值加以修正后的有效数据。
(二)其次,对根据城市污水处理厂的出水数据建立故障树的过程进行说明:
目前,我国大多数污水处理厂都采用活性污泥工艺,其中又以A2/O工艺较成熟,且被广泛采用。但由于城市污水处理系统是一个复杂的生化过程,受进水水质、水量波动以及各工艺段的相互影响较大,往往保持长期稳定的运行是较为困难的,存在诸多问题,如出水不达标情况、二沉池污泥上浮等。本实施例对A2/O工艺常见故障进行了归类,以此为基础开展后续的研究。针对常见的故障现象,将A2/O工艺常见故障主要分为:出水水质超标、污泥性质异常等,这可能是由进水水质或者水量波动异常、进水有毒物质、运行参数不合理、设备运行故障、设备选型不合理、物料质量不达标等引起的。
(21)进水水质、水量的波动异常
一般情况下,城市污水处理厂的进水流量、污染物成分以及有机物的浓度会呈现规律性波动。但是,当在特殊情况下,例如工业废水排放、暴雨冲刷等,容易造成污泥负荷的突然增高、C/N的失调,致使系统的HRT降低,DO降低、曝气量不足或者污泥膨胀以及污泥活性被抑制等,进而引起出水COD、氨氮、TN、SS、TP等超标现象的发生。
(22)有毒物质抑制
当进水中有工业废水时,可能会存在进水中一些毒性物质例如高浓度氯离子、重金属离子、表面活性剂、挥发性有机物或者农药等冲击抑制微生物活性,导致效率降低,从而引起出水水质超标的现象。
(23)工艺段运行异常
A2/O工艺中各工艺段的作用有所不同,各工艺段条件控制不当都会引起相应的出水排放异常。同时,厌氧段、缺氧段和好氧段之间会互相影响,若是负面的相互作用就会对出水水质造成较大的影响。例如好氧段末端DO值,当曝气量低时容易引起出水氨氮不达标,但过高的DO浓度也会随着硝化液回流进入缺氧段引起缺氧段氧化还原电位(ORP)增高,破坏了缺氧环境,导致出水TN超标。同时,过高的DO也会破坏厌氧段的溶解氧条件,影响生物除磷。此外,由于进水水质和水量的波动,需要运行人员手动或者自动做出参数调整,以满足出水达标的要求,但是由于错误的参数设定,也有可能导致各段运行效率低下,从而影响出水水质。由于一些未能及时探明的原因,所导致的工艺段出现效率降低,也会引起出水的超标。
(24)污泥性质异常
污泥性质异常是指在运行过程中,由于丝状菌生长或者进水里毒性物质或者抑制物、排泥不当等导致的污泥活性低、沉淀性能差等,从而引起出水COD、氨氮、TN、SS、TP等超标现象的发生。
(25)物料质量不达标
在运行过程中,可能会存在由于碳源、除磷药剂质量不达标,而导致投加了药剂但是却无效的情况,从而导致系统无法达标。
出水水质指标影响因素如下:
本发明的方法能建立出水水质异常(故障现象)与故障原因之间的故障树因果关系,进而找出引起出水指标超标的故障原因,为此通过引进中间过程节点,即工艺段的工艺运行参数。工艺运行参数能反应污水处理厂工况的运行情况,其数值对出水水质的好坏有直接影响。为此,首先需要对影响出水水质指标的工艺运行参数进行分析,找出每一种出水指标对应的影响因素,最终建立具有故障诊断功能的故障树。本实施例选取城市污水处理厂出水COD、SS、氨氮、TN、TP五种指标作为研究主体。
在分析出水水质指标影响因素的基础上,建立每一种出水指标的故障树。另一方面,某些影响因素在实际运行过程中数值变化很小,基本可以视作常量处理。对于实际问题,如果完全考虑反而会造成模型诊断的不精确,因此需要折中考虑实际问题的客观性和构建模型的可操作性,并且尽可能反应A2/O工艺的核心本质问题。所以,在构建因果关系故障树时本实施例没有考虑以下条件:
(41)对于实际污水厂,由于进水流量的变化具有以天为规律的周期性,且一般HRT大于24小时,在一定程度上可认为HRT的变化较小。所研究污水厂的总水力停留时间为19.4h,经计算好氧区水力停留时间12.6h,满足8h以上要求,有利于生物硝化过程,也可保证磷的充分吸收;污水在厌氧区的水力停留时间为1.15h,也可保证磷的有效释放。因此,对于运行稳定的城市污水处理厂HRT相对稳定,可基本不作为常规分析因素。
(42)城市污水处理厂pH范围一般介于6.5~7.5,变化较小,可以保证工艺的稳定,因此可视为常量;
通过以下方式建立了四项出水指标与工艺影响参数的故障树。
(51)出水SS故障树
出水悬浮物的主要影响因素为SVI,如果SVI较高,污泥容易发生膨胀,造成出水悬浮物超标。SVI有三种影响因素,分别为污泥负荷(F/M)、好氧区溶解氧和C/N比。
污泥负荷的比值大小取决于进水流量、COD和MLSS的比值。F/M高说明活性污泥能量水平高,污泥结构松散,不能形成良好的污泥絮体,导致SVI升高。F/M过低,将有发生污泥老化的可能,此时SVI一般小于50。
污泥随着好氧区DO浓度的降低,丝状菌大量繁殖,引起SVI升高,污泥的沉降性能也会变差。
C/N不足,菌胶团容易分散,丝状菌具有竞争优势而异常增多,引起污泥开始膨胀。
当出水SS超标时,我们可以根据工艺参数呈现的状态找出引起水质超标的原因,如好氧区溶解氧过低导致SVI异常升高,则可以通过调节风机频率增大曝气量或者增大空气阀门开度的方式提升好氧区的溶解氧浓度,使出水水质稳定正常。出水SS故障树如图3所示。
(52)出水COD故障树
影响出水COD的主要因素为污泥负荷和出水SS浓度。污泥负荷过高会超出微生物的处理能力,引起出水COD超标;SVI值主要受出水SS故障树中三方面原因的影响,当SVI值过高时容易发生污泥膨胀引起出水SS超标,间接会造成出水COD超标的可能。出水COD故障树如图4所示。
(53)出水氨氮故障树
影响出水氨氮的主要因素为污泥负荷和好氧区溶解氧。由于进水水质的变化,如果污泥负荷高,好氧区异氧微生物代谢旺盛,消耗大量的溶解氧,也会造成好氧区溶解氧偏低。另外,风机故障或风量低时没有得到及时调节也会造成好氧区DO持续偏低,引起出水氨氮异常。出水氨氮故障树如图5所示。
(54)出水TN故障树
出水TN的去除主要涉及硝化和反硝化过程,任何一个过程受阻都会影响总体的去除效果。针对这两个过程,主要影响因素为硝化效果差导致的出水氨氮不达标、缺氧池氧化还原电位(ORP)和C/N比。好氧区DO低和污泥负荷过高都会影响硝化过程;缺氧区过高的溶解氧含量会影响反硝化过程,常用缺氧池ORP来衡量;另外,反硝化过程需要有充足的碳源来维持生物反硝化脱氮,因此C/N也是重要的影响因素。出水TN故障树如图6所示。建立的出水TN故障树中,判断碳源投加的方式如图7所示。
本发明实施例的方法及系统,能提高污水处理厂运行监管能力,由于综合考虑了进水水质(C/N比、基质浓度等)、进水流量、F/M、DO、ORP、活性污泥的SVI30指数、曝气量、内外回流量、污泥浓度、温度、加药量(除磷药剂、碳源药剂)等对出水水质(SS、COD、NH3-N、TN)的影响,通过领域专家知识建立出水水质指标故障树进行故障诊断,采用贝叶斯网络方法,实现了城市污水处理厂A2/O工艺系统的管控层面的日常故障诊断。
本领域普通技术人员可以理解:实现上述实施例方法中的全部或部分流程是可以通过程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Acces sMemory,RAM)等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。本文背景技术部分公开的信息仅仅旨在加深对本发明的总体背景技术的理解,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。
Claims (10)
1.一种A2/O工艺系统的故障诊断方法,其特征在于,包括:
按预设周期获取待诊断的A2/O工艺系统的工艺运行数据;
对所述工艺运行数据进行异常数据检测去除异常数据得出有效运行数据;
根据所述有效运行数据中的多个出水指标,确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树;
根据建立的标明各出水指标异常原因的故障树,确定所述A2/O工艺系统出水指标异常的故障诊断结果。
2.根据权利要求1所述的A2/O工艺系统的故障诊断方法,其特征在于,获取的待诊断的A2/O工艺系统的工艺运行数据包括:人工上报出水数据和在线监测出水数据;
按以下方式对所述工艺运行数据进行异常数据检测去除异常数据,包括:
通过箱线图对所述人工上报出水数据进行异常值检测确定误报值和/或虚报值作为异常数据,从所述人工上报出水数据中剔除检测出的异常数据得出人工上报有效数据;
根据预先确定的出水指标的经验范围对所述在线监测出水数据进行检测,将不在出水指标的经验范围内的数据确定为异常数据,从所述人工上报出水数据中剔除检测出的异常数据得出在线监测有效数据。
3.根据权利要求2所述的A2/O工艺系统的故障诊断方法,其特征在于,按以下方式预先确定出水指标的经验范围,包括:
根据所检测A2/O工艺系统的历史数据和专家经验对在线监测出水数据进行划分,确定出水指标的经验范围;
还包括:对所述人工上报有效数据与在线监测有效数据通过配对t进行检验,根据检验结果确定所述人工上报有效数据与在线监测有效数据之间的差异值,若判断差异值不超过预设值,则确认所述人工上报有效数据满足精度要求;
还包括:按以下方式对所述在线监测有效数据进行异常处理,包括:
对剔除异常值后的在线监测有效数据进行双侧和单侧t检验,确定出水水质数据是否超标排放。
4.根据权利要求1-3任一项所述的A2/O工艺系统的故障诊断方法,其特征在于,所述有效运行数据中的多个出水指标为:
出水SS、出水COD、出水氨氮和出水TN。
5.根据权利要求4所述的A2/O工艺系统的故障诊断方法,其特征在于,按以下方式确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树,包括:
若确认出水指标的出水SS大于10mg/L,则确认出水SS异常,根据能对导致出水SS异常的SVI造成影响的影响因素污泥负荷、好氧区溶解氧和C/N比建立标明出水SS异常原因的出水SS故障树;
若确认出水指标的出水COD大于50mg/L,则确认出水COD异常,根据能导致出水COD异常的影响因素污泥负荷和出水SS浓度建立标明出水COD异常原因的出水COD故障树;
若确认出水指标的出水氨氮的出水NH4-N大于5mg/L,则确认出水氨氮异常,根据能导致出水氨氮异常的影响因素污泥负荷和好氧区溶解氧建立标明出水氨氮异常原因的出水氨氮故障树;
若确认出水指标的出水TN大于15mg/L,则确认出水TN异常,根据能导致出水TN异常的影响因素出水氨氮、缺氧池氧化还原电位和C/N比建立标明出水TN异常原因的出水TN故障树。
6.根据权利要求5所述的A2/O工艺系统的故障诊断方法,其特征在于,所述出水SS故障树由根节点从上至下依次连接四层叶节点组成,其中,
根节点对应的影响因素为出水SS升高,根节点连接的第一层第一叶节点对应的影响因素为高效沉淀池进水;
第一层第一叶节点的SS低于设计值输出端连接第二层第一叶节点,第二层第一叶节点对应的影响因素为二沉池出水过高;
第二层第一叶节点的SVI值较高输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为污泥沉淀性能差丝状菌生长;
第二层第一叶节点的SVI值正常输出端连接第三层第二叶节点,第三层第二叶节点对应的影响因素为二沉池运行效率低;
第三层第一叶节点的第一输出端连接第四层第一叶节点,第四层第一叶节点对应的影响因素为污泥负荷值过高或过低;
第三层第一叶节点的第二输出端连接第四层第二叶节点,第四层第二叶节点对应的影响因素为C/N比过低;
第三层第二叶节点的HRT核算偏低输出端连接第四层第三叶节点,第四层第三叶节点对应的影响因素为水量过大或者内回流比过大;
第三层第二叶节点的HRT核算正常输出端连接第四层第四叶节点,第四层第四叶节点对应的影响因素为好氧区出口DO过低或者污泥难度过高;
第一层第一叶节点的SS高于设计值输出端连接第一层第二叶节点,第一层第二叶节点对应的影响因素为高效沉淀池运行出现问题;
第一层第二叶节点的HRT核算偏低输出端连接第二层第三叶节点,第二层第三叶节点对应的影响因素为暴雨条件水量过大;
第一层第二叶节点的HRT核算正常输出端连接第二层第四叶节点,第二层第四叶节点对应的影响因素为PAM问题;
所述出水COD故障树由根节点从上至下依次连接六层叶节点组成,其中,
根节点对应的影响因素为出水COD超标,根节点的出水SS超标输出端连接第一层第一叶节点,第一层第一叶节点的对应的影响因素为出水SS故障树;
根节点的出水SS正常输出端连接第一层第二叶节点,第一层第二叶节点的对应的影响因素为溶解性COD超标;
第一层第二叶节点的输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为出水用清洗后活性污泥曝气;
第三层第一叶节点的sCOD大量降低输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为生化系统运行出现问题;
第三层第一叶节点的sCOD未明显变化输出端连接第三层第二叶节点,第三层第二叶节点对应的影响因素为进水难降解组分过高;
第三层第一叶节点的二沉池进水sCOD正常输出端连接第四层第一叶节点,第四层第一叶节点对应的影响因素为二沉池厌氧消化释放sCOD;
第三层第一叶节点的二沉池进水sCOD过高输出端连接第四层第二叶节点,第四层第二叶节点对应的影响因素为曝气池运行问题;
第四层第一叶节点的输出端连接第五层第一叶节点,第五层第一叶节点对应的影响因素为调高曝气池出口DO值;
第四层第二叶节点的DO或曝气量偏低输出端连接第五层第二叶节点,第五层第二叶节点对应的影响因素为曝气量不足;
第四层第二叶节点的DO或曝气量正常输出端连接第五层第三叶节点,第五层第三叶节点对应的影响因素为污泥菌群;
第五层第三叶节点的第一输出端连接第六层第一叶节点,第六层第一叶节点对应的影响因素为进水COD负荷过高;
第五层第三叶节点的第二输出端连接第六层第一叶节点,第六层第二叶节点对应的影响因素为污泥老化;
所述出水氨氮故障树由根节点从上至下依次连接四层叶节点组成,其中,
根节点对应的影响因素为出水氨氮超标,根节点连接的第一层第一叶节点对应的影响因素为污泥浓度MLSS;
第一层第一叶节点的污泥浓度正常输出端连接第二层第一叶节点,第二层第一叶节点对应的影响因素为温度;
第一层第一叶节点的污泥浓度过低输出端连接第二层第二叶节点,第二层第二叶节点对应的影响因素为延长SRT,增大污泥浓度;
第二层第一叶节点的温度过低输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为提高污泥浓度;
第二层第一叶节点的温度过低输出端连接第三层第二叶节点,第三层第二叶节点对应的影响因素为增大曝气池DO和气量;
第三层第二叶节点的有效输出端连接第四层第一叶节点,第四层第一叶节点对应的影响因素为增大风机调控频次;
第三层第二叶节点的无效输出端连接第四层第二叶节点,第四层第二叶节点对应的影响因素为菌群退化或被进水毒性冲击,加新泥;
所述出水TN故障树由根节点从上至下依次连接四层叶节点组成,其中,
根节点对应的影响因素为出水TN超标,根节点连接的第一层第一叶节点对应的影响因素为出水氨氮;
第一层第一叶节点的出水氨氮正常输出端连接第二层第一叶节点,第二层第一叶节点对应的影响因素为进水C/N比;
第一层第一叶节点的出水氨氮不达标输出端连接第二层第二叶节点,第二层第二叶节点对应的影响因素为出水氨氮故障;
第二层第一叶节点的进水C/N过低输出端连接第三层第一叶节点,第三层第一叶节点对应的影响因素为碳源投加;
第二层第一叶节点的进水C/N大于4输出端连接第三层第二叶节点,第三层第二叶节点对应的影响因素为缺氧池氧化还原电位;
第三层第一叶节点的效果不明显输出端连接第四层第一叶节点,第四层第一叶节点对应的影响因素为碳源质量存在问题;
第三层第一叶节点的有效输出端连接第四层第二叶节点,第四层第二叶节点对应的影响因素为碳源不足;
第三层第二叶节点的氧化还原电位过高输出端连接第四层第三叶节点,第四层第三叶节点对应的影响因素为好氧池回流液DO高,调控风机;
第三层第二叶节点的氧化还原电位合理输出端连接第四层第四叶节点,第四层第四叶节点对应的影响因素为进行碳源投加判断。
7.一种用于实现权利要求1-6任一项所述方法的A2/O工艺系统的故障诊断系统,其特征在于,包括:
数据获取单元、异常数据检测单元、出水指标故障树建立单元和诊断结果输出单元;其中,
所述数据获取单元,与所诊断A2/O工艺系统通信连接,能按预设周期获取待诊断的A2/O工艺系统的工艺运行数据;
所述异常数据检测单元,与所述数据获取单元通信连接,能对所述数据获取单元获取的工艺运行数据进行异常数据检测去除异常数据得出有效运行数据;
所述出水指标故障树建立单元,与所述异常数据检测单元通信连接,能根据所述异常数据检测单元得出的有效运行数据中的多个出水指标,确定引起各出水指标异常的异常因素,根据异常因素建立标明各出水指标异常原因的故障树;
所述诊断结果输出单元,与所述出水指标故障树建立单元通信连接,能根据所述出水指标故障树建立单元建立的标明各出水指标异常原因的故障树,确定并输出所述A2/O工艺系统出水指标异常的故障诊断结果。
8.根据权利要求7所述的A2/O工艺系统的故障诊断系统,其特征在于,所述异常数据检测单元包括:
人工上报出水数据获取模块、人工上报出水数据处理模块、在线监测出水数据获取模块、在线监测出水数据处理模块和匹配模块;其中,
所述人工上报出水数据获取模块,能获取所诊断A2/O工艺系统的人工上报出水数据;
所述人工上报出水数据处理模块,与所述人工上报出水数据获取模块通信连接,能通过箱线图对所述人工上报出水数据获取模块获取的人工上报出水数据进行异常值检测确定误报值和/或虚报值作为异常数据,从所述人工上报出水数据中剔除检测出的异常数据得出人工上报有效数据;
所述在线监测出水数据获取模块,与所诊断A2/O工艺系统通信连接,能获取所诊断A2/O工艺系统的在线监测出水数据;
所述在线监测出水数据处理模块,与所述在线监测出水数据获取模块通信连接,能根据预先确定的出水指标的经验范围对所述在线监测出水数据进行检测,将不在出水指标的经验范围内的数据确定为异常数据,从所述人工上报出水数据中剔除检测出的异常数据得出在线监测有效数据;
所述出水指标故障树建立单元包括:
出水SS故障树建立子模块、出水COD故障树建立子模块、出水氨氮故障树建立子模块和出水TN故障树建立子模块;其中,
所述出水SS故障树建立子模块,能在出水指标的出水SS大于10mg/L,确认出水SS异常时,根据能对导致出水SS异常的SVI造成影响的影响因素污泥负荷、好氧区溶解氧和C/N比建立标明出水SS异常原因的出水SS故障树;
所述出水COD故障树建立子模块,能在出水指标的出水COD大于50mg/L,确认出水COD异常时,根据能导致出水COD异常的影响因素污泥负荷和出水SS浓度建立标明出水COD异常原因的出水COD故障树;
所述出水氨氮故障树建立子模块,能在出水指标的出水氨氮的出水NH4-N大于5mg/L,确认出水氨氮异常时,根据能导致出水氨氮异常的影响因素污泥负荷和好氧区溶解氧建立标明出水氨氮异常原因的出水氨氮故障树;
所述出水TN故障树建立子模块,能在出水指标的出水TN大于15mg/L,确认出水TN异常时,根据能导致出水TN异常的影响因素出水氨氮、缺氧池氧化还原电位和C/N比建立标明出水TN异常原因的出水TN故障树。
9.一种处理设备,其特征在于,包括:
至少一个存储器,用于存储一个或多个程序;
至少一个处理器,能执行所述存储器所存储的一个或多个程序,在一个或多个程序被处理器执行时,使得所述处理器能实现权利要求1-6任一项所述的方法。
10.一种可读存储介质,存储有计算机程序,其特征在于,当计算机程序被处理器执行时能实现权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210831864.2A CN115220408A (zh) | 2022-07-15 | 2022-07-15 | A2/o工艺系统的故障诊断方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210831864.2A CN115220408A (zh) | 2022-07-15 | 2022-07-15 | A2/o工艺系统的故障诊断方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115220408A true CN115220408A (zh) | 2022-10-21 |
Family
ID=83612664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210831864.2A Pending CN115220408A (zh) | 2022-07-15 | 2022-07-15 | A2/o工艺系统的故障诊断方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115220408A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511136A (zh) * | 2022-11-01 | 2022-12-23 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及系统 |
-
2022
- 2022-07-15 CN CN202210831864.2A patent/CN115220408A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511136A (zh) * | 2022-11-01 | 2022-12-23 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101088923B (zh) | 水处理设施的管理系统 | |
CN104238527B (zh) | 污水处理厂曝气总量的精确控制方法 | |
CN110186505B (zh) | 一种基于支持向量机的农村生活污水处理设施出水达标情况的预测方法 | |
CN110188946B (zh) | 一种污水参数的预测方法及污水预测系统 | |
JP4964273B2 (ja) | 水処理施設の管理システム | |
CN105836965A (zh) | 一种智能化污水处理专家系统 | |
CN115220408A (zh) | A2/o工艺系统的故障诊断方法、系统、设备及存储介质 | |
Zou et al. | Characteristic and correlation analysis of influent and energy consumption of wastewater treatment plants in Taihu Basin | |
CN116354540A (zh) | 污水厂进水水质监控及预警自动化装置 | |
CN114578008A (zh) | 一种用于污水厂水质风险管理的决策支持系统及方法 | |
JP2006223951A (ja) | 水道水の水質管理方法及び水質管理システム | |
Venditti et al. | Assessing the impact of micropollutant mitigation measures using vertical flow constructed wetlands for municipal wastewater catchments in the greater region: a reference case for rural areas | |
CN115403226B (zh) | 一种平衡系统内碳源的厂网联调控制方法、系统及装置 | |
CN110763730A (zh) | 一种单探头污水毒性实时监测系统和方法 | |
JP2004188268A (ja) | 水質監視制御装置及び下水処理システム | |
Branch et al. | National validation guidelines for water recycling: Membrane bioreactors | |
KR100305777B1 (ko) | 활성슬러지 호흡율에 의한 독성측정장치와 그 운전방법 | |
Kenny | Nutrient optimization for pulp and paper wastewater treatment plants–An opportunity for major cost savings | |
Wennerholm | Performance Indicator Analysis as a Basis for Process Optimization and Energy Efficiency in Municipal Wastewater Treatment Plants | |
Benisch et al. | Decision tree for troubleshooting biological phosphorus removal | |
Gaines et al. | MBR Treatment for Low Levels of Phosphorus | |
CN105859032B (zh) | 一种针对污水处理厂出水nh3-n超标的处理方法 | |
Young et al. | Comparison of Nitrogen Removal Performance in SBR Systems | |
Isaji | Integrated water quality management for drinking water of good quality | |
KR20150074784A (ko) | 제어 시스템과 연계된 데이터 베이스를 활용한 실시간 6시그마 기반 하폐수 수질 관리 시스템 |
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 |