CN115385432A - 一种污水除磷的方法及系统 - Google Patents
一种污水除磷的方法及系统 Download PDFInfo
- Publication number
- CN115385432A CN115385432A CN202211136335.7A CN202211136335A CN115385432A CN 115385432 A CN115385432 A CN 115385432A CN 202211136335 A CN202211136335 A CN 202211136335A CN 115385432 A CN115385432 A CN 115385432A
- Authority
- CN
- China
- Prior art keywords
- mode
- sewage
- dosage
- water
- calculation
- 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
-
- 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
- C02F1/58—Treatment of water, waste water, or sewage by removing specified dissolved compounds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2101/00—Nature of the contaminant
- C02F2101/10—Inorganic compounds
- C02F2101/105—Phosphorus compounds
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Water Supply & Treatment (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Hydrology & Water Resources (AREA)
- Removal Of Specific Substances (AREA)
Abstract
本发明提供一种污水除磷的方法及系统,涉及污水处理技术领域。该方法包括:实时获取水体数据;水体数据包括:污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度;确定计算模式;计算模式包括投加率模式、摩尔比模式和数据预测模式;当计算模式为投加率模式时,根据污水的进水流量计算加药量;当计算模式为摩尔比模式时,根据污水的进水流量、进水总磷和出水总磷目标值计算加药量;当计算模式为数据预测模式时,根据水体数据和加药量预测模型计算加药量;加药量预测模型采用机器学习算法构建;加药量在污水处理系统中对污水进行水质调节。本发明能够提高自动化程度,并且实时控制药量,从而使得水质平稳。
Description
技术领域
本发明涉及污水处理技术领域,特别是涉及一种污水除磷的方法及系统。
背景技术
目前,大部分污水处理厂化学除磷加药系统自动化程度低,采用人工调节的模式,根据操作人员的经验调整加药量。由于污水处理厂的进水水质、水量波动大,且污水处理系统具有非线性、时滞性、不确定性等特点,往往造成药剂投加过量,出水水质不稳定等现象。虽然有的污水厂开始尝试应用前馈加反馈控制、神经网络预测加药量等方法改进,但是由于污水处理时间过程长,滞后性大,反馈数据往往不能和前馈数据相互对应,且难以寻找到规律。而神经网络等大数据模型依赖于有效的历史数据进行学习,水厂过往的加药数据往往不具备参考意义,所以,导致模型训练效果较差,不具有投入运行的实用性。
因此,现有的污水处理技术存有自动化程度低和药剂投加过量的问题,药剂投加过量会导致出水水质不稳定。
发明内容
本发明的目的是提供一种污水除磷的方法及系统,提高自动化程度,并且实时控制药量,从而使得水质平稳。
为实现上述目的,本发明提供了如下方案:
一种污水除磷的方法,所述方法包括:
实时获取水体数据;所述水体数据包括:污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度;
确定计算模式;所述计算模式包括投加率模式、摩尔比模式和数据预测模式;
当所述计算模式为所述投加率模式时,根据所述污水的进水流量计算加药量;
当所述计算模式为所述摩尔比模式时,根据所述污水的进水流量、所述进水总磷和所述出水总磷目标值计算加药量;
当所述计算模式为所述数据预测模式时,根据所述水体数据和加药量预测模型计算加药量;所述加药量预测模型采用机器学习算法构建;所述加药量用于在污水处理系统中对污水进行水质调节。
可选地,所述确定计算模式,具体包括:
当收到外部输入的指令为投加率指令时,则确定计算模式为所述投加率模式;
当收到外部输入的指令为摩尔比指令时,则确定计算模式为所述摩尔比模式;
当收到外部输入的指令为数据预测指令时,则确定计算模式为所述数据预测模式。
可选地,所述根据所述污水的进水流量计算加药量,计算公式为:
其中,Q为加药量,Qin为进水流量,α为投加率系数,ρ为药剂密度,c1为药剂浓度。
可选地,所述根据所述污水的进水流量、所述进水总磷和所述出水总磷目标值计算加药量,计算公式为:
其中,Q为加药量,Qin为进水流量,β为摩尔比系数,TPin为进水总磷,TPtarget为出水总磷目标值,ρ为药剂密度,c1为药剂浓度,CM为去除1mol磷所需的金属离子摩尔质量,c2为药剂中所含金属离子的浓度。
可选地,所述方法还包括:
存储所述水体数据和所述加药量。
一种污水除磷的系统,所述系统包括:
数据获取模块,用于实时获取水体数据;所述水体数据包括:污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度;
计算模式确定模块,用于确定计算模式;所述计算模式包括投加率模式、摩尔比模式和数据预测模式;
第一计算模块,用于当所述计算模式为所述投加率模式时,根据所述污水的进水流量计算加药量;
第二计算模块,用于当所述计算模式为所述摩尔比模式时,根据所述污水的进水流量、所述进水总磷和所述出水总磷目标值计算加药量;
第三计算模块,用于当所述计算模式为所述数据预测模式时,根据所述水体数据和加药量预测模型计算加药量;所述加药量预测模型采用机器学习算法构建;所述加药量用于在污水处理系统中对污水进行水质调节。
可选地,所述计算模式确定模块具体包括:
第一确定子模块,用于当收到外部输入的指令为投加率指令时,则确定计算模式为所述投加率模式;
第二确定子模块,用于当收到外部输入的指令为摩尔比指令时,则确定计算模式为所述摩尔比模式;
第三确定子模块,用于当收到外部输入的指令为数据预测指令时,则确定计算模式为所述数据预测模式。
可选地,所述第一计算模块中加药量的计算公式为:
其中,Q为加药量,Qin为进水流量,α为投加率系数,ρ为药剂密度,c1为药剂浓度。
可选地,所述第二计算模块中加药量的计算公式为:
其中,Q为加药量,Qin为进水流量,β为摩尔比系数,TPin为进水总磷,TPtarget为出水总磷目标值,ρ为药剂密度,c1为药剂浓度,CM为去除1mol磷所需的金属离子摩尔质量,c2为药剂中所含金属离子的浓度。
可选地,所述系统还包括:
存储模块,用于存储所述水体数据和所述加药量。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种污水除磷的方法及系统,通过实时获取水体数据,然后根据水体数据确定计算模式并计算加药量,加药量用于在污水处理系统中对污水进行水质调节;由于在水体数据获取、加药量计算以及调节的过程中,不需要人工进行获取以及调节,实现了自动化控制,避免了因人为因素加药量过多,从而有浪费现象的出现;又由于加药量是根据实时获取的水体数据直接进行计算得到的,能够实现加药量的精确控制,同样减少了药剂的浪费;因此本发明能够提高自动化程度,并且实时控制药量,从而使得水质平稳。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的污水除磷的方法的流程图;
图2为本发明实施例提供的污水除磷的系统的结构图;
图3为本发明实施例提供的污水除磷的系统具体操作示意图。
符号说明:
数据获取模块-1、计算模式确定模块-2、第一计算模块-3、第二计算模块-4、第三计算模块-5。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的目的是提供一种污水除磷的方法及系统,通过实时获取水体数据,然后根据水体数据确定计算模式并计算加药量,加药量用于在污水处理系统中对污水进行水质调节;由于在水体数据获取、加药量计算以及调节的过程中,不需要人工进行获取以及调节,实现了自动化控制,避免了因人为因素加药量过多,从而有浪费现象的出现;又由于加药量是根据实时获取的水体数据直接进行计算得到的,能够实现加药量的精确控制,同样减少了药剂的浪费;因此本发明能够提高自动化程度,并且实时控制药量,从而使得水质平稳。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示,本发明实施例提供了一种污水除磷的方法,该方法包括:
步骤100:实时获取水体数据;水体数据包括:污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度。
步骤200:确定计算模式;计算模式包括投加率模式、摩尔比模式和数据预测模式。
确定计算模式,具体包括:
当收到外部输入的指令为投加率指令时,则确定计算模式为投加率模式。
当收到外部输入的指令为摩尔比指令时,则确定计算模式为摩尔比模式。
当收到外部输入的指令为数据预测指令时,则确定计算模式为数据预测模式。
步骤300:当计算模式为投加率模式时,根据污水的进水流量计算加药量。
具体地,当计算模式为投加率模式时,根据污水的进水流量计算加药量,计算公式为:
其中,Q为加药量,Qin为进水流量,α为投加率系数,ρ为药剂密度,c1为药剂浓度。
步骤400:当计算模式为摩尔比模式时,根据污水的进水流量、进水总磷和出水总磷目标值计算加药量。
具体地,当计算模式为摩尔比模式时,根据污水的进水流量、进水总磷和出水总磷目标值计算加药量,计算公式为:
其中,Q为加药量,Qin为进水流量,β为摩尔比系数,TPin为进水总磷,TPtarget为出水总磷目标值,ρ为药剂密度,c1为药剂浓度,CM为去除1mol磷所需的金属离子摩尔质量,c2为药剂中所含金属离子的浓度。
步骤500:当计算模式为数据预测模式时,根据水体数据和加药量预测模型计算加药量;加药量预测模型采用机器学习算法构建;加药量用于在污水处理系统中对污水进行水质调节。
通过对历史的水体数据的学习,得到加药量训练模型即加药量预测模型;根据实时获取的水体数据,调用加药量预测模型,采用基于机器学习的数理模型计算加药量。
作为一种可选的实施方式,该方法还包括:存储水体数据和加药量。
在实际应用中,该实施例提供的污水除磷的方法的具体操作步骤还可以如下:
步骤一、获取污水的进水流量、进水酸碱度(进水PH)、进水总磷(进水TP)、进水悬浮物浓度(进水SS)、出水总磷目标值(出水TP)和出水悬浮物
浓度(出水SS)等水体数据;将水体数据进行存储。
步骤二、选定加药量的计算模式。加药量计算模式具体包括:投加率模式、摩尔比模式、数据预测模式。工作人员在外部输入指令,如可以选择在人机交互模块输入指令,然后根据输入的指令确定计算模式。
数据预测模式所用加药量预测模型是通过对影响除磷效果的因素进行分析,即将历史的水体数据作为输入层,将加药量作为输出层,采用机器学习算法构建。历史的水体数据指的是历史的污水的进水流量、历史的进水酸碱度、历史的进水总磷、历史的进水悬浮物浓度、历史的出水总磷和历史的出水悬浮物浓度。
步骤三、根据所选的计算模式,输入设定参数,并将该设定参数进行存储。
设定参数包括:
投加率模式下设定参数为投加率系数、投加药剂的浓度及密度。
摩尔比模式下设定参数为摩尔比系数、出水TP目标值、投加药剂的浓度及密度。
数据预测模式下设定参数为出水总磷(出水TP)目标值和出水悬浮物浓度(出水SS)目标值。
步骤四、根据所选的计算模式,调用存储的设定参数和水体数据,计算加药量,并将加药量下发至PLC控制模块。PLC控制模块根据加药量对污水进行水质调节。
实施例2
如图2所示,本发明实施例提供了一种污水除磷的系统,该系统包括:数据获取模块1、计算模式确定模块2、第一计算模块3、第二计算模块4和第三计算模块5。
数据获取模块1,用于实时获取水体数据;水体数据包括:污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度。
计算模式确定模块2,用于确定计算模式;计算模式包括投加率模式、摩尔比模式和数据预测模式。
计算模式确定模块2具体包括:第一确定子模块、第二确定子模块和第三确定子模块。
第一确定子模块,用于当收到外部输入的指令为投加率指令时,则确定计算模式为投加率模式。
第二确定子模块,用于当收到外部输入的指令为摩尔比指令时,则确定计算模式为摩尔比模式。
第三确定子模块,用于当收到外部输入的指令为数据预测指令时,则确定计算模式为数据预测模式。
第一计算模块3,用于当计算模式为投加率模式时,根据污水的进水流量计算加药量。
具体地,第一计算模块中加药量的计算公式为:
其中,Q为加药量,Qin为进水流量,α为投加率系数,ρ为药剂密度,c1为药剂浓度。
第二计算模块4,用于当计算模式为摩尔比模式时,根据污水的进水流量、进水总磷和出水总磷目标值计算加药量。
具体地,第二计算模块中加药量的计算公式为:
其中,Q为加药量,Qin为进水流量,β为摩尔比系数,TPin为进水总磷,TPtarget为出水总磷目标值,ρ为药剂密度,c1为药剂浓度,cM为去除1mol磷所需的金属离子摩尔质量,c2为药剂中所含金属离子的浓度。
第三计算模块5,用于当计算模式为数据预测模式时,根据水体数据和加药量预测模型计算加药量;加药量预测模型采用机器学习算法构建;加药量用于在污水处理系统中对污水进行水质调节。
作为一种可选的实施方式,该系统还包括:存储模块。存储模块,用于存储水体数据和加药量。
在实际应用中,该实施例提供的污水除磷的系统的具体操作还可以如下:
通过数据获取模块1实时获取水体数据;水体数据包括:污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度。
经人机交互模块可以输入设定参数,包括当前药剂浓度、药剂密度、投加率系数、摩尔比系数、出水TP目标值、出水SS目标值。工作人员还可以通过人机交互模块输入进行计算模式的选择的指令。具体地,通过计算模式确定模块2根据人机交互模块输入的指令确定计算模式。采用数据分析模块调用水体数据和设定参数,基于所选的计算模式对除磷加药量进行计算。加药量反馈给PLC控制模块。数据分析模块包括第一计算模块3、第二计算模块4和第三计算模块5。
具体地,如图3所示,首先通过参数设定单元输入设定参数,此时的设定参数至少包括投加率系数、摩尔比系数和出水水质目标;出水水质目标可以包括:出水总磷的目标值、出水悬浮物浓度的目标值。然后经过计算模式确定模块2,确定外部指令所对应的计算模式,以进行加药量的计算;各计算模式都有对应的计算模型。包含机理模型和数理模型。如:投加率模式对应的投加率和摩尔比模式对应的摩尔比模型为机理模型。数据预测模式对应的加药量预测模型为数理模型。加药量训练模型为历史水体数据通过神经网络等算法训练的离线模型;而加药量预测模型根据训练模型和实时数据计算出加药量,为在线模型。
存储模块可以存储实时获取的水体数据即实时采集数据、历史的水体数据、设定参数以及加药量。此外,该系统进行加药量计算时,计算得到的加药量均可以在结果显示单元或者采用人机交互模块,进行结果显示。计算模式确定模块可以将计算结果即计算得到的加药量反馈给PLC控制模块。
PLC控制模块用于根据加药量调节向污水处理系统中的投加量,即根据加药量对污水进行水质调节。
存储模块用于存储水体数据、设定参数及计算结果即加药量。
本发明提供了一套机理与数理模型相结合的污水除磷的方法及系统;基于机理与数理模型,提供三种加药量的计算模式。包括获取设定参数、采集参数即获取水体数据,通过当前水质及水量的判断选择基于投加率模式或者摩尔比模式的机理模型,计算加药量并进行存储;通过对历史的水体数据的学习,得到加药量训练模型即加药量预测模型;根据实时获取水体数据,调用加药量预测模型,采用基于机器学习的数理模型计算加药量,以实现对污水处理厂除磷加药工艺的自动化控制,在保证出水水质平稳达标的前提下减少药耗。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种污水除磷的方法,其特征在于,所述方法包括:
实时获取水体数据;所述水体数据包括:污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度;
确定计算模式;所述计算模式包括投加率模式、摩尔比模式和数据预测模式;
当所述计算模式为所述投加率模式时,根据所述污水的进水流量计算加药量;
当所述计算模式为所述摩尔比模式时,根据所述污水的进水流量、所述进水总磷和所述出水总磷目标值计算加药量;
当所述计算模式为所述数据预测模式时,根据所述水体数据和加药量预测模型计算加药量;所述加药量预测模型采用机器学习算法构建;所述加药量用于在污水处理系统中对污水进行水质调节。
2.根据权利要求1所述的污水除磷的方法,其特征在于,所述确定计算模式,具体包括:
当收到外部输入的指令为投加率指令时,则确定计算模式为所述投加率模式;
当收到外部输入的指令为摩尔比指令时,则确定计算模式为所述摩尔比模式;
当收到外部输入的指令为数据预测指令时,则确定计算模式为所述数据预测模式。
5.根据权利要求1所述的污水除磷的方法,其特征在于,所述方法还包括:
存储所述水体数据和所述加药量。
6.一种污水除磷的系统,其特征在于,所述系统包括:
数据获取模块,用于实时获取水体数据;所述水体数据包括:污水的进水流量、进水酸碱度、进水总磷、进水悬浮物浓度、出水总磷目标值和出水悬浮物浓度;
计算模式确定模块,用于确定计算模式;所述计算模式包括投加率模式、摩尔比模式和数据预测模式;
第一计算模块,用于当所述计算模式为所述投加率模式时,根据所述污水的进水流量计算加药量;
第二计算模块,用于当所述计算模式为所述摩尔比模式时,根据所述污水的进水流量、所述进水总磷和所述出水总磷目标值计算加药量;
第三计算模块,用于当所述计算模式为所述数据预测模式时,根据所述水体数据和加药量预测模型计算加药量;所述加药量预测模型采用机器学习算法构建;所述加药量用于在污水处理系统中对污水进行水质调节。
7.根据权利要求6所述的污水除磷的系统,其特征在于,所述计算模式确定模块具体包括:
第一确定子模块,用于当收到外部输入的指令为投加率指令时,则确定计算模式为所述投加率模式;
第二确定子模块,用于当收到外部输入的指令为摩尔比指令时,则确定计算模式为所述摩尔比模式;
第三确定子模块,用于当收到外部输入的指令为数据预测指令时,则确定计算模式为所述数据预测模式。
10.根据权利要求6所述的污水除磷的系统,其特征在于,所述系统还包括:
存储模块,用于存储所述水体数据和所述加药量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211136335.7A CN115385432A (zh) | 2022-09-19 | 2022-09-19 | 一种污水除磷的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211136335.7A CN115385432A (zh) | 2022-09-19 | 2022-09-19 | 一种污水除磷的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115385432A true CN115385432A (zh) | 2022-11-25 |
Family
ID=84127149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211136335.7A Pending CN115385432A (zh) | 2022-09-19 | 2022-09-19 | 一种污水除磷的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115385432A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110515411A (zh) * | 2019-09-05 | 2019-11-29 | 江苏环保产业技术研究院股份公司 | 一种水处理加药量控制方法及系统 |
CN110862188A (zh) * | 2019-11-01 | 2020-03-06 | 光大水务(深圳)有限公司 | 一种化学除磷精确加药系统及控制方法 |
CN110988290A (zh) * | 2019-12-23 | 2020-04-10 | 上海西派埃智能化系统有限公司 | 一种应用于污水处理的水下监测系统 |
CN111302471A (zh) * | 2020-04-13 | 2020-06-19 | 生态环境部华南环境科学研究所 | 一种环境应急溶药除磷智能投加量方法及其一体化装置 |
CN113705898A (zh) * | 2021-08-30 | 2021-11-26 | 上海昊沧系统控制技术有限责任公司 | 自来水混凝剂加药量的预测方法及系统 |
CA3190398A1 (en) * | 2020-11-18 | 2022-05-27 | Matthew Gray | Process, system, and computer readable storage medium for determining optimal coagulant dosage |
CN114906913A (zh) * | 2022-05-31 | 2022-08-16 | 上海环保(集团)有限公司 | 一种基于智能学习的化学除磷精准加药系统及装置 |
CN115057578A (zh) * | 2022-04-21 | 2022-09-16 | 清能环境(北京)有限公司 | 一种污水处理深度脱氮除磷降悬浮物系统及调控方法 |
-
2022
- 2022-09-19 CN CN202211136335.7A patent/CN115385432A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110515411A (zh) * | 2019-09-05 | 2019-11-29 | 江苏环保产业技术研究院股份公司 | 一种水处理加药量控制方法及系统 |
CN110862188A (zh) * | 2019-11-01 | 2020-03-06 | 光大水务(深圳)有限公司 | 一种化学除磷精确加药系统及控制方法 |
CN110988290A (zh) * | 2019-12-23 | 2020-04-10 | 上海西派埃智能化系统有限公司 | 一种应用于污水处理的水下监测系统 |
CN111302471A (zh) * | 2020-04-13 | 2020-06-19 | 生态环境部华南环境科学研究所 | 一种环境应急溶药除磷智能投加量方法及其一体化装置 |
CA3190398A1 (en) * | 2020-11-18 | 2022-05-27 | Matthew Gray | Process, system, and computer readable storage medium for determining optimal coagulant dosage |
CN113705898A (zh) * | 2021-08-30 | 2021-11-26 | 上海昊沧系统控制技术有限责任公司 | 自来水混凝剂加药量的预测方法及系统 |
CN115057578A (zh) * | 2022-04-21 | 2022-09-16 | 清能环境(北京)有限公司 | 一种污水处理深度脱氮除磷降悬浮物系统及调控方法 |
CN114906913A (zh) * | 2022-05-31 | 2022-08-16 | 上海环保(集团)有限公司 | 一种基于智能学习的化学除磷精准加药系统及装置 |
Non-Patent Citations (1)
Title |
---|
沈彦: ""基于智能算法的化学除磷加药系统设计"", 《集成电路应用》, vol. 39, no. 7, pages 28 - 31 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101825870B (zh) | 一种控制水处理絮凝剂投放量的方法及系统 | |
US9747544B2 (en) | Method and system for wastewater treatment based on dissolved oxygen control by fuzzy neural network | |
CN110515411B (zh) | 一种水处理加药量控制方法及系统 | |
CN102385315B (zh) | 水厂智能混凝投药控制系统及其控制方法 | |
CN112782975A (zh) | 一种基于深度学习的污水处理曝气智能控制方法及系统 | |
JP2007061800A (ja) | 水処理プラントに適用する凝集剤注入制御装置 | |
Vlad et al. | Indirect control of substrate concentration for a wastewater treatment process by dissolved oxygen tracking | |
CN112132700A (zh) | 用于调控水质的配方决策方法 | |
CN115793471A (zh) | 一种基于污水处理监测的可调式控制方法及系统 | |
JP6655975B2 (ja) | 曝気制御装置及び曝気制御方法 | |
CN114380378A (zh) | 智能控磷药品投加方法、装置及存储介质 | |
US7005073B2 (en) | Residual wastewater chlorine concentration control using a dynamic weir | |
CN115385432A (zh) | 一种污水除磷的方法及系统 | |
CN106054951A (zh) | 一种溶解氧浓度的控制方法和系统 | |
KR100573189B1 (ko) | 신경망 2자 유도 PID 제어기의 튜닝방법을 이용한정수처리 시스템의 pH 제어 방법 및 그 장치 | |
JP7052399B2 (ja) | 水処理施設の運転支援装置及び運転支援方法 | |
CN207699239U (zh) | 一种用于水处理的粉末活性炭加药自动控制系统 | |
CN114997064A (zh) | 用于高毒污水加药处理的智能控制模型及其算法 | |
CN110671340B (zh) | 一种单级全调节泵站的流量自适应调节方法 | |
JP2010088988A (ja) | 曝気槽制御方法および装置 | |
JPH05309376A (ja) | 液体中和装置 | |
JPH06335694A (ja) | 排水の生物学的処理装置の制御装置 | |
JPH03165892A (ja) | 浄水場の前塩素注入制御装置 | |
JPH07106357B2 (ja) | 水処理装置 | |
JP4249505B2 (ja) | 浄水場におけるpH制御装置 |
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 |