CN115487589B - 一种水厂滤池自动过滤控制管理系统 - Google Patents
一种水厂滤池自动过滤控制管理系统 Download PDFInfo
- Publication number
- CN115487589B CN115487589B CN202211390729.5A CN202211390729A CN115487589B CN 115487589 B CN115487589 B CN 115487589B CN 202211390729 A CN202211390729 A CN 202211390729A CN 115487589 B CN115487589 B CN 115487589B
- Authority
- CN
- China
- Prior art keywords
- water
- quality coefficient
- filtering
- filter
- module
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 178
- 238000001914 filtration Methods 0.000 title claims abstract description 134
- 239000007788 liquid Substances 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 239000012629 purifying agent Substances 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 11
- 238000000746 purification Methods 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 abstract 2
- 238000000034 method Methods 0.000 description 5
- 239000003651 drinking water Substances 0.000 description 3
- 235000020188 drinking water Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005189 flocculation Methods 0.000 description 1
- 230000016615 flocculation Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D35/00—Filtering devices having features not specifically covered by groups B01D24/00 - B01D33/00, or for applications not specifically covered by groups B01D24/00 - B01D33/00; Auxiliary devices for filtration; Filter housing constructions
- B01D35/14—Safety devices specially adapted for filtration; Devices for indicating clogging
- B01D35/143—Filter condition indicators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D35/00—Filtering devices having features not specifically covered by groups B01D24/00 - B01D33/00, or for applications not specifically covered by groups B01D24/00 - B01D33/00; Auxiliary devices for filtration; Filter housing constructions
- B01D35/14—Safety devices specially adapted for filtration; Devices for indicating clogging
- B01D35/143—Filter condition indicators
- B01D35/1435—Filter condition indicators with alarm means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
-
- 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
本发明公开了一种水厂滤池自动过滤控制管理系统,涉及水处理技术领域,包括参数监测模块、参数分析模块以及损耗监测模块;参数监测模块用于实时采集滤池的运行参数数据,并将采集到的运行参数数据代入滤速参照模型进行分析匹配,得到滤池的滤速计算值;控制器用于控制滤池过滤模块以对应滤速计算值进行过滤工作,并按照液位调节范围调节滤池的液面高度;然后将产水品质系数Pzt最大值所对应的液面高度标记为优化液位,并将优化液位反馈至数据库,提高滤速控制精度,从而提高过滤效果;损耗监测模块用于监测进水水质系数以及滤后水的水质系数并对净水剂进行过滤损耗分析,以提醒管理人员及时添加净水剂,提高过滤效果,保证出水安全。
Description
技术领域
本发明涉及水处理技术领域,具体是一种水厂滤池自动过滤控制管理系统。
背景技术
地表水常规净水工艺主要包括四个处理单元:混凝(混合+絮凝)、沉淀、过滤和消毒;其中过滤是饮用水处理工艺的核心单元,是饮用水处理多重保障机制颗粒物去除的最终环节;因此水厂出厂水质很大程度上取决于滤池运行的效果。
滤速是滤池重要的运行参数,滤速过高会导致滤后水中杂质颗粒增多,水头损失增长过快,过滤周期缩短;滤速的降低有利于降低滤后水浊度,延长过滤周期,但会导致产水能力减少;所以合适的滤速对滤池运行非常重要;现有的滤池过滤控制系统可以通过调节清水阀的开度,以确保滤池液位的基本恒定;但是目前大多数场合没有充分发挥滤池滤速可调的特性,降低水处理效率,同时无法根据水质和过滤效果来判断净水剂的损耗,从而实现净水剂的自控调制和补给;基于以上不足,本发明提出一种水厂滤池自动过滤控制管理系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出一种水厂滤池自动过滤控制管理系统。
为实现上述目的,根据本发明的第一方面的实施例提出一种水厂滤池自动过滤控制管理系统,包括数据获取模块、数据审核模块、模型创建模块、参数监测模块以及损耗监测模块;
所述数据获取模块用于获取原始过滤数据;所述数据审核模块对获取的原始过滤数据进行审核后,将审核通过的原始过滤数据转化为显性过滤数据存储在数据库中;其中,所述原始过滤数据包括滤池的滤速、潜在关联运行参数数据以及最终得到的产水品质系数Pz;
所述模型创建模块用于基于AI深度学习识别算法分析得到滤池的滤速参照模型,其中所述模型创建模块分析的数据来源为数据库中存储的数据;具体分析步骤为:
将从数据库获取的显性过滤数据作为参数训练集,建立误差逆向传播神经网络模型;误差逆向传播神经网络模型至少包括一层隐含层;
将参数训练集按照设定比例划分为训练集、测试集和校验集;通过训练集、测试集和校验集对误差逆向传播神经网络进行训练、测试和校验,将完成训练的误差逆向传播神经网络标记为滤速参照模型;
所述参数监测模块用于实时采集滤池的运行参数数据,并将采集到的运行参数数据传输至参数分析模块进行分析,所述参数分析模块用于将接收到的运行参数数据代入滤速参照模型进行分析匹配,得到滤池的滤速计算值,并将滤速计算值传输至控制器;所述控制器接收到滤速计算值后,控制滤池过滤模块以对应滤速计算值进行过滤工作,并按照液位调节范围调节滤池的液面高度;
所述损耗监测模块用于监测进水水质系数以及滤后水的水质系数并对净水剂进行过滤损耗分析;若过滤损耗系数SH大于预设损耗阈值,则表明净水剂的过滤损耗异常,生成损耗异常信号,以提醒管理人员添加净水剂。
进一步地,所述损耗监测模块的具体分析步骤为:
获取进水水质系数为JZ1,获取滤后水的水质系数为JZ2,获取滤池的实时液位为L1、实时滤速为V1;利用公式GV=(L1×g1+V1×g2)/(JZ2-JZ1)×g3计算得到滤池的过滤值GV,其中g1、g2、g3均为系数因子;
建立过滤值GV随时间变化的曲线图;将过滤值GV与预设过滤阈值相比较;若GV≥预设过滤阈值,则在对应的曲线图中截取对应的曲线段进行标注,记为损耗曲线段;在预设时间段内,统计损耗曲线段的数量为C1;
将所有损耗曲线段上对应过滤值GV与预设过滤阈值的差值对时间进行积分得到损耗参考面积M1;利用公式SH=C1×a3+M1×a4计算得到过滤损耗系数SH,其中a3、a4均为系数因子。
进一步地,所述损耗监测模块用于将损耗异常信号反馈至控制器;所述控制器接收到损耗异常信号后控制报警模块发出警报。
进一步地,所述数据获取模块的具体获取步骤为:
首先获取控制系统中所有滤池的滤速,并分析挖掘所有滤池的潜在关联运行参数数据,所述潜在关联运行参数数据表现为滤池以该滤速工作时的液面高度、进水水质系数以及各项环境参数;其中各项环境参数包括水温、气压以及湿度;
然后将最终得到的产水品质系数Pz反馈至数据获取模块;其中,水质系数在进行计算时,从多个维度进行计算,包括水浊度、PH值、溶解氧浓度以及硫化物浓度,综合得出水体的水质系数。
进一步地,其中,数据审核模块设定有水质系数阈值以及品质系数阈值,当滤后水的水质系数小于水质系数阈值或者产水品质系数Pz小于品质系数阈值时,对应的原始过滤数据不做参考。
进一步地,其中产水品质系数Pz的具体计算方法为:
获取出水水质系数为Z1,将单位时间产水量标记为SL;利用公式Pz=Z1×a1+SL×a2计算得到产水品质系数Pz,其中a1、a2为系数因子。
进一步地,其中液位调节范围的来源为数据库,即在相应的滤速条件下,对应的液面高度范围。
进一步地,所述滤池过滤模块还用于采集滤后水的水质系数和产水品质系数,并依次标记为Zt、Pzt;当水质系数Zt超过水质系数阈值且产水品质系数Pzt超过品质系数阈值预设比例时,所述滤池过滤模块用于产水品质系数Pzt最大值所对应的液面高度标记为优化液位,并将优化液位发送至数据库进行存储;其中预设比例范围是50%-80%。
与现有技术相比,本发明的有益效果是:
1、本发明中所述模型创建模块用于基于AI深度学习识别算法分析得到滤池的滤速参照模型,其中所述模型创建模块分析的数据来源为数据库中存储的数据;所述参数监测模块用于实时采集滤池的运行参数数据,并将采集到的运行参数数据传输至参数分析模块进行分析,以便于分析得出滤池的最佳滤速;所述控制器接收到滤速计算值后,控制滤池过滤模块以对应滤速计算值进行过滤工作,并按照液位调节范围调节滤池的液面高度;当水质系数Zt超过水质系数阈值且产水品质系数Pzt超过品质系数阈值预设比例时,所述滤池过滤模块用于产水品质系数Pzt最大值所对应的液面高度标记为优化液位,并将优化液位发送至数据库进行存储;提高滤速控制精度,从而提高过滤效果;
2、本发明所述损耗监测模块用于监测进水水质系数以及滤后水的水质系数并对净水剂进行过滤损耗分析;结合进水水质系数、滤后水的水质系数、实时液位以及实时滤速,计算得到滤池的过滤值GV,根据过滤值GV的时空变化情况对过滤损耗系数SH进行评估;若SH大于预设损耗阈值,则表明净水剂的过滤损耗异常,生成损耗异常信号;以提醒管理人员添加净水剂;提高过滤效果,保证出水安全。
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,下面将对实施例或现有技术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的附图。
图1为本发明一种水厂滤池自动过滤控制管理系统的系统框图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
如图1所示,一种水厂滤池自动过滤控制管理系统,包括数据获取模块、数据审核模块、数据库、模型创建模块、参数监测模块、参数分析模块、控制器、滤池过滤模块、损耗监测模块以及报警模块;
数据获取模块用于获取原始过滤数据;具体获取步骤为:
首先获取控制系统中所有滤池的滤速,并分析挖掘所有滤池的潜在关联运行参数数据,潜在关联运行参数数据表现为滤池以该滤速工作时的液面高度、进水水质系数以及各项环境参数;其中各项环境参数包括水温、气压、湿度等;
然后将最终得到的产水品质系数Pz反馈至数据获取模块;其中水质系数在进行计算时,从多个维度进行计算,包括水浊度、PH值、溶解氧浓度、硫化物浓度等,综合得出水体的水质系数;其中,水质系数越高,则代表水质越好;
其中产水品质系数Pz的具体计算方法为:
获取出水水质系数为Z1,将单位时间产水量标记为SL;利用公式Pz=Z1×a1+SL×a2计算得到产水品质系数Pz,其中a1、a2为系数因子;
数据审核模块对获取的原始过滤数据进行审核后,将审核通过的原始过滤数据转化为显性过滤数据存储在数据库中,数据库包括若干条显性过滤数据,显性过滤数据包括过滤过程中的滤池滤速、液面高度、进水水质系数、各项环境参数以及产水品质系数Pz;
其中,对于周期时间内的滤后水并不是所有的都是合格的,为此,数据审核模块设定有水质系数阈值以及品质系数阈值,当滤后水的水质系数小于水质系数阈值或者产水品质系数Pz小于品质系数阈值时,对应的原始过滤数据不做参考;
模型创建模块用于基于AI深度学习识别算法分析得到滤池的滤速参照模型,其中模型创建模块分析的数据来源为数据库中存储的数据;具体分析步骤为:
将从数据库获取的显性过滤数据作为参数训练集,建立误差逆向传播神经网络模型;误差逆向传播神经网络模型至少包括一层隐含层;
将参数训练集按照设定比例划分为训练集、测试集和校验集;通过训练集、测试集和校验集对误差逆向传播神经网络进行训练、测试和校验,将完成训练的误差逆向传播神经网络标记为滤速参照模型;
参数监测模块用于实时采集滤池的运行参数数据,并将采集到的运行参数数据传输至参数分析模块进行分析,以便于分析得出滤池的最佳滤速;运行参数数据包括液面高度、进水水质系数以及各项环境参数;具体为:
将采集的液面高度、进水水质系数以及各项环境参数代入滤速参照模型进行分析匹配,得到滤池的滤速计算值;
参数分析模块用于将滤速计算值传输至控制器;控制器接收到滤速计算值后,控制滤池过滤模块以对应滤速计算值进行过滤工作,并按照液位调节范围调节滤池的液面高度;其中液位调节范围的来源为数据库,即在相应的滤速条件下,对应的液面高度范围;
滤池过滤模块还用于采集滤后水的水质系数和产水品质系数,并依次标记为Zt、Pzt;当水质系数Zt超过水质系数阈值且产水品质系数Pzt超过品质系数阈值预设比例时,滤池过滤模块用于产水品质系数Pzt最大值所对应的液面高度标记为优化液位,并将优化液位发送至数据库进行存储;其中预设比例范围是50%-80%;
在本实施例中,滤池过滤模块用于实现饮用水的处理工艺,滤池过滤模块中需要不定时添加净水剂,以保持滤池的过滤效果;损耗监测模块用于监测进水水质系数以及滤后水的水质系数并对净水剂进行过滤损耗分析;当净水剂损耗异常时,及时预警,以提醒管理人员及时添加净水剂,提高过滤效果,保证出水安全;
损耗监测模块的具体分析步骤为:
获取进水水质系数为JZ1,获取滤后水的水质系数为JZ2,获取滤池的实时液位为L1、实时滤速为V1;利用公式GV=(L1×g1+V1×g2)/(JZ2-JZ1)×g3计算得到滤池的过滤值GV,其中g1、g2、g3均为系数因子;其中过滤值GV越小,则表明过滤效果越好;
建立过滤值GV随时间变化的曲线图;将过滤值GV与预设过滤阈值相比较;若GV≥预设过滤阈值,则在对应的曲线图中截取对应的曲线段进行标注,记为损耗曲线段;
在预设时间段内,统计损耗曲线段的数量为C1,将所有损耗曲线段上对应过滤值GV与预设过滤阈值的差值对时间进行积分得到损耗参考面积M1;利用公式SH=C1×a3+M1×a4计算得到过滤损耗系数SH,其中a3、a4均为系数因子;将过滤损耗系数SH与预设损耗阈值相比较;
若SH大于预设损耗阈值,则表明净水剂的过滤损耗异常,生成损耗异常信号;损耗监测模块用于将损耗异常信号反馈至控制器;控制器接收到损耗异常信号后控制报警模块发出警报,以提醒管理人员添加净水剂。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理:
一种水厂滤池自动过滤控制管理系统,在工作时,模型创建模块用于基于AI深度学习识别算法分析得到滤池的滤速参照模型,其中模型创建模块分析的数据来源为数据库中存储的数据;参数监测模块用于实时采集滤池的运行参数数据,并将采集到的运行参数数据传输至参数分析模块进行分析,以便于分析得出滤池的最佳滤速;控制器接收到滤速计算值后,控制滤池过滤模块以对应滤速计算值进行过滤工作,并按照液位调节范围调节滤池的液面高度;当水质系数Zt超过水质系数阈值且产水品质系数Pzt超过品质系数阈值预设比例时,滤池过滤模块用于产水品质系数Pzt最大值所对应的液面高度标记为优化液位,并将优化液位发送至数据库进行存储;提高滤速控制精度,从而提高过滤效果;
损耗监测模块用于监测进水水质系数以及滤后水的水质系数并对净水剂进行过滤损耗分析;结合进水水质系数、滤后水的水质系数、实时液位以及实时滤速,计算得到滤池的过滤值GV,根据过滤值GV的时空变化情况对过滤损耗系数SH进行评估;若SH大于预设损耗阈值,则表明净水剂的过滤损耗异常,生成损耗异常信号;以提醒管理人员添加净水剂;提高过滤效果,保证出水安全。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中;在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例;而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明;优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式;显然,根据本说明书的内容,可作很多的修改和变;本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明;本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (1)
1.一种水厂滤池自动过滤控制管理系统,其特征在于,包括数据获取模块、数据审核模块、模型创建模块、参数监测模块以及损耗监测模块;
所述数据获取模块用于获取原始过滤数据,具体获取步骤为:
首先获取控制系统中所有滤池的滤速,并分析挖掘所有滤池的潜在关联运行参数数据,所述潜在关联运行参数数据表现为滤池以该滤速工作时的液面高度、进水水质系数以及各项环境参数;其中各项环境参数包括水温、气压以及湿度;
然后将最终得到的产水品质系数Pz反馈至数据获取模块;其中,水质系数在进行计算时,从多个维度进行计算,包括水浊度、PH值、溶解氧浓度以及硫化物浓度,综合得出水体的水质系数;
所述数据审核模块对获取的原始过滤数据进行审核后,将审核通过的原始过滤数据转化为显性过滤数据存储在数据库中;其中,所述原始过滤数据包括滤池的滤速、潜在关联运行参数数据以及最终得到的产水品质系数Pz;
其中,数据审核模块设定有水质系数阈值以及品质系数阈值,当滤后水的水质系数小于水质系数阈值或者产水品质系数Pz小于品质系数阈值时,对应的原始过滤数据不做参考;
其中产水品质系数Pz的具体计算方法为:
获取出水水质系数为Z1,将单位时间产水量标记为SL;利用公式Pz=Z1×a1+SL×a2计算得到产水品质系数Pz,其中a1、a2为系数因子;
所述模型创建模块用于基于AI深度学习识别算法分析得到滤池的滤速参照模型,其中所述模型创建模块分析的数据来源为数据库中存储的数据;具体分析步骤为:
将从数据库获取的显性过滤数据作为参数训练集,建立误差逆向传播神经网络模型;误差逆向传播神经网络模型至少包括一层隐含层;
将参数训练集按照设定比例划分为训练集、测试集和校验集;
通过训练集、测试集和校验集对误差逆向传播神经网络进行训练、测试和校验,将完成训练的误差逆向传播神经网络标记为滤速参照模型;
所述参数监测模块用于实时采集滤池的运行参数数据,并将采集到的运行参数数据传输至参数分析模块进行分析,所述参数分析模块用于将接收到的运行参数数据代入滤速参照模型进行分析匹配,得到滤池的滤速计算值,并将滤速计算值传输至控制器;所述控制器接收到滤速计算值后,控制滤池过滤模块以对应滤速计算值进行过滤工作,并按照液位调节范围调节滤池的液面高度;
其中液位调节范围的来源为数据库,即在相应的滤速条件下,对应的液面高度范围;所述滤池过滤模块还用于采集滤后水的水质系数和产水品质系数,并依次标记为Zt、Pzt;当水质系数Zt超过水质系数阈值且产水品质系数Pzt超过品质系数阈值预设比例时,所述滤池过滤模块用于产水品质系数Pzt最大值所对应的液面高度标记为优化液位,并将优化液位发送至数据库进行存储;其中预设比例范围是50%-80%;
所述损耗监测模块用于监测进水水质系数以及滤后水的水质系数并对净水剂进行过滤损耗分析;具体分析步骤为:
获取进水水质系数为JZ1,获取滤后水的水质系数为JZ2,获取滤池的实时液位为L1、实时滤速为V1;利用公式GV=(L1×g1+V1×g2)/(JZ2-JZ1)×g3计算得到滤池的过滤值GV,其中g1、g2、g3均为系数因子;
建立过滤值GV随时间变化的曲线图;将过滤值GV与预设过滤阈值相比较;若GV≥预设过滤阈值,则在对应的曲线图中截取对应的曲线段进行标注,记为损耗曲线段;在预设时间段内,统计损耗曲线段的数量为C1;
将所有损耗曲线段上对应过滤值GV与预设过滤阈值的差值对时间进行积分得到损耗参考面积M1;利用公式SH=C1×a3+M1×a4计算得到过滤损耗系数SH,其中a3、a4均为系数因子;
若过滤损耗系数SH大于预设损耗阈值,则表明净水剂的过滤损耗异常,生成损耗异常信号;所述损耗监测模块用于将损耗异常信号反馈至控制器;所述控制器接收到损耗异常信号后控制报警模块发出警报,以提醒管理人员添加净水剂。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211390729.5A CN115487589B (zh) | 2022-11-08 | 2022-11-08 | 一种水厂滤池自动过滤控制管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211390729.5A CN115487589B (zh) | 2022-11-08 | 2022-11-08 | 一种水厂滤池自动过滤控制管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115487589A CN115487589A (zh) | 2022-12-20 |
CN115487589B true CN115487589B (zh) | 2023-03-24 |
Family
ID=85115799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211390729.5A Active CN115487589B (zh) | 2022-11-08 | 2022-11-08 | 一种水厂滤池自动过滤控制管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115487589B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542158A (zh) * | 2023-05-16 | 2023-08-04 | 安徽冠臻环保科技有限公司 | 一种基于神经网络的dtro膜渗透通量控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1102137A (zh) * | 1993-10-29 | 1995-05-03 | 胥津生 | 变速过滤滤池自动控制系统 |
TWI607191B (zh) * | 2014-08-15 | 2017-12-01 | 台達電子工業股份有限公司 | 具濾網髒污偵測功能的換氣設備及其偵測方法 |
CN112783080A (zh) * | 2020-12-30 | 2021-05-11 | 上海远动科技有限公司 | 一种水厂深度处理自动控制方法 |
CN112907305B (zh) * | 2021-04-13 | 2021-11-23 | 长沙银行股份有限公司 | 基于大数据分析的客户全周期管理系统 |
CN114493368A (zh) * | 2022-03-15 | 2022-05-13 | 中大检测(湖南)股份有限公司 | 一种应用于环境工程的智慧监测灯杆控制系统及方法 |
-
2022
- 2022-11-08 CN CN202211390729.5A patent/CN115487589B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115487589A (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115487589B (zh) | 一种水厂滤池自动过滤控制管理系统 | |
CN112394152A (zh) | 一种基于大数据的水质实时智能监测分析管理系统 | |
CN109052633B (zh) | 智慧型污水处理无级调控系统 | |
CN111966053A (zh) | 一种智能絮凝剂决策系统 | |
WO2022142954A1 (zh) | 一种智慧化海上平台生活污水处理系统 | |
CN101944275B (zh) | 中空纤维设备的膜污染诊断与预警决策方法 | |
KR20110068817A (ko) | 수처리 시스템에서의 막오염 예측을 이용한 막오염 예측 및 완화 세정 방법 및 시스템 | |
CN115829420B (zh) | 浅水湖泊稳态转换阈值的判定方法 | |
CN101713992A (zh) | 一种污水处理中的远程自动控制方法 | |
CN110469496A (zh) | 一种水泵智能预警方法及系统 | |
CN114781249A (zh) | 基于多维评分模型的高密度澄清池加药量预测及控制方法 | |
EP1825904B1 (en) | Method of estimating stable membrane filtration flux | |
CN116523174A (zh) | 基于自组织神经网络的污水处理厂工况评估方法及系统 | |
CN110655229A (zh) | 一种对净水厂产能进行模拟校正的系统 | |
CN114693493B (zh) | 一种基于IoT的污染河流水生态修复系统 | |
CN116263850A (zh) | 结合离线模拟数据的在线污水水质预警方法 | |
CN114819376A (zh) | 一种沉淀池泥量预测系统及方法 | |
CN116542158A (zh) | 一种基于神经网络的dtro膜渗透通量控制方法 | |
CN117379978B (zh) | 超滤膜池运行方法及装置、电子设备、可读存储介质 | |
CN116562580B (zh) | 碳酸锂生产车间的废水废气处理系统及方法 | |
CN113984124B (zh) | 一种介质过滤器检测方法、系统、介质及电子终端 | |
JP2010234174A (ja) | 逆洗の判定方法、その方法に使用する装置、プログラム、および記録媒体 | |
CN216901415U (zh) | 一种实用的污水处理厂用plc自控系统 | |
CN116187061A (zh) | 一种v型滤池反冲方法、系统及设备 | |
CN115994692B (zh) | 基于5g和大数据的智慧河湖管理平台 |
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 |