CN115504557B - 应用于沉淀池的自动排泥方法 - Google Patents

应用于沉淀池的自动排泥方法 Download PDF

Info

Publication number
CN115504557B
CN115504557B CN202211310106.2A CN202211310106A CN115504557B CN 115504557 B CN115504557 B CN 115504557B CN 202211310106 A CN202211310106 A CN 202211310106A CN 115504557 B CN115504557 B CN 115504557B
Authority
CN
China
Prior art keywords
sludge
sedimentation tank
mud
turbidity
discharge
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
CN202211310106.2A
Other languages
English (en)
Other versions
CN115504557A (zh
Inventor
郑界
李翠
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.)
CISDI Research and Development Co Ltd
Original Assignee
CISDI Research and Development 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 CISDI Research and Development Co Ltd filed Critical CISDI Research and Development Co Ltd
Priority to CN202211310106.2A priority Critical patent/CN115504557B/zh
Publication of CN115504557A publication Critical patent/CN115504557A/zh
Application granted granted Critical
Publication of CN115504557B publication Critical patent/CN115504557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D21/00—Separation of suspended solid particles from liquids by sedimentation
    • B01D21/24—Feed or discharge mechanisms for settling tanks
    • B01D21/245—Discharge mechanisms for the sediments
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D21/00—Separation of suspended solid particles from liquids by sedimentation
    • B01D21/30—Control equipment
    • 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
    • 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
    • C02F1/5209—Regulation methods for flocculation or precipitation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W10/00—Technologies for wastewater treatment
    • Y02W10/10—Biological treatment of water, waste water, or sewage

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Organic Chemistry (AREA)
  • Hydrology & Water Resources (AREA)
  • Water Supply & Treatment (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Separation Of Suspended Particles By Flocculating Agents (AREA)

Abstract

本发明公开了一种应用于沉淀池的自动排泥方法，包括：S1.构建以沉淀池出水浊度为输出的智能加药模型；S2.构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型；S3.利用污泥积累分布规律模型预测目标区域的污泥分布浓度预测值，并利用智能加药模型预测目标区域的出水浊度预测值，若污泥分布浓度预测值大于污泥浓度报警值或出水浊度预测值大于出水浊度报警值或排泥周期大于排泥周期报警值，则对沉淀池进行自动排泥。本发明能够实现精准排泥，改善了排泥效果，减少了半成品水的浪费。

Description

应用于沉淀池的自动排泥方法
技术领域
本发明涉及排泥处理领域，具体涉及一种应用于沉淀池的自动排泥方法。
背景技术
若污泥淤积在沉淀池内，严重时将危及到水厂的安全运行。目前我国沉淀池排泥技术主要是机械排泥，大多数机械排泥仅通过简单的PLC程序控制，不能根据来水水质的波动和污泥量生产的变化进行自动调整排泥策略。而来水水质变化将影响混凝絮凝工艺段药剂投加量，从而影响后续沉淀池的污泥产生量。
现有的借助机器学习算法进行排泥的方法，未能与智能加药系统实现协同控制，没有考虑智能加药对后续排泥的影响；同时，现有的排泥方法在排泥过程中，由于没有进行精准判断，导致大量半成品水的浪费。
因此，需要一种应用于沉淀池的自动排泥方法，能够解决以上问题。
发明内容
有鉴于此，本发明的目的是克服现有技术中的缺陷，提供应用于沉淀池的自动排泥方法，能够实现精准排泥，改善了排泥效果，减少了半成品水的浪费。
本发明的应用于沉淀池的自动排泥方法，包括如下步骤：
S1.构建以沉淀池出水浊度为输出的智能加药模型；
S2.构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型；
S3.利用污泥积累分布规律模型预测目标区域的污泥分布浓度预测值，并利用智能加药模型预测目标区域的出水浊度预测值，若污泥分布浓度预测值大于污泥浓度报警值或出水浊度预测值大于出水浊度报警值或排泥周期大于排泥周期报警值，则对沉淀池进行自动排泥。
进一步，构建以沉淀池出水浊度为输出的智能加药模型，具体包括：
以水质参数、加药参数以及排泥参数为输入，以沉淀池出水浊度为输出，通过机器学习算法，构建智能加药模型；其中，所述水质参数包括进水浊度、进水电导率、进水pH以及进水温度；所述加药参数包括混凝剂加药量以及絮凝剂加药量；所述排泥参数包括排泥周期以及排泥流量。
进一步，构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型，具体包括：
以进水浊度、出水浊度、混凝剂加药量、絮凝剂加药量、排泥周期以及排泥流量为输入，以沉淀池污泥分布浓度为输出，通过机器学习算法，构建污泥积累分布规律模型。
进一步，对沉淀池进行自动排泥，具体包括：
按照排泥行进方向将沉淀池划分为同等长度的n段，并以50Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的30％及以上，则该段采用20Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的20％及以上且30％以下，则该段采用35Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的10％及以上且20％以下，则该段采用50Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的10％以下，则不吸泥且行进；
其中，在每段之间，设置休息时间为k小时；
当进行完最后一段的吸泥且休息完毕后，执行与所述行进方向相反的反向行进吸泥；所述反向行进吸泥的行进速度以及休息时间的设置原理与正向行进时一致；所述正向为所述行进方向。
进一步，还包括：S4.自动排泥结束后：
若排泥浓度的平均值低于设定的污泥浓度报警值的10％，则排泥周期增加20％和排泥流量减少10％；
若排泥浓度的平均值高于设定的污泥浓度报警值，则排泥流量增加10％和排泥周期减少20％。
进一步，还包括：S5.将步骤S4中变化后的排泥周期与排泥流量作为新的排泥周期与排泥流量，并将新的排泥周期与排泥流量作为输入参数，对智能加药模型以及污泥积累分布规律模型进行更新。
进一步，步骤S3中，还包括：若实际检测的出水浊度大于出水浊度报警值，则对沉淀池进行自动排泥。
本发明的有益效果是：本发明公开的一种应用于沉淀池的自动排泥方法，通过根据混凝絮凝工艺单元进水的浊度等水质参数以及其混凝剂絮凝剂的药剂投加量对平流沉淀池的污泥分布累计规律进行建模与机器学习，同时通过排泥的污泥浓度对模型进行矫正与自学习，从而提升污泥分布累积模型的可靠度；同时，构建排泥周期与排泥流量与药剂投加量、沉淀池出水水质的模型关系，以此来协同控制药剂投加量和排泥周期与排泥流量，实现精准排泥，减少半成品水的浪费，实现平流沉淀池出水水质的提升以及混凝絮凝工艺单元药剂量的节省，为下游的过滤单元提供稳定水质。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本发明的方法流程示意图。
具体实施方式
以下结合说明书附图对本发明做出进一步的说明，如图所示：
本发明的应用于沉淀池的自动排泥方法，包括如下步骤：
S1.构建以沉淀池出水浊度为输出的智能加药模型；
S2.构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型；
S3.利用污泥积累分布规律模型预测目标区域的污泥分布浓度预测值，并利用智能加药模型预测目标区域的出水浊度预测值，若污泥分布浓度预测值大于污泥浓度报警值或出水浊度预测值大于出水浊度报警值或排泥周期大于排泥周期报警值，则对沉淀池进行自动排泥。其中，污泥浓度报警值、出水浊度报警值以及排泥周期报警值均可根据实际工况进行设定。步骤S3中，还包括：若实际检测的出水浊度大于出水浊度报警值，则对沉淀池进行自动排泥。
本实施例中，步骤S1中，构建以沉淀池出水浊度为输出的智能加药模型，具体包括：
以水质参数、加药参数以及排泥参数为输入，以沉淀池出水浊度为输出，通过机器学习算法，构建智能加药模型；其中，所述沉淀池可以为平流沉淀池，平流沉淀池是设置在凝聚沉淀处理后的沉淀池；以现有的混凝絮凝工艺为参考，将进水浊度、进水电导率、进水pH以及进水温度作为水质参数；根据药剂投加经验，设置混凝剂加药量以及絮凝剂加药量，并将混凝剂加药量以及絮凝剂加药量作为加药参数；通过参考排泥经验，设置排泥周期以及排泥流量，并将排泥周期以及排泥流量作为排泥参数。
所述机器学习算法采用现有的监督学习算法或无监督学习算法或强化学习算法，在此不再赘述；将水质参数、加药参数以及排泥参数作为训练集，通过对机器模型进行训练，得到智能加药模型，使得智能加药模型能够输出沉淀池出水浊度预测值。
本实施例中，步骤S2中，构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型，具体包括：
以进水浊度、出水浊度、混凝剂加药量、絮凝剂加药量、排泥周期以及排泥流量为输入，以沉淀池污泥分布浓度为输出，通过机器学习算法，构建污泥积累分布规律模型。其中，所述出水浊度为实际检测得到的沉淀池出水浊度；混凝剂加药量以及絮凝剂加药量的设置、排泥周期以及排泥流量的设置与步骤S1中的设置原理相同，在此不再赘述。
所述机器学习算法采用现有的监督学习算法或无监督学习算法或强化学习算法，在此不再赘述；将进水浊度、出水浊度、混凝剂加药量、絮凝剂加药量、排泥周期以及排泥流量作为训练集，通过对机器模型进行训练，得到污泥积累分布规律模型，使得污泥积累分布规律模型能够输出沉淀池污泥分布浓度预测值。其中，所述污泥分布浓度包括目标区域内各段的污泥浓度信息。
本实施例中，步骤S3中，对沉淀池进行自动排泥，具体包括：
按照排泥行进方向将沉淀池划分为同等长度的n段，并以50Hz的行进速度进行吸泥；其中，所述n可取值为4；并采用现有的行车式吸泥机对沉淀池内的污泥进行吸泥并排出；默认状态下，行车式吸泥机全速行进的频率为50Hz；
若n段中某一段污泥量占总污泥量的30％及以上，则该段采用20Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的20％及以上且30％以下，则该段采用35Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的10％及以上且20％以下，则该段采用50Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的10％以下，则不吸泥且行进；
其中，在每段之间，设置休息时间为k小时；本实施例中，所述k可取值为2；
为了对沉淀池内的污泥进行彻底清理，并保证排泥效果，当进行完最后一段的吸泥且休息完毕后，执行与所述行进方向相反的反向行进吸泥；所述反向行进吸泥的行进速度以及休息时间的设置原理与正向行进时一致；所述正向为所述行进方向。
本实施例中，本发明的自动排泥方法还包括：S4.自动排泥结束后：
若排泥浓度的平均值低于设定的污泥浓度报警值的10％，则排泥周期增加20％和排泥流量减少10％；当满足上述条件时，表明排出的污泥量少了，则通过延长排泥周期，那么累计排出的污泥量就会变多，从而减少排泥次数；同时，当满足上述条件时，也表明排出的污泥中水多了，则通过减少排泥流量，进而减少水分的排出。
若排泥浓度的平均值高于设定的污泥浓度报警值，则排泥流量增加10％和排泥周期减少20％。当满足上述条件时，一方面，表明排出的污泥量多了，则通过缩短排泥周期，降低一次排泥的累计排泥量，从而保证排泥设备的正常运行；另一方面，也表明排出的污泥中水并不多，则通过增加排泥流量，在保证不会排出大量水的基础上，尽可能地排出更多的污泥。
其中，所述排泥浓度的平均值为排泥检测总量除以排泥总时间；所述排泥检测总量可通过污泥浓度计进行检测。
本实施例中，本发明的自动排泥方法还包括：
S5.将步骤S4中变化后的排泥周期与排泥流量作为新的排泥周期与排泥流量，并将新的排泥周期与排泥流量作为输入参数，对智能加药模型以及污泥积累分布规律模型进行更新。
通过在步骤S4中，对排泥周期与排泥流量进行优化调整，从而得到更新后的排泥周期与排泥流量；将更新后的排泥周期与排泥流量替换掉原先的排泥周期与排泥流量，输入到智能加药模型以及污泥积累分布规律模型中，通过对智能加药模型以及污泥积累分布规律模型进行更新训练，可以得到优化后的智能加药模型以及污泥积累分布规律模型。从而可以利用优化后的智能加药模型以及污泥积累分布规律模型为下一轮的自动排泥提供更精确、更可靠的技术支持。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种应用于沉淀池的自动排泥方法，其特征在于：包括如下步骤：
S1.构建以沉淀池出水浊度为输出的智能加药模型，具体包括：
以水质参数、加药参数以及排泥参数为输入，以沉淀池出水浊度为输出，通过机器学习算法，构建智能加药模型；其中，所述水质参数包括进水浊度、进水电导率、进水pH以及进水温度；所述加药参数包括混凝剂加药量以及絮凝剂加药量；所述排泥参数包括排泥周期以及排泥流量；
S2.构建以沉淀池污泥分布浓度为输出的污泥积累分布规律模型，具体包括：
以进水浊度、出水浊度、混凝剂加药量、絮凝剂加药量、排泥周期以及排泥流量为输入，以沉淀池污泥分布浓度为输出，通过机器学习算法，构建污泥积累分布规律模型；
S3.利用污泥积累分布规律模型预测目标区域的污泥分布浓度预测值，并利用智能加药模型预测目标区域的出水浊度预测值，若污泥分布浓度预测值大于污泥浓度报警值或出水浊度预测值大于出水浊度报警值或排泥周期大于排泥周期报警值，则对沉淀池进行自动排泥；
对沉淀池进行自动排泥，具体包括：
按照排泥行进方向将沉淀池划分为同等长度的n段，并以50Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的30%及以上，则该段采用20Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的20%及以上且30%以下，则该段采用35Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的10%及以上且20%以下，则该段采用50Hz的行进速度进行吸泥；
若n段中某一段污泥量占总污泥量的10%以下，则不吸泥且行进；
其中，在每段之间，设置休息时间为k小时；
当进行完最后一段的吸泥且休息完毕后，执行与所述行进方向相反的反向行进吸泥；所述反向行进吸泥的行进速度以及休息时间的设置原理与正向行进时一致；所述正向为所述行进方向。
2.根据权利要求1所述的应用于沉淀池的自动排泥方法，其特征在于：还包括：S4.自动排泥结束后：
若排泥浓度的平均值低于设定的污泥浓度报警值的10%，则排泥周期增加20%和排泥流量减少10%；
若排泥浓度的平均值高于设定的污泥浓度报警值，则排泥流量增加10%和排泥周期减少20%。
3.根据权利要求2所述的应用于沉淀池的自动排泥方法，其特征在于：还包括：S5.将步骤S4中变化后的排泥周期与排泥流量作为新的排泥周期与排泥流量，并将新的排泥周期与排泥流量作为输入参数，对智能加药模型以及污泥积累分布规律模型进行更新。
4.根据权利要求1所述的应用于沉淀池的自动排泥方法，其特征在于：步骤S3中，还包括：若实际检测的出水浊度大于出水浊度报警值，则对沉淀池进行自动排泥。
CN202211310106.2A 2022-10-25 2022-10-25 应用于沉淀池的自动排泥方法 Active CN115504557B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211310106.2A CN115504557B (zh) 2022-10-25 2022-10-25 应用于沉淀池的自动排泥方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211310106.2A CN115504557B (zh) 2022-10-25 2022-10-25 应用于沉淀池的自动排泥方法

Publications (2)

Publication Number Publication Date
CN115504557A CN115504557A (zh) 2022-12-23
CN115504557B true CN115504557B (zh) 2024-02-09

Family

ID=84511741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211310106.2A Active CN115504557B (zh) 2022-10-25 2022-10-25 应用于沉淀池的自动排泥方法

Country Status (1)

Country Link
CN (1) CN115504557B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115936269A (zh) * 2023-03-14 2023-04-07 北京埃睿迪硬科技有限公司 一种排泥量预测方法、装置及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01135599A (ja) * 1987-11-24 1989-05-29 Meidensha Corp 沈澱池の排泥制御装置
DE19621142A1 (de) * 1996-05-15 1997-11-20 Berliner Wasser Betriebe Verfahren und Vorrichtung zur Steuerung der Schlammentwässerung in Klärwerken
CN106745707A (zh) * 2016-12-30 2017-05-31 天津创业环保集团股份有限公司 一种污水处理污泥物料平衡的控制系统及控制方法
JP2019215743A (ja) * 2018-06-13 2019-12-19 水ｉｎｇ株式会社 データベースの製造方法、及び水処理または汚泥処理システム
CN111484198A (zh) * 2020-04-22 2020-08-04 江苏凯米膜科技股份有限公司 一种水质净化智慧除磷装置、控制系统及控制方法
CN111718028A (zh) * 2020-06-24 2020-09-29 南京邮电大学 一种基于大数据分析的净水厂混凝剂投加智能化建模方法
CN112099455A (zh) * 2020-09-30 2020-12-18 龙宽伟 一种水厂加药控制方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01135599A (ja) * 1987-11-24 1989-05-29 Meidensha Corp 沈澱池の排泥制御装置
DE19621142A1 (de) * 1996-05-15 1997-11-20 Berliner Wasser Betriebe Verfahren und Vorrichtung zur Steuerung der Schlammentwässerung in Klärwerken
CN106745707A (zh) * 2016-12-30 2017-05-31 天津创业环保集团股份有限公司 一种污水处理污泥物料平衡的控制系统及控制方法
JP2019215743A (ja) * 2018-06-13 2019-12-19 水ｉｎｇ株式会社 データベースの製造方法、及び水処理または汚泥処理システム
CN111484198A (zh) * 2020-04-22 2020-08-04 江苏凯米膜科技股份有限公司 一种水质净化智慧除磷装置、控制系统及控制方法
CN111718028A (zh) * 2020-06-24 2020-09-29 南京邮电大学 一种基于大数据分析的净水厂混凝剂投加智能化建模方法
CN112099455A (zh) * 2020-09-30 2020-12-18 龙宽伟 一种水厂加药控制方法及系统
WO2022068855A1 (zh) * 2020-09-30 2022-04-07 龙宽伟 一种水厂加药控制方法及系统、计算机可读存储介质

Also Published As

Publication number Publication date
CN115504557A (zh) 2022-12-23

Similar Documents

Publication Publication Date Title
CN102936089B (zh) 一种污泥深度脱水全过程自动控制系统及处理方法
CN115504557B (zh) 应用于沉淀池的自动排泥方法
CN111210152B (zh) 一种排水系统调度方法及装置
CN102366680B (zh) 一种海水混凝除浊系统
CN202054663U (zh) 污废水生物池溶解氧自动控制系统
CN104355477B (zh) 污水处理厂化学除磷自动控制装置及控制方法
CN205357487U (zh) 一种节能型水利灌溉系统
CN202898208U (zh) 一种污泥深度脱水全过程自动控制系统
CN103964604B (zh) 一种水处理系统
CN208823999U (zh) 斜管填料自动清洗装置
CN103941552A (zh) 一种显影液在线回收循环利用装置及其使用方法
CN202181232U (zh) 海水混凝除浊系统
CN115653065B (zh) 一种雨水收集回用系统及控制方法、集成控制箱
CN104524844B (zh) 用于滤池清洗的液位控制方法
CN204097287U (zh) 污水处理厂化学除磷自动控制装置
CN113591317B (zh) 一种水厂反应沉淀池精确排泥模型控制方法
CN113368553B (zh) 水处理装置控制系统及方法
CN101787722B (zh) 一种城市供水厂综合节水的控制方法
CN212292953U (zh) 一种高效的动力煤选煤厂煤泥水预处理系统
CN205653261U (zh) 污水处理一体化设备
CN114819376A (zh) 一种沉淀池泥量预测系统及方法
CN209475773U (zh) 一种鱼鳃式动态连续过滤沉砂池
CN210595405U (zh) 一种矿井废水井下处理自动加药系统
CN108009307A (zh) 污水处理厂管理经验传承方法
CN205328761U (zh) 一种洗车水处理系统

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