CN115684529B - 基于反馈调节的污水去污优化方法及装置 - Google Patents
基于反馈调节的污水去污优化方法及装置 Download PDFInfo
- Publication number
- CN115684529B CN115684529B CN202211373835.2A CN202211373835A CN115684529B CN 115684529 B CN115684529 B CN 115684529B CN 202211373835 A CN202211373835 A CN 202211373835A CN 115684529 B CN115684529 B CN 115684529B
- Authority
- CN
- China
- Prior art keywords
- sewage
- detection
- water quality
- detection scheme
- scheme
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 549
- 238000005202 decontamination Methods 0.000 title claims abstract description 82
- 230000003588 decontaminative effect Effects 0.000 title claims abstract description 79
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 336
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 204
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 145
- 231100000719 pollutant Toxicity 0.000 claims abstract description 145
- 238000004659 sterilization and disinfection Methods 0.000 claims abstract description 10
- 239000007787 solid Substances 0.000 claims description 53
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 42
- 229910052760 oxygen Inorganic materials 0.000 claims description 42
- 239000001301 oxygen Substances 0.000 claims description 42
- 239000000356 contaminant Substances 0.000 claims description 37
- 230000006870 function Effects 0.000 claims description 19
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 18
- 239000002351 wastewater Substances 0.000 claims description 16
- 239000002245 particle Substances 0.000 claims description 13
- 230000008030 elimination Effects 0.000 claims description 12
- 238000003379 elimination reaction Methods 0.000 claims description 12
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 229910052757 nitrogen Inorganic materials 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 229910002651 NO3 Inorganic materials 0.000 claims description 5
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 5
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 claims description 4
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000006396 nitration reaction Methods 0.000 claims description 4
- 229910017604 nitric acid Inorganic materials 0.000 claims description 4
- 230000035484 reaction time Effects 0.000 claims description 4
- 239000000725 suspension Substances 0.000 claims description 4
- 238000009960 carding Methods 0.000 claims description 3
- 230000009123 feedback regulation Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052729 chemical element Inorganic materials 0.000 description 1
- 238000005660 chlorination reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
- Apparatus For Disinfection Or Sterilisation (AREA)
Abstract
本发明涉及一种基于反馈调节的污水去污优化方法及装置，包括：分析污水源的第一水质污染物，根据第一水质污染物，建立污水源的第一污水检测方案，以对污水源进行栅格检测，得到一级检测污水；分析一级检测污水的第二水质污染物，根据第二水质污染物，生成一级检测污水的第二污水检测方案，根据预设的达标水质和第二污水检测方案计算第二污水检测方案中的优化对象；根据第二污水检测方案，对优化对象进行对象优化，得到被优化对象，根据第二污水检测方案和被优化对象，对一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源。本发明可以提高污水去污效果。
Description
技术领域
本发明涉及污水处理领域，尤其涉及一种基于反馈调节的污水去污优化方法、装置、设备以及介质。
背景技术
污水去污(sewage treatment,wastewatertreatment)：为使污水达到排入某一水体或再次使用的水质要求对其进行净化的过程。改善水质,节约水资源。通过污水去污，使水的污染程度大幅度下降,不论是排放还是回用,都可以达到标准,节省水资源的同时改善生态环境。
目前污水去污方法主要是通过物理化学反应对污水中的可生物降解的有机物进行吸附、分解和氧化，这种污水去污方法由于去污过程中污水流量、进水成份、污染物浓度等都被动接受，其化学反应具有不确定性、不稳定性和滞后特性，导致污水去污效果较差。
发明内容
为了解决上述问题，本发明提供了一种基于反馈调节的污水去污优化方法、装置、设备以及介质，可以提高用户画像分类的准确性。
第一方面，本发明提供了一种基于反馈调节的污水去污优化方法，包括：
获取污水源，分析所述污水源的第一水质污染物，根据所述第一水质污染物，建立所述污水源的第一污水检测方案，将所述所述第一污水检测方案上传至训练好的栅格检测模型中；
根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水；
分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象；
根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象，根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源。
在第一方面的一种可能实现方式中，所述分析所述污水源的第一水质污染物，包括：
通过预设的污水成分测量仪中测量模块测量所述污水源的污水成分数据；
通过所述污水成分测量仪中质量分析模块分析所述污水成分数据中每种成分的成分质量和污水质量；
根据所述成分质量和所述污水质量，通过所述污水成分测量仪中的浓度函数计算所述污水源的第一水质污染物；
其中，所述浓度函数包括：
其中，所述F(X)表示第一水质污染物，Ui表示污水成分数据中第i个成分的成分质量，Y表示污水质量。
在第一方面的一种可能实现方式中，所述根据所述第一水质污染物，建立所述污水源的第一污水检测方案，包括：
根据所述第一水质污染物，判断所述污水中需要去污的第一污染物质；
计算所述第一污染物质的固体污染物尺寸，根据固体污染物尺寸，选择所述污水源的栅格尺寸；
根据所述栅格尺寸，建立所述污水的所述第一污水检测方案。
在第一方面的一种可能实现方式中，所述根据固体污染物尺寸，选择所述污水源的栅格尺寸，包括：
利用下述公式选择所述污水源的栅格尺寸：
其中，X’表示栅格尺寸，t表示去除时间，X表示固体污染物尺寸的当前栅格大小，X_min表示固体污染物尺寸的栅格最小值，X_max表示固体污染物尺寸的栅格最大值，TSS表示污水源的第一污染物浓度。
在第一方面的一种可能实现方式中，所述根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象，包括：
分析所述第二污水检测方案中消除污染物所需的参数，所述参数包括：溶解氧和硝酸氮；
建立所述溶解氧和所述达标水质之间的第一回归曲线，及建立所述硝酸氮与所述达标水质之间的第二回归曲线；
整合所述第一回归曲线和所述第二回归曲线，得到最终回归曲线，根据所述最终回归曲线，识别所述第二污水检测方案中的所述优化对象。
在第一方面的一种可能实现方式中，所述建立所述溶解氧和所述达标水质之间的第一回归曲线，包括：
利用下述公式建立所述溶解氧和所述达标水质之间的第一回归曲线：
其中，F(x)表示第一回归曲线，T表示反应时间，So表示溶解氧浓度，Sno表示达标水质中的氧浓度。
在第一方面的一种可能实现方式中，所述通过根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，包括：
根据所述第二污水检测方案，建立对所述一级检测污水的污水检测环境，所述污水检测环境包括缺氧环境和好氧环境；
对所述一级检测污水的第二水质污染物在所述缺氧环境下进行反硝化反应，得到小颗粒有机物；
将所述一级检测污水的所述小颗粒有机物在所述好氧环境下进行硝化反应分解成亚硝酸盐和硝酸盐，得到所述二级检测污水。
第二方面，本发明提供了一种基于反馈调节的污水去污优化装置，所述装置包括：
第一污水检测方案建立模块，获取污水源，分析所述污水源的第一水质污染物，根据所述第一水质污染物，建立所述污水源的第一污水检测方案；
污水第一处理模块，根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水；
第二污水检测方案建立模块，分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象；
达标水源获取模块，根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象，根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源。
第三方面，本发明提供一种电子设备，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，以使所述至少一个处理器能够执行如上述第一方面中任意一项所述的基于反馈调节的污水去污优化方法。
第四方面，本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任意一项所述的基于反馈调节的污水去污优化方法。
与现有技术相比，本方案的技术原理及有益效果在于：
可以看出，本发明实施例通过获取污水源，分析所述污水源的第一水质污染物可以根据水质信息建立污水去污方案，提高污水去污效率，通过根据所述第一水质污染物，建立所述污水源的第一污水检测方案可以保证初步去污将较大体积的固体污染物剔除，在提高初步去污水质的同时，减少能耗。其次，本发明实施例通过在所述栅格检测模型中，根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数可以通过改变栅格污水检测参数从而提高污水固体污染物的去污效率，通过根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水可以初步去除体积较大的固体污染物和部分有机物，降低了接下来污水去污的能耗。进一步地，本发明实施例通过分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案通过一级去污后的污水在进行针对性去除有机物可以提高水质的同时减少能耗，最后，本发明实施例通过根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象可以通过对象优化进一步加快二级去污的反应效率从而提高水质。因此，本发明实施例提出的一种基于反馈调节的污水去污优化方法可以提高污水去污效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
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，对于本领域普通技术人员而言，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为本发明一实施例提供的一种基于反馈调节的污水去污优化方法的流程示意图；
图2为本发明一实施例中图1提供的一种基于反馈调节的污水去污优化方法的其中一个步骤的流程示意图；
图3为本发明一实施例中图1提供的一种基于反馈调节的污水去污优化方法的另外一个步骤的流程示意图；
图4为本发明一实施例提供的一种基于反馈调节的污水去污优化装置的模块示意图；
图5为本发明一实施例提供的实现基于反馈调节的污水去污优化方法的电子设备的内部结构示意图。
具体实施方式
应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种基于反馈调节的污水去污优化方法，所述基于反馈调节的污水去污优化方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述基于反馈调节的污水去污优化方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参阅图1所示，是本发明一实施例提供的基于反馈调节的污水去污优化方法的流程示意图。其中，图1中描述的基于反馈调节的污水去污优化方法包括：
S1、获取污水源，分析所述污水源的第一水质污染物，根据所述第一水质污染物，建立所述污水源的第一污水检测方案，将所述第一水质污染物和所述第一污水检测方案上传至训练好的栅格检测模型中。
本发明实施例通过获取污水源，分析所述污水源的第一水质污染物可以根据水质信息建立污水检测方案，提高污水去污效率。其中，所述污水源是指受一定污染的来自生活和生产的排出水，按污水来源分类，污水一般分为生产污水和生活污水。生产污水包括工业污水、农业污水以及医疗污水等，而生活污水就是日常生活产生的污水，是指各种形式的无机物和有机物的复杂混合物，包括：①漂浮和悬浮的大小固体颗粒；②胶状和凝胶状扩散物；③纯溶液。所述第一水质污染物是指所述污水源的水质信息，所述水质信息包括：出水氨氮浓度(SNtot)、出水总氮浓度(SNH)、固体悬浮物浓度(TSS)、生化需氧量浓度(BOD)、化学需氧量浓度(COD)等信息。
作为本发明的一个实施例，参阅图2所示，所述分析所述污水源的第一水质污染物，包括：
S201、通过预设的污水成分测量仪中测量模块测量所述污水源的污水成分数据；
S202、通过所述污水成分测量仪中质量分析模块分析所述污水成分数据中每种成分的成分质量和污水质量；
S203、根据所述成分质量和所述污水质量，通过所述污水成分测量仪中的浓度函数计算所述污水源的第一水质污染物。
其中，所述测量模块是指用来测量所述污水源中含有那些成分，所述污水成分数据包括：出水氨氮、出水总氮、固体悬浮物、生化需氧量、化学需氧量。所述质量分析模块是指分析出污水中各成分的成分质量和污水的质量，其中，所述成分质量包括：出水氨氮质量、出水总氮质量、固体悬浮物质量、生化需氧量质量、化学需氧量质量。
进一步地，本发明一可选实施例中，所述测量所述污水源的污水成分数据可以通过光谱测定法利用能量和物质之间相互作用作为波长的函数。不同的化学元素有其不同的发射线特征，通过分析光谱线来推断未知物体的化学成分来实现。
进一步地，本发明一可选实施例中，所述浓度函数包括：
其中，所述F(X)表示第一水质污染物，Ui表示污水成分数据中第i个成分的成分质量，Y表示污水质量。
本发明实施例通过根据所述第一水质污染物，建立所述污水源的第一污水检测方案可以保证初步检测出较大体积的固体污染物，在提高初步去污水质的同时，减少能耗。其中所述第一污水检测方案是指利用栅格过滤所述污水源污染物而制定的初步污水去污方案。
作为本发明的一个实施例，所述根据所述第一水质污染物，建立所述污水源的第一污水检测方案，包括：根据所述第一水质污染物，判断所述污水中需要去污的第一污染物质；计算所述第一污染物质的固体污染物尺寸，根据固体污染物尺寸，选择所述污水源的栅格尺寸；根据所述栅格尺寸，建立所述污水的所述第一污水检测方案。
其中，所述第一污染物质是指污水中最容易检测的成分，其中所述第一污染物质是指是指固体悬浮物；所述固体污染物尺寸是指污水中固体悬浮物用的体积大小，所述栅格尺寸是指用来过滤污水中所述固体污染物质栅格的孔洞大小。
进一步地，本发明一可选实施例中，根据所述第一水质污染物，判断需要去污第一污染物质可以通过判断函数来实现。
本发明实施例通过根据固体污染物尺寸，选择所述污水源的栅格尺寸大小可以通过建立栅格尺寸和所述第一污染物浓度以及去除时间的曲线，再利用计算公式进行计算得到栅格尺寸，从而提高初步去污的去污效率。
进一步地，本发明一可选实施例中，利用下述公式选择所述污水源的栅格尺寸：
其中，X’表示栅格尺寸，t表示去除时间，X表示固体污染物尺寸的当前栅格大小，X_min表示固体污染物尺寸的栅格最小值，X_max表示固体污染物尺寸的栅格最大值，TSS表示污水源的第一污染物浓度。
进一步的，本发明实施例通过将所述第一水质污染物和所述第一污水检测方案上传至训练好的栅格检测模型中可以通过模型快速调整栅格参数从而提高污水的去污效率，减少能耗。
S2、根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水。
本发明实施例通过根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数可，以通过改变栅格污水检测参数从而提高污水固体污染物的去污效率。其中，所述栅格污水检测参数是指用来控制栅格大小的数据。
作为本发明的一个实施例，所述根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，包括：根据所述第一污水检测方案，识别所述污水源的栅格特征；根据所述栅格特征，配置所述污水源的栅格污水检测参数。
其中，所述栅格特征是指通过第一污水检测方案解析出的栅格特征值，例如栅格孔径5mm，栅格孔径20mm等特征值。
进一步地，本发明一可选实施例中，所述污水源的栅格特征可以通过SPSS工具进行分析识别得到，所述污水源的栅格污水检测参数可以通过Aspera工具进行配置。
本发明实施例通过根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水可以初步检测并去除体积较大的固体污染物和部分有机物，降低了接下来污水去污的能耗。
作为本发明的一个实施例，所述根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水，包括：根据所述栅格污水检测参数，调整所述污水源的最佳栅格孔径大小，通过所述最佳栅格孔径大小对所述污水源进行过滤，得到所述一级检测污水。
S3、分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象。
本发明实施例通过分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，可以对一级去污后的污水在进行针对性检测去除有机物可以提高水质的同时减少能耗。
其中，所述第二水质污染物是指通过对污水源进行一级去污后得到的污水水质情况，所述第二污水检测方案是指对污水源进行一级污水检测后下一步的污水检测方案；
需要说明的是，所述第二水质污染物的获取与上述第一水质污染物的获取原理相同，在此不作进一步的赘述。
作为本发明的一个实施例，所述根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，包括：分析所述第二水质污染物中待解决污染物的成分特征；根据所述成分特征，生成所述第二水质污染物的成分消除方案；将所述成分消除方案进行梳理，得到第二污水检测方案。
其中所述成分特征是指水中各种污染物的成分和特性，例如出水氨氮成分是含氮有机物，可分解，固体悬浮物不溶于水，容易去除。
所述各成分消除方案是指针对各污染物生成的消除方案集合，例如出水氨氮可以通过厌氧反应将大分子有机物分解为小分子有机物和无机物；固体悬浮物可通过沉淀分离去除。
进一步地，本发明一可选实施例中，根据所述成分特征，生成各成分检测方案可以通过搜索脚本搜索专家经验和化学反应来完成。
进一步地，本发明实施例通过根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象可以在提高所述第二污水检测方案中的去污效果，提高水质。其中，所述预设的达标水质可以理解为符合实际业务生产环境的水源，其可以基于大数据技术采集历史达标水源数据进行设置，所述优化对象是指可以通过改变数值来提高水质的对象。
作为本发明的一个实施例，参阅图3所示，所述根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象，包括：
S301、分析所述第二污水检测方案中消除污染物所需的参数，所述参数包括：溶解氧和硝酸氮；
S302、建立所述溶解氧和所述达标水质之间的第一回归曲线，及建立所述硝酸氮与所述达标水质之间的第二回归曲线；
S303、整合所述第一回归曲线和所述第二回归曲线，得到最终回归曲线，根据所述最终回归曲线，识别所述第二污水检测方案中的所述优化对象。
其中，所述回归曲线用于表征所述第二污水检测方案中消除污染物所需的参数与所述达标水质之间的关联关系。
进一步地，本发明一可选实施例中，利用下述公式建立所述溶解氧和所述达标水质之间的第一回归曲线：
其中，F(x)表示第一回归曲线，T表示反应时间，So表示溶解氧浓度，Sno表示达标水质中的氧浓度。
需要说明的是，所述第二回归曲线的建立与所述第一回归曲线的建立原理相同，在此不做进一步地赘述。
S4、根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象，根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源。
本发明实施例通过根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象可以通过对象优化进一步加快二级检测的反应效率从而提高水质。其中，所述被优化对象是指通过计算得到最佳参数的对象。
作为本发明的一个实施例，所述根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象可以通过上述回归曲线模型分析当水质达标时，所述优化对象的浓度参数，并根据所述浓度参数和所述第二污水检测方案，对所述优化对象进行浓度值恒定，得到所述优化对象。
进一步地，本发明实施例通过根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水可以进一步去除污水中的污染物。其中，所述二级检测污水是指二次污水检测过后的污水。
作为本发明的一个实施例，所述根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，包括：根据所述第二污水检测方案，建立对所述一级检测污水的污水检测环境，所述污水检测环境包括缺氧环境和好氧环境；对所述一级检测污水的第二水质污染物在所述缺氧环境下进行反硝化反应，得到小颗粒有机物，将所述一级检测污水的所述小颗粒有机物在所述好氧环境下进行硝化反应分解成亚硝酸盐和硝酸盐，得到所述二级检测污水。
其中，所述污水检测环境是指给所述第二水质污染物进行化学反应创造的生物环境；所述硝酸盐和所述亚硝酸盐是指广泛存在于人类环境中，是自然界中最普遍的含氮化合物。
进一步地，本发明一可选实施例中，根据所述第二污水检测方案，建立对所述一级检测污水的污水检测环境可以通过氧气机来实现有氧和无氧的环境。
本发明实施例通过对所述二级检测污水进行消毒去污，得到达标水源进行最后一步去污进行消毒去污，提高水质。
其中，所述药剂除磷和所述加氯消毒是指清除二级去污后的污水中剩余的污染物和细菌。
可以看出，本发明实施例通过获取污水源，分析所述污水源的第一水质污染物可以根据水质信息建立污水去污方案，提高污水去污效率，通过根据所述第一水质污染物，建立所述污水源的第一污水检测方案可以保证初步去污将较大体积的固体污染物剔除，在提高初步去污水质的同时，减少能耗。其次，本发明实施例通过在所述栅格检测模型中，根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数可以通过改变栅格污水检测参数从而提高污水固体污染物的去污效率，通过根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水可以初步去除体积较大的固体污染物和部分有机物，降低了接下来污水去污的能耗。进一步地，本发明实施例通过分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案通过一级去污后的污水在进行针对性去除有机物可以提高水质的同时减少能耗，最后，本发明实施例通过根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象可以通过对象优化进一步加快二级去污的反应效率从而提高水质。因此，本发明实施例提出的一种基于反馈调节的污水去污优化方法可以提高污水去污效果。
如图4所示，是本发明基于反馈调节的污水去污优化装置功能模块图。
本发明所述基于反馈调节的污水去污优化装置400可以安装于电子设备中。根据实现的功能，所述基于反馈调节的污水去污优化装置可以包括第一污水检测方案建立模块401、污水第一处理模块402、第二污水检测方案建立模块403以及达标水源获取模块404。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本发明实施例中，关于各模块/单元的功能如下：
所述第一污水检测方案建立模块401，获取污水源，分析所述污水源的第一水质污染物，根据所述第一水质污染物，建立所述污水源的第一污水检测方案；
所述污水第一处理模块402，根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水；
所述第二污水检测方案建立模块403，分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象；
所述达标水源获取模块404，根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象，根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源。
详细地，本发明实施例中所述基于反馈调节的污水去污优化装置400中的所述各模块在使用时采用与上述的图1至图3中所述的基于反馈调节的污水去污优化方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明实现基于反馈调节的污水去污优化方法的电子设备的结构示意图。
所述电子设备可以包括处理器50、存储器51、通信总线52以及通信接口53，还可以包括存储在所述存储器51中并可在所述处理器50上运行的计算机程序，如基于反馈调节的污水去污优化程序。
其中，所述处理器50在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器50是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器51内的程序或者模块(例如执行基于反馈调节的污水去污优化程序等)，以及调用存储在所述存储器51内的数据，以执行电子设备的各种功能和处理数据。
所述存储器51至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器51在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器51在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器51不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据库配置化连接程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线52可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器51以及至少一个处理器50等之间的连接通信。
所述通信接口53用于上述电子设备5与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器50逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
所述电子设备中的所述存储器51存储的数据库配置化连接程序是多个计算机程序的组合，在所述处理器50中运行时，可以实现：
获取污水源，分析所述污水源的第一水质污染物，根据所述第一水质污染物，建立所述污水源的第一污水检测方案；
根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水；
分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象；
根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象，根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源。
具体地，所述处理器50对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取污水源，分析所述污水源的第一水质污染物，根据所述第一水质污染物，建立所述污水源的第一污水检测方案；
根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水；
分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象；
根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象，根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种基于反馈调节的污水去污优化方法，其特征在于，所述方法包括：
S1、获取污水源，分析所述污水源的第一水质污染物，根据所述第一水质污染物，建立所述污水源的第一污水检测方案；
所述第一水质污染物是指所述污水源的水质信息，所述水质信息包括：出水氨氮浓度、出水总氮浓度、固体悬浮物浓度TSS、生化需氧量浓度BOD、化学需氧量浓度COD；
所述分析所述污水源的第一水质污染物，包括：
通过预设的污水成分测量仪中测量模块测量所述污水源的污水成分数据；
通过所述污水成分测量仪中质量分析模块分析所述污水成分数据中每种成分的成分质量和污水质量；
根据所述成分质量和所述污水质量，通过所述污水成分测量仪中的浓度函数计算所述污水源的第一水质污染物；
其中，所述浓度函数包括：
F(X)×100%；
其中，所述F(X)表示第一水质污染物，表示污水成分数据中第i个成分的成分质量，Y表示污水质量；
所述污水成分数据包括：出水氨氮、出水总氮、固体悬浮物、生化需氧量、化学需氧量；
所述成分质量包括：出水氨氮质量、出水总氮质量、固体悬浮物质量、生化需氧量质量、化学需氧量质量；
所述根据所述第一水质污染物，建立所述污水源的第一污水检测方案，包括：
根据所述第一水质污染物，判断所述污水中需要去污的第一污染物质；
计算所述第一污染物质的固体污染物尺寸，根据固体污染物尺寸，选择所述污水源的栅格尺寸；
根据所述栅格尺寸，建立所述污水的所述第一污水检测方案；
所述第一污水检测方案是指利用栅格过滤所述第一污染物质而制定的初步污水去污方案；
所述第一污染物质是指固体悬浮物；
所述根据固体污染物尺寸，选择所述污水源的栅格尺寸，包括：
利用下述公式选择所述污水源的栅格尺寸：
；
其中，表示栅格尺寸，t表示去除时间，表示固体污染物尺寸的当前栅格大小，表示固体污染物尺寸的栅格最小值，表示固体污染物尺寸的栅格最大值；
S2、根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水；
所述栅格污水检测参数是指用来控制栅格大小的数据；
S3、分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象；
所述第二水质污染物是指通过对污水源进行一级去污后得到的污水水质情况；
所述第二污水检测方案是指对污水源进行一级污水检测后下一步的污水检测方案；根据第二水质污染物生成一级检测污水的第二污水检测方案能对一级去污后的污水进行针对性检测去除有机物；
所述优化对象是指通过改变数值来提高水质的对象；
所述根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，包括：分析所述第二水质污染物中待解决污染物的成分特征；根据所述成分特征，生成所述第二水质污染物的成分消除方案；将所述成分消除方案进行梳理，得到第二污水检测方案；所述成分特征是指水中各种污染物的成分和特性；所述成分消除方案是指针对各种污染物生成的消除方案集合；
所述根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象，包括：
分析所述第二污水检测方案中消除污染物所需的参数，所述参数包括：溶解氧和硝酸氮；
建立所述溶解氧和所述达标水质之间的第一回归曲线，及建立所述硝酸氮与所述达标水质之间的第二回归曲线；
整合所述第一回归曲线和所述第二回归曲线，得到最终回归曲线，根据所述最终回归曲线，识别所述第二污水检测方案中的所述优化对象；
所述最终回归曲线用于表征所述第二污水检测方案中消除污染物所需的参数与所述达标水质之间的关联关系；
所述建立所述溶解氧和所述达标水质之间的第一回归曲线，包括：
利用下述公式建立所述溶解氧和所述达标水质之间的第一回归曲线：
；
其中，表示第一回归曲线，T表示反应时间，表示溶解氧浓度，表示达标水质中的氧浓度；
S4、根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象，根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源；
所述被优化对象是指通过计算得到最佳参数的对象；
所述二级检测污水是指二次污水检测过后的污水；
所述根据所述第二污水检测方案对所述优化对象进行对象优化得到被优化对象具体为：通过最终回归曲线分析当水质达标时，所述优化对象的浓度参数，并根据所述浓度参数和所述第二污水检测方案，对所述优化对象进行浓度值恒定得到所述被优化对象；
所述根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，包括：
根据所述第二污水检测方案，建立对所述一级检测污水的污水检测环境，所述污水检测环境包括缺氧环境和好氧环境；
对所述一级检测污水的第二水质污染物在所述缺氧环境下进行反硝化反应，得到小颗粒有机物；
将所述一级检测污水的所述小颗粒有机物在所述好氧环境下进行硝化反应分解成亚硝酸盐和硝酸盐，得到所述二级检测污水。
2.一种基于反馈调节的污水去污优化装置，其特征在于，所述装置包括：第一污水检测方案建立模块、污水第一处理模块、第二污水检测方案建立模块和达标水源获取模块；
第一污水检测方案建立模块，用于获取污水源，分析所述污水源的第一水质污染物，根据所述第一水质污染物，建立所述污水源的第一污水检测方案；
所述第一水质污染物是指所述污水源的水质信息，所述水质信息包括：出水氨氮浓度、出水总氮浓度、固体悬浮物浓度TSS、生化需氧量浓度BOD、化学需氧量浓度COD；
所述分析所述污水源的第一水质污染物，包括：
通过预设的污水成分测量仪中测量模块测量所述污水源的污水成分数据；
通过所述污水成分测量仪中质量分析模块分析所述污水成分数据中每种成分的成分质量和污水质量；
根据所述成分质量和所述污水质量，通过所述污水成分测量仪中的浓度函数计算所述污水源的第一水质污染物；
其中，所述浓度函数包括：
F(X)×100%；
其中，所述F(X)表示第一水质污染物，表示污水成分数据中第i个成分的成分质量，Y表示污水质量；
所述污水成分数据包括：出水氨氮、出水总氮、固体悬浮物、生化需氧量、化学需氧量；
所述成分质量包括：出水氨氮质量、出水总氮质量、固体悬浮物质量、生化需氧量质量、化学需氧量质量；
所述根据所述第一水质污染物，建立所述污水源的第一污水检测方案，包括：
根据所述第一水质污染物，判断所述污水中需要去污的第一污染物质；
计算所述第一污染物质的固体污染物尺寸，根据固体污染物尺寸，选择所述污水源的栅格尺寸；
根据所述栅格尺寸，建立所述污水的所述第一污水检测方案；
所述第一污水检测方案是指利用栅格过滤所述第一污染物质而制定的初步污水去污方案；
所述第一污染物质是指固体悬浮物；
所述根据固体污染物尺寸，选择所述污水源的栅格尺寸，包括：
利用下述公式选择所述污水源的栅格尺寸：
；
其中，表示栅格尺寸，t表示去除时间，表示固体污染物尺寸的当前栅格大小，表示固体污染物尺寸的栅格最小值，表示固体污染物尺寸的栅格最大值；
污水第一处理模块，用于根据所述第一污水检测方案，配置所述污水源的栅格污水检测参数，根据所述栅格污水检测参数，对所述污水源进行栅格检测，得到一级检测污水；
所述栅格污水检测参数是指用来控制栅格大小的数据；
第二污水检测方案建立模块，用于分析所述一级检测污水的第二水质污染物，根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象；
所述第二水质污染物是指通过对污水源进行一级去污后得到的污水水质情况；
所述第二污水检测方案是指对污水源进行一级污水检测后下一步的污水检测方案；根据第二水质污染物生成一级检测污水的第二污水检测方案能对一级去污后的污水进行针对性检测去除有机物；
所述优化对象是指通过改变数值来提高水质的对象；
所述根据所述第二水质污染物，生成所述一级检测污水的第二污水检测方案，包括：分析所述第二水质污染物中待解决污染物的成分特征；根据所述成分特征，生成所述第二水质污染物的成分消除方案；将所述成分消除方案进行梳理，得到第二污水检测方案；所述成分特征是指水中各种污染物的成分和特性；所述成分消除方案是指针对各种污染物生成的消除方案集合；
所述根据预设的达标水质和所述第二污水检测方案，识别所述第二污水检测方案中的优化对象，包括：分析所述第二污水检测方案中消除污染物所需的参数，所述参数包括：溶解氧和硝酸氮；建立所述溶解氧和所述达标水质之间的第一回归曲线，及建立所述硝酸氮与所述达标水质之间的第二回归曲线；整合所述第一回归曲线和所述第二回归曲线，得到最终回归曲线，根据所述最终回归曲线，识别所述第二污水检测方案中的所述优化对象；
所述最终回归曲线用于表征所述第二污水检测方案中消除污染物所需的参数与所述达标水质之间的关联关系；
所述建立所述溶解氧和所述达标水质之间的第一回归曲线，包括：
利用下述公式建立所述溶解氧和所述达标水质之间的第一回归曲线：
；
其中，表示第一回归曲线，T表示反应时间，表示溶解氧浓度，表示达标水质中的氧浓度；
达标水源获取模块，用于根据所述第二污水检测方案，对所述优化对象进行对象优化，得到被优化对象，根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，对所述二级检测污水进行消毒去污，得到达标水源；
所述被优化对象是指通过计算得到最佳参数的对象；
所述二级检测污水是指二次污水检测过后的污水；
所述根据所述第二污水检测方案对所述优化对象进行对象优化得到被优化对象具体为：通过最终回归曲线分析当水质达标时，所述优化对象的浓度参数，并根据所述浓度参数和所述第二污水检测方案，对所述优化对象进行浓度值恒定得到所述被优化对象；
所述根据所述第二污水检测方案和被优化对象，对所述一级检测污水中的第二水质污染物进行第二污水检测，得到二级检测污水，包括：
根据所述第二污水检测方案，建立对所述一级检测污水的污水检测环境，所述污水检测环境包括缺氧环境和好氧环境；
对所述一级检测污水的第二水质污染物在所述缺氧环境下进行反硝化反应，得到小颗粒有机物；
将所述一级检测污水的所述小颗粒有机物在所述好氧环境下进行硝化反应分解成亚硝酸盐和硝酸盐，得到所述二级检测污水。
3.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1所述的基于反馈调节的污水去污优化方法。
4.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1所述的基于反馈调节的污水去污优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211373835.2A CN115684529B (zh) | 2022-11-04 | 2022-11-04 | 基于反馈调节的污水去污优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211373835.2A CN115684529B (zh) | 2022-11-04 | 2022-11-04 | 基于反馈调节的污水去污优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115684529A CN115684529A (zh) | 2023-02-03 |
| CN115684529B true CN115684529B (zh) | 2023-05-16 |
Family
ID=85047298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211373835.2A Active CN115684529B (zh) | 2022-11-04 | 2022-11-04 | 基于反馈调节的污水去污优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115684529B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105948406A (zh) * | 2016-06-27 | 2016-09-21 | 上海理工大学 | 城镇污水处理系统 |
| CN110456754A (zh) * | 2019-09-11 | 2019-11-15 | 剑科云智(深圳)科技有限公司 | 一种污水的监控处理系统及智能分析处理方法、存储介质 |
| WO2020244014A1 (zh) * | 2019-06-06 | 2020-12-10 | 浙江清华长三角研究院 | 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102681498B (zh) * | 2011-03-15 | 2014-03-12 | 中国科学院沈阳自动化研究所 | 污水处理过程优化运行方法 |
| CN102642992B (zh) * | 2012-05-02 | 2014-02-12 | 青岛银河环保股份有限公司 | 一种一体化中水处理方法 |
-
2022
- 2022-11-04 CN CN202211373835.2A patent/CN115684529B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105948406A (zh) * | 2016-06-27 | 2016-09-21 | 上海理工大学 | 城镇污水处理系统 |
| WO2020244014A1 (zh) * | 2019-06-06 | 2020-12-10 | 浙江清华长三角研究院 | 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 |
| CN110456754A (zh) * | 2019-09-11 | 2019-11-15 | 剑科云智(深圳)科技有限公司 | 一种污水的监控处理系统及智能分析处理方法、存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| An attempt to stimulate aniline degrading bioreactor by exogenous auto-inducer: Decontamination performance, sludge characteristics, and microbial community structure response;Yunjie Zhang;Bioresource Technology;第347卷;1-20 * |
| 某工业园区污水处理厂工艺诊断和优化运行研究;郭亚琼;李鹏峰;孙永利;隋克俭;李家驹;;中国给水排水(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115684529A (zh) | 2023-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bustillo-Lecompte et al. | Combined anaerobic-aerobic and UV/H2O2 processes for the treatment of synthetic slaughterhouse wastewater | |
| Castillo et al. | An integrated knowledge-based and optimization tool for the sustainable selection of wastewater treatment process concepts | |
| CN104163540B (zh) | 用于臭氧－生物组合工艺的臭氧投加自动控制系统 | |
| Huang et al. | Impacts of dissolved oxygen control on different greenhouse gas emission sources in wastewater treatment process | |
| Malakahmad et al. | Application of response surface methodology to optimize coagulation–flocculation treatment of anaerobically digested palm oil mill effluent using alum | |
| Dereli et al. | Benchmarking leachate co-treatment strategies in municipal wastewater treatment plants under dynamic conditions and energy prices | |
| Nowrouzi et al. | A framework for the design and optimization of integrated fixed-film activated sludge-membrane bioreactor configuration by focusing on cost-coupled life cycle assessment | |
| Song et al. | Treatment of landfill leachate RO concentration by Iron–carbon micro–electrolysis (ICME) coupled with H2O2 with emphasis on convex optimization method | |
| Mannina et al. | Minimizing membrane bioreactor environmental footprint by multiple objective optimization | |
| Elawwad et al. | Modeling of phenol and cyanide removal in a full-scale coke-oven wastewater treatment plant | |
| Kokina et al. | Impact of rapid pH changes on activated sludge process | |
| CN115684529B (zh) | 基于反馈调节的污水去污优化方法及装置 | |
| de Celis et al. | Niche differentiation drives microbial community assembly and succession in full-scale activated sludge bioreactors | |
| Shao et al. | Environmental tradeoffs in municipal wastewater treatment plant upgrade: a life cycle perspective | |
| 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) | |
| CN111699159A (zh) | 用于预测与废水处理过程相关的参数的系统和方法 | |
| Zhang et al. | Machine learning modeling for the prediction of phosphorus and nitrogen removal efficiency and screening of crucial microorganisms in wastewater treatment plants | |
| Demir et al. | Effects of partial ozonation on activated sludge process for the minimization of excess sludge production during biological treatment | |
| KR20230060646A (ko) | 인공지능기반 통합 소화시스템 자산관리 및 운영 플랫폼 | |
| Yue et al. | Simultaneous optimization of structure and operation for coking wastewater biological treatment process | |
| Martín de la Vega et al. | Multilevel adaptive control of alternating aeration cycles in wastewater treatment to improve nitrogen and phosphorous removal and to obtain energy saving | |
| Sweeney et al. | Modeling, instrumentation, automation, and optimization of water resource recovery facilities (Review of 2018 Literature) DIRECT | |
| Mines Jr et al. | Treatability study of a seafood-processing wastewater | |
| Rahmberg et al. | LCA analysis of different WWTP processes | |
| CN107915356A (zh) | 一种一体化污水处理系统及方法 |
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 |