CN115793471B - 一种基于污水处理监测的可调式控制方法及系统 - Google Patents
一种基于污水处理监测的可调式控制方法及系统 Download PDFInfo
- Publication number
- CN115793471B CN115793471B CN202310097159.9A CN202310097159A CN115793471B CN 115793471 B CN115793471 B CN 115793471B CN 202310097159 A CN202310097159 A CN 202310097159A CN 115793471 B CN115793471 B CN 115793471B
- Authority
- CN
- China
- Prior art keywords
- water quality
- index
- adaptive
- data set
- self
- 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
Images
Landscapes
- Activated Sludge Processes (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种基于污水处理监测的可调式控制方法及系统。通过根据进水监测数据集进行污染物浓度分析得到水质污染指数,对污水处理设备进行设备数据采集获取设备工况监测数据集,将水质污染指数、预设排放水质指数和设备工况监测数据集输入可调参数自适应模型中,根据可调参数自适应模型,输出自适应参数对污水处理设备进行控制。解决了现有技术中存在污水生化处理的工艺参数设定依赖于人工经验,导致无法确保污水有效进行生化处理,存在污水超标排放造成环境污染的技术问题,实现了提高污水生化处理工艺参数设定科学性,提高污水生化处理有效性,确保污水排放满足规定指标要求的技术效果。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种基于污水处理监测的可调式控制方法及系统。
背景技术
工业污水不经处理超标排放到自然水体中会造成自然水体环境污染,甚至污水中污染物渗透还会引起生活用水污染质量降低,通过污水处理,可以使污水中的污染物质浓度降低,减少对自然水体环境的破坏。
污水生化处理是污水处理过程中最重要的工艺段,污水生化处理系统的稳定性情况以及处理能否达标基本上决定了污水处理设备效果好坏及稳定性。
目前国内对污水生化处理设备的研究主要还是集中在提高处理效率、降低投资运行成本等方面,对设备运行稳定性研究不足,导致设备在实际运行过程中,经常因处理系统的不稳定性,出现处理出水水质未达到设计标准值就排入自然水体的情况。
综上所述,现有技术中存在污水生化处理的工艺参数设定依赖于人工经验,导致无法确保污水有效进行生化处理,存在污水超标排放造成环境污染的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现提高污水生化处理工艺参数设定科学性,提高污水生化处理有效性,确保污水排放满足规定指标要求的一种基于污水处理监测的可调式控制方法及系统。
一种基于污水处理监测的可调式控制方法,方法包括:根据所述数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;获取目标污水处理厂的预设排放水质指数;通过对所述污水处理设备进行设备数据采集,获取设备工况监测数据集;搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;按照所述自适应参数对所述污水处理设备进行控制。
一种基于污水处理监测的可调式控制系统,所述系统包括:进水水质监测模块,用于根据数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;水质污染分析模块,用于根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;水质指数获得模块,用于获取目标污水处理厂的预设排放水质指数;设备数据采集模块,用于通过对污水处理设备进行设备数据采集,获取设备工况监测数据集;模型构建执行模块,用于搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;模型分析输出模块,用于将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;处理设备调控模块,用于按照所述自适应参数对所述污水处理设备进行控制。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据所述数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;
根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;
获取目标污水处理厂的预设排放水质指数;
通过对所述污水处理设备进行设备数据采集,获取设备工况监测数据集;
搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;
将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;
按照所述自适应参数对所述污水处理设备进行控制。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据所述数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;
根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;
获取目标污水处理厂的预设排放水质指数;
通过对所述污水处理设备进行设备数据采集,获取设备工况监测数据集;
搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;
将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;
按照所述自适应参数对所述污水处理设备进行控制。
上述一种基于污水处理监测的可调式控制方法及系统,解决了现有技术中存在污水生化处理的工艺参数设定依赖于人工经验,导致无法确保污水有效进行生化处理,存在污水超标排放造成环境污染的技术问题,实现了提高污水生化处理工艺参数设定科学性,提高污水生化处理有效性,确保污水排放满足规定指标要求的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种基于污水处理监测的可调式控制方法的流程示意图;
图2为一个实施例中一种基于污水处理监测的可调式控制方法中确定水质监测仪的流程示意图;
图3为一个实施例中一种基于污水处理监测的可调式控制系统的结构框图;
图4为一个实施例中计算机设备的内部结构图。
附图标记说明:进水水质监测模块1,水质污染分析模块2,水质指数获得模块3,设备数据采集模块4,模型构建执行模块5,模型分析输出模块6,处理设备调控模块7。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种基于污水处理监测的可调式控制方法,所述方法应用于污水在线监测系统,所述系统与数据采集装置、污水处理设备通信连接,所述方法包括:
S100:根据所述数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;
在一个实施例中,如图2所示,本申请提供的方法步骤还包括:
S110:获取所述目标污水处理厂的历史进水采样数据集;
S120:按照所述历史进水采样数据集,确定污染波动特征;
S130:按照所述污染波动特征,确定第一监测指标和第二监测指标;
S140:以所述第一监测指标和所述第二监测指标,对所述水质监测仪进行参数配置。
在一个实施例中,按照所述历史进水采样数据集,确定污染波动特征,本申请提供的方法步骤S120还包括:
S121:根据所述历史进水采样数据集,获取各个污染指标;
S122:以所述各个污染指标进行污染浓度波动分析,获取所述各个污染指标对应的波动指数;
S123:对所述波动指数进行特征提取,获取所述污染波动特征。
具体而言,在本实施例中,目标污水处理厂为采用生化处理方式进行污水处理的专业污水处理机构,所述污水处理设备为一箱体结构用于进行污水生化处理的空间。污水在目标污水处理厂的污水处理设备内进行污水进水调节、厌氧反应、缺氧反应、好氧反应、沉淀等污水生化处理过程,污水处理设备内预设有高度500-600mm的采样槽以便进行污水进水采样,进水采样管一端布设于采样槽低于槽顶300mm处,一端连接所述数据采集装置,所述数据采集装置通过所述进水采样管获取污水进水进行水质监测,获得所述水质监测数据。
在本实施例中,所述数据采集装置包括至少两个水质检测仪,各个水质检测仪各司其职进行不同污染指标项的监测,例如氨氮检测仪进行污水氨氮含量检测,总磷测定仪进行污水总磷检测。
构成所述数据采集装置的水质检测仪的选定方法为,获取所述目标污水处理厂的历史进水采样数据集,所述历史进水采样数据集为所述目标污水处理厂对历史处理污水的进水采样检测所获数据,每一历史污水进水采样检测数据由生化需氧量、化学需氧量、悬浮物、总磷、大肠菌群、氨氮、pH值等一项或多项污染指标检测数据构成。
根据所述历史进水采样数据集,提取获得每一污水的污染检测指标和检测数据并进行同类污染指标项分类合并,获取所述各个污染指标。对于每一污染指标,以污染指标检测数据为纵轴,以污染指标监测数据获得时间为横轴绘制污染指标水时间变化波动散点图,基于图像进行该污染指标波动分析,获取散点图离散值作为该污染指标对应的波动指数。采用相同方法获得所述各个污染指标的波动指数。
基于所述各个污染指标的各个波动指数生成散点图,将散点图的偏离点作为特征提取对象进行特征提取,获取所述污染波动特征,所述污染波动特征为N个污染指标的波动指数,所述污染波动特征表征所述目标污水处理厂中污水的浓度变化特征,能够根据其浓度变化特征对所包括的COD监测仪和氨氮监测仪中监测频率、周期等进行配置,根据污染浓度变化进行针对化监测有利于及时调控污水生化处理方案,提高污水处理有效性。
按照所述污染波动特征对应波动指数指代的污染指标,应理解,确定第一监测指标和第二监测指标后,还能够对除COD监测和氨氮监测之外的污染物含量进行分析,增加对应污染类型的水质检测仪进行多水质检测仪连接,达到了提高进行污水污染检测有效性,间接实现了提高污水生化处理可靠性的技术效果。
S200:根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;
S300:获取目标污水处理厂的预设排放水质指数;
具体而言,本实施例以所述数据处理装置由氨氮检测仪和COD(化学需氧量)测定仪构成,进行污水游离氨(NH3-N)指标检测和化学需氧量指标检测为例,进行后续实施例公开阐述,应理解的,所述数据处理装置的实际水质检测仪类型不局限于此,可根据步骤S100细化所公开方式继续水质检测仪类型选定。
在本实施例中,根据所述数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,所述进水监测数据集包括NH3-N指标检测数据和化学需氧量指标检测数据。将所述进水监测数据集进行污染物浓度分析,得到水质污染指数,所述水质污染物指数包括NH3-N浓度和化学需氧量浓度,所述水质污染物浓度单位为mg/L。
基于所述各个污染指标生成检索指令在《污染综合排放标准》中获取各个污染指标符合污水处理排放标准时的最高允许排放浓度(mg/L),作为所述目标污水处理厂的预设排放水质指数,所述预设排放指数由各个污染指标的最高运行排放浓度构成。
S400:通过对所述污水处理设备进行设备数据采集,获取设备工况监测数据集;
具体而言,在本实施例中,污水在目标污水处理厂的污水处理设备内进行污水进水调节、厌氧反应、缺氧反应、好氧反应、沉淀等污水生化处理过程,基于控制系统调整控制污水厌氧水力停留时间、缺氧水力停留时间、好氧水力停留时间,实现构建污水处理设备的厌氧条件、缺氧条件以及好氧条件,以使污水有效进行污水进水调节、厌氧反应、缺氧反应、好氧反应、沉淀等污水生化处理过程。
对用于控制所述污水处理设备进行污水处理的控制系统进行数据采集,对污水处理设备的实际运行数据进行数据采集,获取设备工况监测数据集,所述设备工况监测数据集中数据类型包括污水厌氧水力停留时间数据、缺氧水力停留时间数据、好氧水力停留时间数据。
所述设备工况监测数据集包括数字控制监测数据集和实时控制监测数据集,所述数字控制监测数据集为对控制系统进行数据采集获得的污水厌氧水力停留时间控制参数、缺氧水力停留时间控制参数、好氧水力停留时间控制参数。所述实时控制监测数据集为对污水处理设备进行数据采集获得的污水厌氧水力停留时间实时参数、缺氧水力停留时间实时参数、好氧水力停留时间实时参数、沉淀时间实时参数、排水时间实时参数、鼓风机曝气量实时参数。
S500:搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;
在一个实施例中,本申请提供的方法步骤还包括:
S510:搭建所述可调参数自适应模型,其中,所述可调参数自适应模型包括厌氧水力停留时间、缺氧水力停留时间和好氧水力停留时间;
S520:将所述水质污染指数作为输入变量,将所述预设排放水质指数作为目标变量,将所述设备工况监测数据集作为调节变量,输入所述可调参数自适应模型中;
S530:根据所述可调参数自适应模型,输出所述自适应参数,其中,所述自适应参数包括厌氧时间控制参数、缺氧时间控制参数和好氧时间控制参数。
具体而言,在本实施例中,基于自适应参数进行所述控制系统的设备数据调整,即可理论上实现对当前污水处理设备中污水进行有效处理,获得满足预排放水质指数的处理后污水,所述自适应参数包括厌氧时间控制参数、缺氧时间控制参数和好氧时间控制参数。
所述可调参数自适应调节模型为替代人工经验,根据当前进入污水处理设备污水的水质污染指数结合所述预排放水质指数以及当前控制系统设定的所述设备工况监测数据集输出所述自适应参数的数据智能分析模型。
所述可调参数自适应模型的输入变量为水质污染指数,目标变量为预设排放水质指数,调节变量为设备工况监测数据集中的厌氧水力停留时间、缺氧水力停留时间和好氧水力停留时间,输出结果为自适应参数。
所述可调参数自适应模型包括输入层、反馈优化层、参数调节层、输出层,所述反馈优化层为基于BP神经网络模型搭建的,根据所述目标变量和所述输入变量生成控制系统控制参数(控制系统控制参数包括厌氧水力停留时间设定值、缺氧水力停留时间设定值和好氧水力停留时间设定值)的数据分析模型。
所述反馈优化层的构建方法具体为,采集获取目标污水厂历史进水采样数据集获得样本水质污染指数以及样本预设排放水质指数采集获取历史进水采样对应控制系统控制参数获得样本控制参数,将样本污染指数、样本预设排放水质指数、样本控制参数标识划分为训练集、测试集、验证集进行反馈优化层的有监督训练,直至反馈优化层输出结果验证正确率高于97%时停止反馈优化层训练。所述参数调节层为根据反馈优化层输入的控制系统控制参数和控制系统当前调节变量进行控制参数差值计算,获得所述自适应参数的控制参数计算层。
将所述水质污染指数作为输入变量,将所述预设排放水质指数作为目标变量,将所述设备工况监测数据集作为调节变量,输入所述可调参数自适应模型中,经由反馈优化层、参数调节层对应进行数据处理,输出所述自适应参数,所述自适应参数包括厌氧时间控制参数、缺氧时间控制参数和好氧时间控制参数,本实施例实现了脱离人工经验获得可对污水进行有效生化处理,以使污水经由处理后污染指标含量满足排放标准的污水处理系统控制参数的技术效果。
S600:将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;
在一个实施例中,所述获取设备工况监测数据集之后,本申请提供的方法步骤S600还包括:
S610:获取所述设备工况监测数据集,其中,所述设备工况监测数据集包括数字控制监测数据集和实时控制监测数据集;
S620:基于所述数字控制监测数据集和实时控制监测数据集对所述污水处理设备进行控制误差分析,获取控制误差系数;
S630:以所述控制误差系数对所述可调参数自适应模型输出的所述自适应参数进行调节,获取自适应调节参数。
具体而言,在本实施例中,基于所述自适应参数进行所述控制系统的控制参数调节,以使污水处理系统的各个污水处理工艺步骤的运行工况与所述自适应参数要求具有一致性,同时,在污水处理系统运行一定周期,例如在污水进水30分钟以确保待处理污水完全进入污水处理设备,此时启动并逐一进行污水厌氧反应等污水处理工艺步骤。
在逐一进行污水厌氧反应等污水处理工艺步骤的同时,进行污水处理反应时间计时,直至完成污水处理全部工艺步骤后,获取所述设备工况监测数据集,所述设备工况监测数据集包括数字控制监测数据集和实时控制监测数据集,所述数字控制监测数据集为对控制系统进行数据采集获得的污水厌氧水力停留时间控制参数、缺氧水力停留时间控制参数、好氧水力停留时间控制参数。所述实时控制监测数据集为对污水处理设备进行数据采集获得的污水厌氧水力停留时间实际参数、缺氧水力停留时间实际参数、好氧水力停留时间实际参数。
当所述数字控制监测数据集和实时控制监测数据集中对应数据项数值不一致时,表明受水质检测滞后性等因素影响,控制系统对污水处理设备存在控制误差,基于所述数字控制监测数据集和实时控制监测数据集对所述污水处理设备进行控制误差比较判断和分析计算,获取控制误差系数,所述控制误差系数为所述数字控制监测数据集和实时控制监测数据集中对应数据项的监测数据数值差。
以所述控制误差系数对所述可调参数自适应模型输出的所述自适应参数进行调节,获取自适应调节参数,基于所述自适应调节参数对所述控制系统进行二次控制参数调节,达到了排除水质检测滞后性等原因造成的污水处理设备运行误差,以使污水处理设备有效进行污水生化处理的技术效果。
S700:按照所述自适应参数对所述污水处理设备进行控制。
在一个实施例中,按照所述自适应参数对所述污水处理设备进行控制之后,本申请提供的方法步骤S700还包括:
S710:根据所述数据采集装置对经由出水采样管采集的水样进行水质监测,获取出水监测数据集;
S720:对所述出水监测数据集进行污染物浓度分析,得到水质污染指数;
S730:判断所述水质污染指数是否满足所述预设排放水质指数,若所述水质污染指数满足所述预设排放水质指数,获取污水排放指令。
在一个实施例中,判断所述水质污染指数是否满足所述预设排放水质指数,本申请提供的方法步骤S730还包括:
S731:若所述水质污染指数不满足所述预设排放水质指数,获取差值反馈数据;
S732:以所述差值反馈数据输入所述可调参数自适应模型的反馈优化层进行二次自适应分析,获取自适应优化参数。
具体而言,在本实施例中,所述出水采样管布设于所述污水处理设备沉淀液位以下300mm,一端与所述污水处理设备连接,一端与所述数据采集装置连接,用于进行污水出水的水质检测。
基于所述自适应参数或自适应调节参数进行控制系统控制,进行污水处理设备中污水的厌氧反应、缺氧反应、好氧反应、沉淀后,污水出水经由出水采样管抽取并输送至所述数据采集装置。
根据所述数据采集装置采用步骤S100细化相同方法对出水采样管进行水质监测,获取出水监测数据集,对所述出水监测数据集进行污染物浓度分析,得到水质污染指数;判断所述水质污染指数是否满足所述预设排放水质指数,若所述水质污染指数满足所述预设排放水质指数,获取污水排放指令。
若所述水质污染指数不满足所述预设排放水质指数,计算所述水质污染指数和所述预设排放水质指数中各项污染指标的差值,作为所述差值反馈数据。将所述差值反馈数据作为输入变量,将所述预设排放水质指数作为目标变量,将当前设备工况监测数据集作为调节变量,输入所述可调参数自适应模型中,经由反馈优化层、参数调节层进行二次自适应分析,获取所述自适应优化参数,基于所述自适应优化参数进行控制系统控制参数调节,对处理后污水进行二次处理,达到了提高污水生化处理工艺参数设定科学性,提高污水生化处理有效性,确保污水排放满足规定指标要求的技术效果。
在一个实施例中,如图3所示,提供了一种基于污水处理监测的可调式控制系统,包括:进水水质监测模块1,水质污染分析模块2,水质指数获得模块3,设备数据采集模块4,模型构建执行模块5,模型分析输出模块6,处理设备调控模块7,其中:
进水水质监测模块1,用于根据数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;
水质污染分析模块2,用于根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;
水质指数获得模块3,用于获取目标污水处理厂的预设排放水质指数;
设备数据采集模块4,用于通过对污水处理设备进行设备数据采集,获取设备工况监测数据集;
模型构建执行模块5,用于搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;
模型分析输出模块6,用于将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;
处理设备调控模块7,用于按照所述自适应参数对所述污水处理设备进行控制。
在一个实施例中,所述进水水质监测模块1还包括:
历史数据采集单元,用于获取所述目标污水处理厂的历史进水采样数据集;
污染特征生成单元,用于按照所述历史进水采样数据集,确定污染波动特征;
监测指标确定单元,用于按照所述污染波动特征,确定第一监测指标和第二监测指标;
监测参数配置单元,用于以所述第一监测指标和所述第二监测指标,对所述水质监测仪进行参数配置。
在一个实施例中,所述污染特征生成单元还包括:
污染指标获得单元,用于根据所述历史进水采样数据集,获取各个污染指标;
污染波动分析单元,用于以所述各个污染指标进行污染浓度波动分析,获取所述各个污染指标对应的波动指数;
特征提取执行单元,用于对所述波动指数进行特征提取,获取所述污染波动特征。
在一个实施例中,所述模型构建执行模块5还包括:
监测数据获取单元,用于获取所述设备工况监测数据集,其中,所述设备工况监测数据集包括数字控制监测数据集和实时控制监测数据集;
控制误差分析单元,用于基于所述数字控制监测数据集和实时控制监测数据集对所述污水处理设备进行控制误差分析,获取控制误差系数;
调节参数获得单元,用于以所述控制误差系数对所述可调参数自适应模型输出的所述自适应参数进行调节,获取自适应调节参数。
在一个实施例中,所述模型构建执行模块5还包括:
模型搭建执行单元,用于搭建所述可调参数自适应模型,其中,所述可调参数自适应模型包括厌氧水力停留时间、缺氧水力停留时间和好氧水力停留时间;
变量设定执行单元,用于将所述水质污染指数作为输入变量,将所述预设排放水质指数作为目标变量,将所述设备工况监测数据集作为调节变量,输入所述可调参数自适应模型中;
控制参数获得单元,用于根据所述可调参数自适应模型,输出所述自适应参数,其中,所述自适应参数包括厌氧时间控制参数、缺氧时间控制参数和好氧时间控制参数。
在一个实施例中,所述处理设备调控模块7还包括:
水质监测执行单元,用于根据所述数据采集装置对经由出水采样管采集的水样进行水质监测,获取出水监测数据集;
污染指数获得单元,用于对所述出水监测数据集进行污染物浓度分析,得到水质污染指数;
污水排放判断单元,用于判断所述水质污染指数是否满足所述预设排放水质指数,若所述水质污染指数满足所述预设排放水质指数,获取污水排放指令。
在一个实施例中,所述污水排放判断单元还包括:
反馈数据获得单元,用于若所述水质污染指数不满足所述预设排放水质指数,获取差值反馈数据;
模型数据分析单元,用于以所述差值反馈数据输入所述可调参数自适应模型的反馈优化层进行二次自适应分析,获取自适应优化参数。
关于一种基于污水处理监测的可调式控制系统的具体实施例可以参见上文中对于一种基于污水处理监测的可调式控制方法的实施例,在此不再赘述。上述一种基于污水处理监测的可调式控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于污水处理监测的可调式控制方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:根据所述数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;获取目标污水处理厂的预设排放水质指数;通过对所述污水处理设备进行设备数据采集,获取设备工况监测数据集;搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;按照所述自适应参数对所述污水处理设备进行控制。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于污水处理监测的可调式控制方法,其特征在于,所述方法应用于污水在线监测系统,所述系统与数据采集装置、污水处理设备通信连接,所述方法包括:
根据所述数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;
根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;
获取目标污水处理厂的预设排放水质指数;
通过对所述污水处理设备进行设备数据采集,获取设备工况监测数据集;
搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;
将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;
按照所述自适应参数对所述污水处理设备进行控制;
其中,根据所述可调参数自适应模型,输出自适应参数,包括:
搭建所述可调参数自适应模型,其中,所述可调参数自适应模型包括厌氧水力停留时间、缺氧水力停留时间和好氧水力停留时间;
将所述水质污染指数作为输入变量,将所述预设排放水质指数作为目标变量,将所述设备工况监测数据集作为调节变量,输入所述可调参数自适应模型中;
根据所述可调参数自适应模型,输出所述自适应参数,其中,所述自适应参数包括厌氧时间控制参数、缺氧时间控制参数和好氧时间控制参数。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标污水处理厂的历史进水采样数据集;
按照所述历史进水采样数据集,确定污染波动特征;
按照所述污染波动特征,确定第一监测指标和第二监测指标;
以所述第一监测指标和所述第二监测指标对所述水质监测仪进行参数配置。
3.如权利要求2所述的方法,其特征在于,按照所述历史进水采样数据集,确定污水指标特征,方法还包括:
根据所述历史进水采样数据集,获取各个污染指标;
以所述各个污染指标进行污染浓度波动分析,获取所述各个污染指标对应的波动指数;
对所述波动指数进行特征提取,获取所述污染波动特征。
4.如权利要求1所述的方法,其特征在于,所述获取设备工况监测数据集之后,方法还包括:
获取所述设备工况监测数据集,其中,所述设备工况监测数据集包括数字控制监测数据集和实时控制监测数据集;
基于所述数字控制监测数据集和实时控制监测数据集对所述污水处理设备进行控制误差分析,获取控制误差系数;
以所述控制误差系数对所述可调参数自适应模型输出的所述自适应参数进行调节,获取自适应调节参数。
5.如权利要求1所述的方法,其特征在于,按照所述自适应参数对所述污水处理设备进行控制之后,方法还包括:
根据所述数据采集装置对经由出水采样管采集的水样进行水质监测,获取出水监测数据集;
对所述出水监测数据集进行污染物浓度分析,得到水质污染指数;
判断所述水质污染指数是否满足所述预设排放水质指数,若所述水质污染指数满足所述预设排放水质指数,获取污水排放指令。
6.如权利要求5所述的方法,其特征在于,判断所述水质污染指数是否满足所述预设排放水质指数,方法还包括:
若所述水质污染指数不满足所述预设排放水质指数,获取差值反馈数据;
以所述差值反馈数据输入所述可调参数自适应模型的反馈优化层进行二次自适应分析,获取自适应优化参数。
7.一种基于污水处理监测的可调式控制系统,其特征在于,所述系统包括:
进水水质监测模块,用于根据数据采集装置对经由进水采样管采集的水样进行水质监测,获取进水监测数据集,其中,所述数据采集装置包括至少两个水质监测仪;
水质污染分析模块,用于根据所述进水监测数据集进行污染物浓度分析,得到水质污染指数;
水质指数获得模块,用于获取目标污水处理厂的预设排放水质指数;
设备数据采集模块,用于通过对污水处理设备进行设备数据采集,获取设备工况监测数据集;
模型构建执行模块,用于搭建可调参数自适应模型,其中,所述可调参数自适应模型嵌于所述污水处理设备的控制系统终端;
模型分析输出模块,用于将所述水质污染指数、所述预设排放水质指数和所述设备工况监测数据集输入所述可调参数自适应模型中,根据所述可调参数自适应模型,输出自适应参数;
处理设备调控模块,用于按照所述自适应参数对所述污水处理设备进行控制;
所述模型构建执行模块还包括:
模型搭建执行单元,用于搭建所述可调参数自适应模型,其中,所述可调参数自适应模型包括厌氧水力停留时间、缺氧水力停留时间和好氧水力停留时间;
变量设定执行单元,用于将所述水质污染指数作为输入变量,将所述预设排放水质指数作为目标变量,将所述设备工况监测数据集作为调节变量,输入所述可调参数自适应模型中;
控制参数获得单元,用于根据所述可调参数自适应模型,输出所述自适应参数,其中,所述自适应参数包括厌氧时间控制参数、缺氧时间控制参数和好氧时间控制参数。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097159.9A CN115793471B (zh) | 2023-02-10 | 2023-02-10 | 一种基于污水处理监测的可调式控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097159.9A CN115793471B (zh) | 2023-02-10 | 2023-02-10 | 一种基于污水处理监测的可调式控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115793471A CN115793471A (zh) | 2023-03-14 |
CN115793471B true CN115793471B (zh) | 2023-05-12 |
Family
ID=85430839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310097159.9A Active CN115793471B (zh) | 2023-02-10 | 2023-02-10 | 一种基于污水处理监测的可调式控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115793471B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116514276A (zh) * | 2023-07-03 | 2023-08-01 | 北京梅凯尼克环保科技有限公司 | 一种污水处理工艺的智能控制方法及系统 |
CN117388457B (zh) * | 2023-10-16 | 2024-05-31 | 中山大学 | 一种耦合水力停留时间提高污水厂出水预测精度的方法 |
CN117422271B (zh) * | 2023-11-07 | 2024-05-14 | 南通恒源自控工程有限公司 | 一种基于水质数据的管网调度调节方法及系统 |
CN117964019B (zh) * | 2024-03-22 | 2024-06-14 | 山东金蔡伦纸业有限公司 | 一种造纸废水处理监控方法及系统 |
CN117964024A (zh) * | 2024-04-02 | 2024-05-03 | 车泊喜智能科技(山东)有限公司 | 一种基于人工智能的洗车废水净化处理控制系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10231908A1 (de) * | 2002-07-09 | 2004-02-19 | Envicon Klärtechnik Verwaltungsgesellschaft mbH | Verfahren zur lastabhängigen, selbstparametrierenden Regelung der Belüftung von Kläranlagen |
JP2004275826A (ja) * | 2003-03-13 | 2004-10-07 | Toshiba Corp | 下水処理場水質監視制御装置 |
CN102101742A (zh) * | 2011-01-11 | 2011-06-22 | 中环(中国)工程有限公司 | 一种含高浓度氨氮的有机废水的处理方法 |
JP5696171B2 (ja) * | 2013-03-14 | 2015-04-08 | 株式会社東芝 | 制御パラメータ調整方法、制御パラメータ調整システム及び制御パラメータ設定装置 |
WO2017184073A1 (en) * | 2016-04-18 | 2017-10-26 | Sembcorp Industries Ltd | System and method for wastewater treatment process control |
CN108107832A (zh) * | 2018-02-07 | 2018-06-01 | 江南大学 | 一种基于数据驱动的污水处理实时监控与优化系统 |
CN109399738A (zh) * | 2018-11-21 | 2019-03-01 | 高瓴环境科技有限公司 | 一种自动控制的污水处理系统 |
CN110320806B (zh) * | 2019-07-24 | 2021-06-01 | 东北大学 | 基于集成即时学习的污水处理过程自适应预测控制方法 |
JP7059989B2 (ja) * | 2019-08-07 | 2022-04-26 | 横河電機株式会社 | 制御システム及び制御方法 |
CN112099354B (zh) * | 2020-09-14 | 2022-07-29 | 江南大学 | 一种面向污水处理过程的智能多目标优化控制方法 |
CN112666331A (zh) * | 2020-12-31 | 2021-04-16 | 河南平煤神马环保节能有限公司 | 一种工业污水处理智能控制系统 |
CN113325702B (zh) * | 2021-04-22 | 2023-06-09 | 中信云网有限公司 | 一种曝气控制方法及装置 |
CN114149076B (zh) * | 2021-12-21 | 2022-07-19 | 浙江沃乐环境科技有限公司 | 一种厌氧氨氧化污水处理系统的智能调试系统 |
-
2023
- 2023-02-10 CN CN202310097159.9A patent/CN115793471B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115793471A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115793471B (zh) | 一种基于污水处理监测的可调式控制方法及系统 | |
CN109081507B (zh) | 污水处理控制方法及系统 | |
CN102122134A (zh) | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 | |
CN114275912B (zh) | 一种基于自适应神经网络模型的曝气系统溶解氧控制方法 | |
US20220316994A1 (en) | A method for predicting operation effectiveness of decentralized sewage treatment facility by using support vector machine | |
CN117035514B (zh) | 一种基于云平台的污水处理综合管控系统 | |
CN115353200B (zh) | 污水厂出水tn智能控制系统和方法 | |
CN110146122B (zh) | 一种农村生活污水处理设施运行有效性的预测方法 | |
CN113845205B (zh) | 一种高盐高氮污水智能一体化除盐脱氮控制系统 | |
CN111439900A (zh) | 本地污水管理系统 | |
CN111252954A (zh) | 远程污水管理系统 | |
CN114690700A (zh) | 一种基于plc的智能污水处理决策优化方法及系统 | |
KR20060092660A (ko) | 퍼지제어를 이용한 하·폐수 처리장의 자동제어장치 및 방법 | |
CN116589078B (zh) | 基于数据融合的污水处理智能控制方法及系统 | |
CN113848307A (zh) | 一种针对污泥膨胀的特征提取主成分分析在线监测方法 | |
CN1112694A (zh) | 净水工艺混凝剂投加量的优化控制 | |
CN114149076B (zh) | 一种厌氧氨氧化污水处理系统的智能调试系统 | |
CN116263850A (zh) | 结合离线模拟数据的在线污水水质预警方法 | |
CN115343944A (zh) | 一种具有输入饱和的污水处理系统的可靠pi控制方法 | |
CN117303614B (zh) | 一种精准曝气的水处理控制系统 | |
CN113582309A (zh) | 一种混凝剂投加量的确定方法和装置 | |
CN115215436B (zh) | 一种基于同步除磷的智能加药除磷控制系统及控制方法 | |
CN116253446B (zh) | 一种污水处理智能曝气设置方法 | |
CN117408440B (zh) | 基于多维传感器的河道排污口污水智能处理方法及系统 | |
CN115465952B (zh) | 利用污泥负荷控制排泥量的方法、污水处理站及计算机可读存储介质 |
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 |