CN115936269A - 一种排泥量预测方法、装置及设备 - Google Patents
一种排泥量预测方法、装置及设备 Download PDFInfo
- Publication number
- CN115936269A CN115936269A CN202310238382.0A CN202310238382A CN115936269A CN 115936269 A CN115936269 A CN 115936269A CN 202310238382 A CN202310238382 A CN 202310238382A CN 115936269 A CN115936269 A CN 115936269A
- Authority
- CN
- China
- Prior art keywords
- data
- sludge discharge
- water
- sludge
- historical
- 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
-
- 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
Landscapes
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Abstract
本发明提供一种排泥量预测方法、装置及设备，方法包括：获取实时的进水水量数据、进水水质数据、混凝剂投加量数据；将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量；所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定；根据所述预测污泥产生量和预设阈值，确定预测排泥量。本发明的方案能够对水厂污泥产生量的精准预测，从而实现对水厂水池的合理排泥。
Description
技术领域
本发明涉及计算机信息处理技术领域，特别是指一种排泥量预测方法、装置及设备。
背景技术
水厂在生产符合标准的自来水同时，也产生了大量的排泥水，这些排泥水主要来自絮凝池、沉淀池的排泥和滤池的反冲洗。若排泥不及时，易引起沉淀池翻池，严重影响出水水质；若排泥太频繁或排泥时间太长，则会使排泥含水率变高，增加后续处理的难度，还会提高沉淀池自用水量，严重浪费水资源。
目前，水厂排泥系统主要采用固定周期和固定排泥时长来控制反应沉淀池的底泥排放，一方面过度排泥造会成泥水量增加以及相应成本增加，另一方面排泥不足会造成沉淀池泥位过高导致沉淀池出水浊度高的水质风险，以及排泥斗积泥板结的情况发生。
发明内容
本发明要解决的技术问题是如何提供一种排泥量预测方法、装置及设备，能够实现对水厂污泥产生量的精准预测，从而实现对水厂水池的合理排泥。
为解决上述技术问题，本发明的技术方案如下：
一种排泥量预测方法，包括：
获取实时的进水水量数据、进水水质数据、混凝剂投加量数据；
将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量；所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定；
根据所述预测污泥产生量和预设阈值，确定预测排泥量。
可选的，所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定，包括：
获取预设时段内的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据，对所述历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据进行预处理，得到处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据；
获取每次历史排泥过程中的历史排泥水总量数据和历史排泥水含水率数据；
根据所述历史排泥水总量数据和历史排泥水含水率数据，计算得到每次历史排泥过程中的历史固体污泥质量；
按照预设排泥周期对所述历史固体污泥质量进行分段处理，得到历史分段固体污泥质量；
根据所述处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据和所述历史分段固体污泥质量，确定所述排泥量预测模型。
可选的，所述排泥量预测模型为：
；
其中，y为预测污泥产生量，为进水水量数据，为进水水质数据，为混凝剂投加量，为分段固体污泥质量，表示进水水量数据、进水水质数据、混凝剂投加量、分段固体污泥质量之间的逻辑关系。
可选的，将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量，包括：
对水厂实时的进水水量数据、进水水质数据、混凝剂投加量数据进行处理，获取每次实时排泥过程中的实时排泥水总量数据和实时排泥水含水率数据；
根据所述实时排泥水总量数据和实时排泥水含水率数据，计算得到每次实时排泥过程中的实时固体污泥的质量；
按照预设周期对所述实时固体污泥的质量进行分段处理，得到实时分段固体污泥质量；
将实时的进水水量数据、进水水质数据、混凝剂投加量数据和所述实时分段固体污泥质量，输入确定的排泥量预测模型进行处理，得到预测污泥产生量。
可选的，根据所述预测污泥产生量和预设阈值，确定预测排泥量，包括：
根据所述预测污泥产生量和第一预设阈值，确定预测排泥量；或者
根据所述预测污泥产生量和第二预设阈值，确定预测排泥量。
可选的，根据所述预测污泥产生量和第一预设阈值，确定预测排泥量，包括：
根据所述预测污泥产生量和第一预设阈值，确定开始排泥时间；
根据所述开始排泥时间，确定预测排泥量。
可选的，根据所述预测污泥产生量和第二预设阈值，确定预测排泥量，包括：
当水厂沉淀池的出水浊度高于第二预设阈值时，根据水厂沉淀池的进水水质和排泥数据，建立沉淀池参数模型；
根据所述沉淀池参数模型，确定开始排泥时间；
根据开始排泥时间，确定预测排泥量。
本发明还提供一种污排泥量预测装置，包括：
获取模块，用于获取实时的进水水量数据、进水水质数据、混凝剂投加量数据；
处理模块，用于将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量；所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定；根据所述预测污泥产生量和预设阈值，确定预测排泥量。
本发明还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。
本发明还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。
本发明的上述方案至少包括以下有益效果：
本发明的上述方案，通过获取实时的进水水量数据、进水水质数据、混凝剂投加量数据；将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量；所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定；根据所述预测污泥产生量和预设阈值，确定预测排泥量。能够实现对水厂污泥产生量的精准预测，从而实现对水厂水池的合理排泥。
附图说明
图1是本发明实施例的排泥量预测方法的流程示意图；
图2是本发明实施例的排泥量预测装置的模块框示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明的实施例提供一种排泥量预测方法，包括：
步骤11，获取实时的进水水量数据、进水水质数据、混凝剂投加量数据；这里，所述进水水质信息包括但不限于原水浊度等信息。
步骤12，将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量；所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定；
步骤13，根据所述预测污泥产生量和预设阈值，确定预测排泥量。
本发明的该实施例中，将获得的实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量，根据所述预测污泥产生量和预设阈值，确定预测排泥量。这样能够实现对水厂污泥产生量的精准预测，从而实现对水厂水池的合理排泥。
本发明一可选的实施例中，步骤12可以包括：
步骤121，获取预设时段内的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据，对所述历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据进行预处理，得到处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据；
这里，需要说明的是，所述预处理包括但不限于对所述历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据进行数据清洗、数据填补、异常数据剔除等处理，具体的，可以通过插值法进行数据填补处理，可以将数值为0的异常数据进行剔除处理；
步骤122，获取每次历史排泥过程中的历史排泥水总量数据和历史排泥水含水率数据；
步骤123，根据所述历史排泥水总量数据和历史排泥水含水率数据，计算得到每次历史排泥过程中的历史固体污泥质量；
步骤124，按照预设排泥周期对所述历史固体污泥质量进行分段处理，得到历史分段固体污泥质量；
步骤125，根据所述处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据和所述历史分段固体污泥质量，确定所述排泥量预测模型。
具体的，所述排泥量预测模型为：
；
其中，y为预测污泥产生量，为进水水量数据，为进水水质数据，为混凝剂投加量，为分段固体污泥质量，表示进水水量数据、进水水质数据、混凝剂投加量、分段固体污泥质量之间的逻辑关系。
具体实现时，所述排泥量预测模型可以采用多元线性回归模型、非线性回归模型、随机森林模型、BP神经网络模型等多种方式，建立处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据和所述历史分段固体污泥质量之间的关联关系，从而实现污泥产生量的精准预测。例如：采用多元线性回归的方式进行处理时，所述排泥量预测模型如下：
；
其中，y为预测污泥产生量，、、、、为系数，为进水水量数据，为进水水质数据，为混凝剂投加量，为分段固体污泥质量。
本实施例中，根据获得的所述处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据和所述历史分段固体污泥质量，能够确定所述排泥量预测模型。这样可以通过所述排泥量预测模型，对水厂的排泥量进行预测，从而实现对水厂排泥量的精准预测。
需要说明的是，可以通过对水厂的所述处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据进行处理，获得每次历史排泥过程中的历史排泥水总量数据和历史排泥水含水率数据，计算得到每次历史排泥过程中历史固体污泥质量，按照间歇式排泥的周期对历史固体污泥的质量进行分段处理，得到历史分段固体污泥质量。其中，排泥水总量可由排泥装置直接计量得到，例如排泥阀处的流量计直接得到排泥水流量；排泥水含水率数据为排泥过程中的监测指标，可由现场仪器测量或每次排泥过程中人工化验得到数据。排泥过程中的固体污泥质量=排泥水总量*（1-排泥水含水率）。
具体的，所述间歇式排泥的周期可以包括但不限于：将某一次排泥结束至下一次排泥结束做为排泥的周期。
本发明又一可选的实施例中，步骤12可以包括：
步骤126，对水厂实时的进水水量数据、进水水质数据、混凝剂投加量数据进行处理，获取每次实时排泥过程中的实时排泥水总量数据和实时排泥水含水率数据；
步骤127，根据所述实时排泥水总量数据和实时排泥水含水率数据，计算得到每次实时排泥过程中的实时固体污泥的质量；
步骤128，按照预设周期对所述实时固体污泥的质量进行分段处理，得到实时分段固体污泥质量；
步骤129，将实时的进水水量数据、进水水质数据、混凝剂投加量数据和所述实时分段固体污泥质量，输入确定的排泥量预测模型进行处理，得到预测污泥产生量。
本实施例中，通过获取实时的进水水量数据、进水水质数据、混凝剂投加量数据和所述实时分段固体污泥质量，并输入至排泥量预测模型进行处理，得到预测污泥产生量。这样通过预测得到的污泥产生量优化排泥过程，节能降耗，降低排泥水产生量，避免因排泥不及时而导致出水水质超标情况的发生。
本发明又一可选的实施例中，步骤13可以包括：
步骤131，根据所述预测污泥产生量和第一预设阈值，确定预测排泥量；或者
步骤132，根据所述预测污泥产生量和第二预设阈值，确定预测排泥量。
本实施例中，根据所述预测污泥产生量和预设阈值，能够确定预测排泥量，从而实现对水厂污泥的合理排放，避免因排泥不及时而导致出水水质超标情况的发生。
本发明又一可选的实施例中，步骤131可以包括：
步骤1311，根据所述预测污泥产生量和第一预设阈值，确定开始排泥时间；
步骤1312，根据所述开始排泥时间，确定预测排泥量。
本实施例中，可以根据上次排泥结束时刻开始计算累计的污泥产生量，当污泥产生量达到第一预设阈值时开始排泥。并根据开始排泥时间，确定预测排泥量。可根据预测的污泥产生量，以及排泥速率确定排泥时间。也可根据历史经验，确定合理的排泥时间。排泥时间达到前述计算得到的时间或设定的时间时即停止排泥，本次排泥过程结束，直至下一次排泥。
需要说明的是，所述第一预设阈值可以根据水厂沉淀池的设计参数等数据进行确定，具体的确定过程可以包括但不限于：获取水厂历史排泥数据，计算所述历史排泥数据的平均值，或者计算所述历史排泥数据的中位数。
本发明又一可选的实施例中，步骤132可以包括：
步骤1321，当水厂沉淀池的出水浊度高于第二预设阈值时，根据水厂沉淀池的进水水质和排泥数据，建立沉淀池参数模型；
步骤1322，根据所述沉淀池参数模型，确定开始排泥时间；
步骤1323，根据开始排泥时间，确定预测排泥量。
本实施例中，可以根据水厂沉淀池出水的浊度变化情况，当水厂沉淀池出水浊度逐渐升高至第二预设阈值时，说明沉淀池中污泥浓度偏高，需要对沉淀池进行排泥处理。可以根据沉淀池进水水质与出水水质的变化情况与排泥数据，建立沉淀池浊度变化情况与是否需要排泥的逻辑关系，确定最佳排泥时机。
具体的，例如可以将沉淀池进出水的浊度差值与排泥记录进行关联，当进出水浊度差值降低到预设阈值时，说明沉淀池中的污泥浓度偏高，需要对沉淀池进行排泥处理；例如，沉淀池进出水浊度差值小于1.0NTU（Nephelometric Turbidity Unit，散射浊度单位）时即表明需要排泥。
类似的，也可以将沉淀池浊度的降低率作为指标，当浊度降低率低于预设阈值时，说明沉淀池中的污泥浓度偏高，需要对沉淀池进行排泥处理。例如，当浊度降低率小于40%时即表明需要排泥。
本发明的上述实施例中，所述污排泥量预测方法一方面通过对水厂历史进水数据、历史混凝剂投加量数据和排泥数据进行分析，结合机器学习算法，将水厂进水量和原水浊度等水质信息、混凝剂投加量等数据进行关联，从而实现对水厂污泥产生量的预测。另一方面，通过预测得到的污泥产生量，结合水厂实际运行状况，通过智能化算法优化排泥过程，节能降耗，降低排泥水产生量，避免因排泥不及时而导致出水水质超标情况的发生；
所述排泥量预测方法通过水厂进水量和原水浊度等水质信息、混凝剂投加量等数据进行关联，从而实现对水厂污泥产生量的预测；利用预测出的污泥产生量结果，结合给定的规则指导沉淀池排泥操作，通过污泥产生量判断是否需要排泥的规则逻辑。
如图2所示，本发明的实施例还提供一种污排泥量预测装置20，所述装置20包括：
获取模块21，用于获取实时的进水水量数据、进水水质数据、混凝剂投加量数据；
处理模块22，用于将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量；所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定；根据所述预测污泥产生量和预设阈值，确定预测排泥量。
可选的，所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定，包括：
获取预设时段内的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据，对所述历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据进行预处理，得到处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据；
获取每次历史排泥过程中的历史排泥水总量数据和历史排泥水含水率数据；
根据所述历史排泥水总量数据和历史排泥水含水率数据，计算得到每次历史排泥过程中的历史固体污泥质量；
按照预设排泥周期对所述历史固体污泥质量进行分段处理，得到历史分段固体污泥质量；
根据所述处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据和所述历史分段固体污泥质量，确定所述排泥量预测模型。
可选的，所述排泥量预测模型为：
；
其中，y为预测污泥产生量，为进水水量数据，为进水水质数据、为混凝剂投加量，为分段固体污泥质量，表示进水水量数据、进水水质数据、混凝剂投加量、分段固体污泥质量之间的逻辑关系。
可选的，将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量，包括：
对水厂实时的进水水量数据、进水水质数据、混凝剂投加量数据进行处理，获取每次实时排泥过程中的实时排泥水总量数据和实时排泥水含水率数据；
根据所述实时排泥水总量数据和实时排泥水含水率数据，计算得到每次实时排泥过程中的实时固体污泥的质量；
按照预设周期对所述实时固体污泥的质量进行分段处理，得到实时分段固体污泥质量；
将实时的进水水量数据、进水水质数据、混凝剂投加量数据和所述实时分段固体污泥质量，输入确定的排泥量预测模型进行处理，得到预测污泥产生量。
可选的，根据所述预测污泥产生量和预设阈值，确定预测排泥量，包括：
根据所述预测污泥产生量和第一预设阈值，确定预测排泥量；或者
根据所述预测污泥产生量和第二预设阈值，确定预测排泥量。
可选的，根据所述预测污泥产生量和第一预设阈值，确定预测排泥量，包括：
根据所述预测污泥产生量和第一预设阈值，确定开始排泥时间；
根据所述开始排泥时间，确定预测排泥量。
可选的，根据所述预测污泥产生量和第二预设阈值，确定预测排泥量，包括：
当水厂沉淀池的出水浊度高于第二预设阈值时，根据水厂沉淀池的进水水质和排泥数据，建立沉淀池参数模型；
根据所述沉淀池参数模型，确定开始排泥时间；
根据开始排泥时间，确定预测排泥量。
需要说明的是，该装置是与上述方法对应的装置，上述方法实施例中的所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，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，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元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单元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。
所述功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可 以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种排泥量预测方法，其特征在于，包括：
获取实时的进水水量数据、进水水质数据、混凝剂投加量数据；
将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量；所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定；
根据所述预测污泥产生量和预设阈值，确定预测排泥量。
2.根据权利要求1所述的排泥量预测方法，其特征在于，所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定，包括：
获取预设时段内的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据，对所述历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据进行预处理，得到处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据；
获取每次历史排泥过程中的历史排泥水总量数据和历史排泥水含水率数据；
根据所述历史排泥水总量数据和历史排泥水含水率数据，计算得到每次历史排泥过程中的历史固体污泥质量；
按照预设排泥周期对所述历史固体污泥质量进行分段处理，得到历史分段固体污泥质量；
根据所述处理后的历史进水水量数据、处理后的历史进水水质数据、处理后的历史混凝剂投加量数据和所述历史分段固体污泥质量，确定所述排泥量预测模型。
3.根据权利要求2所述的排泥量预测方法，其特征在于，所述排泥量预测模型为：
；
其中，y为预测污泥产生量，为进水水量数据，为进水水质数据，为混凝剂投加量，为分段固体污泥质量，表示进水水量数据、进水水质数据、混凝剂投加量、分段固体污泥质量之间的逻辑关系。
4.根据权利要求1所述的排泥量预测方法，其特征在于，将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量，包括：
对水厂实时的进水水量数据、进水水质数据、混凝剂投加量数据进行处理，获取每次实时排泥过程中的实时排泥水总量数据和实时排泥水含水率数据；
根据所述实时排泥水总量数据和实时排泥水含水率数据，计算得到每次实时排泥过程中的实时固体污泥的质量；
按照预设周期对所述实时固体污泥的质量进行分段处理，得到实时分段固体污泥质量；
将实时的进水水量数据、进水水质数据、混凝剂投加量数据和所述实时分段固体污泥质量，输入确定的排泥量预测模型进行处理，得到预测污泥产生量。
5.根据权利要求1所述的排泥量预测方法，其特征在于，根据所述预测污泥产生量和预设阈值，确定预测排泥量，包括：
根据所述预测污泥产生量和第一预设阈值，确定预测排泥量；或者
根据所述预测污泥产生量和第二预设阈值，确定预测排泥量。
6.根据权利要求5所述的排泥量预测方法，其特征在于，根据所述预测污泥产生量和第一预设阈值，确定预测排泥量，包括：
根据所述预测污泥产生量和第一预设阈值，确定开始排泥时间；
根据所述开始排泥时间，确定预测排泥量。
7.根据权利要求5所述的排泥量预测方法，其特征在于，根据所述预测污泥产生量和第二预设阈值，确定预测排泥量，包括：
当水厂沉淀池的出水浊度高于第二预设阈值时，根据水厂沉淀池的进水水质和排泥数据，建立沉淀池参数模型；
根据所述沉淀池参数模型，确定开始排泥时间；
根据开始排泥时间，确定预测排泥量。
8.一种污排泥量预测装置，其特征在于，包括：
获取模块，用于获取实时的进水水量数据、进水水质数据、混凝剂投加量数据；
处理模块，用于将所述实时的进水水量数据、进水水质数据、混凝剂投加量数据，输入确定的排泥量预测模型进行处理，得到预测污泥产生量；所述排泥量预测模型根据水厂的历史进水水量数据、历史进水水质数据、历史混凝剂投加量数据确定；根据所述预测污泥产生量和预设阈值，确定预测排泥量。
9.一种计算设备，其特征在于，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，存储指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310238382.0A CN115936269A (zh) | 2023-03-14 | 2023-03-14 | 一种排泥量预测方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310238382.0A CN115936269A (zh) | 2023-03-14 | 2023-03-14 | 一种排泥量预测方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115936269A true CN115936269A (zh) | 2023-04-07 |
Family
ID=86649411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310238382.0A Pending CN115936269A (zh) | 2023-03-14 | 2023-03-14 | 一种排泥量预测方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115936269A (zh) |
Citations (6)
| 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 |
| CN111655633A (zh) * | 2018-02-02 | 2020-09-11 | 凯米拉公司 | 用于提供废水处理厂的污泥脱水过程的至少一个输入参数的方法和系统 |
| CN113591317A (zh) * | 2021-08-06 | 2021-11-02 | 金盛 | 一种水厂反应沉淀池精确排泥模型控制方法 |
| CN114819376A (zh) * | 2022-05-10 | 2022-07-29 | 南通派菲克水务技术有限公司 | 一种沉淀池泥量预测系统及方法 |
| CN115504557A (zh) * | 2022-10-25 | 2022-12-23 | 中冶赛迪技术研究中心有限公司 | 应用于沉淀池的自动排泥方法 |
| CN115531934A (zh) * | 2022-10-26 | 2022-12-30 | 重庆大学 | 一种沉淀池排泥控制方法 |
-
2023
- 2023-03-14 CN CN202310238382.0A patent/CN115936269A/zh active Pending
Patent Citations (6)
| 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 |
| CN111655633A (zh) * | 2018-02-02 | 2020-09-11 | 凯米拉公司 | 用于提供废水处理厂的污泥脱水过程的至少一个输入参数的方法和系统 |
| CN113591317A (zh) * | 2021-08-06 | 2021-11-02 | 金盛 | 一种水厂反应沉淀池精确排泥模型控制方法 |
| CN114819376A (zh) * | 2022-05-10 | 2022-07-29 | 南通派菲克水务技术有限公司 | 一种沉淀池泥量预测系统及方法 |
| CN115504557A (zh) * | 2022-10-25 | 2022-12-23 | 中冶赛迪技术研究中心有限公司 | 应用于沉淀池的自动排泥方法 |
| CN115531934A (zh) * | 2022-10-26 | 2022-12-30 | 重庆大学 | 一种沉淀池排泥控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101133664B1 (ko) | 분리막을 이용한 수처리 시스템에서 유전자 알고리즘/프로그래밍을 이용한 막오염지수 예측모델 기반 완화 세정 방법 및 시스템 | |
| Ferrero et al. | Automatic control systems for submerged membrane bioreactors: A state-of-the-art review | |
| CN105152317B (zh) | 对膜生物反应器的膜性能进行预警的方法 | |
| CN114849316B (zh) | 一种智能化反冲洗过滤的自动控制系统 | |
| KR101889510B1 (ko) | 심층 신경망을 이용한 정수 처리에서의 응집제 주입률 예측 방법 | |
| JP2017140595A (ja) | 管理支援システム、管理支援方法及び管理支援プログラム | |
| CN112691413A (zh) | 一种用于沉淀池的排泥控制方法及装置 | |
| CN111977743A (zh) | 软水机 | |
| CN114315057B (zh) | 水处理控制方法、系统、计算机设备及存储介质 | |
| JP5193884B2 (ja) | 上水施設の監視制御システム | |
| CN113143127B (zh) | 清洁机器人控制方法、装置、清洁机器人及存储介质 | |
| CN115936269A (zh) | 一种排泥量预测方法、装置及设备 | |
| KR101301598B1 (ko) | 응집제 투입율 실시간 최적화 방법 및 이를 적용한 하수처리설비 | |
| EP4209464A1 (en) | Chemical dosing optimization apparatus and method for water treatment plant | |
| CN115531934A (zh) | 一种沉淀池排泥控制方法 | |
| CN104609533A (zh) | 一种难降解有机废水臭氧非均相催化氧化处理工艺的控制系统及方法 | |
| CN111362469B (zh) | 一种矿用水净化处理系统 | |
| CN114819376A (zh) | 一种沉淀池泥量预测系统及方法 | |
| JP6022194B2 (ja) | Ｔｏｃ低減装置およびｔｏｃ低減方法 | |
| KR101156592B1 (ko) | 여과 방식의 수처리 설비의 운영 장치 및 방법 | |
| CN114368844B (zh) | 高矿化度矿井水处理的数据监测方法和监测装置 | |
| CN117929666B (zh) | 工业废水在线监测数据的质控方法、装置、电子设备及存储介质 | |
| KR101692789B1 (ko) | 막유니트를 이용한 수처리 장치 및 수처리 방법 | |
| CN113589854B (zh) | 一种污水站调节池污水定量排出控制方法及系统 | |
| CN115477362B (zh) | 一种水质软化方法、装置、电子设备及存储介质 |
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 |