CN116119877A - 一种基于物联网技术的污水自动化处理方法及系统 - Google Patents
一种基于物联网技术的污水自动化处理方法及系统 Download PDFInfo
- Publication number
- CN116119877A CN116119877A CN202310144527.0A CN202310144527A CN116119877A CN 116119877 A CN116119877 A CN 116119877A CN 202310144527 A CN202310144527 A CN 202310144527A CN 116119877 A CN116119877 A CN 116119877A
- Authority
- CN
- China
- Prior art keywords
- sewage
- data
- scheme
- sewage treatment
- treatment
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F9/00—Multistage treatment of water, waste water or sewage
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- 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
- C02F1/001—Processes for the treatment of water whereby the filtration technique is of importance
-
- 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
- C02F1/50—Treatment of water, waste water, or sewage by addition or application of a germicide or by oligodynamic treatment
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/001—Upstream control, i.e. monitoring for predictive control
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/005—Processes using a programmable logic controller [PLC]
- C02F2209/008—Processes using a programmable logic controller [PLC] comprising telecommunication features, e.g. modems or antennas
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/34—Biological treatment of water, waste water, or sewage characterised by the microorganisms used
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Crystallography & Structural Chemistry (AREA)
- Public Health (AREA)
- Bioethics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提出了一种基于物联网技术的污水自动化处理方法及系统,属于自动化处理的技术领域。其中方法包括:构建终端监测设备之间的数据通信链路;利用终端监测设备对污水成分进行采集;在监测控制中心构建分析模型,并接收采集到的污水成分数据;构建方案生成模型,并根据获得的分析数据生成污水处理方案;将生成的污水处理方案转化为终端执行设备可识别的指令数据,并通过数据通信链路将指令数据回传给对应的终端执行设备;终端执行设备根据接收到的指令数据执行相对应的作业。通过物联网通信链路的构建,实时监测终端设备采集到的监测数据,更好的实现了远程对污水情况的监控,并生成对应的处理方案,从而提高污水处理的质量。
Description
技术领域
本发明属于自动化处理的技术领域,特别涉及一种基于物联网技术的污水自动化处理方法及系统。
背景技术
在人类社会的发展进程中,随着经济社会的发展,生产、生活用水不断增加,污水的排放问题,导致水体、土壤等受到了越来越严重的迫害,进而严重影响人名群众的身体健康。
为了减少污水对环境的影响,大部分的污水处理厂普遍采用人工全天值守的方式对水质进行检测,不仅需要投入大量的人力,而且人工监控常常会因为疏忽,导致检测精度不足,重要参数数据遗漏等问题的出现。
发明内容
发明目的:提出一种基于物联网技术的污水自动化处理方法及系统,以解决现有技术存在的上述问题。通过物联网通信链路的构建,实时监测终端设备采集到的监测数据,更好的实现了远程对污水情况的监控,并生成对应的处理方案,从而提高污水处理的质量。
技术方案:第一方面,提出了一种基于物联网技术的污水自动化处理方法,该方法包括以下步骤:
步骤1、构建终端监测设备之间的数据通信链路;
其中,数据通信链路贯穿由感知层、网络层和应用层构成的通信网络架构;感知层作为通信网络架构的底层,用于对污水处理现场的数据进行采集分析;网络层作为通信网络架构的中间层,用于根据建立的数据通信链路,执行不同对象之间的信息交互;应用层作为通信网络架构的顶层,用于执行对污水处理现场实际情况的监控。
步骤2、利用终端监测设备对污水成分进行采集;
步骤3、在监测控制中心构建分析模型,并接收步骤2中采集到的污水成分数据;
步骤4、构建方案生成模型,并根据步骤3中获得的分析数据生成污水处理方案;
利用方案生成模型生成污水处理方案的过程中,包括以下步骤:
步骤4.1、基于物理属性实现初步处理,将非溶解性物质完成过滤;
步骤4.2、通过在污水中引入微生物的方式,对步骤4.1初步处理后的结果进行二次处理;其中,在执行二次处理的过程中,通过调整氧气在水体中的浓度,控制微生物的生长;同时,利用微生物分解有机物,降解污染物质,净化污水。
步骤4.3、基于步骤4.2处理后的处理结果,通过投入相应成分的化学试剂,对污水执行残余细菌的消除。
步骤5、将步骤4中生成的污水处理方案转化为终端执行设备可识别的指令数据,并通过数据通信链路将指令数据回传给对应的终端执行设备;
步骤6、终端执行设备根据接收到的指令数据执行相对应的作业。
在第一方面的一些可实现方式中,在执行污水自动化处理的过程中,进一步包括:对终端监测设备预设报警阈值;其中,报警阈值作为参考数值,用于与实际作业过程中读取到的设备参数做对比,当实际作业过程中的数据满足报警阈值时,通过数据通信链路向控制中心发送报警信息,同时定位并记录故障出现的位置和故障内容。
在第一方面的一些可实现方式中,针对所述步骤4生成污水处理方案,以运行成本为目标函数,构建方案优化模型,生成优化控制方案;
利用所述优化模型有爱互控制方案的过程包括以下步骤:
步骤①、根据需求将待分析的参数执行初始化,生成不同的个体;
步骤②、构建适应度函数,并基于适应度函数,计算个体对应的适应度值,获得处理初始最优个体;
步骤③、引入交叉算子和选择算子,执行交叉操作和选择操作,获得新的种群;
步骤④、利用适应度函数对步骤③获得的新种群执行适应度计算,并根据计算结果获得最劣个体;
步骤⑤、沿着最劣个体的方向,在保证搜索点为可行点的限定区间中,利用下降算子线性搜索个体;
步骤⑥、对步骤⑤搜索到的个体执行变异操作,获得下一代的群体;
步骤⑦、判断当前是否满足预设的迭代终止条件,当满足时,输出方案优化模型的最优解;反之,不满足预设的迭代终止条件时,跳转至步骤③。
第二方面,提出一种基于物联网技术的污水自动化处理系统,用于实现一种基于物联网技术的污水自动化处理方法,该系统包括:通信链路构建模块、数据采集模块、模型构建模块、数据分析模块、方案生成模块、指令生成模块和执行模块。
其中,通信链路构建模块用于构建终端监测设备之间的数据通信链路;数据采集模块用于利用终端监测设备对污水成分进行采集;模型构建模块用于根据实际应用需求构建分析模型和方案生成模型;数据分析模块用于利用分析模型对数据采集模块获取到的数据进行分析;方案生成模块用于根据数据分析模型获得的分析结果,利用方案生成模型生成污水处理方案;指令生成模块用于将污水处理方案生成终端执行设备可识别的指令数据,并通过数据通信链路将指令数据回传给对应的终端执行设备;执行模块用于根据接收到的指令数据执行污水处理作业。
其中,模型构建模块还用于生成方案优化模型;方案优化模型以运行成本为目标函数,用于获得优化后的污水处理控制方案,从而获得低成本、高质量的污水处理结果。
第三方面,提供了一种基于物联网技术的污水自动化处理设备,该设备包括:处理器,以及存储有计算机程序指令的存储器;其中处理器读取并执行计算机程序指令时实现第一方面或第一方面的一些可实现方式中的污水自动化处理方法。
第四方面,,提供了一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现第一方面或第一方面的一些可实现方式中的污水自动化处理方法。
有益效果:本发明提出了一种基于物联网技术的污水自动化处理方法及系统,通过物联网通信链路的构建,实时监测终端设备采集到的监测数据,更好的实现了远程对污水情况的监控,并生成对应的处理方案,从而提高污水处理的质量。
附图说明
图1为本发明的数据处理流程图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
申请人认为在社会发展的过程中,水资源作为不可获取的要素之一,对污水的有效处理可以在极大程度上改善生态环境,以及减少对人名群众身体健康的威胁。现有的污水处理过程中较为复杂,普遍采用依靠人工处理的方式,但是人工操作常常会因为疏忽,或其他影响因素,导致对污水处理过程中关键点的控制不够精准,从而无法达到预期的处理效果。
针对实际应用过程中存在的问题,本申请提出了一种基于物联网技术的污水自动化处理方法及系统,通过物联网通信链路的构建,实时监测终端设备采集到的监测数据,更好的实现了远程对污水情况的监控,并生成对应的处理方案,从而提高污水处理的质量。
实施例一
在一个实施例中,针对污水处理的质量需求,提出一种基于物联网技术的污水自动化处理方法,通过物联网实现远程对污水处理的监测和控制,有效降低人工成本的投入,提高污水处理的质量。如图1所示,该方法包括以下步骤:
步骤1、构建终端监测设备之间的数据通信链路;
步骤2、利用终端监测设备对污水成分进行采集;
步骤3、在监测控制中心构建分析模型,并接收步骤2中采集到的污水成分数据;
步骤4、构建方案生成模型,并根据步骤3中获得的分析数据生成污水处理方案;
步骤5、将步骤4中生成的污水处理方案转化为终端执行设备可识别的指令数据,并通过数据通信链路将指令数据回传给对应的终端执行设备;
步骤6、终端执行设备根据接收到的指令数据执行相对应的作业。
本事实例通过物联网技术实现了对污水自动化处理的远程监测,通过自动化处理替换人工的方式,有效提高了监测准确率,同时自动化的处理方式,有效控制了出水水质,降低污染程度,保障了污水处理质量,提高污水处理的智能化水平。
实施例二
在实施例一基础上的进一步实施例中,执行污水自动化处理时,为了实现对污水处理的远程监测,基于物联网技术执行数据通信链路的搭建。
搭建数据通信链路的过程中,将通信架构划分为感知层、网络层和应用层,其中感知层作为通信架构的底层,包括不同的传感器、浮球以及控制器等,用于对污水处理现场的数据进行采集分析。网络层作为通信架构的中间层,包括交换机、智能网关,以及各种通信协议,用于将数据通信链路中的不同设备、应用程序以及通信协议等连接在一起,执行设备信息的交互。应用层作为通信架构的顶层,包括污水处理现场终端的应用程序,以及远程客户端的应用程序,用于实现对污水处理现场实际情况的监控。
在进一步的实施例中,基于搭建的数据通信链路,为了更好的提高对污水处理终端设备的检测,在应用层中进一步添加参数报警模块,通过阈值的设定,判断感知层中终端监测设备的作业情况,应用层中接收到的数值不在设定的阈值范围内时,参数报警报警模块向控制中心发送报警信息,同时定位并记录故障出现的位置和故障内容。
在执行污水自动化处理的过程中,本实施例利用PLC控制器件实现设别控制程序的编写,并采用块状式编程方式,使得整个系统通过主程序与子程序调用的方式实现运行,不仅便于整个模块的控制、还便于对单个功能程序的修改和维护。
本实施例基于物联网技术的发展搭建数据通信链路,解决了现有技术中过度依赖人工导致的监测精度问题,同时实现了远程对污水处理作业的监测目标,方便了工作人员对实际作业过程中处理相关参数数据的难度。另外,本实施例进一步提出了通过阈值执行设备故障判断的模块,从而实现在不占据大量运算资源的同时,完成对终端设备的故障监测,同时及时通知远程工作人员对实际作业设别的情况了解,为后续的设备维修提供依据。
实施例三
在实施例一基础上的进一步实施例中,在污水自动化处理的过程中,为了提高污水处理后输出水质的质量,在生成污水自动化处理方案的过程中,通过构建方案优化模型,生成优化控制方案,从而提高污水处理质量。
实际污水处理的过程中包括:物理处理方法、生物处理方法和化学处理方案,其中生物处理方法通过微生物氧化分解的方式,降解污水中存在的有机物,从而实现有机物到无机物的转换。物理处理方法通过反渗透、气浮等处理方式,对污水中的非溶解性物质进行处理。化学处理方案通过充分利用污水中不同杂质之间的化学反应进行过滤和分解。
由于化学试剂对环境处理存在一定的影响,因此在实际的污水处理过程中,通常首先通过物理处理方法实现初步处理,将非溶解性物质完成过滤,随后,利用生物处理方法对物理处理方法的结果进行二次处理,通过调整氧气在水体中的浓度,从而控制微生物的生长,进而利用微生物分解有机物,降解污染物质,净化污水;最后,基于微生物处理后的处理结果,通过投入相应成分的化学试剂,对污水执行残余细菌的消除,得到最后处理完成的干净水。
若盲目的采用现有的污水处理方案,可能会造成资源浪费,投入成本过高等问题,因此,为了达到高效率的污水处理,在生成污水自动化处理方案的过程中,基于现有的污水处理方案,本实施例以运行成本为目标函数,构建方案优化模型,并生成优化控制方案,从而在达到低成本、高质量的污水处理结果。
具体的,利用构建的方案优化模型获取优化控制方法的过程包括以下步骤:首先,根据需求将待分析的参数执行初始化,生成不同的个体;其次,构建适应度函数,并基于适应度函数,获得个体对应的适应度值,从而获得处理初始最优个体;再次,引入交叉算子和选择算子,执行交叉操作和选择操作,获得新的种群,并利用适应度函数对获得的新种群执行适应度计算,并根据计算结果获得最劣个体;从次,沿着最劣个体的方向,在保证搜索点为可行点的限定区间中,利用下降算子线性搜索个体,并对搜索到的个体执行变异操作,获得下一代的群体;最后,判断当前是否满足预设的迭代终止条件,当满足时,输出方案优化模型的最优解;反之,不满足预设的迭代终止条件时,继续对种群执行交叉、选择、变异操作。
优选实施例中,利用构建的方案优化模型获取优化控制方法的过程中,具体包括以下步骤:
步骤1、对模型中的参数执行初始化,并将最大进化代数和进化代数计数器分别设定为T和0;同时随机产生M个个体,得到初始种群P(t);
步骤2、构建适应度函数;
步骤3、利用步骤2中构建的适应度函数获得个体对应的适应度值,并根据适应度值的计算结果得到最优个体xbest(t);
步骤4、预设交叉算子和选择算子,并执行交叉操作和选择操作,获得具备M+1个个体的新种群P′(t)={xk(t)|k=0,1,…,M};
步骤5、采用适应度函数计算每个个体在新种群中的适应度,并根据计算结果找到最劣个体x′worst;
步骤6、沿适应度计算结果的降序方向,即x′k(t)-x′worst方向,在保证搜索点为可行点的限定区间中利用下降算子线性搜索个体x′k(t),得到
步骤7、在群体中引入变异算子对步骤6中得到的个体执行变异操作
步骤8、预设循环迭代条件,当满足迭代终止条件时,输出获得的最优解;反之,跳转至步骤4。
在进一步的实施例中,获取优化控制方法的过程中,以处理运行费K为优化目标,在实际的应用中,运行费一般包括:处理污泥产生的费用K1、处理回流污泥产生的费用K2和供氧产生的费用K3。其中处理运行费
K=K1+K2+K3。
不同费用之间的获取表达式为:
式中,S表示单位剩余污泥的处理费用;B表示单位回流污泥的处理费用;V表示转移单位质量氧气所需的费用;FP表示溶解氧浓度;
本实施例通过将生成优化方案的过程,转化成获取方案优化模型最优解的方式,得到最优的污水处理方案,有效实现对污水处理的优化控制,并且在实际应用中兼具处理效果好,以及经济效益高的特点。
实施例四
在实施例一基础上的进一步实施例中,为了提高污水自动化处理的效果,通过对处理后水质的情况进行评估。本实施例中选择数值参数浓度减少值与处理前水质参数浓度的百分比进行评定。
具体的,水质提升率的表达式为:
式中,Rsz表示水质提升率;C0表示水环境提升方案实施前水质参数浓度;C1表示水环境提升方案实施后水质参数浓度。当水质提升率越高时,表明当前的污水处理效果越好。
另外,为了更好的生成自动化的污水处理方案,将当前实际执行污水处理的污水处理厂前后水质的变化,作为个性化的模型训练数据,为了提高模型的准确性,将水质提升率较高的方案作为方案生成模型的训练数据,用于提升实际应用过程中,针对某一个污水处理厂的方案生成模型的性能。从而在获得优化处理方案的同时,更贴合实际的应用场景。
实施例五
在一个实施例中,提出一种基于物联网技术的污水自动化处理系统,用于实现一种基于物联网技术的污水自动化处理方法,该系统包括以下模块:通信链路构建模块、数据采集模块、模型构建模块、数据分析模块、方案生成模块、指令生成模块和执行模块。
其中,通信链路构建模块用于构建终端监测设备之间的数据通信链路;数据采集模块用于利用终端监测设备对污水成分进行采集;模型构建模块用于根据实际应用需求构建分析模型和方案生成模型;数据分析模块用于利用分析模型对数据采集模块获取到的数据进行分析;方案生成模块用于根据数据分析模型获得的分析结果,利用方案生成模型生成污水处理方案;指令生成模块用于将污水处理方案生成终端执行设备可识别的指令数据,并通过数据通信链路将指令数据回传给对应的终端执行设备;执行模块用于根据接收到的指令数据执行污水处理作业。
在实际污水处理的作业过程中,针对不同设备与控制中心之间的数据传输,通信链路构建模块基于物联网技术构建终端监测设备之间的数据通信链路;随后数据采集模块利用终端监测设备对污水成分进行采集并传输至控制中心。在监测控制中心根据污水处理过程中的需求,利用模型构建模块构建分析模型和方案生成模型。根据分析需求,利用数据分析模块对数据采集模块获取到的数据进行分析,并采用方案生成模块基于数据分析模块的分析结果,生成污水处理方案。为了便于后续终端设备的作业,利用指令生成模块将污水处理方案生成终端执行设备可识别的指令数据,并通过数据通信链路将指令数据回传给对应的终端执行设备。最后,在执行模块中根据接收到的指令数据执行污水处理作业。
在进一步的实施例中,利用方案生成模块获得污水处理方案的过程中,进一步采用该模型构建模块构建一个方案优化模型,以运行成本为目标函数获得优化后的污水处理控制方案,从而获得低成本、高质量的污水处理结果。
如上所述,尽管参照特定的优选实施例已经表示和表述了本发明,但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下,可对其在形式上和细节上做出各种变化。
Claims (10)
1.一种基于物联网技术的污水自动化处理方法,其特征在于,包括以下步骤:
步骤1、构建终端监测设备之间的数据通信链路;
步骤2、利用终端监测设备对污水成分进行采集;
步骤3、在监测控制中心构建分析模型,并接收步骤2中采集到的污水成分数据;
步骤4、构建方案生成模型,并根据步骤3中获得的分析数据生成污水处理方案;
步骤5、将步骤4中生成的污水处理方案转化为终端执行设备可识别的指令数据,并通过数据通信链路将指令数据回传给对应的终端执行设备;
步骤6、终端执行设备根据接收到的指令数据执行相对应的作业。
2.根据权利要求1所述的一种基于物联网技术的污水自动化处理方法,其特征在于,所述数据通信链路贯穿由感知层、网络层和应用层构成的通信网络架构;
所述感知层作为通信网络架构的底层,用于对污水处理现场的数据进行采集分析;
所述网络层作为通信网络架构的中间层,用于根据建立的数据通信链路,执行不同对象之间的信息交互;
所述应用层作为通信网络架构的顶层,用于执行对污水处理现场实际情况的监控。
3.根据权利要求1所述的一种基于物联网技术的污水自动化处理方法,其特征在于,在执行污水自动化处理的过程中,进一步包括:对终端监测设备预设报警阈值;
所述报警阈值作为参考数值,用于与实际作业过程中读取到的设备参数做对比,当实际作业过程中的数据满足报警阈值时,通过数据通信链路向控制中心发送报警信息,同时定位并记录故障出现的位置和故障内容。
4.根据权利要求1所述的一种基于物联网技术的污水自动化处理方法,其特征在于,所述步骤4在利用方案生成模型生成污水处理方案的过程中,包括以下步骤:
步骤4.1、基于物理属性实现初步处理,将非溶解性物质完成过滤;
步骤4.2、通过在污水中引入微生物的方式,对步骤4.1初步处理后的结果进行二次处理;
步骤4.3、基于步骤4.2处理后的处理结果,通过投入相应成分的化学试剂,对污水执行残余细菌的消除。
5.根据权利要求4所述的一种基于物联网技术的污水自动化处理方法,其特征在于,所述步骤4.2执行二次处理的过程中,通过调整氧气在水体中的浓度,控制微生物的生长;同时,利用微生物分解有机物,降解污染物质,净化污水。
6.根据权利要求1所述的一种基于物联网技术的污水自动化处理方法,其特征在于,针对所述步骤4生成污水处理方案,以运行成本为目标函数,构建方案优化模型,生成优化控制方案;
利用所述优化模型有爱互控制方案的过程包括以下步骤:
步骤①、根据需求将待分析的参数执行初始化,生成不同的个体;
步骤②、构建适应度函数,并基于适应度函数,计算个体对应的适应度值,获得处理初始最优个体;
步骤③、引入交叉算子和选择算子,执行交叉操作和选择操作,获得新的种群;
步骤④、利用适应度函数对步骤③获得的新种群执行适应度计算,并根据计算结果获得最劣个体;
步骤⑤、沿着最劣个体的方向,在保证搜索点为可行点的限定区间中,利用下降算子线性搜索个体;
步骤⑥、对步骤⑤搜索到的个体执行变异操作,获得下一代的群体;
步骤⑦、判断当前是否满足预设的迭代终止条件,当满足时,输出方案优化模型的最优解;反之,不满足预设的迭代终止条件时,跳转至步骤③。
7.一种基于物联网技术的污水自动化处理系统,用于实现如权利要求1-6任意一项所述的污水自动化处理方法,其特征在于,包括以下模块:
通信链路构建模块,被设置为构建终端监测设备之间的数据通信链路;
数据采集模块,被设置为利用终端监测设备对污水成分进行采集;
模型构建模块,被设置为根据实际应用需求构建分析模型和方案生成模型;
数据分析模块,被设置为利用分析模型对数据采集模块获取到的数据进行分析;
方案生成模块,被设置为根据数据分析模型获得的分析结果,利用方案生成模型生成污水处理方案;
指令生成模块,被设置为将污水处理方案生成终端执行设备可识别的指令数据,并通过数据通信链路将指令数据回传给对应的终端执行设备;
执行模块,被设置为据接收到的指令数据执行污水处理作业。
8.根据权利要求7所述的一种基于物联网技术的污水自动化处理系统,其特征在于,所述模型构建模块还用于生成方案优化模型;
所述方案优化模型以运行成本为目标函数,用于获得优化后的污水处理控制方案。
9.一种基于物联网技术的污水自动化处理设备,其特征在于,所述设备包括:
处理器以及存储有计算机程序指令的存储器;
所述处理器读取并执行所述计算机程序指令,以实现如权利要求1-6任意一项所述的污水自动化处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的污水自动化处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144527.0A CN116119877A (zh) | 2023-02-20 | 2023-02-20 | 一种基于物联网技术的污水自动化处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144527.0A CN116119877A (zh) | 2023-02-20 | 2023-02-20 | 一种基于物联网技术的污水自动化处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116119877A true CN116119877A (zh) | 2023-05-16 |
Family
ID=86299063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310144527.0A Pending CN116119877A (zh) | 2023-02-20 | 2023-02-20 | 一种基于物联网技术的污水自动化处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116119877A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117049617A (zh) * | 2023-08-14 | 2023-11-14 | 江苏秦郡环保科技有限公司 | 一种垃圾焚烧炉渣的污水处理控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105573115A (zh) * | 2015-12-09 | 2016-05-11 | 中山大学 | 基于量子遗传算法的污水处理过程节能优化控制方法 |
WO2018098721A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种环境数据监控方法和系统 |
CN109410088A (zh) * | 2018-11-21 | 2019-03-01 | 高瓴环境科技有限公司 | 一种应用物联网技术的污水处理方法 |
CN111221308A (zh) * | 2020-01-21 | 2020-06-02 | 南京兴丞智能制造研究院有限公司 | 一种工业物联网控制系统及其操作方法 |
CN113636713A (zh) * | 2021-07-12 | 2021-11-12 | 宁夏福宁工程设计咨询有限公司 | 一种准iv类排放稳定达标的方法 |
-
2023
- 2023-02-20 CN CN202310144527.0A patent/CN116119877A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105573115A (zh) * | 2015-12-09 | 2016-05-11 | 中山大学 | 基于量子遗传算法的污水处理过程节能优化控制方法 |
WO2018098721A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种环境数据监控方法和系统 |
CN109410088A (zh) * | 2018-11-21 | 2019-03-01 | 高瓴环境科技有限公司 | 一种应用物联网技术的污水处理方法 |
CN111221308A (zh) * | 2020-01-21 | 2020-06-02 | 南京兴丞智能制造研究院有限公司 | 一种工业物联网控制系统及其操作方法 |
CN113636713A (zh) * | 2021-07-12 | 2021-11-12 | 宁夏福宁工程设计咨询有限公司 | 一种准iv类排放稳定达标的方法 |
Non-Patent Citations (2)
Title |
---|
宋朝红等: "基于下降搜索的混合遗传算法", 武汉大学学报(工学版), vol. 36, no. 01, pages 110 - 111 * |
崔莉凤等: "活性污泥法优化控制──溶解氧浓度对运行费用的影响", 北京工商大学学报(自然科学版), vol. 19, no. 04, pages 4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117049617A (zh) * | 2023-08-14 | 2023-11-14 | 江苏秦郡环保科技有限公司 | 一种垃圾焚烧炉渣的污水处理控制方法及系统 |
CN117049617B (zh) * | 2023-08-14 | 2024-02-02 | 江苏秦郡环保科技有限公司 | 一种垃圾焚烧炉渣的污水处理控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106295800B (zh) | 一种基于递归自组织rbf神经网络的出水总氮tn智能检测方法 | |
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 | |
CN102681498B (zh) | 污水处理过程优化运行方法 | |
CN107540169A (zh) | 一种污水处理控制系统及其处理方法 | |
CN116216819B (zh) | 智慧水务数据分析管理系统及方法 | |
CN116119877A (zh) | 一种基于物联网技术的污水自动化处理方法及系统 | |
CN115793471B (zh) | 一种基于污水处理监测的可调式控制方法及系统 | |
CN108536106B (zh) | 一种基于卡尔曼滤波-极限学习机的曝气系统溶解氧在线调控方法 | |
CN208335253U (zh) | 一种基于改进ga-bp在工业污水监测系统 | |
CN111825190A (zh) | 一种基于物联网的水处理智能加药设备 | |
CN117171677B (zh) | 基于决策树模型的微生物修复效果评价方法、系统及介质 | |
CN205541369U (zh) | 一种基于无线传感器网络的水下环境监测系统 | |
CN117105461A (zh) | 基于机器学习的大数据污水预测处理方法 | |
CN115611393A (zh) | 一种多端协同的多水厂混凝剂投放方法和系统 | |
CN109019717B (zh) | 一种火电厂脱硫废水智能处理方法及系统 | |
CN106706491B (zh) | 膜生物反应器-mbr出水透水率的智能检测方法 | |
CN111777138A (zh) | 一种基于物联网的污水处理精细化控制系统及控制方法 | |
CN106769748B (zh) | 膜生物反应器-mbr出水透水率的智能检测系统 | |
CN207380527U (zh) | 一种污水处理自动化控制系统 | |
CN116589078B (zh) | 基于数据融合的污水处理智能控制方法及系统 | |
CN114119277A (zh) | 一种基于人工智能神经网络的絮凝投药决策的分析方法 | |
CN116675277B (zh) | 一种基于物联网的低能耗废水浓缩系统控制方法 | |
CN106950824A (zh) | 基于模糊神经网络的秸秆发酵燃料乙醇过程补料预测控制系统及方法 | |
CN117170221A (zh) | 一种污水处理的人工智能控制系统 | |
Baxter et al. | Model-based advanced process control of coagulation |
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 |