CN116400594A - 一种基于云边协同控制的智慧污水处理系统 - Google Patents
一种基于云边协同控制的智慧污水处理系统 Download PDFInfo
- Publication number
- CN116400594A CN116400594A CN202310345861.2A CN202310345861A CN116400594A CN 116400594 A CN116400594 A CN 116400594A CN 202310345861 A CN202310345861 A CN 202310345861A CN 116400594 A CN116400594 A CN 116400594A
- Authority
- CN
- China
- Prior art keywords
- cloud
- control
- intelligent
- sewage treatment
- control module
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 46
- 238000013499 data model Methods 0.000 claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 238000004886 process control Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 23
- 238000005273 aeration Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 14
- 229910052799 carbon Inorganic materials 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 10
- 229910052760 oxygen Inorganic materials 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- 239000003814 drug Substances 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 230000036284 oxygen consumption Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 4
- 229910052698 phosphorus Inorganic materials 0.000 description 4
- 239000011574 phosphorus Substances 0.000 description 4
- 229940079593 drug Drugs 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明属于污水处理领域，提供一种基于云边协同控制的智慧污水处理系统，其特征在于，包括：中心云和边缘云；所述中心云和边缘云连接；所述中心云用于构建处理污水的机理数据模型；所述边缘云用于接受机理数据模型，对模型进行求解，获取最优的过程控制参数，并实时控制污水处理智能设备，本发明基于精准自动生产控制的机理模型基础上，利用云边协同技术，融合学习算法，使数据模型修正机理模型参数，利用数据与机理模型对其相应的子模块进行加权调控。
Description
技术领域
本发明属于污水处理领域，具体涉及一种基于云边协同控制的智慧污水处理系统。
背景技术
智能污水处理控制技术是污水治理领域与人工智能学科的全新融合。随着人工智能技术的迅速发展，智能化污水处理技术的研究和开发工作得到了新突破。在污水处理的复杂工艺中，污染物的物质、能量和信息等状态不断演化，可产生大量异质化数据，包括药剂用量、工艺状态参数、水质变化、能量变化等。
传统的智能污水控制方法有两种。其一，是以机理模型为基础的控制方式。仅依靠初始数据值和模型的参数设置，可以根据机理认知找到最佳的调节方法，但是无法满足自身演化与环境适应性的智能化需求。其二，是以数据驱动为基础的控制系统。仅依靠经验获取采样数据，具有记忆、学习、自适应性等特点。应用于十分繁琐的污水处理体系时，难以得到全局最优化的控制策略，无法实现对污水处理工艺的精细化控制，上述传统的非融合式控制模型难以有效应对污水处理控制过程面对具有高度非线性、复杂时变性、多元不确定性的难题，因而行业对融合模型的需求愈发突出。为此，亟需一种基于云边协同双回路控制的智慧污水处理系统。
发明内容
本发明的目的是提供一种基于云边协同控制的智慧污水处理系统，以解决现有技术中存在的问题。
本发明的技术方案为：
一种基于云边协同控制的智慧污水处理系统，包括：中心云和边缘云；
所述中心云和边缘云连接；
所述中心云用于构建处理污水的机理数据模型；所述边缘云用于接受机理数据模型，对模型进行求解，获取最优的过程控制参数，并实时控制污水处理智能设备。
进一步的，所述中心云包括：
数据处理模块，用于处理污水处理过程中产生的数据；
学习优化模块，用于完成数据模型的在线学习和循环优化。
进一步的，所述边缘云包括：
数据监测模块，用于监测污水状态信息；
精确曝气控制模块，用于分配各阶段的曝气量；
除磷加药控制模块，用于控制各种药剂的投入量；
碳源投加控制模块，用于控制碳源的投放比例。
进一步的，所述污水状态信息包括：工艺控制参数、工艺状态实时参数、水质状态参数、能量状态参数。
进一步的，所述精确曝气控制模块包括：溶氧量测定仪、溶解氧控制器、耗氧速率测定仪、氧转移效率测定仪、流量计、进水氨氮值监测、阀门；
进一步的，所述除磷加药控制模块由在线监测设备、智能加药设备、智能控制设备、云平台组成，采用在线传感监测与化学除磷技术相结合的控制方法，根据进水量和反应池出水的总磷浓度，预先确定出合适的药物用量,并通过模糊PID智能控制算法对加药泵进行频率调节。
进一步的，所述碳源投加控制模块包括：在线监测仪器、PLC、智能加药控制中心、变频计量泵、远距离传送组块。
本发明的技术效果：
本发明提供的基于云边协同控制的智慧污水处理系统，可以对污水处理环节，如曝气、加药除磷、碳源投加等环节中产生的大量不同种类数据通过边缘处理设备进行初步收集整理，并运用云边协同智能双回路控制系统，对这些数据进行有效的管理和利用。将云端和边缘端相互配合对数据分析和处理，云端循环优化得出数据模型，再返回边缘系统进行应用，达到对污水处理全流程的智能化协调控制。
附图说明
附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所发明的实施例进行说明。在适当的时候，在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。
图1示出了本发明的基于云边协同控制的智慧污水处理系统结构示意图；
图2示出了本发明的基于云边协同的双回路控制系统示意图；
图3示出了本发明的精确曝气模块示意图；
图4示出了本发明的加药除磷智能控制模块示意图；
图5示出了本发明的碳源投加智能控制模块示意图；
符号说明：
1-中心云；2-边缘云。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本实施例提供一种基于云边协同控制的智慧污水处理系统，包括：中心云和边缘云；
所述中心云和边缘云连接；
所述中心云用于构建处理污水的机理数据模型；所述边缘云用于接受机理数据模型，对模型进行求解，获取最优的过程控制参数，并实时控制污水处理智能设备。
所述中心云包括：
数据处理模块，用于处理污水处理过程中产生的数据；
学习优化模块，用于完成数据模型的在线学习和循环优化。
所述边缘云包括：
数据监测模块，用于监测污水状态信息；
精确曝气控制模块，用于分配各阶段的曝气量；
除磷加药控制模块，用于控制各种药剂的投入量；
碳源投加控制模块，用于控制碳源的投放比例。
所述污水状态信息包括：工艺控制参数、工艺状态实时参数、水质状态参数、能量状态参数。
所述精确曝气控制模块包括：溶氧量测定仪、溶解氧控制器、耗氧速率测定仪、氧转移效率测定仪、流量计、进水氨氮值监测、阀门；
所述除磷加药控制模块由在线监测设备、智能加药设备、智能控制设备、云平台组成，采用在线传感监测与化学除磷技术相结合的控制方法，根据进水量和反应池出水的总磷浓度，预先确定出合适的药物用量,并通过模糊PID智能控制算法对加药泵进行频率调节。
所述碳源投加控制模块包括：在线监测仪器、PLC、智能加药控制中心、变频计量泵、远距离传送组块。
本发明实施例步骤如下：
第一步：在曝气控制环节中，通过将OUR与OTE两者联合，并基于溶解氧的化学物料平衡精细化计算推理调整阀门以及风量，针对各区段的供水情况，对各区段的进气量进行了自动调节，以达到精准的曝气智能化控制。
第二步：经过曝气处理的污水，进入加药除磷控制环节。基于化学除磷模型和联机传感器的智能控制相结合的策略，将前馈控制部分引入到控制系统中，通过优化控制过程来控制废水中的药物投入量，使污水处理厂的总磷含量达到一级A类排放标准。
第三步：在碳源投加过程中，针对人工调控加药方式中存在的过量加药和控制滞后等问题，提出了一种基于数学建模的预测控制方法。通过精确调控加药泵工作频率的理论模型，构建了碳源智能投加控制系统，对生物池的碳源需求进行了预测，并通过多层级反馈修正，达到了加药除磷的智能化控制。
第四步：实时对各反应池中的部分关键参数并进行收集整理，如DO值、ORP值、PH值、温度值和曝气风机频率值、加药量等进行精准感知，并对各项参数进行智能化监测，针对异常进行及时报警，方便工作人员的及时诊断，进而提升污水处理成效。
第五步：通过将智能传感器获取的环境参数和水质参数输入到边缘智能分析盒中，由边缘云对机理数据模型的参数进行回归，将模型中的状态参数进行实时更新，并根据目标函数、决策变量、边界条件等因素构成的准则，求解模型的最优解，获取最优的过程控制参数，并实时控制污水处理智能设备。
第六步：同时，将数据的处理结果同步于中心云，完成数据模型的在线学习和循环优化，并返回边缘端指导设备运行。最后，反馈并调整控制规则，从而实现污水处理复杂过程双回路的控制，并提高污水处理厂环境自适应的能力。
以上所述，仅为本发明优选的具体实施方式，但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于云边协同控制的智慧污水处理系统，其特征在于，包括：中心云和边缘云；
所述中心云和边缘云连接；
所述中心云用于构建处理污水的机理数据模型；所述边缘云用于接受机理数据模型，对模型进行求解，获取最优的过程控制参数，并实时控制污水处理智能设备。
2.根据权利要求1所述的系统，其特征在于，所述中心云包括：
数据处理模块，用于处理污水处理过程中产生的数据；
学习优化模块，用于完成数据模型的在线学习和循环优化。
3.根据权利要求1所述的系统，其特征在于，所述边缘云包括：
数据监测模块，用于监测污水状态信息；
精确曝气控制模块，用于分配各阶段的曝气量；
除磷加药控制模块，用于控制各种药剂的投入量；
碳源投加控制模块，用于控制碳源的投放比例。
4.根据权利要求3所述的系统，其特征在于，所述污水状态信息包括：工艺控制参数、工艺状态实时参数、水质状态参数、能量状态参数。
5.根据权利要求3所述的系统，其特征在于，所述精确曝气控制模块包括：溶氧量测定仪、溶解氧控制器、耗氧速率测定仪、氧转移效率测定仪、流量计、进水氨氮值监测仪、阀门。
6.根据权利要求3所述的系统，其特征在于，
所述除磷加药控制模块由在线监测设备、智能加药设备、智能控制设备、云平台组成。
7.根据权利要求3所述的系统，其特征在于，
所述碳源投加控制模块包括：在线监测仪器、PLC、智能加药控制中心、变频计量泵、远距离传送组块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310345861.2A CN116400594A (zh) | 2023-03-31 | 2023-03-31 | 一种基于云边协同控制的智慧污水处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310345861.2A CN116400594A (zh) | 2023-03-31 | 2023-03-31 | 一种基于云边协同控制的智慧污水处理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116400594A true CN116400594A (zh) | 2023-07-07 |
Family
ID=87017342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310345861.2A Pending CN116400594A (zh) | 2023-03-31 | 2023-03-31 | 一种基于云边协同控制的智慧污水处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116400594A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112165513A (zh) * | 2020-09-11 | 2021-01-01 | 武汉大学 | 一种流域水环境水生态智慧化管理的云边协同平台架构 |
| CN112711840A (zh) * | 2020-12-24 | 2021-04-27 | 武汉大学 | 一种基于云边协同的流域突发水污染溯源方法 |
| CN112950001A (zh) * | 2021-02-05 | 2021-06-11 | 山东大学 | 基于云边端闭环架构的智慧能量管控系统及方法 |
| CN114078233A (zh) * | 2021-12-06 | 2022-02-22 | 中国水利水电科学研究院 | 一种基于云边协同静默升级的智慧河长系统及升级方法 |
| US20220058056A1 (en) * | 2018-12-13 | 2022-02-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and machine learning agent for executing machine learning in an edge cloud |
| CN114169217A (zh) * | 2021-10-29 | 2022-03-11 | 中国石油大学(华东) | 一种基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法 |
| CN115049297A (zh) * | 2022-07-04 | 2022-09-13 | 机械工业第六设计研究院有限公司 | 一种智慧污水厂运行系统 |
| CN115543933A (zh) * | 2022-10-09 | 2022-12-30 | 联通(广东)产业互联网有限公司 | 一种基于数据湖的云边协同医疗数据管理方法及平台 |
| CN115716492A (zh) * | 2022-12-05 | 2023-02-28 | 重庆交通大学 | 一种基于云边架构人机混合驾驶列车的控制方法 |
-
2023
- 2023-03-31 CN CN202310345861.2A patent/CN116400594A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220058056A1 (en) * | 2018-12-13 | 2022-02-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and machine learning agent for executing machine learning in an edge cloud |
| CN112165513A (zh) * | 2020-09-11 | 2021-01-01 | 武汉大学 | 一种流域水环境水生态智慧化管理的云边协同平台架构 |
| CN112711840A (zh) * | 2020-12-24 | 2021-04-27 | 武汉大学 | 一种基于云边协同的流域突发水污染溯源方法 |
| CN112950001A (zh) * | 2021-02-05 | 2021-06-11 | 山东大学 | 基于云边端闭环架构的智慧能量管控系统及方法 |
| CN114169217A (zh) * | 2021-10-29 | 2022-03-11 | 中国石油大学(华东) | 一种基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法 |
| CN114078233A (zh) * | 2021-12-06 | 2022-02-22 | 中国水利水电科学研究院 | 一种基于云边协同静默升级的智慧河长系统及升级方法 |
| CN115049297A (zh) * | 2022-07-04 | 2022-09-13 | 机械工业第六设计研究院有限公司 | 一种智慧污水厂运行系统 |
| CN115543933A (zh) * | 2022-10-09 | 2022-12-30 | 联通(广东)产业互联网有限公司 | 一种基于数据湖的云边协同医疗数据管理方法及平台 |
| CN115716492A (zh) * | 2022-12-05 | 2023-02-28 | 重庆交通大学 | 一种基于云边架构人机混合驾驶列车的控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Han et al. | Dynamic MOPSO-based optimal control for wastewater treatment process | |
| CN110187727B (zh) | 一种基于深度学习和强化学习的玻璃熔炉温度控制方法 | |
| US9747544B2 (en) | Method and system for wastewater treatment based on dissolved oxygen control by fuzzy neural network | |
| KR100456413B1 (ko) | 신경회로망 및 역전파 알고리즘에 의한 하폐수처리인공지능제어 시스템 및 방법 | |
| CN102902257B (zh) | 污水处理工艺优化及节能控制系统和方法 | |
| Ingildsen et al. | Dissolved oxygen controller based on on-line measurements of ammonium combining feed-forward and feedback | |
| CN111650834B (zh) | 基于极限学习机的污水处理过程预测控制方法 | |
| CN113433910A (zh) | 一种基于数字孪生的净水厂智能加药控制系统及方法 | |
| Zhou et al. | Multiobjective operation optimization of wastewater treatment process based on reinforcement self-learning and knowledge guidance | |
| CN103197539A (zh) | 污水处理智能优化控制曝气量的方法 | |
| Nawaz et al. | Intelligent human–machine interface: An agile operation and decision support for an ANAMMOX SBR system at a pilot-scale wastewater treatment plant | |
| CN113325702B (zh) | 一种曝气控制方法及装置 | |
| Robles et al. | Model-based automatic tuning of a filtration control system for submerged anaerobic membrane bioreactors (AnMBR) | |
| CN114280936B (zh) | 一种有机污染物治理的云边协同优化智能管控系统 | |
| CN116029612A (zh) | 一种基于深度学习的城镇污水厂外加碳源精准控制方法 | |
| CN113885463B (zh) | 一种畜禽生物菌肥好氧发酵罐工艺参数调控系统和方法 | |
| JP4557912B2 (ja) | プロセス制御システム | |
| CN117113719A (zh) | 一种污水处理仿真建模系统搭建方法 | |
| CN116400594A (zh) | 一种基于云边协同控制的智慧污水处理系统 | |
| CN102053568B (zh) | 意外建模和数据驱动的水质控制系统及诱导干预控制方法 | |
| Sheik et al. | Control of anaerobic-anoxic-aerobic (A2/O) processes in wastewater treatment: a detailed review | |
| van Impe et al. | Optimal control of the penicillin G fed‐batch fermentation: An analysis of the model of heijnen et al. | |
| Huang et al. | Improving nitrogen removal using a fuzzy neural network-based control system in the anoxic/oxic process | |
| JPH1157780A (ja) | 下水処理場、その計測装置およびその支援装置 | |
| CN115490368A (zh) | 基于聚类集成算法的自来水厂智能加药系统 |
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 |