CN116908402B - 一种基于物联网的水质监测系统 - Google Patents
一种基于物联网的水质监测系统 Download PDFInfo
- Publication number
- CN116908402B CN116908402B CN202310880421.7A CN202310880421A CN116908402B CN 116908402 B CN116908402 B CN 116908402B CN 202310880421 A CN202310880421 A CN 202310880421A CN 116908402 B CN116908402 B CN 116908402B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- abnormal
- module
- data
- substation
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 312
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 113
- 238000001514 detection method Methods 0.000 claims abstract description 114
- 230000005540 biological transmission Effects 0.000 claims abstract description 44
- 230000005855 radiation Effects 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims description 156
- 238000005070 sampling Methods 0.000 claims description 86
- 230000007488 abnormal function Effects 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 208000030852 Parasitic disease Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 238000001636 atomic emission spectroscopy Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003926 complexometric titration Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000010926 waste battery Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/186—Water using one or more living organisms, e.g. a fish
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及水质监测技术领域，尤其涉及一种基于物联网的水质监测系统，包括监测中心站，其与若干监测子站相连，用以对辐射范围内的水域进行水质监测；所述监测中心站包括用以储存监测数据的主站数据库以及中控模块；监测子站，包括用以对水质中的离子浓度和细胞浓度进行检测的检测模块、用以对检测数据的有效性进行判定以及对检测功能是否存在异常进行判定的判定模块、用以将检测数据上传至主站数据库的数据传输模块以及用以储存监测数据的子站数据库，本发明将监测中心站和若干监测子站组成水质检测系统，增强了监测子站之间的联动关系，提高了对水质连续监测的能力。
Description
技术领域
本发明涉及水质监测技术领域，尤其涉及一种基于物联网的水质监测系统。
背景技术
工厂或者重工企业等排放出来的富含重金属超标的污染水源，当这些重金属水源再次被注入到河流或者水体之中，将严重污染水体环境，造成水体重金属污染，以及一些未进行科学处理的过期废旧蓄电池，其中含有大量的Cd、Pb等元素，使得水体重金属污染加重。当重金属被泄露到水体之中，无法被水体中的微生物正常降解，更不能借助于水体自净作用来消除金属污染的危害，对水体造成了严重的危害。这些危害主要表现在：对于水生植物的呼吸作用、光合作用等产生抑制作用；削弱酶的活性，导致核酸组成发生一定的变化，并且对于水生植物细胞体积将造成抑制作用，影响其正常生长。以及，寄生虫、病毒或其它致病菌污染的水，会引起多种传染病和寄生虫病，水臭味大、颜色深、细菌多，这种水的水质差，不能直接利用。因此，对水质中的离子浓度和细胞浓度进行实时的监测，对维持生态环境具有重要意义。
中国专利公开号：CN107727818B公开了一种环保水质监测系统，其公开的技术方案中包括多个排放管组，多个传感器以及数据分析预警平台；所述数据分析预警平台根据所述总管传感器的检测结果，确定排放管组中是否混杂有预设种类之外的其他污染因子；当确定排放管组中存在其他污染因子时，触发分组传感器，通过分组传感器的检测结果确定具体存在其他污染因子的分管。通过该发明的环保水质监测系统能够在仅使用较少的传感器的情况下，也能够即使存在废水混排的情况，从而能够采取相应的处理，起到预防混排的效果。
然而，现有技术中，各水质监测站独立运行，水质监测站之间缺少联动，从而在水质监测站出现故障时影响数据的及时采集，降低了对水质连续监测的能力。
发明内容
为此，本发明提供一种基于物联网的水质监测系统，用以克服现有技术中水质监测站之间缺少联动，从而在水质监测站出现故障时影响数据的及时采集，降低了对水质连续监测的能力的问题。
为实现上述目的，本发明提供一种基于物联网的水质监测系统，包括：
监测子站，包括用以对水质中的离子浓度和细胞浓度进行检测的检测模块、与所述检测模块相连用以将检测模块的检测数据上传至主站数据库的数据传输模块、与所述数据传输模块相连用以储存检测数据的子站数据库以及判定模块；
其中，所述判定模块分别与所述检测模块和所述数据传输模块相连，用以对检测模块的检测数据的有效性进行判定，若判定检测数据为异常数据则控制检测模块连续进行预设次数的检测并根据预设次数的检测结果判定监测子站的检测功能是否异常，将判定检测功能异常的监测子站记为异常监测子站并将判定结果通过数据传输模块上传至所述主站数据库；
监测中心站，其与若干所述监测子站相连，用以对辐射范围内的水域进行水质监测；其中，所述监测中心站包括：
主站数据库，其与所述数据传输模块相连，用以接收并储存所述数据传输模块上传的检测数据及对所述监测子站的检测功能是否异常的判定结果；
中控模块，其与所述主站数据库相连，用以根据主站数据库中储存的所述监测子站在时间段Tg内的检测数据计算调整参量R，根据调整参量R确定监测子站对辐射范围内水域的取样周期和取样半径，以及根据所述数据传输模块上传数据的周期对监测子站的运行状态做出判定，并将运行异常的监测子站记为异常监测子站，以及，用以根据各所述监测子站与异常监测子站的距离L和各所述监测子站距下次采样的时间T确定接替异常监测子站的监测工作的监测子站。
进一步地，所述中控模块计算任一所述监测子站在时间段Tg内的平均离子浓度Ap和平均细胞浓度Bp，设定
其中，j为时间段Tg内对离子浓度和细胞浓度检测的次数，Aj为第j次的离子浓度，Bj为第j次的细胞浓度；
所述中控模块根据以下公式计算调整参量R，设定
其中，A0为预设离子浓度，B0为预设细胞浓度。
进一步地，所述中控模块根据所述调整参量R确定所述监测子站对辐射范围内水域的取样周期和取样半径，所述中控模块中设有第一预设调整参量R1和第二预设调整参量R2，R1＜R2，中控模块将调整参量R分别与第一预设调整参量R1和第二预设调整参量R2进行比对，其中，
当R≥R2时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0×R2/R，将取样半径确定为r，设定r＝r0×R2/R；
当R1≤R＜R2时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0，将取样半径确定为r，设定r＝r0；
当R＜R1时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0×R1/R，将取样半径确定为r，设定r＝r0×R1/R；
其中，t0为预设取样周期，r0为预设取样半径，所述中控模块将确定后的取样周期和取样半径发送至所述监测子站。
进一步地，所述检测模块以确定后的取样周期和取样半径对辐射范围内的水域进行水质检测，所述数据传输模块将检测模块的检测数据上传至所述主站数据库，所述中控模块将数据传输模块上传数据的周期t1与取样周期t进行比对并根据比对结果对所述监测子站的运行状态进行判定，其中，
当t1＝t时，所述中控模块初步判定所述监测子站运行正常；
当t1≠t时，所述中控模块判定所述监测子站运行异常并将该监测子站记为异常监测子站。
进一步地，所述判定模块对所述检测模块的检测数据的有效性进行判定，所述检测数据包括离子浓度A和细胞浓度B，所述判定模块计算离子浓度A与所述平均离子浓度Ap的比值σ，设定σ＝A/Ap，同时计算细胞浓度B与所述平均细胞浓度Bp的比值ε，设定ε＝B/Bp，所述判定模块中设有第一预设比值φ1和第二预设比值φ2，其中，0.5＜φ1＜1＜φ2＜1.5，所述判定模块将σ分别与第一预设比值φ1和第二预设比值φ2进行比对，同时判定模块将ε分别与第一预设比值φ1和第二预设比值φ2进行比对，
若存在σ＜φ1或σ＞φ2，所述判定模块初步判定离子浓度数据异常、将该异常的离子浓度记为异常数据并控制所述检测模块连续检测预设次数N0的离子浓度；
若存在ε＜φ1或ε＞φ2，所述判定模块初步判定细胞浓度数据异常、将该异常的细胞浓度记为异常数据并控制所述检测模块连续检测预设次数N0的细胞浓度。
进一步地，所述判定模块计算所述检测模块检测的N0次的离子浓度中的异常数据占比并对异常数据占比是否符合标准进行判定，其中，
在所述检测模块检测的N0次的离子浓度中，统计异常数据的数量N，计算异常数据占比K，设定K＝N/N0，将K与预设占比K0进行比对，
当K＜K0时，所述判定模块判定所述检测模块检测的N0次的离子浓度中的异常数据占比符合标准；
当K≥K0时，所述判定模块判定所述检测模块检测的N0次的离子浓度中的异常数据占比不符合标准、判定该监测子站的检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库。
进一步地，所述判定模块在判定所述检测模块检测的N0次的离子浓度中的异常数据占比符合标准时，计算N0次的离子浓度Ai的平均值Ap＇，设定并计算方差P，设定/>所述判定模块将方差P与标准方差P0进行比对，
当P＜P0时，所述判定模块判定所述检测模块检测的N0次的离子浓度的检测数据符合标准；
当P≥P0时，所述判定模块判定所述检测模块检测的N0次的离子浓度的检测数据不符合标准、判定该监测子站检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库。
进一步地，所述判定模块计算所述检测模块检测的N0次的细胞浓度中的异常数据占比并对异常数据占比是否符合标准进行判定，其中，
在所述检测模块检测的N0次的细胞浓度中，统计异常数据的数量N＇，计算异常数据占比K＇，设定K＇＝N＇/N0，将K＇与预设占比K0进行比对，
当K＇＜K0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度中的异常数据占比符合标准；
当K＇≥K0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度中的异常数据占比不符合标准、判定该监测子站的检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库；
所述判定模块在判定所述检测模块检测的N0次的细胞浓度中的异常数据占比符合标准时，计算N0次的细胞浓度Bi的平均值Bp＇，设定并计算方差P＇，设定所述判定模块将方差P＇与标准方差P0进行比对，
当P＇＜P0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度的检测数据符合标准；
当P＇≥P0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度的检测数据不符合标准、判定该监测子站检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库。
进一步地，所述中控模块根据各所述监测子站与异常监测子站的距离L和各所述监测子站距下次采样的时间T确定接替异常监测子站的监测工作的监测子站，所述中控模块获取各所述监测子站与异常监测子站的距离L，同时获取各所述监测子站距下次采样的时间T，中控模块中设有预设时间T0，将各所述监测子站距下次采样的时间T与预设时间T0进行比对，
当T＜T0时，所述中控模块判定距下次采样的时间T对应的监测子站不具备接替异常监测子站的条件；
当T≥T0时，所述中控模块初步判定距下次采样的时间T对应的监测子站具备接替异常监测子站的条件并将该具备接替异常监测子站条件的监测子站记为备用监测子站。
进一步地，所述中控模块中设有预设距离L0，所述中控模块获取各所述备用监测子站与异常监测子站的距离L并选取距离L中的最小值Lmin，中控模块将Lmin与L0进行比对，
当Lmin＜L0时，所述中控模块选用Lmin对应的备用监测子站接替异常监测子站的监测工作；
当Lmin≥L0时，所述中控模块不选用所述备用监测子站接替异常监测子站的监测工作，由工作人员接替异常监测子站的监测工作并对异常监测子站进行修复。
与现有技术相比，本发明的有益效果在于，本发明将监测中心站和若干监测子站组成水质检测系统，形成了水质连续自动检测站以实现水质的自动检测，通过设置监测中心站和若干监测子站相连，增强了监测子站之间的联动关系，提高了对水质连续监测的能力。
进一步地，本发明通过引入调整参量R，根据调整参量R确定所述监测子站对水域的取样周期和取样半径，能够根据水质情况进行针对性的调节，提高了对水质监测数据获取的能力，调整参量R为水质情况的表征性参量，调整参量R越大，则说明水质情况越差，需要缩短取样周期并减小取样半径以增加对水质监测的频率和密度，实时掌控水质变化并将监测数据上传至监测中心站，可根据监测数据采取对应的治理措施；调整参量R越小，则说明水质情况越好，可以延长取样周期并增加取样半径以减小对水质监测的频率和密度，降低监测成本。
进一步地，本发明所述中控模块根据数据传输模块上传数据的周期对监测子站的运行状态做出判定，并在判定监测子站运行状态异常时选定监测子站接替异常监测子站的监测工作，以及在接收到所述数据传输模块传输的异常监测子站判定结果时选定监测子站接替异常监测子站的监测工作，增强了监测子站之间的联动关系，提高了对水质连续监测的能力。
进一步地，本发明所述中控模块根据各所述监测子站与异常监测子站的距离L和各所述监测子站距下次采样的时间T确定接替异常监测子站的监测工作的监测子站，进一步增强了监测子站之间的联动关系，提高了对水质连续监测的能力。
附图说明
图1为本发明实施例基于物联网的水质监测系统的结构框图；
图2为本发明实施例基于物联网的水质监测系统的进一步结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1和图2所示，图1为本发明实施例基于物联网的水质监测系统的结构框图，图2为本发明实施例基于物联网的水质监测系统的进一步结构框图，本发明所述基于物联网的水质监测系统包括：
监测子站，包括用以对水质中的离子浓度和细胞浓度进行检测的检测模块、与所述检测模块相连用以将检测模块的检测数据上传至主站数据库的数据传输模块、与所述数据传输模块相连用以储存检测数据的子站数据库以及判定模块；
其中，所述判定模块分别与所述检测模块和所述数据传输模块相连，用以对检测模块的检测数据的有效性进行判定，若判定检测数据为异常数据则控制检测模块连续进行预设次数的检测并根据预设次数的检测结果判定监测子站的检测功能是否异常，将判定检测功能异常的监测子站记为异常监测子站并将判定结果通过数据传输模块上传至所述主站数据库；
监测中心站，其与若干所述监测子站相连，用以对辐射范围内的水域进行水质监测；其中，所述监测中心站包括：
主站数据库，其与所述数据传输模块相连，用以接收并储存所述数据传输模块上传的检测数据及对所述监测子站的检测功能是否异常的判定结果；
中控模块，其与所述主站数据库相连，用以根据主站数据库中储存的所述监测子站在时间段Tg内的检测数据计算调整参量R，根据调整参量R确定监测子站对辐射范围内水域的取样周期和取样半径，以及根据所述数据传输模块上传数据的周期对监测子站的运行状态做出判定，并将运行异常的监测子站记为异常监测子站，以及，用以根据各所述监测子站与异常监测子站的距离L和各所述监测子站距下次采样的时间T确定接替异常监测子站的监测工作的监测子站。
细胞数量检测是水质检测中重要的检查项目之一。现阶段，细胞定量检测是评价方法中最为精准的检测方法，细胞定量检测也被称之为活性菌计数法，本实施例采用流式细胞仪对水质进行细胞浓度检测，取一定量的待检水质，通过流式细胞仪进行细胞定量检测，从而获取水质的细胞浓度。流式细胞仪的应用，不仅会缩短检测时间，也会使得检测结果变得更加具有科学性以及精准性。
离子浓度检测同样是水质检测中重要的检查项目之一。水的硬度一旦没有符合规定标准，会对生活以及工业带来直接影响。水中重金属浓度一旦无法满足规定标准会对人们的身体健康造成一定危害。在对水质进行离子浓度检测时，可采用检测硬度的络合滴定法、原子发射光谱法以及吸收光谱法中的一种或几种。
本发明将监测中心站和若干监测子站组成水质检测系统，形成了水质连续自动检测站以实现水质的自动检测，通过设置监测中心站和若干监测子站相连，增强了监测子站之间的联动关系，提高了对水质连续监测的能力。
具体而言，所述中控模块计算任一所述监测子站在时间段Tg内的平均离子浓度Ap和平均细胞浓度Bp，设定
其中，j为时间段Tg内对离子浓度和细胞浓度检测的次数，Aj为第j次的离子浓度，Bj为第j次的细胞浓度；
所述中控模块根据以下公式计算调整参量R，设定
其中，A0为预设离子浓度，B0为预设细胞浓度。
具体而言，所述中控模块根据所述调整参量R确定所述监测子站对辐射范围内水域的取样周期和取样半径，所述中控模块中设有第一预设调整参量R1和第二预设调整参量R2，R1＜R2，中控模块将调整参量R分别与第一预设调整参量R1和第二预设调整参量R2进行比对，其中，
当R≥R2时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0×R2/R，将取样半径确定为r，设定r＝r0×R2/R；
当R1≤R＜R2时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0，将取样半径确定为r，设定r＝r0；
当R＜R1时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0×R1/R，将取样半径确定为r，设定r＝r0×R1/R；
其中，t0为预设取样周期，r0为预设取样半径，所述中控模块将确定后的取样周期和取样半径发送至所述监测子站。
本实施例，设定R1的取值为水质的离子浓度和细胞浓度处于0.5-1倍对应的预设浓度时的取值，即1≤R1≤2。
设定R2的取值为水质的离子浓度和细胞浓度处于2-3倍对应的预设浓度时的取值，即4≤R2≤6。
本发明通过引入调整参量R，根据调整参量R确定所述监测子站对水域的取样周期和取样半径，能够根据水质情况进行针对性的调节，提高了对水质监测数据获取的能力，调整参量R为水质情况的表征性参量，调整参量R越大，则说明水质情况越差，需要缩短取样周期并减小取样半径以增加对水质监测的频率和密度，实时掌控水质变化并将监测数据上传至监测中心站，可根据监测数据采取对应的治理措施；调整参量R越小，则说明水质情况越好，可以延长取样周期并增加取样半径以减小对水质监测的频率和密度，降低监测成本。
具体而言，所述检测模块以确定后的取样周期和取样半径对辐射范围内的水域进行水质检测，所述数据传输模块将检测模块的检测数据上传至所述主站数据库，所述中控模块将数据传输模块上传数据的周期t1与取样周期t进行比对并根据比对结果对所述监测子站的运行状态进行判定，其中，
当t1＝t时，所述中控模块初步判定所述监测子站运行正常；
当t1≠t时，所述中控模块判定所述监测子站运行异常并将该监测子站记为异常监测子站。
本发明所述中控模块根据数据传输模块上传数据的周期对监测子站的运行状态做出判定，并在判定监测子站运行状态异常时选定监测子站接替异常监测子站的监测工作，以及在接收到所述数据传输模块传输的异常监测子站判定结果时选定监测子站接替异常监测子站的监测工作，增强了监测子站之间的联动关系，提高了对水质连续监测的能力。
具体而言，所述判定模块对所述检测模块的检测数据的有效性进行判定，所述检测数据包括离子浓度A和细胞浓度B，所述判定模块计算离子浓度A与所述平均离子浓度Ap的比值σ，设定σ＝A/Ap，同时计算细胞浓度B与所述平均细胞浓度Bp的比值ε，设定ε＝B/Bp，所述判定模块中设有第一预设比值φ1和第二预设比值φ2，其中，0.5≤φ1＜1＜φ2≤1.5，所述判定模块将σ分别与第一预设比值φ1和第二预设比值φ2进行比对，同时判定模块将ε分别与第一预设比值φ1和第二预设比值φ2进行比对，
若存在σ＜φ1或σ＞φ2，所述判定模块初步判定离子浓度数据异常、将该异常的离子浓度记为异常数据并控制所述检测模块连续检测预设次数N0的离子浓度；
若存在ε＜φ1或ε＞φ2，所述判定模块初步判定细胞浓度数据异常、将该异常的细胞浓度记为异常数据并控制所述检测模块连续检测预设次数N0的细胞浓度。
本实施例在确定检测数据的有效性时，以该取样周期内的平均离子浓度和平均细胞浓度作为基准值，考虑到在一个取样周期内，水质的检测数据不会出现大幅度的增减变化，因此，本实施例以计算的平均数值作为基准值，以基准值50％至150％的区间作为允许的浮动区间，即0.5≤φ1＜1＜φ2≤1.5，在检测的实际数值超出浮动区间则判定数据异常，本实施例为提高数据的包容性，优选φ1＝0.5，φ2＝1.5。
具体而言，所述判定模块计算所述检测模块检测的N0次的离子浓度中的异常数据占比并对异常数据占比是否符合标准进行判定，其中，
在所述检测模块检测的N0次的离子浓度中，统计异常数据的数量N，计算异常数据占比K，设定K＝N/N0，将K与预设占比K0进行比对，
当K＜K0时，所述判定模块判定所述检测模块检测的N0次的离子浓度中的异常数据占比符合标准；
当K≥K0时，所述判定模块判定所述检测模块检测的N0次的离子浓度中的异常数据占比不符合标准、判定该监测子站的检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库。
本实施例中，预设次数N0的取值可根据实际需要进行设置，本实施例限定N0≥20，综合考虑数据的有效性和实际操作成本，优先N0＝30。
本实施例中，限定预设占比K0≤10％，把异常数据的占比控制在10％以内，可有效避免异常数据对计算的平均离子浓度或平均细胞浓度的数值有效性的影响。
具体而言，所述判定模块在判定所述检测模块检测的N0次的离子浓度中的异常数据占比符合标准时，计算N0次的离子浓度Ai的平均值Ap＇，设定并计算方差P，设定/>所述判定模块将方差P与标准方差P0进行比对，
当P＜P0时，所述判定模块判定所述检测模块检测的N0次的离子浓度的检测数据符合标准；
当P≥P0时，所述判定模块判定所述检测模块检测的N0次的离子浓度的检测数据不符合标准、判定该监测子站检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库。
具体而言，所述判定模块计算所述检测模块检测的N0次的细胞浓度中的异常数据占比并对异常数据占比是否符合标准进行判定，其中，
在所述检测模块检测的N0次的细胞浓度中，统计异常数据的数量N＇，计算异常数据占比K＇，设定K＇＝N＇/N0，将K＇与预设占比K0进行比对，
当K＇＜K0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度中的异常数据占比符合标准；
当K＇≥K0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度中的异常数据占比不符合标准、判定该监测子站的检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库；
所述判定模块在判定所述检测模块检测的N0次的细胞浓度中的异常数据占比符合标准时，计算N0次的细胞浓度Bi的平均值Bp＇，设定并计算方差P＇，设定所述判定模块将方差P＇与标准方差P0进行比对，
当P＇＜P0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度的检测数据符合标准；
当P＇≥P0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度的检测数据不符合标准、判定该监测子站检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库。
本实施例中，对于标准方差P0，选取N0次的检测数据中相对于对应平均数据(离子浓度的平均值或细胞浓度的平均值)0.8-1.2倍的数值计算的方差作为标准方差P0。
具体而言，所述中控模块根据各所述监测子站与异常监测子站的距离L和各所述监测子站距下次采样的时间T确定接替异常监测子站的监测工作的监测子站，所述中控模块获取各所述监测子站与异常监测子站的距离L，同时获取各所述监测子站距下次采样的时间T，中控模块中设有预设时间T0，将各所述监测子站距下次采样的时间T与预设时间T0进行比对，
当T＜T0时，所述中控模块判定距下次采样的时间T对应的监测子站不具备接替异常监测子站的条件；
当T≥T0时，所述中控模块初步判定距下次采样的时间T对应的监测子站具备接替异常监测子站的条件并将该具备接替异常监测子站条件的监测子站记为备用监测子站。
既要完成异常监测子站的监测工作，又要保证不耽误该备用监测子站自身的监测工作，本实施例中，将预设时间T0设置为T0≥2t，其中，t为该异常监测子站的采样周期，本实施例在t≥24小时，优选T0＝2t，t＜24小时，优选T0＝4t。
具体而言，所述中控模块中设有预设距离L0，所述中控模块获取各所述备用监测子站与异常监测子站的距离L并选取距离L中的最小值Lmin，中控模块将Lmin与L0进行比对，
当Lmin＜L0时，所述中控模块选用Lmin对应的备用监测子站接替异常监测子站的监测工作；
当Lmin≥L0时，所述中控模块不选用所述备用监测子站接替异常监测子站的监测工作，由工作人员接替异常监测子站的监测工作并对异常监测子站进行修复。
本实施例中，预设距离L0的取值为异常监测子站辐射范围的3-5倍，以使接替异常监测子站的监测工作的运行成本在合理的范围内，在实际应用中，可根据需要进行设置。
本发明所述中控模块根据各所述监测子站与异常监测子站的距离L和各所述监测子站距下次采样的时间T确定接替异常监测子站的监测工作的监测子站，进一步增强了监测子站之间的联动关系，提高了对水质连续监测的能力。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于物联网的水质监测系统，其特征在于，包括：
监测子站，包括用以对水质中的离子浓度和细胞浓度进行检测的检测模块、与所述检测模块相连用以将检测模块的检测数据上传至主站数据库的数据传输模块、与所述数据传输模块相连用以储存检测数据的子站数据库以及判定模块；
其中，所述判定模块分别与所述检测模块和所述数据传输模块相连，用以对检测模块的检测数据的有效性进行判定，若判定检测数据为异常数据则控制检测模块连续进行预设次数的检测并根据预设次数的检测结果判定监测子站的检测功能是否异常，将判定检测功能异常的监测子站记为异常监测子站并将判定结果通过数据传输模块上传至所述主站数据库；
监测中心站，其与若干所述监测子站相连，用以对辐射范围内的水域进行水质监测；其中，所述监测中心站包括：
主站数据库，其与所述数据传输模块相连，用以接收并储存所述数据传输模块上传的检测数据及对所述监测子站的检测功能是否异常的判定结果；
中控模块，其与所述主站数据库相连，用以根据主站数据库中储存的所述监测子站在时间段Tg内的检测数据计算调整参量R，根据调整参量R确定监测子站对辐射范围内水域的取样周期和取样半径，以及根据所述数据传输模块上传数据的周期对监测子站的运行状态做出判定，并将运行异常的监测子站记为异常监测子站，以及，用以根据各所述监测子站与异常监测子站的距离L和各所述监测子站距下次采样的时间T确定接替异常监测子站的监测工作的监测子站；
所述中控模块计算任一所述监测子站在时间段Tg内的平均离子浓度Ap和平均细胞浓度Bp，设定
其中，j为时间段Tg内对离子浓度和细胞浓度检测的次数，Aj为第j次的离子浓度，Bj为第j次的细胞浓度；
所述中控模块根据以下公式计算调整参量R，设定
其中，A0为预设离子浓度，B0为预设细胞浓度；
所述中控模块根据所述调整参量R确定所述监测子站对辐射范围内水域的取样周期和取样半径，所述中控模块中设有第一预设调整参量R1和第二预设调整参量R2，R1＜R2，中控模块将调整参量R分别与第一预设调整参量R1和第二预设调整参量R2进行比对，其中，
当R≥R2时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0×R2/R，将取样半径确定为r，设定r＝r0×R2/R；
当R1≤R＜R2时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0，将取样半径确定为r，设定r＝r0；
当R＜R1时，所述中控模块将所述监测子站对辐射范围内水域的取样周期确定为t，设定t＝t0×R1/R，将取样半径确定为r，设定r＝r0×R1/R；
其中，t0为预设取样周期，r0为预设取样半径，所述中控模块将确定后的取样周期和取样半径发送至所述监测子站；
所述判定模块对所述检测模块的检测数据的有效性进行判定，所述检测数据包括离子浓度A和细胞浓度B，所述判定模块计算离子浓度A与所述平均离子浓度Ap的比值σ，设定σ＝A/Ap，同时计算细胞浓度B与所述平均细胞浓度Bp的比值ε，设定ε＝B/Bp，所述判定模块中设有第一预设比值φ1和第二预设比值φ2，其中，0.5＜φ1＜1＜φ2＜1.5，所述判定模块将σ分别与第一预设比值φ1和第二预设比值φ2进行比对，同时判定模块将ε分别与第一预设比值φ1和第二预设比值φ2进行比对，
若存在σ＜φ1或σ＞φ2，所述判定模块初步判定离子浓度数据异常、将该异常的离子浓度记为异常数据并控制所述检测模块连续检测预设次数N0的离子浓度；
若存在ε＜φ1或ε＞φ2，所述判定模块初步判定细胞浓度数据异常、将该异常的细胞浓度记为异常数据并控制所述检测模块连续检测预设次数N0的细胞浓度；
所述判定模块计算所述检测模块检测的N0次的离子浓度中的异常数据占比并对异常数据占比是否符合标准进行判定，其中，
在所述检测模块检测的N0次的离子浓度中，统计异常数据的数量N，计算异常数据占比K，设定K＝N/N0，将K与预设占比K0进行比对，
当K＜K0时，所述判定模块判定所述检测模块检测的N0次的离子浓度中的异常数据占比符合标准；
当K≥K0时，所述判定模块判定所述检测模块检测的N0次的离子浓度中的异常数据占比不符合标准、判定该监测子站的检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库；
所述判定模块在判定所述检测模块检测的N0次的离子浓度中的异常数据占比符合标准时，计算N0次的离子浓度Ai的平均值Ap＇，设定并计算方差P，设定所述判定模块将方差P与标准方差P0进行比对，
当P＜P0时，所述判定模块判定所述检测模块检测的N0次的离子浓度的检测数据符合标准；
当P≥P0时，所述判定模块判定所述检测模块检测的N0次的离子浓度的检测数据不符合标准、判定该监测子站检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库；
所述判定模块计算所述检测模块检测的N0次的细胞浓度中的异常数据占比并对异常数据占比是否符合标准进行判定，其中，
在所述检测模块检测的N0次的细胞浓度中，统计异常数据的数量N＇，计算异常数据占比K＇，设定K＇＝N＇/N0，将K＇与预设占比K0进行比对，
当K＇＜K0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度中的异常数据占比符合标准；
当K＇≥K0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度中的异常数据占比不符合标准、判定该监测子站的检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库；
所述判定模块在判定所述检测模块检测的N0次的细胞浓度中的异常数据占比符合标准时，计算N0次的细胞浓度Bi的平均值Bp＇，设定并计算方差P＇，设定所述判定模块将方差P＇与标准方差P0进行比对，
当P＇＜P0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度的检测数据符合标准；
当P＇≥P0时，所述判定模块判定所述检测模块检测的N0次的细胞浓度的检测数据不符合标准、判定该监测子站检测功能异常并将该监测子站记为异常监测子站，所述数据传输模块将判定结果上传至所述主站数据库。
2.根据权利要求1所述的基于物联网的水质监测系统，其特征在于，所述检测模块以确定后的取样周期和取样半径对辐射范围内的水域进行水质检测，所述数据传输模块将检测模块的检测数据上传至所述主站数据库，所述中控模块将数据传输模块上传数据的周期t1与取样周期t进行比对并根据比对结果对所述监测子站的运行状态进行判定，其中，
当t1＝t时，所述中控模块初步判定所述监测子站运行正常；
当t1≠t时，所述中控模块判定所述监测子站运行异常并将该监测子站记为异常监测子站。
3.根据权利要求2所述的基于物联网的水质监测系统，其特征在于，所述中控模块根据各所述监测子站与异常监测子站的距离L和各所述监测子站距下次采样的时间T确定接替异常监测子站的监测工作的监测子站，所述中控模块获取各所述监测子站与异常监测子站的距离L，同时获取各所述监测子站距下次采样的时间T，中控模块中设有预设时间T0，将各所述监测子站距下次采样的时间T与预设时间T0进行比对，
当T＜T0时，所述中控模块判定距下次采样的时间T对应的监测子站不具备接替异常监测子站的条件；
当T≥T0时，所述中控模块初步判定距下次采样的时间T对应的监测子站具备接替异常监测子站的条件并将该具备接替异常监测子站条件的监测子站记为备用监测子站。
4.根据权利要求3所述的基于物联网的水质监测系统，其特征在于，所述中控模块中设有预设距离L0，所述中控模块获取各所述备用监测子站与异常监测子站的距离L并选取距离L中的最小值Lmin，中控模块将Lmin与L0进行比对，
当Lmin＜L0时，所述中控模块选用Lmin对应的备用监测子站接替异常监测子站的监测工作；
当Lmin≥L0时，所述中控模块不选用所述备用监测子站接替异常监测子站的监测工作，由工作人员接替异常监测子站的监测工作并对异常监测子站进行修复。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310880421.7A CN116908402B (zh) | 2023-07-17 | 2023-07-17 | 一种基于物联网的水质监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310880421.7A CN116908402B (zh) | 2023-07-17 | 2023-07-17 | 一种基于物联网的水质监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116908402A CN116908402A (zh) | 2023-10-20 |
| CN116908402B true CN116908402B (zh) | 2024-03-05 |
Family
ID=88356089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310880421.7A Active CN116908402B (zh) | 2023-07-17 | 2023-07-17 | 一种基于物联网的水质监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116908402B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101436058A (zh) * | 2008-12-16 | 2009-05-20 | 电子科技大学 | 并联/混联机床传感器输入故障的容错纠错方法及其控制装置 |
| CN103915897A (zh) * | 2014-02-28 | 2014-07-09 | 电信科学技术仪表研究所 | 一种数字化变电站采样值的监测方法及其监测装置 |
| CN104199405A (zh) * | 2014-08-25 | 2014-12-10 | 上海雷尼威尔技术有限公司 | 液化天然气站监控系统 |
| CN207150632U (zh) * | 2017-04-20 | 2018-03-27 | 中国计量大学 | 一种基于gsm网络的远程水质监测系统 |
| CN207704252U (zh) * | 2018-01-11 | 2018-08-07 | 江苏海事职业技术学院 | 一种基于工业网络的水库水质在线监测系统 |
| CN109374044A (zh) * | 2018-09-30 | 2019-02-22 | 北京英视睿达科技有限公司 | 一种多参环境监测设备智能自动修复方法及装置 |
| CN209055131U (zh) * | 2018-11-09 | 2019-07-02 | 北京英视睿达科技有限公司 | 多参环境监测设备的检测系统 |
| CN111189492A (zh) * | 2019-11-21 | 2020-05-22 | 浙江华珍科技有限公司 | 一种地下水环境监测系统 |
| CN111988352A (zh) * | 2019-05-23 | 2020-11-24 | 上海三思电子工程有限公司 | 边缘计算执行、管理、配合方法、设备、系统及存储介质 |
| CN113379261A (zh) * | 2021-06-17 | 2021-09-10 | 上海市环境科学研究院 | 一种污染场地土壤地下水污染风险管控技术方法 |
| CN115811138A (zh) * | 2022-12-20 | 2023-03-17 | 李彪 | 配电自动化主站设备异常监测系统 |
-
2023
- 2023-07-17 CN CN202310880421.7A patent/CN116908402B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101436058A (zh) * | 2008-12-16 | 2009-05-20 | 电子科技大学 | 并联/混联机床传感器输入故障的容错纠错方法及其控制装置 |
| CN103915897A (zh) * | 2014-02-28 | 2014-07-09 | 电信科学技术仪表研究所 | 一种数字化变电站采样值的监测方法及其监测装置 |
| CN104199405A (zh) * | 2014-08-25 | 2014-12-10 | 上海雷尼威尔技术有限公司 | 液化天然气站监控系统 |
| CN207150632U (zh) * | 2017-04-20 | 2018-03-27 | 中国计量大学 | 一种基于gsm网络的远程水质监测系统 |
| CN207704252U (zh) * | 2018-01-11 | 2018-08-07 | 江苏海事职业技术学院 | 一种基于工业网络的水库水质在线监测系统 |
| CN109374044A (zh) * | 2018-09-30 | 2019-02-22 | 北京英视睿达科技有限公司 | 一种多参环境监测设备智能自动修复方法及装置 |
| CN209055131U (zh) * | 2018-11-09 | 2019-07-02 | 北京英视睿达科技有限公司 | 多参环境监测设备的检测系统 |
| CN111988352A (zh) * | 2019-05-23 | 2020-11-24 | 上海三思电子工程有限公司 | 边缘计算执行、管理、配合方法、设备、系统及存储介质 |
| CN111189492A (zh) * | 2019-11-21 | 2020-05-22 | 浙江华珍科技有限公司 | 一种地下水环境监测系统 |
| CN113379261A (zh) * | 2021-06-17 | 2021-09-10 | 上海市环境科学研究院 | 一种污染场地土壤地下水污染风险管控技术方法 |
| CN115811138A (zh) * | 2022-12-20 | 2023-03-17 | 李彪 | 配电自动化主站设备异常监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116908402A (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Favere et al. | Online microbial fingerprinting for quality management of drinking water: Full-scale event detection | |
| CN117361757B (zh) | 一种水库大水面污染治理方法及系统 | |
| CN116908402B (zh) | 一种基于物联网的水质监测系统 | |
| CN111970656B (zh) | 一种农业污水处理再利用系统 | |
| CN113845205B (zh) | 一种高盐高氮污水智能一体化除盐脱氮控制系统 | |
| CN116990479B (zh) | 一种基于Zigbee技术的水质监测方法、系统、设备及介质 | |
| CN111428985B (zh) | 区域水生态承载力的评估方法 | |
| CN110766328B (zh) | 基于水质达标的污染源排污许可监控方法及系统 | |
| CN100565181C (zh) | 水处理絮凝剂最佳投量粒度分维测定方法 | |
| CN117151557B (zh) | 一种基于工业废水监测数据的质量监控方法及系统 | |
| CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
| CN115994692B (zh) | 基于5g和大数据的智慧河湖管理平台 | |
| CN113240542A (zh) | 一种污水管网可视化系统 | |
| CN113479998A (zh) | 一种好氧污泥颗粒化程度的综合评价方法 | |
| CN116523174A (zh) | 基于自组织神经网络的污水处理厂工况评估方法及系统 | |
| CN105807074B (zh) | 一种快速预测活性污泥系统出水cod达标的方法 | |
| CN114149076B (zh) | 一种厌氧氨氧化污水处理系统的智能调试系统 | |
| CN106526064A (zh) | 一种动态检测scr脱硝过程中催化剂活性的方法 | |
| CN108675439B (zh) | 一种选择污水处理过程调控措施的方法 | |
| Pipes et al. | Frequency‐of‐occurrence monitoring for coliform bacteria in small water systems | |
| CN115578232B (zh) | 一种基于水质分析的水污染治理方法及系统 | |
| CN113869782B (zh) | 基于时序分解企业用电数据以识别环保管控异常的方法 | |
| CN109886609B (zh) | 一种城镇污水处理厂出水水质评价方法 | |
| CN115759450B (zh) | 一种基于大数据的碳排放核算预警分析系统 | |
| CN117388457B (zh) | 一种耦合水力停留时间提高污水厂出水预测精度的方法 |
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 |