CN116947196A - 基于数字化的高级氧化工业废水处理系统 - Google Patents
基于数字化的高级氧化工业废水处理系统 Download PDFInfo
- Publication number
- CN116947196A CN116947196A CN202311210936.2A CN202311210936A CN116947196A CN 116947196 A CN116947196 A CN 116947196A CN 202311210936 A CN202311210936 A CN 202311210936A CN 116947196 A CN116947196 A CN 116947196A
- Authority
- CN
- China
- Prior art keywords
- concentration
- data
- acquiring
- concentration data
- sensing unit
- 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.)
- Granted
Links
- 238000007254 oxidation reaction Methods 0.000 title claims abstract description 48
- 230000003647 oxidation Effects 0.000 title claims abstract description 47
- 238000004065 wastewater treatment Methods 0.000 title claims abstract description 30
- 239000010842 industrial wastewater Substances 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 79
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 239000000203 mixture Substances 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000002864 sequence alignment Methods 0.000 claims description 8
- 238000011166 aliquoting Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000003491 array Methods 0.000 claims 1
- 239000002351 wastewater Substances 0.000 description 15
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 11
- 239000001301 oxygen Substances 0.000 description 11
- 229910052760 oxygen Inorganic materials 0.000 description 11
- 239000000126 substance Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000004927 fusion Effects 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 229910021645 metal ion Inorganic materials 0.000 description 3
- 239000008139 complexing agent Substances 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 239000002244 precipitate Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- 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
- C02F1/72—Treatment of water, waste water, or sewage by oxidation
-
- 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
-
- 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
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Organic Chemistry (AREA)
- Environmental & Geological Engineering (AREA)
- Hydrology & Water Resources (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
本发明涉及数据识别领域，具体涉及基于数字化的高级氧化工业废水处理系统，该系统包括：获取各个传感单元的浓度数据；根据将氧化池中的所有传感单元获取多个待测窗口，进而得到各个初始待测矩阵以及传感单元监测盲区的位置；获取各个初始待测矩阵中各个监测盲区的位置的浓度数据，得到待测矩阵；根据各个待测矩阵获取各个浓度分布区域；获取各个浓度分布区域的浓度评价；根据各个浓度分布区域的浓度评价获取中浓度列；根据中浓度列获取混合物的浓度数据；根据混合物的浓度数据预测下一时刻混合物的浓度数据。本发明通过将废水处理过程数据化，确保获取的混合物的浓度数据更具准确性。
Description
技术领域
本发明涉及数据识别领域，具体涉及基于数字化的高级氧化工业废水处理系统。
背景技术
氧化工业废水处理技术是一种常见的工业废水处理方法，通过氧化反应将工业废水中的有机物和污染物转化为较为稳定和易于处理的物质，从而提高工业废水的水质，比如在工业废水处理的过程中，会添加络合剂来沉淀废水中常含有的各种金属离子，如重金属离子（铜、铅、镉等），络合剂可以与这些金属离子形成络合物，使其形成稳定的沉淀物，从而使金属离子被有效地去除，在废水处理中，通过使用传感器来监测废水的各种参数，如水质、流量、pH值、污染物浓度等。
由于氧化池中混合物浓度分布不均匀，使用传统的单点传感器布置的形式对于氧化池中混合物浓度数据进行识别时存在着片面特征。
现有的分布式传感器布置在氧化池范围中，通过分布式传感器中各个传感单元的浓度数据进行融合后作为混合物的浓度数据，但是由于混合物浓度分布不均匀，导致分布式传感器中各个传感单元的浓度数据之间相似程度低，直接使用传统均值融合方式获取的混合物浓度数据与真实的混合物浓度数据之间的偏差较大，会影响数据预测的实际效果，导致根据预测结果得到的下一时刻系统的预测混合物的浓度数据的准确性降低。
发明内容
为了解决上述问题，本发明提供基于数字化的高级氧化工业废水处理系统，所述系统包括：
各传感单元浓度数据获取模块，获取各个传感单元的浓度数据；
监测盲区位置的浓度数据获取模块，根据氧化池中的传感单元的分布获取多个待测窗口；根据各个待测窗口获取各个初始待测矩阵；根据各个初始待测矩阵获取传感单元监测盲区的位置；获取各个初始待测矩阵中各个传感单元监测盲区的位置的浓度数据，构成待测矩阵；
浓度评价获取模块，根据各个待测矩阵获取各个浓度分布区域；根据各个浓度分布区域获取各个浓度分布区域的浓度评价；
混合物的浓度数据获取模块，根据各个浓度分布区域的浓度评价获取中浓度列；根据中浓度列所对应的浓度分布区域的浓度数据获取混合物的浓度数据；
数据预测模块，根据混合物的浓度数据预测下一时刻混合物的浓度数据。
优选的，所述根据氧化池中的传感单元的分布获取多个待测窗口，包括的步骤为：
对氧化池中的所有传感单元进行区域划分，得到多个待测窗口，每个待测窗口为个传感单元构成的区域。
优选的，所述根据各个待测窗口获取各个初始待测矩阵，包括的步骤为：
获取单个传感单元的直径，记为，获取任一待测窗口的中心传感单元与其上下相邻的两个传感单元，将此三个传感单元分别作为一个第一传感单元，获取相邻两个第一传感单元之间的距离，记为间隔/>，使用/>将间隔/>等分，获取等分个数/>，则待测窗口的边长为/>，构建/>大小的空矩阵，将待测窗口中各个传感单元的浓度数据填充到空矩阵中的对应位置，得到初始待测矩阵。
优选的，所述根据各个初始待测矩阵获取传感单元监测盲区的位置，获取各个初始待测矩阵中各个传感单元监测盲区的位置的浓度数据，包括的步骤为：
将初始待测矩阵中不存在浓度数据的位置作为传感单元监测盲区的位置；
将初始待测矩阵划分为大小相同的四个矩阵，作为初始待测矩阵的四个子阵；
遍历初始待测矩阵中任一传感单元监测盲区的位置，记为第个元素点：
式中，代表第/>个元素点的浓度数据；/>代表第/>个元素点所属子阵中拥有传感单元的个数；/>代表第/>个元素点所属的子阵中的第/>个传感单元；/>代表第/>个元素点所属的子阵中的第/>个传感单元所对应的浓度数据；/>代表第/>个元素点与其所属的子阵中的第/>个传感单元之间的距离；/>代表第/>个元素与其所属子阵中全部传感单元之间的的距离之和。
优选的，所述根据各个待测矩阵获取各个浓度分布区域，包括的步骤为：
将每个待测矩阵按照其对应待测窗口在氧化池中的位置进行拼接，得到合并待测矩阵，以合并待测矩阵中每个传感单元的位置作为种子点，进行区域生长，得到多个区域，将每个区域分别作为一个浓度分布区域。
优选的，所述根据各个浓度分布区域获取各个浓度分布区域的浓度评价，包括的步骤为：
式中，为第/>个浓度分布区域内元素的个数；/>为合并待测矩阵中的元素个数；代表与第/>个浓度分布区域邻接的浓度分布区域的个数；/>代表与第/>个浓度分布区域邻接的第/>个浓度分布区域；/>代表第/>个浓度分布区域与其所有邻接的浓度分布区域的元素的浓度数据的标准差；/>代表第/>个浓度分布区域中元素的浓度数据均值；/>代表与第/>个浓度分布区域邻接的第/>个浓度分布区域中元素的浓度数据均值；/>代表第/>个浓度分布区域的浓度评价。
优选的，所述根据各个浓度分布区域的浓度评价获取中浓度列，包括的步骤为：
将各个浓度分布区域的浓度评价进行降序排列，得到降序序列，将降序序列以0为分界线分为两列，将大于0的列记为前列，小于0的记为后列，对于前列：依次获取相邻的两个浓度评价的差值，将最大的差值记为第一差值；对于后列：依次获取相邻的两个浓度评价的差值，将最大的差值记为第二差值；将第一差值所对应的两个浓度评价中最小的浓度评价作为第三右边界，将第二差值所对应的两个浓度评价中最大的浓度评价作为第三左边界，将第三左边界与第三右边界构成的闭区间作为中浓度列。
优选的，所述根据中浓度列所对应的浓度分布区域的浓度数据获取混合物的浓度数据，包括的步骤为：
式中，为中浓度列所对应的第/>个浓度分布区域中的元素的浓度数据均值；/>为中浓度列所对应的浓度分布区域的个数；/>为中浓度列所对应的浓度分布区域的个数；/>代表混合物的浓度数据。
优选的，所述获取各个传感单元的浓度数据，包括的步骤为：
对各个传感单元进行时序对齐，获取时序对齐下的各个传感单元数据，记为各个传感单元的浓度数据。
优选的，所述根据混合物的浓度数据预测下一时刻混合物的浓度数据，包括的步骤为：
获取工业废水中不同指标的混合物的浓度数据构建初始系统状态向量，将初始系统状态向量输入扩展卡尔曼滤波器中进行处理，得到下一时刻系统预测的混合物的浓度数据。
本发明具有如下有益效果：本发明通过将氧化池中的所有传感单元进行截取得到多个待测窗口，根据各个待测窗口获取各个初始待测矩阵，进而得到传感单元监测盲区的位置，获取各个初始待测矩阵中各个监测盲区的位置的浓度数据，根据各个初始待测矩阵获取各个浓度分布区域得到各个浓度分布区域的浓度评价，根据各个浓度分布区域的浓度评价获取高浓度列、中浓度列以及低浓度列，根据中浓度列所对应的浓度分布区域的浓度数据获取混合物的浓度数据，避免了极端值在浓度数据中产生的离群影响，对浓度数据进行了全方位的测量并提高了浓度数据融合发的真实性，使建立的拓展卡尔曼滤波器的系统向量能够更加符合当前系统处理状态的描述，最终使滤波结果与实际情况更加接近，可以提高工业废水处理系统的稳定性和效率，减少传感器测量误差对系统操作的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的基于数字化的高级氧化工业废水处理系统的系统框图；
图2为氧化池中分布式传感器的分布示意图；
图3为一个待测窗口的示意图；
图4为第一传感单元示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于数字化的高级氧化工业废水处理系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于数字化的高级氧化工业废水处理系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的基于数字化的高级氧化工业废水处理系统，该系统包括以下模块：
各传感单元浓度数据获取模块101，将分布式传感器布置在氧化池中，获取每个传感单元的数据后进行时序对齐，得到各传感单元的浓度数据。
根据先验数据获取氧化池的尺寸，并将分布式传感器布置在氧化池中，氧化池中分布式传感器的分布参见图2，获取每个传感单元数据即获取每个传感单元位置的TSS数据，TSS数据也叫总悬浮固体，它是衡量废水中悬浮物质含量的指标，能够反应废水中的悬浮物污染程度。
需要说明的是，在对多个传感单元数据进行融合时，需要对多个传感单元数据进行时序对齐。已知每个传感单元数据中含有时间戳，表示数据采集的时间点，因此在本发明实施例中，确保各传感单元数据的时间戳间隔时间相同，并确保全部传感单元数据获取来自于同一时钟，进而完成时序对齐，并将时序对齐下的每个传感单元数据，记为浓度数据。
至此，实现了氧化池中分布式传感器的部署，获取了时序对齐下的每个传感单元数据，即浓度数据。
监测盲区位置的浓度数据获取模块102，将氧化池中的所有传感单元划分为各个待测窗口，并将各个待测窗口转换为各个待测矩阵，根据各个待测矩阵中浓度数据的分布，获取各个待测矩阵中传感单元检测盲区位置处的浓度数据。
需要说明的是，分布式传感器布置在氧化池范围中，通过将分布式传感器中每个传感单元的浓度数据进行融合后作为混合物的浓度数据，但是由于混合物浓度分布不均匀，导致分布式传感器中传感单元的浓度数据中存在着极端值，因此使用传统的均值融合方式获取的混合物浓度数据会受到极端值的影响而与真实的混合物浓度数据之间存在较大的偏差，会影响数据预测的实际效果。
由于混合物浓度分布不均匀，在添加氧化剂以及反应生成沉淀的过程中，各个传感单元所检测的位置都有不同的反应规模，导致所有传感单元的浓度数据的分布不均匀，因此，本实施例通过传感单元浓度数据分布的非均匀特征进行浓度数据空间分布的推断，获取传感单元监测盲区处的浓度数据，并结合区域生长结合进行浓度数据的分割，得到各个浓度分布区域，根据各个浓度分布区域的浓度评价进而获取高浓度区域、平衡浓度区域以及低浓度区域，根据平衡浓度区域的浓度数据获取混合物的浓度数据，能够对氧化池中的浓度数据进行全方位的预测并提高融合浓度数据的真实性。
两个传感单元之间浓度数据的差值只能代表各自所监测的一定范围内浓度差异，而由于混合物是趋向于最大混合熵，因此本实施例通过两个传感单元及其中间位置出现浓度差的趋向特征对传感单元监测盲区位置的浓度数据进行推导。由于传感单元监测盲区的浓度数据应当与其临近的传感单元的浓度数据相似，因此将氧化池中的所有传感单元进行划分，得到各个待测窗口，根据各个待测窗口中传感单元的浓度数据获取各个待测窗口中传感单元监测盲区位置的浓度数据。
本发明实施例中，对氧化池中的所有传感单元进行区域划分，得到多个待测窗口，每个待测窗口为个传感单元构成的区域。本发明实施例中的一个待测窗口参见图3。
需要说明的是，为了获取传感单元监控盲区位置的浓度数据，首先需要根据待测窗口中相邻传感单元之间的距离以及传感单元的直径将待测窗口矩阵化，得到初始待测矩阵，进而得到传感单元监测盲区的位置。
在本发明实施例中，获取单个传感单元的直径，记为，获取任一待测窗口的中心传感单元与其上下邻域的两个传感单元，将此三个传感单元分别作为一个第一传感单元，第一传感单元参见图4，获取相邻两个第一传感单元之间的距离，记为间隔/>，使用/>将间隔等分，获取等分个数/>，需要说明的是，三个第一传感单元之间拥有两个间隔，因此以传感单元的直径为基本单位，则待测窗口的边长为/>。构建/>大小的空矩阵，将待测窗口中/>位置处的传感单元的浓度数据填充到空矩阵中的/>处，将待测窗口中位置处的传感单元的浓度数据填充到空矩阵中的/>处,将待测窗口中/>位置处的传感单元的浓度数据填充到空矩阵中的/>处，将待测窗口中/>位置处的传感单元的浓度数据填充到空矩阵中的/>处，将待测窗口中/>位置处的传感单元的浓度数据填充到空矩阵中的/>处，将待测窗口中/>位置处的传感单元的浓度数据填充到空矩阵中的/>处，将待测窗口中/>位置处的传感单元的浓度数据填充到空矩阵中的/>处，将待测窗口中/>位置处的传感单元的浓度数据填充到空矩阵中的处，将待测窗口中/>位置处的传感单元的浓度数据填充到空矩阵中的处，得到初始待测矩阵，其中初始待测矩阵中不存在浓度数据的位置即为传感单元监测盲区的位置。
需要说明的是，由于浓度数据的整体平滑变化的特征，初始待测矩阵中传感单元监测盲区的位置处的浓度数据应该与其临近的传感单元的浓度数据相似，因此可根据传感单元监测盲区的位置与传感单元之间的距离以及传感单元的浓度数据，获取传感单元监测盲区的位置的浓度数据。
在本发明实施例中，将初始待测矩阵划分为大小相同的四个矩阵，作为初始待测矩阵的四个子阵。
遍历初始待测矩阵中任一传感单元监测盲区的位置，记为第个元素点，获取初始待测矩阵中第/>个元素点的浓度数据/>：
式中，代表第/>个元素点所属子阵中拥有传感单元的个数；/>代表第/>个元素点所属的子阵中的第/>个传感单元；/>代表第/>个元素点所属的子阵中的第/>个传感单元对应的浓度数据；/>代表第/>个元素点与其所属的子阵中的第/>个传感单元之间的距离；/>代表第/>个元素点与其所属子阵中全部传感单元之间的距离之和；/>代表第/>个元素点与其所属的子阵中的第/>个传感单元之间的距离在第/>个元素点与其所属子阵中全部传感单元之间的距离之和中的占比，当第/>个元素点与其所属的子阵中的第/>个传感单元之间的距离越小时，/>的比值越小，/>的值越大，说明第/>个元素点与其所属的子阵中的第/>个传感单元之间的距离越近，说明第/>个元素点与所属的子阵中的第/>个传感单元的浓度数据越近似，则将第/>个传感单元的浓度数据按照距离比值加权分配给第/>个元素点的浓度数据。
将获取的每个元素点的浓度数据填充至初始待测矩阵的对应位置，得到待测矩阵。
至此，获取了氧化池中所有传感单元监测盲区位置处的浓度数据，并得到了各个待测矩阵。
浓度评价获取模块103，根据每个待测矩阵获取合并待测矩阵，使用区域生长将待测矩阵分割为各个浓度分布区域，根据各个浓度分布区域中元素浓度数据的偏离特征获取各个浓度分布区域的浓度评价。
需要说明的是，已知每个传感单元与其邻域之间传感单元的的浓度数据差异能够反映当前传感单元所对应的浓度数据的偏离特征，即当前传感单元的浓度数据可能为极端值，会影响混合物浓度数据的真实性，因此为了避免分布式传感器中传感单元的浓度数据中存在着的极端值而导致混合物的浓度数据不准确，也为了对氧化池中的浓度数据进行全局融合，本实施例以每个传感器位置作为种子点，进行区域生长，得到多个不同的浓度分布区域，根据各个浓度分布区域中元素浓度数据的差异获取各个浓度分布区域的浓度评价，便于后续根据各个浓度区域的浓度评价获取高浓度区域以及低浓度区域，让这两种区域中元素的浓度数据不参与后续浓度数据的融合。
在本发明实施例中，将每个待测矩阵按照其对应待测窗口在氧化池中的位置进行拼接，得到合并待测矩阵，以合并待测矩阵中每个传感单元的位置作为种子点，进行区域生长，得到多个区域，将每个区域分别作为一个浓度分布区域。
需要说明的是，获取每个浓度分布区域的浓度评价：
式中，为第/>个浓度分布区域内元素的个数；/>为合并待测矩阵中的元素个数；为第/>个浓度分布区域内元素的个数占合并待测矩阵中的元素个数的比值，当比值越大时说明第/>个浓度分布区域所代表的元素的浓度数据分布较为均匀，第/>个浓度分布区域在当前氧化沉淀过程中的均匀特性越多，获取的第/>个浓度分布区域的浓度评价越准确；/>代表与第/>个浓度分布区域邻接的浓度分布区域的个数；/>代表与第/>个浓度分布区域邻接的第/>个浓度分布区域；/>代表第/>个浓度分布区域与其所有邻接的浓度分布区域的元素的浓度数据的标准差；/>代表第/>个浓度分布区域中元素的浓度数据均值；/>代表与第/>个浓度分布区域邻接的第/>个浓度分布区域中元素的浓度数据均值；/>为第R个浓度分布区域中元素的浓度数据均值与其邻接第/>个浓度分布区域中元素的浓度数据均值/>的差值与第个浓度分布区域与其所有邻接的浓度分布区域的元素的浓度数据的标准差之比，当比值越大时，说明第R个浓度分布区域中元素的浓度数据均值与其邻接第/>个浓度分布区域中元素的浓度数据均值/>的差值越大，说明第/>个浓度分布区域中元素浓度数据的偏离特征越明显，此时第/>个浓度分布区域越可能为高浓度区域，反之，比值越小，第/>个浓度分布区域越可能为低浓度区域；/>代表第/>个浓度分布区域的浓度评价，结合第/>个浓度分布区域中元素浓度数据的偏离特征以及第/>个浓度分布区域中元素素的个数占合并待测矩阵中的元素个数的比值得到第/>个浓度分布区域的浓度评价。
至此，根据每个待测矩阵获取到合并待测矩阵，使用区域生长将待测矩阵分割为各个浓度分布区域，根据各个浓度分布区域中元素浓度数据的偏离特征获取各个浓度分布区域的浓度评价。
混合物的浓度数据获取模块104，根据各个浓度分布区域的浓度评价获取高浓度区域、平衡浓度区域以及低浓度区域，进而根据平衡浓度区域的浓度数据获取混合物的浓度数据。
需要说明的是，获取的每个浓度分布区域的浓度评价代表着每个浓度分区域的偏离特征，也就是当浓度分布区域的浓度评价越大或者越小时，该浓度分布区域可能为高浓度区域或者低浓度区域，这两种区域的浓度数据会影响混合物的浓度数据的真实性，当浓度分布区域的浓度评价处于中间时，该浓度分布区域可能为平衡浓度区域，这种区域的浓度数据更加接近混合物的浓度数据，因此本实施例根据所得的每个浓度分布区域的浓度评价来获取高浓度区域、平衡浓度区域以及低浓度区域，进而根据平衡浓度区域的浓度数据获取混合物的浓度数据。
需要进一步说明的是，获取的各个浓度分布区域的浓度评价值可能为正数或者为负数，当浓度分布区域的浓度评价为正数并且较大时，该浓度分布区域更可能为高浓度区域，当浓度分布区域的浓度评价为负数并且越小时，该浓度分布区域更可能为低浓度区域。
在本发明实施例中，将各个浓度分布区域的浓度评价进行降序排列，得到降序序列，将降序序列以0为分界线分为两列，将大于0的列记为前列，小于0的记为后列，对于前列：依次获取相邻的两个浓度评价的差值，将最大的差值记为第一差值，将第一差值所对应的两个浓度评价中最大的浓度评价作为第一左边界，将前列中最大的浓度评价作为第一右边界，将第一左边界以及第一右边界构成的闭区间，作为高浓度列，将高浓度列所对应浓度分布区域作为高浓度区域。
对于后列：依次获取相邻的两个浓度评价的差值，将最大的差值记为第二差值，将第二差值所对应的两个浓度评价中最小的浓度评价作为第二右边界，将后列中最小的浓度评价作为第二左边界，将第二左边界以及第二右边界构成的闭区间，作为低浓度列，将低浓度列所对应浓度分布区域作为低浓度区域；将第一差值所对应的两个浓度评价中最小的浓度评价作为第三右边界，将第二差值所对应的两个浓度评价中最大的浓度评价作为第三左边界，将第三左边界与第三右边界构成的闭区间作为中浓度列，中浓度列所对应的浓度分布区域为平衡浓度区域。
获取混合物的浓度数据：
式中，为中浓度列所对应的第/>个浓度分布区域中的元素的浓度数据均值；/>为中浓度列所对应的浓度分布区域的个数；/>为中浓度列所对应的浓度分布区域的个数；/>代表混合物的浓度数据。
至此，根据各个浓度分布区域的浓度评价获取高浓度区域、平衡浓度区域以及低浓度区域，进而根据平衡浓度区域的浓度数据获取混合物的浓度数据，完成了对全局浓度数据的自适应融合。
数据预测模块105，根据混合物的浓度数据预测下一时刻混合物的浓度数据。
需要说明的是，本发明实施例以总悬浮固体TSS为例说明了混合物的浓度数据的获取方法，为了构建扩展卡尔曼滤波器的初始系统状态向量，还需获取pH值、溶解氧、氨氮、化学需氧量以及生化需氧量等指标的混合物的浓度数据，获取的方法与总悬浮固体TSS的混合物的浓度数据的获取方法相同，在本发明实施例中，不再详细赘述。
需要说明的是，pH值是衡量废水酸碱性的指标，可以用于监测废水的酸碱度，通常在废水处理过程中需要维持适当的pH范围，溶解氧（DO）是衡量废水中溶解氧含量的指标，可以反映废水中的氧气供应情况，对于生物处理过程尤为重要，氨氮（NH3-N）是衡量废水中氨氮含量的指标，可以反映废水中的氨氮污染程度，对于判断废水处理效果具有重要意义，总悬浮固体（TSS）是衡量废水中悬浮物质含量的指标，可以反映废水中的悬浮物污染程度，对于评估废水处理效果有帮助，化学需氧量（COD）是衡量废水中有机物含量的指标，可以反映废水中的有机污染程度，对于判断废水处理效果具有重要意义，生化需氧量（BOD）是衡量废水中有机物可生物降解性的指标，可以反映废水中的生物污染程度，对于评估废水处理效果有帮助。
因此本发明实施例，以pH值、溶解氧、总悬浮固体、氨氮、化学需氧量以及生化需氧量构架初始系统状态向量：
式中，角标T代表向量转置；
在构建了初始系统状态向量后，将其输入扩展卡尔曼滤波器进行处理，得到下一时刻系统预测的混合物的浓度数据。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (10)
1.基于数字化的高级氧化工业废水处理系统，其特征在于，所述系统包括：
各传感单元浓度数据获取模块，获取各个传感单元的浓度数据；
监测盲区位置的浓度数据获取模块，根据氧化池中的传感单元的分布获取多个待测窗口；根据各个待测窗口获取各个初始待测矩阵；根据各个初始待测矩阵获取传感单元监测盲区的位置；获取各个初始待测矩阵中各个传感单元监测盲区的位置的浓度数据，构成待测矩阵；
浓度评价获取模块，根据各个待测矩阵获取各个浓度分布区域；根据各个浓度分布区域获取各个浓度分布区域的浓度评价；
混合物的浓度数据获取模块，根据各个浓度分布区域的浓度评价获取中浓度列；根据中浓度列所对应的浓度分布区域的浓度数据获取混合物的浓度数据；
数据预测模块，根据混合物的浓度数据预测下一时刻混合物的浓度数据。
2.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述根据氧化池中的传感单元的分布获取多个待测窗口，包括的步骤为：
对氧化池中的所有传感单元进行区域划分，得到多个待测窗口，每个待测窗口为3×3个传感单元构成的区域。
3.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述根据各个待测窗口获取各个初始待测矩阵，包括的步骤为：
获取单个传感单元的直径，记为λ 1，获取任一待测窗口的中心传感单元与其上下相邻的两个传感单元，将此三个传感单元分别作为一个第一传感单元，获取相邻两个第一传感单元之间的距离，记为间隔I'，使用λ 1将间隔I'等分，获取等分个数l，则待测窗口的边长为2l +3，构建（2l+3）×（2l+3）大小的空矩阵，将待测窗口中各个传感单元的浓度数据填充到空矩阵中的对应位置，得到初始待测矩阵。
4.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述根据各个初始待测矩阵获取传感单元监测盲区的位置，获取各个初始待测矩阵中各个传感单元监测盲区的位置的浓度数据，包括的步骤为：
将初始待测矩阵中不存在浓度数据的位置作为传感单元监测盲区的位置；
将初始待测矩阵划分为大小相同的四个矩阵，作为初始待测矩阵的四个子阵；
遍历初始待测矩阵中任一传感单元监测盲区的位置，记为第i个元素点：式中，p i 代表第i个元素点的浓度数据；n k 代表第i个元素点所属子阵中拥有传感单元的个数；k代表第i个元素点所属的子阵中的第k个传感单元；p k 代表第i个元素点所属的子阵中的第k个传感单元所对应的浓度数据；d （i，k） 代表第i个元素点与其所属的子阵中的第k个传感单元之间的距离；d （i,all） 代表第i个元素与其所属子阵中全部传感单元之间的距离之和。
5.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述根据各个待测矩阵获取各个浓度分布区域，包括的步骤为：
将每个待测矩阵按照其对应待测窗口在氧化池中的位置进行拼接，得到合并待测矩阵，以合并待测矩阵中每个传感单元的位置作为种子点，进行区域生长，得到多个区域，将每个区域分别作为一个浓度分布区域。
6.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述根据各个浓度分布区域获取各个浓度分布区域的浓度评价，包括的步骤为：
式中，S R 为第R个浓度分布区域内元素的个数；S all 为合并待测矩阵中的元素个数；n R 代表与第R个浓度分布区域邻接的浓度分布区域的个数；r代表与第R个浓度分布区域邻接的第r个浓度分布区域；σ R 代表第R个浓度分布区域与其所有邻接的浓度分布区域的元素的浓度数据的标准差；/>代表第R个浓度分布区域中元素的浓度数据均值；/>代表与第R个浓度分布区域邻接的第r个浓度分布区域中元素的浓度数据均值；Q R 代表第R个浓度分布区域的浓度评价。
7.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述根据各个浓度分布区域的浓度评价获取中浓度列，包括的步骤为：
将各个浓度分布区域的浓度评价进行降序排列，得到降序序列，将降序序列以0为分界线分为两列，将大于0的列记为前列，小于0的记为后列，对于前列：依次获取相邻的两个浓度评价的差值，将最大的差值记为第一差值；对于后列：依次获取相邻的两个浓度评价的差值，将最大的差值记为第二差值；将第一差值所对应的两个浓度评价中最小的浓度评价作为第三右边界，将第二差值所对应的两个浓度评价中最大的浓度评价作为第三左边界，将第三左边界与第三右边界构成的闭区间作为中浓度列。
8.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述根据中浓度列所对应的浓度分布区域的浓度数据获取混合物的浓度数据，包括的步骤为：
式中，D j 为中浓度列所对应的第j个浓度分布区域中的元素的浓度数据均值；J为中浓度列所对应的浓度分布区域的个数；n 中为中浓度列所对应的浓度分布区域的个数；p'代表混合物的浓度数据。
9.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述获取各个传感单元的浓度数据，包括的步骤为：
对各个传感单元进行时序对齐，获取时序对齐下的各个传感单元数据，记为各个传感单元的浓度数据。
10.根据权利要求1所述的基于数字化的高级氧化工业废水处理系统，其特征在于，所述根据混合物的浓度数据预测下一时刻混合物的浓度数据，包括的步骤为：
获取工业废水中不同指标的混合物的浓度数据构建初始系统状态向量，将初始系统状态向量输入扩展卡尔曼滤波器中进行处理，得到下一时刻系统预测的混合物的浓度数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311210936.2A CN116947196B (zh) | 2023-09-20 | 2023-09-20 | 基于数字化的高级氧化工业废水处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311210936.2A CN116947196B (zh) | 2023-09-20 | 2023-09-20 | 基于数字化的高级氧化工业废水处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116947196A true CN116947196A (zh) | 2023-10-27 |
| CN116947196B CN116947196B (zh) | 2023-12-08 |
Family
ID=88454931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311210936.2A Active CN116947196B (zh) | 2023-09-20 | 2023-09-20 | 基于数字化的高级氧化工业废水处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116947196B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117509810A (zh) * | 2024-01-05 | 2024-02-06 | 深圳市盘古环保科技有限公司 | 一种高效反应的工业废水除氟处理方法及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19818329A1 (de) * | 1998-04-23 | 1999-10-28 | Weppner Werner | Verfahren zur Bestimmung der Konzentration eines chemischen Stoffs in einem Medium |
| CN109816211A (zh) * | 2018-12-29 | 2019-05-28 | 北京英视睿达科技有限公司 | 判断污染区域相似性及提高治理污染效率的方法及装置 |
| CN110577278A (zh) * | 2019-07-04 | 2019-12-17 | 广东省环境保护工程研究设计院有限公司 | 预测氧化沟池型aao工艺溶解氧浓度空间分布的方法及介质 |
| CN112784392A (zh) * | 2019-11-07 | 2021-05-11 | 中国石油化工股份有限公司 | 待测区域内污染物动态分布模拟方法及模拟系统 |
| WO2023124843A1 (zh) * | 2021-12-31 | 2023-07-06 | 奥格科技股份有限公司 | 多传感融合的高精度水位测量装置及方法 |
| CN116679026A (zh) * | 2023-06-27 | 2023-09-01 | 江南大学 | 自适应无偏有限脉冲响应滤波的污水溶解氧浓度估计方法 |
-
2023
- 2023-09-20 CN CN202311210936.2A patent/CN116947196B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19818329A1 (de) * | 1998-04-23 | 1999-10-28 | Weppner Werner | Verfahren zur Bestimmung der Konzentration eines chemischen Stoffs in einem Medium |
| CN109816211A (zh) * | 2018-12-29 | 2019-05-28 | 北京英视睿达科技有限公司 | 判断污染区域相似性及提高治理污染效率的方法及装置 |
| CN110577278A (zh) * | 2019-07-04 | 2019-12-17 | 广东省环境保护工程研究设计院有限公司 | 预测氧化沟池型aao工艺溶解氧浓度空间分布的方法及介质 |
| CN112784392A (zh) * | 2019-11-07 | 2021-05-11 | 中国石油化工股份有限公司 | 待测区域内污染物动态分布模拟方法及模拟系统 |
| WO2023124843A1 (zh) * | 2021-12-31 | 2023-07-06 | 奥格科技股份有限公司 | 多传感融合的高精度水位测量装置及方法 |
| CN116679026A (zh) * | 2023-06-27 | 2023-09-01 | 江南大学 | 自适应无偏有限脉冲响应滤波的污水溶解氧浓度估计方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117509810A (zh) * | 2024-01-05 | 2024-02-06 | 深圳市盘古环保科技有限公司 | 一种高效反应的工业废水除氟处理方法及设备 |
| CN117509810B (zh) * | 2024-01-05 | 2024-03-22 | 深圳市盘古环保科技有限公司 | 一种高效反应的工业废水除氟处理方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116947196B (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116947196B (zh) | 基于数字化的高级氧化工业废水处理系统 | |
| CN110057761A (zh) | 一种全光谱结合快速易测指标的水质在线监测系统与方法 | |
| CN111597756A (zh) | 一种基于无人机多光谱数据的水质参数反演方法 | |
| CN111982831A (zh) | 一种基于高光谱技术的水质在线监测方法、装置和系统 | |
| Ren et al. | A new DGT technique comprised in a hybrid sensor for the simultaneous measurement of ammonium, nitrate, phosphorus and dissolved oxygen | |
| WO2013081496A1 (ru) | Устройство и способ определения токсичности жидких сред | |
| Tassone et al. | Co-occurrence of aquatic heatwaves with atmospheric heatwaves, low dissolved oxygen, and low pH events in estuarine ecosystems | |
| CN114564699B (zh) | 一种总磷总氮连续在线监测方法及系统 | |
| Perbiche-Neves et al. | Distinct responses of Copepoda and Cladocera diversity to climatic, environmental, and geographic filters in the La Plata River basin | |
| CN114971295B (zh) | 改善通江湖泊候鸟栖息地生境的水库调度方法及系统 | |
| Farhat et al. | Spatial heterogeneity of biofouling under different cross-flow velocities in reverse osmosis membrane systems | |
| Hoang et al. | Decision tree techniques to assess the role of daily DO variation in classifying shallow eutrophicated lakes in Hanoi, Vietnam | |
| CN109580897A (zh) | 一种不同淡水环境中铜离子对斜生栅藻毒性效应的确定方法及应用 | |
| da Silva et al. | Beta diversity patterns in zooplankton assemblages from a semiarid river ecosystem | |
| CN108959741A (zh) | 一种基于海洋物理生态耦合模型的参数优化方法 | |
| Wang et al. | Application of Ion Selective Electrode array to simultaneously determinate multi-free ions in solution | |
| da Costa et al. | Productivity–diversity relationships in reservoir phytoplankton communities in the semi-arid region of northeastern Brazil | |
| Pettay et al. | The ebb and flow of protons: A novel approach for the assessment of estuarine and coastal acidification | |
| KR102122053B1 (ko) | 포터블 수질 측정장치 | |
| Krklješ et al. | Multiparameter water quality monitoring system for continuous monitoring of fresh waters | |
| Hashimoto et al. | Relationship between net and gross primary production in the Sagami Bay, Japan | |
| CN109900645A (zh) | 一种基于高光谱图像技术的牡蛎重金属含量测定方法 | |
| JP2001027634A (ja) | 水質監視システム | |
| Majnooni et al. | Smarter water quality monitoring in reservoirs using interpretable deep learning models and feature importance analysis | |
| Slawyk et al. | Inorganic nitrogen uptake by marine phytoplankton under in situ and simulated in situ incubation conditions: Results from the northwest African upwelling region 1 |
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 |