CN117035230A - 一种基于大数据分析的污水处理设备运行状态评估方法 - Google Patents
一种基于大数据分析的污水处理设备运行状态评估方法 Download PDFInfo
- Publication number
- CN117035230A CN117035230A CN202310988394.5A CN202310988394A CN117035230A CN 117035230 A CN117035230 A CN 117035230A CN 202310988394 A CN202310988394 A CN 202310988394A CN 117035230 A CN117035230 A CN 117035230A
- Authority
- CN
- China
- Prior art keywords
- sewage treatment
- treatment equipment
- sewage
- oxygen demand
- index
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 390
- 238000007405 data analysis Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 160
- 239000001301 oxygen Substances 0.000 claims abstract description 160
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 160
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims abstract description 152
- 239000000126 substance Substances 0.000 claims abstract description 87
- 229910021529 ammonia Inorganic materials 0.000 claims abstract description 76
- 238000013210 evaluation model Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims description 48
- 238000004364 calculation method Methods 0.000 claims description 44
- 230000002159 abnormal effect Effects 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000007418 data mining Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 1
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 125000001477 organic nitrogen group Chemical group 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明公开了一种基于大数据分析的污水处理设备运行状态评估方法。该基于大数据分析的污水处理设备运行状态评估方法,包括以下步骤:采集污水处理设备实时运行状态数据,并进行分析处理,根据分析处理得到的数据生成污水处理设备运行状态警报信息,构建污水处理设备运行状态评估模型对设备运行数据进行评估,结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据进行报警并生成诊断信息。本发明通过计算得到生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标并分析污水处理设备的运行状态,达到了快速找出发生故障的污水处理设备的效果,解决了现有技术中存在不能快速准确地找出发生故障的污水处理设备的问题。
Description
技术领域
本发明涉及污水处理技术领域,尤其涉及一种基于大数据分析的污水处理设备运行状态评估方法。
背景技术
随着社会科技水平不断发展,工业得到了快速发展,人们的日常生活和生产生活都会产生污水,为了减少对环境的破坏,污水在排放之前需要经过污水处理厂进行净化,污水在污水处理厂里依次经过多个污水处理设备逐步净化达到排放标准,由于污水处理厂里的污水处理设备数量过于庞大,一旦污水处理设备出现故障导致净化完成的污水达不到排放标准,需要对污水处理设备进行逐一检查找出故障所在污水处理设备,这样操作费时费力,效率也不高,如何快速判断污水处理设备是否处于故障状态是一个急需解决的问题。
现有的污水处理设备运行状态评估系统通过对处理完成的污水进行排放标准检测实现确定污水处理设备的运行状态。
例如公开号为CN215298003U的中国专利公开的一种农村污水处理设施远程在线智能监测平台,包括:通过物联网、大数据等技术手段,将各个污水处理站点的污水处理设施及水质分析仪和流量计等终端设备,进行联网并集中监控管理,可远程监测各污水处理站的进出水水质及水量、污水处理设施运行状态,异常自动报警,远程/自动控制站内污水处理设施设备的运行,视频/图像监控现场实况,统计分析水质达标情况;远程警戒相机可实现人畜入侵自动报警、远程对讲驱离及呼叫值守人员现场干预等,利用专业组态技术,实现集采集控、智慧管控,可大幅度提升农村生活污水处理设施的运维效率和标准化水平。
例如公开号为CN106865912A的发明专利公开的一种污水处理控制方法及系统,包括:污水处理设备采集在污水处理过程中的参数变化信息并将所述参数变化信息发送给服务器;所述服务器根据所述参数变化信息与多种预设参数信息,获取与所述参数变化信息对应的推荐控制策略;将所述推荐控制策略发送给所述污水处理设备;所述污水处理设备根据所述推荐控制策略进行污水处理。该发明能够根据污水处理设备的运行参数情况进行自动调整和控制,从而达到比较好的运行状态,智能化程度大大提高。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中,由于污水处理设备数量过多,存在不能快速准确地找出发生故障的污水处理设备的问题。
发明内容
本申请实施例通过提供一种基于大数据分析的污水处理设备运行状态评估方法,解决了现有技术中,不能快速准确地找出发生故障的污水处理设备的问题,实现了基于客观的数据分析,提高了评估结果的可信度和准确性,快速准确地找出发生故障的污水处理设备。
本申请实施例提供了一种基于大数据分析的污水处理设备运行状态评估方法,包括以下步骤:S1,采集污水处理设备实时运行状态数据;S2,对采集到的实时运行状态数据进行分析处理;S3,根据分析处理得到的数据,生成污水处理设备运行状态警报信息;S4,构建污水处理设备运行状态评估模型,对设备运行数据进行评估,得出设备的运行状态评估结果;S5,结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据进行报警并生成诊断信息。
进一步的,所述污水处理设备实时运行状态数据包括:污水处理设备、经过污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质、总氨、生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值。
进一步的,所述对采集到的实时运行状态数据进行分析处理包括:生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标;所述生物化学需氧量指标计算过程为:将污水处理设备进行编号,i0=1,2,...,i,i为污水处理设备总数,采集经过第i0个污水处理设备处理后的污水的生物化学需氧量标准值和生物化学需氧量,将污水的生物化学需氧量采集次数进行编号,u0=1,2,...,u,u为生物化学需氧量采集次数总数;根据生物化学需氧量指标计算公式得到经过第i0个污水处理设备处理后的污水的生物化学需氧量指标具体的生物化学需氧量指标计算公式为:其中,/>表示为第u0次采集经过第i0个污水处理设备处理后的污水的生物化学需氧量,/>表示为经过第i0个污水处理设备处理后的污水的生物化学需氧量标准值,/>表示为第u0次采集的权重比例,b表示为生物化学需氧量采集误差。
进一步的,所述化学需氧量指标计算过程为:采集经过第i0个污水处理设备处理后的污水的化学需氧量标准值和化学需氧量,将污水的化学需氧量采集次数进行编号,v0=1,2,...,v,v为化学需氧量采集次数总数;根据化学需氧量指标计算公式得到经过第i0个污水处理设备处理后的污水的化学需氧量指标具体的化学需氧量指标计算公式为:其中,/>表示为第v0次采集经过第i0个污水处理设备处理后的污水的化学需氧量,/>表示为经过第i0个污水处理设备处理后的污水的化学需氧量标准值,/>表示为第v0次采集的权重比例,c表示为化学需氧量采集误差。
进一步的,所述悬浮物质指标计算过程为:采集经过第i0个污水处理设备处理后的污水的悬浮物质标准值和悬浮物质,将污水的悬浮物质采集次数进行编号,x0=1,2,...,x,x为悬浮物质采集次数总数;根据悬浮物质指标计算公式得到经过第i0个污水处理设备处理后的污水的悬浮物质指标具体的悬浮物质指标计算公式为:其中,/>表示为第x0次采集经过第i0个污水处理设备处理后的污水的悬浮物质,/>表示为经过第i0个污水处理设备处理后的污水的悬浮物质标准值,/>表示为第x0次采集的权重比例,s表示为悬浮物质采集误差。
进一步的,所述总氨指标计算过程为:采集经过第i0个污水处理设备处理后的污水的总氨标准值和总氨,将污水的总氨采集次数进行编号,r0=1,2,...,r,r为总氨采集次数总数;根据总氨指标计算公式得到经过第i0个污水处理设备处理后的污水的总氨指标具体的总氨指标计算公式为:/>其中,表示为第r0次采集经过第i0个污水处理设备处理后的污水的总氨,/>表示为经过第i0个污水处理设备处理后的污水的总氨标准值,/>表示为第r0次采集的权重比例,n表示为悬浮物质采集误差,e表示为自然常数。
进一步的,所述污水指标计算过程为:采集经过第i个污水处理设备处理后的污水的生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值和生物化学需氧量、化学需氧量、悬浮物质和总氨,将污水的采集次数进行编号,n0=1,2,...,n,n为污水的采集次数总数;根据污水指标计算公式得到污水处理设备运行结束后的污水指标δ,具体的污水指标计算公式为:
其中,和/>分别表示为第n0次采集经过第i个污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质和总氨,a1、a2、a3和a4分别表示为生物化学需氧量、化学需氧量、悬浮物质和总氨的权重比例,a表示为生物化学需氧量、化学需氧量、悬浮物质和总氨的采集误差。
进一步的,所述根据分析处理得到的数据,生成污水处理设备运行状态警报信息具体为:当和δ<5同时成立时,表示第i0个污水处理设备处于正常运行状态,当污水处理设备处于正常运行状态时,不生成污水处理设备运行状态警报信息,当/> 和δ≥5中任一成立时,表示第i0个污水处理设备处于异常运行状态,当污水处理设备处于异常运行状态时,生成污水处理设备运行状态警报信息。
进一步的,所述构建污水处理设备运行状态评估模型具体过程为:对采集污水处理设备实时运行状态数据进行预处理,即将污水处理设备、经过污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质、总氨、生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值进行数据清洗和异常值处理,应用大数据分析技术,包括机器学习和数据挖掘方法,对预处理后的设备运行数据进行特征提取和模式识别,构建出污水处理设备运行状态评估模型,得到的污水处理设备运行状态评估模型用于识别污水处理设备处于正常或者异常状态。
进一步的,所述结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据进行报警并生成诊断信息具体为:当污水处理设备运行状态评估模型识别污水处理设备处于正常状态,且分析处理得到的数据即生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标表示污水处理设备处于正常状态时,确定污水处理设备处于正常状态,不进行报警且不生成诊断信息;当污水处理设备运行状态评估模型识别污水处理设备处于异常状态,分析处理得到的数据即生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标表示污水处理设备处于异常状态时,确定污水处理设备处于异常状态,进行报警且生成诊断信息。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、通过对采集到的实时运行状态数据进行分析处理,计算得到生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标,从而根据指标数据分析污水处理设备的运行状态,进而实现了快速找出发生故障的污水处理设备,有效解决了现有技术中,不能快速准确地找出发生故障的污水处理设备的问题。
2、通过采集和分析污水处理设备的运行状态数据,应用大数据分析技术,包括机器学习和数据挖掘方法,从而构建出污水处理设备运行状态评估模型,进而实现了通过污水处理设备运行状态评估模型识别污水处理设备处于正常或者异常状态。
3、通过结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据确定污水处理设备运行状态,从而在污水处理设备运行状态处于异常状态时进行报警且生成诊断信息,进而实现了快速及时提醒工作人员污水处理设备发生故障,并快速安排维修人员进行维修,减少经济损失。
附图说明
图1为本申请实施例提供的一种基于大数据分析的污水处理设备运行状态评估方法流程图;
图2为本申请实施例提供的对采集到的实时运行状态数据进行分析处理的结构图。
具体实施方式
本申请实施例通过提供一种基于大数据分析的污水处理设备运行状态评估方法,解决了现有技术中,不能快速准确地找出发生故障的污水处理设备的问题,通过结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据,确定污水处理设备处于异常状态时进行报警并生成诊断信息,实现了基于客观的数据分析,提高了评估结果的可信度和准确性,快速准确地找出发生故障的污水处理设备。
本申请实施例中的技术方案为解决上述,不能快速准确地找出发生故障的污水处理设备的问题,总体思路如下:
通过采集污水处理设备实时运行状态数据,对采集到的实时运行状态数据进行分析处理,得到生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标,根据分析处理得到的指标数据,当污水处理设备处于异常运行状态时,生成污水处理设备运行状态警报信息,应用大数据分析技术,包括机器学习和数据挖掘方法,构建出污水处理设备运行状态评估模型,且能够识别污水处理设备处于正常或者异常状态,结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据,确定污水处理设备处于异常状态时进行报警并生成诊断信息,达到了快速准确地找出发生故障的污水处理设备。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
如图1所示,为本申请实施例提供的一种基于大数据分析的污水处理设备运行状态评估方法流程图,该方法包括以下步骤:S1,采集污水处理设备实时运行状态数据;S2,对采集到的实时运行状态数据进行分析处理;S3,根据分析处理得到的数据,生成污水处理设备运行状态警报信息;S4,构建污水处理设备运行状态评估模型,对设备运行数据进行评估,得出设备的运行状态评估结果;S5,结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据进行报警并生成诊断信息。
进一步的,污水处理设备实时运行状态数据包括:污水处理设备、经过污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质、总氨、生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值。
在本实施例中,判断污水达到排放标准的指标有许多,包括生物化学需氧量、化学需氧量、悬浮物质、蒸发残留物、灼烧碱量、总氮、有机氮、氨氮、亚硝酸盐氮、硝酸盐氮等二十个污水处理关键指标,这里考虑生物化学需氧量、化学需氧量、悬浮物质、总氨四个指标。
进一步的,对采集到的实时运行状态数据进行分析处理包括:生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标;生物化学需氧量指标计算过程为:将污水处理设备进行编号,i0=1,2,...,i,i为污水处理设备总数,采集经过第i0个污水处理设备处理后的污水的生物化学需氧量标准值和生物化学需氧量,将污水的生物化学需氧量采集次数进行编号,u0=1,2,...,u,u为生物化学需氧量采集次数总数;根据生物化学需氧量指标计算公式得到经过第i0个污水处理设备处理后的污水的生物化学需氧量指标具体的生物化学需氧量指标计算公式为:/>其中,/>表示为第u0次采集经过第i0个污水处理设备处理后的污水的生物化学需氧量,表示为经过第i0个污水处理设备处理后的污水的生物化学需氧量标准值,/>表示为第u0次采集的权重比例,b表示为生物化学需氧量采集误差。
在本实施例中,如图2所示,为本申请实施例提供的对采集到的实时运行状态数据进行分析处理的结构图,通过对经过第i0个污水处理设备处理后的污水的生物化学需氧量进行u次采集,减少生物化学需氧量出现异常情况的几率,可以使生物化学需氧量指标更加精确。
进一步的,化学需氧量指标计算过程为:采集经过第i0个污水处理设备处理后的污水的化学需氧量标准值和化学需氧量,将污水的化学需氧量采集次数进行编号,v0=1,2,...,v,v为化学需氧量采集次数总数;根据化学需氧量指标计算公式得到经过第i0个污水处理设备处理后的污水的化学需氧量指标具体的化学需氧量指标计算公式为:其中,/>表示为第v0次采集经过第i0个污水处理设备处理后的污水的化学需氧量,/>表示为经过第i0个污水处理设备处理后的污水的化学需氧量标准值,/>表示为第v0次采集的权重比例,c表示为化学需氧量采集误差。
在本实施例中,通过对经过第i0个污水处理设备处理后的污水的化学需氧量进行v次采集,减少化学需氧量出现异常情况的几率,可以使化学需氧量指标更加精确。
进一步的,悬浮物质指标计算过程为:采集经过第i0个污水处理设备处理后的污水的悬浮物质标准值和悬浮物质,将污水的悬浮物质采集次数进行编号,x0=1,2,...,x,x为悬浮物质采集次数总数;根据悬浮物质指标计算公式得到经过第i0个污水处理设备处理后的污水的悬浮物质指标具体的悬浮物质指标计算公式为:其中,/>表示为第x0次采集经过第i0个污水处理设备处理后的污水的悬浮物质,/>表示为经过第i0个污水处理设备处理后的污水的悬浮物质标准值,/>表示为第x0次采集的权重比例,s表示为悬浮物质采集误差。
在本实施例中,通过对经过第i0个污水处理设备处理后的污水的悬浮物质进行x次采集,减少悬浮物质出现异常情况的几率,可以使悬浮物质指标更加精确。
进一步的,总氨指标计算过程为:采集经过第i0个污水处理设备处理后的污水的总氨标准值和总氨,将污水的总氨采集次数进行编号,r0=1,2,...,r,r为总氨采集次数总数;根据总氨指标计算公式得到经过第i0个污水处理设备处理后的污水的总氨指标具体的总氨指标计算公式为:/>其中,/>表示为第r0次采集经过第i0个污水处理设备处理后的污水的总氨,/>表示为经过第i0个污水处理设备处理后的污水的总氨标准值,/>表示为第r0次采集的权重比例,n表示为悬浮物质采集误差,e表示为自然常数。
在本实施例中,通过对经过第i0个污水处理设备处理后的污水的总氨进行r次采集,减少总氨出现异常情况的几率,可以使总氨指标更加精确。
进一步的,污水指标计算过程为:采集经过第i个污水处理设备处理后的污水的生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值和生物化学需氧量、化学需氧量、悬浮物质和总氨,将污水的采集次数进行编号,n0=1,2,...,n,n为污水的采集次数总数;根据污水指标计算公式得到污水处理设备运行结束后的污水指标δ,具体的污水指标计算公式为:
其中,和/>分别表示为第n0次采集经过第i个污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质和总氨,a1、a2、a3和a4分别表示为生物化学需氧量、化学需氧量、悬浮物质和总氨的权重比例,a表示为生物化学需氧量、化学需氧量、悬浮物质和总氨的采集误差。
在本实施例中,200、100、200和35分别为污水达到排放标准时的生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值,通过对经过第i个污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质和总氨进行计算,得到经过第i个污水处理设备处理后的污水的污水指标,即为污水经过污水处理设备净化处理结束后的污水指数。
进一步的,根据分析处理得到的数据,生成污水处理设备运行状态警报信息具体为:当和δ<5同时成立时,表示第i0个污水处理设备处于正常运行状态,当污水处理设备处于正常运行状态时,不生成污水处理设备运行状态警报信息,当/> 和δ≥5中任一成立时,表示第i0个污水处理设备处于异常运行状态,当污水处理设备处于异常运行状态时,生成污水处理设备运行状态警报信息。
在本实施例中,当污水处理设备处于正常运行状态,污水可以正常进行净化处理,不生成污水处理设备运行状态警报信息,当污水处理设备处于异常运行状态时,污水不可以正常进行净化处理,生成污水处理设备运行状态警报信息。
进一步的,构建污水处理设备运行状态评估模型具体过程为:对采集污水处理设备实时运行状态数据进行预处理,即将污水处理设备、经过污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质、总氨、生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值进行数据清洗和异常值处理,应用大数据分析技术,包括机器学习和数据挖掘方法,对预处理后的设备运行数据进行特征提取和模式识别,构建出污水处理设备运行状态评估模型,得到的污水处理设备运行状态评估模型用于识别污水处理设备处于正常或者异常状态。
在本实施例中,当污水的生物化学需氧量、化学需氧量、悬浮物质、总氨出现异常数据时,污水处理设备运行状态评估模型能够识别出污水处理设备处于异常状态。
进一步的,结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据进行报警并生成诊断信息具体为:当污水处理设备运行状态评估模型识别污水处理设备处于正常状态,且分析处理得到的数据即生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标表示污水处理设备处于正常状态时,确定污水处理设备处于正常状态,不进行报警且不生成诊断信息;当污水处理设备运行状态评估模型识别污水处理设备处于异常状态,分析处理得到的数据即生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标表示污水处理设备处于异常状态时,确定污水处理设备处于异常状态,进行报警且生成诊断信息。
在本实施例中,结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据,为确定污水处理设备运行状态提供了双重保障,可以更加准确地确定污水处理设备是否发生故障,并及时进行报警且生成诊断信息。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:相对于公开号为CN215298003U公开的一种农村污水处理设施远程在线智能监测平台,本申请实施例通过通过采集和分析污水处理设备的运行状态数据,应用大数据分析技术,包括机器学习和数据挖掘方法,从而构建出污水处理设备运行状态评估模型,进而实现了通过污水处理设备运行状态评估模型识别污水处理设备处于正常或者异常状态;相对于公开号为CN106865912A公开的一种污水处理控制方法及系统,本申请实施例通过通过结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据确定污水处理设备运行状态,从而在污水处理设备运行状态处于异常状态时进行报警且生成诊断信息,进而实现了快速及时提醒工作人员污水处理设备发生故障,并快速安排维修人员进行维修,减少经济损失。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,包括以下步骤:
S1,采集污水处理设备实时运行状态数据;
S2,对采集到的实时运行状态数据进行分析处理;
S3,根据分析处理得到的数据,生成污水处理设备运行状态警报信息;
S4,构建污水处理设备运行状态评估模型,对设备运行数据进行评估,得出设备的运行状态评估结果;
S5,结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据进行报警并生成诊断信息。
2.如权利要求1所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述污水处理设备实时运行状态数据包括:污水处理设备、经过污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质、总氨、生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值。
3.如权利要求2所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述对采集到的实时运行状态数据进行分析处理包括:生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标;
所述生物化学需氧量指标计算过程为:
将污水处理设备进行编号,i0=1,2,...,i,i为污水处理设备总数,采集经过第i0个污水处理设备处理后的污水的生物化学需氧量标准值和生物化学需氧量,将污水的生物化学需氧量采集次数进行编号,u0=1,2,...,u,u为生物化学需氧量采集次数总数;
根据生物化学需氧量指标计算公式得到经过第i0个污水处理设备处理后的污水的生物化学需氧量指标具体的生物化学需氧量指标计算公式为:其中,/>表示为第u0次采集经过第i0个污水处理设备处理后的污水的生物化学需氧量,/>表示为经过第i0个污水处理设备处理后的污水的生物化学需氧量标准值,/>表示为第u0次采集的权重比例,b表示为生物化学需氧量采集误差。
4.如权利要求3所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述化学需氧量指标计算过程为:
采集经过第i0个污水处理设备处理后的污水的化学需氧量标准值和化学需氧量,将污水的化学需氧量采集次数进行编号,v0=1,2,...,v,v为化学需氧量采集次数总数;
根据化学需氧量指标计算公式得到经过第i0个污水处理设备处理后的污水的化学需氧量指标具体的化学需氧量指标计算公式为:其中,/>表示为第v0次采集经过第i0个污水处理设备处理后的污水的化学需氧量,/>表示为经过第i0个污水处理设备处理后的污水的化学需氧量标准值,/>表示为第v0次采集的权重比例,c表示为化学需氧量采集误差。
5.如权利要求4所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述悬浮物质指标计算过程为:
采集经过第i0个污水处理设备处理后的污水的悬浮物质标准值和悬浮物质,将污水的悬浮物质采集次数进行编号,x0=1,2,...,x,x为悬浮物质采集次数总数;
根据悬浮物质指标计算公式得到经过第i0个污水处理设备处理后的污水的悬浮物质指标具体的悬浮物质指标计算公式为:/>其中,/>表示为第x0次采集经过第i0个污水处理设备处理后的污水的悬浮物质,/>表示为经过第i0个污水处理设备处理后的污水的悬浮物质标准值,/>表示为第x0次采集的权重比例,s表示为悬浮物质采集误差。
6.如权利要求5所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述总氨指标计算过程为:
采集经过第i0个污水处理设备处理后的污水的总氨标准值和总氨,将污水的总氨采集次数进行编号,r0=1,2,...,r,r为总氨采集次数总数;
根据总氨指标计算公式得到经过第i0个污水处理设备处理后的污水的总氨指标具体的总氨指标计算公式为:/>其中,/>表示为第r0次采集经过第i0个污水处理设备处理后的污水的总氨,/>表示为经过第i0个污水处理设备处理后的污水的总氨标准值,/>表示为第r0次采集的权重比例,n表示为悬浮物质采集误差,e表示为自然常数。
7.如权利要求6所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述污水指标计算过程为:
采集经过第i个污水处理设备处理后的污水的生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值和生物化学需氧量、化学需氧量、悬浮物质和总氨,将污水的采集次数进行编号,n0=1,2,...,n,n为污水的采集次数总数;
根据污水指标计算公式得到污水处理设备运行结束后的污水指标δ,具体的污水指标计算公式为:
其中,和/>分别表示为第n0次采集经过第i个污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质和总氨,a1、a2、a3和a4分别表示为生物化学需氧量、化学需氧量、悬浮物质和总氨的权重比例,a表示为生物化学需氧量、化学需氧量、悬浮物质和总氨的采集误差。
8.如权利要求7所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述根据分析处理得到的数据,生成污水处理设备运行状态警报信息具体为:
当和δ<5同时成立时,表示第i0个污水处理设备处于正常运行状态,当污水处理设备处于正常运行状态时,不生成污水处理设备运行状态警报信息,当/> 和δ≥5中任一成立时,表示第i0个污水处理设备处于异常运行状态,当污水处理设备处于异常运行状态时,生成污水处理设备运行状态警报信息。
9.如权利要求8所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述构建污水处理设备运行状态评估模型具体过程为:
对采集污水处理设备实时运行状态数据进行预处理,即将污水处理设备、经过污水处理设备处理后的污水的生物化学需氧量、化学需氧量、悬浮物质、总氨、生物化学需氧量标准值、化学需氧量标准值、悬浮物质标准值和总氨标准值进行数据清洗和异常值处理,应用大数据分析技术,包括机器学习和数据挖掘方法,对预处理后的设备运行数据进行特征提取和模式识别,构建出污水处理设备运行状态评估模型,得到的污水处理设备运行状态评估模型用于识别污水处理设备处于正常或者异常状态。
10.如权利要求9所述一种基于大数据分析的污水处理设备运行状态评估方法,其特征在于,所述结合污水处理设备运行状态评估模型的评估结果和分析处理得到的数据进行报警并生成诊断信息具体为:
当污水处理设备运行状态评估模型识别污水处理设备处于正常状态,且分析处理得到的数据即生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标表示污水处理设备处于正常状态时,确定污水处理设备处于正常状态,不进行报警且不生成诊断信息;
当污水处理设备运行状态评估模型识别污水处理设备处于异常状态,分析处理得到的数据即生物化学需氧量指标、化学需氧量指标、悬浮物质指标、总氨指标和污水指标表示污水处理设备处于异常状态时,确定污水处理设备处于异常状态,进行报警且生成诊断信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310988394.5A CN117035230B (zh) | 2023-08-08 | 2023-08-08 | 一种基于大数据分析的污水处理设备运行状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310988394.5A CN117035230B (zh) | 2023-08-08 | 2023-08-08 | 一种基于大数据分析的污水处理设备运行状态评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117035230A true CN117035230A (zh) | 2023-11-10 |
CN117035230B CN117035230B (zh) | 2024-04-30 |
Family
ID=88636630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310988394.5A Active CN117035230B (zh) | 2023-08-08 | 2023-08-08 | 一种基于大数据分析的污水处理设备运行状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035230B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020244014A1 (zh) * | 2019-06-06 | 2020-12-10 | 浙江清华长三角研究院 | 一种基于支持向量机的农村生活污水处理设施出水达标情况的预测方法 |
CN112561238A (zh) * | 2020-11-24 | 2021-03-26 | 国家电网有限公司 | 一种抽水蓄能电站辅机设备状态健康评价系统及方法 |
CN112863134A (zh) * | 2020-12-31 | 2021-05-28 | 浙江清华长三角研究院 | 一种农村污水处理设施运行异常的智能诊断系统及方法 |
CN114047719A (zh) * | 2021-11-02 | 2022-02-15 | 江西零真生态环境集团有限公司 | 一种农村生活污水处理设施远程监测评估系统与运行方法 |
KR102440372B1 (ko) * | 2022-01-07 | 2022-09-05 | 니브스코리아 주식회사 | 빅데이터 및 인공지능 기반의 하수처리시설의 유입수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 |
CN115099360A (zh) * | 2022-07-13 | 2022-09-23 | 山东水利职业学院 | 一种智能化污水处理设备故障评估方法及系统 |
CN115420707A (zh) * | 2022-08-31 | 2022-12-02 | 杭城人工智能科技(杭州)有限公司 | 一种污水近红外光谱的化学需氧量评估方法及系统 |
US20230112496A1 (en) * | 2022-07-20 | 2023-04-13 | Hangzhou Innovation Institute, Beihang University | Remote monitoring method, system and storage medium for sewage treatment process |
-
2023
- 2023-08-08 CN CN202310988394.5A patent/CN117035230B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020244014A1 (zh) * | 2019-06-06 | 2020-12-10 | 浙江清华长三角研究院 | 一种基于支持向量机的农村生活污水处理设施出水达标情况的预测方法 |
CN112561238A (zh) * | 2020-11-24 | 2021-03-26 | 国家电网有限公司 | 一种抽水蓄能电站辅机设备状态健康评价系统及方法 |
CN112863134A (zh) * | 2020-12-31 | 2021-05-28 | 浙江清华长三角研究院 | 一种农村污水处理设施运行异常的智能诊断系统及方法 |
CN114047719A (zh) * | 2021-11-02 | 2022-02-15 | 江西零真生态环境集团有限公司 | 一种农村生活污水处理设施远程监测评估系统与运行方法 |
KR102440372B1 (ko) * | 2022-01-07 | 2022-09-05 | 니브스코리아 주식회사 | 빅데이터 및 인공지능 기반의 하수처리시설의 유입수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 |
CN115099360A (zh) * | 2022-07-13 | 2022-09-23 | 山东水利职业学院 | 一种智能化污水处理设备故障评估方法及系统 |
US20230112496A1 (en) * | 2022-07-20 | 2023-04-13 | Hangzhou Innovation Institute, Beihang University | Remote monitoring method, system and storage medium for sewage treatment process |
CN115420707A (zh) * | 2022-08-31 | 2022-12-02 | 杭城人工智能科技(杭州)有限公司 | 一种污水近红外光谱的化学需氧量评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117035230B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113255795B (zh) | 一种基于多指标集群分析的设备状态监测方法 | |
CN111539550B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN116975378B (zh) | 一种基于大数据的设备环境监测方法及系统 | |
CN111738308A (zh) | 基于聚类及半监督学习的监控指标动态阈值检测方法 | |
CN116300758A (zh) | 基于云计算的智能制造工业生产数据采集分析系统及方法 | |
CN104425046A (zh) | 核电站运行安全指数量化方法和系统 | |
CN116151621A (zh) | 一种基于数据分析的大气污染治理风险检测系统 | |
CN117370919B (zh) | 污水处理设备远程监控系统 | |
CN108093210A (zh) | 一种变压器油位告警系统及其告警方法 | |
CN117411918B (zh) | 一种基于iot物联网的监控报警方法及系统 | |
CN109211564B (zh) | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 | |
CN111191855A (zh) | 一种基于管网多元水质时序数据的水质异常事件识别预警方法 | |
CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和系统 | |
CN117035230B (zh) | 一种基于大数据分析的污水处理设备运行状态评估方法 | |
CN116893654B (zh) | 一种硫酸氨基葡萄糖胶囊制剂制备设备运行状态监控系统 | |
CN117113135A (zh) | 一种可对异常数据整理分类的碳排放异常监测分析系统 | |
CN116502043A (zh) | 一种基于孤立森林算法的精轧电机状态分析方法 | |
CN115757836A (zh) | 基于知识图谱的产品碳足迹分析系统 | |
CN114295162A (zh) | 一种基于数据采集的环境监测系统 | |
CN112801839A (zh) | 一种基于物联网技术的安监生产监督方法及系统 | |
CN110377007A (zh) | 基于主元分析的化工过程故障诊断方法 | |
CN117312888B (zh) | 一种固定污染源的数据整合处理方法及系统 | |
CN116975768B (zh) | 一种肥料安全生产的数据异常检测方法 | |
CN116562580B (zh) | 碳酸锂生产车间的废水废气处理系统及方法 | |
CN116189896B (zh) | 一种基于云端的糖尿病健康数据预警方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |