CN118047516A - 一种污水污泥浓缩自动化处理方法及系统 - Google Patents
一种污水污泥浓缩自动化处理方法及系统 Download PDFInfo
- Publication number
- CN118047516A CN118047516A CN202410432979.3A CN202410432979A CN118047516A CN 118047516 A CN118047516 A CN 118047516A CN 202410432979 A CN202410432979 A CN 202410432979A CN 118047516 A CN118047516 A CN 118047516A
- Authority
- CN
- China
- Prior art keywords
- liquid level
- suspected
- height data
- height
- sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 239000010801 sewage sludge Substances 0.000 title claims abstract description 28
- 239000007788 liquid Substances 0.000 claims abstract description 185
- 239000010802 sludge Substances 0.000 claims abstract description 105
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 31
- 230000000737 periodic effect Effects 0.000 claims abstract description 9
- 239000010865 sewage Substances 0.000 claims abstract description 7
- 238000007790 scraping Methods 0.000 claims description 75
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 238000012360 testing method Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims 1
- 239000002351 wastewater Substances 0.000 claims 1
- 230000008859 change Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 210000001124 body fluid Anatomy 0.000 description 2
- 239000010839 body fluid Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005189 flocculation Methods 0.000 description 2
- 230000016615 flocculation Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 230000008719 thickening Effects 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000008394 flocculating agent Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及污水处理技术领域,具体涉及一种污水污泥浓缩自动化处理方法及系统,该方法包括:通过超声波液位计采集污水污泥浓缩处理过程的液位高度数据,获取超声波液位高度数据序列;提取疑似刮泥耙高度数据,构建各疑似刮泥耙高度数据的刮泥耙高度存疑系数;构建各疑似刮泥耙高度数据的周期贡献度,进而得到各疑似刮泥耙高度数据的刮泥耙高度真实度;构建各液位波动特征子序列的趋势突显权重,计算各液位波动特征子序列的含水显著系数,进而计算污泥液位含水丰富度;结合污水污泥浓缩处理过程的污泥液位含水丰富度,对污泥浓缩处理过程进行分析判定。从而提高超声波液位计对第二浓缩池中污泥真实高度判断的准确性。
Description
技术领域
本发明涉及污水处理技术领域,具体涉及一种污水污泥浓缩自动化处理方法及系统。
背景技术
随着科学技术的发展,人们愈发开始重视对于环境的保护。在环境保护的相关措施中,对于污水污泥的浓缩是重要的废水处理环节之一,废水处理过程中刚产生的污泥含水率很高,所以污泥的体积比较大,对后续污泥的处理、利用、运输等流程造成较大的困难,而污泥的浓缩即是通过对污泥增稠来降低污泥中的含水率和减少污泥的体积,从而降低后续处理的费用。传统污泥浓缩通常会采用重力浓缩法,即压缩沉淀工艺。
重力浓缩法本质上是一种沉淀工艺,通过在第一浓缩池中添加絮凝剂并搅拌,使得泥水混合物逐渐形成絮凝物并下沉至第二浓缩池,再使用刮泥耙持续刮起第二浓缩池底的污泥絮凝物,并协助污泥进一步地浓缩,最后使用超声波液位计测量第二浓缩池污泥含量情况,当第二浓缩池中的污泥量达到阈值后,启动污泥泵抽出第二浓缩池内的污泥,完成对于污泥的浓缩收集。
然而由于污水污泥的混合物各成分含量不定,每次添加絮凝剂的量相对较为固定,导致污泥的絮凝程度不一,最终在第二浓缩池中的污泥仍含有一定的水分,而通常超声波液位计进行测量时是根据设定的阈值对污泥的含量进行判断的,当污泥污水混合物在第二浓缩池中达到一定高度,污泥泵则会进行工作,但若此时第二浓缩池中的污泥的含水量较大,则污泥泵抽出的污泥仍含有较多的水分,进而导致污泥浓缩效果较差。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种污水污泥浓缩自动化处理方法及系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了一种污水污泥浓缩自动化处理方法,该方法包括以下步骤:
通过超声波液位计采集污水污泥浓缩处理过程的液位高度数据,每预设数量个液位高度数据组成一个超声波液位高度数据序列;
获取超声波液位高度数据序列中各数据的LOF值,提取疑似刮泥耙高度数据;根据各疑似刮泥耙高度数据之间的关系及对应采集时刻获取各疑似刮泥耙高度数据的刮泥耙高度存疑系数;根据各疑似刮泥耙高度数据结合ApEn算法构建各疑似刮泥耙高度数据的周期贡献度;根据各疑似刮泥耙高度数据的刮泥耙高度存疑系数及周期贡献度得到各疑似刮泥耙高度数据的刮泥耙高度真实度;根据所有疑似刮泥耙高度数据的刮泥耙高度真实度提取液位波动特征子序列;采用Cox-Stuart检验算法结合各液位波动子序列构建各液位波动特征子序列的趋势突显权重;根据各液位波动特征子序列的趋势突显权重及液位波动特征子序列内数据的差异构建各液位波动特征子序列的含水显著系数;根据所有液位波动特征子序列的函数显著系数及极差构建污泥液位含水丰富度;
当污泥液位含水丰富度小于预设分割阈值时,则污水污泥浓缩处理过程的液位高度数据为污泥真实高度,直至污泥真实高度小于预设污泥浓缩高度阈值时,停止污泥浓缩处理。
进一步的,所述获取超声波液位高度数据序列中各数据的LOF值,提取疑似刮泥耙高度数据,包括:
采用LOF异常检测算法获取各超声波液位高度数据序列中每个数据的LOF值,通过大津阈值法获取所有所述LOF值的划分阈值,将LOF值大于等于划分阈值的液位高度数据作为疑似刮泥耙高度数据。
进一步的,所述根据各疑似刮泥耙高度数据之间的关系及对应采集时刻获取各疑似刮泥耙高度数据的刮泥耙高度存疑系数,包括:
对于各疑似刮泥耙高度数据,计算疑似刮泥耙高度数据与其他疑似刮泥耙高度数据的比值,计算1与所述比值的差值绝对值,计算疑似刮泥耙高度数据与所有其他疑似刮泥耙高度数据计算得到的所述差值绝对值的和值,将疑似刮泥耙高度数据所对应的采集时刻与所述和值的乘积作为疑似刮泥耙高度数据的刮泥耙高度存疑系数。
进一步的,所述根据各疑似刮泥耙高度数据结合ApEn算法构建各疑似刮泥耙高度数据的周期贡献度,包括:
将所有疑似刮泥耙高度数据按照数据采集时刻排序组成疑似刮泥耙高度序列,从疑似刮泥耙高度序列中每次剔除一个疑似刮泥耙高度数据,每次剔除后将剩余的疑似刮泥耙高度数据按照采集时刻顺序排序组成每个局部疑似刮泥耙高度序列,其中每剔除一次对应一个局部刮泥耙高度序列;
对于各疑似刮泥耙高度数据,统计疑似刮泥耙高度数据在疑似刮泥耙高度序列中出现的次数,将所述次数与疑似刮泥耙高度数据个数的比值作为疑似刮泥耙高度数据的出现频率;
计算疑似刮泥耙高度数据与其他疑似刮泥耙高度数据的出现频率的差值绝对值的和值,将所述和值的相反数作为以自然常数为底数的指数函数的指数,采用ApEn算法获取疑似刮泥耙高度序列与局部疑似刮泥耙高度序列的ApEn值,计算疑似刮泥耙高度序列与局部疑似刮泥耙高度序列的ApEn值的差值,获取所述差值与预设大于零的数值的和值,将所述指数函数的计算结果与所述和值的比值作为各疑似刮泥耙高度数据的。
进一步的,所述根据各疑似刮泥耙高度数据的刮泥耙高度存疑系数及周期贡献度得到各疑似刮泥耙高度数据的刮泥耙高度真实度,包括:
计算各疑似刮泥耙数据的刮泥耙高度存疑系数与预设大于零的数值的和值,将各疑似刮泥耙高度数据的周期贡献度与所述和值的比值,作为各疑似刮泥耙高度数据的刮泥耙高度真实度。
进一步的,所述根据所有疑似刮泥耙高度数据的刮泥耙高度真实度提取液位波动特征子序列,包括:
采用K-means聚类算法将所有疑似刮泥耙高度数据的刮泥耙高度真实度划分为两个聚类簇,将刮泥耙高度真实度均值大的聚类簇中所有疑似刮泥耙高度数据,从超声波液位高度数据序列中剔除,将剩余的液位高度数据按照采集时刻顺序排列组成液位高度数据序列;
采用多项式拟合算法获取液位高度数据序列的拟合曲线,将液位高度数据序列中的所有液位高度数据在对应拟合曲线上的曲率组成曲率序列,将所述曲率序列的一阶差分序列记为曲率一阶差分序列,将曲率一阶差分序列进行均等划分,划分获得的子序列作为液位波动特征子序列。
进一步的,所述采用Cox-Stuart检验算法结合各液位波动子序列构建各液位波动特征子序列的趋势突显权重,包括:
将所有的液位波动特征子序列作为Cox-Stuart检验算法的输入,输出每个液位波动特征子序列的Cox-Stuart检验P-value值;
预设Cox-Stuart检验算法的判断阈值,当液位波动特征子序列的Cox-Stuart检验P-value值小于所述判断阈值时,将液位波动特征子序列的Cox-Stuart检验P-value值与预设大于零的数值的和值的倒数,作为液位波动特征子序列的趋势突显权重;反之,将液位波动特征子序列的Cox-Stuart检验P-value值作为液位波动特征子序列的趋势突显权重。
进一步的,所述根据各液位波动特征子序列的趋势突显权重及液位波动特征子序列内数据的差异构建各液位波动特征子序列的含水显著系数,包括:
对于各液位波动特征子序列,获取液位波动特征子序列对应拟合曲线中除第一个波峰点之外的各波峰点与相邻前一波峰点的采集时刻的差值,记为第一差值,获取液位波动特征子序列对应拟合曲线中所有所述第一差值的和值,记为第一和值;
计算液位波动特征子序列中除第一个元素之外的各元素与相邻前一元素的差值,记为第二差值,获取液位波动特征子序列中所有所述第二差值的和值,记为第一和值;
获取所述第一和值与预设大于零的参数的求和结果,计算所述第一和值与所述求和结果的比值,将液位波动特征子序列的趋势突显权重与所述比值的乘积作为液位波动子序列的含水显著系数。
进一步的,所述根据所有液位波动特征子序列的函数显著系数及极差构建污泥液位含水丰富度,包括:
获取各液位波动特征子序列的极差与预设大于零的数值的和值,计算各液位波动特征子序列的含水显著系数与所述和值的比值,将所有液位波动特征子序列的所述比值的均值作为污泥液位含水丰富度。
第二方面,本发明实施例还提供了一种污水污泥浓缩自动化处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果:
本发明通过分析第二浓缩池中刮泥耙旋转工作时对超声波液位计的液位数据采集的影响,构建刮泥耙高度真实度,剔除了超声波液位高度数据中的刮泥耙高度数据,避免了超声波液位计在采集数据时受到刮泥耙高度的影响,导致后续对污泥高度的判断产生影响。进一步的根据污泥含水量不同时超声波液位计采集到的数据波动特征,构建污泥液位含水量丰富度,进而判断当第二浓缩池中的污泥含水情况,根据含水量的情况对污泥浓缩自动化处理系统进行调整,避免了当含水量较高时超声波液位计采集到的污泥含量数据存在误差,导致对污泥的浓缩效果产生影响,解决了污泥含水量较高时超声波液位计容易对污泥含量判断产生错误的问题,提高了超声波液位计对第二浓缩池中污泥真实高度的判断准确性。
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一种污水污泥浓缩自动化处理方法的步骤流程图。
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一种污水污泥浓缩自动化处理方法及系统,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,一个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一种污水污泥浓缩自动化处理方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种污水污泥浓缩自动化处理方法的步骤流程图,该方法包括以下步骤:
步骤S001,通过超声波液位计采集污水污泥浓缩自动化处理过程中的液位高度数据,并进行预处理。
通常情况下,在第一浓缩池中添加了絮凝剂后,污泥会逐步形成絮凝,并下沉至第二浓缩池中,此时超声波液位计则开始采集数据,数据采集时间间隔为T,获取污水污泥浓缩自动化处理系统中超声波液位计采集的液位高度数据,当采集到的液位高度数据量为n时则作为一个超声波液位高度数据序列,将采集n个液位高度数据的时间作为一个数据采集时段,也即一个数据采集时段内采集的液位高度数据组成一个超声波液位高度数据序列。由于数据传输过程中可能存在数据丢失的情况,本实施例中采用均值填充法对已获取的数据进行数据填充。其中均值填充法为公知技术,本实施例不再赘述其过程。将填充完毕的液位高度数据组成超声波液位高度数据序列,其中/>为第n个采集时刻的超声波液位高度数据。本实施例中,T=0.1s,n=200。
至此,根据本实施例上述过程可对液位高度数据进行采集,并得到数据采集时段所对应的超声波液位高度数据序列。
步骤S002,根据浓缩池中刮泥耙工作时对超声波液位计高度数据采集的影响情况,构建刮泥耙高度真实度,进而对超声波液位数据中刮泥耙高度数据进行剔除,获得液位高度数据序列,根据污泥含水量的不同时产生的液位高度波动差异情况,构建污泥液位含水丰富度,判断当前第二浓缩池中的污泥含水情况。
由于在第二浓缩池中存在刮泥耙,并且持续恒速旋转,所以每间隔一段时间超声波液位计会采集到刮泥耙所在位置的高度,为了避免该数据对超声波液位计的污泥高度判断产生影响,需要先将刮泥耙的高度数据进行剔除。
具体的,将超声波液位高度数据序列作为LOF异常检测算法输入,获取超声波液位高度数据序列中每个数据的LOF值。其中LOF异常检测算法为公知技术,本实施例不再赘述其过程。液位高度数据的LOF值越大,则说明该液位高度数据有可能是刮泥耙所在位置的高度数据,但由于污泥在第二浓缩池中通常情况下为固态,在刮泥耙的作用下可能会形成一定的凸起,导致在超声波液位计数据中形成突出数据,其LOF值也可能较大,且一段时间后,污泥的高度可能超越刮泥耙,此时形成的突出数据为固态污泥的可能性越大。
基于上述分析,将所有超声波液位高度数据序列中每个数据的LOF值作为大津阈值法的输入,采用大津阈值法输出上述LOF值的划分阈值,将所有LOF值大于等于划分阈值的液位高度数据作为疑似刮泥耙高度数据。其中大津阈值法为公知技术,本实施例不再赘述其过程。至此,可获取所有的疑似刮泥耙高度数据。
将所有的疑似刮泥耙高度数据按照数据采集时刻顺序排序,组成疑似刮泥耙高度序列,统计其中每个疑似刮泥耙高度数据出现的次数,并将其记录为X。以第i个疑似刮泥耙高度数据为例,将含有/>的疑似刮泥耙高度序列记录为/>;剔除/>后,将剩余的数据重新按照采集时刻顺序构建不含有/>的序列,并将其记录为局部疑似刮泥耙高度序列/>,将疑似刮泥耙高度序列/>和局部疑似刮泥耙高度序列/>分别作为ApEn算法的输入,ApEn算法中窗口长度实施者自行设定,本实施例中设置为疑似刮泥耙高度序列长度的十分之一,ApEn算法输出疑似刮泥耙高度序列/>和局部疑似刮泥耙高度序列/>的ApEn值,并用表示。其中ApEn算法为公知技术,本实施例不再赘述其过程。构建第i个疑似刮泥耙高度数据的刮泥耙高度真实度(D):
式中,为第i个疑似刮泥耙高度数据的刮泥耙高度存疑系数,/>分别为第i个和第j个疑似刮泥耙高度数据,/>为获取数据在超声波液位高度数据序列中的采集时刻值,/>为获取第i个疑似刮泥耙高度数据在超声波液位高度数据序列中的采集时刻值(比如,若第2个疑似刮泥耙高度数据/>在超声波液位高度数据序列中排序为/>,则/>=5)。b为疑似刮泥耙高度序列的数据总数;
为第i个疑似刮泥耙高度数据的出现频率,/>为第i个疑似刮泥耙高度数据出现的次数;
为第i个疑似刮泥耙高度数据的周期贡献度,/>分别为第i个和第j个疑似刮泥耙高度数据的出现频率,/>分别为疑似刮泥耙高度序列/>和局部疑似刮泥耙高度序列/>的ApEn值,/>为防止分母为0的参数,/>;
为第i个疑似刮泥耙高度数据的刮泥耙高度真实度,/>为防止分母为0的参数,。
当第i个疑似刮泥耙高度数据的采集时刻值越大,且该数据值与其余的差距越大,即越大,说明此时污泥高度已经覆盖了刮泥耙的高度,该疑似刮泥耙高度数据更可能是污泥的高度;而当第i个疑似刮泥耙高度数据的出现频率与其余疑似刮泥耙高度数据的出现频率差距越小,/>的值越大,且当第i个疑似刮泥耙高度数据存在于疑似刮泥耙高度序列中时的规律性比不存在时的规律性更强,/>的值越小,即/>越大,说明该疑似刮泥耙高度数据对于数据序列的规律性影响程度越大,越可能是刮泥耙高度数据。
至此,可获得每个疑似刮泥耙高度数据的刮泥耙高度真实度D。
将所有疑似刮泥耙高度数据的刮泥耙高度真实度作为K-means聚类算法的输入,聚类簇数量设定为2,本实施例中将疑似刮泥耙高度数据之间的刮泥耙高度真实度的差值绝对值作为度量距离,输出为两个聚类簇。计算每个聚类簇中的刮泥耙高度真实度均值,将刮泥耙高度真实度均值大的聚类簇中所有的疑似刮泥耙高度数据作为刮泥耙高度数据。其中K-means聚类算法为公知技术,本实施例不再赘述其过程。将所有刮泥耙高度数据从超声波液位高度数据序列中剔除,将剩余的数据按照采集时刻顺序排列,构建液位高度数据序列,并将其记录为,其中/>为液位高度数据序列中的第m个液位高度数据。
当第二浓缩池中的污泥含水量较多时,污泥主要为流体状态,污水集中于第二浓缩池的上层,由于刮泥耙的搅拌,水面会产生一定的波动,但水面的波动通常较为规律平缓,在液位高度数据序列中呈现平滑的波动特征;而当第二浓缩池中的污泥含水量较低时,污泥主要呈现为固态,在刮泥耙的搅拌作用下,污泥表面会呈现凹凸不平的状态,最终在液位高度数据序列中呈现波动骤变的特征。
基于上述分析,将液位高度数据序列作为多项式曲线拟合算法的输入,输出为液位高度数据序列的拟合曲线,计算液位高度数据序列中的所有液位高度数据在对应拟合曲线上的曲率,组成曲率序列,并将其记录为,/>为液位高度数据序列中的第m个液位高度数据在对应拟合曲线上的曲率。进一步,本实施例将曲率序列进行一阶差分,其中,将/>的一阶差分结果设定为0,并将/>的一阶差分结果与其余曲率数据的一阶差分结果共同构建曲率一阶差分序列,并将其记录为/>,其中/>为曲率一阶差分序列中第m个一阶差分数据。其中多项式曲线拟合算法、曲率计算公式、一阶差分计算均为公知技术,本实施例不再赘述其过程。然后,本实施例将曲率一阶差分序列进行均等划分,本实施例中一共划分为10等份,实施者也可自行设定,若数据量无法均等划分时,利用现有数据的均值进行填充即可,将获得的子序列记录为液位波动特征子序列。
进一步,本实施例将所有的液位波动特征子序列作为Cox-Stuart检验算法的输入,Cox-Stuart检验算法具体过程为现有技术,在此不做赘述,预设Cox-Stuart检验算法中的判断阈值K,本实施例K的取值为5%,即K=0.05,实施者可自行设定,输出为每个液位波动特征子序列的Cox-Stuart检验P-value值,并将其记录为P。其中Cox-Stuart检验算法为公知技术,本实施例不再赘述其过程。基于上述分析,构建污泥液位含水丰富度(H):
式中,为第y个液位波动特征子序列的趋势突显权重,/>为第y个液位波动特征子序列的Cox-Stuart检验P-value值,/>为防止分母为0的参数,/>,K为预设判断阈值;
为第y个液位波动特征子序列的含水显著系数,F为液位波动特征子序列中的波峰点总数,/>为获取括号内数据的采集时刻值,/>分别为第y个液位波动特征子序列对应拟合曲线中的第u个和第u-1波峰点,/>为第y个液位波动特征子序列中第p+1个、第p个一阶差分数据,V为液位波动特征子序列中一阶差分数据的总数,/>为防止分母为0的参数,/>;
H为污泥液位含水丰富度,为第y个液位波动特征子序列,/>为第y个液位波动特征子序列/>的极差,h为液位波动特征子序列的总数,/>为防止分母为0的参数,。
当第y个液位波动特征子序列的Cox-Stuart检验P-value值小于阈值K时,,说明该序列中存在明显的趋势,波动程度较弱,此时第二浓缩池中的污泥含水量可能更高,相反,当Cox-Stuart检验P-value值大于等于阈值K时,/>,说明该序列中不存在明显趋势,序列波动程度较为剧烈,此时第二浓缩池中的污泥含水量可能较低。当第y个液位波动特征子序列的趋势突显权重越大,且序列中的波峰时刻间隔越大,而斜率变化率差距越小,即/>越大,说明该液位波动特征子序列中的波动变化程度较弱,变化更为平缓,更可能是污泥含水量较高导致的液位波动变化。当每个液位波动特征子序列的含水显著系数均越大,且每个液位波动特征子序列的极差均越小,即/>越小,则第二浓缩池中的污泥含水量越高,此时的液位数据可能并非污泥的实际高度,应该进行一定的排水后重新测量。
至此,获得数据采集时段内第二浓缩池中的污泥液位含水丰富度H。
步骤S003,结合污泥液位含水丰富度对污泥浓缩处理过程进行自动化调整。
进一步,设定分割阈值,对第二浓缩池中的污泥含水情况进行判定,分割阈值实施者可根据实际情况自行选取设定,本实施例对此不做限制,本实施例中分割阈值具体为:根据上述过程可获得多个数据采集时段的污泥液位含水丰富度,将所有的污泥液位含水丰富度作为大津阈值法的输入,输出为污泥液位含水丰富度的分割阈值U。进一步,对于实时的数据采集时段的污泥液位含水丰富度大于等于阈值U时,说明第二浓缩池中的污泥含水量较多,该液位数据并非是污泥的真实高度,需要执行排水处理并进行重新测量;当第二浓缩池中的污泥液位含水丰富度小于阈值U时,说明此时第二浓缩池中的污泥含水量较低,该液位数据为污泥的真实高度,继续进行污泥浓缩处理,直至污泥浓缩处理过程中污泥的真实高度小于预设污泥浓缩高度阈值时,停止污泥浓缩,进而完成对污泥浓缩的自动化处理。其中大津阈值法为公知技术,本实施例不再赘述其过程。需要说明的是,污泥浓缩高度阈值实施者根据实际情况而定,本实施例对此不做特殊限制,本实施例中污泥浓缩高度阈值设定为0.6米。
基于与上述方法相同的发明构思,本发明实施例还提供了一种污水污泥浓缩自动化处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种污水污泥浓缩自动化处理方法中任意一项所述方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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)
1.一种污水污泥浓缩自动化处理方法,其特征在于,该方法包括以下步骤:
通过超声波液位计采集污水污泥浓缩处理过程的液位高度数据,每预设数量个液位高度数据组成一个超声波液位高度数据序列;
获取超声波液位高度数据序列中各数据的LOF值,提取疑似刮泥耙高度数据;根据各疑似刮泥耙高度数据之间的关系及对应采集时刻获取各疑似刮泥耙高度数据的刮泥耙高度存疑系数;根据各疑似刮泥耙高度数据结合ApEn算法构建各疑似刮泥耙高度数据的周期贡献度;根据各疑似刮泥耙高度数据的刮泥耙高度存疑系数及周期贡献度得到各疑似刮泥耙高度数据的刮泥耙高度真实度;根据所有疑似刮泥耙高度数据的刮泥耙高度真实度提取液位波动特征子序列;采用Cox-Stuart检验算法结合各液位波动子序列构建各液位波动特征子序列的趋势突显权重;根据各液位波动特征子序列的趋势突显权重及液位波动特征子序列内数据的差异构建各液位波动特征子序列的含水显著系数;根据所有液位波动特征子序列的函数显著系数及极差构建污泥液位含水丰富度;
当污泥液位含水丰富度小于预设分割阈值时,则污水污泥浓缩处理过程的液位高度数据为污泥真实高度,直至污泥真实高度小于预设污泥浓缩高度阈值时,停止污泥浓缩处理。
2.如权利要求1所述的一种污水污泥浓缩自动化处理方法,其特征在于,所述获取超声波液位高度数据序列中各数据的LOF值,提取疑似刮泥耙高度数据,包括:
采用LOF异常检测算法获取各超声波液位高度数据序列中每个数据的LOF值,通过大津阈值法获取所有所述LOF值的划分阈值,将LOF值大于等于划分阈值的液位高度数据作为疑似刮泥耙高度数据。
3.如权利要求1所述的一种污水污泥浓缩自动化处理方法,其特征在于,所述根据各疑似刮泥耙高度数据之间的关系及对应采集时刻获取各疑似刮泥耙高度数据的刮泥耙高度存疑系数,包括:
对于各疑似刮泥耙高度数据,计算疑似刮泥耙高度数据与其他疑似刮泥耙高度数据的比值,计算1与所述比值的差值绝对值,计算疑似刮泥耙高度数据与所有其他疑似刮泥耙高度数据计算得到的所述差值绝对值的和值,将疑似刮泥耙高度数据所对应的采集时刻与所述和值的乘积作为疑似刮泥耙高度数据的刮泥耙高度存疑系数。
4.如权利要求1所述的一种污水污泥浓缩自动化处理方法,其特征在于,所述根据各疑似刮泥耙高度数据结合ApEn算法构建各疑似刮泥耙高度数据的周期贡献度,包括:
将所有疑似刮泥耙高度数据按照数据采集时刻排序组成疑似刮泥耙高度序列,从疑似刮泥耙高度序列中每次剔除一个疑似刮泥耙高度数据,每次剔除后将剩余的疑似刮泥耙高度数据按照采集时刻顺序排序组成每个局部疑似刮泥耙高度序列,其中每剔除一次对应一个局部刮泥耙高度序列;
对于各疑似刮泥耙高度数据,统计疑似刮泥耙高度数据在疑似刮泥耙高度序列中出现的次数,将所述次数与疑似刮泥耙高度数据个数的比值作为疑似刮泥耙高度数据的出现频率;
计算疑似刮泥耙高度数据与其他疑似刮泥耙高度数据的出现频率的差值绝对值的和值,将所述和值的相反数作为以自然常数为底数的指数函数的指数,采用ApEn算法获取疑似刮泥耙高度序列与局部疑似刮泥耙高度序列的ApEn值,计算疑似刮泥耙高度序列与局部疑似刮泥耙高度序列的ApEn值的差值,获取所述差值与预设大于零的数值的和值,将所述指数函数的计算结果与所述和值的比值作为各疑似刮泥耙高度数据的。
5.如权利要求1所述的一种污水污泥浓缩自动化处理方法,其特征在于,所述根据各疑似刮泥耙高度数据的刮泥耙高度存疑系数及周期贡献度得到各疑似刮泥耙高度数据的刮泥耙高度真实度,包括:
计算各疑似刮泥耙数据的刮泥耙高度存疑系数与预设大于零的数值的和值,将各疑似刮泥耙高度数据的周期贡献度与所述和值的比值,作为各疑似刮泥耙高度数据的刮泥耙高度真实度。
6.如权利要求5所述的一种污水污泥浓缩自动化处理方法,其特征在于,所述根据所有疑似刮泥耙高度数据的刮泥耙高度真实度提取液位波动特征子序列,包括:
采用K-means聚类算法将所有疑似刮泥耙高度数据的刮泥耙高度真实度划分为两个聚类簇,将刮泥耙高度真实度均值大的聚类簇中所有疑似刮泥耙高度数据,从超声波液位高度数据序列中剔除,将剩余的液位高度数据按照采集时刻顺序排列组成液位高度数据序列;
采用多项式拟合算法获取液位高度数据序列的拟合曲线,将液位高度数据序列中的所有液位高度数据在对应拟合曲线上的曲率组成曲率序列,将所述曲率序列的一阶差分序列记为曲率一阶差分序列,将曲率一阶差分序列进行均等划分,划分获得的子序列作为液位波动特征子序列。
7.如权利要求6所述的一种污水污泥浓缩自动化处理方法,其特征在于,所述采用Cox-Stuart检验算法结合各液位波动子序列构建各液位波动特征子序列的趋势突显权重,包括:
将所有的液位波动特征子序列作为Cox-Stuart检验算法的输入,输出每个液位波动特征子序列的Cox-Stuart检验P-value值;
预设Cox-Stuart检验算法的判断阈值,当液位波动特征子序列的Cox-Stuart检验P-value值小于所述判断阈值时,将液位波动特征子序列的Cox-Stuart检验P-value值与预设大于零的数值的和值的倒数,作为液位波动特征子序列的趋势突显权重;反之,将液位波动特征子序列的Cox-Stuart检验P-value值作为液位波动特征子序列的趋势突显权重。
8.如权利要求6所述的一种污水污泥浓缩自动化处理方法,其特征在于,所述根据各液位波动特征子序列的趋势突显权重及液位波动特征子序列内数据的差异构建各液位波动特征子序列的含水显著系数,包括:
对于各液位波动特征子序列,获取液位波动特征子序列对应拟合曲线中除第一个波峰点之外的各波峰点与相邻前一波峰点的采集时刻的差值,记为第一差值,获取液位波动特征子序列对应拟合曲线中所有所述第一差值的和值,记为第一和值;
计算液位波动特征子序列中除第一个元素之外的各元素与相邻前一元素的差值,记为第二差值,获取液位波动特征子序列中所有所述第二差值的和值,记为第一和值;
获取所述第一和值与预设大于零的参数的求和结果,计算所述第一和值与所述求和结果的比值,将液位波动特征子序列的趋势突显权重与所述比值的乘积作为液位波动子序列的含水显著系数。
9.如权利要求1所述的一种污水污泥浓缩自动化处理方法,其特征在于,所述根据所有液位波动特征子序列的函数显著系数及极差构建污泥液位含水丰富度,包括:
获取各液位波动特征子序列的极差与预设大于零的数值的和值,计算各液位波动特征子序列的含水显著系数与所述和值的比值,将所有液位波动特征子序列的所述比值的均值作为污泥液位含水丰富度。
10.一种污水污泥浓缩自动化处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410432979.3A CN118047516A (zh) | 2024-04-11 | 2024-04-11 | 一种污水污泥浓缩自动化处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410432979.3A CN118047516A (zh) | 2024-04-11 | 2024-04-11 | 一种污水污泥浓缩自动化处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118047516A true CN118047516A (zh) | 2024-05-17 |
Family
ID=91046768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410432979.3A Pending CN118047516A (zh) | 2024-04-11 | 2024-04-11 | 一种污水污泥浓缩自动化处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118047516A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101913744A (zh) * | 2010-07-22 | 2010-12-15 | 清华大学 | 一种连续流污泥生物物理干燥设备及方法 |
JP2011104510A (ja) * | 2009-11-17 | 2011-06-02 | Showa Denko Kk | 余剰スラッジ自動抜出システム |
CN117251811A (zh) * | 2023-09-07 | 2023-12-19 | 招商蛇口数字城市科技有限公司 | 一种检测异常数据的方法、装置、计算机设备及存储介质 |
-
2024
- 2024-04-11 CN CN202410432979.3A patent/CN118047516A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011104510A (ja) * | 2009-11-17 | 2011-06-02 | Showa Denko Kk | 余剰スラッジ自動抜出システム |
CN101913744A (zh) * | 2010-07-22 | 2010-12-15 | 清华大学 | 一种连续流污泥生物物理干燥设备及方法 |
CN117251811A (zh) * | 2023-09-07 | 2023-12-19 | 招商蛇口数字城市科技有限公司 | 一种检测异常数据的方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
孟相民, 郝以专, 刘红梅: "含油污泥浓缩工艺技术的研究与应用", 油气田地面工程, no. 03, 30 May 2001 (2001-05-30), pages 35 - 36 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105180850B (zh) | 计算玉米叶部大斑病病斑面积比例的方法及装置 | |
CN109783903B (zh) | 一种基于时间序列的工业用水管道故障诊断方法及系统 | |
CN108920429A (zh) | 一种水位动态监测的异常数据分析方法 | |
CN117807382B (zh) | 基于智慧物联的排水管网污染监测数据智能处理方法 | |
CN108613645B (zh) | 一种基于参数估计的铅锌矿吸水井淤泥厚度测量方法 | |
CN113095694B (zh) | 一种适用于多地貌类型区的降雨输沙模型构建方法 | |
CN110021425A (zh) | 一种比较检测器及其构建方法与宫颈癌细胞检测方法 | |
CN112945162B (zh) | 一种堆积层滑坡位移预测模型及预测方法 | |
CN111709454B (zh) | 一种基于最优copula模型的多风电场出力聚类评估方法 | |
CN101813568A (zh) | 采用计算机程序确定空化初生的判定方法 | |
CN116416252B (zh) | 一种勃姆石生产工艺废水沉降图像检测方法 | |
CN114817228B (zh) | 一种湖泊水位长时间序列监测数据的异常值剔除方法 | |
CN108896996B (zh) | 一种基于随机森林的铅锌矿吸水井泥水界面超声波回波信号分类方法 | |
CN115017249A (zh) | 一种河湖水环境健康智能评估预警系统 | |
CN109902267B (zh) | 一种受下游湖泊顶托影响的河道安全泄量计算方法 | |
CN118047516A (zh) | 一种污水污泥浓缩自动化处理方法及系统 | |
CN108254038A (zh) | 一种原油储罐油水界面数据去伪及液位测量的计算方法 | |
CN115270894B (zh) | 用于甲醇发电机的异常振动信号提取方法 | |
CN114842921A (zh) | 基于线性回归和决策树模型的市政污水除磷药剂投加方法 | |
CN112212223A (zh) | 排水管网调蓄容积及渗漏量的计算方法及其相关设备 | |
CN114595425A (zh) | 流域降水径流关系非一致性突变点诊断分析方法 | |
CN117520752B (zh) | 基于大数据的水利工程信息管理方法 | |
CN105279308A (zh) | 一种基于逐步数据剔除的海洋白冠覆盖率算法 | |
CN115859201B (zh) | 一种化工过程故障诊断方法及系统 | |
CN117290559B (zh) | 一种水处理剂含量监测方法及系统 |
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 |