CN118131620A - 一种基于污水处理过程诊断的智慧控制系统及方法 - Google Patents
一种基于污水处理过程诊断的智慧控制系统及方法 Download PDFInfo
- Publication number
- CN118131620A CN118131620A CN202410171552.2A CN202410171552A CN118131620A CN 118131620 A CN118131620 A CN 118131620A CN 202410171552 A CN202410171552 A CN 202410171552A CN 118131620 A CN118131620 A CN 118131620A
- Authority
- CN
- China
- Prior art keywords
- water quality
- decision
- sewage treatment
- quality data
- data
- 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 161
- 230000008569 process Effects 0.000 title claims abstract description 136
- 239000010865 sewage Substances 0.000 title claims abstract description 71
- 238000003745 diagnosis Methods 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 121
- 238000004458 analytical method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 13
- 230000003851 biochemical process Effects 0.000 claims description 11
- 230000036541 health Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 239000010802 sludge Substances 0.000 description 19
- 238000010992 reflux Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 229910052760 oxygen Inorganic materials 0.000 description 9
- 239000001301 oxygen Substances 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 8
- 229910052799 carbon Inorganic materials 0.000 description 8
- 239000003513 alkali Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 238000005273 aeration Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 230000026676 system process Effects 0.000 description 4
- CKUAXEQHGKSLHN-UHFFFAOYSA-N [C].[N] Chemical compound [C].[N] CKUAXEQHGKSLHN-UHFFFAOYSA-N 0.000 description 3
- 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 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- YUWBVKYVJWNVLE-UHFFFAOYSA-N [N].[P] Chemical compound [N].[P] YUWBVKYVJWNVLE-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 239000011259 mixed solution Substances 0.000 description 1
- 230000001546 nitrifying effect Effects 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明公开了一种基于污水处理过程诊断的智慧控制系统及方法，首先通过获取污水处理系统中的各个过程水质数据，利用构建决策模型，拟定判断基准，以生成由专家针对当前污水处理现状生成的决策分析结果，根据决策分析结果指示工人进行设备调节，一角度上其能够弱化现场操作工人的学习成本，另一角度上能够利于污水处理系统中的各个过程水质数据在由专家作决策分析后能够有利于维持在平衡稳定的状态，有一定的降低污水处理系统能耗的作用。
Description
技术领域
本发明涉及污水处理技术领域，特别涉及一种基于污水处理过程诊断的智慧控制系统及方法。
背景技术
活性污泥法是污水处理行业公认首选的主流工艺，然而活性污泥法净化过程是一个涉及微生物化学、物理化学多学科的复杂系统，对现场操作运行人员的技能水平要求极高，然这方面的专业人才却是极度匮乏，绝大部分污水系统运行人员凭经验的控制调整手段缺乏科学性，也是导致目前污水处理系统运行不稳定的主要原因，加上污水收集系统雨污合流、清污合流的现状，污水系统还要面临水质和水量的双重冲击负荷，生化系统担负这水质净化脱氮除磷的80％以上负荷，其生化系统的健康度很多时候都被工艺控制人员忽视，生化系统反应不像物化反应速度那么快，很多隐患难以及时发现，也导致生化系统一旦发生问题很难修复。
因此建立一套在线水处理生化系统优化决策智能管控系统，对提升现场工艺管控人员的水平极其重要，也是确保污水处理温度达标的核心要素，同时也为污水的节能降耗起到关键作用。
发明内容
本发明的目的是提供一种基于污水处理过程诊断的智慧控制方法及平台，旨在解决背景技术中提到的技术问题。
为了达到上述目的，本发明的技术方案有：
作为本申请的一方面，提供一种基于污水处理过程诊断的智慧控制方法，包括如下步骤：
S1、获取污水处理系统中的各个过程水质数据；
S3、构建多个决策模型，在每个决策模型中设置有与各个过程水质数据对应的决策判断阈值，根据过程水质参数选择决策模型而判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
S4、根据决策分析结果对污水处理系统中的各个设备运行参数进行调整和优化。
与现有技术相比，本申请的一种基于过程水质的基于污水处理过程诊断的智慧控制方法，首先通过获取污水处理系统中的各个过程水质数据，利用构建决策模型，拟定判断基准，以生成由专家针对当前污水处理现状生成的决策分析结果，根据决策分析结果指示工人进行设备调节，一角度上其能够弱化现场操作工人的学习成本，另一角度上能够利于污水处理系统中的各个过程水质数据在有专家作决策分析后能够有利于维持在平衡稳定的状态，有一定的降低污水处理系统能耗的作用。
进一步的，所述过程水质参数包括进水水质数据、中间水质数据和出水水质数据中的一种或多种。
进一步的，在步骤S1与步骤S3之间还包括步骤S2：
对获取的各个过程水质数据进行预处理，将预处理后的过程水质数据存储至云端。
进一步的，所述对获取的各个过程水质数据进行预处理，将预处理后的过程水质数据存储至云端，具体包括：
接收污水处理系统中的各个过程水质数据；
依照设定时段对获取的各个过程水质数据进行平均值处理以获得处理后的过程水质数据；
将处理后的过程水质数据存储至云端。
进一步的，所述构建多个决策模型，在每个决策模型中设置有与各个过程水质数据对应的决策判断阈值，根据过程水质参数选择决策模型而判断各个过程水质参数是否超过设定决策判断阈值，具体包括：
构建多个决策模型，将专家知识、专家经验以及对应的决策算法写入决策模型中；
根据决策算法判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果，对决策分析结果进行可视化展示。
作为本申请的第二方面，一种基于过程水质管理的基于污水处理过程诊断的智慧控制系统，其特征在于，包括：
过程监测模块，所述过程监测模块用于获取污水处理系统中的各个过程水质数据；
生化过程健康度评价模块，所述生活过程健康度评价模块用于构建多个决策模型，在每个决策模型中设置有与各个过程水质数据对应的决策判断阈值，根据过程水质参数选择决策模型而判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
调控优化决策模块，所述调控优化决策模块用于根据决策分析结果对污水处理系统中的各个设备运行参数进行调整和优化。
进一步的，还包括：
数据仓库模块，所述数据仓库模块用于获取的各个过程水质数据进行预处理，将预处理后的过程水质数据存储至云端。
进一步的，所述数据仓库模块包括：
数据获取子单元，所述数据获取子单元用于接收污水处理系统中的各个过程水质数据；
数据处理子单元，所述数据处理子单元用于依照设定时段对获取的各个过程水质数据进行平均值处理以获得处理后的过程水质数据；
数据存储子单元，所述数据存储子单元用于将处理后的过程水质数据存储至云端。
进一步的，所述生化过程健康度评价模块包括：
决策模型构建子单元，所述决策模型构建子单元用于构建多个决策模型，将专家知识、专家经验以及对应的决策算法写入决策模型中；
决策分析处理子单元，所述决策分析处理子单元用于根据决策算法判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
可视化子单元，所述可视化子单元用于对决策分析结果进行可视化展示。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1是本实施例中的一种基于污水处理过程诊断的智慧控制方法的流程框图；
图2是本实施例中的一种基于污水处理过程诊断的智慧控制方法的流程图；
图3是本实施例中的一种基于污水处理过程诊断的智慧控制方法中指示步骤S3的流程图；
图4是本实施例中的一种基于过程水质管理的基于污水处理过程诊断的智慧控制系统的的原理框图。
具体实施方式
为了更好地阐述本发明，下面参照附图对本发明作进一步的详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
作为本申请的优选实施例，如图1所示，图1示出的是本发明的一种污水处理生化系统优化决策系统架构图，在图中示出有相互关系的生化系统过程在线监测模块、过程数据边缘清洗治理模块、生化过程数据接入模块、云端服务器、生化过程健康度管控模型搭建、管控核心优化算法控制器、报警及评价结果数据可视化以及调控优化决策模块。
生化系统过程在线监测模块用于实现对各种监测数据的采集；
过程数据边缘清晰治理模块用于对采集的数据进行清洗，例如在采用平均值算法对采集的数据进行整定，将剔除误差影响较大的数据；
生化过程数据接入模块以及云服务器其用于对采集的数据进行存储，并存储到云服务器中方便调用；
生化过程健康度管控模型搭建以及管控核心优化算法控制器，用于构建各种数据处理模型，以作为专家决策结果构成的因子；
警及评价结果数据可视化用于将生成的专家决策结果利用如显示器等的可视化装置进行可视化展示；
调控优化决策模块，对专家决策结果进行具体执行。
基于上述，而提供了一种基于污水处理过程诊断的智慧控制方法，如图2所示，包括如下步骤：
S1、获取污水处理系统中的各个过程水质数据；
其中，过程水质参数包括进水水质数据、中间水质数据和出水水质数据中的一种或多种，在生化污水处理系统中，采集生化系统过程及进水端及生化过程用于评价污泥活性质量的关键因子数据；
在本实施例中，结合图1所示，污水处理系统中的各个过程水质数据如下：
对于进水水质数据：如前水质监测因子：COD、氨氮、总氮、总磷、PH、温度、TDS；
对于中间水质数据：如缺氧池末端数据：硝态氮；好氧池前端数据：氨氮、COD；好氧池末端混合液SV30、内回流流量、微生物菌群镜检数据；好氧池前、中、后三点MLSS、DO、PH、ORP；好氧池末端数据：硝态氮；
对于出水水质数据：在二沉池中的出水端硝态氮、磷酸盐、SS、TDS、剩余污泥MSLL及流量、外回流污泥MLSS及流量数据。
另外，在对各个过程水质数据进行处理前，需要进行预处理，步骤，即步骤S2，对获取的各个过程水质数据进行预处理，将预处理后的过程水质数据存储至云端。
具体的，即接收污水处理系统中的各个过程水质数据；
依照设定时段对获取的各个过程水质数据进行平均值处理以获得处理后的过程水质数据；
将处理后的过程水质数据存储至云端，对于依照设定时段对获取的各个过程水质数据进行平均值处理以获得处理后的过程水质数据，采用接收所述生化系统过程在线监测模块获取的第一数据，并将瞬时监测因子项按照时间段进行平均值处理得到第二数据，并将第二数据数据分类上传至部署在云端的服务器数据仓库中，其中第二数据采用剔除设定范围阈外的数据采用平均取值去顶，以确保第二数据具有精确性。
例如，对计算获得的第二数据进行清洗，对在线监测数据中的瞬时值采集数据进行时段平均值清洗，剔除过高过低数据，数据清洗原则为当在线瞬时平均值上升下降幅度达到工艺阈值时进行时间段记取，对于超过一个小时的非瞬时过程监测数据进行前后数据链条上的比例阈值判断后，输出有效数据给云端服务器数据库中。
步骤S3、构建多个决策模型，在每个决策模型中设置有与各个过程水质数据对应的决策判断阈值，根据过程水质参数选择决策模型而判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
具体的，如图2所示，在步骤S3中具体包括步骤：
步骤S31、构建多个决策模型，将专家知识、专家经验以及对应的决策算法写入决策模型中；
步骤S32、根据决策算法判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果，对决策分析结果进行可视化展示。
例如，如图1所示，构建多个决策模型包括污泥活性状态监控及阈值判断，各种生物段碳源、碱度、氧平衡监控判断以及泥龄、浓度、氮回流、氧回流平衡分析判断：
对于污泥活性状态监控及阈值判断包括SV05、SV30、MLSS污泥沉降性能计算，SV30、MLSS、DO污泥SRT周期计算以及SV30泥水颜色、上清液浑浊度、PH值，镜检微生物菌群，TDS计算分析污泥监控度影响因子；
对于各生物段碳源、碱度、氧平衡监控判断包括进水总碳氮比PH值监测，缺氧段碳氮比、氧平衡、碱平衡计算以及好氧段氮磷比、氧平衡、碱平衡计算，氨氮硝化转化率计算；
对于泥龄、浓度、氮回流、氧回流平衡分析判断包括外排泥最佳量平衡计算，内回流氧平衡，氮平衡，浓度平衡计算以及外回流氧平衡、氮平衡、浓度平衡计算。
以上举例为一个污水处理系统中的多个决策模型的构建形态。
在由上述决策模型完成对数据的处理后输出决策分析结果，通过显示器进行可视化展示，可视化展示可以由数据折线图、饼图、仪表盘的形式展示输出。
S4、根据决策分析结果对污水处理系统中的各个设备运行参数进行调整和优化。
所述调控优化决策模块提示操作人员问题的原因分析，解决思路及未来趋势分析，给出各工艺段的调控优化决策建议。
作为举例，如图1所示，调控优化决策建议知识的调控工艺指令包括进水应急调蓄、分段配水控制、碳源投加控制、回流比控制、污泥浓度控制、排泥量控制、溶氧控制、碱平衡控制；
对应的，配水调控包括：监控数据的变化趋势分析并计算进水与调蓄池的配水比、进水分配阀门的PID控制、实现进水浓度配水自控；
碳源投加控制包括：各段碳氮比监控数据进行模型和趋势经验分析、碳源投加量模拟分析、调整最佳碳源投加量、碳源投加泵的PID控制、实现碳源精准投加；
回流比控制包括：对监控数据进行模型和趋势经验分析，计算回流比、推算回流液对生化系统的影响设定回流量参数、污泥回流泵的PID控制、实现回流比系统自控；
精准曝气自控包括：各段DO、ORP监控数据进行模型和趋势经验分析、计算最佳曝气量并调整、各段曝气电控阀门的PID控制、实现精准曝气自控；
排泥量控制包括：推算各好氧段除磷率、与排泥系统建立数据模型系统厌氧段数据、好氧段数据、排泥系统形成线性自控、实现排泥自控
碱平衡控制包括：推算系统碱度平衡、建立碱平衡数据模型、形成碱平衡的碱液投加线性比例自控关系、实现系统碱度自平衡控制。
通过以上对应的专家决策建议的处理实现各个污水池的自控自调节。
本实施例中的一种基于污水处理过程诊断的智慧控制方法，首先通过获取污水处理系统中的各个过程水质数据，利用构建决策模型，拟定判断基准，以生成由专家针对当前污水处理现状生成的决策分析结果，根据决策分析结果指示工人进行设备调节，一角度上其能够弱化现场操作工人的学习成本，另一角度上能够利于污水处理系统中的各个过程水质数据在有专家作决策分析后能够有利于维持在平衡稳定的状态，有一定的降低污水处理系统能耗的作用。
另外，将污水净化过程的数据进行深度挖掘和分析，将专家级水平分析问题、解决问题的能力以数字化形式赋能给一线低水平的操作人员。通过全工艺链条的平衡优化，提前对系统发生的问题进行预警预测，并形成闭环解决方案，改变了以往单纯依靠加药的高耗能方式解决问题。系统优化决策算法将趋势和工艺推演结合在一起，在确保工艺稳定达标的前提下，最大程度进行系统的内平衡，提升系统污染物降解负荷能力。
作为本申请的第二方面，如图4所示，一种基于污水处理过程诊断的智慧控制系统100，包括：
过程监测模块1，所述过程监测模块1用于获取污水处理系统中的各个过程水质数据；
生化过程健康度评价模块2，所述生活过程健康度评价模块2用于构建多个决策模型，在每个决策模型中设置有与各个过程水质数据对应的决策判断阈值，根据过程水质参数选择决策模型而判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
调控优化决策模块3，所述调控优化决策模块3用于根据决策分析结果对污水处理系统中的各个设备运行参数进行调整和优化。
进一步的，还包括：
数据仓库模块，所述数据仓库模块用于获取的各个过程水质数据进行预处理，将预处理后的过程水质数据存储至云端。
进一步的，所述数据仓库模块包括：
数据获取子单元，所述数据获取子单元用于接收污水处理系统中的各个过程水质数据；
数据处理子单元，所述数据处理子单元用于依照设定时段对获取的各个过程水质数据进行平均值处理以获得处理后的过程水质数据；
数据存储子单元，所述数据存储子单元用于将处理后的过程水质数据存储至云端。
进一步的，所述生化过程健康度评价模块包括：
决策模型构建子单元，所述决策模型构建子单元用于构建多个决策模型，将专家知识、专家经验以及对应的决策算法写入决策模型中；
决策分析处理子单元，所述决策分析处理子单元用于根据决策算法判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
可视化子单元，所述可视化子单元用于对决策分析结果进行可视化展示。
作为本申请的第三方面，提供一种存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上述的基于污水处理过程诊断的智慧控制方法。
作为本申请的第四方面，提供一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上述的基于污水处理过程诊断的智慧控制方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。
Claims (9)
1.一种基于污水处理过程诊断的智慧控制方法，其特征在于，包括如下步骤：
S1、获取污水处理系统中的各个过程水质数据；
S3、构建多个决策模型，在每个决策模型中设置有与各个过程水质数据对应的决策判断阈值，根据过程水质参数选择决策模型而判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
S4、根据决策分析结果对污水处理系统中的各个设备运行参数进行调整和优化。
2.根据权利要求1所述的基于污水处理过程诊断的智慧控制方法，其特征在于，所述过程水质参数包括进水水质数据、中间水质数据和出水水质数据中的一种或多种。
3.根据权利要求1所述的基于污水处理过程诊断的智慧控制方法，其特征在于，在步骤S1与步骤S3之间还包括步骤S2：
对获取的各个过程水质数据进行预处理，将预处理后的过程水质数据存储至云端。
4.根据权利要求3所述的基于污水处理过程诊断的智慧控制方法，其特征在于，所述对获取的各个过程水质数据进行预处理，将预处理后的过程水质数据存储至云端，具体包括：
接收污水处理系统中的各个过程水质数据；
依照设定时段对获取的各个过程水质数据进行平均值处理以获得处理后的过程水质数据；
将处理后的过程水质数据存储至云端。
5.根据权利要求1所述的基于污水处理过程诊断的智慧控制方法，其特征在于，所述构建多个决策模型，在每个决策模型中设置有与各个过程水质数据对应的决策判断阈值，根据过程水质参数选择决策模型而判断各个过程水质参数是否超过设定决策判断阈值，具体包括：
构建多个决策模型，将专家知识、专家经验以及对应的决策算法写入决策模型中；
根据决策算法判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果，对决策分析结果进行可视化展示。
6.一种基于过程水质管理的基于污水处理过程诊断的智慧控制系统，其特征在于，包括：
过程监测模块，所述过程监测模块用于获取污水处理系统中的各个过程水质数据；
生化过程健康度评价模块，所述生活过程健康度评价模块用于构建多个决策模型，在每个决策模型中设置有与各个过程水质数据对应的决策判断阈值，根据过程水质参数选择决策模型而判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
调控优化决策模块，所述调控优化决策模块用于根据决策分析结果对污水处理系统中的各个设备运行参数进行调整和优化。
7.根据权利要求6所述的基于污水处理过程诊断的智慧控制系统，其特征在于，还包括：
数据仓库模块，所述数据仓库模块用于获取的各个过程水质数据进行预处理，将预处理后的过程水质数据存储至云端。
8.根据权利要求6所述的基于污水处理过程诊断的智慧控制系统，其特征在于，所述数据仓库模块包括：
数据获取子单元，所述数据获取子单元用于接收污水处理系统中的各个过程水质数据；
数据处理子单元，所述数据处理子单元用于依照设定时段对获取的各个过程水质数据进行平均值处理以获得处理后的过程水质数据；
数据存储子单元，所述数据存储子单元用于将处理后的过程水质数据存储至云端。
9.根据权利要求6所述的基于污水处理过程诊断的智慧控制系统，其特征在于，所述生化过程健康度评价模块包括：
决策模型构建子单元，所述决策模型构建子单元用于构建多个决策模型，将专家知识、专家经验以及对应的决策算法写入决策模型中；
决策分析处理子单元，所述决策分析处理子单元用于根据决策算法判断各个过程水质参数是否超过设定决策判断阈值，并输出对应的决策分析结果；
可视化子单元，所述可视化子单元用于对决策分析结果进行可视化展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410171552.2A CN118131620A (zh) | 2024-02-07 | 2024-02-07 | 一种基于污水处理过程诊断的智慧控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410171552.2A CN118131620A (zh) | 2024-02-07 | 2024-02-07 | 一种基于污水处理过程诊断的智慧控制系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118131620A true CN118131620A (zh) | 2024-06-04 |
Family
ID=91236635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410171552.2A Pending CN118131620A (zh) | 2024-02-07 | 2024-02-07 | 一种基于污水处理过程诊断的智慧控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118131620A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118625674A (zh) * | 2024-08-08 | 2024-09-10 | 深圳市利源水务设计咨询有限公司 | 基于碳排放核算的污水处理控制方法、介质及设备 |
| CN118655782A (zh) * | 2024-08-15 | 2024-09-17 | 江苏晨锐环保设备有限公司 | 用于一体成型化粪池的清洁控制方法及装置 |
| CN118625674B (zh) * | 2024-08-08 | 2024-10-25 | 深圳市利源水务设计咨询有限公司 | 基于碳排放核算的污水处理控制方法、介质及设备 |
-
2024
- 2024-02-07 CN CN202410171552.2A patent/CN118131620A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118625674A (zh) * | 2024-08-08 | 2024-09-10 | 深圳市利源水务设计咨询有限公司 | 基于碳排放核算的污水处理控制方法、介质及设备 |
| CN118625674B (zh) * | 2024-08-08 | 2024-10-25 | 深圳市利源水务设计咨询有限公司 | 基于碳排放核算的污水处理控制方法、介质及设备 |
| CN118655782A (zh) * | 2024-08-15 | 2024-09-17 | 江苏晨锐环保设备有限公司 | 用于一体成型化粪池的清洁控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU663340B2 (en) | Method of controlling wastewater purification plants using multiple control functions | |
| US11709463B2 (en) | Control method based on adaptive neural network model for dissolved oxygen of aeration system | |
| US5845052A (en) | Supporting method and system for process operation | |
| CN118131620A (zh) | 一种基于污水处理过程诊断的智慧控制系统及方法 | |
| CN103534658B (zh) | 工序监视诊断装置 | |
| CN109205781A (zh) | 控制系统及控制方法 | |
| CN108562709A (zh) | 一种基于卷积自编码器极限学习机的污水处理系统水质监测预警方法 | |
| US11365140B2 (en) | Decision support system and method for water treatment | |
| US20200378943A1 (en) | Systems And Methods For Providing Micro-Utility Water And Energy Services | |
| Piotrowski et al. | Mixed integer nonlinear optimization of biological processes in wastewater sequencing batch reactor | |
| CN117964023A (zh) | 一种基于人工智能算法控制的污水处理控制系统 | |
| KR102690455B1 (ko) | 수처리 에너지지수 기반 하수처리장의 에너지 효율 평가 방법 및 에너지 절감 의사결정 시스템 | |
| CN117389142A (zh) | 污水处理厂生化反应池预测推演与安全实时控制方法 | |
| EP0643672B1 (en) | Method of controlling wastewater purification plants using quality evaluation of measuring data | |
| CN117228894A (zh) | 一种精确曝气污水处理工艺方法 | |
| Baeza et al. | In-line fast OUR (oxygen uptake rate) measurements for monitoring and control of WWTP | |
| 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 | |
| JP4700145B2 (ja) | 水処理装置のモデル参照型自動制御装置 | |
| CN117776336A (zh) | 水预处理方法及厌氧氨氧化水处理工艺 | |
| CN105785951B (zh) | 利用统计建模技术实现污水的处理自动化运行系统 | |
| CN104787875B (zh) | 一种序批式活性污泥法的曝气控制方法及系统 | |
| Huang et al. | Modeling and optimization of the activated sludge process | |
| CN118495692B (zh) | 一种污水生物净化方法及系统 | |
| CN118625674B (zh) | 基于碳排放核算的污水处理控制方法、介质及设备 | |
| CN118521187B (zh) | 一种基于人工智能的工程技术支持与决策管理系统 |
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 |