CN118410390A - 反渗透系统的智能诊断方法及系统 - Google Patents

Abstract

本发明提供一种反渗透系统的智能诊断方法及系统，属于反渗透处理技术领域。该方法包括：建立反渗透系统对应的反渗透模型；其中，反渗透模型的模型参数包含基于反渗透系统的历史运行工况数据确定的预设关键参数；将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，对反渗透系统的污染状态进行判定；其中，预置传感器基于预设关键参数进行配置；基于判定结果，确定并执行反渗透系统的清洗方案。该方法及系统能够实时监测预设关键参数，并使用先进的数据分析方法优化反渗透过程，提供对应的清洗方案，以实时有效地响应处理过程中出现的各种问题。通过精确监测和智能反馈，保证了反渗透系统的高效运行和维护。

Description

反渗透系统的智能诊断方法及系统

技术领域

本发明涉及反渗透处理技术领域，具体地涉及一种反渗透系统的智能诊断方法、一种反渗透系统的智能诊断系统、一种机器可读存储介质及一种电子设备。

背景技术

在智能水处理领域，特别是反渗透水处理技术，近年来越来越多地采用数字化和智能化解决方案来提高水处理效率和质量。现有技术主要关注于使用先进的传感器、数据分析和自动化系统来监测和优化水处理过程，从而减少人力成本，提高运行效率和处理质量。

现有技术主要集中在反渗透过程中的污堵识别和处理上。当前技术主要依赖于定期的物理检查和化学清洗，这些方法既耗时又费力。此外，现有的自动化解决方案在污堵判断和处理方面还不够智能化，无法实时有效地响应处理过程中出现的各种问题。

现有技术的缺陷和不足：

(1)反应速度慢且效率低：现有技术在识别和处理污堵时反应较慢，影响水处理效率。

(2)维护成本高昂：传统技术依赖频繁人工干预，导致维护成本增加。

(3)系统稳定性不足：现有技术在长期运行中可能出现性能波动。

(4)操作复杂性：现有系统操作繁琐，需专业知识。

因此，如何在污堵判断和处理方面提供一种自动化解决方案，以实时有效地响应处理过程中出现的各种问题是目前亟需解决的问题。

发明内容

本发明实施方式的目的是提供一种反渗透系统的智能诊断方法及系统，以至少解决上述的如何实时有效地响应处理过程中出现的各种问题。

为了实现上述目的，本发明第一方面提供一种反渗透系统的智能诊断方法，包括：

建立反渗透系统对应的反渗透模型；其中，反渗透模型的模型参数包含预设关键参数，预设关键参数基于反渗透系统的历史运行工况数据确定；

将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定；其中，预置传感器基于预设关键参数进行配置；

基于判定结果，确定并执行反渗透系统的清洗方案。

可选的，上述建立反渗透系统对应的反渗透模型，包括：

基于反渗透系统的历史运行工况数据，配置各预设关键参数的计算模型和各预设关键参数在预设单位时间内的变化程度判定条件；

基于反渗透系统的历史运行工况数据，在反渗透模型中配置反渗透系统的各污堵种类的污堵判定规则和各污堵种类对应的清洗方案。

可选的，上述将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定，包括：

基于预置传感器采集的传感器数据和各预设关键参数的计算模型，计算各预设关键参数对应的参数值；

基于各预设关键参数对应的参数值和各预设关键参数在预设单位时间内的变化程度判定条件，确定各预设关键参数的变化程度信息；

基于各预设关键参数的变化程度信息和各污堵种类的污堵判定规则，判定反渗透系统的污染状态；

其中，反渗透系统的污染状态包括胶体污染状态、金属氧化物污染状态、结垢污染状态、聚合硅污染状态、微生物污染状态和有机物污染状态。

可选的，各预设关键参数的变化程度信息包括多个变化程度等级，每个变化程度等级对应预设关键参数的参数值在预设单位时间内的变化值区间；

各预设关键参数在预设单位时间内的变化程度判定条件包括：

进行当前预设关键参数对应的参数值的变化值区间匹配，基于匹配的变化值区间对应的变化程度等级，确定当前预设关键参数的变化程度等级。

可选的，上述预设关键参数包括标准化压差、标准化流量和标准化脱盐率；

上述基于各预设关键参数的变化程度信息和各污堵种类的污堵判定规则，判定反渗透系统的污染状态，包括：

组合当前反渗透系统的标准化压差、标准化流量和/或标准化脱盐率的变化程度等级，获得对应的组合判定集；

基于各污堵种类的污堵判定规则，匹配与组合判定集相同的污堵种类，将匹配得到的污堵种类作为当前反渗透系统的污染状态。

可选的，上述预置传感器的配置规则包括：

根据预设关键参数，确定对应的各待采集数据；其中，预设关键参数由对应的各待采集数据计算得到；

基于各待采集数据，确定各DCS数据采集点位，并为各DCS数据采集点位配置传感器。

可选的，上述基于各待采集数据，确定各DCS数据采集点位，包括：

基于反渗透系统的实际工艺生产线数据，建立不同生产工段的反渗透模组；

基于各待采集数据和各生产工段的反渗透模组，设置各DCS数据采集点位。

可选的，上述将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定之后，该方法还包括：

获取多个判定结果；其中，各判定结果由各次对反渗透系统的状态进行判定后得到；

将各判定结果与对应的反渗透系统实际状态进行对比分析，基于分析结果，对反渗透模型的模型参数进行动态调整。

本发明第二方面提供一种反渗透系统的智能诊断系统，包括：

反渗透模型建立模块，用于建立反渗透系统对应的反渗透模型；其中，反渗透模型的模型参数包含预设关键参数，预设关键参数基于反渗透系统的历史运行工况数据确定；

反渗透系统状态判定模块，用于将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定；其中，预置传感器基于预设关键参数进行配置；

清洗方案确定模块，用于基于判定结果，确定并执行反渗透系统的清洗方案。

在本发明第三方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得上述处理器被配置成执行上述的反渗透系统的智能诊断方法。

在本发明第四方面提供一种电子设备，电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述的反渗透系统的智能诊断方法。

通过上述技术方案，提供一种反渗透系统的智能诊断方法及系统，建立包含预设关键参数的反渗透模型。利用预置传感器实时采集与预设关键参数对应的传感器数据。将采集的传感器数据输入至反渗透模型中，该反渗透模型可以运用机器学习和数据分析算法对反渗透系统的状态进行智能判定。该方法及系统通过实时数据监测和反渗透系统状态智能判定，可以快速响应污堵，缩短反应时间，从而提高水处理速度和效率。基于判定结果，可以确定并执行对应的清洗方案。从而进行自动化清洗和维护，减少人力需求，降低运营成本。该方法及系统能够实时监测预设关键参数，并结合机器学习和数据挖掘技术，实现对反渗透系统状态的精确判定，进而实现了使用先进的数据分析方法优化反渗透过程的目的，并提供对应的清洗方案，以实时有效地响应处理过程中出现的各种问题。通过精确监测和智能反馈，保证了反渗透系统的高效运行和维护。提升了反渗透系统的效率和可靠性，降低了维护成本。

本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：

图1是本发明一种实施方式提供的一种反渗透系统的智能诊断方法的流程图；

图2是本发明一种实施方式提供的一种反渗透系统的智能诊断系统的框图；

图3是本发明优选实施方式提供的一种电子设备结构示意图。

附图标记说明

10-电子设备，100-处理器，101-存储器，102-计算机程序。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

图1是本发明一种实施方式提供的一种反渗透系统的智能诊断方法的流程图。如图1所示，本发明实施方式提供一种反渗透系统的智能诊断方法，包括：

S110：建立反渗透系统对应的反渗透模型；其中，反渗透模型的模型参数包含预设关键参数，预设关键参数基于反渗透系统的历史运行工况数据确定；

在本实施例的一些实施方式中，上述建立反渗透系统对应的反渗透模型，包括：基于反渗透系统的历史运行工况数据，配置各预设关键参数的计算模型和各预设关键参数在预设单位时间内的变化程度判定条件；基于反渗透系统的历史运行工况数据，在反渗透模型中配置反渗透系统的各污堵种类的污堵判定规则和各污堵种类对应的清洗方案。

具体的，建立包含预设关键参数(例如标准化压差、标准化流量和标准化脱盐率)的反渗透过程数学模型(即反渗透模型)。反渗透模型的建立过程如下：首先依据反渗透系统的历史运行工况数据和专家知识，创建并初始化模型参数。配置模型参数中各预设关键参数的计算公式(包括计算参数和因子)和各预设关键参数的程度判定条件，并配置反渗透系统的各污堵种类的污堵判定规则和各污堵种类对应的清洗方案。

其中，反渗透模型可以灵活配置模型参数和计算公式，并基于污堵种类灵活配置污堵判定规则。从而使得反渗透模型可以运用先进的算法对传感器数据进行分析，以输出智能判定和调整指令。

S120：将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定；其中，预置传感器基于预设关键参数进行配置；

其中，预置传感器可以包括压力变送器、流量测量仪、电导率测量仪、温度测量仪、PH测量仪和ORP测量仪等高精度传感器。预置传感器的形状和尺寸适合安装在反渗透系统的关键位置，精准监测流量、压差、电导率等参数。

需要说明的是，该反渗透系统所依赖的智慧水务平台已实现信息化Web应用对工业运行DCS的数据采集，依据反渗透系统构建的反渗透模型所包含的预设关键参数，配置对应的DCS数据采集点位。其中，反渗透模型涉及的模型参数包括：标准化压差(由出水压力减去进水压力得到)、标准化流量(由产水流量计算得到)、标准化脱盐率(由进水电导率和产水电导率计算得到)；辅助参考参数包括：水温、PH值。基于模型参数所依赖的工艺运行DCS采集对应的点位数据，分别对应采集反渗透工艺设施的水压、流量、电导率、温度、PH值数据的传感器测量设备。

具体的，该方法利用安装在与各预设关键参数对应的DCS数据采集点位的高精度传感器实时采集与预设关键参数对应的传感器数据。将采集的传感器数据输入至反渗透模型中，该反渗透模型可以运用机器学习和数据分析算法对反渗透系统的状态进行智能判定。

在本实施例的一些实施方式中，上述将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定，包括：基于预置传感器采集的传感器数据和各预设关键参数的计算模型，计算各预设关键参数对应的参数值；基于各预设关键参数对应的参数值和各预设关键参数在预设单位时间内的变化程度判定条件，确定各预设关键参数的变化程度信息；基于各预设关键参数的变化程度信息和各污堵种类的污堵判定规则，判定反渗透系统的污染状态；其中，反渗透系统的污染状态包括胶体污染状态、金属氧化物污染状态、结垢污染状态、聚合硅污染状态、微生物污染状态和有机物污染状态。

在本实施例的一些实施方式中，各预设关键参数的变化程度信息包括多个变化程度等级，每个变化程度等级对应预设关键参数的参数值在预设单位时间内的变化值区间；各预设关键参数在预设单位时间内的变化程度判定条件包括：进行当前预设关键参数对应的参数值的变化值区间匹配，基于匹配的变化值区间对应的变化程度等级，确定当前预设关键参数的变化程度等级。

示例性的，各预设关键参数的变化程度信息包括快速、显著、逐步、中度和轻微；各预设关键参数的程度判定条件包括：当预设关键参数对应的参数值在预设单位时间内的变化值满足第一预设数值区间，则确定预设关键参数的变化程度信息为快速；当预设关键参数对应的参数值在预设单位时间内的变化值满足第二预设数值区间，则确定预设关键参数的变化程度信息为显著；当预设关键参数对应的参数值在预设单位时间内的变化值满足第三预设数值区间，则确定预设关键参数的变化程度信息为逐步；当预设关键参数对应的参数值在预设单位时间内的变化值满足第四预设数值区间，则确定预设关键参数的变化程度信息为中度；当预设关键参数对应的参数值在预设单位时间内的变化值满足第五预设数值区间，则确定预设关键参数的变化程度信息为轻微。

在本实施例的一些实施方式中，上述预设关键参数包括标准化压差、标准化流量和标准化脱盐率；上述基于各预设关键参数的变化程度信息和各污堵种类的污堵判定规则，判定反渗透系统的污染状态，包括：组合当前反渗透系统的标准化压差、标准化流量和/或标准化脱盐率的变化程度等级，获得对应的组合判定集；基于各污堵种类的污堵判定规则，匹配与组合判定集相同的污堵种类，将匹配得到的污堵种类作为当前反渗透系统的污染状态。

示例性的，当标准化压差在预设单位时间内呈现快速增加趋势且标准化流量和标准化脱盐率在预设单位时间内均呈现快速下降趋势时，确定反渗透系统的状态为金属氧化物污染状态；当标准化压差在预设单位时间内呈现逐步增加趋势、标准化流量在预设单位时间内呈现逐步下降趋势且标准化脱盐率在预设单位时间内呈现轻微下降趋势时，确定反渗透系统的状态为胶体污染状态；当标准化压差在预设单位时间内呈现中度增加趋势、标准化流量在预设单位时间内呈现下降趋势且标准化脱盐率在预设单位时间内呈现显著下降趋势时，确定反渗透系统的状态为结垢污染状态；当标准化流量在预设单位时间内呈现下降趋势且标准化压差和标准化脱盐率无变化时，确定反渗透系统的状态为聚合硅污染状态；当标准化压差在预设单位时间内呈现显著下降趋势、标准化流量在预设单位时间内呈现下降趋势且标准化脱盐率在预设单位时间内无变化时，确定反渗透系统的状态为微生物污染状态；当标准化压差在预设单位时间内无变化、标准化流量在预设单位时间内呈现快速下降趋势且标准化脱盐率在预设单位时间内呈现快速增加趋势时，确定反渗透系统的状态为有机物污染状态。

具体的，当反渗透系统进入运行状态时，通过预置传感器采集与预设关键参数对应的传感器数据输入至反渗透模型中。将各预设关键参数对应的各传感器数据输入至对应的计算公式中，得到各预设关键参数对应的参数值。将各预设关键参数的参数值与对应的第一预设数值区间、第二预设数值区间、第三预设数值区间、第四预设数值区间和第五预设数值区间进行对比，确定各预设关键参数的变化程度信息。结合各预设关键参数的变化程度信息和各污堵种类的污堵判定规则，判定反渗透系统的状态。从而实现了对反渗透系统状态的精确判定。

上述实现过程中，当反渗透系统进入运行状态后，采集反渗透系统的流量、压力、温度、电导率、PH和ORP等数据后，作为标准化压力、标准化段间压差、标准化流量和标准化脱盐率的基本判断依据。当在不同温度时，ORP数值和PH数值作为修正值，以对标准化的数据值进行修正，不作为故障污堵判断依据。当进水压力变送器逐步增加且产水流量逐步下降，其他监控数据正常，判断为胶体污染，同时弹出对应清洗方案，确认后自动配药进行化学清洗，清洗后备用；当进水压力变送器快速增加且产水流量快速下降且脱盐率快速下降，其他监控数据正常，判断为金属氧化物污染，同时弹出对应清洗方案，确认后自动配药进行化学清洗，清洗后备用；当浓水压力变送器逐步增加且产水流量逐步下降且段间压差逐步上升，其他监控数据正常，判断为结垢污染，同时弹出对应清洗方案，确认后自动配药进行化学清洗，清洗后备用；当浓水压力变送器显著增加且产水流量显著下降，其他监控数据正常，判断为聚合硅污染，同时弹出对应清洗方案，确认后自动配药进行化学清洗，清洗后备用；当产水流量显著下降且段间压差显著下降，其他监控数据正常，判断为微生物污染，同时弹出对应清洗方案，确认后自动配药进行化学清洗，清洗后备用；当产水流量快速下降且脱盐率快速上升，其他监控数据正常，判断为有机物污染，同时弹出对应清洗方案，确认后自动配药进行化学清洗，清洗后备用。从而根据分析结果自动执行清洗和维护程序，减少停机时间和维护成本。

在本实施例的一些实施方式中，上述预置传感器的配置规则包括：根据预设关键参数，确定对应的各待采集数据；其中，预设关键参数由对应的各待采集数据计算得到；基于各待采集数据，确定各DCS数据采集点位，并为各DCS数据采集点位配置传感器。

具体的，根据各预设关键参数和各预设关键参数的计算公式，可以确定能计算出各预设关键参数的各待采集数据。设置各待采集数据对应的DCS数据采集点位，并根据各DCS数据采集点位对应的待采集数据的数据类型，配置对应类型的传感器，以通过DCS数据采集点位实时从生产运行DCS中获取对应的待采集数据。

在本实施例的一些实施方式中，上述基于各待采集数据，确定各DCS数据采集点位，包括：基于反渗透系统的实际工艺生产线数据，建立不同生产工段的反渗透模组；基于各待采集数据和各生产工段的反渗透模组，设置各DCS数据采集点位。

具体的，根据实际工艺生产线数据，在反渗透系统中创建不同生产工段的反渗透设施，以反渗透设施的单个模组作为单元，设置反渗透模型的各模型参数的计算公式对应的DCS数据采集点位(便于实时获取计算该模型参数所需的生产运行DCS采集点位数据)，例如：标准化压差由出水压力减去进水压力得到，将反渗透设施前端进水压力数据、反渗透设施末端出水(浓水)压力数据输入反渗透模型的标准化压差的计算公式中。

在本实施例的一些实施方式中，在创建不同生产工段的反渗透设施后，以反渗透模组为单元，在设置各DCS数据采集点位的同时，设置各预设关键参数的程度判定条件以及智能判定自动启用判定的运行时长等关键因子。

具体的，反渗透系统的各污堵种类的污堵判定规则如表1所示：

表1反渗透系统的各污堵种类的污堵判定规则

依据各污堵种类的污堵判定规则，实现对反渗透系统的状态进行智能判定的过程如下：

第一步：在反渗透系统中构建反渗透模型，创建反渗透模型的模型参数(标准化压差、标准化流量和标准化脱盐率)及各模型参数的参数值计算公式；配置对各模型参数的参数值进行程度判定条件(其中，参数值的变化程度包括快速、显著、逐步、中度和轻微)的数值区间。

第二步：基于反渗透系统的各污堵种类的污堵判定规则，配置清洗方案，设置各污堵种类对应的典型位置、综合判定条件(参数判定条件组合)及清洗方案明细。

第三步：基于构建的反渗透模型，按生产工艺生产线的实际情况，在反渗透系统中创建不同生产工段的反渗透设施，以反渗透设施的单个模组为单元，设置反渗透模型的各模型参数的计算公式对应的DCS数据采集点位(便于实时获取计算该模型参数所需的生产运行DCS采集点位数据)、各预设关键参数的程度判定条件以及智能判定自动启用判定的运行时长等关键因子。

第四步：创建自动判定任务执行程序，按定制周期(每小时或每天)自动搜索所有符合自动启用判定条件的反渗透模组，结合反渗透模型的模型参数计算公式和计算公式参数对应采集的DCS生产运行数据，后台执行运算程序，获取各模型参数的计算结果，并将各模型参数的计算结果与各污堵种类的污堵判定规则进行对比分析，以判断反渗透系统的污堵种类，并自动生成任务执行记录，符合任一污堵种类的污堵判定规则范围的，生成对应清洗方案，并标记反渗透模组状态为“污堵”+污堵种类。反之，不在各污堵种类的污堵判定规则范围内的，标记反渗透模组状态为“运行正常”。

在本实施例的一些实施方式中，上述将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定之后，该方法还包括：获取多个判定结果；其中，各判定结果由各次对反渗透系统的状态进行判定后得到；将各判定结果与对应的反渗透系统实际状态进行对比分析，基于分析结果，对反渗透模型的模型参数进行动态调整。

具体的，针对已构建的反渗透模型和不同生产工段的反渗透设施，通过一段时间的运行，综合分析反渗透系统的污堵判定结果与实际情况的差异。依据分析结果，可调整模型参数，如增加、删减参数(例如，当检测到压差异常增大时，系统会自动调整流程以减少污堵)；或者在模型参数不变的情况下，调整参数判定因子(标准值、启用判定运行时长)。从而根据分析结果自动调整模型参数，优化反渗透过程和工艺流程，减少能耗并提高效率。该方法通过动态优化模型参数，可以增强反渗透模型的稳定性和可靠性。

示例性的，根据反渗透系统的当前运行工况进行运行工况的自动调整，根据运行压力自动调节高压泵和给水泵频率，根据流量自动调节阻垢剂自动调节加药泵频率，根据ORP自动调节还原剂加药泵频率，根据PH自动调节盐酸加药泵频率，根据温度自动调节给水流量，根据脱盐率自动调节浓水调节阀，所有调整全部根据仪表指标自动智能调节，根据前端来水量和水池液位，自动计算运行流量，自动调节峰谷值，根据流量、压力、温度、电导率、PH和ORP等数值综合判断污堵情况和自动清洗。

S130：基于判定结果，确定并执行反渗透系统的清洗方案。

具体的，建立包含预设关键参数的反渗透模型。利用预置传感器实时采集与预设关键参数对应的传感器数据。将采集的传感器数据输入至反渗透模型中，该反渗透模型可以运用机器学习和数据分析算法对反渗透系统的状态进行智能判定。该方法通过实时数据监测和反渗透系统状态智能判定，可以快速响应污堵，缩短反应时间，从而提高水处理速度和效率。基于判定结果，可以确定并执行对应的清洗方案。从而进行自动化清洗和维护，减少人力需求，降低运营成本。该方法能够实时监测预设关键参数，并结合机器学习和数据挖掘技术，实现对反渗透系统状态的精确判定，进而实现了使用先进的数据分析方法优化反渗透过程的目的，并提供对应的清洗方案，以实时有效地响应处理过程中出现的各种问题。通过精确监测和智能反馈，保证了反渗透系统的高效运行和维护。提升了反渗透系统的效率和可靠性，降低了维护成本。

上述实现过程中，该方法可以灵活配置模型参数和计算公式，并通过污堵方案灵活配置判定条件组合，反渗透系统后台按运行时长周期自动执行计算、污堵判定。除此之外，反渗透系统可调整条件判定标准值，不断优化参照因子，让构建的反渗透模型得到持续验证。同时，该方法可以不断扩展模型参数范围，让反渗透模型的成熟度越来越高。从而使得该方法的反渗透模型具有算法的先进性。

图2是本发明一种实施方式提供的一种反渗透系统的智能诊断系统的框图。如图2所示，本发明实施方式提供一种反渗透系统的智能诊断系统，包括：

反渗透模型建立模块，用于建立反渗透系统对应的反渗透模型；其中，反渗透模型的模型参数包含预设关键参数，预设关键参数基于反渗透系统的历史运行工况数据确定；

反渗透系统状态判定模块，用于将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定；其中，预置传感器基于预设关键参数进行配置；

清洗方案确定模块，用于基于判定结果，确定并执行反渗透系统的清洗方案。

具体的，建立包含预设关键参数的反渗透模型。利用预置传感器实时采集与预设关键参数对应的传感器数据。将采集的传感器数据输入至反渗透模型中，该反渗透模型可以运用机器学习和数据分析算法对反渗透系统的状态进行智能判定。该系统通过实时数据监测和反渗透系统状态智能判定，可以快速响应污堵，从而提高处理效率。基于判定结果，可以确定并执行对应的清洗方案。从而进行自动化清洗和维护，减少人力需求，降低运营成本。该系统能够实时监测预设关键参数，并结合机器学习和数据挖掘技术，实现对反渗透系统状态的精确判定，进而实现了使用先进的数据分析方法优化反渗透过程的目的，并提供对应的清洗方案，以实时有效地响应处理过程中出现的各种问题。通过精确监测和智能反馈，保证了反渗透系统的高效运行和维护。提升了反渗透系统的效率和可靠性，降低了维护成本。

在本实施例的一些实施方式中，该反渗透系统的智能诊断系统还配置有操作界面。该操作界面可以为显示屏，从而通过操作界面直观的显示反渗透系统状态、分析结果，并提供实时数据视图和手动控制选项，以允许手动干预。操作者可以通过操作界面监控反渗透系统状态，并进行必要的手动调整。从而通过该操作界面可以简化操作过程，减轻操作者的工作负担，降低技能要求。

本发明实施方式还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器100执行时使得处理器100被配置成执行上述的反渗透系统的智能诊断方法。

机器可读存储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，磁带磁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(transitory media)，如调制的数据信号和载波。

本发明实施方式还提供一种电子设备10，电子设备10包括存储器101、处理器100以及存储在存储器101中并可在处理器100上运行的计算机程序102，处理器100执行计算机程序102时实现上述的反渗透系统的智能诊断方法。

如图3所示是本发明一实施例提供的电子设备的示意图。如图3所示，该实施例的电子设备10包括：处理器100、存储器101以及存储在存储器101中并可在处理器100上运行的计算机程序102。处理器100执行计算机程序102时实现上述方法实施例中的步骤。或者，处理器100执行计算机程序102时实现上述装置实施例中各模块/单元的功能。

示例性的，计算机程序102可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器101中，并由处理器100执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序102在电子设备10中的执行过程。例如，计算机程序102可以被分割成反渗透模型建立模块、反渗透系统状态判定模块及清洗方案确定模块。

电子设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。电子设备10可包括，但不仅限于，处理器100、存储器101。本领域技术人员可以理解，图3仅仅是电子设备10的示例，并不构成对电子设备10的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备还可以包括输入输出设备、网络接入设备、总线等。

处理器100可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器101可以是电子设备10的内部存储单元，例如电子设备10的硬盘或内存。存储器101也可以是电子设备10的外部存储设备，例如电子设备10上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器101还可以既包括电子设备10的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及电子设备10所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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102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102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102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102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102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100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100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102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101中，使得存储在该计算机可读存储器101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102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。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (11)

1.一种反渗透系统的智能诊断方法，其特征在于，包括：

建立反渗透系统对应的反渗透模型；其中，所述反渗透模型的模型参数包含预设关键参数，所述预设关键参数基于反渗透系统的历史运行工况数据确定；

将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定；其中，预置传感器基于预设关键参数进行配置；

基于判定结果，确定并执行反渗透系统的清洗方案。

2.根据权利要求1所述的反渗透系统的智能诊断方法，其特征在于，所述建立反渗透系统对应的反渗透模型，包括：

基于反渗透系统的历史运行工况数据，配置各预设关键参数的计算模型和各预设关键参数在预设单位时间内的变化程度判定条件；

基于反渗透系统的历史运行工况数据，在反渗透模型中配置反渗透系统的各污堵种类的污堵判定规则和各污堵种类对应的清洗方案。

3.根据权利要求2所述的反渗透系统的智能诊断方法，其特征在于，所述将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定，包括：

基于预置传感器采集的传感器数据和各预设关键参数的计算模型，计算各预设关键参数对应的参数值；

基于各预设关键参数对应的参数值和各预设关键参数在预设单位时间内的变化程度判定条件，确定各预设关键参数的变化程度信息；

基于各预设关键参数的变化程度信息和各污堵种类的污堵判定规则，判定反渗透系统的污染状态；

其中，所述反渗透系统的污染状态包括胶体污染状态、金属氧化物污染状态、结垢污染状态、聚合硅污染状态、微生物污染状态和有机物污染状态。

4.根据权利要求3所述的反渗透系统的智能诊断方法，其特征在于，各预设关键参数的变化程度信息包括多个变化程度等级，每个变化程度等级对应预设关键参数的参数值在预设单位时间内的变化值区间；

各预设关键参数在预设单位时间内的变化程度判定条件包括：

进行当前预设关键参数对应的参数值的变化值区间匹配，基于匹配的变化值区间对应的变化程度等级，确定当前预设关键参数的变化程度等级。

5.根据权利要求4所述的反渗透系统的智能诊断方法，其特征在于，所述预设关键参数包括标准化压差、标准化流量和标准化脱盐率；

所述基于各预设关键参数的变化程度信息和各污堵种类的污堵判定规则，判定反渗透系统的污染状态，包括：

组合当前反渗透系统的所述标准化压差、所述标准化流量和/或所述标准化脱盐率的变化程度等级，获得对应的组合判定集；

基于各污堵种类的污堵判定规则，匹配与所述组合判定集相同的污堵种类，将匹配得到的污堵种类作为当前反渗透系统的污染状态。

6.根据权利要求1所述的反渗透系统的智能诊断方法，其特征在于，所述预置传感器的配置规则包括：

根据预设关键参数，确定对应的各待采集数据；其中，所述预设关键参数由对应的各待采集数据计算得到；

基于各待采集数据，确定各DCS数据采集点位，并为各DCS数据采集点位配置传感器。

7.根据权利要求6所述的反渗透系统的智能诊断方法，其特征在于，所述基于各待采集数据，确定各DCS数据采集点位，包括：

基于反渗透系统的实际工艺生产线数据，建立不同生产工段的反渗透模组；

基于各待采集数据和各生产工段的反渗透模组，设置各DCS数据采集点位。

8.根据权利要求1所述的反渗透系统的智能诊断方法，其特征在于，所述将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定之后，还包括：

获取多个判定结果；其中，各判定结果由各次对反渗透系统的状态进行判定后得到；

将各判定结果与对应的反渗透系统实际状态进行对比分析，基于分析结果，对反渗透模型的模型参数进行动态调整。

9.一种反渗透系统的智能诊断系统，其特征在于，包括：

反渗透模型建立模块，用于建立反渗透系统对应的反渗透模型；其中，所述反渗透模型的模型参数包含预设关键参数，所述预设关键参数基于反渗透系统的历史运行工况数据确定；

反渗透系统状态判定模块，用于将由预置传感器采集的与预设关键参数对应的传感器数据输入至反渗透模型中，以对反渗透系统的污染状态进行判定；其中，预置传感器基于预设关键参数进行配置；

清洗方案确定模块，用于基于判定结果，确定并执行反渗透系统的清洗方案。

10.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行权利要求1至8中任一项权利要求所述的反渗透系统的智能诊断方法。

11.一种电子设备，所述电子设备包括存储器、处理器以及存储在所述存储器中并可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权利要求1至8中任一项权利要求所述的反渗透系统的智能诊断方法。