TWM607552U - 下水道智能監測暨控制系統 - Google Patents
下水道智能監測暨控制系統 Download PDFInfo
- Publication number
- TWM607552U TWM607552U TW109213181U TW109213181U TWM607552U TW M607552 U TWM607552 U TW M607552U TW 109213181 U TW109213181 U TW 109213181U TW 109213181 U TW109213181 U TW 109213181U TW M607552 U TWM607552 U TW M607552U
- Authority
- TW
- Taiwan
- Prior art keywords
- control
- sewer
- water
- monitoring
- intelligent
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 81
- 239000010865 sewage Substances 0.000 title description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 113
- 230000008859 change Effects 0.000 claims abstract description 89
- 238000013135 deep learning Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000013473 artificial intelligence Methods 0.000 claims description 16
- 239000007787 solid Substances 0.000 claims description 6
- 238000003911 water pollution Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000009419 refurbishment Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000001363 water suppression through gradient tailored excitation Methods 0.000 description 1
Images
Abstract
一種下水道智能監測暨控制系統,係包含有一個或一個以上的下水道監測暨控制設備及一雲端伺服設備,其中該下水道監測暨控制設備與該雨量監測暨控制設備分別用以監測暨控制並產生出一水狀態變化資料,之後上傳至該雲端伺服設備,以透過該雲端伺服設備將所接收之該水狀態變化資料進行深度學習運算,用以進行預測該排水管網內之下水道的未來可能狀態變化,並能夠提供預警通報,以積極的措施提早應變,防治災害發生,且進一步更能夠藉由模糊理論來達到閘門、抽水機與下水道最優智能控制之目的。
Description
本創作是有關一種下水道智能監測暨控制系統,是一種能夠用於下水道的水狀態變化監測暨控制並能夠進行深度學習預測之下水道智能監測暨控制系統。
一般下水道依功能的不同可分為雨水下水道與污水下水道兩種,其中雨水下水道之管線用以收集住家頂樓、陽台、雨遮等雨水後排入道路側溝,而污水下水道之管線則是收集民眾產生的生活污水,包含馬桶糞水、淋浴等生活雜排水後排入化糞池(接管前)或公共污水下水道系統(接管後)。
而最理想的污水下水道是能夠依據各種污水不同的性質,建立各種不同的管道。這樣不僅可以使污水處理發揮最大的功能,還能夠使水資源回收利用的工作更容易執行。
然而由於經常會發生雨、污水混接的情況,常發生的情況有以下幾種:
(1)第一種是因住家內部管線老舊阻塞、頂樓加蓋室內增設廁所或室內重新裝修,將污水管線就近接入雨水排水系統直接排入水溝,故造成生活污水混接入雨水系統,排入雨水側溝造成環境惡臭。
(2)第二種是住戶頂樓、陽台或雨遮雨水混接入污水下水道,當豪大雨時,
造成污水下水道系統流入大量雨水負荷過大,污水管線瞬間充滿雨水,恐造成民眾住家污水排放不及或回灌、道路人孔氣衝等問題。
(3)第三種則是位於住宅地區卻又會產生嚴重水污染的事業單位(如洗衣業、修車業及照相業者),他們的廢水仍被合併於家庭廢水中,經由同一污水下水道。
(4)第四種則是惡意偷排,一些會產生重物染的工業,利用污水下水道偷排未妥善處理之廢水,這樣不僅會增加污水處理場處理上的困難,同時也不易完全處理造成污染。
除了以上幾種狀態,下水道的可能發生狀態是非常多的,若能夠即時監控並搭配深度學習的運算,則能夠於任何異常狀態發生前,達到有效預測、警示與控制的目的,如此將能夠提前做出預防與應變,以避免可能的災害發生,因此,本案應為一最佳解決方案。
本創作下水道智能監測暨控制系統,係包含:一個或一個以上的下水道監測暨控制設備,係包含有一或多個水狀態變化感測器及一第一傳輸控制紀錄裝置,而該水狀態變化感測器用以監測暨控制一排水管網內之下水道的水狀態變化,並能夠產生一水狀態變化資料,而該水狀態變化資料數據能夠透過該第一傳輸控制紀錄裝置上傳出去,且該第一傳輸控制紀錄裝置更能夠發送一控制指令,以進行控制操作;一雲端伺服設備,係能夠與該下水道監測暨控制設備及該雨量監測暨控制設備進行連線並接收該水狀態變化資料,而該雲端伺服設備係至少包含有至少一個人工智能處理器及至少一個電腦可讀取記錄媒
體,該等電腦可讀取記錄媒體儲存有至少一個應用程式,其中該電腦可讀取記錄媒體更進一步儲存有電腦可讀取指令,當由該等人工智能處理器執行該等電腦可讀取指令時,能夠使該應用程式將所接收之該水狀態變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化。
更具體的說,所述水狀態變化資料係能夠為雨量、管道流量、流速、水位、水質、氣壓或是井蓋狀態之狀態變化資料。
更具體的說,所述水質所測試的內容係能夠為酸鹼度、導電度、溶氧量、懸浮固體物、COD、TOC、濁度或/及水中油。
更具體的說,所述下水道的可能狀態變化係能夠為下水道水位變化、下水道人孔蓋溢流、下水道水質污染、下水道阻塞、下水道滲漏或是下水道偷排。
更具體的說,所述雲端伺服設備更能夠與一個或一個以上的雨量監測暨控制設備進行連線,該雨量監測暨控制設備係包含有一或多個雨量感測器及一第二傳輸控制紀錄裝置,而該雨量感測器用以監測暨控制雨量變化,並能夠產生一雨量變化資料,而該雨量變化資料能夠透過該第二傳輸控制紀錄裝置上傳至該雲端伺服設備,以使該雲端伺服設備能夠將所接收之該水狀態變化資料及該雨量變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化,且該第二傳輸控制紀錄裝置更能夠發送一控制指令,以進行控制操作。
更具體的說,所述雲端伺服設備更能夠與一水情伺服設備或/及一氣候伺服設備進行連線,用以能夠接收一水情報資料與一氣候情報資料,用以能夠與該水狀態變化資料進行比對,以提高所預測下水道的可能狀態變化之精
準度。
更具體的說,所述應用程式係至少包含有一模型學習單元及一預測單元,其中該模型學習單元用以透過該水狀態變化資料進行深度學習運算以訓練出一學習模型,而該預測單元能夠透過該學習模型進行預測該排水管網內之下水道的可能狀態變化。
更具體的說,所述應用程式更包含有一智能預警單元,其中該智能預警單元用以能夠設定一警示標準,並依據該預測單元所預測該排水管網內之下水道的可能狀態變化來提出警示訊息。
更具體的說,所述應用程式更包含有一智能控制單元,其中該智能控制單元能夠依據該預測單元所預測該排水管網內之下水道的可能狀態變化來發出一個或一個以上的控制指令。
一種下水道智能監測暨控制系統,係包含:一個或一個以上的下水道監測暨控制設備,係包含有:一或多個水狀態變化感測器,用以監測暨控制一排水管網內之下水道的水狀態變化,並能夠產生一水狀態變化資料;一第一傳輸控制紀錄裝置,用以能夠進行數據傳輸,並能夠發送一控制指令,以進行控制操作;一智能運算裝置,係與該水狀態變化感測器及該第一傳輸控制紀錄裝置電性連接,用以接收該水狀態變化資料,而該智能運算裝置係至少包含有至少一個人工智能處理器及至少一個電腦可讀取記錄媒體,該電腦可讀取記錄媒體儲存有至少一個應用程式,其中該電腦可讀取記錄媒體更進一步儲存有電腦可讀取指令,當由該等人工智能處理器執行該等電腦可讀取指令時,能夠使該應用程式將所接收之該水狀態變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化。
更具體的說,所述水狀態變化資料係能夠為雨量、管道流量、流速、水位、水質、氣壓或是井蓋狀態之狀態變化資料。
更具體的說,所述水質所測試的內容係能夠為酸鹼度、導電度、溶氧量、懸浮固體物、COD、TOC、濁度或/及水中油。
更具體的說,所述下水道的可能狀態變化係能夠為下水道水位變化、下水道人孔蓋溢流、下水道水質污染、下水道阻塞、下水道滲漏或是下水道偷排。
更具體的說,所述下水道監測暨控制設備更能夠與一個或一個以上的雨量監測暨控制設備進行連線,該雨量監測暨控制設備係包含有一或多個雨量感測器及一第二傳輸控制紀錄裝置,而該雨量感測器用以監測暨控制雨量變化,並能夠產生一雨量變化資料,而該雨量變化資料能夠透過該第二傳輸控制紀錄裝置上傳至該下水道監測暨控制設備,以使該下水道監測暨控制設備能夠將所接收之該水狀態變化資料及該雨量變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化,且該第二傳輸控制紀錄裝置更能夠發送一控制指令,以進行控制操作。
更具體的說,所述水狀態變化感測器更能夠與一個或一個以上的水情伺服設備或/及一個或一個以上的氣候伺服設備進行連線,用以能夠接收一水情報資料與一氣候情報資料,用以能夠與該水狀態變化資料進行比對,以提高所預測下水道的可能狀態變化之精準度。
更具體的說,所述智能運算裝置之應用程式係至少包含有一模型學習單元、一預測單元,其中該模型學習單元用以透過該水狀態變化資料進行深度學習運算以訓練出一學習模型,而該預測單元能夠透過該學習模型進行預
測該排水管網內之下水道的可能狀態變化。
更具體的說,所述智能運算裝置之應用程式更包含有一智能預警單元,其中該智能預警單元用以能夠設定一警示標準,並依據該預測單元所預測該排水管網內之下水道的可能狀態變化來提出警示訊息。
更具體的說,所述智能運算裝置之應用程式更包含有一智能控制單元,其中該智能控制單元能夠依據該預測單元所預測該排水管網內之下水道的可能狀態變化來發出一個或一個以上的控制指令。
A:下水道智能監測暨控制系統
1:下水道監測暨控制設備
11:水狀態變化感測器
12:第一傳輸控制紀錄裝置
13:智能運算裝置
131:人工智能處理器
132:電腦可讀取記錄媒體
1321:應用程式
13211:模型學習單元
13212:預測單元
13213:智能預警單元
13214:智能控制單元
2:雨量監測暨控制設備
21:雨量感測器
22:第二傳輸控制紀錄裝置
3:雲端伺服設備
31:人工智能處理器
32:電腦可讀取記錄媒體
321:應用程式
3211:模型學習單元
3212:預測單元
3213:智能預警單元
3214:智能控制單元
4:水情伺服設備
5:氣候伺服設備
[第1A圖]係本創作下水道智能監測暨控制系統之第一實施之架構示意圖。
[第1B圖]係本創作下水道智能監測暨控制系統之第一實施之整體架構示意圖。
[第2圖]係本創作下水道智能監測暨控制系統之下水道監測暨控制設備之架構示意圖。
[第3圖]係本創作下水道智能監測暨控制系統之雨量監測暨控制設備之架構示意圖。
[第4A圖]係本創作下水道智能監測暨控制系統之雲端伺服設備之架構示意圖。
[第4B圖]係本創作下水道智能監測暨控制系統之應用程式之架構示意圖。
[第5A圖]係本創作下水道智能監測暨控制系統之第二實施之架構示意圖。
[第5B圖]係本創作下水道智能監測暨控制系統之第二實施之整體架構示意
圖。
[第6A圖]係本創作下水道智能監測暨控制系統之第二實施架構之下水道監測暨控制設備之架構示意圖。
[第6B圖]係本創作下水道智能監測暨控制系統之第二實施架構之智能運算裝置之架構示意圖。
[第6C圖]係本創作下水道智能監測暨控制系統之第二實施架構之應用程式之架構示意圖。
有關於本創作其他技術內容、特點與功效,在以下配合參考圖式之較佳實施例的詳細說明中,將可清楚的呈現。
請參閱1A及1B圖,為本創作下水道智能監測暨控制系統之第一實施之架構示意圖及整體架構示意圖,由圖中可知,該下水道智能監測暨控制系統A係具有一個或一個以上的下水道監測暨控制設備1及一雲端伺服設備3,而該雲端伺服設備3更能夠與一個或一個以上的雨量監測暨控制設備2、一水情伺服設備4及一氣候伺服設備5相連接,如第2圖所示,其中該下水道監測暨控制設備1係包含有:
(1)一或多個水狀態變化感測器11,用以監測暨控制一排水管網內之下水道的水狀態變化,並能夠產生一水狀態變化資料(該水狀態變化資料係能夠為雨量、管道流量、流速、水位、水質(水質所測試的內容係能夠為酸鹼度、導電度、溶氧量、懸浮固體物、COD、TOC、濁度或/及水中油)、氣壓或是井蓋狀態之狀態變化資料),而該水狀態變化感測器係能夠為雨量計、流量計、流速計、水位計、水質分析儀、懸
浮固體濃度分析儀、等裝置;
(2)一第一傳輸控制紀錄裝置12,該水狀態變化資料數據能夠透過該第一傳輸控制紀錄裝置上傳出去,另外該第一傳輸控制紀錄裝置更能夠發送一控制指令,以進行控制操作與該下水道監測暨控制設備1連線之設備(例如閘門或是抽水機)。
而該雨量監測暨控制設備2,如第3圖所示,係至少包含有一或多個雨量感測器21及一第二傳輸控制紀錄裝置22,而該雨量感測器21用以監測暨控制雨量變化,並能夠產生一雨量變化資料,其中該雨量變化資料能夠透過該第二傳輸控制紀錄裝置22上傳出去。
而該雲端伺服設備3,如第4A及4B圖所示,係能夠與該下水道監測暨控制設備1及該雨量監測暨控制設備2進行連線並接收該水狀態變化資料及該雨量變化資料,而該雲端伺服設備3係至少包含有至少一個人工智能處理器31及至少一個電腦可讀取記錄媒體32,該等電腦可讀取記錄媒體32儲存有至少一個應用程式321,其中該電腦可讀取記錄媒體32更進一步儲存有電腦可讀取指令,當由該等人工智能處理器31執行該等電腦可讀取指令時,能夠使該應用程式321將所接收之該水狀態變化資料及該雨量變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化;
而該下水道的可能狀態變化係能夠為下水道水位變化、下水道人孔蓋溢流、下水道水質污染、下水道阻塞、下水道漏水、下水道滲漏、下水道雨汙混接、下水道淹水或是下水道偷排;
而該雲端伺服設備3更能夠與一水情伺服設備4或/及一氣候伺服設備5進行連線,該水情伺服設備4及氣候伺服設備5皆為開放資料平台,主要用
以透過這些開放資料平台接收一水情報資料與一氣候情報資料,用以能夠與該水狀態變化資料及該雨量變化資料進行比對,以提高所預測下水道的可能狀態變化之精準度。
該雲端伺服設備3之運作,能夠先將接收的數據資料透過資料庫進行儲存之後,再透過內建的應用程式進行機械學習、資料分析、智能運警與智能控制的運算,而運算之後的結果(模型、分析及預測結果)能夠再回存至該雲端伺服設備3內的資料庫,並能夠提供給進行情境模擬與專家決策的情境使用。另外該運算之後的結果亦能夠顯示於網頁介面上,以提供後台人員之操作與控制。
該電腦可讀取記錄媒體32之應用程式321係至少包含:(1)一模型學習單元3211,用以透過該水狀態變化資料及該雨量變化資料進行深度學習運算以訓練出一學習模型,其中深度學習運算所使用的工具為統計迴歸分析(Regression)、倒傳遞類神經網路(BPNN)、深度學習、模糊運輯(Fuzzy Logic)等人工智能及機器學習(Machine Learning)演算法;(2)一預測單元3212,能夠透過該學習模型進行預測該排水管網內之下水道的可能狀態變化;(3)一智能預警單元3213,用以能夠設定一警示標準,並依據該預測單元所預測該排水管網內之下水道的可能狀態變化來提出警示訊息;(4)一智能控制單元3214,能夠依據該預測單元3212所預測該排水管網內之下水道的可能狀態變化來發出一個或一個以上的控制指令。
以短延時強降雨的雨型為例,本案預測單元則能夠提出警示以方
便能夠提高防災預警應變能力,其中能夠進行設置與可達成之效果舉例如下:
(1)主動清淤:平時可以偵測排水管渠的阻塞,主動提前清於,防止暴雨造成淹水。
(2)預先調度:依預測雨量、即時監測雨量,排水渠道負載量及淹水事件,推估預測淹水區域,以能夠預先派遣移動抽水機到定點備用。
(3)緊急應變:對於超過下水道負載容量的暴雨,可以即時控制下游閘門,分區段將上游排水管渠的水量儲存,以增加蓄洪容量,不讓水往下游易積水處流動,如此將可以大幅減少淹水及管渠溢流。
而本案的模型學習單元3211是以統計迴歸分析(Regression)、倒傳遞類神經網路(BPNN)、深度學習、模糊運輯(Fuzzy Logic)等人工智能及機器學習(Machine Learning)演算法的工具來訓練出學習模型(但本案保護範圍並不侷限於本案所提及的這些軟體工具),關於這一部份,以使用半小時的降雨量預測水位來舉例說明,學習習資料格式如下:(1)先確認目前雨量、10分前雨量、20分前雨量、30分前雨量與目前水位之資料,再以上述資料進行學習,以使機器學習模型最終能提供一回歸函式;(2)之後,則能夠再以預報10分後雨量、目前雨量、10分前雨量、20分前雨量,來分析取得10分的水位;(3)然而預測需要校準,故能夠從開放資料平台中取得「雨量」與「下水道水位」資料做為學習資料,以進行學習與驗証,並再透過平均絕對百分比誤差(MAPE,Mean absolute percentage error)這一類的運算法來評估數值的準確性。
而本案預測單元3212能夠對未來狀況進行預測、警示與控制,本案透過以下幾種狀況來說明本案的預設機制,說明如下:
(1)預測未來24小時下水道水位。
(2)預警未來24小時下水道人孔溢流,選擇某地區上、中、下游3個站點,每1小時滾動式更新預測,扣除預測雨量與實際雨量誤差後,水位實測資料與未來10分鐘預測推估資料。
(3)偵測下水道阻塞,當流量或流速有明顯差異時,則能預判管渠有阻塞,系統可進一步偵測阻塞,並發出警報。
(4)偵測下水道流量異常(如滲漏、偷排等),當水導入排水管渠時,系統可偵測非降雨的水位流量變化,若有異常則發出警報。
而本案能夠達到智能優化控制之目的,以下水道閘門與抽水機為例,能夠依據下游河川暴漲的水位跟上游的雨量來進行監測暨控制,並透過本案的深度學習機制,來進行學習並預測,之後則能夠進行智能調節並控制下水道閘門的高低及抽水機的馬達轉速,以藉由模糊理論來達到最優控制之目的。
另外,該下水道智能監測暨控制系統A更具有另一個實施架構,如第5A、5B、6A、6B及6C圖所示,該下水道監測暨控制設備1係具有水狀態變化感測器11、第一傳輸控制紀錄裝置12及智能運算裝置13,與前述實施例不同之處在於該下水道監測暨控制設備1內設置有該智能運算裝置13,而該智能運算裝置13內係具有人工智能處理器131及電腦可讀取記錄媒體132,其中該電腦可讀取記錄媒體132內係具有應用程式1321,該應用程式1321內則會具有模型學習單元13211、預測單元13212、智能預警單元13213及智能控制單元13214,而上述應用程式1321之功能與該應用程式321相同,故不重複贅述。
本創作所提供之下水道智能監測暨控制系統,與其他習用技術相互比較時,其優點如下:
1.本創作能夠以多維度學習的方式,除了透過自行設置之雨量計、流量計、流速計、水位計、水質分析儀等裝置收集資料之外,更搭配開放資料平台收集水情等資料,並再將所有資料即時上傳至該雲端伺服設備,以配合排水管渠地理資訊,使用人工智能、深度學習等演算法,來進行滾動式更新預測排水管渠流量、水位,並提供排水管渠阻塞、滲漏及溢流預警雲端管理服務。
2.本創作提供人性化解決方案,可隨時隨地操作、全面監控,即時掌握完整排水管網全面決策資訊,並能測未來狀況,提供預警通報,以積極的措施提早應變,用以有效防治災害發生。
本創作已透過上述之實施例揭露如上,然其並非用以限定本創作,任何熟悉此一技術領域具有通常知識者,在瞭解本創作前述的技術特徵及實施例,並在不脫離本創作之精神和範圍內,當可作些許之更動與潤飾,因此本創作之專利保護範圍須視本說明書所附之請求項所界定者為準。
A:下水道智能監測暨控制系統
1:下水道監測暨控制設備
3:雲端伺服設備
Claims (18)
- 一種下水道智能監測暨控制系統,係包含:一個或一個以上的下水道監測暨控制設備,係包含有一或多個水狀態變化感測器及一第一傳輸控制紀錄裝置,而該水狀態變化感測器用以監測暨控制一排水管網內之下水道的水狀態變化,並能夠產生一水狀態變化資料,而該水狀態變化資料數據能夠透過該第一傳輸控制紀錄裝置上傳出去,且該第一傳輸控制紀錄裝置更能夠發送一控制指令,以進行控制操作;一雲端伺服設備,係能夠與該下水道監測暨控制設備進行連線並接收該水狀態變化資料,而該雲端伺服設備係至少包含有至少一個人工智能處理器及至少一個電腦可讀取記錄媒體,該等電腦可讀取記錄媒體儲存有至少一個應用程式,其中該電腦可讀取記錄媒體更進一步儲存有電腦可讀取指令,當由該等人工智能處理器執行該等電腦可讀取指令時,能夠使該應用程式將所接收之該水狀態變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化。
- 如請求項1所述之下水道智能監測暨控制系統,其中該水狀態變化資料係能夠為雨量、管道流量、流速、水位、水質、氣壓或是井蓋狀態之狀態變化資料。
- 如請求項2所述之下水道智能監測暨控制系統,其中該水質所測試的內容係能夠為酸鹼度、導電度、溶氧量、懸浮固體物、COD、TOC、濁度或/及水中油。
- 如請求項1所述之下水道智能監測暨控制系統,其中該下水道的可能狀態變化係能夠為下水道水位變化、下水道人孔蓋溢流、下水道水質污染、 下水道阻塞、下水道滲漏或是下水道偷排。
- 如請求項1所述之下水道智能監測暨控制系統,其中該雲端伺服設備更能夠與一個或一個以上的雨量監測暨控制設備進行連線,該雨量監測暨控制設備係包含有一或多個雨量感測器及一第二傳輸控制紀錄裝置,而該雨量感測器用以監測暨控制雨量變化,並能夠產生一雨量變化資料,而該雨量變化資料能夠透過該第二傳輸控制紀錄裝置上傳至該雲端伺服設備,以使該雲端伺服設備能夠將所接收之該水狀態變化資料及該雨量變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化,且該第二傳輸控制紀錄裝置更能夠發送一控制指令,以進行控制操作。
- 如請求項1所述之下水道智能監測暨控制系統,其中該雲端伺服設備更能夠與一個或一個以上的水情伺服設備或/及一個或一個以上的氣候伺服設備進行連線,用以能夠接收一水情報資料與一氣候情報資料,用以能夠與該水狀態變化資料進行比對,以提高所預測下水道的可能狀態變化之精準度。
- 如請求項1所述之下水道智能監測暨控制系統,其中該應用程式係至少包含有一模型學習單元、一預測單元,其中該模型學習單元用以透過該水狀態變化資料進行深度學習運算以訓練出一學習模型,而該預測單元能夠透過該學習模型進行預測該排水管網內之下水道的可能狀態變化。
- 如請求項7所述之下水道智能監測暨控制系統,其中該應用程式更包含有一智能預警單元,其中該智能預警單元用以能夠設定一警示標準,並依據該預測單元所預測該排水管網內之下水道的可能狀態變化來提出警示訊息。
- 如請求項7所述之下水道智能監測暨控制系統,其中該應用程式 更包含有一智能控制單元,其中該智能控制單元能夠依據該預測單元所預測該排水管網內之下水道的可能狀態變化來發出一個或一個以上的控制指令。
- 一種下水道智能監測暨控制系統,係包含:一個或一個以上的下水道監測暨控制設備,係包含有:一或多個水狀態變化感測器,用以監測暨控制一排水管網內之下水道的水狀態變化,並能夠產生一水狀態變化資料;一第一傳輸控制紀錄裝置,用以能夠進行數據傳輸,並能夠發送一控制指令,以進行控制操作;一智能運算裝置,係與該水狀態變化感測器及該第一傳輸控制紀錄裝置電性連接,用以接收該水狀態變化資料,而該智能運算裝置係至少包含有至少一個人工智能處理器及至少一個電腦可讀取記錄媒體,該電腦可讀取記錄媒體儲存有至少一個應用程式,其中該電腦可讀取記錄媒體更進一步儲存有電腦可讀取指令,當由該等人工智能處理器執行該等電腦可讀取指令時,能夠使該應用程式將所接收之該水狀態變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化。
- 如請求項10所述之下水道智能監測暨控制系統,其中該水狀態變化資料係能夠為雨量、管道流量、流速、水位、水質、氣壓或是井蓋狀態之狀態變化資料。
- 如請求項11所述之下水道智能監測暨控制系統,其中該水質所測試的內容係能夠為酸鹼度、導電度、溶氧量、懸浮固體物、COD、TOC、濁度或/及水中油。
- 如請求項10所述之下水道智能監測暨控制系統,其中該下水道 的可能狀態變化係能夠為下水道水位變化、下水道人孔蓋溢流、下水道水質污染、下水道阻塞、下水道滲漏或是下水道偷排。
- 如請求項10所述之下水道智能監測暨控制系統,其中該下水道監測暨控制設備更能夠與一個或一個以上的雨量監測暨控制設備進行連線,該雨量監測暨控制設備係包含有一或多個雨量感測器及一第二傳輸控制紀錄裝置,而該雨量感測器用以監測暨控制雨量變化,並能夠產生一雨量變化資料,而該雨量變化資料能夠透過該第二傳輸控制紀錄裝置上傳至該下水道監測暨控制設備,以使該下水道監測暨控制設備能夠將所接收之該水狀態變化資料及該雨量變化資料進行深度學習運算,用以進行預測、警示與控制該排水管網內之下水道的可能狀態變化,且該第二傳輸控制紀錄裝置更能夠發送一控制指令,以進行控制操作。
- 如請求項10所述之下水道智能監測暨控制系統,其中該水狀態變化感測器更能夠與一個或一個以上的水情伺服設備或/及一個或一個以上的氣候伺服設備進行連線,用以能夠接收一水情報資料與一氣候情報資料,用以能夠與該水狀態變化資料進行比對,以提高所預測下水道的可能狀態變化之精準度。
- 如請求項10所述之下水道智能監測暨控制系統,其中該智能運算裝置之應用程式係至少包含有一模型學習單元、一預測單元,其中該模型學習單元用以透過該水狀態變化資料進行深度學習運算以訓練出一學習模型,而該預測單元能夠透過該學習模型進行預測該排水管網內之下水道的可能狀態變化。
- 如請求項16所述之下水道智能監測暨控制系統,其中該智能運 算裝置之應用程式更包含有一智能預警單元,其中該智能預警單元用以能夠設定一警示標準,並依據該預測單元所預測該排水管網內之下水道的可能狀態變化來提出警示訊息。
- 如請求項16所述之下水道智能監測暨控制系統,其中該智能運算裝置之應用程式更包含有一智能控制單元,其中該智能控制單元能夠依據該預測單元所預測該排水管網內之下水道的可能狀態變化來發出一個或一個以上的控制指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109213181U TWM607552U (zh) | 2020-10-07 | 2020-10-07 | 下水道智能監測暨控制系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109213181U TWM607552U (zh) | 2020-10-07 | 2020-10-07 | 下水道智能監測暨控制系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM607552U true TWM607552U (zh) | 2021-02-11 |
Family
ID=75782869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109213181U TWM607552U (zh) | 2020-10-07 | 2020-10-07 | 下水道智能監測暨控制系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM607552U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI770859B (zh) * | 2021-03-05 | 2022-07-11 | 開創水資源股份有限公司 | 下水道管渠入流入滲流量自動監測系統 |
EP4198885A1 (en) | 2021-12-20 | 2023-06-21 | Hades Technologies AG | Sewer reporting and viewing |
-
2020
- 2020-10-07 TW TW109213181U patent/TWM607552U/zh not_active IP Right Cessation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI770859B (zh) * | 2021-03-05 | 2022-07-11 | 開創水資源股份有限公司 | 下水道管渠入流入滲流量自動監測系統 |
EP4198885A1 (en) | 2021-12-20 | 2023-06-21 | Hades Technologies AG | Sewer reporting and viewing |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Siddula et al. | Water level monitoring and management of dams using IoT | |
CN109577449B (zh) | 一种基于大数据的城市排水网络监控控制系统 | |
KR102101625B1 (ko) | 스마트 워터 시티 구축을 위한 ict 통합 모니터링 물 관리 시스템, 그리고 이를 위한 통합관제서버 | |
KR101146207B1 (ko) | 상하수도시설 컴팩트 통합 관리 시스템 및 방법 | |
WO2021259009A1 (zh) | 深层污水排水隧道的调度运行方法、装置和计算机设备 | |
CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
CN108320462A (zh) | 城市防汛预警预报系统 | |
KR101381192B1 (ko) | 실시간 제어 기반의 지능형 우수관리 시스템 및 방법 | |
TWM607552U (zh) | 下水道智能監測暨控制系統 | |
CN107516167A (zh) | 城市排水一体化运行智能调度管理系统 | |
CN113902172A (zh) | 一种污水处理方法、系统、装置及介质 | |
CN207924874U (zh) | 城市防汛预警预报装置 | |
KR20050078189A (ko) | 하수관거 모니터링 및 자료해석 방법 | |
Geerse et al. | Assessing the performance of urban drainage systems:general approach'applied to the city of Rotterdam | |
CN110990659A (zh) | 一种基于三维实景的城市内涝管理方法 | |
Sumer et al. | Real-time detection of sanitary sewer overflows using neural networks and time series analysis | |
Wang et al. | Smart sewage water management and data forecast | |
Ouattara et al. | A Review of sewerage and drainage systems typologies with case study in Abidjan, Côte d'Ivoire: failures, policy and management techniques perspectives | |
Kaur et al. | Reducing the risk of basement flooding through building-and lot-scale flood mitigation approaches: performance of foundation drainage systems | |
CN207812620U (zh) | 一种污水排放监控设备 | |
Miao et al. | Diagnose urban drainage network problem based on internet of things and big data | |
Cheng et al. | AI application on LID stormwater management and urban planning in Guam, USA, and Southern China, PRC | |
EP3788208A1 (en) | Autonomous in-sewer flow control system | |
CN115876409B (zh) | 一种污水管道渗漏监控与分析系统及方法 | |
Guo | Improving the operation and maintenance of CSO structures. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4K | Annulment or lapse of a utility model due to non-payment of fees |