TWM653283U - Ai智能型水處理系統 - Google Patents
Ai智能型水處理系統 Download PDFInfo
- Publication number
- TWM653283U TWM653283U TW112214105U TW112214105U TWM653283U TW M653283 U TWM653283 U TW M653283U TW 112214105 U TW112214105 U TW 112214105U TW 112214105 U TW112214105 U TW 112214105U TW M653283 U TWM653283 U TW M653283U
- Authority
- TW
- Taiwan
- Prior art keywords
- water
- biological treatment
- tank
- unit
- biological
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 252
- 238000012549 training Methods 0.000 claims abstract description 45
- 244000005700 microbiome Species 0.000 claims abstract description 42
- 230000000813 microbial effect Effects 0.000 claims abstract description 33
- 238000003860 storage Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 239000012528 membrane Substances 0.000 claims description 54
- 239000000919 ceramic Substances 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 28
- 239000007788 liquid Substances 0.000 claims description 25
- 239000010865 sewage Substances 0.000 claims description 16
- 238000002156 mixing Methods 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 238000005345 coagulation Methods 0.000 claims description 8
- 230000015271 coagulation Effects 0.000 claims description 8
- 239000008399 tap water Substances 0.000 claims description 8
- 235000020679 tap water Nutrition 0.000 claims description 8
- 239000004576 sand Substances 0.000 claims description 6
- 238000011109 contamination Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000005086 pumping Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000004065 wastewater treatment Methods 0.000 claims description 5
- 230000004308 accommodation Effects 0.000 claims description 4
- 239000000969 carrier Substances 0.000 claims description 4
- 239000003673 groundwater Substances 0.000 claims description 4
- 239000008235 industrial water Substances 0.000 claims description 4
- 238000010992 reflux Methods 0.000 claims description 4
- 239000004575 stone Substances 0.000 claims description 2
- 230000006872 improvement Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 18
- 238000001914 filtration Methods 0.000 description 12
- 239000007787 solid Substances 0.000 description 10
- 239000007789 gas Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000010802 sludge Substances 0.000 description 8
- 238000001728 nano-filtration Methods 0.000 description 7
- 239000002351 wastewater Substances 0.000 description 7
- 239000004927 clay Substances 0.000 description 6
- 238000007789 sealing Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 5
- 229910052748 manganese Inorganic materials 0.000 description 5
- 239000011572 manganese Substances 0.000 description 5
- 238000002203 pretreatment Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 239000004698 Polyethylene Substances 0.000 description 4
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 229920002492 poly(sulfone) Polymers 0.000 description 4
- -1 polyethylene Polymers 0.000 description 4
- 229920002981 polyvinylidene fluoride Polymers 0.000 description 4
- 238000003911 water pollution Methods 0.000 description 4
- 238000005273 aeration Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 230000008602 contraction Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 229920002239 polyacrylonitrile Polymers 0.000 description 3
- 229920000573 polyethylene Polymers 0.000 description 3
- CSNNHWWHGAXBCP-UHFFFAOYSA-L Magnesium sulfate Chemical compound [Mg+2].[O-][S+2]([O-])([O-])[O-] CSNNHWWHGAXBCP-UHFFFAOYSA-L 0.000 description 2
- 239000004952 Polyamide Substances 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 2
- 150000001450 anions Chemical class 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 229920002301 cellulose acetate Polymers 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 239000012510 hollow fiber Substances 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- NUJOXMJBOLGQSY-UHFFFAOYSA-N manganese dioxide Chemical compound O=[Mn]=O NUJOXMJBOLGQSY-UHFFFAOYSA-N 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 229920002647 polyamide Polymers 0.000 description 2
- 229920001155 polypropylene Polymers 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 239000011780 sodium chloride Substances 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 238000000108 ultra-filtration Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 241000223782 Ciliophora Species 0.000 description 1
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical group [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 description 1
- 239000002033 PVDF binder Substances 0.000 description 1
- 241000223785 Paramecium Species 0.000 description 1
- 229920005830 Polyurethane Foam Polymers 0.000 description 1
- 241000700141 Rotifera Species 0.000 description 1
- 241000158688 Schizophora Species 0.000 description 1
- 239000005708 Sodium hypochlorite Substances 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-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
- 238000003916 acid precipitation Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 239000003899 bactericide agent Substances 0.000 description 1
- 231100000357 carcinogen Toxicity 0.000 description 1
- 239000003183 carcinogenic agent Substances 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 229910052943 magnesium sulfate Inorganic materials 0.000 description 1
- 235000019341 magnesium sulphate Nutrition 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007102 metabolic function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- VGQXTTSVLMQFHM-UHFFFAOYSA-N peroxyacetyl nitrate Chemical compound CC(=O)OO[N+]([O-])=O VGQXTTSVLMQFHM-UHFFFAOYSA-N 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000002861 polymer material Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009287 sand filtration Methods 0.000 description 1
- 239000002455 scale inhibitor Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000004894 snout Anatomy 0.000 description 1
- SUKJFIGYRHOWBL-UHFFFAOYSA-N sodium hypochlorite Chemical compound [Na+].Cl[O-] SUKJFIGYRHOWBL-UHFFFAOYSA-N 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Abstract
本創作提供一種AI智能型水處理系統,包括:一原水儲槽、一生物處理單元、一AI智能監控單元及一清水槽,AI智能監控單元包括:一取樣模組、一辨識模組及一判別模組,辨識模組根據訓練樣本的辨識結果產生一水質辨識模型;判別模組透過水質辨識模型以得到一微生物資訊,並根據微生物資訊得到訓練樣本的一污染結果;清水槽用以存放經過生物槽處理淨化後的清水。藉此,本創作AI智能型水處理系統在於檢測原水中的特定微生物與族群量體,並建立待處理原水的水質辨識模組,以確保水質之改善。
Description
本創作為一種AI智能型水處理系統,特別是指一種結合接觸材生物處理技術、薄膜生物反應器及奈米過濾膜而產生可自動識別水質污染程度之AI智能型水處理系統。
由於人類對環境過度開發的結果導致大自然環境普遍遭受破壞,例如工廠林立所產生的工業廢水、空氣污染所導致的酸雨、或家庭廢水等各種因素,都使得河川、湖泊和水庫受到了嚴重的污染。為了讓每個家庭都有乾淨的自來水可飲用,自來水在自來水廠係經過多次的沉澱、過濾、消毒等處理過程,例如紫外線裝置照射之消毒方式,終而送到用戶家中。
目前識別水質的污染嚴重程度的判別可以透過水中微生物種類來決定。特別是針對不同程度的廢水也需要提出對應的處理方式。如果採用相同方式對不同程度的廢水,可能會造成處理成本與時間的嚴重耗損。水質問題的產生大部分是因微生物相之改變所引起,一般的廢水改善系統通常採用生物處理方法作為改善廢水的手段。生物處理方法主要是促進廢水中的微生物代謝功能,使得廢水中的微生物相可以恢復到正常水質的狀態。藉由微生物相的觀察係可以綜合性地得知水質問題的本質與相對應的改善條件。
綜合上述,亟需一種可以對採樣樣本進行快速的生物識別,對於導入相應的廢水處理就可以提高清潔的效率與節省用電等成本。
本創作提供一種AI智能型水處理系統,其特徵在於檢測污水中的特定微生物與族群量體,並建立待測水污染程度的識別模型,並能夠以更經濟有效率的方式進行水資源的淨化處理,進而確保自來水水質之改善。
本創作提供一種AI智能型水處理系統,包括:一原水儲槽、一生物處理單元、一AI智能監控單元及一清水槽。該原水儲槽係具有一容置空間、一進水組件及一出水組件,該容置空間用以存放一待處理原水,該進水組件用以輸入該待處理原水,該出水組件用以輸出該待處理原水;其中該待處理原水為受污染水源、湖水、溪水、河水、地下水、水庫水、工業用水、循環用水、回收水、二次水、放流水、廢水處理場出流水、自來水處理場反沖洗水及其組合中之至少任一種。其次,該生物處理單元係配置於該原水儲槽下游端並構成液體連通,該生物處理單元至少具有第一生物處理槽。再者,該AI智能監控單元,其係配置於該生物處理單元下游端並構成液體連通,該AI智能監控單元包括:一取樣模組、一辨識模組及一判別模組,該取樣模組用於提供一由該生物處理單元輸出的訓練樣本;該辨識模組根據該訓練樣本的辨識結果產生一水質辨識模型;該判別模組透過該水質辨識模型以得到一微生物資訊,並根據該微生物資訊得到該訓練樣本的一污染結果。此外,該清水槽其係配置於該生物處理槽下游端並構成液體連通,該清水槽具有一清水儲存室,用以存放經過該生物處理單元淨化後的清水。
根據本創作之一實施例,該待處理原水為受污染水源、湖水、溪水、河水、地下水、水庫水、工業用水、循環用水、回收水、二次水、放流水、廢水處理場出流水、自來水處理場反沖洗水及其組合中之至少任一種。
根據本創作之一實施例,該第一生物處理槽係配置於該原水儲槽的下端並構成液體連通,該第一生物處理槽內部具有一第一處理室、複數個多孔性生物擔體及一氣體導入元件,該些多孔性生物擔體具有可壓縮性並設置於該第一處理室內,該氣體導入元件設置於該第一處理室的底部。
根據本創作之一實施例,該氣體導入元件為多孔通氣管、穿孔通氣管、噴嘴通氣管、氣泡石板、通風器、及擴散器中之至少一種。
根據本創作之一實施例,該生物處理單元更包括一第二生物處理槽,該第二生物處理槽係配置於該第一生物處理槽的下端並構成液體連通,該第二生物處理槽內部具有一第二處理室及至少一陶瓷平板膜生物反應器,該至少一陶瓷平板膜生物反應器設置於該第二處理室內。
根據本創作之一實施例,該第二生物處理槽為複數個,該些第二生物處理槽係並聯或串聯配置,且該至少一陶瓷平板膜生物反應器包括具有複數個孔洞的第一陶瓷平板本體及具有複數個孔洞的第二陶瓷平板本體。
根據本創作之一實施例,該陶瓷平板膜生物反應器(CMBR)係在該第一陶瓷平板本體與該第二陶瓷平板本體間進一步包括:配列成呈N行*M列的矩陣陣列的複數個導流元件,相鄰的各該導流元件之間形成液體流動通道,其中N、M分別為大於或等於1之自然數。
根據本創作之一實施例,在該第一生物處理槽及該第二生物處理槽之間進一步設置至少一輔助處理裝置,該輔助處理裝置包括砂濾裝置、混凝裝置、膠凝裝置、快混裝置、慢混裝置、調和裝置、抽水設備、迴流裝置及其組合中之至少一種。
根據本創作之一實施例,該生物處理單元更包括一第三生物處理槽,該第三生物處理槽係配置於該第二生物處理槽的下端並構成液體連通,該第三生物處理槽內部具有一第三生物處理室及複數個奈米微孔過濾膜裝置,該些奈米微孔過濾膜裝置設置於該第三處理室內。
根據本創作之一實施例,在該第二生物處理槽及該第三生物處理槽之間進一步設置至少一輔助處理裝置,該輔助處理裝置包括砂濾裝置、混凝裝置、膠凝裝置、快混裝置、慢混裝置、調和裝置、抽水設備、迴流裝置及其組合中之至少一種。
根據本創作之一實施例,該辨識模組包括一影像輸入單元、一儲存單元、一第一處理單元、一第一識別程序、一第二識別程序及一評比程序,該第一處理單元電性連接該影像輸入單元及該儲存單元,該影像輸入單元擷取該訓練樣本中的至少一目標影像,該儲存單元儲存該第一識別程序、該第二識別程序及該評比程序。
根據本創作之一實施例,該第一處理單元將該目標影像分別輸入至該第一識別程序及該第二識別程序,該第一識別程序產生一第一識別結果,該第二識別程序產生一第二識別結果,該評比程序基於該第一識別結果及該第二識別結果而產生一水質辨識模型。
根據本創作之一實施例,該第一識別程序對該目標影像進行一U-Net卷積神經網路處理並產生該第一識別結果;該第二識別程序係為一遮罩區域卷積神經網路與一支持向量機之組合。
根據本創作之一實施例,該評比程序接收一調整要求並修正微生物的影像特徵,用以調校該第一識別程序或該第二識別程序的該第一識別結果或該第二識別結果,該影像特徵包括一目標輪廓形狀、一目標顏色、及一目標表面特徵中之至少一種。
根據本創作之一實施例,該判別模組進一步包括:一第二處理單元、一記錄單元及一水質判別程序;其中該第二處理單元電性連接該記錄單元,該記錄單元存儲該水質判別程序及該水質辨識模型,該第二處理單元將該訓練樣本輸入該水質辨識模型並得到一微生物資訊,該微生物資訊包括一微生物種類、及一群聚數量,該水質判別程序根據該微生物資訊得到該水體樣本的一污染結果。
根據本創作之一實施例,該判別模組更包括一調整單元,其係供使用者用於確認該微生物資訊與修改該微生物資訊。
根據本創作之一實施例,該判別模組進一步包括一污水對應級距表,該水質判別程序根據該微生物資訊查找該污水對應級距表並得到該污染結果。
1:原水儲槽
2:生物處理單元
21:第一生物處理槽
210:訓練樣本
211:第一處理室
212:多孔性生物擔體
213:氣體導入元件
214:出流通道
22:第二生物處理槽
220:陶瓷平板膜生物反應器
221:第一陶瓷平板本體
222:第二陶瓷平板本體
223:密封元件
224:導流元件
225:水流導管
3:AI智能監控單元
31:取樣模組
310:水質辨識模型
32:辨識模組
321:影像輸入單元
322:儲存單元
323:第一處理單元
324:第一識別程序
325:第二識別程序
326:評比程序
327:水質辨識模組
33:判別模組
331:第二處理單元
332:記錄單元
333:水質判別程序
334:污水對應級距表
4:清水槽
圖1係為本創作的第一實施例中AI智能型水處理系統的架構示意圖。
圖2係為本創作之AI智能型水處理系統中的第一生物處理槽之結構示意圖。
圖3係為本創作的第二實施例中AI智能型水處理系統的架構示意圖。
圖4係為示本創作的AI智能型水處理系統中的陶瓷平板模生物反應器之結構示意圖。
圖5係為該第二生物處理槽內部的水流路徑示意圖。
圖6係為本創作的第三實施例中AI智能型水處理系統的架構示意圖。
圖7係為本創作的第四實施例中AI智能型水處理系統的架構示意圖。
圖8係為本創作的第五實施例中AI智能型水處理系統的架構示意圖。
圖9係為本創作的AI智能監控單元的架構示意圖。
請參閱圖1所示,該圖為本創作之AI智能型水處理系統第一實施例示意圖。在本實施例中,該AI智能型水處理系統一原水儲槽1、一生物處理單元2、一AI智能監控單元3及一清水槽4。該原水儲槽1係具有一容置空間、一進水組件及一出水組件,該容置空間用以存放一待處理原水,該進水組件用以輸入該待處理原水,該出水組件用以輸出該待處理原水;其中該待處理原水為受污染水源、湖水、溪水、河水、地下水、水庫水、工業用水、循環用水、回收水、二次水、放流水、廢水處理場出流水、自來水處理場反沖洗水及其組合中之至少任一種。其次,該生物處理單元2係配置於該原水儲槽下游端並構成液體連通,該生物處理單元2至少具有第一生物處理槽21。再者,該AI智能監控單元3係配置於該生物處理單元2下游端並構成液體連通,該AI智能監控單元3包括:一取樣模組31、一辨識模組32及一判別模組33,該取樣模組31用於提供一由該生物處理單元2輸出的訓練樣本,取樣模組31為水樣採集設備,可以透過人工收集或無人機等方式採集水體樣本330;該辨識模組32根據該訓練樣本210的辨識結果產生一水質辨識模型;該判別模組33透過該水質辨識模型以得到一微生物資訊,並根據該微生物資訊得到該訓練樣本的一污染結果。此外,該清水槽4其係
配置於該生物處理槽下游端並構成液體連通,該清水槽4具有一清水儲存室,用以存放經過該生物處理單元2淨化後的清水。
請參閱圖2所示,圖2係為本創作之AI智能型水處理系統中的第一生物處理槽之結構示意圖。該第一生物處理槽21係配置於該原水儲槽1的下端並構成液體連通,該第一生物處理槽21內部具有一第一處理室211、複數個多孔性生物擔體212及一氣體導入元件213,該第一處理室211中容置能夠懸浮於液體中複數個多孔性生物擔體212並設有可輸出第一生物處理水的出流通道214,該氣體導入元件213設置於該第一處理室211的底部;其中該些多孔性生物擔體212係供微生物附著而形成生物膜,藉以提高微生物的停留時間(mean cell retention time)及菌種歧異度(diversity),另外,該些多孔性生物擔體212一般是由可壓縮的高分子材料所製成,例如開孔性PU泡棉,除了具備廣大的表面積供微生物附著以外,其可壓縮特性能夠允許多孔性生物擔體212因應第一生物處理槽21內的局部壓損變化,而自動調整其位置,達到避免阻塞、均勻分散氣體與進流水之目的。其次,該氣體導入元件213為多孔通氣管、穿孔通氣管、噴嘴通氣管、氣泡石板、通風器、及擴散器中之至少一種,用以將空氣導入該第一生物處理槽21中,以利多孔性生物擔體212表面上的微生物在高濃度溶氧的環境下,逐漸將氨氮及有機物分解。
請參閱圖3所示,圖3係為本創作的第二實施例中AI智能型水處理系統的架構示意圖。該生物處理單元2更包括一第二生物處理槽22,該第二生物處理槽22係配置於該第一生物處理槽21的下端並構成液體連通,該第二生物處理槽22內部具有一第二處理室及至少一個薄膜生物反應器(membrane bioreactor,MBR);一般常使用的商業或非商業化的薄膜生物反應器有四種型式:(1)平板式薄膜生物反應器、(2)管式薄膜生物反應器、
(3)螺旋式薄膜生物反應器及(4)中空纖維式薄膜生物反應器,而薄膜材質則包含陶瓷、聚偏二氟乙烯(Polyvinylidene difluoride,PVDF)、聚乙烯(Polyethylene,PE)、聚乙烯碸(Polyethylsulfone,PES)、聚碸(Polysulfone,PS)與聚丙烯腈(Polyacrylonitrile,PAN)等。在本實施例中,該薄膜生物反應器較佳為陶瓷平板膜生物反應器,且該第二生物處理槽22為複數個,該些第二生物處理槽22係為串聯配置。
如圖4所示之陶瓷平板膜生物反應器的結構示意圖,該陶瓷平板膜生物反應器220包括第一陶瓷平板本體221、與該第一陶瓷平板本體221相向配置的第二陶瓷平板本體222、設置於該第一陶瓷平板本體221與該第二陶瓷平板本體222之間的密封元件223、及至少一個水流導管225;其中該第一陶瓷平板本體221及該第二陶瓷平板本體222分別為具有複數個孔洞之陶瓷平板;該密封元件223為配設在該第一陶瓷平板本體221及該第二陶瓷平板本體222之間隔空隙而形成密封狀態並且係由硬化型膠泥、絕緣密封條、填縫膠條、陶瓷塑條、及黏合膠泥中之至少一種材料所構成,其中硬化型膠泥為矽酸鹽膠泥或硫黃膠泥粘土膠泥;又,該密封元件223設置有至少一個貫穿孔,用以穿設該水流導管225而形成液體連通。
該第一陶瓷平板本體221與該第二陶瓷平板本體222間之內部空間設置有複數個導流元件224,並配列成呈N行*M列的矩陣陣列,藉此相鄰的各該導流元件224形成液體流動通道2241,可供流體通過,其中N、M分別為大於或等於1之自然數。
請參閱圖5,其係為該第二生物處理槽22內部的水流路徑示意圖。各該導流元件224設置於該第一陶瓷平板本體221或該第二陶瓷平板本體222之內側面上,並以等間隔配列成呈5行*2列的矩陣陣列;當藉由負壓裝置(圖未示)自水流導管225施加負壓,可以促使待處理的污水或原水從
該第一陶瓷平板本體221及該第二陶瓷平板本體222滲入,再依照各該導流元件224引導分流,使得該陶瓷平板薄膜結構中的液體以低流量的方式經由該水流導管225流出,其中各該導流元件224的排列組合可以採用本領域技術人員所熟知之任何方式實現,例如:縱向排列、橫向排列及斜向排列中之至少一種,而本創作對於各該導流元件224的排列並不使特別限制。
請參閱圖6所示,圖6係為本創作的第三實施例中AI智能型水處理系統的架構示意圖。本實施例中,該第二生物處理槽22為複數個,該些第二生物處理槽22係為並聯且該至少一陶瓷平板膜生物反應器包括具有複數個孔洞的第一陶瓷平板本體及具有複數個孔洞的第二陶瓷平板本體。
請參閱圖7及圖8所示,圖7係為本創作的第四實施例中AI智能型水處理系統的架構示意圖;以及圖8係為本創作的第五實施例中AI智能型水處理系統的架構示意圖。圖7及圖8的差異處在於第四實施例的該第二生物處理槽22為並聯,第五實施例的該第二生物處理槽22為串聯。第二處理槽該生物處理單元2更包括一第三生物處理槽23,該第三生物處理槽23為設置於該第二生物處理槽22下游端並構成液體連通,且該第三生物處理槽23的內部具有第三生物處理室及設置於該第三生物處理室中的奈米微孔過濾膜裝置(nanofiltertration,NF),並且該奈米微孔過濾膜裝置的孔徑為在0.01至0.001μm之間,其中該奈米微孔過濾膜裝置的型態為平膜、管狀膜、螺旋式膜、及中空絲膜中任一種,較佳為管狀膜;以及該奈米微孔過濾膜裝置是由纖維二醋酸酯(celluloseacetate,CA)、聚醯胺(polyamide,PA)、聚碸(polysulfone,PS)、過氧乙醯硝酸(PAN)、聚丙烯(PP)、薄層複合膜(thin-film composite,TFC)、聚偏二氟乙烯(polyvinylidene fluoride,PVDF)、及其組合中任一種所構成。
又,該奈米微孔過濾膜裝置之NaCl之阻擋率較佳為70%以下,更佳為50%以下,以及該奈米過濾膜之2價陰離子(SO4 2-及/或CO3 2-)之阻擋率較佳為90%以上,更佳為98%以上。一般來說,當原水或污水在進入奈米微孔過濾膜裝置之前,通常會先經過精密之前處理系統,該前處理系統之主要功能在於先行去除任何可能引起阻塞或破壞薄膜之有機或無機物質,例如氧化或還原劑、固體微粒、生物膠體、有機物及細菌等,其處理方法係先經過混凝過程,再通過精密超過濾膜(UF)之過濾,並在總溶解固體量超過600mg/L時,添加抑垢劑、殺菌劑等,進流水在50NTU以下,經過前處理及超過濾系統(UF)之處理後,其濁度應低於0.2NTU,污泥密度指數(SDI)應低於3,再經由高壓泵浦將原水或污水送至奈米微孔過濾膜裝置進行深度物質分離程式,此等處理程式將使薄膜之壽命大幅延長。但倘若前處理之處理水質僅經過混凝沉澱及砂濾系統過濾處理,可能會因前處理之處理水質不穩定,而產生後端奈米微孔過濾膜裝置之污染問題,故在設計考量上,應降奈米微孔過濾膜裝置之通量及回收率以保護奈米微孔過濾膜裝置。而在本創作中則是利用第一生物處理槽21中的多孔性生物擔體將水中的錳氧化為二氧化錳;氨氮則氧化為硝酸鹽氮,再以第二生物處理槽22中的薄膜生物反應器去除COD,並過濾細菌菌體,讓出流水SDI小於3,SS小於1;然後進入後續之第三生物處理槽23,藉以去除TDS及鹽分。
又,當原水的固態污泥含量過高時,可以進一步在第一生物處理槽21、及第二生物處理槽22之間、或是該第二生物處理槽22及該第三生物處理槽23之間增設一輔助處理裝置(圖未示),該輔助處理裝置包括砂濾裝置、混凝裝置、膠凝裝置、快混裝置、慢混裝置、調和裝置、抽水設備、迴流裝置及其組合中之至少一種,藉以有效去除原水中的泥沙,避免阻塞奈米過濾膜而降低處理效能。
該第三生物處理槽23接收經第二生物處理槽22處理後的待處理原水通過該第三生物處理槽23時,會被分離成可通過該奈米過濾膜的清水,以及無法通過該奈米過濾膜的濃排水,該濃排水會視其二價陰離子的濃度而適當第排放至外界或是當作產業廢棄物處理;另外,該清水槽4連接於該第三生物處理槽23的下游端,並且存放來自該第三生物處理槽23的清水;該清水槽4中的清水可需要適當添加次氯酸納處理,然後再進入配水池系統中進行水資源分配。
如圖7及圖8所示,由於第三生物處理槽23中的奈米過濾膜有進流水水質限制,一般為在總鐵<0.3mg/L、錳<0.1mg/L、污泥密度指數(SDI)<3、及濁度<2NTU,為提升奈米過濾膜的使用壽命及處理效能,可依水質及待處理的水資源水量評估增加前端之第二生物處理槽22的數量,以提升處理效率,該第二生物處理槽22較佳為並聯設置。
接著,以下說明本創作之具體實驗例。
《實驗例1至7》
首先,將人工配製的訓練樣本210依序導入本創作之AI智能型水處理系統的第一生物處理槽21及第二生物處理槽22之中,並將原水、第一生物處理槽出流水、第二生物處理槽出流水中的懸浮固體(SS)含量、化學需氧量(COD)、pH值、氨氮含量、及錳含量分別紀錄於表1中。
由上述表1之結果可知,經由第一生物處理槽21及第二生物處理槽22處理過後,訓練樣本210中的固態懸浮物含量可從47mg/L降至0,去除率可達到100%、COD含量可從120~184mg/L降至69~95mg/L,平均去除率可達到82%、氨氮的含量可降至的去除率可達到98%以上、以及錳的去除率可達待79%以上。並且,經第一生物處理槽及第二生物處理槽處理過後的訓練樣本210,其水質皆符合第三生物處理槽中之奈
米微孔過濾膜裝置的進水限制(總鐵<0.3mg/L、錳<0.1mg/L、污泥密度指數(SDI)<3、及濁度<2NTU)。
《實驗例8至13》
將上述實驗例1至6中經第一生物處理槽21及第二生物處理槽22處理後的訓練樣本210分別導入本創作之AI智能型水處理系統的第三生物處理槽23之中,該第三生物處理槽23內部的奈米微孔過濾裝置由工研院提供,膜管型號為NF-RNR-1812,膜管規格MgSO4去除率99.06%、NaCl去除率為71.06%。
然後,量測並計算各實施例的回收率、原水導電度、清水導電度、農排水導電度、及清水通量,並且記錄於表2。
由上述表2可知,經由第三生物處理槽23處理後的訓練樣本210,導電度下降率為45%以上,顯示第三生物處理槽23能夠有效處理訓練樣本210中的鹽分及總溶解固體(TDS)。
請參閱圖9所示,圖9係為本創作的AI智能監控單元的架構示意圖。該AI智能監控單元3的該辨識模組32包括一影像輸入單元321、一儲存單元322、一第一處理單元323、一第一識別程序324、一第二識別程序325及一評比程序326,該第一處理單元323電性連接該影像輸入單元321及該儲存單元322,該影像輸入單元321擷取該訓練樣本210中的至少一目標影像,該儲存單元322儲存該第一識別程序324、該第二識別程序325及該評比程序326。再進行訓練前需要進行訓練樣本210的前置處理,例如靜置訓練樣本210使懸浮物或雜質沈澱並移除、以及水質狀態確認等。而訓練樣本210的數量根據所採用的遮罩區域卷積神經網路(Mask Regions with Convolutional Neural Networks)、支持向量機(Support Vector Machine,SVM)與微生物種類所決定。本創作除了前述的將影像輸入單元321電性連接於第一處理單元323外,也可以通過網路連接的方式,使得影像輸入單元321於採樣現場拍攝訓練樣本210。一般而言,影像輸入單元321可以從訓練樣本中的不同區域拍攝目標圖像。此外,影像輸入單元321可以調整不同放大倍率並拍攝訓練樣本,藉以取得不同尺寸級距的微生物。該辨識模組32可以是桌上型電腦、筆記型電腦、智慧型手機或平板電腦等計算機裝置,在此不限制。
第一處理單元323將該目標影像分別輸入至該第一識別程序324及該第二識別程序325,該第一識別程序324產生一第一識別結果,該第二識別程序325產生一第二識別結果,該評比程序326基於該第一識別結果及該第二識別結果而產生一水質辨識模型310。第一識別程序324採用U-Net卷積神經網路,第一識別程序324用於標記並識別目標圖像中的微生物。U-Net卷積神經網路由收縮路徑和膨脹路徑組成。收縮路徑遵循卷積網路的典型架構。U-Net卷積神經網路包括兩個3x3卷積的重複應用,每個卷
積後面是一個整流的線性單元(ReLU)和一個2x2 max pooling運算用於下採樣。在每個下採樣步驟中,將特徵通道的數量增加一倍。擴充套件路徑中的每一步都包含一個向上取樣的特徵映射(feature map)。而膨脹路徑也對應收縮路徑的卷積處理而進行相應的擴充,以使上採樣的過程將與下採樣相對稱。
第一識別程序324對目標圖像進行影像部分區域切割並對所切割區域中的影像物件進行識別,並得到該影像物件的第一輸出結果。由於訓練過程中所識別的影像物件可能是微生物,也有可能是非微生物的物品。因此在經過第一識別程序324與第二識別程序325後所得到的影像物件,在此暫訂為輸出結果。更進一步而言,對於第一識別程序324所產生的影像物件,定義為第一輸出結果。對於第二識別程序325所產生的影像物件,則定義為第二輸出結果。第一識別程序324透過微生物的影像特徵進而判斷第一輸出結果所包含的影像物件。其中,影像特徵至少包括目標輪廓形狀、目標顏色、及目標表面特徵中之至少一種。
在本創作中,第二識別程序325採用的遮罩區域卷積神經網路、支持向量機的組合,第二識別程序325用於識別訓練樣本210中的微生物與其影像特徵。當目標圖像輸入遮罩區域卷積神經網路時,遮罩區域卷積神經網路會向目標圖像進行區域提案(proposals),藉以取得每一個區域提案的影像特徵。在遮罩區域卷積神經網路中透過興趣區對齊(region of interest align)的處理,藉以加速對影像物件的邊緣框選的處理。在本創作中,第一識別程序324與第二識別程序325可以是並行處理(parallel computing),亦或循序處理(pipeline computing)。前述的處理流程取決於辨識模組32的運算能力所決定。
此外,評比程序326會針對第一輸出結果與第二輸出結果進行比對,藉以確認兩識別程序所框選的影像物件是否相同,評比程序326可以提供人機介面(interface)由使用者判斷,也可以透過第三種的識別程序作為第一輸出結果與第二輸出結果的評比。評比程序326比對第一輸出結果與第二輸出結果所得到的微生物的種類與準確度。並且由評比程序326對第一識別程序324與第二識別程序325的每一個輸出結果即予相應的評價設定。
舉例來說,若訓練樣本210的數量共為1000張數位影像且隨機分布數量不等的各類微生物,例如蕈頂蟲、楯纖蟲、鼬蟲、纖毛蟲、斜管蟲、膜帶蟲、麟殼蟲、游仆蟲、鞭毛蟲、草履蟲、吻頸蟲、輪蟲、桿尾蟲、吸管蟲、鐘形蟲。評比程序326可以統計第一輸出結果與第二輸出結果對於微生物種類的判別正確與判別準確度。最後,評比程序326根據第一輸出結果與第二輸出結果對於各類微生物的正確率與準確度即予相應的評定,用於產生針對各類微生物的水質辨識模型310。
在完成水質辨識模型310的建立後,判別模組33可以透過已訓練的水質辨識模型310進行水體樣本210的微生物識別。為能區別分析處理階段中的硬體架構差異。該判別模組33進一步包括:一第二處理單元331、一記錄單元332及一水質判別程序333;其中該第二處理單元331電性連接該記錄單元332,該記錄單元332存儲該水質判別程序333及該水質辨識模組327,該第二處理單元331將該訓練樣本210輸入該水質辨識模組327並得到一微生物資訊,該微生物資訊包括一微生物種類、及一群聚數量,該水質判別程序根據該微生物資訊得到該水體樣本的一污染結果。判別模組33可以是桌上型電腦、筆記型電腦、智慧型手機或平板電腦等計算機裝置,在此不限制。另外,該判別模組33還包括有一調整單元(圖未示),其係用於供使用者確認該微生物資訊與修改該微生物資訊。
水質辨識模型310會確認水體樣本330中是否存在微生物。若水體樣本330中不存在微生物,則第二處理單元331將會發出通知,用於知會使用者更換新的水體樣本330並進行次一回合的辨識。若水體樣本330中存在微生物,則水質辨識模型310會標註出微生物並輸出微生物資訊;更且,使用者可進一步以人工判斷該微生物資訊中的微生物種類是否正確,若微生物種類不正確,則可經由調整單元向辨識處理端120發送調整要求,辨識處理端120中的評比程序接收到該調整要求後,會修正微生物的影像特徵,例如目標輪廓形狀、目標顏色、及目標表面特徵中之至少一種,藉以調校第一識別程序324及/或第二識別程序325的輸出,以生成新的水質辨識模型310,如圖5所示。
水質判別程序333將統計所有訓練樣本210的各類微生物資訊。換言之,水質判別程序333會針對各種微生物進行統計,並得到該區域的訓練樣本210的所有微生物的數量記錄。水質判別程序333根據各類微生物的數量分布查找污水對應級距表334,確認訓練樣本210的水質。在污水對應級距表334中記錄不同水質的污染條件與對應的屬性,例如:污染程度、拍攝倍率、水質顏色、水中雜質種類或微生物種類。舉例來說,根據樣品中的存在的指標微生物種類可以分為五種污染程度,分別為超高負荷、高負荷、標準負荷、低負荷、超低負荷,如下表3所示。
在不同程度的污水中,水質判別程序333可以識別不同種類的微生物並根據微生物數量與種類判別訓練樣本210的被污染程度。水質判別程序333根據污染程度輸出一組污染等級,以供使用者參考訓練樣本210的污染程度並對污水池進行相應處理。舉例來說,當訓練樣本210被判定為超高或高負荷微生物相時,可以增加空氣量和污泥量、或暫時停止進流,另可將迴流污泥再曝氣,提高迴流比;當訓練樣本210被判定為低負荷微生物相時,可將曝氣槽容積調為1/2~1/3,提高容積負荷,也可做間歇曝氣操作;當訓練樣本210被判定為超低負荷微生物相時,可以減少送風量降低混合液懸浮固體(MLSS),也可間歇曝氣或提高容積複合;當訓練樣本210被判定為逼準負荷微生物相時,則不用進行調整,可繼續維持現有操作條件。
由上述實施例可知,本創作之AI智能型水處理系統能夠有效將優養化水域原水,處理至可安全飲用之自來水,同時可不用前加氯,免除三鹵甲烷致癌物質之產生。也可省去化學混凝之投藥,降低加藥成本,及污泥產生之後續處理處置成本,由初步估算,每天可減少此水廠化學污泥150公斤(70%含水率),這些化學污泥在偏遠地區要妥善處理,是相當困難的。其次,本創作的AI智能型水處理系統透過污水中的微生物的種類與群聚數量,用以判斷水質污染的程度並提示污水廠與相關人員進行對應
的處理,進而達到快速的得到污水水質的判斷結果,無需透過其他化學驗證也可得到高驗證結果。
綜上所述,本創作之內容已以如上之實施例舉例說明了,然而本創作並非僅限定於此等實施方式而已。本創作所屬技術領域中具有通常知識者,在不脫離本創作之精神和範圍內,當可再進行各種之更動與修飾;例如,將前述實施例中所例示之各技術內容加以組合或變更而成為新的實施方式,此等實施方式亦當然視為本創作所屬內容之一。因此,本案所欲保護之範圍亦包括後述之申請專利範圍及其所界定之範圍。
1:原水儲槽
2:生物處理單元
21:第一生物處理槽
210:訓練樣本
3:AI智能監控單元
31:取樣模組
32:辨識模組
33:判別模組
4:清水槽
Claims (17)
- 一種AI智能型水處理系統,包括:一原水儲槽,其係具有一容置空間、一進水組件及一出水組件,該容置空間用以存放一待處理原水,該進水組件用以輸入該待處理原水,該出水組件用以輸出該待處理原水;一生物處理單元,其係配置於該原水儲槽下游端並構成液體連通,該生物處理單元至少具有第一生物處理槽;一AI智能監控單元,其係配置於該生物處理單元下游端並構成液體連通,該AI智能監控單元包括:一取樣模組、一辨識模組及一判別模組,該取樣模組用於提供一由該生物處理單元輸出的訓練樣本;該辨識模組根據該訓練樣本的辨識結果產生一水質辨識模型;該判別模組透過該水質辨識模型以得到一微生物資訊,並根據該微生物資訊得到該訓練樣本的一污染結果;以及一清水槽,其係配置於該生物處理單元下游端並構成液體連通,該清水槽具有一清水儲存室,用以存放經過該生物處理單元淨化後的清水。
- 如請求項1所述之AI智能型水處理系統,其中該待處理原水為受污染水源、湖水、溪水、河水、地下水、水庫水、工業用水、循環用水、回收水、二次水、放流水、廢水處理場出流水、自來水處理場反沖洗水及其組合中之至少任一種。
- 如請求項1所述之AI智能型水處理系統,其中該第一生物處理槽係配置於該原水儲槽的下端並構成液體連通,該第一生物處理槽內部具有一第一處理室、複數個多孔性生物擔體及一氣體導入元件,該些多孔性生物擔體具有可壓縮性並設置於該第一處理室內,該氣體導入元件設置於該第一處理室的底部。
- 如請求項3所述之AI智能型水處理系統,其中該氣體導入元件為多孔通氣管、穿孔通氣管、噴嘴通氣管、氣泡石板、通風器、及擴散器中之至少一種。
- 如請求項1所述之AI智能型水處理系統,其中該生物處理單元更包括一第二生物處理槽,該第二生物處理槽係配置於該第一生物處理槽的下端並構成液體連通,該第二生物處理槽內部具有一第二處理室及至少一陶瓷平板膜生物反應器,該至少一陶瓷平板膜生物反應器設置於該第二處理室內。
- 如請求項5所述之AI智能型水處理系統,其中該第二生物處理槽為複數個,該些第二生物處理槽係並聯或串聯配置,且該至少一陶瓷平板膜生物反應器包括具有複數個孔洞的第一陶瓷平板本體及具有複數個孔洞的第二陶瓷平板本體。
- 如請求項6所述之AI智能型水處理系統,其中該陶瓷平板膜生物反應器(CMBR)係在該第一陶瓷平板本體與該第二陶瓷平板本體間進一步包括:配列成呈N行*M列的矩陣陣列的複數個導流元件,相鄰的各該導流元件之間形成液體流動通道,其中N、M分別為大於或等於1之自然數。
- 如請求項5所述之AI智能型水處理系統,其中在該第一生物處理槽及該第二生物處理槽之間進一步設置至少一輔助處理裝置,該輔助處理裝置包括砂濾裝置、混凝裝置、膠凝裝置、快混裝置、慢混裝置、調和裝置、抽水設備、迴流裝置及其組合中之至少一種。
- 如請求項5所述之AI智能型水處理系統,其中該生物處理單元更包括一第三生物處理槽,該第三生物處理槽係配置於該第二生物處理槽的下端並構成液體連通,該第三生物處理槽內部具有一第三生物處 理室及複數個奈米微孔過濾膜裝置,該些奈米微孔過濾膜裝置設置於該第三生物處理室內。
- 如請求項9所述之AI智能型水處理系統,其中在該第二生物處理槽及該第三生物處理槽之間進一步設置至少一輔助處理裝置,該輔助處理裝置包括砂濾裝置、混凝裝置、膠凝裝置、快混裝置、慢混裝置、調和裝置、抽水設備、迴流裝置及其組合中之至少一種。
- 如請求項1所述之AI智能型水處理系統,其中該辨識模組包括一影像輸入單元、一儲存單元、一第一處理單元、一第一識別程序、一第二識別程序及一評比程序,該第一處理單元電性連接該影像輸入單元及該儲存單元,該影像輸入單元擷取該訓練樣本中的至少一目標影像,該儲存單元儲存該第一識別程序、該第二識別程序及該評比程序。
- 如請求項11所述之AI智能型水處理系統,其中該第一處理單元將該目標影像分別輸入至該第一識別程序及該第二識別程序,該第一識別程序產生一第一識別結果,該第二識別程序產生一第二識別結果,該評比程序基於該第一識別結果及該第二識別結果而產生該水質辨識模型。
- 如請求項12所述之AI智能型水處理系統,其中該第一識別程序對該目標影像進行一U-Net卷積神經網路處理並產生該第一識別結果;該第二識別程序係為一遮罩區域卷積神經網路與一支持向量機之組合。
- 如請求項12所述之AI智能型水處理系統,其中該評比程序接收一調整要求並修正微生物的影像特徵,用以調校該第一識別程序或該第二識別程序的該第一識別結果或該第二識別結果,該影像特徵包括一目標輪廓形狀、一目標顏色、及一目標表面特徵中之至少一種。
- 如請求項1所述之AI智能型水處理系統,其中該判別模組進一步包括:一第二處理單元、一記錄單元及一水質判別程序;其中該第二處理單元電性連接該記錄單元,該記錄單元存儲該水質判別程序及該水質辨識模型,該第二處理單元將該訓練樣本輸入該水質辨識模型並得到一微生物資訊,該微生物資訊包括一微生物種類、及一群聚數量,該水質判別程序根據該微生物資訊得到該訓練樣本的一污染結果。
- 如請求項15所述之AI智能型水處理系統,其中該判別模組更包括一調整單元,其係供使用者用於確認該微生物資訊與修改該微生物資訊。
- 如請求項15所述之AI智能型水處理系統,其中該判別模組進一步包括一污水對應級距表,該水質判別程序根據該微生物資訊查找該污水對應級距表並得到該污染結果。
Publications (1)
Publication Number | Publication Date |
---|---|
TWM653283U true TWM653283U (zh) | 2024-03-21 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Akarsu et al. | Removal of microplastics from wastewater through electrocoagulation-electroflotation and membrane filtration processes | |
Trussell et al. | The effect of organic loading on process performance and membrane fouling in a submerged membrane bioreactor treating municipal wastewater | |
CN101343132B (zh) | 一种聚氯乙烯(pvc)离心母液废水的处理方法 | |
Xiong et al. | Self-adaptive dynamic membrane module with a high flux and stable operation for the municipal wastewater treatment | |
Viet et al. | Enhancing the removal efficiency of osmotic membrane bioreactors: A comprehensive review of influencing parameters and hybrid configurations | |
CN102260016B (zh) | 好氧膜生物反应器及工艺 | |
CN109467285A (zh) | 一种污水厂尾水深度处理至地表ⅲ类水标准的系统及方法 | |
CN101723551B (zh) | 焦化废水回用处理方法 | |
CN110127947A (zh) | 一种用于垃圾渗滤液处理的系统和方法 | |
CN109354304A (zh) | 一种基于三级膜分离技术的污水处理和能源回收方法 | |
CN113023880A (zh) | 一种mbr膜生物反应器的曝气装置 | |
TWM653283U (zh) | Ai智能型水處理系統 | |
CN103496805B (zh) | 一种基于超滤--反渗透的农化废水磷达标排放处理方法 | |
CN212375110U (zh) | 污水净化处理系统 | |
CN212403883U (zh) | 一种废水处理设备 | |
Xue et al. | Fouling control of a pilot scale self-forming dynamic membrane bioreactor for municipal wastewater treatment | |
CN212292927U (zh) | 一种用于处理垃圾渗滤液的正渗透膜浓缩系统 | |
CN204981450U (zh) | 一种废水零排放处理系统 | |
CN209481424U (zh) | 一种污水厂尾水深度处理至地表ⅲ类水标准的系统 | |
Bani-Melhem | Development of a novel submerged membrane electro-bioreactor for wastewater treatment | |
CN208120861U (zh) | 一种城镇生活污水处理厂的膜过滤装置 | |
CN207062089U (zh) | 一种全自动纳滤与反渗透污水处理系统 | |
CN205367963U (zh) | 一种泥水分离系统 | |
CN204607813U (zh) | 一种污水尾水提标深度处理系统 | |
CN205151888U (zh) | 一种双联mbr污水处理池 |