[发明专利]一种分散式污水出水水质超标预警的在线监测系统和方法有效

专利信息
申请号: 201910155833.8 申请日: 2019-03-01
公开(公告)号: CN110015754B 公开(公告)日: 2021-10-08
发明(设计)人: 唐晶;何义亮;葛会超;李彭;张浩;曲江北 申请(专利权)人: 江苏中车环保设备有限公司;上海交通大学
主分类号: G01N33/18 分类号: G01N33/18
代理公司: 上海旭诚知识产权代理有限公司 31220 代理人: 郑立
地址: 215501 江苏省苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 分散 污水 出水 水质 超标 预警 在线 监测 系统 方法
【权利要求书】:

1.一种分散式污水出水水质超标预警的在线监测系统,其特征在于,包括设备单元、PLC自动控制单元、数据远程传输/接收模块和出水超标预警模块;所述设备单元包括缺氧段ORP监测设备、出水ORP监测设备、自动取样器、曝气鼓风机、混合液回流泵;所述出水超标预警模块包括:基于ORP数值的异常状态判断模块、基于人工神经网络算法建立的出水水质分级模块、基于时间序列分析的出水水质预测模块;所述设备单元的数据信息均通过所述PLC自动控制单元连接到所述数据远程传输/接收模块,然后接入设置有所述出水超标预警模块的云平台;

所述出水超标预警模块被配置为包括以下步骤:

S1:获取所述设备单元的工作状态,所述设备单元的工作状态包括:所述缺氧段ORP监测设备的监测数据、所述出水ORP监测设备的监测数据、所述混合液回流泵启停状态、所述曝气鼓风机启停状态;

S2:将所述出水ORP监测设备的监测数据与预设阈值比较,输出报警结果;

S3:将所述设备单元的工作状态,作为神经网络的输入,输出预测的出水水质等级;

S4:将所述设备单元的工作状态的历史序列,作为神经网络的输入,输出预测的出水水质等级;

所述S2包括以下步骤:

S2a:获取所述缺氧段ORP监测设备和所述出水ORP监测设备的实时数据;

S2b:将所述实时数据与预设阈值比较,输出对应的报警结果;

所述S3包括以下步骤:

S3a:利用所述自动取样器每隔2h取样一次;

S3b:用国标法测定所取水样的COD、氨氮、TN、TP值;

S3c:从云平台提取所述自动取样器取样时对应的如下在线信息:

ORPa-缺氧段ORP;ORPe-出水ORP;混合液回流泵启停状态;曝气鼓风机启停状态;

S3d:按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将上述ORPa与ORPe分成4组;

S3e:将步骤S3b、S3c测得的COD、氨氮、TN、TP、ORPa和ORPe的值,分别记作[COD]、[氨氮]、[TN]、[TP]、[ORPa]和[ORPe];

S3f:将步骤S3e中各变量分别进行矢量归一化预处理,使其映射到[-1,1]区间之内;

S3g:将步骤S3f获得的4组数据分别建模,以[ORPa]和[ORPe]为输入值,以[COD]、[氨氮]、[TN]、[TP]为输出值,采用BP-神经网络算法,选择Sigmoid函数为激活函数,并选择合适的神经网络隐含层、每层的单元数和学习率参数构建模型;

S3h:将步骤S3g输出的预测值进行归一化还原,分别记为[COD]、[氨氮]、[TN]、[TP]

S3i:依据国家排水标准中对COD、氨氮、TN、TP指标的排放要求,构建一个分类器模型,分类等级为4级:达标一级A、达标一级B、达标二级、不达标;

S3j:将预测值传输至分类器,得到水质等级;

所述S4包括以下步骤:

S4a:利用所述自动取样器每2h取样一次;

S4b:用国标法测定所取水样的COD、氨氮、TN、TP;

S4c:对照国家排水标准中对COD、氨氮、TN、TP指标的排放要求,将所取水样的水质分为4级:达标一级A、达标一级B、达标二级、不达标;

S4d:从云平台在线数据库提取连续在线ORP监测信息:ORPa-缺氧段ORP;ORPe-出水ORP;

S4e:按照所述混合液回流泵启停状态和所述曝气鼓风机启停状态,将步骤S4d提取的ORPa与ORPe分成4组;

S4f:采用时间序列分析方法,预测ORPa与ORPe,并依据已测的ORPa与ORPe值与对应的时间,建立时序图,并构建出ORP预测模型;

S4g:将步骤S4f预测得到的某一时段的ORPa与ORPe作为模型的输入值,步骤S4c水样的分类等级作为输出值,利用神经网络构建模型,从而实现出水超标预警。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏中车环保设备有限公司;上海交通大学,未经江苏中车环保设备有限公司;上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910155833.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top