[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
| 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 | ||
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]测、[氨氮]测、[TN]测、[TP]测;
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。
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。





