[发明专利]一种智慧物联的排水管网污染异常溯源方法

说明书

本发明公开了一种智慧物联的排水管网污染异常溯源方法，涉及水污染溯源技术领域；包括如下步骤：微站部署，建立厂‑网‑地块‑源的物联；根据污水厂情况、管网片区走向、管网地块分布、企业分布及行业特征，在各个节点部署微型水质监测站，将各个物理要素(厂‑网‑地块‑源)指向化、矢量化，并建立厂‑网‑地块‑源的关联关系，数据清洗，去除无效数据、异常数据，噪音干扰数据，监测数据经过清洗、转换、归一化、配准和空间化等预处理后。本发明通过AI算法，赋能解放执法人员，高效定位可疑范围，自动溯源污染偷排企业，实时动态锁定污水厂废水偷排来源，并且效率较高、精度度较佳的同时人员与设备成本投入相对较。

技术领域

本发明涉及水污染溯源技术领域，尤其涉及一种智慧物联的排水管网污染异常溯源方法。

背景技术

水资源是人类生产生活的最关键资源，其中水污染源头多是企业偷排超标废水引起，为了能够有效防控水污染事件的发生，需要加强对企业排污的监管力度和监管技术。

现有污染溯源手段主要依靠人海战术，结合断面跟污水厂异常时间，组织执法人员专项行动撒网蹲点，使用半自动的快检手段来逐渐缩小异常来源。需要投入大量的人力物力，执法人员疲于奔命，而且由于偷排转瞬即逝，缺乏实时在线监控预警，无法掌握污染规律，往往难以追溯污染来源，属于水污染防治的难点、痛点。

部分地区使用COD、BOD在线监测仪等在管网进行监测，该手段有助于分析发现污染规律。但是受限于硬件设备建设运维费用高昂，只能小范围零星铺设，而且用水用电用地申请协调等等极其繁琐，难以真正实现排水管网物联。另外，由于工厂偷排规律不定，不仅仅需要及时报警，更需要智慧自动的异常来源推演，现有技术手段异常报警仅局限于单个站点的超标报警，缺乏智慧模型进行异常来源的有效推演，难以锁定污染来源。

为此，本发明提出一种智慧物联的排水管网污染异常溯源方法，旨在解决现有技术中存在的无法实时且精确的锁定污水污染源。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种智慧物联的排水管网污染异常溯源方法。

为了实现上述目的，本发明采用了如下技术方案：

一种智慧物联的排水管网污染异常溯源方法，包括如下步骤：

S1：微站部署，建立厂-网-地块-源的物联；根据污水厂情况、管网片区走向、管网地块分布、企业分布及行业特征，在各个节点部署微型水质监测站，将各个物理要素(厂-网-地块-源)指向化、矢量化，并建立厂-网-地块-源的关联关系；

S2：数据清洗，去除无效数据、异常数据，噪音干扰数据，监测数据经过清洗、转换、归一化、配准和空间化等预处理后，对水质数据进行时空变化特征分析；

S3：构建污染溯源模型，搭建空间-时间-浓度三维收敛模型，计算污染贡献大的可疑企业名单；

S4：溯源，自动识别推送污染异常企业清单，生成执法任务供管理部门指挥调度。

优选地：所述S1包括以下步骤：

S11：在管网的关键节点部署微型水质监测站，根据污染异常情况选择监测特征因子；

S12：对污水厂涉水流域内的片区管网划分、排水地块单元、涉水企业情况进行调研摸查，了解排水地块内的重点排水企业、零星涉水企业，以及涉水企业行业特征情况；

S13：确定部分排水地块对应的管网、截流井以及检查井的位置；

S14：基于已清洗的市政排水设施和排水地块空间矢量数据、实地调研情况，布设管网水质监测微站，建立污水厂-排水片区-排水地块-企业的关联。

优选地：所述S11中，管件节点包括但不限于泵站片区、主干管网节点、次支管交汇点、重点排污企业。