[發明專利]一種污水處理過程監控智能預警云系統及污水處理監測預警方法

在審

• 申請號: 201710982848.2
• 申請日: 2017-10-20
• 公開（公告）號: CN107741738A
• 公開（公告）日: 2018-02-27
• 發明（設計）人: 竺勇;徐璐璐;王勇
• 申請（專利權）人: 重慶華綠環保科技發展有限責任公司
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 杭州千克知識產權代理有限公司33246
• 代理人: 鄭嫻雅

1.一種污水處理過程監控智能預警云系統，其特征在于，包括分布式數據采集終端模塊和/或現場拍照單元，還包括過程監控嵌入式數據采集儀以及云計算服務器，所述分布式數據采集終端模塊、現場拍照單元分別與所述過程監控嵌入式數據采集儀通信連接，所述過程監控嵌入式數據采集儀與所述云計算服務器通信連接。

2.根據權利要求1所述的污水處理過程監控智能預警云系統，其特征在于，所述分布式數據采集終端模塊包括分布式在線儀表、分布式在線儀表現場數據采集器和分布式機電設施現場數據采集器，所述分布式在線儀表現場數據采集器的輸入端連接所述分布式在線儀表信號輸出端，所述分布式機電設施現場數據采集器輸入端連接到機電設施控制信號的接線板上；所述分布式在線儀表現場數據采集器和分布式機電設施現場數據采集器分別與所述過程監控嵌入式數據采集儀雙向連接，相互通信。

3.根據權利要求2所述的污水處理過程監控智能預警云系統，其特征在于，還包括離散式PLC控制器，所述離散式PLC控制器與所述過程監控嵌入式數據采集儀雙向連接，相互通信；所述離散式PLC控制器信號輸出端連接所述分布式在線儀表現場數據采集器、分布式機電設施現場數據采集器和/或機電設施的控制端。

4.根據權利要求1所述的污水處理過程監控智能預警云系統，其特征在于，所述現場拍照單元包括攝像單元和圖像傳輸子系統，所述攝像單元輸出端連接所述圖像傳輸子系統輸入端，所述圖像傳輸子系統與所述過程監控嵌入式數據采集儀通信連接。

5.根據權利要求2所述的污水處理過程監控智能預警云系統，其特征在于，還包括無線短距離信號傳輸單元，所述分布式在線儀表和機電設施分別與所述過程監控嵌入式數據采集儀通過所述無線距離信號傳輸單元通信連接。

6.根據權利要求2所述的污水處理監測預警方法，其特征在于，所述分布式機電設施現場數據采集器實時采集污水處理水池的提升泵、沉淀池的污泥回流泵、曝氣鼓風機的運行狀態以及污水生化處理所需的藥劑加藥泵、水池液位測量設備、非金屬加藥管道的水量傳感器的控制信號。

7.根據權利要求1所述的污水處理過程監控智能預警云系統，其特征在于，還包括智能終端，所述云計算服務器與智能終端通信連接。

8.根據權利要求1所述的污水處理過程監控智能預警云系統，其特征在于，還包括基于SaaS云計算技術框架的互聯網云計算服務器系統、分布式采集數據接收與非關系型數據庫應用服務層、虛擬化可調配高性能計算機資源、互聯網網絡、用戶智能終端，并按分布式并行運算組合的云計算服務器集群系統，進行采集數據運算所需調整云計算服務器的資源分配與各個節點的組合配置。

9.根據權利要求8所述的污水處理過程監控智能預警云系統，其特征在于，通過分布式數據采集資源層、計算機資源集群管理層、應用服務層與污水運營單位的客戶終端展示單元展示給污水運營單位。

10.基于權利要求1所述的污水處理過程監控智能預警云系統的污水處理監測預警方法，其特征在于，包括以下步驟：

S1，分布式數據采集終端模塊對污水處理過程中的水質數據、各個污水治理設施的運行參數進行采集；現場拍照單元進行拍照，采集現場照片；

S2，將水質數據、各個污水治理設施的運行參數、現場照片通過網絡發送至過程監控嵌入式數據采集儀，所述過程監控嵌入式數據采集儀再將接收到的水質數據、各個污水治理設施的運行參數、現場照片發送至云計算服務器；

S3，云計算服務器對接收到的水質數據、各個污水治理設施的運行參數以及現場照片進行數據存取、按項目的具體污水處理工藝要求進行數據預處理及數據標準化計算、將數據在智能終端圖表可視化及預警處理；

S4、將步驟S3中所得結果通過移動客戶終端展示。

11.根據權利要求10所述的污水處理監測預警方法，其特征在于，所述在線儀表實時對污水微生物新陳代謝生化過程的反應池進行以溶解氧為基礎的在線監測，采集污水的參數數據，以強化監測污水生化處理過程的微生物去除污水有機污染物的能力，對污水處理中的生化池中脫磷脫氮的能力、沉淀池的污泥回流比例、污水來水液位數據進行實時監測；

分布式機電設施現場數據采集器實時對各個污水治理設施的運行參數進行采集。

12.根據權利要求8所述的污水處理監測預警方法，其特征在于，所述步驟S3包括以下步驟：

S3-1，云計算服務器對接收到的水質數據、各個污水治理設施的運行參數和現場照片按數據類型分為水質監測數據、設備運行參數數字開關量、現場所拍攝的照片進行分類存儲；

S3-2，經核主元分析算法、獨立成分分析算法、聚類分析算法、支持向量機算法與模糊人工神經網絡算法相互組合的多元數據處理技術，建立污水處理過程的經過數據歸一標準化降維處理與主成份分析處理運算方程；分布式在線儀表的數據按數據隊列所形成的多向量矩陣進行數據降維、對矩陣的特征向量處理；將污水處理的過程監控數據進行特征向量計算，模糊神經網絡的學習算法是BP神經網絡算法的進一步演化，模糊神經網絡分為輸入層、模糊化層、模糊推理層組成，由模糊神經網絡算法從特征向量的數據中學習污水處理生化運行規律，在污水處理生化曝氣方面結合溶解氧設定值進行在線儀表控制尋優，模糊神經網絡利用學習到的非線性規律對未知的出水水質數據進行預測，建立預測出水水質的優化人工智能神經網絡模型，對污水處理的特征向量樣本進行特征學習，參照所提供的樣本數據與進行對比測試；

S3-3，在污水處理故障檢測的過程監控內容中，過程監控數據信息由S3-2處理后，通過支持向量分類器、模糊神經網絡、徑向基神經網絡從過程監控數據信息中提取出刻畫過程運行特性的過程特征信號，然后對過程特征數據信息進行神經網絡學習分類以確定污水處理過程運行狀勢，采集數據根據不同的污水處理工藝采用多種神經網絡組合的學習、預測后，及時排查重要的數據異常所引起的污水處理污泥生化過程運行系統故障，避免在活性污泥法污水處理工藝中的污泥事故而導致污水處理的事故發生。明確反映污水生化處理以溶解氧為基礎的主導變量與輔助變量之間的動態關系以及污水處理運行態勢；

S3-4，針對出水水質模型方面，基于過程監控數據采集儀的數據而展開的數理統計回歸、主元分析與盲源算法、支持向量機分類器、模糊神經網絡、徑向基神經網絡相互組合的多變量數據水質數學模型中將污水生化處理經分布式在線儀表所采集的數據進行數據歸一標準化降維處理及主元分析降維數理統計處理，從過程數據中提取出清晰過程運行特性的過程特征信號，以主要對污水處理生化反應的好氧菌為主的微生物，通過對好氧菌的生長過程與曝氣池中的溶解氧在線儀表的關聯性來對曝氣設備進行智能控制，運用徑向基神經網絡、支持向量機、模糊神經網絡組合方式對過程特征信息進行分類以確定污水處理過程運行狀勢，參照末端監測所提供的COD、BOD的采集數據進行出水水質與過程監控采集數據非線性分類預測；

以污水處理生化反應的溶解氧在線儀表參數為基礎的模糊神經網絡參數學習控制模型，在生化反應進水水量與液位、進水COD、進水總磷總氮、進水PH、進水污泥懸浮物變化時，將采集數據新數據樣本加入到原來訓練樣本中，實現樣本的在線更新，然后通過S3-2所述的神經網絡處理組合在云計算服務器對新采集的訓練樣本進行運算與尋優，將運算結果提供離散式電氣離散式PLC控制器進行控制不同的加藥方案及曝氣時間，以達到在出水水質減少波動的運行參數穩定。