[發明專利]一種集控式智慧污水處理廠運行系統

有效

• 申請號: 201911023291.5
• 申請日: 2019-10-25
• 公開（公告）號: CN110825041B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 吳遠遠;江瀚;林甲
• 申請（專利權）人: 北京首創股份有限公司;首創愛華（天津）市政環境工程有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418;C02F1/00
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;付久春

1.一種集控式智慧污水處理廠運行系統，其特征在于，包括：

集中式數據采集子系統、數據清洗子系統、人工智能分析子系統、決策支持子系統、遠程集控SCADA子系統和警報子系統；其中，

所述集中式數據采集子系統，通過物聯網與不少于十個污水處理廠通信連接，能采集各污水處理廠數據，并按預定的數據結構集中存儲和命名所采集的污水處理廠數據；所述集中式數據采集子系統按預定的數據結構集中存儲和命名所采集的污水處理廠數據為：按污水處理廠數據-工藝段數據-構筑物數據-設備數據或儀表數據的數據結構進行存儲；

所述集中式數據采集子系統包括：數據存儲單元、職能管理單元、主控處理單元、設計資料采集模塊、在線設備數據采集模塊、在線儀表數據采集模塊、實驗室測試數據采集模塊、人員管理信息采集模塊、設備管理信息采集模塊、養護管理信息采集模塊、視頻管理信息采集模塊、實驗室管理信息采集模塊、可視化模塊和存儲數據導出模塊；其中，所述數據存儲單元，分別與所述設計資料采集模塊、在線設備數據采集模塊、在線儀表數據采集模塊、實驗室測試數據采集模塊和管理數據采集模塊通信連接，能分別采集各污水處理廠的設計資料數據、在線設備數據、在線儀表數據、實驗室檢測數據和管理數據，并按預定的數據結構集中存儲至所述數據存儲單元；所述職能管理單元，分別與所述數據存儲單元、所述人員管理信息采集模塊、設備管理信息采集模塊、養護管理信息采集模塊、視頻管理信息采集模塊和實驗室管理信息采集模塊通信連接，能分別采集各污水處理廠的人員管理信息、設備管理信息、養護管理信息、視頻管理信息和實驗室管理信息，并按預定的數據結構集中存儲至所述數據存儲單元；所述主控處理單元，分別與所述數據存儲單元、職能管理單元、可視化模塊和存儲數據導出模塊通信連接，能將所述數據存儲單元存儲的數據經所述存儲數據導出模塊導出；

所述數據清洗子系統，與所述集中式數據采集子系統通信連接，能清洗所述集中式數據采集子系統采集的污水處理廠數據，去除錯誤的非常態數據，并存儲清洗后得到的污水處理廠數據；所述數據清洗子系統包括：錯誤分析單元和錯誤數據去除單元；其中，所述錯誤分析單元，分別與所述集中式數據采集子系統和錯誤數據去除單元通信連接，能通過預設的分析方式分析所述集中式數據采集子系統采集的污水處理廠數據，確定污水處理廠數據中錯誤的非常態數據，并將分析結果發送至所述錯誤數據去除單元；所述錯誤數據去除單元，能根據所述錯誤分析單元的分析結果，去除污水處理廠數據中錯誤的非常態數據，得到清洗后的污水處理廠數據；所述錯誤分析單元采用的預定分析方式為：數據類型分析、閾值分析、交叉驗證分析、平衡分析中的任一種；數據類型分析為限定數值類型；閾值分析為限定數值范圍，超出范圍為不合理，需要清洗掉；交叉驗證分析為兩種評估指標互相關聯進行分析判定是否合理，不合理需要清洗掉；平衡分析是根據物料平衡算法進行計算，如果不平衡，需要清洗掉；

所述人工智能分析子系統，與所述數據清洗子系統通信連接，能利用清洗后的污水處理廠數據，通過機器學習訓練數據挖掘算法模型，得到訓練后的數據挖掘算法模型用于所述決策支持子系統；

所述決策支持子系統，分別與所述數據清洗子系統、人工智能分析子系統通信連接，能利用所述數據清洗子系統清洗后的污水處理廠數據和所述人工智能分析子系統訓練后的數據挖掘算法模型，根據預定的目標設置對應的決策支持模塊；

所述決策支持子系統包括：進水單元智慧化分析模塊、工藝運行狀態分析模塊、投加碳源優化模塊、化學除磷優化模塊、整體能耗分析模塊、生物建模分析模塊和人工智能單元分析模塊；

其中，所述進水單元智慧化分析模塊，能根據收集的進水水質指標COD、氨氮、總氮、總磷各數據建立模型，預測達標風險，并給出解決方案；所述工藝運行狀態分析模塊，能根據運行過程收集的污泥活性、污泥濃度、污泥沉淀性能、進水出水水質和運行過程控制參數各數據建立模型，分析運行狀態，確認系統存在的運行風險，所述運行風險包括：污泥膨脹和/或達標風險；所述投加碳源優化模塊，能根據投加碳源量、進水水質、出水水質數據建立模型，建立投加方程，指導實現藥劑優化投加，并分析投加碳源合理性，給出投加方式建議值和優化；所述化學除磷優化模塊，能根據收集的投加化學藥劑量、進水水質、出水水質各數據建立模型，建立投加方程，指導實現藥劑優化投加，并分析投加除磷藥劑合理性，給出投加方式建議值和優化；所述整體能耗分析模塊，能分析系統整體能耗，并分析各各單元能耗分布，分析合理性，給出建議優化方式；所述生物建模分析模塊，能建立生化模型，進行污水處理廠運行優化分析，并給出優化運行方案；該生物建模分析模塊采用污水處理廠生物建模軟件，建立污水處理廠模型，并依據建立的模型進行情景模擬，給出優化運行方案；所述人工智能單元分析模塊，能基于歷史數據，分析建模，優化遠程集控SCADA子系統的各個參數；具體的，該人工智能單元分析模塊基于大數據分析手段，深入挖掘控制系統各個參數，實現參數優化，提高污水處理廠的運行效果；

所述遠程集控SCADA子系統，分別與所述集中式數據采集子系統和決策支持子系統通信連接，能根據所述集中式數據采集子系統采集的各污水處理廠數據和所述決策支持子系統設置的決策支持模塊，將控制指令直接反饋至各污水處理廠，集中對各污水處理廠實現遠程控制；

所述警報子系統，分別與所述遠程集控SCADA子系統、所述人工智能分析子系統和各污水處理廠通信連接，能對各污水處理廠的運行風險和人工智能分析子系統分析得出的工藝運行風險，對應進行警報；所述警報子系統用于：1)及時反饋污水處理廠運行過程中的設備、傳感器運行風險提示給操作人員，以便及時排出風險使污水處理廠恢復正常運行；2)在人工智能分析系統的輔助下對工藝運行情況做出風險判斷，提示工藝風險、生產風險給操作人員；具體來說包含以下十四種情景：1)設備故障警報；2)設備運行失穩警報；3)設備維護警報；4)傳感器故障警報；5)傳感器運行失穩警報；6)傳感器維護警報；7)進水風險警報；8)碳源投加警報；9)除磷藥劑投加警報；10)實驗室數據不可靠警報；11)在線數據不可靠警報；12)能耗警報；13)系統失穩警報；14)信號失穩警報。