[發(fā)明專利]一種生活污水處理設施異常識別方法及監(jiān)控平臺

有效

• 申請?zhí)枺?/td>: 202010173385.7
• 申請日: 2020-03-12
• 公開（公告）號: CN111401582B
• 公開（公告）日: 2020-11-10
• 發(fā)明（設計）人: 繆袁泉;秦海洋;周雨淼;龐景墩;袁德河;張紅升;王洪偉;吳易
• 申請（專利權）人: 中交疏浚技術裝備國家工程研究中心有限公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q10/06;G06K9/62;H04L29/08;G08B25/08
• 代理公司: 上海華工專利事務所(普通合伙) 31104
• 代理人: 繆利明

本發(fā)明公開了一種生活污水處理設施異常識別方法及監(jiān)控平臺，包括：S1、獲取污水提升泵在正常工作狀態(tài)下、特定時間內(nèi)的電流、出口流量數(shù)據(jù)，以及該污水提升泵在發(fā)生故障前、特定時間內(nèi)的電流、出口流量數(shù)據(jù)，用于構建異常分析數(shù)據(jù)集，S2、通過聚類算法對異常分析數(shù)據(jù)集進行聚類分析，得到異常類數(shù)據(jù)簇；S3、根據(jù)所述異常類數(shù)據(jù)簇得到數(shù)值邊界，構建異常識別模型；S4、采集污水提升泵的電流、出口流量數(shù)據(jù)，輸入所述異常識別模型，以進行異常判斷。進一步對所述異常類數(shù)據(jù)簇進行時序分析以得到時間邊界并加入所述異常識別模型。本發(fā)明的異常識別方法對所述時間邊界內(nèi)的數(shù)據(jù)進行綜合判斷，能夠預警所述污水處理設施的初期異常運行。

技術領域

本發(fā)明屬于生活污水處理設施領域，具體為一種生活污水處理設施異常識別方法及監(jiān)控平臺。

背景技術

在水環(huán)境綜合整治的大背景下，農(nóng)村生活污水治理對于改善地表水環(huán)境質(zhì)量的意義越來越重大。但是農(nóng)村生活污水具有水量不穩(wěn)定、水質(zhì)差異大、污染物濃度高等特點，不便于布設管網(wǎng)與修建污水處理廠統(tǒng)一處理，目前多采用分散式污水處理設施處理。

分散式生活污水處理設施具有數(shù)量多、分布廣以及所處位置偏遠等特點，無法安排工作人員常駐處理設施點，通常以定期巡檢和維護的形式進行運維和故障排除。隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)技術的發(fā)展，所述污水處理設施的設備、水質(zhì)、水量等運行數(shù)據(jù)通過互聯(lián)網(wǎng)、物聯(lián)網(wǎng)傳輸至統(tǒng)一的平臺進行監(jiān)控。

所述生活污水處理設施在正常工作時，部分尺寸較小的、格柵無法處理的垃圾會進入并積聚在污水提升泵中，導致所述污水提升泵堵塞，甚至嚴重故障。對此，現(xiàn)有的生活污水處理設施監(jiān)控平臺只能對數(shù)據(jù)或者簡單狀態(tài)進行監(jiān)控，無法對監(jiān)控數(shù)據(jù)進行深度挖掘，因此無法監(jiān)測并識別初期堵泵狀態(tài)，設施運行的有效性以及效率難以保證，運維工作的效率也低，增加了人工、能耗成本，與此同時排放不達標的水污染了農(nóng)村地表水。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術的缺陷，本發(fā)明提供了一種生活污水處理設施異常識別方法及監(jiān)控平臺。

本發(fā)明解決其技術問題所采用的技術方案是：

一種生活污水處理設施異常識別方法，包括：

S1、獲取污水提升泵在正常工作狀態(tài)下、特定時間T_c內(nèi)的電流、出口流量數(shù)據(jù)，以及該污水提升泵在發(fā)生故障前、特定時間T_c內(nèi)的電流、出口流量數(shù)據(jù)，用于構建異常分析數(shù)據(jù)集X＝{x_i|i＝1,2,3,…,n}，其中，二維向量x_i＝(I_i,Q_i)，x_i表示第i個二維向量，I_i表示第i個電流數(shù)據(jù)，Q_i表示第i個出口流量數(shù)據(jù),n表示所述異常分析數(shù)據(jù)集X中二維向量的總數(shù)；

S2、通過聚類算法對異常分析數(shù)據(jù)集進行聚類分析，得到異常類數(shù)據(jù)簇X_f；

S3、根據(jù)所述異常類數(shù)據(jù)簇X_f得到數(shù)值邊界；對所述異常類數(shù)據(jù)簇進行時序分析：得到所述異常類數(shù)據(jù)簇X_f的每一個元素的原有時間標簽T_fi，進而建構一含時的異常數(shù)據(jù)集X_fn＝{x_fni|i＝1,2,3,…,N₂}，其中x_fni＝(I_fi,Q_fi,T_fi)；根據(jù)異常數(shù)據(jù)集X_fn中最早的異常點x_fn1＝(I_f1,Q_f1,T_f1)確定時間邊界T_b；所述數(shù)值邊界和時間邊界T_b用于構建異常識別模型；