一种基于人工智能的污水管理系统的制作方法

[0001]
本发明涉及污水处理领域，特别是涉及一种基于人工智能的污水管理系统。


背景技术：

[0002]
污水处理硬件设施在现代乡镇中是非常重要的基础性硬件设施，与人们的生活息息相关，对保护水环境起到非常重要的作用。
[0003]
随着污水处理市场化程度的逐步增大，市场上涌现出许多污水处理厂，由于污水处理厂地域分布广泛，各种污水处理厂容易产生信息传递脱节，并且各种污水处理厂运营管理水平不一，运营管理人才短缺等，因此迫切需要进行智能化管理，来实现企业资源合理配置，通过有效监督提升企业运营管理能力。
[0004]
在污水处理厂建成之后，污水处理的管理效果依赖于管理制度的好坏。现有污水处理厂在管理中对污染治理措施采用非专业化管理，运行效率低。对于乡镇污水处理厂，如果按照传统污水处理厂的管理模式，必然会增加管理费用，导致运行费用的提高。另外，污水处理厂的管理人员的专业技术水平跟不上不断更新的环保设施设备，采用传统的管理模式已不能适应乡镇污水处理厂的发展要求，因此现有乡镇污水处理厂存在以下缺陷：
[0005]
1.运行成本高；由于乡镇污水处理厂都设置在乡、镇，并且污水处理厂的位置较为分散，从经济和技术角度考虑，均无法按照传统模式进行人员配置；
[0006]
2.技术力量薄弱，管理水平不够；污水处理厂的管理过程中，时常会有一些技术问题或难题出现，由于工作人员专业技术水平不够，管理不够科学，因此往往需要聘请专家才能得以解决，一方面拖延了时间，导致一段时间内不能稳定达标排放；另一方面也增加了管理难度和管理成本。


技术实现要素：

[0007]
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于人工智能的污水管理系统，能够对污水处理厂的污水处理数据和污水处理硬件设施工作数据进行远程检测和监控，对采集的数据进行统一的管理，实现无人值守运行的乡镇污水管理。
[0008]
本发明提供一种基于人工智能的污水管理系统，所述系统包括用于污水处理数据和污水处理硬件设施工作数据采集的数据采集层，用于提供数据传输的网络、安全、存储、计算资源的基础设施层；用于对数据进行诊断学习的人工智能层；所述数据采集层包括用于数据采集的plc，与plc连接的数据采集仪，与数据采集仪连接的数据链路；所述基础设施层包括与数据链路连接的交换机，与交换机连接的服务器，与服务器连接的存储器，所述人工智能层是应用于服务器上的算法程序。
[0009]
进一步的，所述算法程序是基于神经网络模型实现的，所述神经网络模型包括输入层、隐含层以及输出层，所述输入层输入污水处理数据和污水处理硬件设施工作数据，所述输出层输出plc控制参数。
[0010]
进一步的，所述数据采集层还包括摄像头、远程测控终端以及大屏显示器，所述摄
像头通过硬盘录像机进行视频图像采集，并且通过数据链路与交换机连接，所述大屏显示器与交换机连接，所述摄像头通过交换机将视频图像数据传输到大屏显示器的同时将视频图像数据发送到服务器。
[0011]
进一步的，所述系统还包括用于提供基础应用软件的应用软件层；用于数据汇总、校验、补偿、建模的数据中心层。
[0012]
进一步的，所述数据中心层包括用于数据汇总形成汇总池的数据备份和转储模块；用于数据校验、补偿、建模处理形成作业数据池的数据加工模块。
[0013]
进一步的，所述服务器包括应用服务器和数据库服务器，所述应用服务器和数据库服务器均是云服务器。
[0014]
如上所述，本发明的一种基于人工智能的污水管理系统，具有以下有益效果：本发明基于人工智能技术实现污水管理数字化、虚拟化、智能化；对污水处理数据和污水处理硬件设施工作数据进行自动采集，实现远程实时监控和智能报警，加强各级管理人员对污水处理厂运行情况的实时监管力度，使企业资源合理配置。
附图说明
[0015]
图1显示为本发明实施例中公开的系统的结构框图；
[0016]
图2显示为本发明实施例中公开的系统的完整的构架图；
[0017]
图3显示为本发明实施例中公开的系统的网络构架图；
[0018]
图4显示为本发明实施例中公开的神经网络模型的结构示意图；
[0019]
图5显示为本发明实施例中公开的神经网络模型的工作示意图；
[0020]
图6显示为本发明实施例中公开的系统实现自动化控制的界面图。
具体实施方式
[0021]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0022]
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0023]
如图1所示，本发明提供一种基于人工智能的污水管理系统，所述系统包括用于污水处理数据和污水处理硬件设施工作数据采集的数据采集层，用于提供数据传输的网络、安全、存储、计算资源的基础设施层；用于提供基础应用软件的应用软件层；用于数据汇总、校验、补偿、建模的数据中心层；用于对数据进行诊断学习的人工智能层；如图2所示，所述数据采集层包括用于数据采集的plc，与plc连接的数据采集仪，与数据采集仪连接的数据链路；所述基础设施层包括与数据链路连接的交换机，与交换机连接的服务器，与服务器连接的存储器，所述人工智能层是应用于服务器上的算法程序。
[0024]
其中，所述服务器包括应用服务器和数据库服务器，所述应用服务器和数据库服务器均是云服务器。
[0025]
具体的，所述数据采集层还包括摄像头、rtu(远程测控终端)以及大屏显示器，所述摄像头通过硬盘录像机进行视频图像采集，并且通过数据链路与交换机连接，所述大屏显示器与交换机连接，所述摄像头通过交换机将视频图像数据传输到大屏显示器的同时将视频图像数据发送到服务器，如图3所示，整个视频图像数据传输的网络结构分为两级，核心交换机、汇聚交换机和光纤交换机、业务交换机，实现外部摄像头与服务器等连接；通过vlan端口实现控制功能，提高数据传输的安全性和效率性。
[0026]
所述应用软件层包括数据系统、服务系统、支撑系统以及存储系统，实现系统的大数据存储；所述数据中心层包括用于数据汇总形成汇总池的数据备份和转储模块，用于数据校验、补偿、建模处理形成作业数据池的数据加工模块，实现大数据应用。
[0027]
所述人工智能层是本系统的主要核心层，主要分为污水处理数据和污水处理硬件设施工作数据的学习和处理，最终根据神经网络模型实现系统的自动优化、自动学习、自动校验、自动控制的目的，其中，如图4所示，神经网络模型包括输入层、隐含层以及输出层，所述输入层输入污水处理数据和污水处理硬件设施工作数据，所述输出层输出plc控制参数；
[0028]
具体的，污水处理数据和污水处理硬件设施工作数据的学习和处理阶段，大致可分为预防性维护、预测性维护、响应性维修，工艺过程状态分析；在预防性维护过程中，主要实现系统自动编制作业计划、实现运维表单及记录、人员及车辆的维护路径规划；预测性修护过程中，主要实现系统运行状态的监测，并对监测设备进行预测，并根据预测的故障等级进行分级预警，为管理者提供维修决策分析辅助；响应性维修过程中，主要实现系统故障响应，在系统故障后，按照故障等级进行资源统筹和人员安排；工艺过程状态分析过程中，确定污水处理工艺运行过程中的do(含氧量)、orp(氧化还原电位)、ss(悬浮物)、tp(含鳞量)、tn(总磷量)、温度、ph(酸碱度)、进/出水水质、进出水水量等指标的运行模式和运行趋势，并对未来n期的污水处理值进行预测，当在实际值出现显著偏离时，进行预警；在整个数据处理过程中，系统将实现对认知性、指令性、预测性、描述性进行分析，从计算学习库、算法库、专家库进行推理，实现系统自动优化学习过程，逐渐实现人工智能，将系统控制和相应达到专家级别
[0029]
如图5所示，在进行工艺过程状态分析时，神经网络模型的输入层输入不同进水水质和运行参数，准确预测不同条件下的出水水质，并根据出水水质是否达标，反过来调整运行参数、调整进水水质，从而保证出水水质达标；
[0030]
其中，所述进水水质和运行参数包括bod(生化需氧量)、cod(化学需氧量)、do(含氧量)、ph(酸碱度)、orp(氧化还原电位)、tn(总磷量)、tp(含鳞量)、nh
3-n(氨氮量)等。
[0031]
具体的，所述污水处理数据和污水处理硬件设施工作数据均是基于现有污水处理工艺实现，现有污水处理工艺流程如下：
[0032]
1.污水分别通过粗格栅和细格栅滤除污水中的渣滓后进入调节池，设置于调节池中的液位检测仪实时检测调节池的水位；当检测到水位达到设定值后，开启提升水泵将调节池中的污水送入曝气池；
[0033]
2.通过控制鼓风机控制曝气池中污水的do(含氧量)，orp(氧化还原电位)；然后通过浮子开关将do(含氧量)，orp(氧化还原电位)达标的污水排放到mbr膜生物反应池；
[0034]
3.通过控制化学清洗系统加入的药剂的计量，对污水进行处理，得到类清水；然后通过浮子开关将酸碱性达标的类清水排放到fbbr悬浮式生物滤床；
[0035]
4.通过控制加药系统加入的药物的计量，对类清水进行处理，得到清水；然后通过浮子开关将含磷量、含氨氮等达标的清水排放到清水池；
[0036]
5.通过ss检测仪(悬浮物检测仪)、tp检测仪(含磷检测仪)等分别对类清水和清水进行检测。
[0037]
因此污水处理数据包括do(含氧量)、orp(氧化还原电位)、tn(含磷量)等污水处理过程中的污水处理参数(根据污水处理工艺流程的改变，污水处理参数也是随之变化的)，所述污水处理硬件设施工作数据包括鼓风机的鼓风量、化学清洗系统和加药系统的加药计量等。
[0038]
如图6所示，为自动化控制的界面，展示污水处理事件流，能够实现功能有：1.查看污水处理厂详细信息；2.筛选污水处理厂；3.进入污水处理厂管理；4.趋势分析，查看cod(化学需氧量)，ss(悬浮物)，tp(含鳞量)，tn(总磷量)；5.实时药耗，查看次氯酸钠，柠檬酸，pac，乙酸钠；6.统计工单，查看处理中、待处理、已完成的工单；7.实时信息，查看故障信息，告警信息，预警信息；8.实时工艺参数，查看当天处理水量，调节池液位，mbr膜生物反应池液位，do(含氧量)，orp(氧化还原电位)。
[0039]
综上所述，本发明基于物联网技术和人工智能技术实现污水管理数字化、虚拟化、智能化；对污水处理数据和污水处理硬件设施工作数据进行自动采集，实现远程实时监控和智能报警，加强各级管理人员对污水处理厂运行情况的实时监管力度，使企业资源合理配置。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0040]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。