[发明专利]一种污水处理过程监控智能预警云系统及污水处理监测预警方法

权利要求书

1.一种污水处理过程监控智能预警云系统，其特征在于，包括分布式数据采集终端模块和/或现场拍照单元，还包括过程监控嵌入式数据采集仪以及云计算服务器，所述分布式数据采集终端模块、现场拍照单元分别与所述过程监控嵌入式数据采集仪通信连接，所述过程监控嵌入式数据采集仪与所述云计算服务器通信连接。

2.根据权利要求1所述的污水处理过程监控智能预警云系统，其特征在于，所述分布式数据采集终端模块包括分布式在线仪表、分布式在线仪表现场数据采集器和分布式机电设施现场数据采集器，所述分布式在线仪表现场数据采集器的输入端连接所述分布式在线仪表信号输出端，所述分布式机电设施现场数据采集器输入端连接到机电设施控制信号的接线板上；所述分布式在线仪表现场数据采集器和分布式机电设施现场数据采集器分别与所述过程监控嵌入式数据采集仪双向连接，相互通信。

3.根据权利要求2所述的污水处理过程监控智能预警云系统，其特征在于，还包括离散式PLC控制器，所述离散式PLC控制器与所述过程监控嵌入式数据采集仪双向连接，相互通信；所述离散式PLC控制器信号输出端连接所述分布式在线仪表现场数据采集器、分布式机电设施现场数据采集器和/或机电设施的控制端。

4.根据权利要求1所述的污水处理过程监控智能预警云系统，其特征在于，所述现场拍照单元包括摄像单元和图像传输子系统，所述摄像单元输出端连接所述图像传输子系统输入端，所述图像传输子系统与所述过程监控嵌入式数据采集仪通信连接。

5.根据权利要求2所述的污水处理过程监控智能预警云系统，其特征在于，还包括无线短距离信号传输单元，所述分布式在线仪表和机电设施分别与所述过程监控嵌入式数据采集仪通过所述无线距离信号传输单元通信连接。

6.根据权利要求2所述的污水处理监测预警方法，其特征在于，所述分布式机电设施现场数据采集器实时采集污水处理水池的提升泵、沉淀池的污泥回流泵、曝气鼓风机的运行状态以及污水生化处理所需的药剂加药泵、水池液位测量设备、非金属加药管道的水量传感器的控制信号。

7.根据权利要求1所述的污水处理过程监控智能预警云系统，其特征在于，还包括智能终端，所述云计算服务器与智能终端通信连接。

8.根据权利要求1所述的污水处理过程监控智能预警云系统，其特征在于，还包括基于SaaS云计算技术框架的互联网云计算服务器系统、分布式采集数据接收与非关系型数据库应用服务层、虚拟化可调配高性能计算机资源、互联网网络、用户智能终端，并按分布式并行运算组合的云计算服务器集群系统，进行采集数据运算所需调整云计算服务器的资源分配与各个节点的组合配置。

9.根据权利要求8所述的污水处理过程监控智能预警云系统，其特征在于，通过分布式数据采集资源层、计算机资源集群管理层、应用服务层与污水运营单位的客户终端展示单元展示给污水运营单位。

10.基于权利要求1所述的污水处理过程监控智能预警云系统的污水处理监测预警方法，其特征在于，包括以下步骤：

S1，分布式数据采集终端模块对污水处理过程中的水质数据、各个污水治理设施的运行参数进行采集；现场拍照单元进行拍照，采集现场照片；

S2，将水质数据、各个污水治理设施的运行参数、现场照片通过网络发送至过程监控嵌入式数据采集仪，所述过程监控嵌入式数据采集仪再将接收到的水质数据、各个污水治理设施的运行参数、现场照片发送至云计算服务器；

S3，云计算服务器对接收到的水质数据、各个污水治理设施的运行参数以及现场照片进行数据存取、按项目的具体污水处理工艺要求进行数据预处理及数据标准化计算、将数据在智能终端图表可视化及预警处理；

S4、将步骤S3中所得结果通过移动客户终端展示。

11.根据权利要求10所述的污水处理监测预警方法，其特征在于，所述在线仪表实时对污水微生物新陈代谢生化过程的反应池进行以溶解氧为基础的在线监测，采集污水的参数数据，以强化监测污水生化处理过程的微生物去除污水有机污染物的能力，对污水处理中的生化池中脱磷脱氮的能力、沉淀池的污泥回流比例、污水来水液位数据进行实时监测；

分布式机电设施现场数据采集器实时对各个污水治理设施的运行参数进行采集。

12.根据权利要求8所述的污水处理监测预警方法，其特征在于，所述步骤S3包括以下步骤：

S3-1，云计算服务器对接收到的水质数据、各个污水治理设施的运行参数和现场照片按数据类型分为水质监测数据、设备运行参数数字开关量、现场所拍摄的照片进行分类存储；

S3-2，经核主元分析算法、独立成分分析算法、聚类分析算法、支持向量机算法与模糊人工神经网络算法相互组合的多元数据处理技术，建立污水处理过程的经过数据归一标准化降维处理与主成份分析处理运算方程；分布式在线仪表的数据按数据队列所形成的多向量矩阵进行数据降维、对矩阵的特征向量处理；将污水处理的过程监控数据进行特征向量计算，模糊神经网络的学习算法是BP神经网络算法的进一步演化，模糊神经网络分为输入层、模糊化层、模糊推理层组成，由模糊神经网络算法从特征向量的数据中学习污水处理生化运行规律，在污水处理生化曝气方面结合溶解氧设定值进行在线仪表控制寻优，模糊神经网络利用学习到的非线性规律对未知的出水水质数据进行预测，建立预测出水水质的优化人工智能神经网络模型，对污水处理的特征向量样本进行特征学习，参照所提供的样本数据与进行对比测试；

S3-3，在污水处理故障检测的过程监控内容中，过程监控数据信息由S3-2处理后，通过支持向量分类器、模糊神经网络、径向基神经网络从过程监控数据信息中提取出刻画过程运行特性的过程特征信号，然后对过程特征数据信息进行神经网络学习分类以确定污水处理过程运行状势，采集数据根据不同的污水处理工艺采用多种神经网络组合的学习、预测后，及时排查重要的数据异常所引起的污水处理污泥生化过程运行系统故障，避免在活性污泥法污水处理工艺中的污泥事故而导致污水处理的事故发生。明确反映污水生化处理以溶解氧为基础的主导变量与辅助变量之间的动态关系以及污水处理运行态势；

S3-4，针对出水水质模型方面，基于过程监控数据采集仪的数据而展开的数理统计回归、主元分析与盲源算法、支持向量机分类器、模糊神经网络、径向基神经网络相互组合的多变量数据水质数学模型中将污水生化处理经分布式在线仪表所采集的数据进行数据归一标准化降维处理及主元分析降维数理统计处理，从过程数据中提取出清晰过程运行特性的过程特征信号，以主要对污水处理生化反应的好氧菌为主的微生物，通过对好氧菌的生长过程与曝气池中的溶解氧在线仪表的关联性来对曝气设备进行智能控制，运用径向基神经网络、支持向量机、模糊神经网络组合方式对过程特征信息进行分类以确定污水处理过程运行状势，参照末端监测所提供的COD、BOD的采集数据进行出水水质与过程监控采集数据非线性分类预测；

以污水处理生化反应的溶解氧在线仪表参数为基础的模糊神经网络参数学习控制模型，在生化反应进水水量与液位、进水COD、进水总磷总氮、进水PH、进水污泥悬浮物变化时，将采集数据新数据样本加入到原来训练样本中，实现样本的在线更新，然后通过S3-2所述的神经网络处理组合在云计算服务器对新采集的训练样本进行运算与寻优，将运算结果提供离散式电气离散式PLC控制器进行控制不同的加药方案及曝气时间，以达到在出水水质减少波动的运行参数稳定。