基于物联网的污水处理全过程监管方法、系统及存储介质技术方案

本发明专利技术公开了一种基于物联网的污水处理全过程监管方法、系统及存储介质，包括：获取当前污水处理流程信息，设置水质监测点位的关键水质监测指标；通过关键水质监测指标获取各个点位的水质监测结果，构建污水处理全流程模型，根据水质监测结果利用污水处理全流程模型进行实时监测及控制；判断生成污水处理过程的故障预警信息，通过深度学习添加故障检测模型进行实时学习，根据水质监测结果及多变量工况数据进行污水处理过程的故障溯源，通过污水处理全流程模型进行可视化显示。本发明专利技术通过物联网技术对污水处理全过程进行远程监管，实现了对水质变化的动态监测及污水处理过程中异常工况的识别，显著提高了水质监测的效率和精度。度。度。

【技术实现步骤摘要】
基于物联网的污水处理全过程监管方法、系统及存储介质


[0001]本专利技术涉及污水处理监管
，更具体的，涉及一种基于物联网的污水处理全过程监管方法、系统及存储介质。

技术介绍

[0002]随着社会发展的不断加快，工业污染问题越来越受到重视。污水处理的安全稳定运行，对于节约能源和保护环境至关重要。污水处理过程是一个包含众多复杂生化反应的高度非线性的工业控制过程，该过程涉及到的变量繁多，而污水处理设备通常在恶劣的环境中工作，具有一定的时变性、时滞性以及耦合性的特点。污染防治的深入推进，污水处理设施的数量、规模和范围剧增，水质监测和设施管理的难度日益加大，污水处理设施的基础信息和污水处理设施在运行与管理过程中产生的大量污水处理信息急需科学的管理与分析。
[0003]污水处理过程控制面对多重困难，具有一定的挑战性，目前污水处理过程控制技术还比较落后，大多数还是分散采样、单独检测，数据采集点多，建设施工复杂，设备配置费用高，人员配备较多，数据集中处理难度较大，且污水参数检测更多的是针对污水处理企业的中水，这使得污水处理控制精度较低，难以达到较高的出水水质，另外污水处理过程同时也具有设备数量多、分布范围广、信息量大和故障排查困难等问题。因此针对污水监测数据采集信息效率低、精度差，无法进行实时动态监测的不足，提出了一种基于物联网的污水全过程监测系统是现阶段亟需解决的问题。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种基于物联网的污水处理全过程监管方法、系统及存储介质。
[0005]本专利技术第一方面提供了一种基于物联网的污水处理全过程监管方法，包括：获取当前污水处理流程信息，根据所述流程信息设置水质监测点位，获取各个点位的关键水质监测指标；通过关键水质监测指标获取各个点位的水质监测结果，构建污水处理全流程模型，根据水质监测结果利用污水处理全流程模型进行实时监测及控制；根据水质监测结果判断生成污水处理过程的故障预警信息，在所述污水处理全流程模型的基础上通过深度学习添加故障检测模型；对故障检测模型进行实时学习，根据水质监测结果及多变量工况数据进行污水处理过程的故障溯源，通过污水处理全流程模型进行可视化显示。
[0006]本方案中，根据所述流程信息设置水质监测点位，获取各个点位的关键水质监测指标，具体为：获取当前污水处理设备的工艺流程特性，根据工艺流程特性提取流程信息，将污水处理流程按照污水处理进行拆分，划分为若干流程子序列；
根据各流程子序列中的各工艺单元特征及位置特征选取评价指标，设置评价指标的指标权重，通过模糊综合评价判断各流程子序列对于预设重要性等级的隶属度矩阵；根据隶属度矩阵及指标权重获取各流程子序列的重要性等级，通过流程子序列的重要性等级与预设重要性等级进行对比，将符合重要性等级标准的流程子序列设置水质监测点位；获取合重要性等级标准的流程子序列的廊道特征结合重要性等级确定水质监测点位的数量及取点分布；根据对应流程子序列工艺单元特征中的功能特性利用数据检索获取各个点位的关键水质监测指标，并基于取点分布设置各关键水质监测指标的分布。
[0007]本方案中，构建污水处理全流程模型，具体为：获取当前污水处理流程中物理空间中的污水处理设备的物理实体，获取当前污水处理流程中的各个物理实体及各水质监测点位的多源异构数据，并进行相应预处理；将污水处理设备的物理实体进行三维建模处理映射到数字空间，将预处理后的多源异构数据生成孪生数据，根据物理空间中物理实体的装配连接关系在数据空间中将孪生数据与三维模型进行匹配获取数字孪生模型；获取各流程子序列的不同处理场景信息，将不同处理场景信息处理为场景序列，将所述场景序列存储到数字空间，将当前污水处理流程中污水处理设备的物理实体结合各流程子序列当前场景序列生成污水处理全流程模型。
[0008]本方案中，根据水质监测结果利用污水处理全流程模型进行实时监测及控制，具体为：获取各水质监测点位的水质监测结果，将水质监测结果与各关键水质评价指标的阈值范围进行对比获取各指标的偏差率信息，基于所述偏差率信息获取各水质监测点位的水质监测评价结果；将各水质监测点位的水质监测评价结果按照环境因素进行分类，获取不同环境因素下各水质监测点位的平均水质监测评价结果；根据所述平均水质监测评价结果与各监测指标限定值对应的水质监测评价结果的偏差设置各个流程子序列的补偿参数；将各个流程子序列的补偿参数设置对应的环境因素标签进行存储，当水质监测评价结果不符合预设标准时，则获取当前环境信息提取该流程子序列对应环境因素的补偿参数，进行处理参数调整。
[0009]本方案中，根据水质监测结果判断生成污水处理过程的故障预警信息，具体为：获取预设时间内各水质监测点位中各指标的偏差率信息，将偏差率信息与各指标对应的偏差率阈值进行对比，累计偏差率信息大于所述偏差率阈值的时间；当累计时间大于预设时间阈值时，则标注异常指标，确定异常指标所在水质监测点位的位置信息，根据所述位置信息判断历史监测数据中同一指标当前监测点位与临近监测点位的监测数据差值；根据所述监测数据差值设置差值阈值，将异常指标当前监测点位与临近监测点位的监测数据差值与差值阈值进行对比；若小于，则生成异常指标所在水质监测点位对应流程子序列的污水处理设备故障
预警信息，若大于，则生成异常指标所在水质监测点位的监测传感器故障预警信息。
[0010]本方案中，对故障检测模型进行实时学习，根据水质监测结果及多变量工况数据进行污水处理过程的故障溯源，具体为：基于深度学习构建故障检测模型，根据污水处理全流程模型中带有故障标签的历史工况数据及历史水质监测数据构建历史数据集，通过所述历史数据集划分为训练集及测试集对故障检测模型进行实时学习训练；计算测试集与训练集中提取当前输入矩阵的欧氏距离与角度，获取相似度，选取相似度符合预设标准的数据构建相似数据集，根据相似数据集确定临时模型参数，通过临时模型对当前输入矩阵进行预测，迭代训练后输出训练后的故障检测模型；当获取污水处理设备故障预警信息时，基于故障预警信息进行故障的初步定位，获取故障定位的水质监测结果及通过污水处理全流程模型获取的多变量工况数据；利用水质检测结果中的异常指标提取该异常指标的影响因素，通过所述影响因素将多变量工况数据进行筛选，将筛选后的多变量工况数据与影响因素进行匹配，生成单变量工况数据与影响因素匹配的输入矩阵数据集；将输入矩阵数据集中的数据依次输入故障检测模型，获取对应的临时模型，通过临时模型预测对应的故障信息，当前输入矩阵预测结束后移除对应临时模型，当输入矩阵数据集中数据预测结束后，对故障信息进行聚合输出。
[0011]本专利技术第二方面还提供了一种基于物联网的污水处理全过程监管系统，该系统包括：存储器、处理器，所述存储器中包括一种基于物联网的污水处理全过程监管方法程序，所述一种基于物联网的污水处理全过程监管方法程序被所述处理器执行时实现如下步骤：获取当前污水处理流程信息，根据所述流程信息设置水质监测点位，获取各个点位的关键水质监测指标；通过关键水质监测指标获取各个点位的水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的污水处理全过程监管方法，其特征在于，包括以下步骤：获取当前污水处理流程信息，根据所述流程信息设置水质监测点位，获取各个点位的关键水质监测指标；通过关键水质监测指标获取各个点位的水质监测结果，构建污水处理全流程模型，根据水质监测结果利用污水处理全流程模型进行实时监测及控制；根据水质监测结果判断生成污水处理过程的故障预警信息，在所述污水处理全流程模型的基础上通过深度学习添加故障检测模型；对故障检测模型进行实时学习，根据水质监测结果及多变量工况数据进行污水处理过程的故障溯源，通过污水处理全流程模型进行可视化显示。2.根据权利要求1所述的一种基于物联网的污水处理全过程监管方法，其特征在于，根据所述流程信息设置水质监测点位，获取各个点位的关键水质监测指标，具体为：获取当前污水处理设备的工艺流程特性，根据工艺流程特性提取流程信息，将污水处理流程按照污水处理进行拆分，划分为若干流程子序列；根据各流程子序列中的各工艺单元特征及位置特征选取评价指标，设置评价指标的指标权重，通过模糊综合评价判断各流程子序列对于预设重要性等级的隶属度矩阵；根据隶属度矩阵及指标权重获取各流程子序列的重要性等级，通过流程子序列的重要性等级与预设重要性等级进行对比，将符合重要性等级标准的流程子序列设置水质监测点位；获取合重要性等级标准的流程子序列的廊道特征结合重要性等级确定水质监测点位的数量及取点分布；根据对应流程子序列工艺单元特征中的功能特性利用数据检索获取各个点位的关键水质监测指标，并基于取点分布设置各关键水质监测指标的分布。3.根据权利要求1所述的一种基于物联网的污水处理全过程监管方法，其特征在于，构建污水处理全流程模型，具体为：获取当前污水处理流程中物理空间中的污水处理设备的物理实体，获取当前污水处理流程中的各个物理实体及各水质监测点位的多源异构数据，并进行相应预处理；将污水处理设备的物理实体进行三维建模处理映射到数字空间，将预处理后的多源异构数据生成孪生数据，根据物理空间中物理实体的装配连接关系在数据空间中将孪生数据与三维模型进行匹配获取数字孪生模型；获取各流程子序列的不同处理场景信息，将不同处理场景信息处理为场景序列，将所述场景序列存储到数字空间，将当前污水处理流程中污水处理设备的物理实体结合各流程子序列当前场景序列生成污水处理全流程模型。4.根据权利要求1所述的一种基于物联网的污水处理全过程监管方法，其特征在于，根据水质监测结果利用污水处理全流程模型进行实时监测及控制，具体为：获取各水质监测点位的水质监测结果，将水质监测结果与各关键水质评价指标的阈值范围进行对比获取各指标的偏差率信息，基于所述偏差率信息获取各水质监测点位的水质监测评价结果；将各水质监测点位的水质监测评价结果按照环境因素进行分类，获取不同环境因素下各水质监测点位的平均水质监测评价结果；
根据所述平均水质监测评价结果与各监测指标限定值对应的水质监测评价结果的偏差设置各个流程子序列的补偿参数；将各个流程子序列的补偿参数设置对应的环境因素标签进行存储，当水质监测评价结果不符合预设标准时，则获取当前环境信息提取该流程子序列对应环境因素的补偿参数，进行处理参数调整。5.根据权利要求1所述的一种基于物联网的污水处理全过程监管方法，其特征在于，根据水质监测结果判断生成污水处理过程的故障预警信息，具体为：获取预设时间内各水质监测点位中各指标的偏差率信息，将偏差率信息与各指标对应的偏差率阈值进行对比，累计偏差率信息大于所述偏差率阈值的时间；当累计时间大于预设时间阈值时，则标注异常指标，确定异常指标所在水质监测点位的位置信息，根据所述位置信息判断历史监测数据中同一指标当前监测点位与临近监测点位的监测数据差值；根据所述监测数据差值设置差值阈值，将异常指标当前监测点位与临近监测点位的监测数据差值与差值阈值进行对比；若小于，则生成异常指标所在水质监测点位对应流程子序列的污水处理设备故障预警信息，若大于，则生成异常指标所在水质监测点位的监测传感器故障预警信息。6.根据权利要求1所述的一种基于物联网的污水处理全过程监管方法，其特征在于，对故障检测模型进行实时学习，根据水质监测结果及多变量工况数据进行污水处理过程的故障溯源，具体为：基于深度学习构建故障检测模型，根据污水处理全流程模型中带有故障标签的历史工况...

【专利技术属性】
技术研发人员：朱枭强，陈翠群，王国彬，谢洁云，林浩添，何庚砰，陈鑫泉，
申请(专利权)人：鹏凯环境科技股份有限公司，
类型：发明
国别省市：