一种智能水厂管理方法、系统及存储介质技术方案

一种智能水厂管理方法、系统及存储介质，智能水厂管理方法包括：获取与多个不同的关键设备一一对应的多个运行环境信息，其中，多个不同关键设备对应的运行环境信息皆不相同；根据每个运行环境信息调整对应的关键设备的运行状态；根据每个运行环境信息确认对应的关键设备的故障信息；根据故障信息和预先构建的故障处理库获取故障处理预置信息，故障处理库包括多个不同的故障处理预置信息，多个故障处理预置信息与多个不同的故障信息一一对应。本发明专利技术不需要在现场设置维护人员进行实时维护，且可以用于确定关键设备的故障信息，并推荐故障处理预置信息，让巡检人员可以进行故障排除，不再需要完全依赖于巡检人员的专业技术，降低了人力成本。了人力成本。了人力成本。

【技术实现步骤摘要】
一种智能水厂管理方法、系统及存储介质


[0001]本专利技术属于信息
，具体涉及一种智能水厂管理方法、系统及存储介质。

技术介绍

[0002]水是生活和生产中必不可少的资源，而水厂是目前供水的主要来源。因此，能够及时有效的对水厂进行管理便显得尤为重要。传统的水厂管理方式主要通过人工进行，采用人工进行定时定点的巡检并留下相应的点检记录，点检过程需要消耗大量的人力和时间，导致人力成本极高。对此，市面上开始逐渐推出了智能水厂管理机制，但是目前市面上的水厂管理机制主要是通过采集水厂多个关键设备所在区域的视频，并将这些视频统一传输到集控室进行集中查看，虽然减少了巡查所需要的人力，但是仍然需要巡检人员在集控室中对采集的视频进行实时查看，且一旦出现问题后，也需要巡检人员凭借自身的经验和技术来判断事故的严重性，因此，需要巡检人员技能水平要求较高。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种智能水厂管理方法，所述智能水厂管理方法解决了目前水厂运维需要巡检人员高度参与、且对巡检人员的技能水平要求较高的问题。本专利技术还提出了一种智能水厂管理系统和一种用于存储上述智能水厂管理方法的计算机可执行指令的存储介质。
[0004]根据本专利技术第一方面实施例的智能水厂管理方法，包括以下步骤：
[0005]获取与多个不同的关键设备一一对应的多个运行环境信息，其中，多个不同所述关键设备对应的所述运行环境信息皆不相同；
[0006]根据每个所述运行环境信息调整对应的所述关键设备的运行状态；
[0007]根据每个所述运行环境信息确认对应的所述关键设备的故障信息；
[0008]根据所述故障信息和预先构建的故障处理库获取故障处理预置信息，所述故障处理库包括多个不同的所述故障处理预置信息，多个所述故障处理预置信息与多个不同的所述故障信息一一对应。
[0009]根据本专利技术实施例的智能水厂管理方法，至少具有如下技术效果：通过获取每个关键设备的运行环境信息，从而可以利用运行环境信息来调整每个关键设备的工作状态，不需要在现场设置维护人员进行实时维护，通过运行环境信息也可以用于确定关键设备的故障信息，进而可以利用故障处理库快速的确定故障处理预置信息，使得集控室的巡检人员可以及时发现故障，并可以根据故障处理预置信息对应的处理方法，快速的达到现场进行故障排除，此过程中不再需要完全依赖于巡检人员的专业技术，极大的降低了现场人力成本消耗。
[0010]根据本专利技术的一些实施例，所述关键设备至少包括提升泵；所述运行环境信息包括与所述提升泵对应的提升泵运行环境数据，所述提升泵运行环境数据至少包括调节池水质参数、所述提升泵的提升泵运行频率、所述提升泵的提升泵出水流量；
[0011]所述根据每个所述运行环境信息调整对应的所述关键设备的运行状态，包括以下步骤：
[0012]利用所述调节池水质参数确定水力停留时间，根据所述水力停留时间确定所述调节池水质参数与调节池处理能力参数的第一相关函数，所述调节池水质参数与所述水力停留时间为正相关，所述调节池处理能力参数用于表征调节池对水的处理速度；
[0013]确定所述提升泵运行频率与所述提升泵出水流量的第二相关函数，所述提升泵运行频率与所述提升泵出水流量为正相关；
[0014]根据所述第一相关函数和第二相关函数确认所述调节池水质参数与所述提升泵运行频率之间的模糊隶属度函数；
[0015]根据所述模糊隶属度函数确认所述提升泵的提升泵目标运行频率，并将所述提升泵目标运行频率传输至所述提升泵。
[0016]根据本专利技术的一些实施例，所述关键设备还包括曝气风机；所述运行环境信息还包括与所述曝气风机对应的风机运行环境数据，所述风机运行环境数据至少包括所述曝气风机的风机运行频率、曝气池内的溶解氧数据、曝气池进水的水质成分构成信息；
[0017]所述根据每个所述运行环境信息调整对应的所述关键设备的运行状态，还包括以下步骤：
[0018]以所述溶解氧数据和所述水质成分构成信息作为网络输入，以所述风机运行频率作为网络输出，构建基于BP算法的人工神经网络学习模型，并对人工神经网络学习模型进行训练，直至所述人工神经网络学习模型的准确率超过预设的调节阈值门限；
[0019]将所述水质成分构成信息和溶解氧数据输入所述人工神经网络学习模型，以得到用于控制所述曝气风机运行的风机目标运行频率，并将所述风机目标运行频率传输至所述曝气风机。
[0020]根据本专利技术的一些实施例，所述根据每个所述运行环境信息调整对应的所述关键设备的运行状态，还包括以下步骤：
[0021]若所述溶解氧数据超过预设的溶解氧调节范围，或所述水质成分构成信息超过预设的水质调节范围，且所述曝气风机通过调整恢复风量供应，将恢复过程中调节所述曝气风机的调节参数进行存储。
[0022]根据本专利技术的一些实施例，上述智能水厂管理方法还包括以下步骤：
[0023]获取多个所述关键设备的点检维护信息，所述点检维护信息至少包括所述关键设备的点检次数、维护次数以及使用周期信息；
[0024]根据所述点检维护信息确认对应所述关键设备的剩余使用寿命。
[0025]根据本专利技术的一些实施例，上述智能水厂管理方法还包括以下步骤：
[0026]显示所述运行环境信息、所述故障信息、所述故障处理预置信息、所述剩余使用寿命中一种或多种。
[0027]根据本专利技术的一些实施例，所述根据每个所述运行环境信息确认对应的所述关键设备的故障信息，包括以下步骤：
[0028]根据所述运行环境信息和预设的设备运行信息阈值表，确定所述关键设备的故障信息，其中，所述运行环境信息包括多个不同的运行参数，所述设备运行信息阈值表中包括了与多个所述运行参数一一对应的多个不同的运行参数项目，每个所述运行参数项目皆对
应设置有至少一个告警门限值。
[0029]根据本专利技术的一些实施例，所述运行环境信息由传感器组和图像采集系统得到，其中，所述传感器组包括多种不同类型的传感器，所述图像采集系统包括可见光影像采集装置和红外光影像采集装置。
[0030]根据本专利技术第二方面实施例的智能水厂管理系统，包括：
[0031]多个运行信息获取单元，分别用于获取与多个不同的关键设备一一对应的多个运行环境信息，其中，多个不同所述关键设备对应的所述运行环境信息皆不相同；
[0032]多个运行状态调整单元，分别用于根据每个所述运行环境信息调整对应的所述关键设备的运行状态；
[0033]故障信息确认单元，用于根据每个所述运行环境信息确认对应的所述关键设备的故障信息；
[0034]故障维护单元，用于根据所述故障信息和预先构建的故障处理库获取故障处理预置信息，所述故障处理库包括多个不同的所述故障处理预置信息，多个所述故障处理预置信息与多个不同的所述故障信息一一对应。
[0035]根据本专利技术实施例的智能水厂管理系统，至少具有如下技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能水厂管理方法，其特征在于，包括以下步骤：获取与多个不同的关键设备一一对应的多个运行环境信息，其中，多个不同所述关键设备对应的所述运行环境信息皆不相同；根据每个所述运行环境信息调整对应的所述关键设备的运行状态；根据每个所述运行环境信息确认对应的所述关键设备的故障信息；根据所述故障信息和预先构建的故障处理库获取故障处理预置信息，所述故障处理库包括多个不同的所述故障处理预置信息，多个所述故障处理预置信息与多个不同的所述故障信息一一对应。2.根据权利要求1所述的智能水厂管理方法，其特征在于，所述关键设备至少包括提升泵；所述运行环境信息包括与所述提升泵对应的提升泵运行环境数据，所述提升泵运行环境数据至少包括调节池水质参数、所述提升泵的提升泵运行频率、所述提升泵的提升泵出水流量；所述根据每个所述运行环境信息调整对应的所述关键设备的运行状态，包括以下步骤：利用所述调节池水质参数确定水力停留时间，根据所述水力停留时间确定所述调节池水质参数与调节池处理能力参数的第一相关函数，所述调节池水质参数与所述水力停留时间为正相关，所述调节池处理能力参数用于表征调节池对水的处理速度；确定所述提升泵运行频率与所述提升泵出水流量的第二相关函数，所述提升泵运行频率与所述提升泵出水流量为正相关；根据所述第一相关函数和第二相关函数确认所述调节池水质参数与所述提升泵运行频率之间的模糊隶属度函数；根据所述模糊隶属度函数确认所述提升泵的提升泵目标运行频率，并将所述提升泵目标运行频率传输至所述提升泵。3.根据权利要求2所述的智能水厂管理方法，其特征在于，所述关键设备还包括曝气风机；所述运行环境信息还包括与所述曝气风机对应的风机运行环境数据，所述风机运行环境数据至少包括所述曝气风机的风机运行频率、曝气池内的溶解氧数据、曝气池进水的水质成分构成信息；所述根据每个所述运行环境信息调整对应的所述关键设备的运行状态，还包括以下步骤：以所述溶解氧数据和所述水质成分构成信息作为网络输入，以所述风机运行频率作为网络输出，构建基于BP算法的人工神经网络学习模型，并对人工神经网络学习模型进行训练，直至所述人工神经网络学习模型的准确率超过预设的调节阈值门限；将所述水质成分构成信息和溶解氧数据输入所述人工神经网络学习模型，以得到用于控制所述曝气风机运行的风机目标运行频率，并将所述风机目标运行频率传输至所述曝气风机。4.根据权利要求3所...

【专利技术属性】
技术研发人员：李洗明，纪智慧，成一知，
申请(专利权)人：湖南新九方科技有限公司，
类型：发明
国别省市：