阅读说明：本技术 一种智慧型污水生物处理活性污泥监测技术及方法 (Intelligent sewage biological treatment activated sludge monitoring technology and method ) 是由 王艳捷 于 2020-07-28 设计创作，主要内容包括：本发明属于污水处理领域,具体涉及一种保障污水生物处理设施稳定运行的智慧型活性污泥监测技术及方法,包括感知监测装置和智能专家系统,所述感知监测装置采集活性污泥的标准图像和溶解氧变化数据,所述智能专家系统通过数据的挖掘与处理获得反映活性污泥性能的量化指标,包括但不限于反应液溶解氧下降速率变化,污泥沉降速率变化,污泥浓度,污泥颜色,上层液浊度,上层液颜色,污泥絮体大小及均匀度,经基于监测指标间的内在逻辑和运行经验建立活性污泥性能评价模型分析,获得活性污泥的性能状态。本发明实现了简单便捷和低成本的监控活性污泥的性能状态,进而掌握污水处理设施的的运行状况,为污水处理设施的智能化运营提供技术支撑。(The invention belongs to the field of sewage treatment, and particularly relates to an intelligent activated sludge monitoring technology and method for ensuring stable operation of a sewage biological treatment facility. The invention realizes the simple, convenient and low-cost monitoring of the performance state of the activated sludge, further grasps the operation condition of the sewage treatment facility and provides technical support for the intelligent operation of the sewage treatment facility.)

一种智慧型污水生物处理活性污泥监测技术及方法

技术领域

本发明属于污水处理领域，具体涉及一种保障污水生物处理设施稳定运行的智慧型活性污泥监测技术及方法。

背景技术

在污水处理，尤其是分散型污水处理领域，污水处理设施由于存在数量多、分布广，运营人员的数量和技术素质远达不到保障设施稳定运行的需求。因此，不少污水处理设施实际运行效率低下，甚至长期处理半瘫痪运行的状态，造成了资源浪费。

污水处理设施一般包括一级处理、二级处理和三级处理。一级处理是以机械处理为主的预处理，去除污水中不溶解的悬浮物和大颗粒物；二级处理为生物处理，通过生物降解去除污水中的各种污染物；三级处理是根据排放标准要求进行的深度处理和消毒等措施，污水处理设施出水要求低时可以不设三级处理。整个污水处理系统中，二级处理是整个处理流程的核心单元，也是运行调控的重点和难点。因为一旦生物处理系统受到破坏会造成整个污水处理系统的崩溃，其培养驯化和重新恢复的周期相当长。

目前，针对上述污水处理设施稳定运行问题的探讨主要集中在污水处理新工艺研究和配套智能化运营管理平台技术方面。污水处理新工艺是一个长期探索的过程，短期内很难从根本上解决问题，也解决不了已建成污水处理设施的运行问题。智能化运营管理平台适合于分散型污水设施的管理，但实际应用效果不佳，华而不实。究其原因是需要大量的监测数据的支撑，数据采集需要增加大量的检测仪器或传感器，监测成本高，这对于单体规模小、数量多的分散型污水处理设施来说，不具备经济性。

发明内容

针对上述问题，本发明的目的在于提供一种利用人工智能技术与污水处理监测技术相结合的智慧型污水生物处理活性污泥监测技术，实现较低成本的监测硬件投入的情况下掌握较全面的污水处理生化池活性污泥性能数据，满足智能化运营管理平台指导运营的需求。

所述的智慧型污水生物处理活性污泥监测技术，包括感知监测装置和智能专家系统，所述感知监测装置采集活性污泥的标准图像和溶解氧变化数据传输给所述智能专家系统进行活性污泥性能的综合评价。

所述的感知监测装置，包括壳体、溶解氧传感器、磁力搅拌器、图像成像模块、检测管、数据采集模块、电源管理和控制器以及监测程序。

所述溶解氧传感器设置于所述感知监测硬件的所述检测管取放口盖子上，所述盖子大于所述检测管直径，内侧安装有硅胶垫能够压紧检测管，所述盖子一端与壳体，另一端设置有卡扣结构，与壳体侧壁卡扣固定。

所述磁力搅拌器为电力驱动的液体混合搅拌装置，由磁力底座和搅拌转子组成。

所述图像成像模块，包括图像传感器、镜头、光源。所述图像传感器应不低于500万像素；所述镜头焦距＜200mm；所述光源，位于相对于镜头的检测管对面和侧面(左侧或右侧)，检测管对面的光源采用自然散射光，检测管侧面的光源采用自然直射光，直射光光源沿检测管中心线竖向排布，直射光源的检测管的对面设置有45°安装的反光镜，直射光源垂直照射穿过检测管后经反光镜反射至镜头侧，能够与检测管同时成像于同一幅图像的不同位置。

所述检测管为透光性好的无色透明玻璃管。

所述电源管理和控制器，由电源管理模块、控制面板、控制执行器和数据采集模块组成。控制感知监测设备的电源开关、数据连接与传输、光源调节以及执行设置完成的监测程序。

所述智能专家系统，包括：数据处理模块、数据中心、专家分析模块、用户交互中心以及安全保障体系模块。

所述数据处理模块通过对标准图像和溶解氧变化数据的挖掘与处理，获得反映活性污泥性能的量化指标，包括但不限于反应液溶解氧下降速率变化，污泥沉降速率变化，污泥浓度，污泥颜色，上层液浊度，上层液颜色，污泥絮体大小及均匀度。

所述专家分析模块是依据所述数据处理模块挖掘和处理的量化指标之间的内在逻辑和运行经验建立的活性污泥性能评价模型，能够根据所述数据处理模块的量化指标评价被监测活性污泥的性能状态。

所述数据中心，用于所述感知监测装置监测的数据信息的快速存储和提取、数据挖掘与处理信息、模型评价结果的储存和提取；还用于所述检测人员对被检测污水处理设施基本信息的存储和提取，包括但不限于具体工艺、废水性质、排放标准、站点名称及编号、处理规模、生物池水力停留时间、启动运行时间、排泥周期。

所述的智慧型污水生物处理活性污泥监测技术，检测步骤如下：

步骤S1，采集污水处理生物反应池泥水混合液样品，使用专用的感知监测装置监测设定的搅拌-沉淀程序，搅拌程序定时采集溶解氧样品，沉淀程序定时采集标准的图像信息。

步骤S2，将S1采集的数据远程传输给智能专家系统，智能专家系统对数据及图像信息进行处理，提取包括但不限于溶解氧变化特征、泥层高度比例、上层液高度比例、泥层颜色、上层液颜色、泥层散射光照度、泥层直射光照度、上层液散射光照度、上层液直射光照度、污泥絮体大小及均匀度的有用信息。

步骤S3，通过与相应的标准曲线、标准色卡，参数校正的方式对步骤S2提取的信息进行数据处理，得到反应液溶解氧下降速率变化、污泥沉降速率变化、污泥浓度、污泥体积指数、污泥颜色、上层液浊度、上层液颜色，污泥絮体大小及均匀度的量化数据。

步骤S4，将步骤S3的量化数据代入相应污水生物工艺特征的活性污泥性能评价模型，得出活性污泥综合性能判断结果、趋势预测及可信度。

步骤S5，智能专家系统将步骤S4的得出活性污泥综合性能判断结果及可信度发送给步骤S1监测人员或用户。

所述步骤S1中，所述的搅拌-沉淀程序按照先搅拌再静置的顺序，搅拌时间预设为10～40分钟，每间隔30s～180s采集1次溶解氧数据，静置时间预设为30～60分钟，每间隔60s～300s拍摄1次图像数据。

所述步骤S2中，所述的智能专家系统对数据及图像信息进行处理，包括：

所述溶解氧变化特征是根据所述步骤S1中的感知监测装置采集的溶解氧数据与对应的搅拌时间的关系曲线。

所述泥层高度比例、上层液高度比例、泥层颜色、上层液颜色、泥层散射光照度、泥层直射光照度、上层液散射光照度、上层液直射光照度是根据所述步骤S1中的感知监测装置采集的图像进行数据挖掘抽取的信息。

所述步骤S3中，所述数据处理包括：

所述反应液溶解氧下降速率变化的量化处理方法是根据所述步骤S2中的溶解氧变化特征在标准溶解氧变化曲线数据库中找到特征相似度最高的标准溶解氧变化曲线，计算所述步骤S2中的溶解氧变化特征的溶解氧下降速率与所述特征相似度最高的标准溶解氧变化曲线的比值，并根据相似程度量化确定可信度值。

所述污泥沉降速率变化的量化处理方法是根据所述步骤S2中的泥层高度比例和上层液高度比例随时间变化曲线在标准污泥沉降数据库中找到特征相似度最高的污泥沉降变化曲线，分布计算所述步骤S2中的对应时间泥层高度比例与所述特征相似度最高的标准溶解氧变化曲线在自由沉淀阶段、集团沉淀阶段和压缩沉淀阶段的比值，并根据相似程度量化确定可信度值。

所述上层液浊度的数据处理方法是根据所述步骤S2中上层液散射光照度和上层液直射光照度，分别作为近似散射光通量和近似透过光通量，根据浊度＝K*近似散射光通量/近似透过光通量计算浊度值，计算结果与标准数据库的标准上层液散射光照度/上层液直射光照度-浊度对照，校正计算结果作为确定的上层液浊度值，并计算校正系数作为可信度值。

所述污泥浓度的数据处理方法是根据所述步骤S2中泥层散射光照度和泥层直射光照度，分别作为近似散射光通量和近似透过光通量，根据污泥浓度＝K*近似散射光通量/近似透过光通量计算污泥浓度值，计算结果与标准数据库的标准泥层散射光照度/泥层直射光照度-污泥浓度对照，校正计算结果作为确定的污泥浓度值，并计算校正系数作为可信度值。

所述的污泥体积指数的数据处理方法是根据公式：污泥体积指数＝SV30/污泥浓度，并根据SV30和污泥浓度值的可信度计算污泥体积指数的可信度。

所述上层液颜色的数据处理方法是根据所述步骤S2中的上层液颜色在标准上层液颜色数据库中找到特征相似度最高的标准上层液颜色及其对应的属性数值作为所述上层液颜色值，并根据相似程度量化确定可信度值。

所述污泥颜色的数据处理方法是根据所述步骤S2中的污泥颜色在标准污泥颜色数据库中找到特征相似度最高的标准污泥颜色及其对应的属性数值作为所述污泥颜色值，并根据相似程度量化确定可信度值。

所述污泥絮体大小及均匀度的数据处理方法是根据所述步骤S2中的污泥絮体大小及均匀度与数据库对应的标准污泥絮体对照，计算所述步骤S2中的污泥絮体大小及均匀度与对应的标准污泥絮体大小及均匀度的比值，并根据相似程度量化确定可信度值。

所述步骤S4中，所述的活性污泥性能评价模型是基于神经网络模型和数据库数据类型的关联规则建立，所述数据库数据类型的关联规则是根据不同污水生物处理工艺和不同活性污泥性状的内在逻辑关系建立，并分别对关联规则的支持度、置信度和提升度赋值。

所述活性污泥性能评价模型所述的不同活性污泥性状，包括但不限于正常的活性污泥、老化初期的的污泥、老化严重的活性污泥、微膨胀的活性污泥、膨胀严重的活性污泥、惰性物质高的活性污泥、长期高负荷运行的活性污泥、长期低负荷运行的活性污泥、受负荷冲击的活性污泥、中毒的活性污泥。

根据活性污泥综合性能判断结果，结合所监测污水处理设施的工艺模型信息，得出活性污泥性状诊断结论及该污水生物处理设施运行建议。

所述活性污泥性能评价模型的关联规则的支持度、置信度和提升度在所述智能专家系统应用大数据基础上进行增强式学习和归纳，提出的数据统计结果和修正建议，经专业技术管理员审核后进行修正，实现系统的升级和完善。

所述步骤S4中，所述数据传输采用无线或数据线或同时具备无线和数据线连接方式。

在本发明的一种实施方式中，所述所述数据传输采用无线连接方式即WIFI/ZigBee/蓝牙与智能手机连接，通过相应的APP软件与感知监测硬件交互通讯。所述手机APP操作能够设置感知监测硬件的拍照时间间隔和调节光源强度；接收来自感知监测硬件拍摄的图像等信息，通过4G/5G网络实时上传至远程所述智能专家系统；所述智能专家系统的分析诊断结果传回所述手机APP。

在本发明的另一种实施方式中，所述数据传输及终端设备采用远程传输模块，通过数据线与所述感知监测硬件连接，控制和接收监测数据，并将数据通过以太网传输给所述智能专家系统；所述智能专家系统的分析诊断结果发送给污水处理设施的智能化运营管理平台。

本发明的智慧型检测技术能够实现污水处理设施的智能化运营管理，尤其是能够辅助实现分散型污水处理设施的批量化管理。通过活性污泥历史监测数据和出水水质历史数据的相关性分析，能够预测出水水质供运营管理人员参考。

附图说明

为了理解本发明，以下通过

具体实施方式

并结合附图对本发明进行具体说明。

图1是根据本发明实施例的一种智慧型污水生物处理活性污泥监测技术的流程图。

图2是根据本发明实施例的感知监测装置的结构平面示意图。

图3是根据本发明实施例的感知监测装置的结构测视示意图。

图4是根据本发明实施例的数据传输的网络拓扑结构。

图5是根据本发明实施例的神经网络结构图

附图中：1壳体，2检测管，3直射光源，4反光镜，5散射光源，6数据采集模块，7控制执行器，8镜头，9图像传感器，10电源管理模块，11控制面板，12检测口盖子，13盖子卡扣，14溶解氧传感器，15磁力搅拌器，16转子。

具体实施方式

图1和图2是根据本发明的一种实施方式的感知监测装置示意图，采用人工进样监测。图3是根据本发明一种实施方式的数据传输和交互方式，采用智能手机及APP作为数据传输和交互方式。具体实施步骤如下：

首先，将感知监测装置壳体1水平放置后，按下控制面板11的电源键。监测人员通过智能手机WIFI/ZigBee/蓝牙连接感知监测装置；并通过所述智能专家系统配套的手机APP设置搅拌-静置监测程序和参数设定，搅拌时间一般设置为15min，静置时间一般设置为30min。感知监测装置接收预设信息，在控制面板11的显示器显示有正在进行的程序步骤、预设时间和正在进行的时间。

其次，取污水生物处理池泥水混合液加入检测管2至固定液位高度，为提高历史监测数据的可比性，每次宜在污水生物处理池固定位置取样。

进一步，上述检测管2加入磁力搅拌器15的转子16后置于感知监测装置的检测位置，扣上盖子12，盖子12上固定的溶解氧传感器14会伸入检测管内液位以下，并按下控制面板11的启动键。

进一步，控制执行器7开始按照预设程序执行检测，溶解氧传感器14从搅拌启动第1s开始，每间隔60s采集1次溶解氧数据，直至搅拌程序结束。所采集的溶解氧数据经智能手机通过4G/5G传输给所述智能专家系统。

进一步，搅拌程序结束后进入预设的静置程序，图像成像模块从进入静置程序第1s开始，每间隔150s拍摄1次，直至静置程序结束。所采集的图像数据经智能手机通过4G/5G传输给所述智能专家系统。

进一步，所述智能专家系统的所述数据处理模块对溶解氧数据和图像信息进行数据挖掘和数据处理，得到量化数据如下：

同步的，通过检测人的录入及数据中心历史数据获取被监测污水处理设施其他信息：

进一步，所述智能专家系统的根据上述各项指标量化数据和其他信息导入的活性污泥性能评价模型相应的神经网络结构图，如图5.通过活性污泥性能评价模型计算，得出1项或多项活性污泥综合性能判断结果，并根据逻辑关系给出可信度值。结果输出可信度＞50％的前2种结论。