(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210779810.6
(22)申请日 2022.07.04
(71)申请人 南京工业大 学
地址 211899 江苏省南京市浦珠南路3 0号
(72)发明人 李俊 陈鹏 薄翠梅 俞辉
张泉灵 张登峰
(74)专利代理 机构 北京清亦华知识产权代理事
务所(普通 合伙) 11201
专利代理师 罗岚
(51)Int.Cl.
G06F 16/215(2019.01)
G06F 16/21(2019.01)
G06F 16/23(2019.01)
G06F 16/25(2019.01)
G06F 16/22(2019.01)G06F 16/71(2019.01)
G06F 16/906(2019.01)
G06Q 50/26(2012.01)
H04Q 9/00(2006.01)
G08B 21/18(2006.01)
(54)发明名称
一种动态时间窗污水处理监测数据合理性
判定方法
(57)摘要
本发明提出一种动态时间窗污水处理监测
数据合理性判定方法, 包括: 对污水处理厂不同
类型监测数据进行采集并传输到贴源 数据库; 对
不同类型监测数据, 分别建立时序和自适应数据
模型, 进行数据建模与压缩; 采用皮尔森相关系
数法确定与监测数据相关的污水治理工况因素
作为污水质量监控关键相关变量; 引入动态时间
窗实时更新相关监控数据, 窗口大小根据污水工
况数据和末端数据的判定规则进行动态调整; 建
立数据合理性判别规则库判定污染物排放监测
数据的合理性。 通过本发明, 能够全面监控企业
的生产设施和治理设施的运行、 污染物治理效果
和排放情况, 以提高污水处理厂运行的可靠性,
同时也有益于 污水处理厂监测数据的多样分析。
权利要求书3页 说明书9页 附图3页
CN 115374092 A
2022.11.22
CN 115374092 A
1.一种动态时间窗污水处 理监测数据合理性判定方法, 其特 征在于, 包括:
对污水处理厂监测数据进行采集并传输到贴源数据库; 其中, 所述监测数据的类型包
括: 末端数据、 用电数据、 工况 数据和视频 数据;
对不同类型监测数据, 分别建立 时序和自适应数据模型, 进行数据建模与压缩, 完成对
监测数据的过 滤和分发;
采用皮尔森相关系数法确定与监测数据相关的污水治理工况因素, 保留相关性大的污
水治理工况因素作为污水质量 监控关键相关变量;
针对所述污水质量监控关键相关变量, 引入动态时间窗实时更新相关监控数据, 窗口
大小根据污水工况 数据和末端数据的判定规则进行动态调整;
建立数据合理性判别规则库, 通过所述数据合理性判别规则库判定采样样本中监测数
据与污水质量监控关键相关变量是否符合规则, 对比监测数据与污水质量监控关键相关变
量是否一致, 进而判定污染物排放监测数据的合理性; 其中, 所述数据合理性判别规则库内
容包括数据缺失、 数据恒值、 排 放超标和数据超范围;
监测数据异常发布推送, 针对生产设施和治理设施运行中出现的故障或异常情况进行
实时报警, 并能记录和查询报警; 对报警内容进行推送, 跟踪报警处理措施和处理结果, 形
成报警信息闭环管理。
2.根据权利要求1所述的动态时间窗污水处理监测数据合理性判定方法, 其特征在于,
所述污水处理厂监测数据中, 末端数据为污水治理厂进出口指标数据, 包括污水流量、 pH
值、 氨氮(NH3 ‑N)、 总氮(TN)、 总 磷(TP)、 化学需氧量(COD): 工况数据包括溶解氧(DO)、 污泥
浓度(MLSS)、 加药量、 剩余污泥量、 污泥排放量、 鼓风机空气流量; 用电数据是关键治理设备
运行数据, 包括污水提升泵电流、 混合液回流泵电流、 鼓风机电流、 剩余污泥泵工作电流、 污
泥浓缩机电流、 污泥压滤机工作电流; 视频数据是末端排放口监控视频; 现场不同类型污水
处理厂监测数据分别通过安装对应的数据采集传输仪器, 设置对应数据类型的监测数据接
口, 按照污染物在线监测系统HJ212 ‑2017数据传输协议将数据统一 转换为标准格式。
3.根据权利要求1所述的动态时间窗污水处理监测数据合理性判定方法, 其特征在于,
在对不同类型监测数据, 分别建立时序和自适应数据模型的步骤中, 采用Spr intz序列化算
法实现对末端数据、 工况数据、 用电数据的数据建模和压缩, 采用基于CALIC算法 的自适应
预测模型, 实现对视频数据的压缩; 建模完成后, 还包括对数据报文和数据质量的统计, 完
成对数据的过 滤和分发。
4.根据权利要求1所述的动态时间窗污水处理监测数据合理性判定方法, 其特征在于,
采用皮尔森相关系数法确定与监测数据相关的污水治理工况因素, 保留相关性大的因素作
为污水质量 监控关键相关变量;
引进皮尔森相关系数来分析两变量的线性相关性, 用字母r 表示,
其中‑1<r<1, |r|表明两变量间相关的程度, r>0表示正相关, r<0表示负相关, r=0表示
零相关, |r|越接近于1, 表明两变量相关程度越高, 它们之间的关系越密切, 对污水监测因权 利 要 求 书 1/3 页
2
CN 115374092 A
2子进行关联性分析, 筛 选出与监测因子相关程度高的因素。
5.根据权利要求1所述的动态时间窗污水处理监测数据合理性判定方法, 其特征在于,
针对上述选取的监控变量, 引入动态时间窗实时更新与污水治理总磷、 总氮、 氨氮、 COD等相
关监控数据, 可实时计算分析给出污水监测的最新状况, 窗口大小可以根据污水工况数据
和末端数据的不同判定规则进行动态调整;
建立动态 滑动时间窗模型的步骤 包括:
步骤1: 根据总磷、 总氮、 氨氮、 COD排污指标数据合理性判定规则, 动态调整第i个排污
指标滑动时间窗Li的长度ni;
步骤2: 在污水监测数据数据流S中的选取 前ni个监测数据初始化, 作为采样 样本;
步骤2: 将初始化后的ni个采样样本, 平均细分入k个小窗口中, 每个基本小窗口中含有
的监测数据个数为 ni/k;
步骤3: 当新的监测数据到 达时, 将其加到第k+1个小窗口内;
步骤4: 当第k+1个小窗口中的监测数据个数大于ni/k, 则将滑动窗口Li中的第1个小窗
口数据全部删除。
6.根据权利要求1所述的动态时间窗污水处理监测数据合理性判定方法, 其特征在于,
通过所述数据合理性判别规则库判定采样样本中监测数据与相关数据是否符合规则, 对比
监测数据与相关数据是否一致, 进而判定污染物排放监测数据的合理性, 数据合理性判别
规则库的判别类型包括: 数据缺 失、 数据恒值、 数据超范围和排放超标; 其中, 工况数据 异常
的规则有 数据缺失、 数据恒值和数据超 范围, 末端 数据异常的规则有 数据缺失、 数据恒值和
排放超标。
7.根据权利要求6所述的动态时间窗污水处理监测数据合理性判定方法, 其特征在于,
数据缺失是连续一段时间内未接收到数据; 数据恒值是样本集一定数量数据不变或接近恒
值;
数据缺失判定规则为: 在滑动时间窗内, 如果连续10分钟内未接收到数据, 则判定为数
据缺失, 此时滑动时间窗的时间跨度为10分钟, 即ni取10分钟的监测数据;
数据恒值判定规则为: 在滑动 时间窗内, 连续不变或接近恒值的数据个数超过数据总
量的20%, 则判定为数据恒值, 即
其中, a为连续 不变或接 近恒值的数据个数, ni为滑动窗口内的监测数据个数;
通过计算样本数据的变异系数CV来判定样本中的数据是恒定值; 变异系数CV公式表示
为:
其中,
权 利 要 求 书 2/3 页
3
CN 115374092 A
3
专利 一种动态时间窗污水处理监测数据合理性判定方法
安全报告 >
其他 >
文档预览
中文文档
16 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 思考人生 于 2024-02-07 20:40:14上传分享