[发明专利]污水处理过程远程监控方法、系统及存储介质

说明书

本发明公开了一种污水处理过程远程监控方法、系统及存储介质。一种污水处理过程远程监控方法，用污水处理数据采集平台采集各传感器数据，其中，所述污水处理数据采集平台中设置有至少一个用于采集污水数据的传感器；利用深度学习技术建立异常情况检测平台对污水处理传感器数据的异常情况进行检测，确定有异常情况，则警报提醒；利用深度学习技术建立异常情况诊断平台对检测出的所述异常情况进行诊断，确定其异常情况类型；利用各传感器数据信息，基于深度学习技术以优化控制污水处理过程参数。

技术领域

本发明实施例涉及网络技术与安全，尤其涉及一种污水处理过程远程监控方法、系统及存储介质。

背景技术

近年来，随着“碳达峰、碳中和”的提出，标志着我国经济发展由高能耗、高排放向清洁、低能耗模式转变，给生态环保产业带来巨大挑战。污水处理过程作为生态环保产业之一近年来受到极大关注，其是一个典型的复杂流程工业过程，其优化运行涉及到多个动态性能指标，从能量转换的角度来看，传统污水处理模式的实质是以能耗换取水质。为了减少水污染，我们使用大量电能，并间接产生大量二氧化碳排放，这对全球生态环境产生了负面影响。因此，减少污水处理的能耗和物耗是产业升级的必然目标，实现这一目标跟污水处理过程的异常情况检测与诊断和水质、能耗多目标控制息息相关。然而，污水处理过程运行机理复杂，给监控带来挑战。此外，以往的研究只简单的对异常情况进行检测，没有谈及后续处理策略且检测准确性有待提高，同时，没有把能耗综合进行考虑，此外，面对大数据量时难以处理。因此，污水处理远程过程监控问题成为亟待解决的一个核心问题，具有重要的理论与实际意义。

发明内容

本发明提供一种污水处理过程远程监控方法、系统及存储介质，以解决污水处理远程过程监控问题。

第一方面，本发明实施例提供了一种污水处理过程远程监控方法，包括：

用污水处理数据采集平台采集各传感器数据，其中，所述污水处理数据采集平台中设置有至少一个用于采集污水数据的传感器；

利用深度学习技术建立异常情况检测平台对污水处理传感器数据的异常情况进行检测，确定有异常情况，则警报提醒；

利用深度学习技术建立异常情况诊断平台对检测出的所述异常情况进行诊断，确定其异常情况类型；

利用各传感器数据信息，基于深度学习技术以优化控制污水处理过程参数。

较佳地，所述污水处理数据采集平台的传感器包括温度传感器、酸度计、碱度计、流量计、摄像头以及毫米波雷达。

较佳地，所述利用深度学习技术建立检测平台对污水处理过程异常情况进行检测，具体包括：

建立异常情况检测模型，其中，异常情况检测模型采取勒让德深度网络模型；采取残差生成器建立检测标准；对污水处理过程异常情况进行检测；其中，勒让德深度网络模型采用学习算法进行学习，其中，采用BP(Back Propagation)学习算法、RLS(RecursiveLeast Square)学习算法、L-M(Levenberg-Marquardt)学习算法的一种或几种；

所述利用深度学习技术建立异常情况诊断平台对检测出的所述异常情况进行诊断，确定其异常情况类型，具体包括：建立异常情况诊断模型；针对故障发生情况进行分类；对检测出的污水处理过程异常情况进行诊断分类；

所述利用各传感器数据信息，基于深度学习技术以优化控制污水处理过程参数，具体包括:建立运行过程目标模型，描述运行目标与系统状态变量的动态特征，其中，多目标控制采取神经网络多目标优化控制方案；设计优化方法，获取控制变量优化设定值；利用控制器跟踪设定值，实现污水处理过程传感器数据的优化控制。

较佳地，勒让德深度网络模型是一个4层网络，分为输入层，输出层与两个中间层，其中第一中间层与第二中间层连接采取共享网络权值，第二中间层与输出层采取全连接形式；