公布日：2023.06.09
申請日：2023.03.30
分類(lèi)號：C02F7/00(2006.01)I;H02J7/35(2006.01)I
摘要
本發(fā)明涉及一種利用光伏發(fā)電提高污水曝氣效果的系統及方法，該系統包括污水處理設備，用于向污水處理設備供電的蓄電池和供電站，以及用于將太陽(yáng)能轉換為電能的光伏組件；所述污水處理設備包括曝氣機和進(jìn)水泵，所述光伏組件的輸出端與蓄電池的輸入端電連接，所述污水處理設備的輸出端雙向電連接有運行監控模組，所述運行監控模組的輸出端雙向電連接有互聯(lián)網(wǎng)網(wǎng)關(guān)，所述互聯(lián)網(wǎng)網(wǎng)關(guān)的輸出端雙向電連接有云端服務(wù)器，所述云端服務(wù)器的輸出端分別與供電站和蓄電池的輸入端電性連接。該系統及方法可以在保證供電穩定性的前提下降低多余發(fā)電損耗。
權利要求書(shū)
1.一種利用光伏發(fā)電提高污水曝氣效果的系統，其特征在于，包括污水處理設備，用于向污水處理設備供電的蓄電池（3）和供電站（4），以及用于將太陽(yáng)能轉換為電能的光伏組件（5）；所述污水處理設備包括曝氣機（1）和進(jìn)水泵（2），所述光伏組件（5）的輸出端與蓄電池（3）的輸入端電連接，所述污水處理設備的輸出端雙向電連接有運行監控模組，所述運行監控模組的輸出端雙向電連接有互聯(lián)網(wǎng)網(wǎng)關(guān)（6），所述互聯(lián)網(wǎng)網(wǎng)關(guān)（6）的輸出端雙向電連接有云端服務(wù)器（7），所述云端服務(wù)器（7）的輸出端分別與供電站（4）和蓄電池（3）的輸入端電性連接。
2.根據權利要求1所述的一種利用光伏發(fā)電提高污水曝氣效果的系統，其特征在于，所述運行監控模組由能耗監測模塊（8）、流量監測模塊（9）和IoT物聯(lián)網(wǎng)關(guān)（10）組成。
3.根據權利要求1所述的一種利用光伏發(fā)電提高污水曝氣效果的系統，其特征在于，所述云端服務(wù)器（7）包括用電量預測模型，所述用電量預測模型的輸入端與互聯(lián)網(wǎng)網(wǎng)關(guān)（6）的輸出端雙向電連接，所述用電量預測模型的輸入端分別雙向電連接有過(guò)往數據儲存模塊和深度神經(jīng)網(wǎng)絡(luò )，所述用電量預測模型的輸出端雙向電連接有計算判定模塊，所述過(guò)往數據儲存模塊的輸出端與計算判定模塊的輸入端雙向電連接，所述計算判定模塊的輸出端分別與蓄電池（3）和供電站（4）的輸入端電性連接。
4.根據權利要求3所述的一種利用光伏發(fā)電提高污水曝氣效果的系統，其特征在于，所述用電量預測模型由邏輯模型建立單元和概念模型建立單元組成。
5.根據權利要求3所述的一種利用光伏發(fā)電提高污水曝氣效果的系統，其特征在于，所述過(guò)往數據儲存模塊儲存有天氣數據、日期數據和能耗數值。
6.根據權利要求3所述的一種利用光伏發(fā)電提高污水曝氣效果的系統，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò )由自降噪編碼器和訓練集組成。
7.根據權利要求3所述的一種利用光伏發(fā)電提高污水曝氣效果的系統，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò )的輸入端雙向電連接有模型建立數據，所述模型建立數據由測試數據集、驗證數據集和訓練數據集組成，以通過(guò)模型建立數據來(lái)對深度神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練。
8.基于如權利要求1-7任一項所述系統的一種利用光伏發(fā)電提高污水曝氣效果的方法，其特征在于，包括以下步驟：S1：通過(guò)光伏組件（5）對太陽(yáng)能進(jìn)行采集并轉化為電能，電能被傳輸儲存在蓄電池（3）的內部以供污水處理設備運行使用；S2：在污水處理設備運行過(guò)程中，運行監控模組內部的能耗監測模塊（8）和流量監測模塊（9）對污水處理設備的運行狀態(tài)進(jìn)行實(shí)時(shí)監測并利用IoT物聯(lián)網(wǎng)關(guān)（10）與互聯(lián)網(wǎng)網(wǎng)關(guān)（6）進(jìn)行數據通信；S3：云端服務(wù)器（7）內部的用電量預測模型調用預訓練的深度神經(jīng)網(wǎng)絡(luò )，然后提取過(guò)往數據儲存模塊內部的天氣數據、日期數據和能耗數據，進(jìn)行處理后對深度神經(jīng)網(wǎng)絡(luò )作進(jìn)一步訓練，形成預測模型；S4：當預測模型建立完畢后，互聯(lián)網(wǎng)網(wǎng)關(guān)（6）將運行監控模組新采集的數據和氣象站預測數據傳輸至云端服務(wù)器（7），用電量預測模型將新采集的數據和氣象站預測數據導入并進(jìn)行預測，計算判定模塊調用用電量預測模型對短期用電數據進(jìn)行預測并控制分配供電站（4）與蓄電池（3）的供電量。
發(fā)明內容
本發(fā)明的目的在于提供一種利用光伏發(fā)電提高污水曝氣效果的系統及方法，該系統及方法可以在保證供電穩定性的前提下降低多余發(fā)電損耗。
為實(shí)現上述目的，本發(fā)明采用的技術(shù)方案是：一種利用光伏發(fā)電提高污水曝氣效果的系統，包括污水處理設備，用于向污水處理設備供電的蓄電池和供電站，以及用于將太陽(yáng)能轉換為電能的光伏組件；所述污水處理設備包括曝氣機和進(jìn)水泵，所述光伏組件的輸出端與蓄電池的輸入端電連接，所述污水處理設備的輸出端雙向電連接有運行監控模組，所述運行監控模組的輸出端雙向電連接有互聯(lián)網(wǎng)網(wǎng)關(guān)，所述互聯(lián)網(wǎng)網(wǎng)關(guān)的輸出端雙向電連接有云端服務(wù)器，所述云端服務(wù)器的輸出端分別與供電站和蓄電池的輸入端電性連接。
進(jìn)一步地，所述運行監控模組由能耗監測模塊、流量監測模塊和IoT物聯(lián)網(wǎng)關(guān)組成。
進(jìn)一步地，所述云端服務(wù)器包括用電量預測模型，所述用電量預測模型的輸入端與互聯(lián)網(wǎng)網(wǎng)關(guān)的輸出端雙向電連接，所述用電量預測模型的輸入端分別雙向電連接有過(guò)往數據儲存模塊和深度神經(jīng)網(wǎng)絡(luò )，所述用電量預測模型的輸出端雙向電連接有計算判定模塊，所述過(guò)往數據儲存模塊的輸出端與計算判定模塊的輸入端雙向電連接，所述計算判定模塊的輸出端分別與蓄電池和供電站的輸入端電性連接。
進(jìn)一步地，所述用電量預測模型由邏輯模型建立單元和概念模型建立單元組成。
進(jìn)一步地，所述過(guò)往數據儲存模塊儲存有天氣數據、日期數據和能耗數據。
進(jìn)一步地，所述深度神經(jīng)網(wǎng)絡(luò )由自降噪編碼器和訓練集組成。
進(jìn)一步地，所述深度神經(jīng)網(wǎng)絡(luò )的輸入端雙向電連接有模型建立數據，所述模型建立數據由測試數據集、驗證數據集和訓練數據集組成，以通過(guò)模型建立數據來(lái)對深度神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練。
本發(fā)明還提供了一種利用光伏發(fā)電提高污水曝氣效果的方法，包括以下步驟：S1：通過(guò)光伏組件對太陽(yáng)能進(jìn)行采集并轉化為電能，電能被傳輸儲存在蓄電池的內部以供污水處理設備運行使用；S2：在污水處理設備運行過(guò)程中，運行監控模組內部的能耗監測模塊和流量監測模塊對污水處理設備的運行狀態(tài)進(jìn)行實(shí)時(shí)監測并利用IoT物聯(lián)網(wǎng)關(guān)與互聯(lián)網(wǎng)網(wǎng)關(guān)進(jìn)行數據通信；S3：云端服務(wù)器內部的用電量預測模型調用預訓練的深度神經(jīng)網(wǎng)絡(luò )，然后提取過(guò)往數據儲存模塊內部的天氣數據、日期數據和能耗數據，進(jìn)行處理后對深度神經(jīng)網(wǎng)絡(luò )作進(jìn)一步訓練，形成預測模型；S4：當預測模型建立完畢后，互聯(lián)網(wǎng)網(wǎng)關(guān)將運行監控模組新采集的數據和氣象站預測數據傳輸至云端服務(wù)器，用電量預測模型將新采集的數據和氣象站預測數據導入并進(jìn)行預測，計算判定模塊調用用電量預測模型對短期用電數據進(jìn)行預測并控制分配供電站與蓄電池的供電量。
與現有技術(shù)相比，本發(fā)明具有以下有益效果：1、本發(fā)明通過(guò)深度神經(jīng)網(wǎng)絡(luò )、過(guò)往數據儲存模塊和用電量預測模型組成預測系統，能夠大幅提高供電及用電負荷的預測精準度，供電負荷預測和第二天發(fā)生的真實(shí)負荷數據對比誤差小于5%，可以根據次日需求精確控制供電站發(fā)電量。
2、本發(fā)明在相同功能的系統對比下，電力損耗成本量下降20%，降低了多余發(fā)電損耗，提高了供電的性能，降低了整個(gè)系統的復雜度。
（發(fā)明人：上官海東;程順健;肖友淦;魏忠慶;陳壽彬;卓雄;葉均磊;王俊杰）
