CN115825366A - 基于物联网的城市污水泵站智能监测系统及方法 - Google Patents

Abstract

本发明涉及城市污水泵站技术领域，具体公开基于物联网的城市污水泵站智能监测系统及方法，该系统包括泵站污水监测模块、泵站污水分析模块、泵站水流势差分析模块、泵站输送参数检测模块、泵站输送参数分析模块、泵站工作强度分析模块、显示终端和泵站数据库，本发明不仅对污水输入管道的污水水体参数进行检测和分析，而且对输入管道污水的外部杂质进行检测分析，为泵站的输入工作强度的分析提供强有力的数据支持，本发明从输入管道的角度、泵站与连接的输入管道的距离和角度三个层面综合分析泵站与连接的输入管道的地势差，提高了泵站的输入工作强度的分析与实际需求输入工作强的适配度，有力地保障了泵站抽取污水的高效性。

Description

基于物联网的城市污水泵站智能监测系统及方法

技术领域

本发明涉及城市污水泵站技术领域，具体而言，涉及基于物联网的城市污水泵站智能监测系统及方法。

背景技术

随着科技的发展和时代的进步，现代化城市的发展也越来越迅速，在城市的日常运作中，水的使用是必不可少的，进而就会产生许多的城市污水，城市污水不仅会导致水质的丰富营养，还会导致赤潮或绿藻的爆发，大量的城市污水直接排入河流，还会导致大量的油漂浮在河流表面，影响周围空气和水质，因而城市污水的治理格外重要，在城市污水的治理中，当污水管道中的污水不能依靠重力自流输送或排放、或因普道埋设过深导致施工困难、或处于干管终端需抽升后才能进入污水处理厂时，均须设置污水泵站，而在城市污水泵站的运作过程中，如若泵站对应的工作强度分析不准确，影响污水的抽取和输送，故而，需要对泵站进行智能监测分析。

现有对泵站的智能监测分析可以基本满足当前需求，但是还存在一些缺陷，其具体体现在：(1)现有对泵站的智能监测分析大多是对输入管道污水水体参数进行检测和分析，对输入管道污水的外部杂质的检测分析力度不够深入，忽略了外部影响因素，外部杂质会随着污水的流动而随之流向泵站，在一定程度上对污水的流动性造成不利影响，而现有技术对这一层面的忽视则会导致对输入管道的污水水体分析结果实用性不高，无法为泵站的输入工作强度的分析提供强有力的数据支持。

(2)现有对泵站的智能监测分析在分析泵站对应的输入工作强度时，忽略了泵站与连接的输入管道的地势差的影响，由于泵站与连接的输送管道的地势差影响污水的自重，进而导致泵站对应的输入工作强度的分析与实际需求输入工作强度的适配度不高，不仅无法保证泵站的有效使用，而且使泵站在抽取污水时无法很好地满足抽取污水的需求和目标效率，进而无法保障泵站的抽取污水的高效性。

发明内容

为了克服背景技术中的缺点，本发明实施例提供了基于物联网的城市污水泵站智能监测系统及方法,能够有效解决上述背景技术中涉及的问题。

本发明的目的可以通过以下技术方案来实现：本发明第一方面提供基于物联网的城市污水泵站智能监测系统，包括：泵站污水监测模块用于在设定各检测时间点对泵站污水输入管道对应的污水水体参数进行检测，其中污水水体参数包括粘度、浊度和温度。

泵站污水分析模块用于对泵站污水输入管道各检测时间点的污水水体参数进行分析，进而得到泵站对应的污水水体流动危险系数，并分析泵站对应的污水杂质流动危险系数，进而综合分析泵站对应的污水流动危险系数。

泵站水流势差分析模块用于从泵站数据库中提取泵站与污水输入管道的连接示意图，进而计算泵站与污水输入管道的相对势差评估系数，从而分析泵站对应的水流势差适宜系数。

泵站输送参数检测模块用于在设定的各采集时间点对污水输送管道进行图像采集，并将采集的各采集时间点的污水输送管道对应的图像发送到泵站数据库。

泵站输送参数分析模块用于从泵站数据库中提取目标采集时间点的污水输送管道对应的图像，并据此分析泵站对应的输送阻碍系数。

泵站工作强度分析模块用于分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度。

显示终端用于将泵站对应污水输入工作的强度和污水输送工作的强度进行显示。

泵站数据库用于存储各采集时间点的污水输送管道对应的图像，存储污水输入管道的单位角度势差影响因子，存储污水输入管道与泵站的单位距离势差影响因子，存储污水输入管道与泵站的单位角度势差影响因子，存储各附着物类型对应的阻碍因子和单位体积阻碍因子，并存储泵站对应污水输入管道的单次污水流量。

进一步地，所述泵站对应的污水水体流动危险系数，其具体分析方法为：A1：获取泵站污水输入管道在各检测时间点对应的粘度和浊度。

A2：将泵站污水输入管道在各检测时间点对应的粘度与预设的参考粘度进行对比，进而分析泵站污水输入管道对应的粘度参考系数，其计算公式为：

其中

表示为泵站污水输入管道对应的粘度参考系数，η_i表示为泵站污水输入管道在第i个检测时间点对应的粘度，Δη′表示为参考粘度，e表示为自然常数，i表示为各检测时间点的编号，i＝1,2,...,n，n表示为检测时间点的数量。

A3：将泵站污水输入管道在各检测时间点对应的粘度进行相互对比，进而从中筛选泵站污水输入管道的最大粘度和最小粘度，并将其分别标记为η^max和η^min，进而分析泵站污水输入管道对应的粘度波动系数，其计算公式为：

其中φ表示为泵站污水输入管道对应的粘度波动系数。

A4：分析泵站污水输入管道对应的综合粘度危险系数，其计算公式为：

其中ψ表示为泵站污水输入管道对应的综合粘度危险系数。

A5：同理，分析得到泵站污水输入管道对应的综合浊度危险系数和综合温度危险系数，进而将泵站污水输入管对应的综合浊度危险系数和综合温度危险系数分别标记为ξ和ζ。

A6：分析泵站对应的污水水体流动危险系数，其计算公式为：

其中

表示为泵站对应的污水水体流动危险系数，λ₁、λ₂、λ₃分别表示为泵站污水输入管对应的粘度、浊度、温度所属权重因子。

进一步地，所述分析泵站对应的污水杂质流动危险系数，其具体方法为：B1：获取泵站对应污水输入管道在设定时间段内的监控视频，并将泵站对应污水输入管道的监控视频按照预设的视频帧数划分为各监控画面，进而将泵站对应污水输入管道所属的各监控画面标记为各目标画面。

B2：将各目标画面与各杂质类型对应的图像进行匹配，若某目标画面与某杂质类型的图像匹配成功，则将该目标画面与该杂质类型匹配指数标记为β，反之，则标记为β′，进而统计各目标画面与杂质类型的图像匹配成功的数量，并将其标记为ρ_m，m表示为各目标画面的编号，m＝1,2,...,l。

B3：统计各目标画面与各杂质类型匹配指数，并将其标记为δ_mp，其中δ_mp＝β或β′，p表示为各杂质类型的编号，p＝1,2,...,q。

B4：基于各目标画面与杂质类型的图像匹配成功的数量、各目标画面与各杂质类型匹配指数和预设的各杂质类型对应的危险因子分析泵站对应的污水杂质流动危险系数，其计算公式为：

其中

表示为泵站对应的污水杂质流动危险系数，σ_p表示为预设的第p个杂质类型对应的危险因子，q表示为杂质类型的数量，l表示为目标画面的数量。

进一步地，所述泵站对应的污水流动危险系数，其具体计算公式为：

其中Ψ表示为泵站对应的污水流动危险系数，γ₁、γ₂分别表示为预设的污水水体、污水杂质对应流动危险的权重系数。

进一步地，所述泵站与污水输入管道的相对势差评估系数，其具体分析方法为：C1：基于泵站与污水输入管道的连接示意图，获取污水输入管道与泵站的连接角度，并将其标记为θ。

C2：从泵站数据库中提取污水输入管道的单位角度势差影响因子，进而据此分析污水输入管道对应的角度势差评估系数，其计算公式为：JP＝(θ*Δθ)^Δθ，其中JP表示为污水输入管道对应的角度势差评估系数，Δθ表示为污水输入管道的单位角度对应的势差影响因子。

C3：获取污水输入管道和泵站相连接的污水输入管道端口和泵站端口，进而以污水输入管道端口和泵站端口的中心点为原点建立坐标系，进而获得污水输入管道另外一端口中心点的坐标和泵站另外一端口中心点的坐标。

C4：从泵站数据库中提取污水输入管道与泵站的单位距离势差影响因子，进而据此分析污水输入管道与泵站对应的距离势差评估系数，其计算公式为：

其中JL表示为污水输入管道与泵站对应的距离势差评估系数，(x,y)表示为污水输入管道另外一端口中心点的坐标，(x′,y′)表示为泵站另外一端口中心点的坐标，Δκ表示为污水输入管道与泵站的单位距离对应的势差影响因子。C5：获取污水输入管道对应的方向向量，将其标记为

其中

并获取泵站对应的方向向量，将其标记为

其中

C6：从泵站数据库中提取污水输入管道与泵站的单位角度势差影响因子，分析污水输入管道与泵站的角度势差评价系数，其计算公式为：

其中JX表示为污水输入管道与泵站的角度势差评价系数，

分别表示为

对应的模，Δθ′表示为污水输入管道与泵站的单位角度势差影响因子。

C7：分析泵站与污水输入管道的相对势差评估系数，其计算公式为：

其中XD表示为泵站与污水输入管道的相对势差评估系数，χ₁、χ₂、χ₃分别表示为预设的污水输入管道角度、污水输入管道与泵站的距离、污水输入管道与泵站的角度所属占比因子。

进一步地，所述泵站对应的水流势差适宜系数，其具体分析方法为：将泵站与污水输入管道的相对势差评估系数与预设的各水流势差适宜系数对应的泵站与污水输入管道所属相对势差评估系数范围进行对比，进而匹配到泵站对应的水流势差适宜系数。

进一步地，所述泵站对应的输送阻碍系数，其具体分析方法为：

D1：基于目标采集时间点的污水输送管道对应的图像识别污水输送管道内部的附着物参数，其中附着物参数包括各附着物对应的类型和体积，目标采集时间点为距当前时间点最近一次的采集时间点。

D2：获取污水输送管道内部的各附着物对应的类型，将污水输送管道内部的各附着物所属类型与泵站数据库中存储的各附着物类型对应的阻碍因子进行对比，进而匹配到污水输送管道内部的各附着物所属类型对应的阻碍因子，并将其标记为F_h，其中h表示为各附着物的编号，h＝1,2,...,g。

D3：将污水输送管道内部的各附着物类型与泵站数据库中存储的各附着物类型对应的单位体积阻碍因子进行对比，进而匹配到污水输送管道内部的各附着物类型对应的单位体积阻碍因子，并将其标记为Δκ_h。

D4：分析泵站对应的输送阻碍系数，其计算公式为：

其中ZA表示为泵站对应的输送阻碍系数，V_h表示为污水输送管道内部的第h个附着物对应的体积。

进一步地，所述分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度，其具体方法为：E1：从泵站数据库中提取泵站对应污水输入管道的单次污水流量，进而将其与预设的单次污水流量对应的初始输入工作强度进行匹配，匹配到泵站对应的初始输入工作的强度，并将其标记为P′。

E2：将泵站对应的污水流动危险系数和水流势差适宜系数分别与预设的各污水流动危险系数对应输入增强工作强度和各水流势差适宜系数对应输入削弱工作强度进行对比，进而匹配到泵站对应的输入增强工作强度和输入削弱工作强度，并将其分别标记为ΔP、ΔP′，进而分析泵站对应污水输入工作的强度，其计算公式为：PP′＝P′+Δτ+ΔP-ΔP′，其中PP′表示为泵站对应污水输入工作的强度，Δτ表示为预设的补偿工作强度。

E3：将泵站对应污水输入管道的单次污水流量减去预设的泵站单次运行对应的污水损耗流量，进而得到泵站对应的输送污水流量，并将其与预设的各输送污水流量对应的初始输送工作强度进行对比，进而得到泵站对应的初始输送工作强度，并将其标记为P″。

E4：将泵站对应的输送阻碍系数与预设的各输送阻碍系数对应的输送增强工作强度进行对比，进而匹配到泵站对应的输送增强工作强度，并将其标记为ΔP₁。

E5：分析泵站对应污水输送工作的强度，其计算公式为：PP″＝P″-ΔP₁，其中PP″表示为泵站对应污水输送工作的强度。

本发明第二方面提供基于物联网的城市污水泵站智能监测方法，包括：S1、泵站污水监测：在设定各检测时间点对泵站污水输入管道对应的污水水体参数进行检测，其中污水水体参数包括粘度、浊度和温度。

S2、泵站污水综合分析：对泵站污水输入管道各检测时间点的污水水体参数进行分析，进而得到泵站对应的污水水体流动危险系数，并分析泵站对应的污水杂质流动危险系数，进而综合分析泵站对应的污水流动危险系数，并从泵站数据库中提取泵站与污水输入管道的连接示意图，进而计算泵站与污水输入管道的相对势差评估系数，从而分析泵站对应的水流势差适宜系数；

S3、泵站输送参数检测：在设定的各采集时间点对污水输送管道进行图像采集，并将采集的各采集时间点的污水输送管道对应的图像发送到泵站数据库。

S4、泵站输送参数分析：从泵站数据库中提取目标采集时间点的污水输送管道对应的图像，并据此分析泵站对应的输送阻碍系数。

S5、泵站工作强度分析：分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度。

S6、泵站工作强度显示：将泵站对应污水输入工作的强度和污水输送工作的强度进行显示。

相对于现有技术，本发明的实施例至少具有如下优点或有益效果：(1)本发明对泵站的智能监测分析不仅对污水输入管道的污水水体参数进行检测和分析，而且对输入管道污水的外部杂质进行检测分析，弥补了现有技术中对输入管道污水的外部杂质的检测分析力度不够深入的缺陷，考虑了外部影响因素，进而确保污水流动性分析结果的精确性，避免外部杂质影响污水流动，进一步影响泵站的工作运行，保障了污水水体分析结果的实用性，为泵站的输入工作强度的分析提供强有力的数据支持。

(2)本发明对泵站的智能监测分析在分析泵站对应的输入工作强度时，对泵站与连接的输入管道的地势差的关注度较高，从输入管道的角度、泵站与连接的输入管道的距离和角度三个层面综合分析泵站与连接的输入管道的地势差，进而提高了泵站的输入工作强度的分析与实际需求输入工作强的适配度，不仅可以保证泵站的有效使用，而且使泵站在抽取污水时更好地满足抽取污水的需求和目标效率，进而有力保障了泵站抽取污水的高效性。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明的模块连接示意图。

图2为本发明的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1所示，本发明第一方面提供基于物联网的城市污水泵站智能监测系统，包括：泵站污水监测模块、泵站污水分析模块、泵站水流势差分析模块、泵站输送参数检测模块、泵站输送参数分析模块、泵站工作强度分析模块、显示终端和泵站数据库。

泵站污水检测模块与泵站污水分析模块连接，泵站污水分析模块和泵站水流势差分析模块均与泵站工作强度分析模块连接，泵站工作强度分析模块与泵站输送参数分析模块连接，泵站输送参数分析模块与泵站输送参数检测模块连接，泵站工作强度分析模块与显示终端连接，泵站数据库分别与泵站水流势差分析模块、泵站输送参数检测模块、泵站输送参数分析模块和泵站工作强度分析模块连接。

所述泵站污水监测模块用于在设定各检测时间点对泵站污水输入管道对应的污水水体参数进行检测，其中污水水体参数包括粘度、浊度和温度。

需要说明的是，在设定各检测时间点对泵站污水输入管道对应的污水水体参数进行检测，其用到的检测仪器为水质检测仪和温度传感器。

需要说明的是，温度越高，水的流动性越优益，因此，需要对污水的温度进行检测。

所述泵站污水分析模块用于对泵站污水输入管道各检测时间点的污水水体参数进行分析，进而得到泵站对应的污水水体流动危险系数，并分析泵站对应的污水杂质流动危险系数，进而综合分析泵站对应的污水流动危险系数。

在本发明的具体实施例中，所述泵站对应的污水水体流动危险系数，其具体分析方法为：A1：获取泵站污水输入管道在各检测时间点对应的粘度和浊度。

A2：将泵站污水输入管道在各检测时间点对应的粘度与预设的参考粘度进行对比，进而分析泵站污水输入管道对应的粘度参考系数，其计算公式为：

其中

表示为泵站污水输入管道对应的粘度参考系数，η_i表示为泵站污水输入管道在第i个检测时间点对应的粘度，Δη′表示为参考粘度，e表示为自然常数，i表示为各检测时间点的编号，i＝1,2,...,n，n表示为检测时间点的数量。

A3：将泵站污水输入管道在各检测时间点对应的粘度进行相互对比，进而从中筛选泵站污水输入管道的最大粘度和最小粘度，并将其分别标记为η^max和η^min，进而分析泵站污水输入管道对应的粘度波动系数，其计算公式为：

其中φ表示为泵站污水输入管道对应的粘度波动系数。

A4：分析泵站污水输入管道对应的综合粘度危险系数，其计算公式为：

其中ψ表示为泵站污水输入管道对应的综合粘度危险系数。

A5：同理，分析得到泵站污水输入管道对应的综合浊度危险系数和综合温度危险系数，进而将泵站污水输入管对应的综合浊度危险系数和综合温度危险系数分别标记为ξ和

A6：分析泵站对应的污水水体流动危险系数，其计算公式为：

其中

表示为泵站对应的污水水体流动危险系数，λ₁、λ₂、λ₃分别表示为泵站污水输入管对应的粘度、浊度、温度所属权重因子。

在本发明的具体实施例中，所述分析泵站对应的污水杂质流动危险系数，其具体方法为：B1：获取泵站对应污水输入管道在设定时间段内的监控视频，并将泵站对应污水输入管道的监控视频按照预设的视频帧数划分为各监控画面，进而将泵站对应污水输入管道所属的各监控画面标记为各目标画面。

需要说明的是，从泵站对应污水输入管道连接对应下水道口的附近监控系统中获取泵站对应污水输入管道在设定时间段内所属下水道口的监控视频，并将其作为泵站对应污水输入管道在设定时间段内的监控视频。

B2：将各目标画面与各杂质类型对应的图像进行匹配，若某目标画面与某杂质类型的图像匹配成功，则将该目标画面与该杂质类型匹配指数标记为β，反之，则标记为β′，进而统计各目标画面与杂质类型的图像匹配成功的数量，并将其标记为ρ_m，m表示为各目标画面的编号，m＝1,2,...,l。

需要说明的是，杂质类型包括漂浮物体、沉降物体和可溶解物体等。

B3：统计各目标画面与各杂质类型匹配指数，并将其标记为δ_mp，其中δ_mp＝β或β′，p表示为各杂质类型的编号，p＝1,2,...,q。

B4：基于各目标画面与杂质类型的图像匹配成功的数量、各目标画面与各杂质类型匹配指数和预设的各杂质类型对应的危险因子分析泵站对应的污水杂质流动危险系数，其计算公式为：

其中

表示为泵站对应的污水杂质流动危险系数，σ_p表示为预设的第p个杂质类型对应的危险因子，q表示为杂质类型的数量，l表示为目标画面的数量。

在本发明的具体实施例中，所述泵站对应的污水流动危险系数，其具体计算公式为：

其中Ψ表示为泵站对应的污水流动危险系数，γ₁、γ₂分别表示为预设的污水水体、污水杂质对应流动危险的权重系数。

本发明对泵站的智能监测分析不仅对污水输入管道的污水水体参数进行检测和分析，而且对输入管道污水的外部杂质进行检测分析，弥补了现有技术中对输入管道污水的外部杂质的检测分析力度不够深入的缺陷，考虑了外部影响因素，进而确保污水流动性分析结果的精确性，避免外部杂质影响污水流动，进一步影响泵站的工作运行，保障了污水水体分析结果的实用性，为泵站的输入工作强度的分析提供强有力的数据支持。

所述泵站水流势差分析模块用于从泵站数据库中提取泵站与污水输入管道的连接示意图，进而计算泵站与污水输入管道的相对势差评估系数，从而分析泵站对应的水流势差适宜系数。

在本发明的具体实施例中，所述泵站与污水输入管道的相对势差评估系数，其具体分析方法为：C1：基于泵站与污水输入管道的连接示意图，获取污水输入管道与泵站的连接角度，并将其标记为θ。

C2：从泵站数据库中提取污水输入管道的单位角度势差影响因子，进而据此分析污水输入管道对应的角度势差评估系数，其计算公式为：JP＝(θ*Δθ)^Δθ，其中JP表示为污水输入管道对应的角度势差评估系数，Δθ表示为污水输入管道的单位角度对应的势差影响因子。

C3：获取污水输入管道和泵站相连接的污水输入管道端口和泵站端口，进而以污水输入管道端口和泵站端口的中心点为原点建立坐标系，进而获得污水输入管道另外一端口中心点的坐标和泵站另外一端口中心点的坐标。

C4：从泵站数据库中提取污水输入管道与泵站的单位距离势差影响因子，进而据此分析污水输入管道与泵站对应的距离势差评估系数，其计算公式为：

其中JL表示为污水输入管道与泵站对应的距离势差评估系数，(x,y)表示为污水输入管道另外一端口中心点的坐标，(x′,y′)表示为泵站另外一端口中心点的坐标，Δκ表示为污水输入管道与泵站的单位距离对应的势差影响因子。

C5：获取污水输入管道对应的方向向量，将其标记为

其中

并获取泵站对应的方向向量，将其标记为

其中

C6：从泵站数据库中提取污水输入管道与泵站的单位角度势差影响因子，分析污水输入管道与泵站的角度势差评价系数，其计算公式为：

其中JX表示为污水输入管道与泵站的角度势差评价系数，

分别表示为

对应的模，Δθ′表示为污水输入管道与泵站的单位角度势差影响因子。

C7：分析泵站与污水输入管道的相对势差评估系数，其计算公式为：

其中XD表示为泵站与污水输入管道的相对势差评估系数，χ₁、χ₂、χ₃分别表示为预设的污水输入管道角度、污水输入管道与泵站的距离、污水输入管道与泵站的角度所属占比因子。

本发明对泵站的智能监测分析在分析泵站对应的输入工作强度时，对泵站与连接的输入管道的地势差的关注度较高，从输入管道的角度、泵站与连接的输入管道的距离和角度三个层面综合分析泵站与连接的输入管道的地势差，进而提高了泵站的输入工作强度的分析与实际需求输入工作强的适配度，不仅可以保证泵站的有效使用，而且使泵站在抽取污水时更好地满足抽取污水的需求和目标效率，进而有力保障了泵站抽取污水的高效性。

在本发明的具体实施例中，所述泵站对应的水流势差适宜系数，其具体分析方法为：将泵站与污水输入管道的相对势差评估系数与预设的各水流势差适宜系数对应的泵站与污水输入管道所属相对势差评估系数范围进行对比，进而匹配到泵站对应的水流势差适宜系数。

所述泵站输送参数检测模块用于在设定的各采集时间点对污水输送管道进行图像采集，并将采集的各采集时间点的污水输送管道对应的图像发送到泵站数据库。

所述泵站输送参数分析模块用于从泵站数据库中提取目标采集时间点的污水输送管道对应的图像，并据此分析泵站对应的输送阻碍系数。

在本发明的具体实施例中，所述泵站对应的输送阻碍系数，其具体分析方法为：D1：基于目标采集时间点的污水输送管道对应的图像识别污水输送管道内部的附着物参数，其中附着物参数包括各附着物对应的类型和体积，目标采集时间点为距当前时间点最近一次的采集时间点。

需要说明的是，附着物类型包括污泥、藻类和重金属等。

需要说明的是，基于目标采集时间点的输送管道对应的图像识别输送管道内部的附着物参数，其具体识别方法为：将目标采集时间点的输送管道对应的图像与预设的各附着物类型对应的图像进行对比，进而识别输送管道内部的附着物类型，进而获取附着物体积。

D2：获取污水输送管道内部的各附着物对应的类型，将污水输送管道内部的各附着物所属类型与泵站数据库中存储的各附着物类型对应的阻碍因子进行对比，进而匹配到污水输送管道内部的各附着物所属类型对应的阻碍因子，并将其标记为F_h，其中h表示为各附着物的编号，h＝1,2,...,g。

D3：将污水输送管道内部的各附着物类型与泵站数据库中存储的各附着物类型对应的单位体积阻碍因子进行对比，进而匹配到污水输送管道内部的各附着物类型对应的单位体积阻碍因子，并将其标记为Δκ_h。

D4：分析泵站对应的输送阻碍系数，其计算公式为：

其中ZA表示为泵站对应的输送阻碍系数，V_h表示为污水输送管道内部的第h个附着物对应的体积。

所述泵站工作强度分析模块用于分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度。

在本发明的具体实施例中，所述分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度，其具体方法为：E1：从泵站数据库中提取泵站对应污水输入管道的单次污水流量，进而将其与预设的单次污水流量对应的初始输入工作强度进行匹配，匹配到泵站对应的初始输入工作的强度，并将其标记为P′。

E2：将泵站对应的污水流动危险系数和水流势差适宜系数分别与预设的各污水流动危险系数对应输入增强工作强度和各水流势差适宜系数对应输入削弱工作强度进行对比，进而匹配到泵站对应的输入增强工作强度和输入削弱工作强度，并将其分别标记为ΔP、ΔP′，进而分析泵站对应污水输入工作的强度，其计算公式为：PP′＝P′+Δτ+ΔP-ΔP′，其中PP′表示为泵站对应污水输入工作的强度，Δτ表示为预设的补偿工作强度。

E3：将泵站对应污水输入管道的单次污水流量减去预设的泵站单次运行对应的污水损耗流量，进而得到泵站对应的输送污水流量，并将其与预设的各输送污水流量对应的初始输送工作强度进行对比，进而得到泵站对应的初始输送工作强度，并将其标记为P″。

E4：将泵站对应的输送阻碍系数与预设的各输送阻碍系数对应的输送增强工作强度进行对比，进而匹配到泵站对应的输送增强工作强度，并将其标记为ΔP₁。

E5：分析泵站对应污水输送工作的强度，其计算公式为：PP″＝P″-ΔP₁，其中PP″表示为泵站对应污水输送工作的强度。

所述显示终端用于将泵站对应污水输入工作的强度和污水输送工作的强度进行显示。

所述泵站数据库用于存储各采集时间点的污水输送管道对应的图像，存储污水输入管道的单位角度势差影响因子，存储污水输入管道与泵站的单位距离势差影响因子，存储污水输入管道与泵站的单位角度势差影响因子，存储各附着物类型对应的阻碍因子和单位体积阻碍因子，并存储泵站对应污水输入管道的单次污水流量。

本发明第二方面提供基于物联网的城市污水泵站智能监测方法，包括：S1、泵站污水监测：在设定各检测时间点对泵站污水输入管道对应的污水水体参数进行检测，其中污水水体参数包括粘度、浊度和温度。

S2、泵站污水综合分析：对泵站污水输入管道各检测时间点的污水水体参数进行分析，进而得到泵站对应的污水水体流动危险系数，并分析泵站对应的污水杂质流动危险系数，进而综合分析泵站对应的污水流动危险系数，并从泵站数据库中提取泵站与污水输入管道的连接示意图，进而计算泵站与污水输入管道的相对势差评估系数，从而分析泵站对应的水流势差适宜系数；

S3、泵站输送参数检测：在设定的各采集时间点对污水输送管道进行图像采集，并将采集的各采集时间点的污水输送管道对应的图像发送到泵站数据库。

S4、泵站输送参数分析：从泵站数据库中提取目标采集时间点的污水输送管道对应的图像，并据此分析泵站对应的输送阻碍系数。

S5、泵站工作强度分析：分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度。

S6、泵站工作强度显示：将泵站对应污水输入工作的强度和污水输送工作的强度进行显示。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.基于物联网的城市污水泵站智能监测系统，其特征在于，包括：

泵站污水监测模块用于在设定各检测时间点对泵站污水输入管道对应的污水水体参数进行检测，其中污水水体参数包括粘度、浊度和温度；

泵站污水分析模块用于对泵站污水输入管道各检测时间点的污水水体参数进行分析，进而得到泵站对应的污水水体流动危险系数，并分析泵站对应的污水杂质流动危险系数，进而综合分析泵站对应的污水流动危险系数；

泵站水流势差分析模块用于从泵站数据库中提取泵站与污水输入管道的连接示意图，进而计算泵站与污水输入管道的相对势差评估系数，从而分析泵站对应的水流势差适宜系数；

泵站输送参数检测模块用于在设定的各采集时间点对污水输送管道进行图像采集，并将采集的各采集时间点的污水输送管道对应的图像发送到泵站数据库；

泵站输送参数分析模块用于从泵站数据库中提取目标采集时间点的污水输送管道对应的图像，并据此分析泵站对应的输送阻碍系数；

泵站工作强度分析模块用于分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度；

显示终端用于将泵站对应污水输入工作的强度和污水输送工作的强度进行显示；

泵站数据库用于存储各采集时间点的污水输送管道对应的图像，存储污水输入管道的单位角度势差影响因子，存储污水输入管道与泵站的单位距离势差影响因子，存储污水输入管道与泵站的单位角度势差影响因子，存储各附着物类型对应的阻碍因子和单位体积阻碍因子，并存储泵站对应污水输入管道的单次污水流量。

2.根据权利要求1所述的基于物联网的城市污水泵站智能监测系统，其特征在于：所述泵站对应的污水水体流动危险系数，其具体分析方法为：

A1：获取泵站污水输入管道在各检测时间点对应的粘度和浊度；

A2：将泵站污水输入管道在各检测时间点对应的粘度与预设的参考粘度进行对比，进而分析泵站污水输入管道对应的粘度参考系数，其计算公式为：

其中

表示为泵站污水输入管道对应的粘度参考系数，η_i表示为泵站污水输入管道在第i个检测时间点对应的粘度，Δη′表示为参考粘度，e表示为自然常数，i表示为各检测时间点的编号，i＝1,2,...,n，n表示为检测时间点的数量；

A3：将泵站污水输入管道在各检测时间点对应的粘度进行相互对比，进而从中筛选泵站污水输入管道的最大粘度和最小粘度，并将其分别标记为η^max和η^min，进而分析泵站污水输入管道对应的粘度波动系数，其计算公式为：

其中φ表示为泵站污水输入管道对应的粘度波动系数；

A4：分析泵站污水输入管道对应的综合粘度危险系数，其计算公式为：

其中ψ表示为泵站污水输入管道对应的综合粘度危险系数；

A5：同理，分析得到泵站污水输入管道对应的综合浊度危险系数和综合温度危险系数，进而将泵站污水输入管对应的综合浊度危险系数和综合温度危险系数分别标记为ξ和

A6：分析泵站对应的污水水体流动危险系数，其计算公式为：

其中

表示为泵站对应的污水水体流动危险系数，λ₁、λ₂、λ₃分别表示为泵站污水输入管对应的粘度、浊度、温度所属权重因子。

3.根据权利要求2所述的基于物联网的城市污水泵站智能监测系统，其特征在于：所述分析泵站对应的污水杂质流动危险系数，其具体方法为：

B1：获取泵站对应污水输入管道在设定时间段内的监控视频，并将泵站对应污水输入管道的监控视频按照预设的视频帧数划分为各监控画面，进而将泵站对应污水输入管道所属的各监控画面标记为各目标画面；

B2：将各目标画面与各杂质类型对应的图像进行匹配，若某目标画面与某杂质类型的图像匹配成功，则将该目标画面与该杂质类型匹配指数标记为β，反之，则标记为β′，进而统计各目标画面与杂质类型的图像匹配成功的数量，并将其标记为ρ_m，m表示为各目标画面的编号，m＝1,2,...,l；

B3：统计各目标画面与各杂质类型匹配指数，并将其标记为δ_mp，其中δ_mp＝β或β′，p表示为各杂质类型的编号，p＝1,2,...,q；

B4：基于各目标画面与杂质类型的图像匹配成功的数量、各目标画面与各杂质类型匹配指数和预设的各杂质类型对应的危险因子分析泵站对应的污水杂质流动危险系数，其计算公式为：

其中

表示为泵站对应的污水杂质流动危险系数，σ_p表示为预设的第p个杂质类型对应的危险因子，q表示为杂质类型的数量，l表示为目标画面的数量。

4.根据权利要求3所述的基于物联网的城市污水泵站智能监测系统，其特征在于：所述泵站对应的污水流动危险系数，其具体计算公式为：

其中Ψ表示为泵站对应的污水流动危险系数，γ₁、γ₂分别表示为预设的污水水体、污水杂质对应流动危险的权重系数。

5.根据权利要求1所述的基于物联网的城市污水泵站智能监测系统，其特征在于：所述泵站与污水输入管道的相对势差评估系数，其具体分析方法为：

C1：基于泵站与污水输入管道的连接示意图，获取污水输入管道与泵站的连接角度，并将其标记为θ；

C2：从泵站数据库中提取污水输入管道的单位角度势差影响因子，进而据此分析污水输入管道对应的角度势差评估系数，其计算公式为：JP＝(θ*Δθ)^Δθ，其中JP表示为污水输入管道对应的角度势差评估系数，Δθ表示为污水输入管道的单位角度对应的势差影响因子；

C3：获取污水输入管道和泵站相连接的污水输入管道端口和泵站端口，进而以污水输入管道端口和泵站端口的中心点为原点建立坐标系，进而获得污水输入管道另外一端口中心点的坐标和泵站另外一端口中心点的坐标；

C4：从泵站数据库中提取污水输入管道与泵站的单位距离势差影响因子，进而据此分析污水输入管道与泵站对应的距离势差评估系数，其计算公式为：

其中JL表示为污水输入管道与泵站对应的距离势差评估系数，(x,y)表示为污水输入管道另外一端口中心点的坐标，(x′,y′)表示为泵站另外一端口中心点的坐标，Δκ表示为污水输入管道与泵站的单位距离对应的势差影响因子；

C5：获取污水输入管道对应的方向向量，将其标记为

其中

并获取泵站对应的方向向量，将其标记为

其中

C6：从泵站数据库中提取污水输入管道与泵站的单位角度势差影响因子，分析污水输入管道与泵站的角度势差评价系数，其计算公式为：

其中JX表示为污水输入管道与泵站的角度势差评价系数，

分别表示为

对应的模，Δθ′表示为污水输入管道与泵站的单位角度势差影响因子；

C7：分析泵站与污水输入管道的相对势差评估系数，其计算公式为：

其中XD表示为泵站与污水输入管道的相对势差评估系数，χ₁、χ₂、χ₃分别表示为预设的污水输入管道角度、污水输入管道与泵站的距离、污水输入管道与泵站的角度所属占比因子。

6.根据权利要求1所述的基于物联网的城市污水泵站智能监测系统，其特征在于：所述泵站对应的水流势差适宜系数，其具体分析方法为：将泵站与污水输入管道的相对势差评估系数与预设的各水流势差适宜系数对应的泵站与污水输入管道所属相对势差评估系数范围进行对比，进而匹配到泵站对应的水流势差适宜系数。

7.根据权利要求1所述的基于物联网的城市污水泵站智能监测系统，其特征在于：所述泵站对应的输送阻碍系数，其具体分析方法为：

D1：基于目标采集时间点的污水输送管道对应的图像识别污水输送管道内部的附着物参数，其中附着物参数包括各附着物对应的类型和体积，目标采集时间点为距当前时间点最近一次的采集时间点；

D2：获取污水输送管道内部的各附着物对应的类型，将污水输送管道内部的各附着物所属类型与泵站数据库中存储的各附着物类型对应的阻碍因子进行对比，进而匹配到污水输送管道内部的各附着物所属类型对应的阻碍因子，并将其标记为F_h，其中h表示为各附着物的编号，h＝1,2,...,g；

D3：将污水输送管道内部的各附着物类型与泵站数据库中存储的各附着物类型对应的单位体积阻碍因子进行对比，进而匹配到污水输送管道内部的各附着物类型对应的单位体积阻碍因子，并将其标记为Δκ_h；

D4：分析泵站对应的输送阻碍系数，其计算公式为：

其中ZA表示为泵站对应的输送阻碍系数，V_h表示为污水输送管道内部的第h个附着物对应的体积。

8.根据权利要求1所述的基于物联网的城市污水泵站智能监测系统，其特征在于：所述分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度，其具体方法为：

E1：从泵站数据库中提取泵站对应污水输入管道的单次污水流量，进而将其与预设的单次污水流量对应的初始输入工作强度进行匹配，匹配到泵站对应的初始输入工作的强度，并将其标记为P′；

E2：将泵站对应的污水流动危险系数和水流势差适宜系数分别与预设的各污水流动危险系数对应输入增强工作强度和各水流势差适宜系数对应输入削弱工作强度进行对比，进而匹配到泵站对应的输入增强工作强度和输入削弱工作强度，并将其分别标记为ΔP、ΔP′，进而分析泵站对应污水输入工作的强度，其计算公式为：PP′＝P′+Δτ+ΔP-ΔP′，其中PP′表示为泵站对应污水输入工作的强度，Δτ表示为预设的补偿工作强度；

E3：将泵站对应污水输入管道的单次污水流量减去预设的泵站单次运行对应的污水损耗流量，进而得到泵站对应的输送污水流量，并将其与预设的各输送污水流量对应的初始输送工作强度进行对比，进而得到泵站对应的初始输送工作强度，并将其标记为P″；

E4：将泵站对应的输送阻碍系数与预设的各输送阻碍系数对应的输送增强工作强度进行对比，进而匹配到泵站对应的输送增强工作强度，并将其标记为ΔP₁；

E5：分析泵站对应污水输送工作的强度，其计算公式为：PP″＝P″-ΔP₁，其中PP″表示为泵站对应污水输送工作的强度。

9.基于物联网的城市污水泵站智能监测方法，其特征在于：包括：

S1、泵站污水监测：在设定各检测时间点对泵站污水输入管道对应的污水水体参数进行检测，其中污水水体参数包括粘度、浊度和温度；

S2、泵站污水综合分析：对泵站污水输入管道各检测时间点的污水水体参数进行分析，进而得到泵站对应的污水水体流动危险系数，并分析泵站对应的污水杂质流动危险系数，进而综合分析泵站对应的污水流动危险系数，并从泵站数据库中提取泵站与污水输入管道的连接示意图，进而计算泵站与污水输入管道的相对势差评估系数，从而分析泵站对应的水流势差适宜系数；

S3、泵站输送参数检测：在设定的各采集时间点对污水输送管道进行图像采集，并将采集的各采集时间点的污水输送管道对应的图像发送到泵站数据库；

S4、泵站输送参数分析：从泵站数据库中提取目标采集时间点的污水输送管道对应的图像，并据此分析泵站对应的输送阻碍系数；

S5、泵站工作强度分析：分析泵站对应污水输入工作的强度，并分析泵站对应污水输送工作的强度；

S6、泵站工作强度显示：将泵站对应污水输入工作的强度和污水输送工作的强度进行显示。

Images