公布日：2023.06.09
申请日：2023.03.30
分类号：C02F7/00(2006.01)I;H02J7/35(2006.01)I
摘要
本发明涉及一种利用光伏发电提高污水曝气效果的系统及方法，该系统包括污水处理设备，用于向污水处理设备供电的蓄电池和供电站，以及用于将太阳能转换为电能的光伏组件；所述污水处理设备包括曝气机和进水泵，所述光伏组件的输出端与蓄电池的输入端电连接，所述污水处理设备的输出端双向电连接有运行监控模组，所述运行监控模组的输出端双向电连接有互联网网关，所述互联网网关的输出端双向电连接有云端服务器，所述云端服务器的输出端分别与供电站和蓄电池的输入端电性连接。该系统及方法可以在保证供电稳定性的前提下降低多余发电损耗。
权利要求书
1.一种利用光伏发电提高污水曝气效果的系统，其特征在于，包括污水处理设备，用于向污水处理设备供电的蓄电池（3）和供电站（4），以及用于将太阳能转换为电能的光伏组件（5）；所述污水处理设备包括曝气机（1）和进水泵（2），所述光伏组件（5）的输出端与蓄电池（3）的输入端电连接，所述污水处理设备的输出端双向电连接有运行监控模组，所述运行监控模组的输出端双向电连接有互联网网关（6），所述互联网网关（6）的输出端双向电连接有云端服务器（7），所述云端服务器（7）的输出端分别与供电站（4）和蓄电池（3）的输入端电性连接。
2.根据权利要求1所述的一种利用光伏发电提高污水曝气效果的系统，其特征在于，所述运行监控模组由能耗监测模块（8）、流量监测模块（9）和IoT物联网关（10）组成。
3.根据权利要求1所述的一种利用光伏发电提高污水曝气效果的系统，其特征在于，所述云端服务器（7）包括用电量预测模型，所述用电量预测模型的输入端与互联网网关（6）的输出端双向电连接，所述用电量预测模型的输入端分别双向电连接有过往数据储存模块和深度神经网络，所述用电量预测模型的输出端双向电连接有计算判定模块，所述过往数据储存模块的输出端与计算判定模块的输入端双向电连接，所述计算判定模块的输出端分别与蓄电池（3）和供电站（4）的输入端电性连接。
4.根据权利要求3所述的一种利用光伏发电提高污水曝气效果的系统，其特征在于，所述用电量预测模型由逻辑模型建立单元和概念模型建立单元组成。
5.根据权利要求3所述的一种利用光伏发电提高污水曝气效果的系统，其特征在于，所述过往数据储存模块储存有天气数据、日期数据和能耗数值。
6.根据权利要求3所述的一种利用光伏发电提高污水曝气效果的系统，其特征在于，所述深度神经网络由自降噪编码器和训练集组成。
7.根据权利要求3所述的一种利用光伏发电提高污水曝气效果的系统，其特征在于，所述深度神经网络的输入端双向电连接有模型建立数据，所述模型建立数据由测试数据集、验证数据集和训练数据集组成，以通过模型建立数据来对深度神经网络进行训练。
8.基于如权利要求1-7任一项所述系统的一种利用光伏发电提高污水曝气效果的方法，其特征在于，包括以下步骤：S1：通过光伏组件（5）对太阳能进行采集并转化为电能，电能被传输储存在蓄电池（3）的内部以供污水处理设备运行使用；S2：在污水处理设备运行过程中，运行监控模组内部的能耗监测模块（8）和流量监测模块（9）对污水处理设备的运行状态进行实时监测并利用IoT物联网关（10）与互联网网关（6）进行数据通信；S3：云端服务器（7）内部的用电量预测模型调用预训练的深度神经网络，然后提取过往数据储存模块内部的天气数据、日期数据和能耗数据，进行处理后对深度神经网络作进一步训练，形成预测模型；S4：当预测模型建立完毕后，互联网网关（6）将运行监控模组新采集的数据和气象站预测数据传输至云端服务器（7），用电量预测模型将新采集的数据和气象站预测数据导入并进行预测，计算判定模块调用用电量预测模型对短期用电数据进行预测并控制分配供电站（4）与蓄电池（3）的供电量。
发明内容
本发明的目的在于提供一种利用光伏发电提高污水曝气效果的系统及方法，该系统及方法可以在保证供电稳定性的前提下降低多余发电损耗。
为实现上述目的，本发明采用的技术方案是：一种利用光伏发电提高污水曝气效果的系统，包括污水处理设备，用于向污水处理设备供电的蓄电池和供电站，以及用于将太阳能转换为电能的光伏组件；所述污水处理设备包括曝气机和进水泵，所述光伏组件的输出端与蓄电池的输入端电连接，所述污水处理设备的输出端双向电连接有运行监控模组，所述运行监控模组的输出端双向电连接有互联网网关，所述互联网网关的输出端双向电连接有云端服务器，所述云端服务器的输出端分别与供电站和蓄电池的输入端电性连接。
进一步地，所述运行监控模组由能耗监测模块、流量监测模块和IoT物联网关组成。
进一步地，所述云端服务器包括用电量预测模型，所述用电量预测模型的输入端与互联网网关的输出端双向电连接，所述用电量预测模型的输入端分别双向电连接有过往数据储存模块和深度神经网络，所述用电量预测模型的输出端双向电连接有计算判定模块，所述过往数据储存模块的输出端与计算判定模块的输入端双向电连接，所述计算判定模块的输出端分别与蓄电池和供电站的输入端电性连接。
进一步地，所述用电量预测模型由逻辑模型建立单元和概念模型建立单元组成。
进一步地，所述过往数据储存模块储存有天气数据、日期数据和能耗数据。
进一步地，所述深度神经网络由自降噪编码器和训练集组成。
进一步地，所述深度神经网络的输入端双向电连接有模型建立数据，所述模型建立数据由测试数据集、验证数据集和训练数据集组成，以通过模型建立数据来对深度神经网络进行训练。
本发明还提供了一种利用光伏发电提高污水曝气效果的方法，包括以下步骤：S1：通过光伏组件对太阳能进行采集并转化为电能，电能被传输储存在蓄电池的内部以供污水处理设备运行使用；S2：在污水处理设备运行过程中，运行监控模组内部的能耗监测模块和流量监测模块对污水处理设备的运行状态进行实时监测并利用IoT物联网关与互联网网关进行数据通信；S3：云端服务器内部的用电量预测模型调用预训练的深度神经网络，然后提取过往数据储存模块内部的天气数据、日期数据和能耗数据，进行处理后对深度神经网络作进一步训练，形成预测模型；S4：当预测模型建立完毕后，互联网网关将运行监控模组新采集的数据和气象站预测数据传输至云端服务器，用电量预测模型将新采集的数据和气象站预测数据导入并进行预测，计算判定模块调用用电量预测模型对短期用电数据进行预测并控制分配供电站与蓄电池的供电量。
与现有技术相比，本发明具有以下有益效果：1、本发明通过深度神经网络、过往数据储存模块和用电量预测模型组成预测系统，能够大幅提高供电及用电负荷的预测精准度，供电负荷预测和第二天发生的真实负荷数据对比误差小于5%，可以根据次日需求精确控制供电站发电量。
2、本发明在相同功能的系统对比下，电力损耗成本量下降20%，降低了多余发电损耗，提高了供电的性能，降低了整个系统的复杂度。
（发明人：上官海东;程顺健;肖友淦;魏忠庆;陈寿彬;卓雄;叶均磊;王俊杰）