活性污泥法過程控制模型探析

摘 要：本文主要介紹了活性污泥的生長過程控制模型，對相關進行了分析，比較了不同模型各自的特點，對其進行綜合評價，同時指明了活性污泥法過程控制未來將重點發展自適應BP神經網絡模型。

關鍵詞：活性污泥法；過程控制；模型；自適應BP神經網絡

DOI：10.16640/j.cnki.37-1222/t.2017.15.004

1 概述

當前在廢水的生物處理中，活性污泥被普遍使用，同時人們對相應工藝流程的設計和系統整體的運行管理也給予了一定的重視。從上個世紀80年代至今，活性污泥法逐漸引入了數學建模和相應的計算機技術，同時取得了不錯的效果。并且借助相關技術對活性污泥法的研究也從實驗數據的擬合逐漸轉向利用經典的微生物生長動力學模型，使整個過程更具有科學性。隨后對相關的廢水的處理過程加以探究，同時對整個過程加以動態分析，從而建立相關的模型。最終實現了指導設計向研究活性污泥的動態過程進行轉化；其最終目的是保證系統能夠較為高效地運行[1]。

2 傳統的活性污泥過程模型

對傳統活性污泥法進行建模是在上個世紀中期開始的，Ecken-felder等在VSS（揮發性懸浮固體）積累速率經驗公式中提出的活性污泥模型，除此之外，McKinney等在污泥全混合的假設基礎上提出了相關模型的建立，而Lawrence-Mccarty則是在微生物生長動力學的理論基礎上提出了相關的模型。

以上三種模型的建立均基于如下假設：（1）反應進行的條件相對穩定，在反應器中微生物的濃度相對恒定，隨著時間的推移，其變化范圍較小，同時在進水口基質濃度相對穩定；（2）在整個反應系統中只存在兩種固定的組分，相應的微生物或者是通過BOD5或COD指標表示的底物；（3）反應器完全混合同時相對均勻。

上述模型存在一定的缺陷，那就是只對含碳有機物的去除進行了探究，對伴隨進水濃度變化而相應的發生有機物濃度變化的現象并沒有合理解釋。同時對污水實際處理過程中，有機物濃度相應增高時，微生物的生長速率變化情況沒有進行具體的描述。由上述可知，傳統活性污泥法的模型具有一定的優點，比如參數設置少，同時計算過程簡單，但同樣存在一定的缺點，比如對廢水中氧的利用情況不能進行實時模擬，從而在對活性污泥系統的動態特性描述上相對匱乏。[2]。

3 動態的活性污泥過程模型

3.1 活性污泥過程模型（ASM）

上個世紀八十年代，國際水質協會的IAWQ組織專家對相關的活性污泥模型化進行了研究，在歷時四年的研究工作里，該專家組收集了大量的數據，同時進行了歸納分析，同時在1986年發表了相應的活性污泥過程IAWQNo.1模型（ASMl）。在此模型中，曝氣池中的過程被進行了細化，劃分為八個具體過程，同時對池內的物質組分也進行了歸類，分為十三種不同的組分。同時基于質量守恒的定律，借助相關的動力學和經驗公式，對該系統的整體動態性質進行描述，同時利用微積分方程求解。結合不同的條件對火星的污泥的降解過程加以研究，主要分析了除碳和脫氮的相關動態過程。此模型一經發表，就吸引了業界人士的目光，當前該模型一經成為活性污泥仿真以及進行控制的基石。

在曝氣池內進行的八個過程具體包括：（1）異養菌的好氧生長過程；（2）異養菌在缺氧條件下的生長過程；（3）自養菌的好氧生長過程；（4）異養菌數量減少逐漸衰退的過程；（5）自養菌數量減少，逐漸衰退的過程；（6）水中存在的可溶性有機氮的氨化過程；（7）有機碳的“水解”（8）機氮的“水解”。13個組分是：（1）易降解有機碳S5；（2）降解速度相對較慢的機碳X5；（3）可溶性有機氮Snd；（4）顆粒狀可降解有機氮Xnd；（5）溶解氧SO；（6）氨態氮Snh；（7）硝態氮Sno；（8）堿度Salk；（9）異養菌Xbh；（10）自養菌Xba；（11）可溶惰性有機碳Si；（12）顆粒惰性有機碳Xi；（13）微生物衰減產物Xp。

3.2 自適應BP神經網絡過程模型

針對污水處理過程中的具有一定的不確定性，同時這一模型產生的干擾相對較為嚴重，因此為使控制器具有更加優良的性能，保留原有的固定控制器，同時對其結合自組織的形式加以調整，從而保證該模型能夠適應各種不同的環境，保證控制獲得良好的效果。所設計的控制方法應用平臺對溶解氧和硝態氮濃度進行控制，并且取得了預期的控制效果，同時在精度相對較高。通過與PID控制、BP的控制方法進行比較，結合相應的仿真效果，神經網絡控制方法對于溶解氧硝態氮濃度的控制具有更好的控制精度和控制效果，同時穩定性也相對較高[3]。

學者Andrea等人利用BP建模方法針對污水處理系統建立了模型。Tzu等人采用ANFIS對污水處理的COD、PH以及出水的懸浮物質進行了預測，通過和比較，該方法在預測上更具有準確性。同時，Zhu等人提出了一種延遲神經網絡（TDNN），該方法主要應用于污水的水質預測，同時對比于多層感知器網絡模型，其效果更佳。在相應的系統中輸入當前午污水的BOD、MLSS值，從而產生一個回流比，將該回流比應用于神經網絡的的預測中，同時對該回流比的選擇性加以驗證。Capodaglio等人將相應的神經網絡應用在對可能存在的污泥膨脹加以預測的方向，其具體做法是在模型中添加時間滯后參數，最終能夠取得較為精準的預測效果。Tay等人提出一種模糊神經網絡，該網絡只要是應用于預測厭氧系統中可能存在的干擾，通過歸納分析實際的干擾因素，從而建立相應的模型，最終獲得良好的效果。上述的各項研究均向我們展示了，神經網絡在污水處理中的管飯應用，主要集中于模型的建立和預測方面，鮮少應用于相應的控制上。

4 小結

本文通過探討探索活性污泥微生物增長和底物降解的規律，簡單對比目前活性污泥非穩態動力學模型及相應的數值模擬計算方法，實現對污水處理過程及處理效果的預測。最后，通過文獻調研發現自適應BP神經網絡通過進行驗證試驗，實現數值的模擬，最終進行模擬計算，得出基于不同條件下底物濃度的相應變化，從實驗中可以獲得模擬值和實驗值能夠保持一致的關系，從而說明自適應BP神經網絡模型是未來的發展與應用方向。

參考文獻：

[1]田志梅.活性污泥生長的控制[J].江蘇環境科技，2005（03）：15-16.

[2]呂曉磊.新活性污泥法處理效能及種群組成研究[D].哈爾濱工業大學，2008.

[3]范吉.包含溶解性微生物產物形成與降解及同時貯存與生長機理的新活性污泥數學模型建立與模擬研究[D].華東理工大學，2011.

作者簡介：黃國慶（1986-），男，重慶涪陵人，工程師，從事水處理管理工作。