污水處理廠運行維護與管理控制模式：模型模擬

曹徐齊，阮辰旼

（1.上海《凈水技術》雜志社，上海 200082；2.上海凈水技術學會，上海 200082）

隨著城市化進程的加快，新建工業區、住宅區等不斷地涌現和擴張，配套的污水處理廠也面臨著不斷增長的污水處理需求：越來越大的處理水量、越來越復雜的處理水質以及越來越嚴苛的排放標準。為此，一方面對于現有的處理設備設施，需要不斷進行參數調整和工藝優化，在提高處理效率的同時努力將能耗最小化；另一方面，在掌握現有實際運行數據的基礎上，需要進行合理的設計和規劃，引入新的技術手段，對污水處理廠進行適時的擴建和工藝改造；另外，對于日常的人員管理、設備維護等方面的經營理念，也要不斷進行更新和完善，在維持出水水質穩定達標的前提下，始終將“提效降耗”作為發展的目標。其中，模型模擬作為一種輔助手段，在數據分析、效果評估、水質預測等方面具有不可替代的重要作用。本文在文獻調研的基礎上，整理匯編了目前較為前沿的模型模擬及其在污水處理廠中的應用，包括用于補足進水缺失數據、性能評估、能耗估算及進水水質預測等各方面的模型，以期為行業相關人員提供參考。

1 用于生成污水處理廠進水缺失數據的黑箱模型

污水處理廠得到的數據集合大致可分為兩類：一類是自動測得的數據，如流量計測得的流量數據等，它們大部分為定量數據，通常具有很高的記錄頻率，轉化為不同的時間尺度進行處理；另一類是通過分析得到的數據，如進出水的水質參數等，大部分為定性數據，一般由24 h內的隨機樣或者混合樣決定，時間分辨率（time resolution）較低。后者是進出水水質情況分析以及工藝控制優化的基礎資料。這些數據不僅可作為污水處理廠擴建設計和整體布局的參考依據，也可用于構建污水處理廠模型，進行動態長期模擬來預測和驗證多年海量數據的合理性與準確性。但是，對水質的模擬分析通常需要連續的進出水水質定性數據作為支持，這與一些污水廠常規的低頻數據監測模式相悖，尤其是對于一些小型污水處理廠。為此需要采取一些合理的方法，替換和補充一部分遺漏的監測值來提高數據的時間分辨率。

針對現有的一座常規定性數據密度較低、存在定性數據丟失的污水處理廠，Ahnert等［1］基于威布爾分布（Weibull distribution），根據時間分辨率較高的定量數據（流量），采用一種簡單而直接的方法來生成連續的進水水質數據值。該方法所需若干年內的原始數據包括：（a）進水流量的日均值（最好為合流制排水系統，分流制的進水流量范圍較小）；（b）24 h混合樣的有效COD值；（c）24 h混合樣的有效總氮值（Ntot）和有效總磷值（Ptot）；（d）研究水域內Ntot／COD和Ptot／COD的實際比值，一般可通過文獻調研得到，方法步驟如下。

（1）對于不同的進水流量，根據有效COD濃度值，計算威布爾分布的形式（shape）和規模（scale）參數：（a）根據流量范圍，將原始數據歸成若干組；（b）計算每一組數據的威布爾分布特征參數；（c）生成威布爾分布的形式指數方程和規模指數方程。

（2）基于進水流量，根據威布爾分布的特征參數隨機生成COD濃度：（a）計算某一給定進水流量的威布爾特征參數；（b）根據特征參數生成一個符合威布爾分布的隨機數字，作為隨機生成COD數據的一部分。

（3）根據得到的Ntot／COD和Ptot／COD實際比值，計算缺失的Ntot和Ptot值；或者根據現有的Ntot／COD和Ptot／COD比值分布，分別生成符合正態分布的隨機Ntot和Ptot值。

得到的隨機數值具有和測得的實際數據值一樣的特征和變化規律，可用于需要使用到連續進水水質數據的工藝模型構建，從而進行工藝優化、能耗分析（結合能量模型），以及控制策略的改進或者總體處理能力的分析。

2 用于對污水處理廠績效進行評估的PDCA模型

維持污水處理廠高質量的運行和服務，需要對技術工藝、環境影響以及經濟效益等多方面的性能表現進行持續評估。為此，國際水協基準和績效評估專家組（specialist group of Benchmarking and Performance Assessment of the International Water Association）提出了一種基準化評價法來評估污水廠的績效，依照“計劃-執行-核對-改進（Plan-Do-Check-Act，PDCA）”的循環例程（圖1），通過系統搜索和關鍵因素改進來提升污水廠的性能。

在此基礎上，葡萄牙國家市政工程實驗室（Portuguese National Civil Engineering Laboratory）開發了一套基于績效指標（performance indicators，PIs）和績效指數（performance indices，PXs）的績效評估體系（PAS），應用于葡萄牙17座污水處理廠的基準化評價和工作性能改進［2］。

該污水廠績效評估體系主要包括兩方面：（a）PIs體系，以年為單位整體評估污水處理廠在出水水質、設備效率和穩定性、自然資源及原料使用（重點關注能源）、副產物管理、安全管理、人員管理、財政資源使用以及設計規劃方面的表現；（b）PXs體系，以天為單位評估污水處理廠在出水水質、污染物去除率以及運行條件等方面的具體表現。PXs體系是PIs體系的補充，后者用來評估污水處理廠在某一給定時期內的整體表現，而前者用來評估污水處理廠的性能同預設目標之間的差距，并給出得出各檔績效（“不滿意”、“可接受”、“良好”和“優秀”）結果的依據（時間、位置以及原因）。通過綜合分析PIs和PXs，就能找到提升污水處理廠性能表現的突破口。

圖1 適于污水處理廠基準化的PDCA模型［2］Fig.1 PDCA Model Adapted for Benchmarking WWTPs［2］

針對葡萄牙南部阿爾加維地區一座采用氧化溝和紫外消毒工藝的污水處理廠，Silva等［2］應用該套績效評估體系，選擇了七項PXs指標（水質檢測執行率、水質指標分析率、水質指標達標率、污水處理體積率、處理單位水量能耗、處理單位BOD5能耗等）和四項PIs指數（COD、BOD5、TSS和大腸桿菌），依照前期研究得出的參考值，對2013年～2015年污水處理廠各工藝段的性能進行了評估計算。結果表明該污水處理廠的氧化溝工藝較為有效，而紫外消毒工藝的整體評定等級為“不滿意”，相比之下缺乏可靠性。因此建議污水廠工藝提升的重心為紫外燈的維護、紫外光劑量的優化以及微孔篩網（UV工藝進水）的重新檢驗。

處理能耗的表現隨著污水處理體積的增大而越佳，且與污水廠的產能利用率（capacity utilization）有關。處理水量越接近污水處理廠的設計能力，工藝單元處理能耗的表現就越好；而當產能利用率低于50%時，能耗表現為“不滿意”。氧化溝工藝曝氣環節的能耗占了總能耗的38%，總體表現為“不滿意”；針對該結果，建議通過季節性調整進水曝氣、溫度以及濃度以降低能耗和提高經濟效率。事實上，在該污水處理廠，由于COD、BOD5、TSS等指標的評定結果已為“良好”甚至“優秀”，因此處理能耗的表現存在一定的提升空間；可適當降低氧化溝工藝的能量和經濟投入，重新校驗水質指標的評定結果是否仍高于“可接受”至“良好”的水平，從而將氧化溝工藝的能耗表現提升至“可接受”至“良好”的水平。

需要指出的是，完整的PI體系和PX體系所涵蓋的指標種類非常廣，需要根據給定的污水處理廠和年限，結合評估目標，有針對性地挑選出一組合理的PIs指標和PXs指數。

3 用于考察設備老化對污水處理廠能源成本影響的能耗模型

污水處理廠的能量消費模式與當地環境條件、處理的水量和水質、廠區規模大小、選擇工藝類型、設備服務年限等因素有關。目前，削減能源消耗已成為污水處理廠運行優化的重要目標之一。隨著人口和經濟的持續增長、水質標準更加嚴苛以及處理設施性能逐漸下降，污水處理廠的能源消耗會繼續增長，其中設備老化引起的能源損耗和處理效率下降的問題已經引起了人們的重視。設備老化不僅會提高處理工藝所需的能源投入，也會增加運行維護所需的人力、試劑等成本，盡管它們之間存在一定的相關性，但很難定量。

Castellet-Viciano等［3］從能耗角度考察了設備運行時間對西班牙瓦倫西亞地區322座污水處理廠的影響。研究收集了該地區污水處理廠2010年～2012年的處理工藝代表性變量指標，并采用Kruskal-Wallis檢驗方法對數據進行了統計分析；然后根據設備年限采用模型逐年進行模擬，并預測下一年的能耗成本。研究結果表明，含曝氣系統的二級生物處理單元，如活性污泥法和延時曝氣法，其能源消耗隨設備年限呈現出較大差異；這是由于曝氣系統多由微孔擴散裝置組成，由于結垢等造成的微孔阻塞會造成一部分的能量損失，而這一現象隨時間推移愈發明顯。此外，研究還發現，處理水量在275 000 m3／年以下的小型污水處理廠，設施年限對能源消耗的影響更為明顯；大型污水廠由于大部分存在熱電共生系統（cogeneration system），在能源供給方面能夠實現自給自足，因此設備年限對能源消耗的影響并不顯著。

研究得到的能量損耗預測值可作為評估污水廠處理設施機電設備老化狀態的一個重要指標，幫助污水處理廠的管理者決定是否需要進行設備更替或者相關的維護工作。

4 用于預測進水BOD5濃度大小的MCDA模型

軟傳感器（soft sensor）測量法以及基于快速可得信息和歷史數據的數理統計分析法，為污水處理廠實時信息報告和未來信息預測提供了一種簡單有效的途徑。Zhu等［4］在早先的研究中闡述了采用軟傳感器測量法預測污水處理廠進水情況的諸多優勢，包括預測結果可靠以及靈活性較好等，但方法預測的是目標變量的均值，當進水的BOD5偏高時，實際值和預測值之間的偏差可能較大，使得出水水質不達標的風險增大；過量曝氣可降低該風險，但也會產生不必要的能量消耗。

為此，Zhu等［5］針對芝加哥一座污水處理廠，在前面研究的基礎上繼續開發了一種整合了軟傳感器測量法與多標準決策分析（multi-criteria decision analysis，MCDA）技術的多層級混合方法，在進水含碳BOD5（CBOD5）的預報工作中更好地平衡能耗需求和出水超標風險。該方法采用MCDA技術之一的折衷規劃法（compromise programming），確定了一個將進水CBOD5分為高低濃度的關鍵濃度值，對于低濃度的CBOD5，采用人工神經網絡（artificial neural network，ANN）來準確預測，以尋求能耗需求的最小化；對于高濃度的CBOD5，將多元線性回歸置信水平的置信上限設為95%進行高估，從而使得進水處理不達標的風險最小化。

研究結果表明：（1）當安全因子和預測精度采用相同的權重（0.5）時，根據訓練數據集，CBOD5閾值的最優選擇為87.5 mg／L；（2）與訓練數據集相比，檢驗數據集的預測精度較低，而安全因子的范圍更廣，兩種數據集均能得出同樣的最優CBOD5閾值，表明決策過程的正確性；（3）與單一應用ANN方法相比，該混合方法可以顯著降低較高的CBOD5進水濃度被低估情況所占的比例，而預測誤差僅略微增長；（4）該混合方法具有很高的靈活性，可以使用不同的置信區間或納入更高級的算法進行修正，以預測進水中的其他成分并針對不同污水處理廠的當地條件作出調整，如出水要求、能源成本、處理工藝、天氣條件、控制靈活性等，通過調整安全因子和預測精度的權重，得到更符合地方實際的應用模型。

［1］Ahnert M，Marx C，Krebs P，et al．A black-box model for generation of site-specific WWTP influent quality data based on plant routine data［J］.Water Science and Technology，2016，74（12）：2978-2986.

［2］Silva C，Matos J S，Rosa M J.A comprehensive approach for diagnosing opportunities for improving the performance of a WWTP ［J］.Water Science and Technology，2016，74（12）：2935-2945.

［3 ］Castellet-Viciano L，Hernández-Chover V，Hernández-Sancho F.Modelling the energy costs of the wastewater treatment process：The influence of the aging factor［J］.Science of The Total Environment，2017，46（24）：363-372.

［4］Zhu J J，Anderson P R.Assessment of a soft sensor approach for determining influent conditions at the MWRDGC Calumet WRP ［J］.Journal of Environmental Engineering，2016，142（6）：04016023.

［5］Zhu J J，Kang L，Anderson P R.Predicting influent biochemical oxygen demand：Balancing energy demand and risk management［J］.Water Research，2018，52（1）：304-313.