污水處理廠運行維護與管理控制模式：檢測設備

曹徐齊

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

在污水處理廠實現高效穩定的自動化和信息化管理控制，不僅需要對工藝單元運行狀況的軟件模擬、對工藝內部運行及各單元間調配模式的系統設計、對污水廠儀器設備管理維護的改進優化，更有賴于對各類硬件支持進行及時的更新替換，使其能夠滿足日益提升的出水標準和管理目標的需要。其中檢測器(sensor)作為基礎的工藝控制元件，對于工藝線的正常運行具有重要作用，檢測限低、靈敏度高、響應時間迅速、穩定性強、校準維護方便的檢測器，是實現污水廠各水質指標實時在線監測和控制的重要保障。本文介紹了當前國內外幾種較為前沿且具有巨大應用前景的檢測設備或方法，包括氣體傳感裝置(電子鼻)、微生物燃料電池生物傳感器、圖像分析技術、軟檢測器等，介紹了它們的檢測原理及在污水處理廠的應用，以期為相關從業人員提供參考借鑒。

1 基于氣體傳感裝置的水質實時預測系統“VPeN”

電子鼻(electronic noses)或氣體傳感裝置在環境領域主要用于氣相分析，但若合理裝配，它們同樣可以用來檢測液相中的揮發性污染物，如已有研究采用校正后的電子鼻設備來評估污水處理廠下游自然水體中的BOD5含量[2]；有采用固態傳感裝置檢測殺蟲劑林丹在廢水中含量的案例[3]。氣體傳感裝置適宜檢測的污染物指標通常在60～90 ℃的溫度下(設備加熱)易由液相轉化為氣相，如部分硫化衍生物、銨/胺衍生物、余氯，以及生活污水中易被生化降解產生氣體(CO2、N2)的BOD5、COD、總凱氏氮等。

為了使傳感器能夠對廣譜氣體(如VOCs)具有靈敏性，該氣體傳感裝置采用基于金屬氧化物的電阻式傳感模組件。由于設備成本較低，其會同時對多種氣態污染物響應，因此提供的檢測結果準確度較低，但同時這種低選擇性也是其優勢之一，原因有兩點：(1)能夠分辨出某一大類的污染物氣體，而非單一污染物；(2)能對影響調查環境“氣態氛圍”的多種情況作出響應。裝置采用八個TGS Figaro氣體傳感器，它們分別對某一種特定氣體的含量在一定程度上具有線性響應，但同時它們對廣譜氣體污染物具有響應，靈敏度存在重疊(overlying sensitivity)。同時，裝置內置了氣壓、溫度和濕度傳感器，對響應結果進行平衡和修正。裝置工作時，先由鼓風機通入空氣作為潔凈氣體進行基準校正，然后通過蠕動泵和鼓風機向裝置注入待測水產生的氣體，直到讀數穩定得到結果。裝置工作原理及原型如圖1和圖2所示。

圖1 VPeN工作原理圖Fig.1 Block Diagram of VPeN

圖2 VPeN試驗原型Fig.2 Experimental Prototype of VPeN

該裝置無需另外消耗氣體，且能夠方便地外接數據獲取網絡。根據溫度、pH、氧化還原電勢等外部條件對結果的影響作出修正和調試，該裝置的性能表現能有進一步的提升。

2 微生物燃料電池生物傳感器

目前，環境友好型的生物電化學系統在污水處理和回用中發揮的潛力正日益受到關注，其中最熱門的技術便是微生物燃料電池(MFC)。MFC可利用微生物作為生物催化劑來分解有機物，同時釋放出電子和質子，電子通過外電路從陽極傳遞到陰極形成電流，而質子通過質子交換膜傳遞到陰極，氧化劑(一般為氧氣)在陰極得到電子被還原。MFC可將廢水中的污染物轉變為能量，從而減小活性污泥法等生物化學工藝所需的能耗，是一種非常具有應用前景的技術。

MFC生物傳感器(biosensor)則是一種利用MFC產生的弱電來可持續地對水體環境中的目標污染物進行在線監測的技術。MFC產生的電流同陽極生物膜上發生的具有電活性的代謝活動直接相關，其間電子可通過直接傳遞[納米線(nanowires)或直接接觸]或間接傳遞(中間介質或胞外基質)從生物膜傳遞到陽極表面，而溫度、pH、電導率等操作條件都會對電流穩定性產生影響。MFC生物傳感器的工作原理正是基于將陽極生物膜作為識別元件，其可對電子從生物膜傳遞到陽極時發生的流量變化作出響應，將其轉化為可測的信號強度，從而監測水體中有機物的含量水平。MFC生物傳感器產生的電流使得其可在無能源供給的偏遠地區進行水質監測，是一種理想的可持續性監測裝置。通常采用天然的混合微生物菌種可以提高MFC生物傳感器檢測的效率和穩定性。當前研究已有的幾種不同的微生物燃料電池(MFC)生物傳感器裝置如圖3所示[4]。

注:A-硅基MFC生物傳感器；B-疊層3D打印微型MFC生物傳感器；C-陽極流入式MFC生物傳感器；D-四陽極室-共陰極MFC生物傳感器；E-單室型MFC生物傳感器；F-雙感應元MFC生物傳感器圖3 不同的微生物燃料電池(MFC)生物傳感器裝置Fig.3 Different Setups for Microbial Fuel Cell-Based Biosensors

當MFC裝置用于產電時，其研究重點主要為如何提高電池效率和電能輸出；而當MFC作為生物傳感器應用時，其研究重點主要為如何提高對目標物的檢測靈敏度，如式(1)。

(1)

其中：ΔI—電流輸出變化，μA；

Δc—目標檢測物的含量變化，mmol/L；

A—陽極表面積，cm2。

因此，MFC生物傳感器的檢測靈敏度和目標檢測物單位濃度變化引起的電流變化以及陽極表面積的大小相關。另外，MFC生物傳感器還應具備以下特性：能產生平穩恒定的電流輸出(基線)；無論溫度、pH、電導率等水樣條件如何波動，電輸出需具備重現性；響應時間(即電流達到穩定狀態的95%所需的時間)需足夠短；對于干擾，需能在足夠快的時間內恢復到基線狀態。

盡管由于簡單緊湊的結構和低廉的成本，MFC生物傳感器近年來在水廠和污水廠的水質監測和控制中得到了一定應用，但其進一步推廣和普及仍存在一定的挑戰，包括對污染物的選擇性較低、檢出限較高、準確度較低、微生物易被其他菌株污染、對極端環境的耐受性較差、不能長期監測、對污染物的響應存在時間滯后等。今后的研究重點主要在高效且低價的電極和膜材料的開發、新型微生物菌株的分離等方面。

3 圖像分析技術在絮體檢測和絮凝劑控制中的應用

在污水處理工藝中，圖像分析技術在判斷絮凝過程中絮體的大小、碎片維度、強度和破碎程度方面具備一定優勢，然而受準確度、操作可行性和軟硬件的限制，該技術目前僅在實驗室范圍內試驗成功。Sivchenko等[7]基于一種圖像紋理分析技術(texture image analysis)——灰度共生矩陣(grey level co-occurrence matrix，GLCM)，設計了一種新型的絮體檢測器，并在挪威一座污水處理廠對其性能進行測試。

該裝置位于二沉池上方，主要由蠕動泵、圖像采集室、LED燈源、相機模塊、顯示屏及Raspberry Pi單板計算機等部件構成，其結構如圖4所示，其中圖像采集室實物如圖5所示，單板計算機可用來控制和改變相機參數。每隔10 min對圖像采集室連續拍攝3張照片(拍攝間隔為5 s)進行圖像分析。通過軟件獲取圖像的四個特征量——對比度(contrast)、熵(entropy)、相似度(homogeneity)和差異度(variance)，然后采用GLCM法對圖像的紋理進行分析。研究發現所拍攝絮體圖片的紋理信息和絮凝劑的投加劑量存在一定相關性，因此可用于預測絮凝劑的投加量和預報混凝沉淀出水的濁度值。

圖4 絮體裝置示意圖Fig.4 Schematic Representation of the Floc Detection Setup

圖5 圖像采集室Fig.5 Imaging Cell

出水濁度分別為1.9～5 FNU(ISO 7027《水質-濁度的測定》方法采用的濁度單位)、小于1.9 FNU以及大于5 FNU時所拍攝的絮體照片及對應的四個特征量值如表1所示。根據照片發現相似度較高的絮體照片對應的出水濁度更低，處理效果更佳，而剩余三個特征量更高的照片對應的出水濁度高，表明絮凝效果不理想，需提高絮凝劑投加量。

根據每天的進出水參數(流量、濁度、pH、溫度等)及四個GLCM特征量，建立模型預測絮凝劑的投加量，與該污水處理廠的絮凝劑實際投加劑量采用偏最小二乘法進行擬合，結果如圖6所示。連續實線為該污水處理廠絮凝劑投加量的參考值(即實際采用量)；三角為實際出水濁度值；根據運行經驗確定出水的理想濁度范圍為1.9～5 FNU，即兩條虛線之間；方框點為出水濁度在1.9～5 FNU時的模型預測投加量；方框點、圓黑點、菱形點分別是出水濁度為1.9～5 FNU、小于1.9 FNU以及大于5 FNU時的模型預測投加量。結果顯示預測值和參考值之間的擬合情況較為理想，其中出水濁度超過5 FNU的天數實際發生降雨，絮凝劑投加為人工控制，投加量被低估。

表1 不同出水濁度下三種絮體的照片及對應的GLCM特征參數Tab.1 Sample Images and GLCM Textural Features Corresponding to Different Outlet Turbidity Measurements

注：括號內為實際出水濁度

圖6 絮凝劑預測投加量及參考投加量對比Fig.6 Comparison of Predicted Coagulant Dosages by PLSR and Reference Dosages

研究表明若該絮體檢測器和絮凝劑投加自動控制系統進一步聯用，十分具有應用前景。

4 基于定性趨勢分析的軟測量法

曝氣效率的控制對于污水處理廠運行效率的提升有著重要意義。目前普遍采用的標準策略是控制一定的曝氣強度，使得曝氣池中的DO維持在某一設定值；另一種策略是控制曝氣池中氨氮的濃度，因為氨氮過量會使得活性污泥發生反硝化現象，產生的氣體攜帶污泥絮團上浮，不利于污泥沉降[8]。目前適用的氨氮檢測方法通常為原位離子選擇性電極檢測和異位人工分析檢測，然而兩者的人工和維護成本都相對較高。軟測量(soft sensor)為解決這一問題提供了新的思路。

軟測量是對難以測量的目標變量，選擇其他容易測量或測量成本較低的變量，通過建立兩者間的對應關系來估測目標變量，不但經濟可靠，且動態響應迅速。已有文獻研究了基于電導率與氨氮濃度[9]、pH/ORP(氧化還原電位)[10]與生物反硝化控制之間關系的軟測量在污水處理廠SBR工藝中的應用。由于氨氮負荷增大會促進硝化作用和質子產生，除非提高曝氣率使氧利用和CO2脫離產生質子達到平衡，否則反應器內的質子凈產量會持續增大，表現為pH下降；反之，若氨氮負荷減小，則硝化作用減弱，質子產量減小，表現為pH上升。對于連續運行的污水處理廠，好氧區內部的pH值差值即包含了氨氮濃度分布的信息，如圖7為某污水處理廠曝氣單元頭尾的pH差值和氨氮濃度在時間序列上的對應關系[11]，對比可知兩者的極值同步出現，因此可通過基于pH差值和氨氮濃度之間關系的軟測量方法實現對氨氮濃度的實時監測。

圖7 曝氣池頭尾的pH差值(上)及中間的氨氮濃度(下)在時間上的對應關系Fig.7 pH Difference between First and Last Aerated Tanks (Top) and Concentration (Bottom) Measured in the Middle Tank

圖8 采用軟測量法監測和控制硝化反應過程的方法原理Fig.8 Method and Principle of Nitrification Monitoring and Control by Means of Soft Sensing

Thürlimann等[9]提出了一種基于定性趨勢分析(qualitative trend analysis，QTA)和規則控制(rule-based control)的軟測量方法來檢測并控制活性污泥工藝中的氨氮濃度，并在瑞典的六座污水處理廠對其進行應用。該方法的主要處理流程如圖8所示：首先采用定性狀態估測(qualitative state estimation，QSE)算法對pH在線監測器測得的原始信號進行處理；然后采用規則控制算法評估QSE算法得到的結果；與此同時，對原始信號及污水廠的部分運行狀態參數進行分析，核查非正常數據，以便在必要時推翻規則控制算法得出的決策；最后將得到的DO設定值傳輸到DO控制器，通過調節生物反應器內的氣流強度來控制硝化反應的速率。其中，QSE算法的作用是根據一定的特征將原始信號在時間序列上分割成若干片段，而輸入的原始信號可能由于背景干擾而存在多個峰值，且QSE輸出結果為二元，需轉化為連續的氨氮濃度信號，因此還需要通過規則控制算法對QSE算法得到的結果作進一步處理。該軟測量方法的裝置示意圖如圖9所示，在第一座和最后一座曝氣池分別安裝兩個pH監測器，每個監測器每隔1 min檢測并記錄pH值；在池中間安置離子交換柱檢測氨氮濃度作為參考。

圖9 軟測量法在污水處理廠應用及驗證的硬件設置Fig.9 Hardware Setup for Soft-Sensor Development and Validation on a Wastewater Treatment plant

結果顯示，該方法在水廠實際測試中具有很好的效果。在實際測試中，pH檢測器的穩健性遠高于氨氮離子交換檢測器，前者更不容易發生設備故障，且允許pH信號在一定程度內的偏移，減小了儀器校準和維護所投入的精力。同時，通過對DO的精準控制，測試污水處理廠的能源消耗可以節省7%左右，特別對于人力有限的中小型污水處理廠，其具有應用價值。