活性污泥模型(ASMs)研究進展及其發展前景

彭玉，王建輝，齊高相，高旭，申渝，3，馮東，鐘誠

(1.重慶工商大學 智能制造服務國際科技合作基地，重慶 400067；2.重慶工商大學 環境與資源學院，重慶 400067；3.重慶南向泰斯環保技術研究院有限公司，重慶 400060；4.重慶中法環保研發中心有限公司，重慶 400020；5.重慶市水務資產經營有限公司，重慶 400010)

污水的處理方法包括物理、化學和生物法，其中，生物法中的活性污泥法應用最為廣泛和典型，活性污泥系統是一個復雜的微生物生態系統，因微生物反應機理復雜，其處理效果受不確定因素的干擾較大。傳統的污水處理廠運行都依靠經驗豐富的技術人員去運行，雖然許多大型污水廠采購了大批技術先進、自動化程度高的設備和檢測系統，但沒有從根本上解決污水處理過程管理高度依賴人工經驗造成的效率低、成本高和穩定性差的問題，通常需要依賴足夠的容器儲存進水，并過量曝氣和投藥，只保證了污水的達標，不能精確地調控污水廠的管理運行，造成能耗物耗的浪費。

各國學者通過大量實驗和計算，得出了活性污泥法中各組分間的反應機理以及各反應要素之間的關系，建立了活性污泥數學模型(簡稱ASMs)，給污水廠的活性污泥工藝的運行管理提供了很大的幫助。活性污泥數學模型的建立包含了機理模型和統計模型，機理模型一般都以國際水協會的ASMs模型為核心，依據活性污泥系統中的質量、能量和動量守恒原理建立模型，統計模型是依據過程輸入、輸出數據的統計方法建立模型，在商業軟件將這兩類模型整合，就可以動態模擬仿真污水廠的各項出水水質變化，指導實際的生產運行，進而優化運行，以達到改善出水水質、節省曝氣耗電，減少加藥量、減少剩余污泥量、節省人力成本等目的。此外，模型還可對工藝設計和改進提供指導，通過對經濟指標，如鼓風泵、加藥、池體大小等方面的核算可篩選出技術合理、經濟可行的最終設計方案。

1 ASM系列模型簡介

1987年，國際水協(IWA)在傳統活性污泥靜態數學模型的基礎上，推出了3套活性污泥核心模型ASM1、ASM2、ASM3，為活性污泥系統仿真提供了重要的理論基礎，并廣泛應用于許多的歐洲國家，許多國家已經將其作為一種標準。在我國，活性污泥模型在理論與實際應用相結合方面與國際先進水平存在著較大差距[1]，國際上以ASM系列模型為核心的軟件主要有：EFOR、GPS-X、BIOWIN、WES、SSSP、ASIM等，這些軟件可模擬污水處理廠的運行狀況，以尋求最佳運行工況，還可以建立預案庫，針對動態進水水質的情況快速調整運行策略。

ASMs系列模型的發展為污水處理工藝提供了重要的理論基礎，主要描述了微生物去除污水中的COD、氮、磷等過程[1]。1987年IWA在Eckenfelder、Mckinney、英國水協會(WRC)、Andrews 等研究的基礎上推出活性污泥模型1號(ASM1)，該模型引入了開關函數的概念，建立了碳氧化、硝化和反硝化模型[2]。模型以矩陣形式進行描述微生物的反應方程式，定義了13個進水顆粒態有機物和溶解態有機物組分，描述反應的19個參數，其中有14個是微生物動力學參數，5個是反應過程的計量系數。由于ASM1 只描述了COD和氮的去除，不包含磷去除的過程，因此使該模型應用受到了一定的限制[3]。

IWA在1995年推出了活性污泥模型2號[4](ASM2)。ASM2在ASM1基礎上增加了除磷過程，引入了總懸浮固體TSS的概念，去除了在動力學中不起作用的組分，只考慮細胞生物量的平均組成；1999年，IWA對ASM2 稍有延伸，推出了ASM2d[5]，增加了聚磷菌(PAO)可利用細胞有機儲存產物進行反硝化，改進了ASM2中PAO僅在好氧條件下生長的描述。

1999年IWA推出了ASM3。該模型所涉及的主要反應過程和ASM1基本相同，在ASM1中容易混淆的將異養菌和硝化菌衰減和死亡的轉換過程進行了清晰的區分，將ASM1中反應過程的重點由水解轉向有機底物的儲存[2]。

2 國內外研究現狀

近年來，隨著智慧水務的發展，活性污泥數學模型是國內外水處理領域研究的熱點之一[6]。從相關的研究進展來看，目前主要的研究方向有三個：一是基于ASMs系列模型模擬實際污水處理工藝，二是對模型中活性污泥動力學參數校正方法的研究，三是對模型中進水組分測定方法的研究，ASMs模型里面包含了眾多參數，參數是否準確決定了模型搭建是否準確。

2.1 ASMs的應用研究

ASMs模型是基于活性污泥微生物死亡再生理論而建立的[7]，目前在應用研究方面，大多數研究者都在國際水協的三套核心模型基礎上進行改良，得到更適應實際情況的模型，以提高模型的模擬精度。

Elawwad等[8]利用Arrhenius方程，借助商業軟件Biowin對ASM3進行擴展，在穩態條件下，模型校正了三個主要的微生物動力學參數μH、bH、YH，模擬出水結果與污水處理廠的10個月的監測出水數據進行對比，發現此模型較好地模擬了污水廠的運行，為干旱區工業廢水和生活污水混流的設計和運行提供了依據；孫培德等[9]基于ASM模型的反應機理基礎上，將微生物菌群劃分為8個種群，用4個不同的菌群描述了硝化和反硝化作用下的生物脫氮過程，并將溫度耦合到反應速率方程中，建立了全耦合活性污泥系統模型FCASM3；孫培德等[10]基于FCASM3建立了杭州某污水廠的A+A2O工藝模型，測定了污水廠進水水質組分和微生物動力學參數，模擬結果與2017上半年實測數據進行校核，利用校核后的工藝模型模擬出了該污水廠的好氧池曝氣、污泥回流比和混合液回流比最佳運行工況；Ni[11]考慮了亞硝酸鹽和硝酸鹽的反硝化作用，并介紹了同步存儲和生長的概念，建立了一種基于ASM3的兩步反硝化模型，利用4個不同的反硝化案例研究的實驗結果對該模型進行了評價，并與原ASM3模型進行了比較，結果表明，改良后的模型能夠更好反映活性污泥系統中的反硝化過程；郭彥雪等[12]使用Biowin軟件用改良后的ASM2d模型模擬了含有菌膠團的DE型雙溝式氧化溝中工藝，結果較好地擬合了有機物、氮、磷的降解過程，該結果對于氧化溝工藝改良具有一定意義。占夢潮等[13]利用ASM2d模型對某污水處理廠的AAO工藝進行模擬，模擬工藝出水COD、氨氮和總氮等指標與實際值吻合較好，調整排泥量、內回流比和外回流比，模擬曝氣能耗和內回流能耗均有較大的節省。

目前ASM模型在丹麥、荷蘭等國家推行較好，在我國實際應用不廣泛，主要原因有：國外商業軟件的價格高，且培訓費用昂貴，對軟件使用人員的專業技能要求較高，上手熟悉程度慢[14]；使用ASMs搭建模型需要的歷史數據量較多且對數據質量要求較高，適用于大型且自動化程度高的污水廠，而在我國，許多的污水處理廠在線監測指標較少，自動化程度較低。

2.2 ASMs中參數的動力學參數的研究

活性污泥法的核心是活性污泥，活性污泥中包含許多類型的微生物。活性污泥模型中有關微生物的參數很關鍵，微生物動力學參數尤為重要，如自養菌產率系數、異養菌產率系數、自養菌最大比增長速率等。雖然IWA協給出了不同溫度下的各個動力學參數參考范圍，但在不同季節、不同地點、不同時間情況下，微生物的這些參數差別較大，并且這些參數測定方法復雜、沒有統一的標準，這使得活性污泥法數學模型在實際污水處理廠中的應用受到限制，人們一直在不停試驗探究ASMs模型中各種重要參數測定方法[15]。

目前參數校正主要有兩種方法，一種是數學法，另一種是化學實驗法。實驗法主要有活性污泥呼吸計量法[16]，數學法有曲率法、最小二乘法、遺傳算法等，其中，遺傳算法是模擬達爾文的遺傳選擇和自然淘汰的生物進化過程的計算模型[17-18]。參數是模型實際應用的關鍵，通常都是數學法和實驗法兩者結合，相輔相成。

楊杰[19]以ASM1模型為基礎，使用GPS-X軟件模擬了某污水廠厭氧-好氧工藝的脫氮，通過呼吸計量法和硝酸鹽濃度測定法對異養菌最大比增長速率、異養菌產率系數、異養菌衰減系數和自養菌最大比增長速率等參數進行了測定，發現使用實測的模擬結果與監測實際出水結果吻合較好；周雪飛等[16]通過化學實驗法，使用了兩種不同的方法，間歇活性污泥法和呼吸計量法，來測定活性污泥數學模型中異養菌產率系數，實驗結果顯示活性污泥計量法實驗得出異養菌產率系數的結果模擬效果較好；夏偉[20]針對傳統遺傳算法提出了一種基于克隆選擇策略的改進遺傳算法GSGA，利用GSGA對ASM1中的敏感性參數進行動態模擬，校正后的結果明顯優于改進前的遺傳算法，使得改進后的模擬結果和實際更為接近；龔希博[21]對模型參數進行了敏感性分析，得出了敏感度較高的四參數μA、KA，NH、KA，O和 bA，O2，然后基于遺傳算法，用MATLAB編寫了程序，計算出了這4個參數一組最優值，使用計算后的參數模擬出水結果與實測出水值的擬合精度比ASM模型給出的默認參數情況下擬合精度更高；表1是4個常見主要動力學參數常見的實驗測定方法。

表1 常見4個ASM模型動力學參數主要測定方法Table 1 Main measurement methods of fourkinetic parameters

2.3 ASMs中進水組分測定的研究

污水廠進水COD 顆粒態組分和溶解態組分分解是搭建活性污泥數學模型的第一步，在實際模型搭建過程中大多數情況下都使用IWA給出的模型默認值。目前的一些方法過于復雜，對人員操作和儀器精密度要求很高，而且其準確性和科學性也得不到驗證，廢水的實際COD 組分比例測定也是ASM模型應用的難題之一，所以建立進水水質組分測定標準，是ASMs模型投入實際應用所面臨的一個緊要問題[25]。

呼吸計量法是測定微生物氧呼吸速率(OUR)最常用的方法[26]，通過耗氧速率曲線可以看出微生物的許多信息。Collivignarelli等[27]取意大利北部某工業廢水處理廠經預處理的廢水，在高溫條件下用呼吸計量法測量快速易降解COD(SS)，用醋酸鈉作為基質，得出結果為SS占總COD比例始終低于30%；艾海南[28-29]利用OUR法原理搭建了一套微生物呼吸儀，使用該設備同時測量重慶某污水廠的慢速可生物降解COD(XS)和快速易生物降解COD(SS)，從得出的OUR曲線剔除內源呼吸，用特殊的計算方法，測得的兩個參數結果與傳統的OUR臺階法相比，更符合理論上的解釋，更具有可靠性，結果重現性也較高；盧培利用比呼吸速率法測定重慶某污水廠進水異養菌COD(XH)，測得幾個水樣XH在116～200 mg/L之間，占進水總COD比例為23%～46%，高于文獻報道的31%的水平，理論上符合重慶地勢起伏較大的實際情況[30]；智朋丹等[29]利用復合分析可編程滴定分析儀，其原理是間歇OUR法，測定了Verziano污水處理廠的SS、SI、XI、XH、XS分別占進水總COD的比例為19.19%，9.74%，4.12%，7.27%，59.59%；各個地區的氣候、地形和居民用水習慣導致了進水COD組分的不同，在用ASM模型建模之前對這些進水組分進行測定是必不可少的。表2列出了一些污水廠化學實驗測得的COD組分占總COD的比例。

表2 污水處理廠實測COD組分比例Table 2 The proportion of measured COD components insewage treatment plants

3 結論與展望

隨著越來越多的人對ASMs模型的研究和關注，污水處理行業也看到ASMs的應用前景，越來越多的人嘗試將ASM模型應用到實際工程中，在將來ASMs模型會是污水廠運行管理必不可少的輔助工具，參數測定標準的統一、模型機理深入研究和在線監測技術的發展將會促進ASMs模型在實際中的應用，ASMs未來發展趨勢總結主要有以下三個方面：

(1)將ASMs與大數據結合起來，協同管理污水處理廠運行，隨著大數據在各行各業應用的極速發展，污水處理廠從業人員也看到了大數據在污水處理廠進水和出水估計中的應用前景，模型從微生物生長衰減機理的角度出發，而大數據從純數據角度入手，可以預測由于季節、溫度、當地的用水習慣等導致的進水和出水水質情況，兩者可以相互輔助，相互對比，使污水廠管理更加精確。

(2)目前的大部分研究都是從離線模型入手，用污水廠歷史運行數據搭建模型，但不同時間進水和出水水質都在變化，會導致模型模擬結果滯后，不能很好地模擬當前的實際情況。隨著污水在線監測技術和污水指標基于數據軟測量技術[39]的發展，離線模型向在線模型發展，污水廠運行數據及時反饋給模型，通過在線模型快速給出運行策略，這樣的調控方式更加具有時效性，應對突發緊急情況更有效。

(3)云管理平臺的發展也使得污水廠管理更加集中，未來可以在云平臺搭建多個污水廠的在線ASM模型，在云端統一管理污水廠數學模型，調控污水廠日常運行和管理，實現污水廠管理的遠程化、集中化和智能化。