污水处理厂运行维护与管理控制模式：自动化控制

2 活性污泥工艺高级自动控制系统

近年来，借助模型预测控制(MPC，model predictive control)工具、多元统计过程控制(MSPC，multivariate statistical process control)工具等实时自动化控制技术，污水处理厂正朝着更高效安全的运行、更高品质的出水以及更加优化的运行成本的方向发展。Mulas等在芬兰东南部的Mussalo污水处理厂的活性污泥工艺(ASP，activated sludge process)安设了一套集成了MPC和MSPC策略的高级控制系统(ACS，advanced control system)包，并对其连续六个月的运行结果进行了追踪分析。该污水处理厂的生物处理单元由四条ASP工艺线组成，每条工艺线由缺氧区Z1(通入预沉污水、二沉池回流污泥及排气池内循环流)、缺氧区Z2和Z3(进一步完成反硝化或硝化过程)、好氧区Z4~Z6(底部微孔曝气，完成硝化过程)及排气脱气区D(混合液脱气)构成，工艺流程如图4所示。

ACS可对污水处理厂运行过程中的关键工艺参数和能耗进行控制和监管，范围小至某一工艺单元，大至整个污水厂，在优化污水厂运行成本的同时，保证出水水质符合相关标准。其主要通过两个模块来实现目标控制——最优过程控制模块(OPCM，optimal process control module)和统计过程控制模块(SPCM，statistical process control module)。对于Mussalo污水处理厂，OPCM主要用于控制生物反应器出水中氨的浓度，同时最小化运行成本;而SPCM主要用于对污水厂的数据和信息进行预处理、选择和补充，在其从内部传输至OPCM之前。在Mussalo污水处理厂的ACS初步部署工程中，两个模块独立工作。

Mussalo污水处理厂活性污泥工艺线的OPCM控制结构主要包含一个控制变量(工艺线尾端的氨浓度)以及三个操纵变量(缺氧区Z2和Z3中的溶解氧设定值、内回流流量)。为确保出水达标，控制变量被设定为1 mg/L。由于OPCM具有模块性，其结构可继续扩充，以进一步提高出水水质和减少运行费用，例如好氧区(Z4~Z6)的溶解氧浓度以及外回流流量也可被列为操纵变量，成为控制结构的一部分;若能测定悬浮性固体以及硝酸盐浓度的值，则它们也能成为控制变量。在众多MPC策略中，动态矩阵控制(DMC，dynamic matrix control)算法可简单直接地解决最优化问题，对于其应用至整个污水处理厂更具可行性。DMC的主要原理同所有预测控制算法一样，是在每一个控制环节计算出一个控制序列，使得某一目标函数最小化，而控制程序是根据工艺简化模型以及实际测量数据计算得到的。

SPCM则根据主成分分析(PCA，principle component analysis)模型残差(residual)得到的两个拟合度量(measure of fit)——霍特林T2统计量(Hotelling’s T2 statistic)和Q统计量(Q statistic)，从而筛检出失控的观测数据。前者主要测算目标观测值与其原来所在子空间之间的归一化距离(normalized distance);后者主要测算目标观测值与其在主成分子空间的重建之间的正交距离(orthogonal distance)。通过两个临界值(cut-off value)Tlim2和Qlim，对这两个距离在适当的量级范围内进行量化，以实现控制的目的。根据这两个临界值，异常的观测值可被检出，相应的样品可被标为失控。SPCM主要获取以下原始测量数值：进水流量、内回流流量、外回流流量、Z2~Z6的DO含量、Z1~Z6的气流流量、pH、悬浮性固体以及反应器出口的氨浓度。

对ACS部署前后该污水厂生物处理单元的性能进行对比，发现应用ACS后，工艺的总曝气量消耗减少了3%，其中Z2、Z3和Z6的曝气量消耗减少了14%;出水中的氨略有提升，但仍低于排放限值;Z2和Z3中的DO分别减少了33%和11%，而Z4、Z5和Z6中的DO与设定值(1 mg/L)接近，分别为3、2.5、2 mg/L;内回流流量减少了5%;出水中硝酸盐的浓度降低了15%，磷含量降低了9%，而浊度提高了9%。

3 溶气气浮实时药剂投加优化控制系统

溶气气浮(DAF，dissolved air floatation)工艺常用来去除食品加工废水中的悬浮性固体、油脂及难溶性COD。首先在废水中投加氯化铁等金属盐，在水中形成小颗粒，然后调节pH并投加聚合物，使得小颗粒物质絮凝形成絮状体，最后通过DAF将其去除。在实际应用中，化学药剂投加以及生成污泥处置产生的费用占了很大一部分工艺运行成本。平衡池中的COD在生产加工阶段不断上升，在清洗阶段又持续下降，化学药剂的设计投加量一般就根据每个生产日的峰值COD负荷确定，以确保出水稳定达标;然而由于进水COD存在实时波动，该投加方法并不利于达到节能降耗的目标。另外，过量的金属盐投加会使得工艺产生的污泥量增大，污泥中无机物的含量增大，进一步提高运行成本。因此，Long等通过一套i-DOSE药剂在线投加系统来实时控制化学试剂(氯化铁和NaOH)的投加量，使得混凝、絮凝及pH调节的药剂成本大大降低，并通过计算DAF产生的污泥量，降低曝气系统的能耗。

通过实时监测进水的COD负荷，不仅可以优化每个生产日不同阶段的药剂投加量，还可以计算出DAF系统的气固比(A/S，air to solids ratio)，以确定所需的曝气量或气压。通过特制的TOC分析仪测定废水的TOC值，然后根据经过实验分析得出的不同产品处理废水的TOC/COD比值，确定相应的COD值，实现COD负荷的实时监测;然后通过正反馈控制系统，即可根据COD负荷实时优化絮凝剂、pH调节剂及聚合物的投加量。图5和图6分别为i-DOSE系统的组织构架以及DAF处理系统的现场图。

图7为i-DOSE系统应用前后药剂(氯化铁和NaOH)的投加量变化情况。由图可知，在i-DOSE系统的控制下，氯化铁和NaOH的投加量在生产启动阶段逐渐增大，在清洗阶段又逐渐减小;药剂投加量随进水COD负荷实时变化情况下，投加总量显著低于投加量固定的情况。与此同时，实时优化投加药剂的出水平均COD水平与固定量投加药剂相当。

编辑：汪茵