韓紅桂 伍小龍 張璐 喬俊飛

我國城市水污染問題普遍存在,直接危害著國民的生活健康和生態(tài)平衡,已受到人們的廣泛關(guān)注并成為迫切需要解決的問題[1].污水再生回用,最大限度地保護(hù)水環(huán)境,實(shí)現(xiàn)淡水資源可持續(xù)利用和良性循環(huán),已經(jīng)成為世界各國政府水資源綜合利用的戰(zhàn)略舉措[2].近年來,我國大力推進(jìn)城市污水處理(Municipal wastewater treatment processes,WWTPs)廠建設(shè)及其相關(guān)技術(shù)開發(fā)應(yīng)用,有效地提升了我國污水處理率[3].但是我國城市污水處理廠的運(yùn)行狀況卻不容樂觀,異常工況已成為困擾我國城市污水處理廠運(yùn)營和發(fā)展的主要瓶頸.異常工況發(fā)現(xiàn)和處置不及時、過程安全管控不力,將直接影響出水水質(zhì),并危害整個污水處理系統(tǒng)的運(yùn)行,嚴(yán)重時會導(dǎo)致整個污水處理過程崩潰的情況[4].由于我國城市污水處理廠自動化水平普遍不高,污水處理過程的過程調(diào)控仍然依靠人工經(jīng)驗(yàn)操作,難以適應(yīng)不同地域,不同污水水質(zhì)水量處理要求,導(dǎo)致我國城市污水處理廠異常工況不僅發(fā)生率高,而且類型多樣、涉及面廣、難以抑制[5],嚴(yán)重制約了城市污水處理廠的發(fā)展.因此,尋求有效的異常工況識別與抑制方法,準(zhǔn)確識別和成功抑制污泥膨脹可謂迫在眉睫.

近年來,國內(nèi)外對城市污水處理廠異常工況的識別和抑制方法投入了大量研究,旨在預(yù)防和抑制異常工況的發(fā)生,確保污水處理廠安全穩(wěn)定運(yùn)行.其中,運(yùn)用自動化技術(shù)解決異常工況的識別和抑制難題,獲得該領(lǐng)域眾多學(xué)者的廣泛研究和關(guān)注[6?7].經(jīng)過多年的努力,污水處理過程自動化技術(shù)取得一系列重要突破,先進(jìn)的控制技術(shù)已經(jīng)開始在城市污水處理異常工況識別和抑制中得到應(yīng)用[8?10].文中將概述污水處理異常工況的分類、危害及其致因因素等主要特點(diǎn),并在常見識別和抑制措施的基礎(chǔ)上,闡述其中得到應(yīng)用廣泛且特別有效的異常工況識別和抑制方面兩個方面的研究現(xiàn)狀.然后,討論在實(shí)際應(yīng)用中存在的問題,并給出了相應(yīng)的解決思路.最后,對城市污水處理過程異常工況識別和抑制的發(fā)展前景進(jìn)行展望.

1 異常工況描述

本節(jié)主要概述異常工況的特點(diǎn),包含異常工況的分類與成因.

1.1 異常工況分類

采用活性污泥法工藝的污水處理過程機(jī)理復(fù)雜,運(yùn)行工序和條件較多,涉及物理、化學(xué)和生物等多類反應(yīng)過程[11].在惡劣環(huán)境變化、人工操作不當(dāng)、水質(zhì)監(jiān)控不及時等因素影響下,污水處理廠難以保證穩(wěn)定性和可靠性的工況,易發(fā)生異?，F(xiàn)象.常見的污水處理過程異常工況包括污泥膨脹、泡沫與浮渣故障等.

1)污泥膨脹

污泥膨脹發(fā)生時污泥呈現(xiàn)結(jié)構(gòu)松散,質(zhì)量變輕,沉淀壓縮性能差等特征.根據(jù)污泥微生物生長狀態(tài),污泥膨脹主要分為絲狀菌污泥膨脹和非絲狀菌污泥膨脹[12],該現(xiàn)象不僅能導(dǎo)致出水水質(zhì)惡化,而且污泥持續(xù)流失會使曝氣池內(nèi)的微生物數(shù)量銳減,使之不能有效降解污染物,從而導(dǎo)致整個系統(tǒng)的性能下降,甚至崩潰[13?15].基本上各類型的活性污泥工藝都會發(fā)生污泥膨脹現(xiàn)象,該現(xiàn)象一旦發(fā)生將難以控制,需要較長的修復(fù)時間達(dá)到正常狀態(tài).同時,污泥膨脹的發(fā)生率高,每年在歐美發(fā)達(dá)國家近一半的城市污水處理廠都會發(fā)生不同程度的污泥膨脹,在國內(nèi)約90%的城市污水處理廠也會出現(xiàn)污泥膨脹[16].由于污泥膨脹發(fā)生機(jī)理復(fù)雜,涉及了復(fù)雜的微生物生長過程以及多類相關(guān)影響因素,這為抑制污泥膨脹,維護(hù)污水處理過程平穩(wěn)運(yùn)行帶來挑戰(zhàn).

2)泡沫

泡沫主要呈現(xiàn)于污水水面,種類包括包括啟動泡沫、沖擊泡沫、反硝化泡沫、過氧化泡沫等,表現(xiàn)出不同顏色、形態(tài),伴有不同氣味[17?18].當(dāng)曝氣池發(fā)生泡沫時,整個曝氣池表面被泡沫或浮渣覆蓋,黏性增加成濃稠狀,降低曝氣池的充氧效率,在二沉池中污泥不易沉降,降低污泥的沉淀性能,使出水水質(zhì)惡化,嚴(yán)重時會溢出曝氣池.此外,泡沫在大風(fēng)季節(jié)會隨風(fēng)飄逸影響環(huán)境并散發(fā)出氣味,給污水處理廠的運(yùn)行和管理帶來很多麻煩.國內(nèi)外的城市污水活性污泥處理廠中一半以上會發(fā)生過泡沫現(xiàn)象,有的一年發(fā)生數(shù)次,嚴(yán)重影響了生產(chǎn)運(yùn)行,急需有效地防止和控制泡沫的措施和手段,降低泡沫的發(fā)生率和對污水處理的影響.

3)浮渣

浮渣包含黑色稀薄、黑色堆積過度、棕褐色稀薄、棕褐色堆積過度4種形態(tài)[19],呈現(xiàn)產(chǎn)量大、含固率高、黏稠、纖維多等特點(diǎn).生化反應(yīng)過程的浮渣通常產(chǎn)生于在曝氣池部分區(qū)域以及二沉池內(nèi)[20].曝氣池內(nèi)的浮渣主要由于其自身活性污泥系統(tǒng)代謝異常.當(dāng)曝氣池處于嚴(yán)重的缺氧或厭氧狀態(tài)時,大量的活性污泥厭氧分解,產(chǎn)生氣體后夾雜厭氧泥團(tuán)出現(xiàn)上浮形成浮渣;二沉池內(nèi)的浮渣一方面來源于曝氣池,另一方面是由于污泥反硝化導(dǎo)致污泥上浮及嚴(yán)重缺氧導(dǎo)致的厭氧污泥上浮.出現(xiàn)的浮渣也極易導(dǎo)致堵塞現(xiàn)象,甚至影響設(shè)備的正常運(yùn)轉(zhuǎn).因此,浮渣的出現(xiàn)需要及時處理以防止其對污水處理過程造成的嚴(yán)重影響.

其他異常工況,例如水體受有毒有害化學(xué)物質(zhì)污染,影響活性污泥對水體有機(jī)物的降解,造成出水中不僅包含常見化學(xué)需氧量(Chemical oxygen demand,COD)、生化需氧量(Biochemical oxygen demand,BOD)、總氮和總磷等指標(biāo)超標(biāo),而且存在過量的重金屬離子、大腸菌類等,污水惡臭味重,排放至江河湖泊后,容易造成富營養(yǎng)化,毒害水動植物,影響生態(tài)環(huán)境和居民的用水健康[21];污水處理過程設(shè)備運(yùn)轉(zhuǎn)異常,污水管道存在滲漏及噴濺現(xiàn)象,加藥和消毒裝置出現(xiàn)漏液、漏氣等,設(shè)備設(shè)施故障將會為污水處理過程的正產(chǎn)運(yùn)行帶來損害[22].

1.2 異常工況成因

異常工況成因是采取相應(yīng)預(yù)防和抑制方法的主要依據(jù).污水處理過程異常工況的形成機(jī)理復(fù)雜,且致因因素多樣,這導(dǎo)致異常工況的特征難以甄別,引發(fā)異常工況誘因不明確,抑制方法也難以達(dá)到理想效果[23].污水處理過程污泥膨脹、泡沫以及浮渣等異常工況的產(chǎn)生主要是由活性污泥中微生物的生長異常以及生化反應(yīng)過程嚴(yán)重失衡所導(dǎo)致.

1)活性污泥微生物生長異常是造成污泥膨脹,泡沫以及浮渣等異常工況的重要原因之一,根據(jù)擴(kuò)散選擇理論[24]、動力學(xué)選擇理論[25]、貯存選擇理論[26]以及一氧化氮假設(shè)理論[27]對污泥膨脹發(fā)生機(jī)理的解釋.過量的絲狀細(xì)菌之間相互支撐、交錯,將影響活性污泥的凝聚、沉降、壓縮性能,從而形成絲狀菌污泥膨脹[28];當(dāng)微生物產(chǎn)生胞外聚合物并形成累積,使活性污泥表面附著水大大增加,使污泥的體積變大,即發(fā)生非絲狀菌膨脹污泥[29].此外,絲狀菌呈絲狀或枝狀,易形成氣泡浮到水面,而且氣泡不易破碎,造成泡沫現(xiàn)象.當(dāng)水中存在油、脂類物質(zhì)和含脂微生物時則更容易產(chǎn)生表面泡沫現(xiàn)象[30].但一方面由于污水處理過程進(jìn)水流量、進(jìn)水成份、污染物種類、有機(jī)物濃度等被動接受,導(dǎo)致生化反應(yīng)區(qū)泥水混合物的微生物含量波動較大;另一方面活性污泥微生物種類數(shù)量多,不同地區(qū)和不同工藝運(yùn)行條件下出現(xiàn)的微生物有所差異,工況環(huán)境對微生物影響較大且具有不確定性.因此,通過準(zhǔn)確獲取微生物生長狀態(tài)信息判斷異常工況特征非常困難.此外,在特定工況環(huán)境的誘導(dǎo)下,異?，F(xiàn)象往往發(fā)展速度較快,異常工況識別不及時將導(dǎo)致工況的惡化,進(jìn)而引發(fā)更嚴(yán)重的異?，F(xiàn)象.

2)過程變量失調(diào)引起生化反應(yīng)過程的失衡是異常工況發(fā)生的另一重要原因,污水處理過程中厭氧–缺氧–好氧反應(yīng)在曝氣池內(nèi)同時存在或反復(fù)周期實(shí)現(xiàn).進(jìn)水負(fù)荷、污泥齡、溶解氧和有機(jī)物含量等過程變量均對反應(yīng)效果產(chǎn)生影響[31?33].過程變量調(diào)控不當(dāng)易造成異常工況的發(fā)生.例如,進(jìn)水負(fù)荷或提高曝氣池中有機(jī)物的負(fù)荷率較低時,在生長競爭中超過菌菌膠團(tuán)細(xì)菌優(yōu)先生長.此時較高的負(fù)荷有增加泡沫和浮渣形成的風(fēng)險[34];污泥齡過長時,更有利于絲狀菌的生長,絲狀菌發(fā)生過度生長的概率較大,易引發(fā)絲狀菌污泥膨脹現(xiàn)象[35];曝氣池內(nèi)溶解氧相對不足或局部不足的現(xiàn)象,活性污泥法發(fā)生老化、污泥膨脹等現(xiàn)象以及加藥、pH未獲得較好的控制,絮凝漂浮等易形成浮渣[36].為了預(yù)防和抑制異常工況,污水處理過程需要根據(jù)過程信息調(diào)控過程變量,使生化反應(yīng)過程能夠保持在健康運(yùn)行狀態(tài).目前較為常見的調(diào)控方式主要涉及曝氣、污泥回流、污泥停留時間等過程變量[37?39].當(dāng)一類或幾類異常工況發(fā)生時,需要對多個過程進(jìn)行精細(xì)調(diào)控才能實(shí)現(xiàn)異常工況的抑制,確保出水達(dá)標(biāo).

通過以上分析可知,預(yù)防和抑制污水處理過程異常工況不僅需要對異常工況及時準(zhǔn)確的辨識特征信息,獲取異常工況類型、類別等,還需要根據(jù)異常工況特征信息,精準(zhǔn)調(diào)控若干過程變量,協(xié)調(diào)生化反應(yīng)過程,使污水處理穩(wěn)定或重新達(dá)到健康狀態(tài),從而避免異常工況的發(fā)生,實(shí)現(xiàn)異常工況的修復(fù).但在復(fù)雜工況環(huán)境以及多重生化反應(yīng)過程影響下,如何采取適宜的方法識別異常工況的類型、嚴(yán)重程度以及對水質(zhì)和整個污水處理運(yùn)行狀態(tài)產(chǎn)生的影響,如何采取合理的措施實(shí)現(xiàn)抑制異常工況,目前仍是城市污水處理廠面臨的難題.

2 污水處理異常工況識別和抑制方法

經(jīng)過多年的研究和實(shí)踐,城市污水處理廠異常工況的識別和抑制方法取得了重要突破.通過信息、自動化以及人工智能等技術(shù)的衍生應(yīng)用,目前已形成了一系列有效的異常工況識別和抑制方法,保障城市污水處理過程安全運(yùn)行,減少因故障和異常引發(fā)的損失.下面將從異常工況的識別方法和抑制方法兩個方面對具體的實(shí)現(xiàn)方法進(jìn)行總結(jié).

2.1 污水處理異常工況識別方法

從異常工況的成因來看,異常工況征兆識別研究主要分為兩類[40?42],一類是根據(jù)異常工況機(jī)理特征的識別方法;另一類是利用污水處理過程變量的數(shù)據(jù),解析變量間關(guān)系,估算和預(yù)測異常工況征兆,利用數(shù)據(jù)驅(qū)動的方法實(shí)現(xiàn)對異常工況征兆的識別.

2.1.1 基于機(jī)理特征識別方法

異常工況表現(xiàn)特征主要有顏色、形態(tài)、粘度等,污水處理廠經(jīng)驗(yàn)操作員工通過觀察機(jī)理特征,可以快速判斷異常工況是否發(fā)生,同時也可以分辨出異常工況的類型、嚴(yán)重程度,從而采取相應(yīng)的措施進(jìn)行抑制.例如泡沫故障分析的方法[43].棕黃色泡沫代表活性污泥處于或?qū)⑦M(jìn)入污泥老化狀態(tài);灰黑色泡沫表示活性污泥系統(tǒng)出現(xiàn)了缺氧或厭氧狀態(tài);白色泡沫代表活性污泥負(fù)荷過高、曝氣過量、洗滌劑進(jìn)入等;彩色泡沫則是與進(jìn)入帶顏色、洗滌劑、表面活性劑有關(guān).通過機(jī)理特征識別方法具有快速、便捷的優(yōu)勢,但必要條件是需要經(jīng)驗(yàn)極其豐富的操作人員,而發(fā)生異常工況的現(xiàn)場往往對操作員的人身健康產(chǎn)生負(fù)面影響[44].此外,由于污水處理異常工況存在多重類型,出現(xiàn)誤判的幾率較高.

為了降低對經(jīng)驗(yàn)操作員豐富經(jīng)驗(yàn)的苛求,一些封閉式污水處理廠和污水處理實(shí)驗(yàn)基地,開始引進(jìn)圖像分析方法來替代經(jīng)驗(yàn)操作員觀察,或深入復(fù)雜工況環(huán)境對污水處理運(yùn)行過程實(shí)現(xiàn)監(jiān)視[45?46].如Motta等在通過光學(xué)顯微鏡圖像觀察絲狀菌特征,估計(jì)絲狀菌數(shù)量、絮體大小和分形尺寸,給定絲狀菌生長狀態(tài)的描述,建立絲狀菌特征組合與絲狀菌污泥膨脹的關(guān)聯(lián),實(shí)驗(yàn)結(jié)果表明利用觀察結(jié)果可以直觀判斷絲狀菌污泥膨脹是否發(fā)生[47].Mamais等利用顯微鏡檢測方法對引起污泥膨脹和泡沫的微生物數(shù)量和種類進(jìn)行觀察,辨識不同種微生物引起污泥膨脹和泡沫的發(fā)生過程,先后記錄和分析了20多種微生物的形態(tài)大小,形成微生物菌落形態(tài)與異常工況的對應(yīng)關(guān)系,從而根據(jù)菌落特征,判斷是否發(fā)生異常工況以及引起異常工況的微生物類別[48].此外,隨著數(shù)字圖像分析技術(shù)的引入,一些學(xué)者運(yùn)用在顯微鏡下人工計(jì)數(shù)的方法來研究微生物特征,預(yù)估微生物生長狀態(tài),判斷異常工況是否發(fā)生.Banadda等利用圖像分析技術(shù)檢測早期的異常工況現(xiàn)象,通過對微生物菌落的圖像特征進(jìn)行分析,確定絲狀菌總長度、絮體等效直徑、絮狀物的圓度和絮狀物回轉(zhuǎn)半徑均值與異常工況之間的關(guān)聯(lián),基于動態(tài)狀態(tài)空間建立異常工況識別模型,從而實(shí)現(xiàn)了對異常工況的識別[49].Boztoprak等通過測量采集活性污泥微生物的絮體和纖維圖像,并利用圖像分析系統(tǒng)識別微生物的顏色和形態(tài),分析結(jié)果與制定的判斷依據(jù)與其他方法進(jìn)行了比較,評價活性污泥特性和沉降特性,判斷異常工況是否發(fā)生[50].其他例如熒光原位雜交(Fluorescence in situ hybridization,FISH)[51],基于基因染色的微量元素檢測[52]等技術(shù)也廣泛應(yīng)用于污水處理過程活性污泥微生物生長狀態(tài)及其形態(tài)特征的識別,進(jìn)而實(shí)現(xiàn)對異常工況的判別.圖像分析方法一方面需要有足夠的微生物信息,另一方面還需要可靠的分析技術(shù).但由于活性污泥微生物種類繁多,已經(jīng)過驗(yàn)證和分析的微生物信息有限,目前的圖像分析技術(shù)還難以辨別各類微生物種類和精確描述相應(yīng)的生長狀態(tài).因此,實(shí)際運(yùn)用圖像分析技術(shù)來解決異常工況識別問題,還需要其他識別與分析方法進(jìn)行補(bǔ)充.

目前很多污水處理廠經(jīng)過反復(fù)驗(yàn)證,采用傳統(tǒng)的水質(zhì)指標(biāo)、污泥體積指數(shù)(Sludge volume index,SVI)、泡沫浮渣指數(shù)(FCI)[14]、微生物含量指數(shù)等進(jìn)行直接提取和測量,能可靠識別污水處理運(yùn)行狀態(tài)是否發(fā)生異常.例如,基于污泥膨脹發(fā)生機(jī)理,污泥沉降性能是鑒別污泥膨脹是否發(fā)生的重要判斷指標(biāo),污水處理廠通過實(shí)驗(yàn)室測量方法測量SVI值,根據(jù)既定閾值,即當(dāng)SVI值超過120時,判定污泥膨脹的發(fā)生[53].為了進(jìn)一步判斷污泥膨脹發(fā)生的嚴(yán)重程度,Peng等將二沉池測量的SVI值分成三類來劃分污泥膨脹的嚴(yán)重程度,其中當(dāng)120220時,即認(rèn)為污泥處于嚴(yán)重膨脹狀態(tài)[54].雖然該測量方法能夠通過測得SVI值,判斷異常工況是否發(fā)生,但是存在頻次少、操作較繁瑣,測量歷時較長等缺陷.為了提高檢測頻率,便捷獲取相關(guān)指數(shù),一些在線儀表的開發(fā)能夠?qū)崿F(xiàn)評價指數(shù)的連續(xù)測量.如美國HACH公司的OptiQuant SVI分析儀,通過污泥沉降比獲得污泥體積指數(shù)[55].加拿大Markland公司的502TP可以測量懸浮物濃度(Mixed liquid suspended solids,MLSS),實(shí)現(xiàn)對出水水質(zhì)的分析,判斷是否出現(xiàn)水質(zhì)嚴(yán)重超標(biāo)現(xiàn)象,同時對運(yùn)用該表可以測量出污泥濃度,依照污泥濃度的標(biāo)準(zhǔn)判斷是否會發(fā)生污泥上浮、漂流等異?，F(xiàn)象[56].該類儀表能夠提高檢測的可操作性,但使用過程中需要經(jīng)常添加或頻繁更換化學(xué)試劑,成本較高,對工作環(huán)境要求苛刻,在波動大和腐蝕性嚴(yán)重的檢測過程環(huán)境中,檢測精度難以保證.此外,雖然提高了檢測頻次,但仍然沒有達(dá)到實(shí)時檢測的水平.

2.1.2 基于數(shù)據(jù)驅(qū)動識別方法

為了充分利用污水處理過程變量數(shù)據(jù),在線識別異常工況特征,研究者們通過分析過程數(shù)據(jù),挖掘與異常工況相關(guān)聯(lián)的特征變量,建立基于數(shù)據(jù)驅(qū)動的過程特征模型,表達(dá)異常工況特征,結(jié)合閾值和參數(shù)設(shè)定,判斷異常工況的發(fā)生[57],如圖1所示.

為了實(shí)現(xiàn)預(yù)測和識別異常工況的發(fā)生,Makinia等通過分析異常工況形成機(jī)理,深入分析污水處理過程活性污泥3號模型(ASM3),建立了污泥底物濃度去除率與微生物生長的關(guān)系,通過在線計(jì)算污泥底物濃度去除率實(shí)現(xiàn)對微生物生長狀態(tài)的識別,實(shí)現(xiàn)預(yù)測和識別異常工況[58].然而該方法通常在實(shí)驗(yàn)室環(huán)境下進(jìn)行.實(shí)際污水處理的工況環(huán)境具有強(qiáng)時變性,固定參數(shù)的機(jī)理模型難以適應(yīng)過程動態(tài)變化,異常工況識別的成功率較低.為了改善模型性能,提高異常工況識別的成功率,Bansal等運(yùn)用隱馬爾可夫模型對事件的預(yù)測能力,從歷史數(shù)據(jù)中找出絲狀菌膨脹發(fā)生的概率,直接實(shí)現(xiàn)絲狀菌膨脹的預(yù)測[59].然而這種基于概率統(tǒng)計(jì)數(shù)據(jù)驅(qū)動的方法選擇變量過于單一,忽略了其他變量和因素對異常工況的影響.此外,模型在嚴(yán)重干擾環(huán)境下的識別和預(yù)測能力較差.為了提高異常工況特征預(yù)測的可靠性,Xavier等通過對異常工況特征與過程變量關(guān)系的經(jīng)驗(yàn)總結(jié),描述了溶解氧、pH值、污泥負(fù)荷引起的4種不同類型異常工況,同時建立了關(guān)于異常工況的風(fēng)險評估模型.實(shí)現(xiàn)了對異常工況及其類型的預(yù)測[60];Mesquita等利用偏最小二乘法對過程變量和污泥沉降性能進(jìn)行分析,提取了溶解氧、pH、氨氮等6種引發(fā)污泥膨脹的致因因素,建立致因因素與污泥膨脹指數(shù)SVI之間的回歸模型,并在線校正模型參數(shù),實(shí)現(xiàn)了對污泥膨脹的在線判斷[61];Smets等結(jié)合引發(fā)異常工況因素與絲狀菌特征之間的關(guān)系建立了異常工況識別的有源自回歸模型(Auto-regressive with extra inputs,ARX),利用實(shí)測數(shù)據(jù)實(shí)現(xiàn)了對ARX模型參數(shù)的校正,達(dá)到了識別浮渣、泡沫故障、有毒污水以及污泥膨脹的效果[62];韓紅桂等基于絲狀菌生長動力學(xué)來研究了引發(fā)絲狀菌污泥膨脹的影響因素分析了它們之間的關(guān)系,建立了反應(yīng)SVI與影響因素之間因果關(guān)聯(lián)的機(jī)理模型,并對模型中的參數(shù)進(jìn)行了解析,最后利用數(shù)據(jù)分析和統(tǒng)計(jì)方法構(gòu)造出關(guān)于絲狀菌膨脹的簡化機(jī)理模型,實(shí)現(xiàn)對絲狀菌污泥膨脹的識別[63].運(yùn)用異常工況特征與其特征變量之間因果關(guān)聯(lián)分析的異常工況識別方法能夠直接從數(shù)據(jù)中挖掘信息規(guī)律,并利用規(guī)律實(shí)現(xiàn)異常工況征兆的識別,降低了對設(shè)備的依賴程度,避免了因觀察、測量及分析等實(shí)際操作的繁瑣過程,提高了識別和預(yù)測的頻率,能夠較為便捷地運(yùn)用于實(shí)際污水處理過程,但該方法需要能夠表征因果關(guān)聯(lián)的可靠模型.由于污水處理生化反應(yīng)的復(fù)雜性、不確定性以及高非線性特征,運(yùn)用灰色模型方法[64]、參數(shù)評估方法[65]、統(tǒng)計(jì)分析方法[66]等設(shè)計(jì)的模型難以表征.

圖1 污水處理異常工況的數(shù)據(jù)驅(qū)動識別方法Fig.1 The data-driven method of abnormal conditions for wastewater treatment plant

隨著對異常工況級別、類型、優(yōu)先級等方面的識別需求越來越多,精確性、穩(wěn)定性和快速性已經(jīng)成為檢驗(yàn)異常工況識別方法重要指標(biāo).為了滿足識別需求,達(dá)到理想識別效果,在國內(nèi)外應(yīng)用了神經(jīng)網(wǎng)絡(luò)、模糊邏輯以及專家系統(tǒng)等智能方法實(shí)現(xiàn)污水處理異常工況高質(zhì)量識別[67].為了進(jìn)一步提高識別精度,Brault等將基于神經(jīng)網(wǎng)絡(luò)應(yīng)用于污水處理絲狀菌污泥膨脹的預(yù)測,將影響該過程的關(guān)鍵參數(shù)作為神經(jīng)網(wǎng)絡(luò)輸入,實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的絲狀菌污泥膨脹征兆識別模型方法相比能夠提高識別精度[25].Lou等利用三層前饋神經(jīng)網(wǎng)絡(luò)對污泥膨脹特征進(jìn)行預(yù)測,將pH值、懸浮物固體濃度、溶解氧溶度等影響因素作為輔助變量,來預(yù)測污泥膨脹是否發(fā)生,從而實(shí)現(xiàn)對污泥膨脹的提前預(yù)警[68].Barnett建立了一個基于規(guī)則的專家系統(tǒng),用于污泥厭氧消化過程的異常工況識別.借助過程數(shù)據(jù)的分析結(jié)果,選用表征二沉池內(nèi)狀態(tài)的污泥濃度、懸浮物濃度、溶解氧濃度和pH值等作為輔助變量,以異常狀態(tài)作為識別輸出,同時定義了工藝運(yùn)行狀態(tài)注意、警告、危險和恢復(fù)正常等類型,實(shí)現(xiàn)了對曝氣池污泥厭氧消化過程異常狀態(tài)的識別[69].由于污水處理過程水質(zhì)波動大、干擾嚴(yán)重,為了保持異常工況識別的穩(wěn)定性,Traore等運(yùn)用污泥濃度、污泥體積、懸浮物濃度等變量的模糊規(guī)則辨識二沉池的泥高,并運(yùn)用辨識結(jié)果評價二沉池泥水混合物的沉降性能,判斷異常工況是否發(fā)生[70].為了改善模型的計(jì)算性,Han等提出了基于自組織徑向基神經(jīng)網(wǎng)絡(luò)(Self-organizing radial basis function,SORBF)預(yù)測SVI的方法.SORBF運(yùn)用網(wǎng)絡(luò)節(jié)點(diǎn)的活躍度計(jì)算增長神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)以及計(jì)算互信息修剪網(wǎng)絡(luò)節(jié)點(diǎn).該方法能夠在保證計(jì)算精度的條件下,降低計(jì)算復(fù)雜度,保證SVI預(yù)測的快速性[26].

根據(jù)以上分析可知,我國城市污水來源繁雜、水質(zhì)成分多且多數(shù)未知,異常工況類型同樣具有多樣性,常規(guī)儀器儀表很難滿足多方面需求,而且異常工況的特殊性需要識別方法具有較高的實(shí)時精確性.為了更好地識別污水處理過程異常工況,兼顧污水處理行業(yè)運(yùn)營方式和成本,相比其他識別技術(shù)來說,基于數(shù)據(jù)驅(qū)動的智能識別技術(shù)是目前城市污水處理廠更優(yōu)的選擇之一.

2.2 污水處理異常工況抑制方法

通過污水處理廠長期運(yùn)行記錄和積累,污水處理過程異常工況的抑制目前已經(jīng)形成一套通用的抑制方案.例如,針對絲狀菌污泥膨脹,其預(yù)防和抑制措施有提高曝氣,控制污泥負(fù)荷,均衡營養(yǎng)等.當(dāng)膨脹現(xiàn)象較為嚴(yán)重時,需要投入有效的添加劑實(shí)現(xiàn)抑制和殺滅絲狀菌[71].針對浮渣和泡沫的預(yù)防和抑制措施有及時排泥預(yù)防污泥齡過長,控制污泥老化,防止曝氣過量,增加營養(yǎng)劑的投加[72].當(dāng)浮渣和泡沫較為明顯時,采用自來水進(jìn)行噴灑來減輕異?，F(xiàn)象.污水處理過程呈現(xiàn)地域性,不同工況環(huán)境、不同的生活污水產(chǎn)生的異常工況不同.為了滿足不同污水處理異常工況的抑制需求,目前異常工況抑制方法主要有兩類:基于機(jī)理特征抑制方法和基于過程調(diào)控抑制方法.

2.2.1 基于機(jī)理特征抑制方法

根據(jù)污水處理過程異常工況特征分析可知,引起異常工況的因素多樣,其中,泡沫、浮渣、污泥膨脹現(xiàn)象等異常工況的發(fā)生可以用物理、生化機(jī)理解析,進(jìn)而引出一系列的相關(guān)方法,通過施加外部干擾、改變工藝環(huán)節(jié)以及恢復(fù)生化反應(yīng)過程平衡達(dá)到抑制異常工況的目標(biāo)[73?74].

針對絲狀菌是主要引起污泥膨脹、生物泡沫以及浮渣現(xiàn)象的微生物,研究者研究絲狀菌的生理特性,尋找抑制絲狀菌生長的有效藥劑,利用添加藥劑的方法抑制絲狀菌過量增殖[75].Seka等指出微絲菌快速擴(kuò)散是引起污泥膨脹的主要原因,而淀粉可有效抑制微絲菌的擴(kuò)散,因而提出了一種利用控制污泥底物中淀粉含量抑制污泥膨脹的方法[76].Dierdonck等發(fā)現(xiàn)絲狀菌絮體沉降性能降低是引起污泥膨脹的因素,提出利用控制糖類和淀粉比的方法提高反應(yīng)池中絲狀菌絮體沉降性能,實(shí)現(xiàn)污泥膨脹的抑制[77].此外,根據(jù)異常工況成因,Lyko等利用臭氧對回流污泥進(jìn)行消毒,降低活性污泥活化,實(shí)現(xiàn)對浮渣的去除[78].Barrington等為了提高活性污泥的絮凝性及吸附性,利用硫酸鋁及三氯化鐵等促進(jìn)污水中有毒物質(zhì),提高出水水質(zhì)質(zhì)量[79].利用投加藥劑、助沉劑等抑制異常工況具有快速、短時間內(nèi)效果明顯等優(yōu)勢,一般適用于較為嚴(yán)重、難以通過工藝操作抑制的膨脹現(xiàn)象.該方法不但會增加運(yùn)行成本,而且當(dāng)投加藥劑過量會引起二次污染,投加藥劑不夠則又不能達(dá)到抑制效果.此外,添加劑只能在短時期內(nèi)維持抑制狀態(tài),當(dāng)添加劑停止添加后,異常工況再次發(fā)生的風(fēng)險極高[80].為了防止二次污染影響,保持抑制效果的長期有效性,Nilsson和Pitman等發(fā)現(xiàn)在生物曝氣池的前端設(shè)置厭氧和好氧的選擇器,可以抑制和淘汰某些絲狀細(xì)菌的生長,從而降低污泥膨脹和生物泡沫的發(fā)生幾率[81?82];李寶新等基于泡沫特性研發(fā)出除泡沫裝置,并置于污水處理過程曝氣池內(nèi),用以大量減少了泡沫現(xiàn)象[83];Levacn等通過研究緩和攪拌裝置,相對常見的污水處理攪拌器,該裝置不僅能提高污泥和水的混合度,還能夠降低轉(zhuǎn)速,減少泡沫故障的發(fā)生[84].基于異常工況機(jī)理特征,研究工藝裝置抑制異常工況雖然能夠解決一類異常工況的發(fā)生,但往往需要耗費(fèi)額外的成本,此外,針對于不同的污水處理廠,工藝裝置也很難適應(yīng)個性化需求.

2.2.2 基于過程調(diào)控抑制方法

異常工況的發(fā)生與溶解氧、營養(yǎng)物、水質(zhì)等致因因素相關(guān),通過過程調(diào)節(jié)實(shí)現(xiàn)對污水處理過程的生化反應(yīng)進(jìn)行優(yōu)化,使污水處理過程達(dá)到最佳的運(yùn)行狀態(tài),避免和抑制異常工況的發(fā)生,已成為當(dāng)前污水處理廠普遍采用的有效方法.

針對絲狀菌污泥膨脹現(xiàn)象,Parker等研究發(fā)現(xiàn)由于絲狀菌的生長與溶解氧濃度關(guān)系密切,溶解濃度較低時易發(fā)生絲狀菌污泥膨脹.根據(jù)這一特征,提出了改變污水處理過程生化反應(yīng)區(qū)的好氧區(qū)和厭氧區(qū)污泥停留時間,改善絲狀菌污泥膨脹現(xiàn)象,當(dāng)膨脹現(xiàn)象較為明顯時,增強(qiáng)過程曝氣,實(shí)現(xiàn)對絲狀菌污泥膨脹的控制[85];Jiang等深入研究絲狀菌和其他菌類的生長競爭機(jī)制,利用改變營養(yǎng)物的配比抑制絲狀菌的過度生長,從而實(shí)現(xiàn)抑制絲狀菌污泥膨脹的發(fā)生[86];趙霞等也根據(jù)抑制絲狀菌生長,改善活性污泥沉降性能的一系列常用措施,如調(diào)整污泥負(fù)荷,降低污泥停留時間,控制活性污泥中微生物的生長周期,及時排除病態(tài)污泥,實(shí)現(xiàn)對絲狀菌污泥膨脹抑制[87].相對于利用添加劑的方法,工藝操作的控制減少了二次污染和運(yùn)行成本,能夠快速便捷地針對絲狀菌征兆及引發(fā)因素采取相應(yīng)抑制措施,實(shí)現(xiàn)對絲狀菌污泥膨脹的抑制.

為了更精確地調(diào)控過程變量,達(dá)到理想的異常工況抑制效果,研究者針對各類異?，F(xiàn)象,在污水處理過程控制中設(shè)計(jì)有效的控制器對過程變量進(jìn)行跟蹤控制.針對當(dāng)污水處理出水水質(zhì)嚴(yán)重超標(biāo)問題,可以控制調(diào)節(jié)曝氣、回流、污泥停留等方法增強(qiáng)污水處理脫氮除磷等過程,從而有效控制污染物的含量,污水處理能夠?qū)崟r達(dá)標(biāo)[88?90].為了確保污水處理生化反應(yīng)過程運(yùn)行在理想狀態(tài)下,Song等提出了一種PID魯棒控制方法,并在污水處理過程基準(zhǔn)模型下(BSM1)進(jìn)行測試,實(shí)驗(yàn)結(jié)果顯示利用分段控制曝氣量和懸浮物濃度能夠?qū)崿F(xiàn)出水達(dá)標(biāo)[91];針對污水處理過程具有較強(qiáng)的非線性和滯后性,控制器難以實(shí)現(xiàn)實(shí)時跟蹤控制,Cristea等運(yùn)用模型預(yù)測控制方法控制污水處理過程溶解氧的含量.該方法不僅能夠使得出水水質(zhì)達(dá)標(biāo),還能降低因曝氣和回流產(chǎn)生的能耗[92].類似的方法如非線性模型預(yù)測控制方法、監(jiān)督新模型預(yù)測控制以及動態(tài)模型預(yù)測控制方法[93?95],在污水處理過程應(yīng)用中均取得較好的控制效果.為了增強(qiáng)污水處理過程抗水力沖擊能力以及污水處理過程強(qiáng)干擾特性,Guo等設(shè)計(jì)了魯棒控制器[96],實(shí)現(xiàn)對污水處理回流的控制,該控制器具有較好的跟蹤性能,能夠?qū)崟r保證出水中懸浮物的指標(biāo)達(dá)標(biāo).以上控制器的設(shè)計(jì)是基于污水處理過程模型,依據(jù)成熟的過程模型,從而推算出控制律.目前國際水協(xié)會(IWA)提出的污水處理過程活性污泥系列模型已被廣泛運(yùn)用于污水處理過程控制中,實(shí)現(xiàn)對異常工況的抑制[97?99].然而,由于污水處理的復(fù)雜性和時變性,導(dǎo)致數(shù)學(xué)模型無法完全捕捉污水處理過程動態(tài),因此,往往跟蹤控制效果不穩(wěn)定,控制精度不高.

為了抑制異常工況現(xiàn)象,確保污水處理效果,智能控制已經(jīng)成為國內(nèi)外學(xué)者的研究熱點(diǎn).Han等設(shè)計(jì)了一種基于模糊的模型預(yù)測控制器[100],該控制器運(yùn)用模糊邏輯作為模型預(yù)測控制器的辨識器,識別污水處理過程動態(tài),并使得有氧反應(yīng)器中溶解氧的濃度維持在設(shè)定點(diǎn),控制結(jié)果不僅保證水質(zhì)能夠?qū)崟r達(dá)標(biāo),同時將能耗降低了近28%.Zeng等針對污水處理過程水質(zhì)不能實(shí)時達(dá)標(biāo)[101],研究了基于神經(jīng)網(wǎng)絡(luò)的預(yù)測控制系統(tǒng).系統(tǒng)包括采用BP神經(jīng)網(wǎng)絡(luò)建立的反應(yīng)器非線性模型、神經(jīng)網(wǎng)絡(luò)控制器以及指標(biāo)函數(shù)的優(yōu)化算法,實(shí)現(xiàn)了溶解氧濃度的精確控制[102],保證污水處理過程出水的實(shí)時達(dá)標(biāo).Ramin等利用進(jìn)水流量、出水流量、污泥回流量及SVI的在線模型完成了異常工況的預(yù)測,并設(shè)計(jì)了一種模糊控制器對污泥回流量和排放量進(jìn)行控制,提高了出水懸浮物濃度的穩(wěn)定性,實(shí)現(xiàn)了污水處理過程的正常運(yùn)行[103].Avella等建立了一種基于決策樹的風(fēng)險專家系統(tǒng),該專家系統(tǒng)通過研究污泥停留時間、外回流率、溶解氧濃度和絲狀菌過度生長等與異常工況的關(guān)系,能夠在線分析污水處理過程變量與異常工況風(fēng)險之間的關(guān)系[104].基于該專家系統(tǒng),Avella等運(yùn)用分段控制方法實(shí)現(xiàn)對曝氣量、懸浮物濃度等變量的控制,達(dá)到了異常工況快速抑制效果,同時具備預(yù)防異常工況發(fā)生的能力.

從多類異常工況抑制方法(如圖2所示)研究現(xiàn)狀看,智能方法目前已成為預(yù)防和抑制異常工況的一個突破口,并取得了一些令人鼓舞的成果[105?107].但基于智能方法的控制技術(shù)的抑制效果還不夠.同時,目前研究結(jié)果與實(shí)際應(yīng)用的要求還有差距.

3 挑戰(zhàn)性難題、解決思路與未來展望

近年來,許多新的識別和控制方法都在城市污水處理過程異常工況識別和抑制中進(jìn)行了應(yīng)用實(shí)踐,并已經(jīng)成為確保污水處理安全穩(wěn)定運(yùn)行的重要組成部分,成為衡量城市污水處理技術(shù)水平的一個重要標(biāo)志,也走向了在其他如大氣、固廢等環(huán)保產(chǎn)業(yè)中的應(yīng)用.

圖2 污水處理異常工況的抑制方法Fig.2 The suppression method of abnormal conditions for wastewater treatment plant

應(yīng)當(dāng)指出,由于污水處理過程中的污水水質(zhì)、工況環(huán)境、甚至污水處理需求具有多變性,制約了識別和抑制技術(shù)進(jìn)一步發(fā)展,原因在于:1)先進(jìn)識別和抑制技術(shù)依賴于結(jié)構(gòu)固定化模型設(shè)計(jì),包括軟測量模型和智能控制器模型.我國城市污水來源繁雜、水質(zhì)成分多且多數(shù)未知.未知和動態(tài)特性對軟測量模型的識別精度和智能控制模型的控制精度的影響甚大.同時,識別模型精度無法滿足異常工況準(zhǔn)備識別的要求,將影響整個污水處理過程的安全平穩(wěn),也讓異常工況的抑制手段無法進(jìn)行.同理,智能控制器模型跟蹤控制精度不高,也將影響異常工況抑制質(zhì)量.在以安全平穩(wěn)為首要條件下的城市污水處理過程需要極高精度和性能的軟測量和智能控制器模型,以提高異常工況識別和抑制的成功率.目前,固定結(jié)構(gòu)的軟測量和智能控制模型應(yīng)用普遍,在污水過程頻繁變化等的實(shí)際生產(chǎn)條件下,如何保持軟測量模型和智能控制器模型的精度和性能是行業(yè)共同面對的難題;2)先進(jìn)識別和抑制技術(shù)功能單一,污水處理異常工況的特征也極具多樣化,單個類型的異常工況,也呈現(xiàn)不同特征,應(yīng)采取不同的抑制手段.為了使合適的抑制措施匹配合適類型的異常工況,需要對異常工況的不同類型、不同程度、不同范圍等進(jìn)行精細(xì)化描述,從而選擇適宜的抑制方法.此外,目前的污水處理過程可調(diào)節(jié)量有限,控制過程嚴(yán)重欠驅(qū)動,也為通過過程調(diào)控實(shí)現(xiàn)異常工況的抑制帶來挑戰(zhàn).如何拓展識別和抑制方法功能,實(shí)現(xiàn)“對癥下藥”預(yù)防和抑制污水處理異常工況,同時保證抑制的成功率也是目前待解決的難題;3)識別和抑制方法的可靠性不足且評價困難.污水處理過程異常工況的發(fā)生會直接影響出水水質(zhì),并危害整個污水處理系統(tǒng)運(yùn)行.出于異常工況的特殊性,無法利用異常工況的實(shí)際案例對識別和抑制方法進(jìn)行反復(fù)驗(yàn)證和改進(jìn),只能在實(shí)驗(yàn)室內(nèi)進(jìn)行仿真驗(yàn)證,而且僅用歷史數(shù)據(jù)校正模型,識別和抑制方法還缺乏代表性和可靠性.設(shè)計(jì)的識別和抑制方法在實(shí)際污水處理廠應(yīng)用前還需要進(jìn)行各方面的評價和測試.如何提高方法的可靠性、設(shè)計(jì)和完善污水處理異常工況識別和抑制方法的評價體系也是目前困擾該領(lǐng)域的難題之一;4)抑制方法的精確指導(dǎo)信息獲取困難.文獻(xiàn)[88?107]中的先進(jìn)控制方法已經(jīng)成為異常工況抑制的重要選擇,但由于缺乏對異常工況運(yùn)行狀態(tài)的可靠評價,優(yōu)化目標(biāo)難以設(shè)計(jì),加之污水處理運(yùn)行存在多時間尺度特征,優(yōu)化設(shè)定值無法求解.目前采用先進(jìn)控制方法的設(shè)定值仍然需要通過人工經(jīng)驗(yàn)對能耗、藥耗、設(shè)備運(yùn)行、水質(zhì)等方面信息的綜合判斷而獲得,判斷錯誤和偏離的風(fēng)險大,同時缺少精確指導(dǎo)信息時也難以獲得理想的異常工況抑制效果.

針對原因1),解決的出路在于如何提高軟測量模型和智能控制器模型自身的適應(yīng)能力,也即設(shè)法隨著污水處理水質(zhì)成分、工況環(huán)境等的變化,不斷調(diào)整軟測量模型和智能控制器模型自身結(jié)構(gòu)和參數(shù),從而保持辨識和控制過程的精確性,可以說模型的精確性正是滿足污水處理安全穩(wěn)定運(yùn)行并追求生產(chǎn)全流程優(yōu)化的重要保障.考慮到污水處理過程具備極為復(fù)雜的生化反應(yīng)機(jī)理,因而有效充分地利用過程信息自組織模型結(jié)構(gòu)及其參數(shù)也是極為困難的任務(wù),同時輔以合適的調(diào)整算法更是該操作的關(guān)鍵,也是模型結(jié)構(gòu)自組織的瓶頸問題.

目前使用的自組織機(jī)制優(yōu)化模型,多以神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)為基礎(chǔ),以自組織機(jī)制設(shè)計(jì)和學(xué)習(xí)算法設(shè)計(jì)刪減和增長神經(jīng)網(wǎng)元、規(guī)則等.但自組織機(jī)制參差多樣,大多以保證識別性能為主,采用分類[108]、回歸分析[109]、敏感度分析[110]等實(shí)現(xiàn)優(yōu)化操作.但在解決復(fù)雜問題時,普遍存在預(yù)設(shè)參數(shù)多、優(yōu)化步驟多、學(xué)習(xí)算法繁復(fù),導(dǎo)致自組織機(jī)制本身存在可操作差的問題[111?112].即使有些文獻(xiàn)提出了簡潔的自組織方法,但僅靠模型自身性能和數(shù)學(xué)分析還難以實(shí)現(xiàn)模型在解決實(shí)際問題時性能的實(shí)質(zhì)性提高,尤其是遇到明顯的干擾和對象動態(tài)突發(fā)變化情況下,模型性能也將隨之下降.因此,將自組織機(jī)制與實(shí)際問題特性結(jié)合,歸納出適應(yīng)較強(qiáng)的自組織學(xué)習(xí)算法,同時提高機(jī)制的簡潔性和可靠操作性,保證模型在實(shí)際問題的可靠性和彈性,是目前基于數(shù)據(jù)驅(qū)動軟測量模型和智能控制器模型設(shè)計(jì)的重要目標(biāo).

針對原因2),解決的思路在于根據(jù)需求和異常工況的特性,個性化識別和抑制方法,提高識別和抑制的精細(xì)程度,也即在識別和抑制過程中,針對不同類型、不同嚴(yán)重程度、不同范圍等特征的異常工況,根據(jù)實(shí)際需求和污水處理建設(shè)與運(yùn)營信息,給不同的異常工況劃分類別、類型、優(yōu)先級等,同時匹配和制定相應(yīng)的抑制措施.個性化識別和抑制方法也是提高方法的合理性和可實(shí)施性,滿足污水處理安全穩(wěn)定運(yùn)行并追求生產(chǎn)全流程優(yōu)化的重要內(nèi)容.但由于污水處理過程異常工況及其識別和抑制要求的多樣性,制定和劃分合適的類別、類型、優(yōu)先級等是非常困難的,它需要綜合和衡量各類信息,獲取劃分閾值.

目前國內(nèi)污水處理廠還大多運(yùn)用經(jīng)驗(yàn)值劃分閾值,實(shí)現(xiàn)分級識別和抑制異常工況.但仍然未能解決適應(yīng)不同工況、不同水質(zhì)條件的閾值描述和獲取問題,導(dǎo)致無法實(shí)現(xiàn)識別結(jié)果的精確劃分,識別可靠性低.分級智能預(yù)警和處置已經(jīng)在工業(yè)自動化過程中獲得應(yīng)用,例如西門子公司的D3000 Plan Monitor可以解決電廠機(jī)組的智能預(yù)警問題[113],主要通過過程數(shù)據(jù)判斷電廠機(jī)組運(yùn)行情況,運(yùn)用智能方法識別異常,給出不同的預(yù)警模式,從而給予操作人員準(zhǔn)確的故障信息,但設(shè)備運(yùn)轉(zhuǎn)狀態(tài)相對固定,閾值設(shè)計(jì)不靈活.該技術(shù)仍然只能滿足閾值已知或穩(wěn)定條件下故障的分級預(yù)警.因此,還需要動態(tài)閾值優(yōu)化技術(shù),對異常工況制定和劃分合適的類別、類型、優(yōu)先級等.

針對原因3),解決的辦法是融入知識經(jīng)驗(yàn),提高異常工況識別和抑制的完備性和可靠性,構(gòu)建驗(yàn)證模型和評價體系.異常工況的信息無法重復(fù)獲取,反復(fù)驗(yàn)證,但可以從原始數(shù)據(jù)和操作員經(jīng)驗(yàn)中提取,以補(bǔ)充原始異常工況識別和抑制方法信息缺失和不足,提高識別和抑制方法的有效性.然而目前如何從原始數(shù)據(jù)和操作員經(jīng)驗(yàn)中提取知識,實(shí)現(xiàn)知識的表達(dá)和增殖,并與原始方法相互結(jié)構(gòu)或補(bǔ)充,仍然是知識運(yùn)用、識別和抑制方法改善的難題.此外,污水處理的復(fù)雜過程為驗(yàn)證模型的構(gòu)造也帶來挑戰(zhàn),也間接的提高了評價體系設(shè)計(jì)的難度.

當(dāng)前污水處理異常工況的識別和抑制方法對數(shù)據(jù)和知識經(jīng)驗(yàn)的運(yùn)用沒有優(yōu)勢互補(bǔ),例如文獻(xiàn)[56,78,80]中的識別方法是數(shù)據(jù)驅(qū)動方法,而文獻(xiàn)[82,114?115]中則是運(yùn)用知識決策的方法.實(shí)際狀況是數(shù)據(jù)和知識包含的信息都是必不可少的,可以彌補(bǔ)異常工況信息缺乏的缺陷,但知識在提取和表達(dá)方面仍然存在一定難度.如何提高知識的完整性,實(shí)現(xiàn)知識的增殖也是當(dāng)前熱點(diǎn)難題.然而在當(dāng)前實(shí)際應(yīng)用中,還缺乏數(shù)據(jù)和知識經(jīng)驗(yàn)的優(yōu)勢互補(bǔ)方法,以提高識別和抑制方法可靠性.此外,目前異常工況的識別和抑制方法的驗(yàn)證模型還很難建立,雖然污水處理過程機(jī)理分析已經(jīng)非常成熟,但模擬真實(shí)的異常工況還需要對機(jī)理分析的約束和設(shè)置條件進(jìn)行修正.

針對原因4),污水處理過程正常運(yùn)行的優(yōu)化設(shè)定求取方法為異常工況下設(shè)定值的求解提供解決思路,例如采用數(shù)據(jù)驅(qū)動方法的能耗模型構(gòu)建[116],多目標(biāo)優(yōu)化方法[117]等能夠針對無目標(biāo)函數(shù)、多目標(biāo)過程實(shí)現(xiàn)優(yōu)化設(shè)定值的求解.然而綜合污水處理異常工況的多樣性和差異性,工況特征與指標(biāo)之間關(guān)系的解析,工況切換過程中目標(biāo)函數(shù)的設(shè)計(jì)以及相關(guān)約束條件的處理等問題,仍然難以獲得解決.

總之,對污水處理異常工況識別和抑制而言,目前存在著在污水處理工況環(huán)境和水質(zhì)多變情況下軟測量模型和智能控制模型的結(jié)構(gòu)自組織問題、在多類型和多需求異常工況識別和抑制精細(xì)化分級和匹配問題、異常工況識別和抑制方法可靠性不高和評價難以及精確指導(dǎo)信息難以獲取等難題,這些問題對于有效地實(shí)施異常工況識別和抑制至關(guān)重要,需要盡快加以研究,得出有效的結(jié)果.

Zhu等在污水處理出水水質(zhì)中總磷是否超標(biāo)問題研究中,設(shè)計(jì)了基于自組織遞歸徑向基神經(jīng)網(wǎng)模型的總磷軟測量模型,該模型給出網(wǎng)絡(luò)結(jié)構(gòu)與網(wǎng)絡(luò)性能的關(guān)聯(lián)性分析,使得該模型在結(jié)構(gòu)自組織過程中,沒有采用預(yù)設(shè)參數(shù),初步的研究與驗(yàn)證結(jié)果表明了該方法能夠適應(yīng)典型非線性系統(tǒng),同時還能準(zhǔn)確預(yù)測出水總磷的含量[118];在研究SBR(Sequencing batch reactor activated sludge process)工藝污水處理膜污染故障預(yù)警過程中,通過基于偏最小二乘算法和遞歸模糊神經(jīng)網(wǎng)絡(luò)預(yù)測了膜的透水率[119],同時提出了一個基于模糊綜合方法污染檢測方法用來評估膜的污染等級,并形成集成硬件和軟件系統(tǒng),在北京市某污水處理廠得到了應(yīng)用驗(yàn)證;在污水處理過程污泥膨脹識別研究中,設(shè)計(jì)了基于知識的模糊神經(jīng)網(wǎng)絡(luò)識別模型[120],該模型使用了兩個并行的模糊神經(jīng)網(wǎng)絡(luò),一個應(yīng)用于處理知識,另一個應(yīng)用于處理數(shù)據(jù),形成基于知識和數(shù)據(jù)的混合驅(qū)動方法,實(shí)現(xiàn)對SVI值的在線預(yù)測,研究結(jié)果比傳統(tǒng)方法精度高.此外,結(jié)合以上研究進(jìn)展,在解決污水處理異常工況方面,給出了根據(jù)不同異常工況特征,判斷異常工況類別、嚴(yán)重程度等,并相應(yīng)給出不同異常工況的過程控制抑制策略的一套解決辦法,如圖3所示.可以預(yù)期這些思路能夠?yàn)榻鉀Q污水處理異常工況識別和抑制方法實(shí)施難題開辟一條可行的新路.

圖3 面向污水處理異常工況的識別和異常方法的研究Fig.3 Study of identification and suppression of abnormal conditions for wastewater treatment plant

隨著自動化、人工智能等技術(shù)的發(fā)展,污水處理廠逐漸走向自動化、智能化和無人化,對于城市污水處理廠來說,安全性、經(jīng)濟(jì)性、穩(wěn)定性仍然是未來污水處理廠在解決異常工況問題時的主要目標(biāo).但仍然有很長的路要走,尤其是保持污水處理過程正常狀態(tài)下穩(wěn)定高效運(yùn)行,需要合理優(yōu)化的污水處理廠工藝設(shè)計(jì)、合理優(yōu)化的污水處理廠設(shè)備選型與配置、高質(zhì)量的污水處理設(shè)施與運(yùn)行管理、高質(zhì)量的監(jiān)測儀器儀表、高水平的自動控制系統(tǒng)等條件.此外,近年來城市污水處理標(biāo)準(zhǔn)正在不斷提高,污水處理個性化需求也逐漸增多.在技術(shù)發(fā)展和實(shí)際需求的驅(qū)動下,可以預(yù)見未來城市污水處理過程不僅能夠解決文中分析的主要問題,還將具備自主能力,可采集數(shù)據(jù)和獲取知識的能力,理解有效過程信息,并可分析判斷及規(guī)劃污水處理過程操作,可自行抑制和預(yù)防異常工況的發(fā)生,結(jié)合信息處理、推理預(yù)測、仿真及多媒體技術(shù),全面展示實(shí)際污水處理處理過程的運(yùn)行概況,給出異常工況發(fā)生分析與預(yù)警,提供合理的抑制策略,保證污水處理效果、安全可靠生產(chǎn)等目標(biāo),并取得較好的社會效益和經(jīng)濟(jì)效益.形成的異常工況識別和抑制技術(shù)也將走入實(shí)際應(yīng)用和市場中,解決國內(nèi)外城市污水處理平穩(wěn)高效所面臨的問題,提升城市污水處理效率,引領(lǐng)國際污水處理行業(yè),逐步打開國內(nèi)外污水處理自動化市場,創(chuàng)造污水處理行業(yè)更大的收益.同時具有先進(jìn)自動化技術(shù)的未來城市污水處理也將擴(kuò)大自動化理論、技術(shù)和產(chǎn)品影響力,推動智慧化、綠色化城市的發(fā)展.