污水处理厂运行维护与管理控制模式：模型模拟

时间：2018-03-01 来源：净水技术 作者：曹徐齐 阮辰旼

该污水厂绩效评估体系主要包括两方面：(a)PIs体系，以年为单位整体评估污水处理厂在出水水质、设备效率和稳定性、自然资源及原料使用(重点关注能源)、副产物管理、安全管理、人员管理、财政资源使用以及设计规划方面的表现;(b)PXs体系，以天为单位评估污水处理厂在出水水质、污染物去除率以及运行条件等方面的具体表现。PXs体系是PIs体系的补充，后者用来评估污水处理厂在某一给定时期内的整体表现，而前者用来评估污水处理厂的性能同预设目标之间的差距，并给出得出各档绩效(“不满意”、“可接受”、“良好”和“优秀”)结果的依据(时间、位置以及原因)。通过综合分析PIs和PXs，就能找到提升污水处理厂性能表现的突破口。

针对葡萄牙南部阿尔加维地区一座采用氧化沟和紫外消毒工艺的污水处理厂，Silva等应用该套绩效评估体系，选择了七项PXs指标(水质检测执行率、水质指标分析率、水质指标达标率、污水处理体积率、处理单位水量能耗、处理单位BOD5能耗等)和四项PIs指数(COD、BOD5、TSS和大肠杆菌)，依照前期研究得出的参考值，对2013~2015年间污水处理厂各工艺段的性能进行了评估计算。结果表明该污水处理厂的氧化沟工艺较为有效，而紫外消毒工艺的整体评定等级为“不满意”，相比之下缺乏可靠性。因此建议污水厂工艺提升的重心为紫外灯的维护、紫外光剂量的优化以及微孔筛网(UV工艺进水)的重新检验。

处理能耗的表现随着污水处理体积的增大而越佳，且与污水厂的产能利用率(capacity utilization)有关。处理水量越接近污水处理厂的设计能力，工艺单元处理能耗的表现就越好;而当产能利用率低于50%时，能耗表现为“不满意”。氧化沟工艺曝气环节的能耗占了总能耗的38%，总体表现为“不满意”;针对该结果，建议通过季节性调整进水曝气、温度以及浓度以降低能耗和提高经济效率。事实上，在该污水处理厂，由于COD、BOD5、TSS等指标的评定结果已为“良好”甚至“优秀”，因此处理能耗的表现存在一定的提升空间;可适当降低氧化沟工艺的能量和经济投入，重新校验水质指标的评定结果是否仍高于“可接受”至“良好”的水平，从而将氧化沟工艺的能耗表现提升至“可接受”至“良好”的水平。

需要指出的是，完整的PI体系和PX体系所涵盖的指标种类非常广，需要根据给定的污水处理厂和年限，结合评估目标，有针对性地挑选出一组合理的PIs指标和PXs指数。

3 用于考察设备老化对污水处理厂能源成本影响的能耗模型

污水处理厂的能量消费模式与当地环境条件、处理的水量和水质、厂区规模大小、选择工艺类型、设备服务年限等因素有关。目前，削减能源消耗已成为污水处理厂运行优化的重要目标之一。随着人口和经济的持续增长、水质标准更加严苛以及处理设施性能逐渐下降，污水处理厂的能源消耗会继续增长，其中设备老化引起的能源损耗和处理效率下降的问题已经引起了人们的重视。设备老化不仅会提高处理工艺所需的能源投入，也会增加运行维护所需的人力、试剂等成本，尽管它们之间存在一定的相关性，但很难定量。

Castellet-Viciano等从能耗角度考察了设备运行时间对西班牙瓦伦西亚地区322座污水处理厂的影响。研究收集了该地区污水处理厂2010年至2012年间的处理工艺代表性变量指标，并采用Kruskal-Wallis检验方法对数据进行了统计分析;然后根据设备年限采用模型逐年进行模拟，并预测下一年的能耗成本。研究结果表明，含曝气系统的二级生物处理单元，如活性污泥法和延时曝气法，其能源消耗随设备年限呈现出较大差异;这是由于曝气系统多由微孔扩散装置组成，由于结垢等造成的微孔阻塞会造成一部分的能量损失，而这一现象随时间推移愈发明显。此外，研究还发现，处理水量在275 000 m3/年以下的小型污水处理厂，设施年限对能源消耗的影响更为明显;大型污水厂由于大部分存在热电共生系统(cogeneration system)，在能源供给方面能够实现自给自足，因此设备年限对能源消耗的影响并不显著。

研究得到的能量损耗预测值可作为评估污水厂处理设施机电设备的老化状态的一个重要指标，帮助污水处理厂的管理者决定是否需要进行设备更替或者相关的维护工作。

4 用于预测进水BOD5浓度大小的MCDA模型

软传感器(soft sensor)测量法以及基于快速可得信息和历史数据的数理统计分析法，为污水处理厂实时信息报告和未来信息预测提供了一种简单有效的途径。Zhu等在早先的研究中阐述了采用软传感器测量法预测污水处理厂进水情况的诸多优势，包括预测结果可靠以及灵活性较好等，但方法预测的是目标变量的均值，当进水的BOD5偏高时，实际值和预测值之间的偏差可能较大，使得出水水质不达标的风险增大;过量曝气可降低该风险，但也会产生不必要的能量消耗。

为此，Zhu等针对芝加哥一座污水处理厂，在前面研究的基础上继续开发了一种整合了软传感器测量法与多标准决策分析(multi-criteria decision analysis，MCDA)技术的多层级混合方法，在进水含碳BOD5(CBOD5)的预报工作中更好地平衡能耗需求和出水超标风险。该方法采用MCDA技术之一的折衷规划法(compromise programming)，确定了一个将进水CBOD5分为高低浓度的关键浓度值，对于低浓度的CBOD5，采用人工神经网络(artificial neural network，ANN)来准确预测，以寻求能耗需求的最小化;对于高浓度的CBOD5，将多元线性回归置信水平的置信上限设为95%进行高估，从而使得进水处理不达标的风险最小化。

研究结果表明：(1)当安全因子和预测精度采用相同的权重(0.5)时，根据训练数据集，CBOD5阈值的最优选择为87.5 mg/L;(2)与训练数据集相比，检验数据集的预测精度较低，而安全因子的范围更广，两种数据集均能得出同样的最优CBOD5阈值，表明决策过程的正确性;(3)与单一应用ANN方法相比，该混合方法可以显著降低较高的CBOD5进水浓度被低估情况所占的比例，而预测误差仅略微增长;(4)该混合方法具有很高的灵活性，可以使用不同的置信区间或纳入更高级的算法进行修正，以预测进水中的其他成分并针对不同污水处理厂的当地条件作出调整，如出水要求、能源成本、处理工艺、天气条件、控制灵活性等，通过调整安全因子和预测精度的权重，得到更符合地方实际的应用模型。

水世界社区，让水处理更简单！http://bbs.chinacitywater.org 

上一页页码：[<< 1 2 ] 下一页 共2页