污水處理自動控制的發展歷程及趨勢

朱振羽，王 敏，王 宇

（1.城市雨水系統與水環境省部共建教育部重點實驗室（北京建筑工程學院），北京100044；2.北京紫光同興環保工程技術有限公司，北京100085）

1 引言

自動控制相對人工控制概念而言，是指在無人直接參與的情況下，利用控制器操縱被控對象，使被控量自動地按照預定的規律運行。采用先進的自動控制技術，既可以優化運行過程，節能降耗，又能保證操作的安全，提高生產率，改善工作環境。在早期的污水處理廠運行和管理中，大多根據處理經驗進行人工控制，因此運行過程中常會產生較大誤差。即使是一些高效的處理系統，也常會因為沒有實現自動化系統控制，而大大削減其應有的功效［1］。雖然自動控制系統的造價不菲，短期內難以回收成本，但從長遠角度看，采用自控系統將節省大量的人力成本及運行費用。綜合來看，引進自控技術對污水處理行業來說，是提高運行管理效率并有效降低處理成本的明智選擇。

2 傳統污水處理控制方式

傳統污水處理控制方式包括人工控制和半自動控制。早期的污水處理廠基本上采用人工控制，其典型的控制方式為：現場顯示儀表＋人工調節。該方式采用檢測儀表對污水處理過程中的液位、流量、溫度、濁度、pH值、DO、BOD5、COD、MLVSS等指標進行在線或離線采集，再根據測量數據調整設備狀態，如閥門的開閉與開度、電機的啟停等。采用這種控制方式，工作人員的勞動強度很大，且控制過程易出現滯后或易受操作人員的主觀因素影響。因此，人工控制方式很難進行快速和有效的實時控制，往往導致出水水質不穩定。

后期出現的半自動控制方式相比前者有了明顯的進步。該方式由數據采集裝置對過程量進行采樣并輸入到控制室，控制室內設置有模擬顯示器，可顯示水質參數、水泵、風機和閥門等的運行狀態，監控運行過程。操作員可以通過模擬屏控制部分設備的啟停，而其余的設備則需要操作人員現場控制［2］。半自動控制方式還是存在生產過程無法集中監控的問題，自動化程度較低。

傳統污水處理控制方式受制于落后的自控技術而顯現出上述的種種缺陷和不足，隨著自動控制技術、計算機技術和網絡技術的突飛猛進，污水處理的自動化水平也越來越高。

3 污水處理自動控制技術的研究與應用現狀

3.1 研究現狀

近些年來，業內很多專家學者對污水處理過程的自動控制展開研究，探索實現出水高達標率與單位低能耗的一系列控制方法。

Zipper等［3］設計了一套適用于小型污水廠的自控系統，它的核心是一臺基于ORP參數監控的控制器。該控制器按預先設定好的程序自動運行，能夠在硝化與反硝化的過程中不斷進行調整和優化，從而降低了能耗。中試結果顯示，污水處理廠的實際負荷與ORP曲線變化有很強的相關性，采用兩點ORP控制保證了在增加負荷時硝化時間占運行時間的比率也相應增加，這些研究成果為開發制定小型污水廠控制策略奠定了基礎。Yu等［4］設計開發出帶有實時ORP和pH值監控系統的SBR反應器，該系統主要由智能儀表、計算機（人機界面）和控制、執行機構組成。由智能儀表測量出模擬信號，經A／D轉換器轉換為數字信號，再輸入計算機，計算機對輸入的數字信號進行采樣分析后形成控制信號傳遞到下位控制器，進而啟動或停止攪拌器、鼓風機等設備。結果顯示，采用參數實時控制的SBR反應器較之于固定時序控制反應器，底物去除率提高5%左右，曝氣量降低了20%左右。Puznava等［5］在同步硝化／反硝化的生物濾池中引入了實時曝氣控制，建立了基于NH3－N和DO實時監測的串聯控制。與傳統硝化－反硝化生物曝氣濾池法（BAF）相比，采用該控制方式達到相同處理效果時，曝氣量僅為傳統方法的一半，節能效果明顯。

3.2 工程應用現狀

發達國家在污水二級處理普及后，投入巨資加強對污水處理設施的監測、運行和管理方面的研發，實現了計算機控制、報警和實時記錄。美國在20世紀70年代中期開始實現污水處理廠的自動控制，目前主要污水處理廠已實現工藝流程中主要參數的自動監控。

發達國家非常重視通過先進控制技術節約能源，例如DO的合理控制能節省運行費用，保證出水水質，瑞典Kallby污水處理廠，通過DO設定值優化，曝氣能耗降低了32%。美國Stickney污水處理廠（303萬t／d）于1998年投入300萬美元用于建立曝氣池自動監控系統，每年可節約47萬美元電費和72.5萬美元的人工費，投資可在兩年半內收回［6］。

國外應用先進自控系統的污水處理廠一般具有以下特點［7］：①采用分布式計算機監控系統，設置中央控制室和多個分控站，工作人員通過中控計算機和通訊網絡進行管理和維護，可實現現場無人值守；②監控系統采用冗余化設計，各分控站有獨立工作能力，大大增強了系統的安全性和可靠性；③采用智能化控制，可根據進水的變化自動對工藝過程進行調整；④大量采用先進的在線水質分析儀和智能儀表，可提供高精度的檢測和準確的控制數據；⑤大量采用遙測、遙控設備，有效地利用現有的公共信息通訊網絡。

相比國外，我國污水處理自動控制起步晚，20世紀90年代后期污水處理廠才開始引進自動控制系統，但大多是直接引進國外成套的自控設備，國產的自動控制產品在污水處理領域應用不多且集中在低端產品，但目前發展很迅猛。目前，國內技術較成熟的是由中央控制室計算機和現場級PLC控制單元組成的集散式控制系統（DCS），它通過通訊網絡將中央級監控總站和若干現場控制總站連接起來，構成集中管理、分散控制的計算機測控管理系統。系統擴展容易，各部分功能獨立，可根據生產需要增加PLC模塊，實現了真正的信息管理和集中調度，并且能夠將功能及控制進行分散管理，中控室計算機出現故障，各現場分站仍能獨立、穩定地工作，這從根本上提高了系統的可靠性［8］。河北承德市某日處理量3萬t的小型生活污水處理廠，早期為人工控制，出水COD在60mg／L水平時，電耗0.3kW·h／t，成本0.51元／t；該廠進行自控系統（DCS＋PLC）升級改造后，出水COD為50mg／L時，電耗為0.22kW·h／t，成本0.45元／t，噸水降低電耗成本0.06元／t，年可節約電費64.8萬元，同時人工費及其他費用也相應降低，經濟效益顯著［9］。

3.3 現階段存在的問題

（1）無法精確建模。自動控制系統要求建立精確的數學模型，并且提出必須遵循一些比較苛刻的線性化假設，然而實際污水處理系統由于存在復雜性、非線性、時變性、不確定性和不完全性等，一般難以獲得精確的數學模型和與實際相符的假設，因此采用傳統控制理論建立的污水處理自動控制系統在實際工程應用上存在出水水質波動較大等問題。

（2）使用水質間接參數給系統帶來風險。反映污水水質的直接參數，如BOD、COD、SS等很難在線監測，不少實驗研究中采用DO、pH值和ORP等易于在線監測的間接參數來降低曝氣量和控制出水水質，一些污水處理廠也應用到了工程實際中。但這些控制參數只能間接地反映污水處理生化過程，運行過程一旦出現異常情況，系統缺乏相應的應急預案，難以做出正確判斷，導致整個控制系統的癱瘓［10］。

（3）自動化儀表、設備的性能和可靠性不強。污水處理自動控制系統需要對大量閥門、泵、鼓風機和吸（刮）泥機、曝氣池和污泥消化池內的攪拌器等機械設備及沉淀池和消化池進、排泥量進行控制，因此污水處理廠需要自動控制的開關量特別多，它們常常要根據一定時間或邏輯順序定時啟／停［11］。但當前污水處理自動控制系統中采用的自動化檢測設備、儀表的功能還不完善，在實際監測中往往難以實現預期效果、誤差很大，因此依靠這些檢測設備判斷污水處理情況并實施自動控制，很難達到處理水質達標排放和節約能源的目的。此外，還存在網絡通信以及系統易受干擾等問題。

4 污水處理自動控制的發展趨勢分析

智能控制是污水處理自動控制的發展趨勢，它作為自動控制發展的高級階段，是人工智能、控制論、系統論和信息論等多種學科的高度綜合與集成。智能控制主要包括模糊控制、神經網絡控制、自學習控制和專家控制等。由于智能控制系統具有自學習、自適應和自組織功能，特別適用于復雜的污水處理動態過程的控制，因此，近年來智能控制在歐美、日本的給水處理、污水生物處理、污水的物理化學處理中都有典型的成功應用，正在研究與開發的項目更是不勝枚舉［12］。

4.1 模糊控制

模糊控制（Fuzzy Control）能將操作者或專家的控制經驗和知識表達成語言變量描述的控制規則，然后用這些規則去控制系統。模糊控制適合用于數學模型未知的、復雜的非線性系統的控制，因此模糊控制方法特別適用于水處理過程，其在活性污泥法節能方面的效果顯著，并已應用于污水處理的多個領域。

曾薇、彭永臻等［13］以溶解氧作為SBR法模糊控制參數，處理石化廢水。通過大量實驗，總結出反應初始階段（曝氣10min左右）溶解氧濃度不僅能間接反映進水有機物濃度，而且對整個反應過程都有重要影響。溶解氧的高低主要受曝氣量大小控制，根據初始階段溶解氧的濃度變化及變化情況預測進水有機物濃度，進而實現對曝氣量的模糊控制。研究還發現，當COD幾乎不再降解時溶解氧值迅速大幅升高，理論上可以根據DO的這一變化特點對好氧曝氣時間進行模糊控制。

張翔等［14］采用模糊自適應PID控制方法控制SBR污水處理工藝中的DO參數，并設計了基于模糊自適應PID的控制系統。仿真結果和實際應用表明，采用模糊自適應PID控制器后，顯示出較強的魯棒性，控制系統的響應速度加快。

4.2 神經網絡控制

基于人工神經網絡的控制 （ANN—based Control）簡稱神經控制。神經網絡是通過模擬人腦的神經網絡結構和行為，由大量簡單的人工神經元廣泛聯結而成的復雜網絡。它的自適應性很強，并具有學習能力、非線性映射和容錯能力，其最大的優點是可以充分逼近任意復雜的非線性關系并與其他控制方法相結合。神經網絡因具備上述特點，備受國內外污水處理專家矚目。近年來，一些研究人員在污水處理自控系統中開展人工神經網絡控制的研究，取得了許多很有價值的成果。常用于污水處理中的神經網絡有誤差反向傳播（BP）神經網絡、徑向基函數（RBF）神經網絡和自適應神經網絡等。

Tay等［15］在模糊神經網絡模型的基礎上，為污水厭氧處理系統開發出快速預測神經模糊模型來預測高速率厭氧系統對干擾的響應，該系統可提前1h對不同系統的干擾進行預測，極具應用前景。

4.3 專家控制

專家控制（Expert Control）是智能控制的一個重要分支。其本質是一種智能化的計算機程序系統，它將人類專家的知識、理論和解決問題的辦法、經驗編譯成計算機語言并形成數據庫，通過編制的特定程序調用數據從而來處理某些領域的問題。專家控制已經在污水處理的自動控制及故障診斷方面嶄露頭角了。

Sung等［16］采用在線綜合控制系統對水質、水量變化較大的食品廢水進行控制研究?？刂颇繕耸鞘钩鏊瓹OD較地方標準低50%，并盡可能降低曝氣量。該控制系統分為兩層，即管理層和過程控制層，管理層應用基于規則的專家系統為過程控制層提供最優控制點。此外，為避免鼓風機超負荷運行，還設計了基于規則的負荷分配系統。此控制系統已成功運行2年，與不實行專家控制方式相比，出水COD濃度降低大約50%，節能約50%，基本達到了設定目標。

Baeza JuaIl Antonio等［17］利用專家系統對提高 A2／O工藝污水處理廠氮的去除效率進行研究。中試結果顯示，氮的去除率比常規運行條件下提高了11%，出水的氨氮和總氮分別降低了64%和49%?？梢妼＜铱刂葡到y對分布控制系統監管的效果很好，避免了曝氣和內循環過程中的能源浪費，大大提高了脫氮效率。

上述三類的智能控制系統各有特點，研究表明三種控制方式單獨應用在污水處理中都存在較大的缺陷。但是，將智能控制與經典自控相結合（如模糊PID控制、神經網絡PID控制等）或者將兩種（以上）智能控制方法相結合而建立的綜合智能控制系統卻顯示出優良的特性。例如，模糊控制與神經網絡控制相結合的模糊神經網絡控制具備了兩者的優點，既能利用已有的經驗，又具有自學習能力，極大地提高了系統的適應性。因此，這種“強強聯合”將成為污水處理智能控制的主要研究方向。

5 結語

論述了目前國內外污水處理自動控制技術的發展概況，指出了技術方面存在的問題并提出今后的研究方向和研究內容。就污水處理自動控制的發展方向而言，智能控制是大勢所趨，但智能控制策略的實現必須建立在先進而可靠的硬件和軟件基礎上，只有自動化儀表、控制器的性能足夠優秀，監控軟件的功能足夠強大，污水處理系統才能平穩地運行，從而達到理想的控制和處理效果。

［1］ 吳曉明，孔 超.污水處理廠自動化系統的分析與應用［J］.機電信息，2010（18）：41～42.

［2］ 周曉民.污水處理中自動化控制系統的應用［J］.西南給排水，2005，27（1）：41～43.

［3］ Zipper.Development of a new system for control and optimization of small wastewater treatment plants using oxidation－reduction potential（ORP）［J］.Water Science Technology，1998，38（3）：307～314.

［4］ Yu Ruey－Fang.Performance enhancement of SBR applying real－time control［J］.Journal of Environmental Engineering，2000，126（10）：943～948.

［5］ Puznava N.Simultaneous nitrification and denitrification in biofilters with real time aeration control［J］.Wat Sci Tech，2001，43（1）：269～276.

［6］ 林榮忱，李金河.污水處理廠泵站與曝氣系統的節能途徑［J］.中國給水排水，1999（15）：211～213.

［7］ 莊麗娟.污水處理自動控制系統的研究與開發［D］.蘇州：江蘇大學，2009.

［8］ 王 芳.污水處理廠自動控制系統的建立［J］.機械工程與自動化，2010（6）：203～204.

［9］ 王曉東，唐慧敏.污水處理廠智能化自動控制系統的應用［J］.中國環保產業，2008（11）：25～27.

［10］ 陳兆波，任月明.污水處理廠測量、自動控制與故障診斷［M］.北京：化學工業出版社，2009.

［11］ 高大文，彭永臻.污水處理智能控制的研究、應用與發展［J］.中國給水排水，2002，18（6）：35～39.

［12］ Ohtsuki T.Intelligent control system based on blackboard concept for wastewater treatment process［J］.Wat Sci Tech，1998，37（12）：77～85.

［13］ 曾 薇，彭永臻.以溶解氧濃度作為SBR法模糊控制參數［J］.中國給水排水，2000，16（4）：5～10.

［14］ 張 翔，劉振興.基于自適應模糊PID控制的SBR污水處理系統［J］.電工技術，2009（3）：41～43.

［15］ Tay J H.A fast predicting neural fuzzy model for high－rate anaerobic wastewater treatment systems［J］.Wat Res，2000，34（11）：2849～2860.

［16］ Sung Woo Nam.On－line integrated control system for an industrial activated sludge process［J］.Wat Environ Res，1996，68（1）：70～75.

［17］ Baeza Juall Antonio，Gabriel D，Lafuente J.Improving the nitrogen removal efficiency of A2／O based WWWTP by using an on－line knowledge based expert system［J］.Water Research，2002，36（8）：2109～2123.