基于模型的六箱一體化工藝優化控制研究*

陳文亮,呂錫武,姚重華

(1.東南大學，能源與環境學院，江蘇 南京 210096；2.華東理工大學，資源與環境工程學院，上海 200237；3.無錫太湖水環境研究中心，江蘇 無錫 214135)

活性污泥法是最常見的污水處理方法[1-3]，但是很難對它進行預測和控制，主要在于：1)進水水量水質波動較大；2)工藝的高度非線性[4]；3)復雜的污染物去除機理，比如P的去除[5].即便如此，研究人員還是提出了各種各樣的優化控制方法：比如在A2/O工藝中，硝化性能可以通過控制好氧池中的溶解氧(DO)進行調節[6]；反硝化效果可以通過提高混合液回流量或者外加碳源進行加強[7]；在SBR工藝中，階段運行時間可以通過時間控制器自動調節．以往的文獻中，諸如PH，OPR，DO等物理化學參數的應用較多[8-10]，它們可以用來確定硝化作用和反硝化作用的終點等；也有通過查看參數相對變化速率進行自動控制的研究[11-12].

隨著在線監測器技術的發展，水質組分：氨氮(SNH4)，硝態氮(SNO3)和正磷酸鹽(SPO4)的檢測變得越來越便捷準確，污水處理工藝的實時控制也變得更加方便[13-15].而且隨著數學模型的發展[16]，污水處理工藝的優化控制也變得更為容易[17-18].

較好的出水水質并不是污水處理工藝優化控制的唯一目標，運行能耗對于污水處理廠的正常運行也非常重要[19].與出水水質衡量的標準不同，運行能耗是以費用進行計算的，而且具有地域性.為了將兩個目標簡化為一個，很多的研究提出了成本函數(cost function，CF)的方法，就是將出水水質轉化為費用[20].CF法雖然簡單，但是一旦轉化函數確定，兩個目標之間的權衡關系(trade-offs)就確定了，決策者沒有其它選擇的余地[21].近幾年中，有少量的文獻研究了污水處理工藝的多目標優化問題[22-24].

本文在同時考慮出水水質和運行能耗的基礎上，運用多目標優化方法對活性污泥工藝中的控制問題進行了優化研究.

1 實驗材料與方法

1.1 六箱一體化工藝

東南大學研發的六箱一體化生活污水脫氮除磷工藝[25]結合了Unitank工藝和A2/O工藝的特點：每個階段的流程均為A2/O工藝，周期運行的方式又類似于Unitank工藝.六箱一體化工藝的主體包括5個生化反應池和1個沉淀池，工藝流程如圖1所示.每個生化反應池的尺寸為280 mm×240 mm×900 mm，沉淀池尺寸為360 mm×280 mm×900 mm，有效水深均為700 mm，相鄰池子之間共用池壁.每個生化反應池安裝曝氣器和攪拌器，可以根據工藝的不同階段實現好氧或缺氧/厭氧狀態.六箱一體化工藝采用周期性的運行方式，每個周期包括上下對稱的兩個半周期，分別為：階段一，階段二，階段三，階段四，階段五以及階段六.因此六箱一體化工藝沒有設置混合液回流，只需污泥回流即可.六箱一體化工藝的進出水、進氣、污泥回流以及排泥管路都安裝有電磁閥，運行方式可以通過PLC自動進行控制.

① 進水；② 出水；③ 排泥；④ 回流污泥

1.2 兩種階段時間的控制策略

六箱一體化工藝設計的階段時間分別為：180 min，180 min，120 min，180 min，180 min，120 min.雖然固定的階段時間便利了運行管理，不過在動態的進水條件下，出水水質不一定能夠達到最好.SNO3參與好氧硝化和缺氧反硝化過程，同時SNO3對于厭氧釋磷過程影響重大，圖3中也顯示出SNO3的濃度高低對于厭氧釋磷的重要影響.所以本文認為SNO3可指示反應池的不同狀態，尤其是缺氧和厭氧狀態.

本文利用數學模擬的方法，對階段時間的兩種策略進行分析比較，策略介紹如下：

①Fix-time策略：通過調節6個階段的運行時間，達到節能減排的目的，由于六箱一體化工藝上、下兩個半周期對稱運行，所以只需要確定上半周期的3個運行時間(time1，time2，time3)即可；

②NO3-control策略：檢測各個階段第一個缺氧反應池(比如階段一的tank1，階段二的tank3等)內的SNO3，當SNO3降低到某一數值(setpoint1)或者某時刻SNO3的變化速率達到setpoint2，系統將自動進入下一階段的運行.控制算法的數學描述見式(1).

SNO3

(1)

為了使控制模擬更加符合實際，本文假設SNO3檢測器的采樣時間為1 min，每個樣品的檢測時間為5 min.不考慮其它的干擾因素.

另外，六箱一體化工藝中還需要確定的參數包括：缺氧池進水比α，污泥齡θC，污泥回流比ε以及溶解氧濃度DO.假設所有好氧池中的DO濃度設定值相同，并通過氧氣傳質系數KLa進行控制.

1.3 評價目標的建立

出水水質(EF)和運行能耗(OC)是常用的評價污水處理工藝好壞的指標.

本文選用了3個出水組分(SNH4，STN，SPO4)，其中規定STN為出水SNH4與SNO3的總和.EF按照式(2)進行計算.

(2)

式中：CjEFF(t) (mg·L-1)為t時刻組分j的出水濃度值，CjL為組分j的限定值.根據《城鎮污水處理廠污染物排放標準》一級A標準中的規定，CNH4L為5 mg·L-1；CTNL為15 mg·L-1；考慮到本文所用進水數據中SPO4濃度較高，CPO4L取為4 mg·L-1.

運行能耗的計算如式(3)所示.

OC[￥·d-1]=γE(AE+PE)+γSPSP．

(3)

AE的計算如式(4)[26]所示：

(4)

式中：KLa(d-1)代表氧氣傳質系數，Vi(m3)是第i個池子的體積，Vref的值為1 333 m3.

PE的計算如式(5)[27]所示：

(5)

式中：Qr(t)(m3·d-1)代表t時刻的污泥回流速率，Qw(t)(m3·d-1)是t時刻的污泥排放速率.

SP的計算如式(6)[27]所示：

Qw(t)]dt.

(6)

式中：TSSw(t)(mg·L-1)表示排泥時的污泥濃度.

1.4 六箱一體化工藝的數學模擬與優化方法

六箱一體化工藝具有脫氮除磷的功能，本文選用ASM2d模型對生化反應池部分進行模擬，沉淀池被分為十層，用Takács[28]沉降速率方程進行模擬.

ASM2d模型包含19種進水組分：發酵產物(SA)，可發酵易生物降解有機物(SF)，惰性溶解性有機物(SI)，氨氮(SNH4)，硝態氮(SNO3)，氮氣(N2)，溶解氧(SO2)，溶解性無機磷(SPO4)，堿度(SALK)，硝化菌(XAUT)，異養菌(XH)，惰性顆粒性有機物(XI)，慢速可降解基質(XS)，聚磷菌(XPAO)，聚磷菌的胞內貯存物(XPHA)，聚磷酸鹽(XPP)，金屬氫氧化物(XMeOH)，金屬磷酸鹽(XMeP)，總懸浮固體(XTSS).進水的水質組分濃度采用Gernaey和J?rgensen[29]通過Benchmarking Group of IWA 發布的基準測試數據拓展而來的計算方法.包含了3種天氣(Dry，Rain，Storm)下各14 d的進水數據，每組數據采樣間隔為15 min.六箱一體化工藝的進水水量通過式(7)確定.比如，Dry天氣下的平均進水流量為0.45 m3·d-1.表1顯示了3種天氣下進水組分基于流量的平均濃度值，未列出的進水組分濃度為0.圖2顯示了Dry天氣下后7天3種進水組分濃度(SPO4，SNH4，SF)以及流量隨時間的變化關系.

(7)

式中：Qin(t)(m3·d-1)代表t時刻的進水流量，QB(t)(m3·d-1)代表t時刻的基準流量，V(m3)代表六箱一體化工藝反應池的體積，VB(m3)是基準流程的總體積，6 749 m3.考慮到由于多點進水及循環運行對水力停留時間(HRT)的影響，本文對流量采取了一定的減小處理，f為安全系數，取值0.7.

表1 3種天氣下進水組分基于流量的平均值

時間/d

時間/d

六箱一體化工藝的數學模型使用MATLAB/simulink編寫，先讓模型在Dry天氣平均進水水質條件下運行50 d，使其達到穩定狀態.然后再按照Dry+Dry/Rain/Storm方式運行動態的進水數據28 d，最后7 d的出水數據用來計算評價目標.

優化六箱一體化工藝的性能涉及到兩個目標：EF和OC，屬于多目標優化問題.本文采用non-dominated sorting genetic algorithm II(NSGA-II)[30]對其進行求解.兩種待優化策略包含的目標以及決策變量如表2所示.

表2 兩種待優化策略的目標及決策變量組成

2 結果與討論

2.1 Dry天氣下“穩態”運行結果

六箱一體化工藝只能夠達到周期性的穩態，在六箱一體化工藝的設計參數(Default策略，表3)下，用Dry天氣平均進水水質條件運行50 d后，六箱一體化工藝基本達到“穩態”.一個周期內各池中SNH4，SNO3和SPO4的變化規律如圖3所示.

Tank1在階段1和階段2沒有進行曝氣，由于進水帶來的碳源充足，發生反硝化作用，繼而發生了厭氧釋磷，由于進水帶來SNH4的影響，SNH4持續升高；階段3開始曝氣，進入好氧狀態，硝化作用和好氧吸磷作用強烈，SNH4和SPO4迅速降低，SNO3升高；后3個階段tank1作為出水前池，一直處于好氧狀態，保證了出水水質的穩定.

Tank2在階段1處于厭氧狀態，由于釋磷和進水帶來SPO4的綜合影響，SPO4先降低再升高，由于進水帶來的SNH4，SNH4也升高；階段2開始曝氣，進入好氧狀態，SNH4和SPO4迅速降低，SNO3升高；之后tank2一直處于非曝氣狀態，反硝化和厭氧釋磷相繼發生，同時受到進水和前池流入的綜合影響.

Tank3在階段1處于好氧狀態，SNH4和SPO4降低，SNO3升高；在階段2和階段3處于非曝氣進水條件，反硝化、釋磷相繼發生，由于進水的影響，SNH4也持續升高；后3個階段與前3個階段狀態相同，SNH4，SNO3和SPO4的變化規律也基本一致.

由于六箱一體化工藝上、下半周期是對稱運行的，所以不同池子的狀態也呈現出對稱性，比如tank5對應了tank1，tank4對應了tank2.

2.2 多目標優化結果

經過多目標優化后結果(Pareto解)如圖4所示.

圖4顯示出兩種策略下出水水質EF和能耗OC兩者之間此消彼長的關系，當出水水質變好時，能耗就會增加，反之亦然，說明基本不存在優化解使EF和OC同時達到最小.Fix_time策略下EF達到的最小值為2.378 6，OC最小值為0.1748 ￥·d-1；NO3_control策略下EF達到的最小值為2.584 5，OC最小值為0.170 9 ￥·d-1.這說明：Fix_time策略與NO3_control策略相比，前者能使EF更小，但消耗更多能耗.兩種策略下大部分的解都要好于Default策略.

時間/min

EF

在Rain天氣進水和Storm天氣進水條件下對Dry天氣進水條件下得到兩種策略的Pareto解進行計算，結果如圖5所示.在Rain天氣進水條件下，當EF相同時，NO3_control策略的OC明顯比Fix_time策略的OC小，也可以理解為當在相同的OC下NO3_control策略的EF比Fix_time策略的EF要好，說明NO3_control策略比Fix_time策略更好.在Storm天氣進水下也有這種結果.分析原因：由于Fix_time策略是在Dry天氣進水條件下優化得到的，當進水條件變化以后，這些優化解不一定最優；而NO3_control策略中的階段運行時間是通過SNO3的實時監測(setpoint1和setpoint2)來控制的，并不受進水水質變化的影響，因此在Rain和Storm進水條件下NO3_control策略依舊能夠達到較好的節能減排效果.

EF

EF

為了更深層次的比較Fix_time和NO3_control策略，本文從圖4的Pareto解集中選取了位于交叉位置(EF和OC值基本相同)的兩個解，決策變量值如表3所示，目標值如表4所示.

表3 選取優化策略解的決策變量值

表4 選取的優化策略在三種天氣條件下各指標的計算值

從表3可看出，相比于Default，Fix_time策略極大縮短了階段運行時間，周期由960 min變為320 min，六箱一體化工藝的混合性增強，相當于增大了混合液回流比，脫氮性能得到增強，Dry進水條件下出水STN平均值降低了16.31%，Rain進水條件下降低了13.81%，Storm進水條件下降低了14.61%(表4).缺氧池的進水分配比由原來的0.5變為0.9，這個改變進一步增強了反硝化效果.但是污泥齡由13 d延長到了17 d，削弱了SPO4的處理效果(表4).

NO3_control策略與Fix_time策略相比，NO3_control策略污泥齡稍有延長，并且提高了DO設定值，除Dry天氣進水條件下EF和OC比較接近外，另外兩種進水條件時，NO3_control策略的兩個目標值都要優于Fix_time策略.在Dry進水條件下，NO3_control策略中除出水SNH4好于Fix_time策略外，出水STN和SPO4都要劣于Fix_time策略.但是在其它兩種進水條件下，3個出水組分的平均值，NO3_control策略表現更好，圖6顯示了三種策略Storm進水條件下出水中SNH4，STN和SPO4的變化情況，能夠較好的印證上述結論.

時間/d

時間/d

時間/d

將水質波動對六箱一體化的影響減小，這正體現出了NO3_control策略對階段時間自動控制的優勢.如圖7所示：Default (a)和Fix_time策略(b)采用固定的階段時間，比如階段一時，tank1作為缺氧池，Default策略下反硝化作用已經完成(SNO3降低到接近0 mg·L-1)，但遲遲沒有轉換到下一階段的運行；而Fix_time策略由于階段時間較短，反硝化作用來不及完成，已經進入了下一階段，這兩種情況都會造成系統狀態的混亂，影響處理效果.NO3_control策略下階段時間是通過控制算法(式1)確定，從圖7(c)看出，每個階段完成時，反硝化作用也剛好完成，然后進入下一階段的運行，這樣保證了較好的反硝化脫氮效果，系統狀態也比較清晰.

時間/d

時間/d

時間/d

3 結 論

本文在六箱一體化工藝數學模型的基礎上對其階段時間的控制策略進行了多目標優化研究.提出了兩種控制策略：Fix_time和NO3_control策略，前者階段時間是固定的，后者的階段時間是通過在線檢測缺氧池中SNO3及其變化速率進行控制的.連同六箱一體化工藝中其它待確定的參數：進水分配比，污泥齡，污泥回流比，好氧池中溶解氧濃度，同時考慮出水水質和運行能耗，進行了多目標優化分析.結果顯示：兩種優化策略都優于Default策略；NO3_control策略相比于Fix_time策略更具靈活性，能夠一直滿足缺氧反硝化的時間要求，在Rain和Storm進水條件出水水質和運行能耗更優.該研究結果表明：針對六箱一體化工藝設計的NO3_control策略能夠進一步提升六箱一體化工藝的性能，為其它類似工藝的優化控制提供了參考.

[1]史靜,呂錫武,朱光燦,等.進水碳磷比對連續流反硝化除磷工藝脫氮除磷效果的影響[J].東南大學學報:自然科學版,2012,42(1):94-98.

SHI Jing, LV Xi-wu, ZHU Guang-can,etal. Effect of COD-to-phosphorus ratio on performance of continuous-flow two-sludge process[J]. Journal of Southeast University: Natural Science Edition, 2012, 42(1): 94-98. (In Chinese)

[2]余亞琴,呂錫武,吳義鋒.外循環UASB處理太湖富藻水運行特性研究[J].湖南大學學報:自然科學版,2013,40(1):87-92.

YU Ya-qin, LV Xi-wu, WU Yi-feng. Study on performance of external circulation UASB reactor treating algae-laden water from Taihu Lake[J]. Journal of Hunan University: Natural Sciences, 2013, 40(1): 87-92. (In Chinese)

[3]周娟.一種微生物絮凝劑的研制[J].湖南大學學報:自然科學版,2009,36(7):73-76.

ZHOU Juan. Screening and characteristics of cmicrobial flocculant[J]. Journal of Hunan University: Natural Sciences, 2009, 36(7): 73-76. (In Chinese)

[4]SAMUELSSON P, HALVARSSON B, CARLSSON B. Interaction analysis and control structure selection in a wastewater treatment plant model[J]. IEEE Transactions on Control Systems Technology, 2005, 13(6): 955-964.

[5]OSTACE G S, BAEZA J A, GUERRERO J,etal. Development and economic assessment of different WWTP control strategies for optimal simultaneous removal of carbon, nitrogen and phosphorus[J]. Computers & Chemical Engineering, 2013, 53: 164-177.

[6]VRECKO D, HVALA N, CARLSSON B. Feedforward-feedback control of an activated sludge process: a simulation study[J]. Water Science and Technology, 2003, 47(12): 19-26.

[7]YUAN Z, OEHMEN A, INGILDSEN P. Control of nitrate recirculation flow in predenitrification systems[J]. Water Science and Technology, 2002, 45(4): 29-36.

[8]PAUL E, PLISSON-SAUNE S, MAURET M,etal. Process state evaluation of alternating oxic-anoxic activated sludge using ORP, pH and DO[J]. Water Science and Technology, 1998, 38(3): 299-306.

[9]WU C, CHEN Z, LIU X,etal. Nitrification-denitrification via nitrite in SBR using real-time control strategy when treating domestic wastewater[J]. Biochemical Engineering Journal, 2007, 36(2): 87-92.

[10]GAO D, PENG Y, LIANG H,etal. Using oxidation-reduction potential (ORP) and pH value for process control of shortcut nitrification-denitrification[J]. Journal of Environmental Science and Health: Part A, 2003, 38(12): 2933-2942.

[11]CASELLAS M, DAGOT C, BAUDU M. Set up and assessment of a control strategy in a SBR in order to enhance nitrogen and phosphorus removal[J]. Process Biochemistry, 2006, 41(9): 1994-2001.

[12]PUIG S, COROMINAS L, VIVES M T,etal. Development and implementation of a real-time control system for nitrogen removal using OUR and ORP as end points[J]. Industrial & Engineering Chemistry Research, 2005, 44(9): 3367-3373.

[13]STARE A, VRECKO D, HVALA N,etal. Comparison of control strategies for nitrogen removal in an activated sludge process in terms of operating costs: a simulation study[J]. Water Research, 2007, 41(9): 2004-2014.

[14]KIM H S, MOON T S, KIM Y J,etal. Evaluation of rule-based control strategies according to process state diagnosis in A2/O process[J]. Chemical Engineering Journal, 2013, 222: 391-400.

[15]SCHüTZE M, CAMPISANO A, COLAS H,etal. Real time control of urban wastewater systems-where do we stand today?[J]. Journal of Hydrology, 2004, 299(3/4): 335-348.

[16]HENZE M, GUJER W, MINO T,etal. Activated sludge models ASM1, ASM2, ASM2d and ASM3[M]. London, UK: IWA Publishing, 2000: 1-120.

[17]姚重華,王國華,譚學軍,等.基于SimuLink的倒置A2/O流程仿真程序[J].給水排水,2010,36(z1):389-394.

YAO Chong-hua, WANG Guo-hua, TAN Xue-jun,etal. Simulation program of inverted A2/O based on Simulink[J]. Water & Wastewater Engineering, 2010, 36(z1): 389-394. (In Chinese)

[18]姚重華,劉漫丹.環境工程仿真與控制[M].3版.北京:高等教育出版社,2010:137-227.

YAO Chong-hua, LIU Man-dan. Environmental engineering modeling and control[M]. The third edition. Beijing: Higher Education Press, 2010:137-227.(In Chinese)

[19]IQBAL J, GURIA C. Optimization of an operating domestic wastewater treatment plant using elitist non-dominated sorting genetic algorithm[J]. Chemical Engineering Research & Design, 2009, 87(11): 1481-1496.

[20]VANROLLEGHEM P A, GILLOT S. Robustness and economic measures as control benchmark performance criteria[J]. Water Science and Technology, 2002, 45(4/5): 117-126.

[21]COHON J L. Multiobjective programming and planning[M]. New York: Dover Publications, 2004:13-26.

[22]FLORES-ALSINAl X, RODRIGUEZ-RODA I, SIN G,etal. Multi-criteria evaluation of wastewater treatment plant control strategies under uncertainty[J]. Water Research, 2008, 42(17): 4485-4497.

[23]HAKANEN J, MIETTINTN K, SAHLSTEDT K. Wastewater treatment: new insight provided by interactive multiobjective optimization[J]. Decision Support Systems, 2011, 51(2): 328-337.

[24]陳文亮,姚重華,呂錫武.活性污泥工藝的多目標優化分析[J].環境科學學報,2013,33(7):1918-1925.

CHEN Wen-liang, YAO Chong-hua, LV Xi-wu. Analysis of activated sludge process by multi-objective optimization[J]. Acta Scientiae Circumstantiae, 2013, 33(7): 1918-1925.(In Chinese)

[25]許卓.多點交替進水階式A2/O工藝氮磷強化去除技術與機理[D].南京:東南大學,2009:21-24.

XU Zhuo. Technology and mechanism of step A2/O active sludge process with commutative multi-influent for enhanced phosphorus and nitrogen removal[D]. Nanjing: Southeast University, 2009:21-24．(In Chinese)

[26]GURRERO J, GUISASOLA A, VILANOVA R,etal. Improving the performance of a WWTP control system by model-based setpoint optimisation[J]. Environmental Modelling & Software, 2011, 26(4): 492-497.

[27]COPP J B. The COST simulation benchmark: description and simulator manual[M]. Luxembourg: Office for Official Publications of the European Union, 2002:10-13.

[28]Takács I, PATRY G G, NOLASCO D. A dynamic model of the clarification-thickening process[J]. Water Research, 1991, 25(10): 1263-1271.

[29]GERMAEY K V, JORGENSEN S B. Benchmarking combined biological phosphorus and nitrogen removal wastewater treatment processes[J]. Control Engineering Practice, 2004, 12(3): 357-373.

[30]DEB K, PRATAP A, AGARWAL S,etal. A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197.