SaaS服務模式在厭氧消化系統運行管理中的應用探討

李 兵, 周 俊, 鄭曉偉, 王宏杰, 唐 梅, 喻金票, 榮 毅, 楊蘊毅

(1.輕工業環境保護研究所， 北京 100089； 2.南京工業大學， 江蘇 南京 211816； 3.河南天冠企業集團有限公司， 河南 南陽 473000； 4.廣西金源生物化工實業有限公司， 廣西 桂平 537200； 5.山東世紀陽光紙業集團有限公司， 山東 濰坊 262400； 6.上海天之冠可再生能源有限公司， 上海 201210)

隨著厭氧技術在工業廢水處理、城市污泥消化、農業廢棄物處理和垃圾處理等領域的廣泛應用，我國大中型沼氣工程的建設取得了長足發展，沼氣行業在沼氣產量和已建大中型沼氣工程數量方面均已居世界第一[1-3]。近10年的發展中，沼氣由早先的環保功能發展成為替代化石天然氣的一種商業化生產的優質清潔能源[4],沼氣工程也已經由土木工程型轉變為設備型，工程中設備和施工技術含量及投資的比例不斷提高[5]。無論是能源環保型、能源生態型或是熱、電、肥聯產型沼氣工程[6]，厭氧消化工藝決定著整個工程的運行效果和效益，而其過程的動態性和復雜性又時刻考驗著運行決策。隨著能源結構調整和環保壓力的增加，分布式能源以及沼氣與其他能源季節性互補的動態需求向運行管理的專業性提出了更高的要求[7-8]，規模化沼氣工程在面臨轉型升級過程中從管理和運行層面破解效率低、穩定性差的難題，也日益成為關注的焦點[9]，碳排放交易體系的發展又為提升沼氣工程效益，促進發展提供了新的機遇[10]。筆者在分析當前我國厭氧沼氣工程運行與管理的方式難以滿足厭氧發酵過程的動態性特點的問題基礎上，提出了基于SaaS的前饋—開回路控制模式，通過云計算將工程運行產生的在線數據和離線數據進行綜合分析，為工程運行管理者提供預測預警，輔助運行決策。

1 厭氧發酵的復合動態過程

1.1 發酵物料的變化

發酵物料的變化直接影響厭氧工藝過程，如秸稈燃氣工程需要按季節需求進行物料量和配比的動態調整，這是因為物料的動態變化具有季節性特點[11-12]，工業廢水也有水質水量變化大的情況[13], 進料指標的變化會導致系統負荷的變動[14]。有文獻提出對發酵底物進行全面描述可以保證厭氧發酵過程更穩定的運行，一旦底物發生變化，就可以改變相應的工藝對參數進行調整[15]。而動態改變有機負荷率的風險很大，尤其在沒有專業有效的技術手段支持的情況下，依靠的是運行人員的經驗和技術水平，錯誤的決策造成的大的負荷擾動有可能造成產甲烷微生物活性受抑制或洗出而導致工程系統癱瘓[16]。

1.2 厭氧反應器的變化

泥、砂、鳥糞石等導致的管道水泵等磨損、堵塞致使反應器內流體狀態產生差異[17-18]；保溫材料、板材的損壞，保溫效果變差導致發酵溫度波動影響厭氧消化效率[19-20]，機械攪拌效率下降、循環管路結垢、循環水泵效率降低導致的混合條件變化，甚至季節性溫度變化導致反應器溫度變化從而引起的微生物活性變化[21-23]，這些都是可能導致厭氧反應器從時間和空間的動態變化的復雜原因。顯然，上述因素隨著服役時間的增加，即使采用完全相同的設計方案和運行管理方式，同一工程中反應器之間的效率和穩定性也可能產生差異。

1.3 運行操作因素

筆者在2014年底至2015年中針對輕工行業酒精、白酒、造紙等的14家工業企業廢水厭氧處理工藝日常運行的封閉式問卷調查結果顯示：

(1)對厭氧反應器的運行決策主要靠技術人員分析各反應器取樣檢測數據并進行內部交流討論，或者由班長或技術人員做出。這種決策過程的準確性受分析工具、分析手段和技術人員的專業水平和工程經驗影響，決定性的因素是技術人員本身，其經驗就是在解決各類運行問題中不斷積累的，并且在這些經驗中，應對運行異常、故障或失敗的經驗至關重要。

(2)所有企業都認為離線檢測分析數據對工藝運行幫助最大，認為在線監測的狀態數據如pH值、溫度等參數對運行幫助大的占57%，這主要是由于不同指標對運行決策的影響權重不同，比如，pH值的滯后性；另外，部分工程因為換熱器設備故障、維修成本高或者熱源不穩定，干預厭氧反應器溫度調整的機會少。

2 厭氧運行過程控制與管理方式

厭氧消化過程是一個非常復雜的涉及微生物細胞內部大量的、多步驟的微觀生物化學反應過程和厭氧反應器內固-液-氣三相間宏觀質量傳遞、熱量傳遞和能量傳遞的問題，發酵過程包含復雜的過程參數，且各參數之間高度耦合、相互影響。對發酵過程進行監測控制，有利于促進發酵效率并提高厭氧發酵過程的穩定性[24]。發酵過程控制和預測預警方式方法有很多分類，無論采取何種方式，其目的都是通過將發酵過程的某些狀態變量控制在期望的水平或時間曲線上，使得某一發酵性能指標達到最優[25]。綜合相關研究、文獻及工程實際，筆者將應用于厭氧消化過程控制的方式分為以下幾類：

2.1 基于經驗和數據分析的人工管理

這類運行管理方式常見于各類厭氧工程中，較粗放，包括部分大中型沼氣工程因為工藝運行不穩定導致自控系統被廢棄。在依賴人工經驗運行的過程中容易出現誤判，而為了避免誤判，只能在較低的負荷狀態下運行。

2.2 基于工藝特點以開關型組態為主的邏輯控制

由于發酵過程中對于特定變量的控制精度要求不高，為了提升工程自控水平，降低管理成本，根據工程工藝設計數據設定自動運行參數，在運行過程中，管理人員根據數據分析結果動態調整相關參數，如在不同反應器之間動態分配物料，調整攪拌頻率、強度等。

2.3 基于計算機技術和厭氧機理的模型控制

基于傳統動力學或系統動力學模型[26]、厭氧消化1號模型[27-28](ADM1)及其擴展模型、基于神經網絡[29-31]的計算機技術相結合的控制方式，用來精準模擬預測厭氧過程。雖然在厭氧結構化數學模型和工藝模擬方面取得了大量進展，但諸多生化反應動力學參數的獲取、參數識別和矯正以及誤差分析的有效方法還很欠缺[32]，大量研究成果多為實驗室或中試規模，實際應用在工程運行上的還有很多算法、執行機構、傳感器等方面的障礙。

2.4 開放式的測算和開回路-前饋控制方式

由于受傳感器、控制系統及其算法、設備故障率等幾大主要因素的限制，閉回路—反饋控制的全自動運行方式目前還較難應用于規模化沼氣工程，有研究提出了開放式的測算方法，并為運行的關鍵參數提出了基于實驗數據的閾值，劃定了報警范圍，并在實驗規模和工程規模取得了應用進展(見圖1)[16]。筆者認為這是當前條件下，為提高數據分析能力，降低人工誤判概率的應用可行性最高的控制方式。

圖1 1種開放式厭氧消化異常預警系統示意圖[16]

3 SaaS服務模式的應用

綜合前述分析，對厭氧消化過程的模擬、診斷和控制，本質上是采用科學的建模方法以及合理的分析手段對運行過程中產生的數據進行加工、分析并提取信息或者規則，再由執行機構采取相應的操作。決策越準確，所需要數據的數量、類型越多，數據的時效性要求也越高。目前，一方面，基于工藝特點的以開關型組態為主的邏輯控制程序，在參數調整的靈活性上不足以應對發酵過程的動態變化；另一方面，用于厭氧工藝預警的靈敏度高、時效性強的參數如VFAs、氫分壓等傳感器技術存在靈敏度、成本等問題[33-34]，傳感器、控制系統和執行機構很難形成完整穩定的閉回路-反饋的控制方式，這使得基于動力學或厭氧機理模型的精準先進控制算法應用受限，傳統的基于滴定計和色譜的VFAs和BOD等指標的測定對過程控制仍具有重要意義[35]。

筆者從2014年開始聯合部分企業開展了SaaS模式的技術服務，開發了云計算軟件，通過實時采集工程運行中的在線數據和基于web交互的離線數據，并對這些數據進行分析加工，為工程管理者和技術工人提供了具有較強時效性、專業性的技術服務，在應對厭氧過程動態變化及關鍵指標的預測預警方面取得了顯著成效，也為沼氣工程的動態運行管理提供了新的思路。

3.1 SaaS模式及其特點

SaaS是Software-as-a-service(軟件即服務)的簡稱，是一種基于互聯網通過瀏覽器或web2.0程序連接的形式為企業用戶或個人用戶提供軟件服務的應用模式，是軟件和信息服務的重要發展方向[36]。在SaaS模式下，用戶不再像傳統模式下那樣花費大量投資用于信息化建設，而只需支出一定的租賃費用并可以享有使用權和升級、維護服務，是網絡應用最具效益的營運模式，也是采用先進技術實施信息化建設的更具潛力和優勢的途徑[37]。相比傳統軟件，SaaS用戶不再強調對軟件本身的占有，而是突出對軟件承載的業務的使用效果以及個性化定制[38]。如圖2所示，筆者將SaaS軟件部署于云端，通過用戶數據隔離技術實現多用戶并行使用軟件所提供的云計算服務[39]，一對多的服務模式能夠提高專業技術服務專業領域的效率，降低軟件使用、開發和維護成本。用戶通過瀏覽器訪問可以突破地域和操作平臺限制，避免了安裝客戶端帶來的使用不便[40]。

3.2 SaaS的數據處理流程

厭氧消化系統SaaS軟件的數據分析流程如圖3所示。

(1)軟件的數據來源為3部分:一是安裝于厭氧反應器上的傳感器產生的在線數據，通過網絡上傳至云；二是工人取樣分析化驗的離線數據通過軟件web客戶端頁面交互輸入；三是厭氧工程本身的工藝數據，如反應器類型、有效容積、發酵溫度等，通過軟件后臺設置并參與工藝計算。

(2)在線數據和離線數據作為元數據，先經過數據預處理，去除噪點數據，補齊空值后，對關鍵工藝參數如COD去除率(%)，容積負荷(kgCOD·m-3d-1)，容積產氣率(m3·m-3d-1)等進行工藝計算并即時曲線可視化展示和查詢。

圖2 SaaS服務模式圖

(3)基于工藝計算，對運行參數的歷史數據進行二次計算和深度挖掘，對不同反應器間進行橫向、對單體反應器按歷史時段進行縱向評估運行的穩定性和效率，并對評估結果進行可視化展示；通過常范圍的自適應分析，識別各反應器的運行模式。

(4)以神經網絡為主方法，以歷史運行數據為訓練集和測試集，對各反應器進行建模，預測下一周期各反應器的揮發性脂肪酸(VFA)和pH值，并以這兩項指標作為預警參數，當預測值超出常范圍或安全閾值時，軟件啟動預警推送。

圖3 SaaS軟件數據處理流程圖

3.3 SaaS模式為厭氧過程管理提供的服務

(1)基于瀏覽器隨時隨地訪問，提供數據及信息的人機交互界面。

(2)運行過程中工藝指標、狀態指標、效益指標的可視化和統計分析，從企業管理流程上降低檢測部門、管理者和操作人員的溝通成本，并可與企業OA系統接合，提高管理效率。

(3)以各反應器COD去除率、有機負荷率、容積產氣率等指標為基礎，動態評估反應器效率和穩定性，給出關鍵工藝指標的閾值，比如OLR和VFA，替代人工模糊經驗對運行調整做出決策。

(4)不同指標參數對關鍵績效指標影響程度評估，并作預警。以溫度為例，氣溫對厭氧發酵效率的影響隨季節變化呈現出不同的權重。在冬季低溫及季節交替溫差大的時候，為保持運行的穩定性提前做出預警。

(5)對影響厭氧效率和穩定性的狀態指標和工藝指標進行分類預警。

4 需要解決的問題

SaaS模式在平臺的適用性、擴展性、人機交互便利性上顯示出較強的優勢，由于采取了結構化和模塊化設計，針對不同行業、物料、反應器，可以開發專用算法供用戶自主選擇使用，通過測試并與直接用戶溝通互動，SaaS模式在輔助用戶數據分析和運行決策方面已初見成效，但仍有如下幾個方面需要進一步提升。

(1)用戶友好。簡潔易用的人機交互界面；直觀的數據可視化，實用且有針對性的功能，能夠觸發用戶的使用渴望并形成習慣，從而提高用戶對軟件使用的粘性。

(2)充分利用現有可用數據，指標簡單易獲得，不為用戶造成太大使用成本，如昂貴的傳感器、增加設備以增加檢測指標等。

(3)數據交互的便利性、容錯性強，不能讓用戶在非直接功能上耗費太多精力和時間。

(4)算法及數學模型的普遍適用性、可靠性和科學性，基于統計學的數據處理手段。

(5)數據安全及用戶隱私。

(6)SaaS服務模式的定價策略，一般提供用戶免費使用的期限或采用免費使用加收費服務的模式。

5 展望

當前大量的規模化沼氣工程處于低效率低負荷的運行狀態，專業化的技術服務由于成本高和時效性差而與實際需求脫節，厭氧及與厭氧消化過程相關的配套裝備(尤其是傳感器)以及算法模型等的限制，要實現自適應厭氧過程動態變化的閉路自動控制工程化還有很長一段路要走。SaaS模式的探索是專業技術(人員)服務工程運行的一種高效便捷低成本的技術手段，它為工程管理人員提供了一種基于實際運行數據的輔助運行決策的工具，在市場需求與工業界良好的合作開展下，隨著算法模型-傳感器-自控設備的發展和融合，必將大大推動規模化沼氣工程的轉型升級。

[1] 宮 徽，徐 恒，左劍惡，等.沼氣精制技術的發展與應用.可再生能源[J].2013，31(5):103-108.

[2] Zhou J, Zhang R, Liu FW, Yong XY, Wu XY, Zheng T, Jiang M, Jia H H. Biogas production and microbial community shift through neutral pH control during the anaerobic digestion of pig manure[J].Bioresour Technol, 2016, 217: 44-49.

[3] Wang M, Zhang X Y, Zhou J, Yuan Y X, Dai Y M, Li D, Li Z D, Liu X F, Yan Z Y. The dynamic changes and interactional networks of prokaryotic community between co-digestion and mono-digestions of corn stalk and pig manure[J].Bioresour. Technol, 2017, 225: 23-33.

[4] 石元春.生物質能源四十年[J].生命科學，2015(5)26-5:432-439.

[5] 沈振寰. 我國工業有機廢水、廢渣大中型沼氣工程現狀、存在問題和對策建議[J].中國沼氣,2005(23):161-166.

[6] 樊京春，趙永強，秦世平.中國畜禽養殖場與輕工業沼氣技術指南[M].北京：化學工業出版社.2009.1: 37-42.

[7] H Hahn,B Krautkremer,K Hartmann,M Wachendorf. Reviewofconceptsfor a demand-driven biogas supply for flexible power generation, Renew. Sustain. Energy Rev. 29 (2014) 383e393.

[8] T. Persson, J.D. Murphy, A.-K. Jannasch, E. Ahern, J. Liebetrau, M. Trommler, J. Toyama, A Perspective on the Potential Role of Biogas in Smart Energy Grids, IEA Bioenergy, Dublin 9, 2015. ISBN 978-1-910154-12-0.

[9] 程 序，梁近光，鄭恒受，等.中國大中型沼氣轉型的戰略思考和初步實踐. 中國沼氣[J].2010,28(6):32-35.

[10] 段奇武，孔垂雪.我國沼氣產業發展的新機遇.中國沼氣[J].2016,34(1):94-96.

[11] 陳炳良，金章旭，林善釗，等.海藻制取沼氣與風力互補發電的模式探討.海洋與海岸帶開發[J].1992(9)2：72-74.

[12] 張本月，趙洪顏，于海茹，等.玉米秸稈厭氧消化性能評價[J].環境科學與技術,2016, 6 (39):70-74.

[13] 王 琳，任南琪，吳憶寧，等.一體式UASB-MBR反應器處理高濃度有機廢水[J].中國給排水,2006,15:33-36.

[14] 金仁村，鄭 平，蔡 靖，等.負荷沖擊下厭氧生物處理系統的穩定性[J].化工進展,2006,7(25)：770-779.

[15] 董仁杰,Bernhard raninger.沼氣工程與技術第四卷[M].北京：中國農業大學出版社,2013:65-68.

[16] Astrid Bensmann, Richard Hanke-Rauschenbach, Robert Heyer, etc. Diagnostic concept for dynamically operated biogas production plants[J].Renewable Energy,2016(96):479-489.

[17] 裴紅洋. 厭氧反應系統中鳥糞石結晶溶解去除的試驗研究[D].蘇州: 蘇州科技學院,2008.

[18] 印 輝，魏 梅.“全糟厭氧+UASB+好氧”工藝在酒糟廢水治理中的應用[J].江蘇環境科技,2005,(18)4:21-23.

[19] 孟成林，李榮平，李秀金.用于污泥厭氧消化的溫室-太陽能熱水器組合增溫系統[J].農業工程學報，2009，25(9):210-214.

[20] 趙杰紅，張 波，蔡偉民.溫度對廚余垃圾兩相厭氧消化中水解和酸化過程的影響[J].環境科學，2006(27)8:1682-1686.

[21] 孟成林，李榮平，李秀金.用于污泥厭氧消化的溫室-太陽能熱水器組合增溫系統[J] .農業工程學報,2009,(23)9:210-214.

[22] 吳美容, 張 瑞, 周 俊, 謝欣欣, 雍曉雨, 閆志英, 葛明民, 鄭 濤. 溫度對產甲烷菌代謝途徑和優勢菌群結構的影響[J].化工學報, 2014, 5: 1602-1606.

[23] 張少鵬, 韓瑞萍, 陳晶晶, 周 俊, 陸小華, 王昌松. 沼氣工程罐內盤管加熱傳熱速率與效率分析[J].化工學報, 2015, 11: 4304-4311.

[24] 李 偉，吳樹彪，Hamidou Bah，等.沼氣工程搞高效穩定運行技術現狀及展望[J] .農業機械學,2015(7)7:187-202.

[25] 丁 健.基于人工智能和代謝調控的典型好氧發酵過程在線控制和故障診斷[D].無錫:江南大學,2014.

[26] 王凱軍，閻 中.厭氧反應器系統動力學模型構建方法學研究[J] .環境科學,2008,09(09):2507-2512.

[27] 杜連柱，張克強，梁軍鋒，等.厭氧消化數學模型ADM1的研究及應用進展[J] .環境工程,2012(08):48-52.

[28] 左劍惡，凌雪峰，顧夏聲. 厭氧消化1號模型(ADM1)簡介[J] .環境科學研究,2003,01(16)：57-61.

[29] 匡小珠，師曉爽，吳 霞，等.有機物厭氧消化自動檢測與控制技術研究進展[J].中國沼氣,2009，27(1):16-19.

[30] 任南琪，章育銘，施 悅. 基于BP神經網絡的UASBAF系統運行調控策略[J].哈爾濱工業大學學報,2007(39)10:1564-1568.

[31] 張文陽，張良均，李 娜，等.多元回歸和BP人工網絡在預測混合厭氧消化產氣量過程中的應用比較[J].環境工程學報,2013(7)2：474-752.

[32] 王凱軍. 厭氧生物技術(I)—理論與應用[M].北京：化學工業出版社.2015.

[33] Heiko F, Jurgen V S, Ulrich M. On-line of volatile fatty acids for the process control of anaerobic digestion plants[J].Water Res,2002, 36(1):212-218.

[34] Zhang Y S, Zhang Z Y, Sugiura N, et al. Monitoring of methanogen density using near-infrared spectroscopy[J].Biomass Bioenergy,2002,22:489-495.

[35] 辛睿德，鄭 勇，鄒明宏，等.沼氣發酵監控系統的發展現狀與趨勢[J] .廣東農業科學,2013,2:182-184

[36] 葉 鍇，王合生，喻義勇，等.淺議SaaS模式環境監測信息化建設的可行性[J].環境監測管理與技術,2016,28(5):10-13.

[37] 汪莉莉.SaaS助力企業把握“互聯網+”時代轉型機遇[J].中國建設信息化,2015，21(Z1):88-89.

[38] 羅小利，吳清烈.SaaS軟件服務基于大規模定制的業務邏輯框架研究[J].電信科學,2011,9:26-31.

[39] 昌中作，徐 悅，戴 鋼.基于SaaS模式公共服務平臺多用戶數據結構的研究[J].計算機系統應用,2008,2:7-11.

[40] 朱養鵬，張 璟. SaaS平臺訪問控制研究[J].計算機工程與應用,2011，47(24):12-16