潘泓江
臺州市水處理發展有限公司 浙江臺州 318000
我國的污水處理管控模式目前以自動化控制為主,也就是在工業計算機控制系統中實現對污水處理過程當中突發事件、緊急情況進行自動報警、穩態調節和遠程操作等。但實際上,自動化控制的功能多為基于開關的的邏輯控制和經典控制論所述控制,一旦遇到進水超負荷或運行工況變化,基于固定運行參數或者靠人工經驗調整的運行模式就很難滿足穩定運行的要求,造成出水水質不達標、能耗過高等問題[1]。
污水處理過程本就是一個工藝非常復雜的污水經微生物凈化的過程,不可能長期地處于非波動狀態。現有污水廠管理、操作人員大多采用的是傳統模式,即根據多年積累的工作經驗對污水處理過程進行監管。這就要求這些管理、操作人員得花較長時間在現場,以便預防各種可能會發生的問題;也有時因為新手員工的不當操作導致水處理設備壽命縮短,藥劑量加大,環境壓力陡升等運營成本風險。而且在數據記錄、分析相關環節,采用傳統的人工方式會造成數據時效性偏差。
如果從單個污水廠運營的角度看,目前的處理技術和管理模式基本上是可以滿足日常污水處理需求的,但如果從市場的角度看,人工成本會隨著處理規模的擴大而膨脹。尤其對于高度集成化、分布散落、水質水量極不穩定的鄉鎮污水處理廠來說,傳統模式無疑會增加這些污水處理廠后期運營的難度。
近年來,隨著浙江五水共治的逐步深入,更高的污水處理排放標準倒逼著污水處理工藝的升級[2-3]。污水處理廠檢測的指標一般比較多,如酸堿值、流量、氨氮濃度、化學需氧量、固體懸浮物濃度、溶解氧濃度等,某個站點出現故障問題將會在檢測的指標中體現,污水處理中處理效果不佳、運行費用高和污染環境等現象常常是由運行的異常引起的,對這些異常及時恰當處理可以提高污水處理的效率。而其中的關鍵是將工藝運行的經驗判斷進行量化分析,也就是將各類運行數據根據工藝自身的特點進行分析設計從而確定最佳工藝參數和運行方案以及預測運行過程中可能出現的問題及其對策。那么,融合了建模、聚類、匹配、優化、可視技術的大數據與污水處理系統相結合的智能污水處理系統就具備可行性。該系統目的就是將水處理硬件、軟件、數據分析和人工智能算法串聯起來解決工藝過程中的難點,提高機械設備運行的總體性能。從機理層面講,智能污水處理系統是利用機器學習來處理傳感器發送的實時數據,達到自動預測水處理設備潛在故障、自動診斷運行不合理的目標,進而實現信息互聯互通、問題提前預判反饋業主、數據自我演進迭代和基本無人參與的先進管理。從宏觀層面講,智能污水處理系統就是用機器感知技術代替人工肉眼觀察,通過條件研判確定關鍵指標可控因素,尤其是在不同地域、不同季節、不同環保要求、水質水量非常不穩定的條件下,更能根據實際情況,自動調節加藥頻率和劑量,從而將運營成本控制在最經濟范圍內,同時優化異常處置庫,提高必要人工運行操作的自主性和自覺性,大幅降低人為風險,節約成本。
上述所指的大數據,其實是一種通過云存儲和云計算對海量數據進行篩選、統計、分析后可以得到有價值信息的數據平臺。待這些數據積累到達到大數據的級別,智能污水處理系統則會針對不同需求,建立運算模型和仿真系統,先對數據進行篩選、計算、分析,再呈現在仿真系統里,來顯示過往運行的綜合狀況并預測未來運營的可能的走勢。譬如系統中某一個環節的數據開始出現微小的波動,不足以觸發告警,但是根據建模和仿真系統,可以預測并判斷出未來該環節是否會出現問題,并給予應對建議,將問題盡量消滅在萌芽階段,從而消除或降低該問題及次生問題所帶來的負面影響,并以此降低為解決問題而額外投入的成本,進而保障污水處理運營系統的安全穩定性和污水處理效率[4]。而支撐大數據的物聯網技術則是通過紅外感應器、激光設備、北斗定位等信息傳感設備實時收集系統各關鍵環節的指標數據,并實時上傳到大數據平臺以分析和存儲,一旦出現異常數據就會觸發告警,而后平臺會根據歷史經驗數據的分析,輸出診斷結果,并自動發送指令讓系統進行智能修復調試;如需要人工干預,則會直接推送信息給相應的管理人員。最重要的是,智能污水處理系統不僅能在大城市的污水處理廠發揮作用,更能在無人值守的小型污水處理廠、鄉鎮污水處理廠大顯神通,為污水廠解決分布不均、難統一管理等問題提供了有效方案[5-6]。
隨著污水處理行業進入創新期,以大數據、云計算、區塊鏈和人工智能為技術驅動,以政府的政策、資金為大力支持,傳統水處理行業將實現符合數字經濟格局的轉型。當然,這種技術也完全可以應用于創新城鄉供水模式,形成智慧供水系統。再大一些,可以跳出水務的框架思維,激活沉淀的數據價值,實現多元化數據的融合與深度挖掘。未來一個時期,各種智能化、智慧化平臺將陸續涌現,應用前景充滿光明。