城南水廠除藻與混凝工藝單元協同控制運行試驗

葛紹根， 鄭蕾蕾， 楊 欣， 朱一凡， 郭勝程， 宋真明， 甄樹聰

(1.建湖縣自來水有限公司，江蘇建湖224700；2.鹽城工學院，江蘇鹽城224051)

建湖縣自來水有限公司城南水廠水源以西塘河、戛糧河為主，占比65%；大運河水源為輔，占比35%。該水廠處理規(guī)模為12.5×104m3/d，工藝為機械混合—網格絮凝—平流沉淀—V型濾池—臭氧消毒—生物活性炭濾池—清水池。供水的時變化系數約為1.46，最高峰和最低峰用水量相差較大。平流沉淀池分為3組，其中兩組5×104m3/d，一組2.5×104m3/d。平流池進水濁度最低約為35 NTU，最高可達100 NTU，多數情況進水濁度在40～60 NTU，出水濁度要求<1.3 NTU。加藥采用礬花圖像識別智能加藥系統、傳統的人工巡檢控制。由于建湖縣地處里下河下游低洼地區(qū)，內河徑流量小，稀釋更新速度慢，整個夏季水源均表現為高色度、高有機污染狀態(tài)，呈現富營養(yǎng)化狀態(tài)，藻類生長繁殖旺盛。

水源中藻類大量生長繁殖，會給飲用水處理帶來一系列問題[1-2]。不同的藻類會產生不同的分泌物，飲用水處理過程中很難將分泌物所帶的各種氣味完全去除，導致飲用水產生異味[3]。一部分藻類還會產生危害人體健康的藻毒素，且具有很多目前尚不明確的潛在危險[4]。藻類的增加，一方面阻塞濾池，使過濾周期縮短，間接導致水資源浪費和能耗增加[5]；另一方面會使水體中有機懸浮顆粒物電荷增加，進而導致混凝劑藥耗增加，提高生產成本[5-6]。此外，藻類在飲用水處理過程中不能被完全去除，會有少量通過各處理單元進入清水池再進入供水管網，并在供水管網中生長繁殖，使管網末梢水水質惡化，濁度增加，色度上升，管網腐蝕加快，服務年限縮短[2,7]。因此，采用預處理工藝去除藻類，對水廠運行、飲用水的生產和輸送都具有重要意義。

1 試驗部分

1.1 試驗儀器

葉綠素監(jiān)測設備：Tengine IMP一體化多參數水質分析儀；礬花圖像識別智能加藥系統。

1.2 試驗數據的獲取

通過KEP SERVER實時獲取外網葉綠素數據，礬花圖像識別由內網水廠中控室提供監(jiān)測數據，用開放數據庫互連實現KEP SERVER與NAVICAT(可創(chuàng)建多個連接的數據庫管理工具)互通，以此建立數據庫。出于水廠安全考量，外網與內網不能互通。由此，需要將外網與內網數據分開收集并進行離線整合。

1.3 試驗方案

戛糧河聚硅錳氯化鋁鉀投加由水廠中控室遠程操作調節(jié)，其接入外網。礬花圖像識別智能加藥系統接入內網。

聚硅錳氯化鋁鉀水解后會生成MnO2，一定濃度的MnO2可使水呈紅色。為防止配水井和沉淀工藝單元水質發(fā)紅，聚硅錳氯化鋁鉀的初期投加量平均為0.7 mg/L，確定水質不會發(fā)紅后，平均加藥量提高至1 mg/L，采用計量泵連續(xù)投加。

葉綠素監(jiān)測設備分別安裝在戛糧河、水廠進廠監(jiān)測站以及平流沉淀池末端。其中，戛糧河與水廠進廠監(jiān)測站采用探頭插入流通槽的測量方式。平流沉淀池采用直接將探頭插入露天水面的測量方式。葉綠素監(jiān)測設備配有濁度矯正功能。

城南水廠預氧化工藝采用投加聚硅錳氯化鋁鉀，配置濃度1%。在水源地戛糧河取水處投加，經過17 km管道輸送至水廠，并經過氣浮工藝后進入混凝工藝單元。混凝工藝單元采用礬花圖像識別智能加藥系統控制，該系統是利用基于圖像識別、AI算法實現水處理混凝工藝無人化的智能控制系統，屬于智慧水務技術范疇，可以有效保證出水水質連續(xù)穩(wěn)定達標，減少藥劑投加量。通過預氧化，測定藻類去除率和混凝劑投加量，分析預氧化對混凝的影響，并通過常規(guī)水質檢測儀器測定的溫度、濁度、流速等參數，分析預氧化和混凝協同控制的影響因素，為水廠實際運行提供參考。

實驗采用連續(xù)加藥方式，每48 h為一個運行周期。

2 結果與討論

2.1 加藥量與葉綠素濃度

根據葉綠素監(jiān)測設備記錄的葉綠素濃度數據，每2 h取平均值。采用聚硅錳氯化鋁鉀平均加藥量為0.7和1.0 mg/L時各連續(xù)2天的葉綠素監(jiān)測結果，與未投加聚硅錳氯化鋁鉀預氧化時沉淀池出水的葉綠素含量進行對比分析，結果見圖1。

圖1 不同聚硅錳氯化鋁鉀投加量對葉綠素的去除效果Fig.1 Removal effect of chlorophyll under different dosages of polysilicon manganese aluminum potassium chloride

由圖1可以看出，原水葉綠素濃度約為57 μg/L、聚硅錳氯化鋁鉀平均投加量為0.7 mg/L時，預氧化后的葉綠素濃度均低于未預氧化的葉綠素濃度。預氧化后，平流沉淀池出水葉綠素濃度最低，約為19 μg/L，其次是預氧化后進廠監(jiān)測站的葉綠素濃度，約為35 μg/L。而未預氧化平流沉淀池出水的葉綠素濃度在40 μg/L左右。聚硅錳氯化鋁鉀平均投加量為1.0 mg/L時，預氧化后的葉綠素濃度均低于未預氧化的葉綠素濃度。預氧化后，平流沉淀池出水葉綠素濃度最低，約為24 μg/L，其次是預氧化后進廠監(jiān)測站的葉綠素濃度，約為39 μg/L。未經預氧化的混凝沉淀工藝環(huán)節(jié)對藻類有40%左右的去除效果，而預氧化后則顯著提高至80%左右。

由圖1可以看出，聚硅錳氯化鋁鉀預氧化可以有效降低進廠監(jiān)測站和沉淀池出水的葉綠素含量，但聚硅錳氯化鋁鉀高投加量并未使葉綠素產生高的去除率。該結果與馬軍[8]、Zhu等[9]的研究結果相似：存在一個最佳投藥量，達到一定的投加量后，藻類去除率則不再隨加藥量的增加而增加，雖然此時仍然有約20%左右的葉綠素未能去除。由此可見，精準的預氧化劑投加量，既節(jié)省了預氧化劑的消耗，也會使藻類的去除達到最佳效果。

2.2 加藥量與葉綠素濃度的相關性分析

IMP一體化多參數水質分析儀監(jiān)測的流量、濁度、溫度、水源葉綠素濃度等數據見表1。

表1 實驗水質Tab.1 Water quality of experiment

分析聚硅錳氯化鋁鉀加藥量與葉綠素濃度相關性分析，結果見圖2。

圖2 不同聚硅錳氯化鋁鉀投加量下各水質因素的相關性Fig.2 Correlation of various water quality factors under different dosages of polysilicon manganese aluminum potassium chloride

可以看出，0.7 mg/L投加量下，影響葉綠素濃度的因素依次為溫度、原水葉綠素濃度、加藥量、流量、濁度，其中與溫度和原水葉綠素濃度均高度相關，與加藥量具有一定的相關性，而與流量和濁度基本無關；1.0 mg/L投加量下，影響葉綠素濃度的因素依次為溫度、濁度、原水葉綠素濃度、加藥量、流量，其中與溫度高度相關，與濁度負相關，和水源葉綠素濃度具有一定的相關性，而與流量和加藥量基本無關。

根據圖2.a和圖2.b的相關性分析可知，該結果與2.1的結果是一致的，在聚硅錳氯化鋁鉀低投加量時，葉綠素的去除率受溫度、原水葉綠素濃度和加藥量的影響，而在高投加量時，葉綠素的去除則與溫度高度相關，與濁度負相關，此時與加藥量無關。兩種情況下均與溫度高度相關，這是因為溫度一方面影響藻的生長繁殖，另一方面與藥劑的溶解水解直接相關。由圖2.a的相關性分析可知，此時增加加藥量，仍然會使葉綠素的去除率升高，但根據圖2.b的相關性分析可知，增加加藥量對葉綠素去除率的影響已經不再明顯。

2.3 聚硅錳氯化鋁鉀投加對礬花的影響分析

常規(guī)的礬花絮體識別是采用人工巡檢的方式，通過肉眼觀察、憑經驗進行判斷存在很多弊端，比如不及時、觀察不全面、判斷失誤等。鑒于此，該系統在礬花觀察階段利用機器眼取代人工，適應水質波動，實現實時、不間斷收集礬花表觀數據，再通過大數據程序實時推薦加藥量，按需按質進行混凝劑的投加，以保證出水水質達標。該系統具備自主學習優(yōu)化能力，在保證水質的情況下，能不斷提升藥劑節(jié)省比例，無人化智能控制也可節(jié)省大量人力，引領加藥系統向人工智能化的方向發(fā)展。

對兩種劑量投加聚硅錳氯化鋁鉀期間礬花圖像識別智能加藥系統數據進行分析，與未預氧化時數據相比，沉淀池出水濁度未發(fā)現顯著性差異，葉綠素剩余濃度差別也較小。這表明混凝沉淀工藝單元對于不同水質來水的處理能力存在一個極限值，不會由于來水水質的變化導致出水相關指標出現較大幅度的提高或降低。

2.4 藥耗分析

很多研究顯示，原水藻類會使凈水混凝劑藥耗增加[10-11]，試驗中將未加預氧化劑時的常規(guī)工藝、常規(guī)工藝+礬花圖像識別智能加藥系統、預氧化+常規(guī)工藝、預氧化+常規(guī)工藝+礬花圖像識別智能加藥系統組合等不同情況的礬耗量進行對比分析，結果見圖3。可以看出，預氧化+常規(guī)工藝+礬花圖像識別智能加藥系統組合情況下礬耗最小，約為61 mg/L；常規(guī)工藝礬耗最大，約為90 mg/L；常規(guī)工藝+礬花視鏡組合情況的礬耗量約為65 mg/L，而預氧化+常規(guī)工藝的礬耗量約為80 mg/L。預氧化和礬花圖像識別智能加藥系統都能降低礬耗量，但預氧化對礬耗的降低效果有限，礬花圖像識別智能加藥系統更有效。一方面預氧化可以去除部分藻類，使礬耗量降低；另一方面，聚硅錳氯化鋁鉀被還原后產生的二氧化錳發(fā)揮了混凝作用，降低了礬的耗量。由此可見，聚硅錳氯化鋁鉀除藻可能存在氧化和混凝沉淀等多重機制，且在聚硅錳氯化鋁鉀低劑量時更加明顯。

圖3 不同水處理工藝下的礬耗量Fig.3 Alum consumption under different water treatment processes

2.5 葉綠素濃度預測

為積極應對藻類濃度變化對出廠水水質的影響，及早干預，協同控制各工藝環(huán)節(jié)，選取進廠監(jiān)測站葉綠素濃度數據，采用LightGBM(light gradient boosting machine)對數據進行建模，預測葉綠素濃度。由圖4可以看出，LightGBM擬合的結果較好，能夠反映出進廠水葉綠素濃度的大小和變化，可以用于指導水廠實際運行。

圖4 LightGBM模型對葉綠素濃度的預測值與實際值對比Fig.4 Comparison of predicted value by the LightGBM model and actual value of chlorophyll concentration

3 結論與建議

① 采用聚硅錳氯化鋁鉀預氧化可以降低原水葉綠素濃度，從而實現對藻類的控制。由于聚硅錳氯化鋁鉀對藻類的作用以氧化為主，混凝為輔，不會促進藻類細胞破壞釋放藻毒素，是一種風險低且有效的控藻手段。

② 聚硅錳氯化鋁鉀的投加間接充當了混凝劑的作用，可以降低對PAC等混凝劑的需求，從而降低礬耗，與礬花圖像識別智能加藥系統實現“1+1>2”的協同效應。

③ 本試驗與生產運行同時進行，原水水質存在變化，涉及因素多且只選取了2組加藥量，所得到的結果和結論有一定的局限性。應該在水源水質相同情況下，進一步細化加藥量，得出最佳加藥量，對生產運行更具指導意義。

④ 聚硅錳氯化鋁鉀預氧化除藻的作用機制可能較為多元化，且除藻與礬花視鏡存在協同效應。

⑤ 如何采用機器智能控制，使葉綠素濃度預測與預氧化劑投加和混凝劑投加實現協同控制，在投藥量最優(yōu)的同時實現水處理效果最佳，是下一步試驗研究的方向。