城鎮(zhèn)污水處理自動控制策略研究進(jìn)展

鄭懷禮　李俊　孫強　趙瑞　李關(guān)俠　黃文璇　丁魏　肖偉龍

摘 要：全過程自動化控制是未來城鎮(zhèn)污水處理廠的發(fā)展方向，但由于污水處理過程具有非線性、多變量、時變性等特點，自控系統(tǒng)中關(guān)鍵運行參數(shù)的測量以及控制決策的制定都存在困難，目前實際應(yīng)用的系統(tǒng)大多停留在實現(xiàn)單一參數(shù)或單一反應(yīng)器控制的層面上。自動控制策略是整個自動控制系統(tǒng)的頭腦，是充分發(fā)揮系統(tǒng)軟硬件效能、保證系統(tǒng)魯棒性的關(guān)鍵?？偨Y(jié)了城鎮(zhèn)污水處理廠自動控制方案依據(jù)的數(shù)學(xué)模型，描述了活性污泥模型（ASM）和仿真基準(zhǔn)模型（BSM）的基本特征，綜述了自動控制策略在城鎮(zhèn)污水處理曝氣、化學(xué)除磷以及多目標(biāo)優(yōu)化控制方面的研究進(jìn)展，分析了目前研究中存在的挑戰(zhàn)和機遇，發(fā)現(xiàn)理論研究與工程實踐相結(jié)合是加快城鎮(zhèn)污水處理廠自動化進(jìn)程的必要途徑。

關(guān)鍵詞：自動控制;活性污泥數(shù)學(xué)模型;曝氣;化學(xué)除磷;多目標(biāo)優(yōu)化

中圖分類號：X703.1 文獻(xiàn)標(biāo)志碼：R 文章編號：2096-6717（2020）01-0126-09

Abstract：Urban wastewater treatment plants are oriented to the entire process control， while automatic control systems encounter many problems in parameter measurement and decision making because the wastewater treatment process is nonlinear， multivariable and time-varying. Thus most of control systems in practice are merely aimed at single parameter control or single rector control by now. Automatic control strategies are the brain of control systems， which could fulfill the potential of the hardware and software in the system and ensure the robustness of the system. Thus the mathematical models applied in the automatic control strategies of the urban wastewater treatment are introduced， and the characteristics of Activated Sludge Models （ASMs） and Benchmark Simulation Models （BSMs） are summarized. The automatic control strategies in terms of aeration， chemical phosphorus removal and multi-objective optimization control are described respectively， and the challenges and opportunities in the recent research are presented. Combining the theoretical research and the engineering practice is necessary for the automation process of the urban wastewater treatment plants.

Keywords：automatic control; activated sludge models; aeration; chemical phosphorus removal; multi-objective optimization

水污染控制是生態(tài)文明建設(shè)的重要一環(huán)，良好的水環(huán)境是美好生活的必要需求。隨著中國經(jīng)濟(jì)的發(fā)展和人民生活水平的提高，污水排放量與日俱增，污水處理行業(yè)面臨巨大挑戰(zhàn)。污水處理行業(yè)作為能源密集型產(chǎn)業(yè)，運行成本高昂，如何在生產(chǎn)運行中兼顧環(huán)境效益與經(jīng)濟(jì)效益成為城鎮(zhèn)污水處理廠面臨的難題[1-2]。自動控制技術(shù)的引入有助于解決這個問題。一方面，可靠的自動控制系統(tǒng)可以在保證處理效果的前提下降低能耗和藥耗，節(jié)約能源和資源;另一方面，自動化的實現(xiàn)可以把人從重復(fù)動中解放出來，節(jié)省人力勞動以降低人力成本。對污水處理自動控制技術(shù)的研究始于20世紀(jì)七八十年代，中國在20世紀(jì)90年代以后開始引入自動控制系統(tǒng)，但當(dāng)時大多是引進(jìn)成套設(shè)備[3]。近年來，隨著電子技術(shù)的發(fā)展，自動化技術(shù)在污水處理領(lǐng)域取得了一系列進(jìn)展，自動控制策略的制定不再只滿足于過去單變量單輸出的控制目標(biāo)，而是逐步滲透至污水處理的各個環(huán)節(jié)。目前，中國的城鎮(zhèn)污水處理廠大多采用自動控制和現(xiàn)場調(diào)控相結(jié)合的方式，自動化、信息化程度相對較低，自動控制策略的研究和實踐對于提高污水處理可靠性、降低污水處理廠運行成本有著重要的意義。

1 活性污泥系統(tǒng)的模型

活性污泥法是城鎮(zhèn)污水處理領(lǐng)域應(yīng)用最廣泛的方法，數(shù)學(xué)模型的建立對于活性污泥系統(tǒng)的運行分析和參數(shù)優(yōu)化有著重要的意義[4]。學(xué)者們針對活性污泥系統(tǒng)提出了一系列靜態(tài)和動態(tài)的模型，其中最為知名且應(yīng)用最廣泛的是國際水協(xié)（IWA）推出的ASM系列模型[5]。該系列主要包括ASM1、ASM2、ASM2d及ASM3模型，它們包含的組分和涉及的反應(yīng)過程有所不同，主要特征如表1所示[6]。ASM系列模型將各種微生物反應(yīng)過程有機結(jié)合起來，細(xì)致地描述了污水中有機物和氮磷的降解過程。在ASM模型的實際應(yīng)用過程中，學(xué)者們從實際問題出發(fā)，簡化運行中影響不顯著的模型組分或為模型增添新組分，通過呼吸計量法、專家法、靈敏度分析法、過程工程法等方法對模型進(jìn)行參數(shù)校正，從而提高模型的精確度[7]。

學(xué)者們應(yīng)用ASM模型設(shè)計了各種控制策略，但由于不同研究中活性污泥系統(tǒng)的內(nèi)部結(jié)構(gòu)和外部環(huán)境各異，所采用評價指數(shù)的計算方式也不盡相同，難以對這些控制策略進(jìn)行對比評價[8]。為此，IWA同歐盟科學(xué)技術(shù)合作組織一起開發(fā)了仿真基準(zhǔn)模型（BSM），其中BSM1模型定義了污水處理的設(shè)備布局、相應(yīng)參數(shù)、污水負(fù)荷、仿真步驟以及對仿真結(jié)果的評價[9]，為控制策略的設(shè)計和評價提供了依據(jù)和準(zhǔn)則。BSM1模型的仿真時間僅為28 d，且只依據(jù)最后7 d的數(shù)據(jù)來計算評價指標(biāo)，Rosen等[10]改進(jìn)的長期模型將仿真時間擴展至1 a，同時，豐富了模型中的干擾因素和評價指標(biāo)。針對BSM1模型僅包含了污水處理系統(tǒng)生化池和二沉池的缺陷，Jeppsson等[11]改進(jìn)的BSM2模型將污水處理廠的其他工作單元（初沉池、厭氧消化反應(yīng)器等）也包括在其中。這些模型的建立為活性污泥處理系統(tǒng)自動控制方案的研究奠定了基礎(chǔ)，研究者們可以從不同的角度出發(fā)設(shè)計自動控制系統(tǒng)，基于這些模型對處理系統(tǒng)進(jìn)行動態(tài)分析，再按照擬定的標(biāo)準(zhǔn)評價試驗結(jié)果，用更好的方案來完成對控制系統(tǒng)的優(yōu)化。

2 污水處理自動控制策略的研究

傳統(tǒng)的污水處理自動控制模式多為線性控制，即把系統(tǒng)的整體運行效果看作系統(tǒng)各個部分單獨運行效果之和。時序控制是最簡單的自動控制模式，該模式通過建立適用于特定處理工藝的模型，制定出工藝流程的各個關(guān)鍵節(jié)點，然后按照精確的時間流程實現(xiàn)對整個系統(tǒng)的自動控制。比例積分微分（PID）控制是污水處理廠最常用的控制模式，該模式應(yīng)用PID模塊對系統(tǒng)誤差進(jìn)行校正，使其達(dá)到系統(tǒng)設(shè)定值。PID反饋模式被廣泛地應(yīng)用于活性污泥系統(tǒng)的溶解氧（DO）、氨氮、磷酸鹽等關(guān)鍵水質(zhì)指標(biāo)的控制[12]。反饋控制模式在系統(tǒng)誤差產(chǎn)生之后才開始響應(yīng)動作，具有一定的滯后性，如果事先對系統(tǒng)誤差的來源及其影響范圍有所估計，則可以采用前饋方式將干擾因素的測量信息也融入進(jìn)控制法則中，從而提高系統(tǒng)的響應(yīng)速度。

實際的污水處理過程具有非線性、多變量、時變性等特點[13]，傳統(tǒng)的控制模式抗干擾能力較差，已不能滿足污水處理廠日益復(fù)雜的控制需求。缺乏控制變量實時測量信息是自控系統(tǒng)運行中需解決的難題，自適應(yīng)控制模式通過建立模型來估算系統(tǒng)中的關(guān)鍵參數(shù)[14]，模型預(yù)測控制模式則是基于模型對系統(tǒng)輸出量進(jìn)行預(yù)測[15]，這兩種模式的控制原理都是線性化處理輕微非線性的系統(tǒng)。系統(tǒng)的非線性程度很強時，為了提高控制效率，只能應(yīng)用非線性控制理論來設(shè)計系統(tǒng)。非線性控制模式包括幾何控制[16]、增益調(diào)度控制[17]、非線性模型預(yù)測控制[18]等，這些控制系統(tǒng)結(jié)構(gòu)復(fù)雜，計算量龐大，對現(xiàn)場設(shè)備的計算能力和操作者的專業(yè)水平都提出了較高的要求。

智能控制算法是高級的自動控制策略，主要包括神經(jīng)網(wǎng)絡(luò)、模糊算法、進(jìn)化算法等。神經(jīng)網(wǎng)絡(luò)算法模擬人腦神經(jīng)系統(tǒng)，采用人工神經(jīng)元網(wǎng)絡(luò)來處理信息[19];模糊算法的邏輯值在0和1間變化，這種邊界平滑過渡反映了系統(tǒng)的內(nèi)在不確定性，非常適用于估計系統(tǒng)中不精確的參數(shù)[20];進(jìn)化算法由生物進(jìn)化理論發(fā)展而來，遺傳算法是其中一個較為成熟的分支，具有強大的檢索和全局優(yōu)化能力[21]。智能控制算法作為統(tǒng)計分析工具在污水處理系統(tǒng)中有著廣闊的應(yīng)用前景，與上述的線性和非線性控制模式相結(jié)合，有助于在復(fù)雜的污水處理系統(tǒng)中建立系統(tǒng)行為模型，從而賦予系統(tǒng)較強的學(xué)習(xí)和適應(yīng)能力，增強系統(tǒng)魯棒性。

2.1 精確曝氣控制策略的研究

活性污泥法的曝氣系統(tǒng)完成了氧從氣相到液相的轉(zhuǎn)換過程，為污水中有機物的氧化過程提供電子受體[22]。曝氣量的控制對系統(tǒng)的正常運行至關(guān)重要，曝氣量不足容易引起絲狀菌的過量繁殖，進(jìn)而導(dǎo)致污泥膨脹，過高的曝氣量則又會破壞污泥絮體，降低生化處理效率[23]。鼓風(fēng)曝氣設(shè)備在運行中能耗量巨大，這部分費用占污水處理廠總運行成本的20%～40%[24]。利用數(shù)學(xué)模型對曝氣系統(tǒng)進(jìn)行優(yōu)化，實現(xiàn)對曝氣系統(tǒng)精確的自動控制，不僅可以降低能耗，還有助于提高系統(tǒng)的處理效果及穩(wěn)定性。

一些國家和地區(qū)的污水排放標(biāo)準(zhǔn)定義為長期平均值，Amand等[25]提出的控制策略以一定范圍的水質(zhì)波動為妥協(xié)，通過降低系統(tǒng)反饋速度來減少曝氣量，從而達(dá)到降低能耗的目的。系統(tǒng)采用離散控制器響應(yīng)進(jìn)水負(fù)荷，以出水氨氮平均濃度為控制指標(biāo)，BSM1模型的模擬結(jié)果顯示，這種控制方案比維持曝氣池內(nèi)溶解氧濃度恒定的方案節(jié)約了1%～4%的能量，比基于出水氨氮濃度快速反饋的方案節(jié)約了14%的能量。

傳統(tǒng)的控制模式有著結(jié)構(gòu)簡單、調(diào)控便捷、經(jīng)驗成熟等優(yōu)勢，在各種污水處理工藝的精確曝氣系統(tǒng)中依然應(yīng)用廣泛。Sun等[26]采用兩級串聯(lián)比例積分（PI）算法，設(shè)計了一個基于氨氮反饋的生物膜法自動曝氣系統(tǒng)，在生化池末端設(shè)置DO和氨氮濃度探針，進(jìn)水泵房設(shè)置電磁流量計來監(jiān)測流量，運用ASM2d模型對系統(tǒng)進(jìn)行模擬和參數(shù)優(yōu)化，在污水廠中的運行實踐表明，系統(tǒng)曝氣量較優(yōu)化前減少了20%。

曝氣系統(tǒng)中存在著測量和反饋滯后性的問題，學(xué)者們通過將傳統(tǒng)控制模式與模糊控制或模型預(yù)測控制相結(jié)合來增強系統(tǒng)的靈活性。Chiavola等[27]運用模糊控制策略對兩個分別采用PID控制和氧化還原電位（ORP）控制的污水廠進(jìn)行改造，控制系統(tǒng)根據(jù)出水氨氮濃度來調(diào)節(jié)反應(yīng)器中溶解氧濃度，ORP控制較PID控制每年可降低2%的能耗，模糊控制的能耗降幅則達(dá)到了13%。Kim等[28]對采用ABA2工藝的中試規(guī)模污水處理廠進(jìn)行模型預(yù)測控制優(yōu)化，簡化了ASM2模型用于預(yù)測污水中氮、磷等污染物的轉(zhuǎn)化過程，模型的氨氮預(yù)測值與實測值之間的標(biāo)準(zhǔn)差僅為0.1 mg/L，曝氣系統(tǒng)在由季節(jié)引起的水質(zhì)、溫度變化下依然運行良好，與改造前相比降低了約19%的能耗。Qiu等[29]建立了一個包括能量、曝氣量、射流影響等參數(shù)的表曝機能量模型，并依據(jù)前饋反饋控制系統(tǒng)的實時監(jiān)測數(shù)據(jù)（氧傳遞速率、耗氧率、射流速度等）來優(yōu)化模型參數(shù)。將該模型應(yīng)用至采用氧化溝工藝的污水廠中，系統(tǒng)能耗較改造前降低了約10%。王世平等[30]對一個采用A2/O工藝，日處理量20萬t的污水處理廠進(jìn)行精確曝氣控制改造?？刂葡到y(tǒng)采取“前饋反饋模型”多參數(shù)控制的方式，根據(jù)水量、水質(zhì)指標(biāo)等實時監(jiān)控數(shù)據(jù)進(jìn)行模擬計算，通過控制鼓風(fēng)機和閥門的啟閉按需曝氣。穩(wěn)定運行一年后，系統(tǒng)DO濃度精確到了1.9～2.2 mg/L（設(shè)定值為2 mg/L），與改造前相比能耗降低了17%，出水總氮濃度也大幅度降低。

分析以上研究可以發(fā)現(xiàn)，精確曝氣系統(tǒng)的控制策略是主要以DO、ORP、氨氮等水質(zhì)參數(shù)為控制變量，在保證出水水質(zhì)達(dá)標(biāo)的前提下通過控制曝氣時間來降低能耗。這些控制策略很多是以出水氨氮為控制指標(biāo)，因為在活性污泥系統(tǒng)中好氧異養(yǎng)菌的種群密度遠(yuǎn)遠(yuǎn)大于硝化細(xì)菌，正常運行的系統(tǒng)出水氨氮濃度較低時，也可以判斷COD處于較低水平[24]。當(dāng)控制變量較少時，傳統(tǒng)控制模式基本上已可滿足精確曝氣系統(tǒng)的控制需求，模型預(yù)測控制和模糊控制策略的應(yīng)用則可以解決系統(tǒng)中存在的滯后性問題。自動曝氣系統(tǒng)在推廣上存在的困難主要包括：試運行校驗時間長、硬件設(shè)備質(zhì)量要求高、管理維護(hù)技術(shù)水平要求高等[31]。因此，設(shè)計自動曝氣系統(tǒng)時既要考慮污水處理工藝特征和控制要求，也要充分照顧污水處理廠本身的生產(chǎn)配置條件。

2.2 化學(xué)除磷自動加藥控制策略的研究

污水處理是一個復(fù)雜的、眾多因素相互作用的過程，僅僅依靠生化系統(tǒng)有時無法達(dá)到控制目標(biāo)。在脫氮除磷工藝中，反硝化菌和聚磷菌會在厭氧條件下競爭碳源，處于競爭劣勢的聚磷菌便不能將厭氧釋磷過程進(jìn)行徹底，進(jìn)而影響好氧條件下過量吸磷的過程，從而導(dǎo)致無法通過排泥的措施達(dá)到理想的除磷效果。為滿足總磷排放標(biāo)準(zhǔn)，城鎮(zhèn)污水處理廠常常需要投加藥劑進(jìn)行化學(xué)除磷[32]?；瘜W(xué)除磷的效果受到水體pH、溫度、氧化還原環(huán)境、加藥點、反應(yīng)器結(jié)構(gòu)、微生物代謝作用等多種因素的影響[33]，相應(yīng)地，除磷藥劑也會影響生化池的處理效果，過多的投藥量會使環(huán)境中的磷含量不足以支持微生物的細(xì)胞合成作用[34]。人工加藥往往只能依據(jù)工作人員的經(jīng)驗，處理效果并不穩(wěn)定。因此，實現(xiàn)加藥的優(yōu)化控制對化學(xué)除磷過程十分重要。

早期的化學(xué)除磷自動加藥系統(tǒng)根據(jù)進(jìn)水流量進(jìn)行恒比例加藥[35]，由于進(jìn)水水質(zhì)的波動，這種策略必然會造成藥劑的浪費或出水總磷排放不達(dá)標(biāo)。近年來，隨著在線磷酸鹽儀表的普及，中國的學(xué)者設(shè)計了多種化學(xué)除磷自控方案，并將其應(yīng)用至工程實踐。

馬偉芳等[36]通過實驗建立了適用于某示范污水處理廠的化學(xué)除磷加藥量預(yù)測模型，采用對出水總磷反饋的控制策略，通過加藥泵的變頻調(diào)節(jié)來實現(xiàn)化學(xué)除磷的優(yōu)化控制。改造后該廠出水總磷濃度穩(wěn)定達(dá)到一級A排放標(biāo)準(zhǔn)，較改造前節(jié)省了約20%的投藥量。龐洪濤等[37]將前饋與反饋模式相結(jié)合來控制變頻加藥泵的運作，實行在曝氣池末端和反硝化濾池加藥的兩點加藥策略，對日處理量10萬t的污水處理廠進(jìn)行改造。系統(tǒng)穩(wěn)定運行了3個月后，投藥量減少了30%以上，出水總磷濃度穩(wěn)定在0.2～0.3 mg/L。賈玉柱等[38]在對污水處理廠二期改造時，為生化池配置了實時時鐘除磷（P-RTC）動態(tài)控制系統(tǒng)。系統(tǒng)對進(jìn)水流量和正磷酸鹽實時測量值進(jìn)行反饋，利用內(nèi)置數(shù)學(xué)模型計算出加藥量并控制計量泵運作。穩(wěn)定運行1 a之后，新系統(tǒng)的除磷噸水藥耗降低約17%，期間的藥劑成本減少約20萬元。邱勇等[39]對一個采用A2/O工藝的污水處理廠進(jìn)行化學(xué)除磷優(yōu)化改造，他們分別探究了時序控制、流量前饋、出水反饋3種自控策略對除磷效果的影響。時序控制有著運行方式簡單、平均加藥量小的優(yōu)勢，但該系統(tǒng)耐沖擊負(fù)荷能力差，處理效果不穩(wěn)定;由于系統(tǒng)中存在著模型不精確、配水不均等問題，流量前饋方案的可靠性也較差;出水反饋系統(tǒng)雖然存在滯后性并且需要大量監(jiān)測儀器支持，但在加藥量相近的情況下，在這幾種模式之中控制效果最好。

Garikiparthy等[40]的研究基于實驗?zāi)M，以ASM2d模型模擬A2/O工藝的除磷過程，探究了氯化鐵強化化學(xué)除磷的優(yōu)化控制策略。恒劑量控制、反饋控制、前饋控制、進(jìn)給比控制4種控制方案都較改造前提高了50%左右的總磷去除率，其中反饋控制模式分別在好氧池和缺氧池設(shè)置針對總磷和硝酸鹽濃度的PI控制器，形成多環(huán)控制網(wǎng)絡(luò)，這種模式總磷去除率最高并且藥耗量最小。

不同于上述多數(shù)研究中基于磷酸鹽反饋的控制策略，Kim等[41]建立了一個采用自動滴定方式的化學(xué)除磷加藥系統(tǒng)，根據(jù)實時電荷量確定活性污泥系統(tǒng)中除磷所需的藥劑量。在3個月的小試試驗中系統(tǒng)平均投藥量減少了14%，總磷去除率提高了5%。

化學(xué)除磷過程并不能概括為簡單的化學(xué)方程式，關(guān)于其深層反應(yīng)機理和污水廠規(guī)模的建模近年來有一系列的研究進(jìn)展，對化學(xué)除磷自動加藥方案的設(shè)計和優(yōu)化意義重大。Hauduc等[42]提出了一個化學(xué)除磷的動態(tài)模型，描述了污水處理系統(tǒng)中磷酸鹽和鐵鹽混凝劑的吸附和沉淀機理。Mbamba等[43]提出了一個以物化機理改進(jìn)的BSM子模型，并將該模型的模擬結(jié)果與污水處理廠的實際數(shù)據(jù)作對比，磷的預(yù)測值與測量值的相對偏差只有4～15%。隨后，同一課題組[44]利用該模型和MBR中試反應(yīng)裝置，深入探討了化學(xué)除磷過程中鐵鹽的投加策略。通過將模擬數(shù)據(jù)和中試反應(yīng)裝置運行數(shù)據(jù)作對比發(fā)現(xiàn)，穩(wěn)定運行后模型的磷、氨氮、固體懸浮物預(yù)測值都達(dá)到了較高的精度?；谀Ｐ偷倪\行分析發(fā)現(xiàn)，鐵鹽的最佳投藥點為好氧池，當(dāng)閉環(huán)控制系統(tǒng)將裝置內(nèi)的磷控制在設(shè)定值后，出水總磷濃度下降到了更低的水平，顯示出了自動控制的優(yōu)越性。

化學(xué)除磷法在幫助城鎮(zhèn)污水處理廠達(dá)到總磷排放標(biāo)準(zhǔn)的同時，也增加了污水處理廠的污泥產(chǎn)量和運行成本，優(yōu)化的自動加藥系統(tǒng)有助于抑制這些弊端。以上研究可以發(fā)現(xiàn)，化學(xué)除磷自動加藥系統(tǒng)在中國的應(yīng)用已經(jīng)相對成熟，但是這些系統(tǒng)所依據(jù)的模型大多比較簡單，沒有考慮除磷藥劑在活性污泥系統(tǒng)中復(fù)雜的轉(zhuǎn)化過程，因此，在提高除磷效率上存在著相當(dāng)大的優(yōu)化空間。關(guān)于化學(xué)除磷機理和模型的研究成果顯著，但為了提高模型預(yù)測精準(zhǔn)度，系統(tǒng)中需要增加鐵鹽這種非常規(guī)指標(biāo)的監(jiān)測裝置，這也為其應(yīng)用帶來了相當(dāng)大的限制。以上這些研究并未涉及可用于回收磷的吸附法和結(jié)晶法[45]，可以作為學(xué)者們今后設(shè)計化學(xué)除磷自動加藥方案時的考慮方向。

2.3 多目標(biāo)優(yōu)化控制策略的研究

污水處理廠運行的首要目標(biāo)是使各項水質(zhì)指標(biāo)達(dá)到排放標(biāo)準(zhǔn)，維持運行工況的安全穩(wěn)定，其次則是降低成本、減少能耗、提高環(huán)境效益[46-47]。污水處理過程機理復(fù)雜，難以建立精確的模型描述各種參數(shù)間的關(guān)系。同時，這個過程又容易受到外界因素影響，天氣、溫度等條件都會引起入水水質(zhì)和處理環(huán)境的改變。如何在復(fù)雜的處理過程中平衡各項控制目標(biāo)，實現(xiàn)控制系統(tǒng)的最優(yōu)化是近年來學(xué)者們探索的主要方向。智能控制算法不僅可以滿足這些研究中多變量多輸出的控制需求，也賦予了控制系統(tǒng)強大的學(xué)習(xí)、適應(yīng)能力。BSM系列模型及其相關(guān)模擬軟件為學(xué)者們檢驗和評價新系統(tǒng)提供了重要的工具。多目標(biāo)優(yōu)化控制系統(tǒng)近年來研究成果的總結(jié)如表2所示。

污水處理廠的出水水質(zhì)和運行成本是學(xué)者們最關(guān)注的問題。Qiao等[48]利用差分進(jìn)化算法來計算好氧池DO濃度和缺氧池硝態(tài)氮濃度的最佳設(shè)定值，并通過自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制器追蹤這些設(shè)定值以達(dá)到預(yù)期效果。與已報道的其他控制策略相比，系統(tǒng)的模擬評價指標(biāo)（包括曝氣能量、抽運能量及出水水質(zhì)）都有所改善。Han[49]等構(gòu)建了自適應(yīng)核函數(shù)模型來描述系統(tǒng)中出水水質(zhì)、能耗的復(fù)雜動力學(xué)，通過多目標(biāo)粒子群優(yōu)化算法確定系統(tǒng)溶解氧和硝酸鹽的最佳設(shè)定值，然后借助模糊神經(jīng)網(wǎng)絡(luò)控制器來追蹤控制這些參數(shù)。模擬結(jié)果表明，系統(tǒng)在干燥、雨天及暴雨3種天氣下的控制誤差比其他同類研究小，抗干擾能力強，同時也做到了水質(zhì)和能耗的平衡，在降低能耗方面作用突出。Foscoliano等[50]將遞歸神經(jīng)網(wǎng)絡(luò)系統(tǒng)用于處理數(shù)據(jù)和改善模型，借助動態(tài)矩陣算法來獲得生化系統(tǒng)DO值和內(nèi)回流比的最佳控制。模擬結(jié)果表明，該控制系統(tǒng)在氣候和測量誤差的干擾下具有魯棒性，有助于在減少運行成本的同時降低出水氨氮濃度峰值和硝酸鹽濃度。Santin等[51]構(gòu)建了一個采用分級控制結(jié)構(gòu)的自動控制系統(tǒng)，系統(tǒng)低層采用帶有前饋補償?shù)哪Ｐ皖A(yù)測控制器，高層采用模糊控制器，通過權(quán)衡分析來確定一個可以同時改善出水水質(zhì)和減少運行費用的優(yōu)化控制區(qū)域。

全球變暖是國際社會中的熱點問題，應(yīng)對氣候變化的系列舉措也為污水處理廠提出了減少溫室氣體排放的新要求。Sweetapple等[52]選擇非劣排序遺傳算法作為最優(yōu)化處理算法，探究了污水處理廠減少溫室氣體（CO2和N2O）排放的控制策略。模擬結(jié)果表明，在不改變污水處理廠設(shè)施布局的情況下，可采取調(diào)整曝氣量和減少碳源投加量等措施來減少溫室氣體排放。在保證出水水質(zhì)達(dá)標(biāo)而又不增加運行費用的前提下，該控制策略有助于最大限度地減少溫室氣體排放量。Boiocchi等[53]提出了一個用于減少污水處理廠N2O排放量的自控策略。由于設(shè)計和運行參數(shù)的差異，不同污水處理廠的最低N2O排放量變化很大，因此，控制目標(biāo)便設(shè)定為遵守氨氮排放標(biāo)準(zhǔn)的同時，在特定污水廠達(dá)到最少的N2O排放量。系統(tǒng)采用模糊控制策略，依據(jù)好氧區(qū)出入口氨氮和硝態(tài)氮的測量數(shù)據(jù)，通過控制曝氣維持系統(tǒng)中氨氧化菌（AOB）和亞硝酸鹽氧化菌（NOB）活性的平衡，提高NOB對AOB產(chǎn)出的亞硝酸鹽的吸收量，從而減少N2O產(chǎn)量。Diaz等[54]對西班牙的一個帶有回用水系統(tǒng)的小型污水處理廠進(jìn)行改造，采用模糊多目標(biāo)規(guī)劃技術(shù)建立模型，用于控制污水處理廠中水稀釋污水的處理過程，借此對污水處理廠的二級和三級處理工藝進(jìn)行優(yōu)化。此方案與污水處理廠原有方案相比降低了約50%的成本，理論上每年可減少CO2排放量586.2 t。

傳統(tǒng)的污水處理工藝忽視了污水本身作為能源載體的特點[55]，單純地采取“以能耗能”的方式去除污染物。在目前能源短缺的背景下，污水中所蘊藏資源的回收利用成為了一個重要的課題。Kim等[56]致力于研究污水處理廠出水水質(zhì)、沼氣產(chǎn)量及運行費用的綜合優(yōu)化問題，采用多環(huán)多目標(biāo)控制器控制運行中的各項參數(shù)，使其達(dá)到遺傳算法根據(jù)入水水質(zhì)確定的設(shè)定值。模擬和評價結(jié)果顯示，系統(tǒng)的沼氣產(chǎn)量提高了約4%，出水水質(zhì)也有相應(yīng)改善。Lee等[57]為了提高污水處理廠運行的可持續(xù)性，在活性污泥系統(tǒng)中設(shè)計了一個熱能聯(lián)產(chǎn)子系統(tǒng)。在這個子系統(tǒng)中，壓縮空氣同厭氧消化產(chǎn)生的沼氣一起在燃燒室中反應(yīng)生成高溫高壓氣體，隨后被輸送到微型燃?xì)廨啓C中用于發(fā)電。剩余的高溫高壓氣體一部分用于預(yù)熱爐加熱壓縮氣體，另一部分則經(jīng)過熱回收蒸汽機生成蒸汽用于維持厭氧消化所需的溫度。作者采用非劣排序遺傳算法作為多目標(biāo)優(yōu)化算法，運用熱環(huán)境經(jīng)濟(jì)建模的方法進(jìn)行評價分析。模擬結(jié)果顯示，系統(tǒng)的運行成本和環(huán)境影響分別降低了約17%和5%，熱能聯(lián)產(chǎn)系統(tǒng)提供的能量可滿足污水處理廠47%的電能需求和全部的熱能需求。

智能控制是污水處理廠自動控制的發(fā)展方向，自動控制策略也將致力于污水處理全過程的有效控制。目前，大部分的相關(guān)研究還是集中于實驗?zāi)M，這主要是由于以下原因：活性污泥系統(tǒng)的模型還不完善，對大規(guī)模城鎮(zhèn)污水處理廠的適用性不強;污水處理廠的安全穩(wěn)定運行始終是首要考慮因素，大規(guī)模水廠的改造試驗要承擔(dān)很大的風(fēng)險;自動控制系統(tǒng)的配套設(shè)備價格昂貴，試點工程需要大量資金支持。因此，這些研究還需要在工程實踐中開展進(jìn)一步的可靠性分析和成本效益分析，才能得到推廣和應(yīng)用。

3 結(jié)語與展望

城鎮(zhèn)污水處理廠自動控制的實現(xiàn)使技術(shù)人員無須親臨現(xiàn)場就可以監(jiān)測系統(tǒng)和現(xiàn)場設(shè)備的運行狀態(tài)，并利用本地軟硬件資源對遠(yuǎn)程對象進(jìn)行控制。依托于自控系統(tǒng)的發(fā)展，污水處理廠在滿足日益嚴(yán)格的環(huán)保要求的同時，有望最終實現(xiàn)全自動化無人值守或遠(yuǎn)端少人值守。

未來的城鎮(zhèn)污水處理廠自動控制系統(tǒng)將向著智能化、集成化方向發(fā)展，安全穩(wěn)定、運行維護(hù)便捷、綠色可持續(xù)將成為其基本特征。針對目前研究中存在的問題，有以下幾點建議：

1）建立適用于大規(guī)模污水廠的數(shù)學(xué)模型。云計算機操作系統(tǒng)為自動控制系統(tǒng)的發(fā)展提供了新的機遇，可以通過計算機進(jìn)行大數(shù)據(jù)的收集和記錄，建立基于大數(shù)據(jù)的數(shù)學(xué)模型以增強控制系統(tǒng)的魯棒性。同時，云平臺也可以為相似污水處理系統(tǒng)的控制和參數(shù)調(diào)節(jié)提供技術(shù)支持和示范。

2）綜合考慮實際運行中的控制目標(biāo)，建立完備的評價體系。不同國家和地區(qū)的排放標(biāo)準(zhǔn)和污水廠運行目標(biāo)有所差異，為了使設(shè)計的系統(tǒng)更好地適應(yīng)當(dāng)?shù)氐陌l(fā)展要求，完備的評價體系不可或缺。

3）積極開展試點工程實踐。在風(fēng)險防范措施可靠的情況下，應(yīng)當(dāng)積極應(yīng)用自動控制系統(tǒng)進(jìn)行試點改造，在工程實踐中發(fā)現(xiàn)問題，并通過優(yōu)化模型和算法或增加監(jiān)測控制設(shè)備來解決問題。成功的工程實踐可以大幅度推進(jìn)污水處理自動化的進(jìn)程。

參考文獻(xiàn)：

[1] ZHANG Q H， YANG W N， NGO H H， et al. Current status of urban wastewater treatment plants in China[J]. Environment International， 2016， 92/93： 11-22.

[2] LONGO S， HOSPIDO A， LEMA J M， et al. A systematic methodology for the robust quantification of energy efficiency at wastewater treatment plants featuring data envelopment analysis[J]. Water Research， 2018， 141： 317-328.

[3] 高大文， 彭永臻， 王淑瑩， 等. 污水處理智能控制的研究、應(yīng)用與發(fā)展[J]. 中國給水排水， 2002， 18（6）： 35-39. GAO D W， PENG Y Z， WANG S Y， et al. Research， application and development on intelligent control of wastewater treatment[J]. China Water & Wastewater， 2002， 18（6）： 35-39.（in Chinese）

[4] 郭彥雪， 李偉， 趙凱. ASM2d模型改良及在DE型氧化溝中的應(yīng)用[J]. 土木建筑與環(huán)境工程， 2017， 39（1）： 125-131. GUO Y X， LI W， ZHAO K. Modified ASM2d model and application in the DE-oxidation ditch[J]. Journal of Civil， Architectural & Environmental Engineering， 2017， 39（1）： 125-131.（in Chinese）

[5] 盧培利， 張代鈞， 劉穎， 等. 活性污泥法動力學(xué)模型研究進(jìn)展和展望[J]. 重慶大學(xué)學(xué)報（自然科學(xué)版）， 2002， 25（3）： 109-114. LU P L， ZHANG D J， LIU Y， et al. Development and prospects of activated sludge dynamic model[J]. Journal of Chongqing University （Natural Science Edition）， 2002， 25（3）： 109-114.（in Chinese）

[6] HENZE M， GUJER W， MINO T， et al. Activated sludge models ASM1， ASM2， ASM2d and ASM3[M]. London： IWA Publishing， 2000.

[7] 池春榕， 董姍燕， 李齊佳， 等. 活性污泥數(shù)學(xué)模型研究進(jìn)展[J]. 有色金屬科學(xué)與工程， 2017， 8（4）： 111-117， 124. CHI C R， DONG S Y， LI Q J， et al. Research progress on activated sludge mathematical model[J]. Nonferrous Metals Science and Engineering， 2017， 8（4）： 111-117， 124.（in Chinese）

[8] DAI H L， CHEN W L， LU X W. The application of multi-objective optimization method for activated sludge process： A review[J]. Water Science and Technology， 2016， 73（2）： 223-235.

[9] 劉大偉， 沈文浩. 活性污泥法污水處理基準(zhǔn)仿真模型的開發(fā)及進(jìn)展[J]. 中國給水排水， 2007， 23（20）： 20-24. LIU D W， SHEN W H. Development of benchmark simulation model for activated sludge wastewater treatment[J]. China Water & Wastewater， 2007， 23（20）： 20-24.（in Chinese）

[10] ROSEN C， JEPPSSON U， VANROLLEGHEM P A. Towards a common benchmark for long-term process control and monitoring performance evaluation[J]. Water Science and Technology， 2004， 50（11）： 41-49.

[11] JEPPSSON U， PONS M N， NOPENS I， et al. Benchmark simulation model No 2： general protocol and exploratory case studies[J]. Water Science and Technology， 2007， 56（8）： 67-78.

[12] IRATNI A， CHANG N B. Advances in control technologies for wastewater treatment processes： Status， challenges， and perspectives[J]. CAA Journal of Automatica Sinica， 2019， 6（2）： 337-363.

[13] YANG T， QIU W， MA Y， et al. Fuzzy model-based predictive control of dissolved oxygen in activated sludge processes[J]. Neurocomputing， 2014， 136： 88-95.

[14] LIN M J， LUO F. An adaptive control method for the dissolved oxygen concentration in wastewater treatment plants[J]. Neural Computing and Applications， 2015， 26（8）： 2027-2037.

[15] WANG X D， RATNAWEERA H， HOLM J A， et al. Statistical monitoring and dynamic simulation of a wastewater treatment plant： A combined approach to achieve model predictive control[J]. Journal of Environmental Management， 2017， 193： 1-7.

[16] GHOSH P， ROY T K， MAJUMDER C. Optimization of industrial wastewater treatment using intuitionistic fuzzy goal geometric programming problem[J]. Fuzzy Information and Engineering， 2016， 8（3）： 329-343.

[17] VLAD C， SBARCIOG M， BARBU M， et al. Indirect control of substrate concentration for a wastewater treatment process by dissolved oxygen tracking[J]. Control Engineering and Applied Informatics， 2012， 14（1）： 37-47.

[18] HAN H G， QIAN H H， QIAO J F. Nonlinear multiobjective model-predictive control scheme for wastewater treatment process[J]. Journal of Process Control， 2014， 24（3）： 47-59.

[19] HAMED M M， KHALAFALLAH M G， HASSANIEN E A. Prediction of wastewater treatment plant performance using artificial neural networks[J]. Environmental Modelling & Software. 2004， 19（10）： 919-928.

[20] NADIRI A A， SHOKRI S， TSAI F T C， et al. Prediction of effluent quality parameters of a wastewater treatment plant using a supervised committee fuzzy logic model[J]. Journal of Cleaner Production， 2018， 180： 539-549.

[21] 叢露露. 基于遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在污水處理中的研究與應(yīng)用[D]. 上海： 華東理工大學(xué)， 2014. CONG L L. Research and application on optimized RBF neural network based on GA for sewage treatment[D]. Shanghai： East China University of Science and Technology， 2014.（in Chinese）

[22] MAND L， OLSSON G， CARLSSON B. Aeration controlA review[J]. Water Science and Technology， 2013， 67（11）： 2374-2398.

[23] 任爭光， 張景炳， 王浩宇， 等. 污水處理中曝氣控制研究進(jìn)展[J]. 環(huán)境衛(wèi)生工程， 2018， 26（2）： 67-72. REN Z G， ZHANG J B， WANG H Y， et al. Research progress of aeration control in wastewater treatment[J]. Environmental Sanitation Engineering， 2018， 26（2）： 67-72.（in Chinese）

[24] 魏彬， 楊慧敏， 張曉正， 等. 污水處理廠曝氣總量精確控制方法的研究與應(yīng)用[J]. 中國給水排水， 2016， 32（6）： 94-98. WEI B， YANG H M， ZHANG X Z， et al. Research and application of precise control method of total aeration rate in sewage treatment plant[J]. China Water & Wastewater， 2016， 32（6）： 94-98.（in Chinese）

[25] MAND L， CARLSSON B. Optimal aeration control in a nitrifying activated sludge process[J]. Water Research， 2012， 46（7）： 2101-2110.

[26] SUN J Y， LIANG P， YAN X X， et al. Reducing aeration energy consumption in a large-scale membrane bioreactor： Process simulation and engineering application[J]. Water Research， 2016， 93： 205-213.

[27] CHIAVOLA A， ROMANO R， BONGIROLAMI S， et al. Optimization of energy consumption in the biological reactor of a wastewater treatment plant by means of oxy fuzzy and ORP control[J]. Water， Air， & Soil Pollution， 2017， 228（8）： 277.

[28] KIM H， LIM H， WIE J， et al. Optimization of modified ABA2 process using linearized ASM2 for saving aeration energy[J]. Chemical Engineering Journal， 2014， 251： 337-342.

[29] QIU Y， ZHANG C， LI B， et al. Optimal surface aeration control in full-scale oxidation ditches through energy consumption analysis[J]. Water， 2018， 10（7）： 945.

[30] 王世平， 王藝霖. A2/O中精確曝氣控制的節(jié)能分析與評估[J]. 水處理技術(shù)， 2016， 42（11）： 113-117. WANG S P， WANG Y L. Analysis and evaluation of energy saving about accurate aeration control technology in A2/O process[J]. Technology of Water Treatment， 2016， 42（11）： 113-117.（in Chinese）

[31] 謝小明. 精確曝氣控制在污水處理廠中的應(yīng)用和探索[J]. 中國給水排水， 2016， 32（6）： 24-27. XIE X M. Application and exploration of accurate aeration control in sewage treatment plants[J]. China Water & Wastewater， 2016， 32（6）： 24-27.（in Chinese）

[32] 蔡娜， 鄭懷禮， 張正安， 等. 厭氧-接觸氧化工藝二級出水混凝除磷[J]. 環(huán)境工程學(xué)報， 2016， 10（8）： 4087-4091. CAI N， ZHENG H L， ZHANG Z G， et al. Phosphorus removal from anaerobic-contact oxidation effluent by coagulation[J]. Techniques and Equipment for Environmental Pollution Control， 2016， 10（8）： 4087-4091.（in Chinese）

[33] WANG Y， TNG K H， WU H， et al. Removal of phosphorus from wastewaters using ferrous salts-A pilot scale membrane bioreactor study[J]. Water Research， 2014， 57： 140-150.

[34] 張亞勤. 污水處理廠達(dá)到一級A排放標(biāo)準(zhǔn)中的化學(xué)除磷[J]. 中國市政工程， 2009（5）： 40-41， 55. ZHANG Y Q. Chemical phosphorus removal for achieving 1A standard in waste water treatment plant[J]. China Municipal Engineering， 2009（5）： 40-41， 55.（in Chinese）

[35] 李文華， 王巖. 重慶市巫山縣污水處理廠工程自動控制系統(tǒng)[J]. 控制工程， 2004（Sup2）： 26-29. LI W H， WANG Y. The automatic control system of Wushan wastewater treatment plant in Chongqing[J]. Control Engineering of China， 2004（Sup2）： 26-29.（in Chinese）

[36] 馬偉芳， 郭浩， 姜杰， 等. 城市污水廠化學(xué)除磷精確控制技術(shù)研究與工程示范[J]. 中國給水排水， 2014， 30（5）： 92-95. MA W F， GUO H， JIANG J， et al. Research and demonstration on precise control technology for chemical phosphorus removal in urban sewage treatment plant[J]. China Water & Wastewater， 2014， 30（5）： 92-95.（in Chinese）

[37] 龐洪濤， 薛曉飛， 邱勇， 等. 城市污水化學(xué)除磷優(yōu)化控制技術(shù)及工程應(yīng)用[J]. 中國給水排水， 2014（23）： 16-18. PANG H T， XUE X F， QIU Y， et al. Optimal control technology of chemical phosphorus removal from municipal wastewater and its engineering application[J]. China Water & Wastewater， 2014（23）： 16-18.（in Chinese）

[38] 賈玉柱， 趙月來， 劉成鈺， 等. P-RTC化學(xué)除磷智能實時控制系統(tǒng)在污水廠的應(yīng)用[J]. 中國給水排水， 2019， 35（8）： 87-90. JIA Y Z， ZHAO Y L， LIU C Y， et al. Study on operation effect of P-RTC automatic dosing device[J]. China Water & Wastewater， 2019， 35（8）： 87-90.（in Chinese）

[39] 邱勇， 李冰， 劉垚， 等. 污水處理廠化學(xué)除磷自動控制系統(tǒng)優(yōu)化研究[J]. 給水排水， 2016， 52（7）： 126-129. QIU Y， LI B， LIU Y， et al. Optimal control of chemical precipitation of phosphorous in wastewater treatment plants[J]. Water & Wastewater Engineering， 2016， 52（7）： 126-129.（in Chinese）

[40] GARIKIPARTHY P S N， LEE S C， LIU H B， et al. Evaluation of multiloop chemical dosage control strategies for total phosphorus removal of enhanced biological nutrient removal process[J]. Korean Journal of Chemical Engineering， 2016， 33（1）： 14-24.

[41] KIM W K， SUNG Y K， YOO H S， et al. Optimization of coagulation/flocculation for phosphorus removal from activated sludge effluent discharge using an online charge analyzing system titrator （CAST）[J]. Journal of Industrial and Engineering Chemistry， 2015， 21： 269-277.

[42] HAUDUC H， TAKCS I， SMITH S， et al. A dynamic physicochemical model for chemical phosphorus removal[J]. Water Research， 2015， 73： 157-170.

[43] KAZADI M C， FLORES-A X， JOHN B D， et al. Validation of a plant-wide phosphorus modelling approach with minerals precipitation in a full-scale WWTP[J]. Water Research， 2016， 100： 169-183.

[44] KAZADI M C， LINDBLOM E， FLORES-A X， et al. Plant-wide model-based analysis of iron dosage strategies for chemical phosphorus removal in wastewater treatment systems[J]. Water Research， 2019， 155： 12-25.

[45] 劉寧， 陳小光， 崔彥召， 等. 化學(xué)除磷工藝研究進(jìn)展[J]. 化工進(jìn)展， 2012， 31（7）： 1597-1603. LIU N， CHEN X G， CUI Y Z， et al. Research progress of chemical dephosphorization process[J]. Chemical Industry and Engineering Progress， 2012， 31（7）： 1597-1603.（in Chinese）

[46] LI W J， LI L J， QIU G Y. Energy consumption and economic cost of typical wastewater treatment systems in Shenzhen， China[J]. Journal of Cleaner Production， 2017， 163： S374-S378.

[47] DONG X， DU X M， LI K， et al. Benchmarking sustainability of urban water infrastructure systems in China[J]. Journal of Cleaner Production， 2018， 170： 330-338.