活性污泥法过程控制模型探析

摘 要：本文主要介绍了活性污泥的生长过程控制模型，对相关进行了分析，比较了不同模型各自的特点，对其进行综合评价，同时指明了活性污泥法过程控制未来将重点发展自适应BP神经网络模型。

关键词：活性污泥法；过程控制；模型；自适应BP神经网络

DOI：10.16640/j.cnki.37-1222/t.2017.15.004

1 概述

当前在废水的生物处理中，活性污泥被普遍使用，同时人们对相应工艺流程的设计和系统整体的运行管理也给予了一定的重视。从上个世纪80年代至今，活性污泥法逐渐引入了数学建模和相应的计算机技术，同时取得了不错的效果。并且借助相关技术对活性污泥法的研究也从实验数据的拟合逐渐转向利用经典的微生物生长动力学模型，使整个过程更具有科学性。随后对相关的废水的处理过程加以探究，同时对整个过程加以动态分析，从而建立相关的模型。最终实现了指导设计向研究活性污泥的动态过程进行转化；其最终目的是保证系统能够较为高效地运行[1]。

2 传统的活性污泥过程模型

对传统活性污泥法进行建模是在上个世纪中期开始的，Ecken-felder等在VSS（挥发性悬浮固体）积累速率经验公式中提出的活性污泥模型，除此之外，McKinney等在污泥全混合的假设基础上提出了相关模型的建立，而Lawrence-Mccarty则是在微生物生长动力学的理论基础上提出了相关的模型。

以上三种模型的建立均基于如下假设：（1）反应进行的条件相对稳定，在反应器中微生物的浓度相对恒定，随着时间的推移，其变化范围较小，同时在进水口基质浓度相对稳定；（2）在整个反应系统中只存在两种固定的组分，相应的微生物或者是通过BOD5或COD指标表示的底物；（3）反应器完全混合同时相对均匀。

上述模型存在一定的缺陷，那就是只对含碳有机物的去除进行了探究，对伴随进水浓度变化而相应的发生有机物浓度变化的现象并没有合理解释。同时对污水实际处理过程中，有机物浓度相应增高时，微生物的生长速率变化情况没有进行具体的描述。由上述可知，传统活性污泥法的模型具有一定的优点，比如参数设置少，同时计算过程简单，但同样存在一定的缺点，比如对废水中氧的利用情况不能进行实时模拟，从而在对活性污泥系统的动态特性描述上相对匮乏。[2]。

3 动态的活性污泥过程模型

3.1 活性污泥过程模型（ASM）

上个世纪八十年代，国际水质协会的IAWQ组织专家对相关的活性污泥模型化进行了研究，在历时四年的研究工作里，该专家组收集了大量的数据，同时进行了归纳分析，同时在1986年发表了相应的活性污泥过程IAWQNo.1模型（ASMl）。在此模型中，曝气池中的过程被进行了细化，划分为八个具体过程，同时对池内的物质组分也进行了归类，分为十三种不同的组分。同时基于质量守恒的定律，借助相关的动力学和经验公式，对该系统的整体动态性质进行描述，同时利用微积分方程求解。结合不同的条件对火星的污泥的降解过程加以研究，主要分析了除碳和脱氮的相关动态过程。此模型一经发表，就吸引了业界人士的目光，当前该模型一经成为活性污泥仿真以及进行控制的基石。

在曝气池内进行的八个过程具体包括：（1）异养菌的好氧生长过程；（2）异养菌在缺氧条件下的生长过程；（3）自养菌的好氧生长过程；（4）异养菌数量减少逐渐衰退的过程；（5）自养菌数量减少，逐渐衰退的过程；（6）水中存在的可溶性有机氮的氨化过程；（7）有机碳的“水解”（8）机氮的“水解”。13个组分是：（1）易降解有机碳S5；（2）降解速度相对较慢的机碳X5；（3）可溶性有机氮Snd；（4）颗粒状可降解有机氮Xnd；（5）溶解氧SO；（6）氨态氮Snh；（7）硝态氮Sno；（8）碱度Salk；（9）异养菌Xbh；（10）自养菌Xba；（11）可溶惰性有机碳Si；（12）颗粒惰性有机碳Xi；（13）微生物衰减产物Xp。

3.2 自适应BP神经网络过程模型

针对污水处理过程中的具有一定的不确定性，同时这一模型产生的干扰相对较为严重，因此为使控制器具有更加优良的性能，保留原有的固定控制器，同时对其结合自组织的形式加以调整，从而保证该模型能够适应各种不同的环境，保证控制获得良好的效果。所设计的控制方法应用平台对溶解氧和硝态氮浓度进行控制，并且取得了预期的控制效果，同时在精度相对较高。通过与PID控制、BP的控制方法进行比较，结合相应的仿真效果，神经网络控制方法对于溶解氧硝态氮浓度的控制具有更好的控制精度和控制效果，同时稳定性也相对较高[3]。

学者Andrea等人利用BP建模方法针对污水处理系统建立了模型。Tzu等人采用ANFIS对污水处理的COD、PH以及出水的悬浮物质进行了预测，通过和比较，该方法在预测上更具有准确性。同时，Zhu等人提出了一种延迟神经网络（TDNN），该方法主要应用于污水的水质预测，同时对比于多层感知器网络模型，其效果更佳。在相应的系统中输入当前午污水的BOD、MLSS值，从而产生一个回流比，将该回流比应用于神经网络的的预测中，同时对该回流比的选择性加以验证。Capodaglio等人将相应的神经网络应用在对可能存在的污泥膨胀加以预测的方向，其具体做法是在模型中添加时间滞后参数，最终能够取得较为精准的预测效果。Tay等人提出一种模糊神经网络，该网络只要是应用于预测厌氧系统中可能存在的干扰，通过归纳分析实际的干扰因素，从而建立相应的模型，最终获得良好的效果。上述的各项研究均向我们展示了，神经网络在污水处理中的管饭应用，主要集中于模型的建立和预测方面，鲜少应用于相应的控制上。

4 小结

本文通过探讨探索活性污泥微生物增长和底物降解的规律，简单对比目前活性污泥非稳态动力学模型及相应的数值模拟计算方法，实现对污水处理过程及处理效果的预测。最后，通过文献调研发现自适应BP神经网络通过进行验证试验，实现数值的模拟，最终进行模拟计算，得出基于不同条件下底物浓度的相应变化，从实验中可以获得模拟值和实验值能够保持一致的关系，从而说明自适应BP神经网络模型是未来的发展与应用方向。

参考文献：

[1]田志梅.活性污泥生长的控制[J].江苏环境科技，2005（03）：15-16.

[2]吕晓磊.新活性污泥法处理效能及种群组成研究[D].哈尔滨工业大学，2008.

[3]范吉.包含溶解性微生物產物形成与降解及同时贮存与生长机理的新活性污泥数学模型建立与模拟研究[D].华东理工大学，2011.

作者简介：黄国庆（1986-），男，重庆涪陵人，工程师，从事水处理管理工作。