活性污泥模型(ASMs)研究进展及其发展前景

彭玉，王建辉，齐高相，高旭，申渝，3，冯东，钟诚

(1.重庆工商大学 智能制造服务国际科技合作基地，重庆 400067；2.重庆工商大学 环境与资源学院，重庆 400067；3.重庆南向泰斯环保技术研究院有限公司，重庆 400060；4.重庆中法环保研发中心有限公司，重庆 400020；5.重庆市水务资产经营有限公司，重庆 400010)

污水的处理方法包括物理、化学和生物法，其中，生物法中的活性污泥法应用最为广泛和典型，活性污泥系统是一个复杂的微生物生态系统，因微生物反应机理复杂，其处理效果受不确定因素的干扰较大。传统的污水处理厂运行都依靠经验丰富的技术人员去运行，虽然许多大型污水厂采购了大批技术先进、自动化程度高的设备和检测系统，但没有从根本上解决污水处理过程管理高度依赖人工经验造成的效率低、成本高和稳定性差的问题，通常需要依赖足够的容器储存进水，并过量曝气和投药，只保证了污水的达标，不能精确地调控污水厂的管理运行，造成能耗物耗的浪费。

各国学者通过大量实验和计算，得出了活性污泥法中各组分间的反应机理以及各反应要素之间的关系，建立了活性污泥数学模型(简称ASMs)，给污水厂的活性污泥工艺的运行管理提供了很大的帮助。活性污泥数学模型的建立包含了机理模型和统计模型，机理模型一般都以国际水协会的ASMs模型为核心，依据活性污泥系统中的质量、能量和动量守恒原理建立模型，统计模型是依据过程输入、输出数据的统计方法建立模型，在商业软件将这两类模型整合，就可以动态模拟仿真污水厂的各项出水水质变化，指导实际的生产运行，进而优化运行，以达到改善出水水质、节省曝气耗电，减少加药量、减少剩余污泥量、节省人力成本等目的。此外，模型还可对工艺设计和改进提供指导，通过对经济指标，如鼓风泵、加药、池体大小等方面的核算可筛选出技术合理、经济可行的最终设计方案。

1 ASM系列模型简介

1987年，国际水协(IWA)在传统活性污泥静态数学模型的基础上，推出了3套活性污泥核心模型ASM1、ASM2、ASM3，为活性污泥系统仿真提供了重要的理论基础，并广泛应用于许多的欧洲国家，许多国家已经将其作为一种标准。在我国，活性污泥模型在理论与实际应用相结合方面与国际先进水平存在着较大差距[1]，国际上以ASM系列模型为核心的软件主要有：EFOR、GPS-X、BIOWIN、WES、SSSP、ASIM等，这些软件可模拟污水处理厂的运行状况，以寻求最佳运行工况，还可以建立预案库，针对动态进水水质的情况快速调整运行策略。

ASMs系列模型的发展为污水处理工艺提供了重要的理论基础，主要描述了微生物去除污水中的COD、氮、磷等过程[1]。1987年IWA在Eckenfelder、Mckinney、英国水协会(WRC)、Andrews 等研究的基础上推出活性污泥模型1号(ASM1)，该模型引入了开关函数的概念，建立了碳氧化、硝化和反硝化模型[2]。模型以矩阵形式进行描述微生物的反应方程式，定义了13个进水颗粒态有机物和溶解态有机物组分，描述反应的19个参数，其中有14个是微生物动力学参数，5个是反应过程的计量系数。由于ASM1 只描述了COD和氮的去除，不包含磷去除的过程，因此使该模型应用受到了一定的限制[3]。

IWA在1995年推出了活性污泥模型2号[4](ASM2)。ASM2在ASM1基础上增加了除磷过程，引入了总悬浮固体TSS的概念，去除了在动力学中不起作用的组分，只考虑细胞生物量的平均组成；1999年，IWA对ASM2 稍有延伸，推出了ASM2d[5]，增加了聚磷菌(PAO)可利用细胞有机储存产物进行反硝化，改进了ASM2中PAO仅在好氧条件下生长的描述。

1999年IWA推出了ASM3。该模型所涉及的主要反应过程和ASM1基本相同，在ASM1中容易混淆的将异养菌和硝化菌衰减和死亡的转换过程进行了清晰的区分，将ASM1中反应过程的重点由水解转向有机底物的储存[2]。

2 国内外研究现状

近年来，随着智慧水务的发展，活性污泥数学模型是国内外水处理领域研究的热点之一[6]。从相关的研究进展来看，目前主要的研究方向有三个：一是基于ASMs系列模型模拟实际污水处理工艺，二是对模型中活性污泥动力学参数校正方法的研究，三是对模型中进水组分测定方法的研究，ASMs模型里面包含了众多参数，参数是否准确决定了模型搭建是否准确。

2.1 ASMs的应用研究

ASMs模型是基于活性污泥微生物死亡再生理论而建立的[7]，目前在应用研究方面，大多数研究者都在国际水协的三套核心模型基础上进行改良，得到更适应实际情况的模型，以提高模型的模拟精度。

Elawwad等[8]利用Arrhenius方程，借助商业软件Biowin对ASM3进行扩展，在稳态条件下，模型校正了三个主要的微生物动力学参数μH、bH、YH，模拟出水结果与污水处理厂的10个月的监测出水数据进行对比，发现此模型较好地模拟了污水厂的运行，为干旱区工业废水和生活污水混流的设计和运行提供了依据；孙培德等[9]基于ASM模型的反应机理基础上，将微生物菌群划分为8个种群，用4个不同的菌群描述了硝化和反硝化作用下的生物脱氮过程，并将温度耦合到反应速率方程中，建立了全耦合活性污泥系统模型FCASM3；孙培德等[10]基于FCASM3建立了杭州某污水厂的A+A2O工艺模型，测定了污水厂进水水质组分和微生物动力学参数，模拟结果与2017上半年实测数据进行校核，利用校核后的工艺模型模拟出了该污水厂的好氧池曝气、污泥回流比和混合液回流比最佳运行工况；Ni[11]考虑了亚硝酸盐和硝酸盐的反硝化作用，并介绍了同步存储和生长的概念，建立了一种基于ASM3的两步反硝化模型，利用4个不同的反硝化案例研究的实验结果对该模型进行了评价，并与原ASM3模型进行了比较，结果表明，改良后的模型能够更好反映活性污泥系统中的反硝化过程；郭彦雪等[12]使用Biowin软件用改良后的ASM2d模型模拟了含有菌胶团的DE型双沟式氧化沟中工艺，结果较好地拟合了有机物、氮、磷的降解过程，该结果对于氧化沟工艺改良具有一定意义。占梦潮等[13]利用ASM2d模型对某污水处理厂的AAO工艺进行模拟，模拟工艺出水COD、氨氮和总氮等指标与实际值吻合较好，调整排泥量、内回流比和外回流比，模拟曝气能耗和内回流能耗均有较大的节省。

目前ASM模型在丹麦、荷兰等国家推行较好，在我国实际应用不广泛，主要原因有：国外商业软件的价格高，且培训费用昂贵，对软件使用人员的专业技能要求较高，上手熟悉程度慢[14]；使用ASMs搭建模型需要的历史数据量较多且对数据质量要求较高，适用于大型且自动化程度高的污水厂，而在我国，许多的污水处理厂在线监测指标较少，自动化程度较低。

2.2 ASMs中参数的动力学参数的研究

活性污泥法的核心是活性污泥，活性污泥中包含许多类型的微生物。活性污泥模型中有关微生物的参数很关键，微生物动力学参数尤为重要，如自养菌产率系数、异养菌产率系数、自养菌最大比增长速率等。虽然IWA协给出了不同温度下的各个动力学参数参考范围，但在不同季节、不同地点、不同时间情况下，微生物的这些参数差别较大，并且这些参数测定方法复杂、没有统一的标准，这使得活性污泥法数学模型在实际污水处理厂中的应用受到限制，人们一直在不停试验探究ASMs模型中各种重要参数测定方法[15]。

目前参数校正主要有两种方法，一种是数学法，另一种是化学实验法。实验法主要有活性污泥呼吸计量法[16]，数学法有曲率法、最小二乘法、遗传算法等，其中，遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型[17-18]。参数是模型实际应用的关键，通常都是数学法和实验法两者结合，相辅相成。

杨杰[19]以ASM1模型为基础，使用GPS-X软件模拟了某污水厂厌氧-好氧工艺的脱氮，通过呼吸计量法和硝酸盐浓度测定法对异养菌最大比增长速率、异养菌产率系数、异养菌衰减系数和自养菌最大比增长速率等参数进行了测定，发现使用实测的模拟结果与监测实际出水结果吻合较好；周雪飞等[16]通过化学实验法，使用了两种不同的方法，间歇活性污泥法和呼吸计量法，来测定活性污泥数学模型中异养菌产率系数，实验结果显示活性污泥计量法实验得出异养菌产率系数的结果模拟效果较好；夏伟[20]针对传统遗传算法提出了一种基于克隆选择策略的改进遗传算法GSGA，利用GSGA对ASM1中的敏感性参数进行动态模拟，校正后的结果明显优于改进前的遗传算法，使得改进后的模拟结果和实际更为接近；龚希博[21]对模型参数进行了敏感性分析，得出了敏感度较高的四参数μA、KA，NH、KA，O和 bA，O2，然后基于遗传算法，用MATLAB编写了程序，计算出了这4个参数一组最优值，使用计算后的参数模拟出水结果与实测出水值的拟合精度比ASM模型给出的默认参数情况下拟合精度更高；表1是4个常见主要动力学参数常见的实验测定方法。

表1 常见4个ASM模型动力学参数主要测定方法Table 1 Main measurement methods of fourkinetic parameters

2.3 ASMs中进水组分测定的研究

污水厂进水COD 颗粒态组分和溶解态组分分解是搭建活性污泥数学模型的第一步，在实际模型搭建过程中大多数情况下都使用IWA给出的模型默认值。目前的一些方法过于复杂，对人员操作和仪器精密度要求很高，而且其准确性和科学性也得不到验证，废水的实际COD 组分比例测定也是ASM模型应用的难题之一，所以建立进水水质组分测定标准，是ASMs模型投入实际应用所面临的一个紧要问题[25]。

呼吸计量法是测定微生物氧呼吸速率(OUR)最常用的方法[26]，通过耗氧速率曲线可以看出微生物的许多信息。Collivignarelli等[27]取意大利北部某工业废水处理厂经预处理的废水，在高温条件下用呼吸计量法测量快速易降解COD(SS)，用醋酸钠作为基质，得出结果为SS占总COD比例始终低于30%；艾海南[28-29]利用OUR法原理搭建了一套微生物呼吸仪，使用该设备同时测量重庆某污水厂的慢速可生物降解COD(XS)和快速易生物降解COD(SS)，从得出的OUR曲线剔除内源呼吸，用特殊的计算方法，测得的两个参数结果与传统的OUR台阶法相比，更符合理论上的解释，更具有可靠性，结果重现性也较高；卢培利用比呼吸速率法测定重庆某污水厂进水异养菌COD(XH)，测得几个水样XH在116～200 mg/L之间，占进水总COD比例为23%～46%，高于文献报道的31%的水平，理论上符合重庆地势起伏较大的实际情况[30]；智朋丹等[29]利用复合分析可编程滴定分析仪，其原理是间歇OUR法，测定了Verziano污水处理厂的SS、SI、XI、XH、XS分别占进水总COD的比例为19.19%，9.74%，4.12%，7.27%，59.59%；各个地区的气候、地形和居民用水习惯导致了进水COD组分的不同，在用ASM模型建模之前对这些进水组分进行测定是必不可少的。表2列出了一些污水厂化学实验测得的COD组分占总COD的比例。

表2 污水处理厂实测COD组分比例Table 2 The proportion of measured COD components insewage treatment plants

3 结论与展望

随着越来越多的人对ASMs模型的研究和关注，污水处理行业也看到ASMs的应用前景，越来越多的人尝试将ASM模型应用到实际工程中，在将来ASMs模型会是污水厂运行管理必不可少的辅助工具，参数测定标准的统一、模型机理深入研究和在线监测技术的发展将会促进ASMs模型在实际中的应用，ASMs未来发展趋势总结主要有以下三个方面：

(1)将ASMs与大数据结合起来，协同管理污水处理厂运行，随着大数据在各行各业应用的极速发展，污水处理厂从业人员也看到了大数据在污水处理厂进水和出水估计中的应用前景，模型从微生物生长衰减机理的角度出发，而大数据从纯数据角度入手，可以预测由于季节、温度、当地的用水习惯等导致的进水和出水水质情况，两者可以相互辅助，相互对比，使污水厂管理更加精确。

(2)目前的大部分研究都是从离线模型入手，用污水厂历史运行数据搭建模型，但不同时间进水和出水水质都在变化，会导致模型模拟结果滞后，不能很好地模拟当前的实际情况。随着污水在线监测技术和污水指标基于数据软测量技术[39]的发展，离线模型向在线模型发展，污水厂运行数据及时反馈给模型，通过在线模型快速给出运行策略，这样的调控方式更加具有时效性，应对突发紧急情况更有效。

(3)云管理平台的发展也使得污水厂管理更加集中，未来可以在云平台搭建多个污水厂的在线ASM模型，在云端统一管理污水厂数学模型，调控污水厂日常运行和管理，实现污水厂管理的远程化、集中化和智能化。