智能化水处理过程中的自动化控制策略优化与探讨

张克乾

（中交三公局华中建设有限责任公司）

1 引言

水处理是城市环境卫生维护与水资源高效利用的重要环节，城市日常运行产生的庞大污水量给水处理的效率与质量提出了较高的要求[1]。智能化水处理是依托传感器技术、自动控制技术等现代信息技术对水处理过程进行智能化改造，提高水处理效率与处理效果，切实降低水处理的能耗，实现水处理过程的自动化、智能化控制。

2 智能化水处理系统

2.1 智能化水处理系统的构成

2.1.1 设备工艺系统

设备工艺系统是智能化水处理系统中用于过滤、净化污水的设备装置，常见的设备工艺系统包括活性炭、高压泵、消毒设备、阀门等，设备工艺系统的净水或滤水装置设备需根据污水情况以及处理目标加以优化设计确定，是污水处理厂或污水处理站中处理污水的核心系统。

2.1.2 控制系统

控制系统是智能化水处理系统中用于控制处理设备运行与处理工艺实施过程的设备装置，其基本构成包括可进行编程的管理控制器、变频器，在可进行编程的管理控制器中嵌入开发模糊控制系统、神经网络控制系统、专家系统等，用于智能化控制与决策设备工艺系统中各类净水、滤水设备的工作状态与工作参数，实现对水处理过程的智能化控制。

2.1.3 信号收集系统

信号收集系统是智能化水处理系统中用于采集各类净水、滤水设备工作参数以及污水水质、流量等数据的系统装置，信号收集系统实时在线采集数据，并将数据传输至控制系统进行数据挖掘与分析，以便控制系统根据水质情况、水泵工作频率等数据智能化调整水处理工艺与设备运行状态[2]。

2.1.4 保护系统

保护系统是智能化水处理系统中的重要构成，是处理与应对水处理系统异常工况频发的重要环节。智能化水处理系统依托信号收集系统在线收集水处理系统的运行参数，一旦水处理系统出现故障、运行参数出现异常，保护系统可启动工作控制净水介质排放，有效保护智能化水处理系统不受异常工况影响而出现故障损坏问题[3]。

2.1.5 人机交互系统

人机交互系统是面向用户的终端系统，用于远程连接用户与水处理过程，污水处理厂工作人员可依托人机交互系统对水处理设备工艺系统进行远程控制，提高水处理效率与质量。

2.2 智能化水处理系统的关键技术

2.2.1 PLC

PLC 为可编程逻辑控制器，是控制系统嵌入式开发的重要技术，通过模块化设计将模糊控制算法、专家经验知识、推理机、神经网络模型等嵌入到控制系统中，根据信号采集系统实时在线收集的水质参数、水泵工作参数等，优化控制系统的控制策略，智能化调动设备工艺系统运行。相较于布线控制逻辑，PLC 可扩展性更优，稳定性与可靠性良好，因可编程性可对控制逻辑进行灵活调整，满足日益复杂的水处理设备工艺系统控制需要[4]。

2.2.2 变频器

变频器高度集成微电子技术、计算机技术，是智能化水处理系统中保护系统的重要技术。作为反渗透设备的水泵开启设备，变频器可根据工作人员在人机交互系统中设置的指令调节与控制设备工艺系统的运行状态与工作参数，如膜的压力提升速率，配合控制系统的控制指令优化智能化水处理过程。

2.2.3 人工智能技术

人工智能技术是在信号采集系统的基础上，依托各类智能化算法如模糊控制算法、专家推理机、神经网络模型等对实时采集的水质、流量、流速、温度等数据进行智能化分析与推演，综合处理成效、处理成本等给出更加适宜的水处理工艺控制策略，自动调节与控制设备工艺系统中各类设备装置的运行参数，如回流比、曝气量、投加剂量等，以更低的处理能耗与处理成本提高出水质量。

3 智能化水处理过程中自动化控制策略

3.1 在线监测

在线监测是智能化水处理系统的信息采集模块，通过在智能化水处理系统的各类净水设备装置、进水口、出水口等部位布设传感器或监测仪器，实现对进出水口水质参数如温度、流量、溶解氧、总磷、氨氮、pH 值以及各类净水设备装置运行状态如开启、关闭、曝气量、回流比、投加剂量等的实时在线监测，为控制策略优化与智能决策、智能化水处理系统优化管理提供数据支持。

3.2 智能控制与优化

智能控制与优化是在信号采集系统的基础上，对实时在线采集的进出口水质数据、净水装置运行状态数据等进行分析，利用遗传算法、模糊控制系统、神经网络模型、专家推理机等对不同场景（设备工艺系统工作状态）下污水处理情况进行模拟、分析、评价、优化，优选最佳的污水处理方案以及设备工艺系统中各设备装置的最优工作组合作为智能决策结果，基于此结果控制污水处理系统各设备装置执行操作指令，提高出水质量达标率，降低水处理能源消耗与处理成本。

1）模糊控制系统

模糊控制系统是当前智能化水处理系统中常见的智能控制优化方法，其本质是以模糊数学、模糊语言形式的知识表示和模糊逻辑的规则推理为理论基础，采用计算机控制技术构成的一种具有反馈通道的闭环结构的数字控制系统。将模糊控制系统应用于智能化水处理自动控制策略优化中，利用模糊算法模拟水处理系统各变量之间的复杂线性关系，构建系统变量与水处理结果的模糊关系模型，基于模糊关系模型分析不同水处理工艺方案下的水处理结果，经反复模拟与推演给出最优水处理控制方案，使得水处理结果（水处理成本、水处理质量等）达到最优状态[6]。例如，对于污水处理厂中常用的生物电极法，可应用模糊控制系统对此工艺进行自动化控制测量优化改进，将生物电极法中的药剂投放量等作为处理工艺的可控变量，将污水脱氮指标等作为表达水处理质量的变量，根据可控变量与结果变量的非模糊化处理结果构建模糊控制规则，以此规则分析并推演出自可控变量至结果变量的计算公式，分析不同药剂投放量下的污水脱氮指标变化情况，得到最优结果变量下的药剂投放量数据，保证在脱氮指标达标前提下尽可能减少药剂投放量，降低生物电极法处理污水的成本。

2）专业系统控制

专业系统控制是一种依托专家经验知识进行过程推理与智能决策的系统，其将行业领域专家的经验知识进行结构化与规则化处理与转换，构建智能化水处理自动控制策略优化推理机。将信号采集系统在线采集的进出口水质数据、净水装置运行状态数据等输入到推理机中，利用推理机中的专家知识与思考决策模式推演出最佳的水处理工艺方案[7]。专业控制系统高度集成专家经验知识，同时深度学习以往的污水处理工艺方案，提炼有价值的污水处理控制策略信息，提高推理机推理的合理性与科学性。通过将专家知识与实际案例映射为专家推理机中结构化的知识规则，可以切实提高推理机的智能化水平，有效解决传统污水处理中存在的专家经验与历史做法缺失的问题。

3）神经网络模型控制

神经网络模型控制是在水处理控制系统中嵌入神经网络模型，利用神经网络模型对复杂非线性问题强大的处理与分析能力推演得到特定水质条件与设备工艺系统工况下的最优水处理工艺方案。当前，智能化水处理系统中常见的神经网络模型包括卷积神经网络模型、遗传算法、BP神经网络模型等，上述算法通过对大量历史数据的学习与挖掘，提炼出水质数据、工况数据与污水处理结果数据之间的关系，并基于训练模型实现污水处理工艺最优方案输出。例如，某智能化水处理系统采用卷积神经网络模型作为控制优化系统，将信号采集系统在线采集的污水溶解氧、混合液悬浮固体浓度、氨氮、有机磷等数据作为卷积神经网络模型的训练样本，利用训练样本集模拟不同设备工艺系统工艺工况下的污水处理结果（出水口水质、曝气量大小等），待卷积神经网络模型训练收敛后，构建用于反演水质参数、工况数据与出水口处理结果数据之间关系的卷积神经网络模型，精准拟合不同工艺组合场景下的出水水质情况，为设备工艺系统控制优化提供决策支持[8]。

4）厌氧系统控制

厌氧系统控制需要掌握厌氧消化池的基本情况，对系统中污水含量(主要包括有机碳和挥发性浓酸度物质等)采用软测量方式进行正确的测量，对产生碱度的事物和总碱度事物间的总比例进行协调，并控制好该系统内部有机负荷的波动，进而确保智能控制系统的稳定性，成立专业生产操作系统，建立相应的模糊逻辑诊断控制模型，准确估算污水厌氧发酵状况，从而确保整个智能化系统的有效控制[9]。

4 结语

传统的控制技术将模型控制作为基础，通过建立已知模型、利用辨识得到污水处理控制策略。但是，污水处理系统是一个非常不稳定性、实时变化、非线性的动态系统，仅仅利用传统控制技术难以达到低能耗、高效能处理的目标。智能控制技术的应用，可以带来人工成本降低、运营水平的改善、节能降耗、提高能源自给率，全方位提高污水处理厂的运营管理效率。此外在全球能源危机、气候变化和资源紧缺背景下，发展低能耗、低物耗，在稳定达标前提下能源化、资源化、精细化的管理及控制的污水处理新模式，将已有技术和各种新技术，包括智能控制技术不断融入污水处理工程中，未来污水处理的发展方向。