导语
从控制角度来看，污水处理过程存在很多问题，应该通过智能控制、优化控制、软测量等现代科学技术方法进一步完善污水处理过程，同时污水处理厂应该采用能源信息管理系统对能源使用情况进行监控、管理。通过这些技术手段优化污水处理过程，实现降低能源消耗、稳定出水水质、提高污水处理能力的总体目标。
1污水处理过程控制与优化问题
污水处理过程需解决的问题
污水处理系统是一个复杂的生化反应过程，由于存在非线性、时变性等因素,一般不易获得精确的数学模型。从生物化学的角度用机理法建立的数学模型，须遵循许多假设。国际水协会(IAWQ)发布了多个活性污泥模型ASM1、ASM2、ASM3，这些模型能够反映处理过程的工作机理，但模型维数高、存在大量的动态变量和当量系数，因此难以在控制中使用。
衡量污水处理过程出水质量的主要指标，如BOD5等目前还无在线检测仪器或有的参数检测时间长，需人工进行定时取样检测，难以得到实时测量值，不能用于实时闭环控制。
目前污水处理过程各环节控制均是独立的，一般采用定时或恒值的开环控制，由此引发了出水不达标、污泥膨胀、能耗大、反应时间长等问题。
污水处理控制急待解决的另一重要问题：稳定出水水质，降低能源消耗和废水处理成本，提高污水处理能力，实现工艺参数的优化控制。
污水处理过程检测、控制与优化方法
从控制角度来看污水处理存在上述问题，应该通过以下几种方法解决：
软测量技术
通过机理分析或实验数据，建立难以直接测量的待测过程变量(主导变量，如BOD)与易测过程变量(辅助变量，如DO、ORP、TOC、PH等)之间的数学关系，即软测量模型，从而通过数学计算和估计方法，实现对待测过程变量的预测。软测量可以完成一些仪器仪表所不能完成的在线实时测量问题，被认为是进行工业过程监测、大滞后系统预测、优化与控制的最佳解决方案之一。
智能控制技术
传统的控制方法均是建立在系统数学模型的基础上的，如PID控制。由于污水处理是一个复杂的生化反应过程，难以建立精确的数学模型，因而传统的控制方法难以实现污水处理过程的有效控制。
智能控制技术采用人工控制方法，可以实现对无模型系统进行控制，根据干扰、参数变化，可实时改变控制策略，以达到最好的控制效果。
优化控制技术
除了实现对系统参数(如出水水质BOD)的控制外，通常还要考虑能源消耗等重要指标，针对污水处理的特点，提出以每日允许排放的有机物总量为约束条件，以运行费用(耗电量)为目标函数，实现污水处理过程的优化控制，以节省电能，降低污水处理的成本。运用优化控制与最经济控制方法，寻求使污水处理生产费用与能源消耗最低的优化工艺参数和优化控制方案。
下面的流程图给出了具体问题的解决方案，包括优化参数计算，水量水质控制，智能控制，优化控制，测量等等技术方法。
2污水出水水质软处理方法
污水处理过程参数预测的必要性
出水水质BOD人工化验结果大大滞后于污水的排放过程，也就是说，等检测出水水质指标BOD不合格时，早已排出大量不合格的处理水，造成二次污染。
传统的检测设备由于价格昂贵、误差较大，需要专业检验，难以在实际中使用。
传统污水处理控制系统要求建立精确的数学模型，并且必须遵循一些比较苛刻的线性化假设，因为实际污水处理系统由于存在非线性、时变性、不确定性和不安全性等，一般无法获得精确的数学模型。因而将软测量技术引入污水处理过程预测控制中。
软测量模型参数
在污水处理中，通过对BOD进行软测量可实现对出水水质的预测和实时控制。
软测量的基本原理是把系统辨识和建模理论与生产工艺过程知识结合起来，选择一组既与主导变量有密切联系，尤其是进水水质与出水水质关系直接。
选用进水TOC,DO,MLSS作为二次变量，软测量主要解决BOD实时在线检测与控制问题，所以将BOD作为主导变量。
人工神经网络软测量常用建模方法
人工神经网络应用较为广泛，人工神经网络有BP神经网络模型、RBF神经网络模型和过程神经网络模型，各自的特点如下：
BP神经网络模型
BP网络具有很强的非线性映射能力，具有单隐层和相应数量节点，且激励函数为Sigmoid型的BP网络可以任意精度逼近任何非线性函数关系。但BP网络存在训练时间长、收敛速度慢、局部最小的问题。
RBF神经网络模型
RBF网络训练方法快，拟和误差小。
过程神经网络模型
污水处理过程所有参数都是与时间相关的，建立一个神经网络如果输入量较多，计算量也比较大，可以通过主流的分析确定主量的几个因素，确定以后通过建立神经网络模拟污水处理的整个过程，这是测量模型建立的基本流程。
下面是一个误差曲线，开始训练时，数据模型输出和实际值的误差较大，但是通过多次训练以后，误差会越来越小，说明数据模拟逼近了真实的系统模型。
以BOD为例，经过几个参数的测试后，越来越接近实际值，表明精度也在不断提高。这就解决了实际输出难测量、测量值存在误差、时间长等问题，因此用预测值能够实现污水处理过程闭环实时控制过程。
3污水处理过程智能控制技术
DO智能控制方法DO闭环反馈控制系统
首先将DO的设定值与测试值比较，然后将比较结果送入模糊控制器产生控制策略，通过变频器控制鼓风机的转速，从而控制曝气量和生化池中的DO值。
PID控制的缺陷与不足
传统的PID控制器是以一组固定不变的PID参数去控制具有非线性特性和时变性的复杂系统，而且需要对象模型，显然难以获得满意的控制效果。
PID具有一定的局限性：被控制对象参数随时间变化时，控制器的参数难以自动调整以适应外界环境的变化。
基于BP神经网络的自整定PID控制
为了使控制器具有较好的适应性，实现控制器参数的自动调整，可以采用神经网络控制的方法。利用神经网络的自学习这一特性，并结合传统的PID控制理论，构造神经网络PID控制器，实现控制器参数的自动调整。
神经网络NN,根据系统的运行状态，学习调整权参数，从而调整PID参数，达到某种性能指标的最优化。
DO模糊控制
污水处理系统的智能控制方法，解决了污水处理系统数学建模困难的问题。通过模糊控制方法实时地改变风机的效率实现对溶解氧不同曲线的控制，取得缩短污水处理时间、减少能源消耗的明显效果。
模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。
进行DO控制时，把DO的设定值与测试值比较，根据溶解氧偏差、偏差变化率、专家经验知识建立的数据库来决策出模糊控制规则。然后将结果送入模糊控制器产生控制策略，通过变频器控制鼓风机的转速，从而控制曝气量和生化池中的DO值。模糊控制的特点在于微分控制，能够根据溶解氧的变化误差实现控制过程，优点是可以通过控制系统实时调整变量。
三种不同的曝气方式会产生不同的能源消耗效果，第一种溶解氧按照需氧量曲线来控制，80分钟以后取的水样COD是97。第二种采用恒值控制进行曝气，80分钟以后取样COD为114，95分钟以后为89，耗电较多。第三种是固定频率曝气，鼓风机频率恒定，80分钟后取样COD为91，耗电也较多。从这三者比较可以看出通过对DO不同曲线的控制，可以实现能耗较低的控制，反应时间也较短。
采用模糊控制解决了污水处理系统数学建模困难、出水水质不能在线检测、不利于实时控制等问题，可实现对DO不同曲线的控制，取得了缩短污水处理时间、减少能源消耗的明显效果。
模糊Smith-PID控制
针对污水处理系统中溶解氧控制存在大滞后、大惯性和时变等特点，将智能控制算法应用到污水处理系统中，实时调整PID参数。
模糊控制修正PID参数解决了污水处理系统中溶解氧中时变的特点，这样通过实时改变PID参数来适应整个污水处理过程，使其达到很好的控制效果。
下图是采用不同控制方法的实验结果比较。第一条曲线是PID控制，曲线开始时振荡较大，经过一段时间以后，控制结果趋于稳定。第二条曲线是模糊控制，速度较快，但是工作过程时间较长。第三条模糊Smith-PID控制曲线结合了两者的优点，控制效果最好。
4基于智能算法的优化控制方法
污水处理过程优化控制问题
优化控制是根据被控制系统的模型、输入变量、约束条件和目标函数，通过计算提供一个(组)最优控制变量，按最优控制进行过程控制，使性能指标最优。
实现污水处理过程优化控制的目的，稳定出水水质，减少污水处理时间、降低能源消耗和废水处理成本，提高污水处理能力。
建立目标函数，如能源消耗最少，最优化问题可以通过许多策略来实现，目前常用的解决方法是解析法和数值法。
优化控制的性能指标
目前，污水处理厂出水中的底物(有机物)浓度较高或波动大、运行费用较高是普遍存在的两个问题。
将这两个问题联合起来进行最优控制：以污泥排放量和曝气池中溶解氧浓度作为控制变量;以剩余污泥处理、污泥回流与供气这三者的运行费用(即能耗)之和作为性能指标;以有机物排放总量、出水水质为约束条件。
基于遗传算法的优化控制方法及实现
遗传算法是一种有效解决最优化问题的方法，它是基于自然选择和群体遗传机理的搜索算法，它模拟了自然选择和自然遗传过程中的繁殖，交配和变异现象。
遗传算法对复杂的优化问题不需要进行复杂的计算，只用几种算子(选择、交叉、变异等)就能得到最优解，是一种全局寻优算法。
采用遗传算法来进行优化计算，用人工智能的方法进行求解，人工智能方法最关键的是“优胜劣汰”，保留每一代中最好、误差最小的计算结果进行计算，这样就比数值迭代要快得多。
可以将遗传算法制作成软件模型，将输入量、约束条件、性能指标输入进去，由电脑来建立模型，通过计算过程输出优化结果。
采用优化控制策略，通过变频器调节风量，可以减少10%-20%的曝气量，也就是节省了15%左右的电费。减少了能源消耗，实现优化和控制过程。
5生物流化床的智能控制
三相内循环生物流化床
三相内循环生物流化床将对废水中主要污染物有降解作用的微生物，固定在载体(如砂、活性炭)上。空气和待处理的废水从反应器底部同向进入，通过控制气、液两相的流速，使流化床反应器内载有生物体的载体呈流化状态。废水中的污染物与生长在载体上的微生物接触反应，从而将其从废水中降解、去除。
生物流化床智能控制的主要目的是去除氨氮，系统输出采用BOD的软测量，应用模糊控制器，通过生物流化床的反应实现BOD达标。
这是生物流化床控制界面，采用内循环三相生物流化床处理味精废水效果较好，CODcr去除率大于90%，氨氮去除率出达到90%;优化控制达到降低能耗10%。
6污水处理过程自抗扰控制方法
自抗扰控制(ADRC)
自抗扰控制技术是一种非线性控制技术，具有不依赖于受控对象的精确数学模型，算法简单，且在未知强非线性和不确定强扰动作用的情况下都能保证控制精度的优点。
稳定性和快速性是其污水处理过程中的重要指标，这项指标要求控制算法实时性要好。并要求具有良好的克服超调和快速性矛盾的能力。
污水处理系统中存在系统参数的变化和多种外界扰动，因此要求系统的稳定要强，此外，还要求对非线性处理能力强。
自动扰控制器包括以下三个部分：跟踪微分器、扩张状态观测器和非线性状态误差反馈控制率。
它通过跟踪微分器TD安排系统的过渡过程并提取微分信号，利用扩张状态观测器ESO估计系统状态，即估计系统的模型和内外的实时扰动，最后用过渡过程与状态估计之间误差的非线性组合和扰动估计量的补偿来生成控制信号。
ESO可以同时处理系统中含有的非线性动态、模型不确定性及外部扰动。
ADRC应用到污水处理的控制时，避免了经典控制方案中由于设定值的变化或者系统的急剧变化以及输出量的超调，系统在ADRC方案下可以很快地恢复稳态。
此外，由于ESO能实时估计未知外扰和系统模型的实时作用并加以补偿，ADRC在一定范围内具有很好的稳定性和适应性，符合污水处理控制的要求。
7污水处理厂能源信息管理系统
能源信息管理系统的目的作用
利用能源管理系统，建立以客观数据为依据的能源考核评价体系，推动企业节能减排工作的开展。对能源系统的生产、分配和使用环节实行扁平化的监控、管理，如对电能、汽和水的使用监测，统计分析和充分利用。
通过能源计划，能源监控，能源统计，能源消耗分析，重点能耗设备管理，能源计量设备管理等多种手段，将企业的能源消耗计划任务分解到各个生产部门车间，使节能工作责任明确，促进企业节能工作的开展与生产可持续发展。
能源管理中心建设层技术采集层
现场级能源动力(水、电、汽)信息采集系统，可通过各种物理量传感器、现场总线等网络构成;主要实现能源介质系统的实时数据采集、监控和基本统计分析功能。
监测控制层
车间或工段级的能源计算机集中监控和管理系统，通过以太网络构成;主要实现车间或工段级能源数据汇总、分析、能源监管等功能。
信息管理层
全厂及远程能源综合管理系统，可通过因特网或无线网络构成;主要实现全厂级能源综合利用、效益分析管理，能源平衡调度、效益预测与优化管理、综合能源监管和决策支持等功能。
能源管理中心各部分功能
大屏幕视频监控系统
监控功能主要包括设备监控，视频监控，对设备的运行状态进行实时监测，可及时发现问题，进而提高动力等系统正常运行的可靠性。为工艺系统在线管理和调整，满足节能要求、以远程监控为核心的节能调度，扁平化的故障监测及分析处理提供参考。
大屏幕视频监控系统包括网络摄像机、大屏幕显示墙、拼接控制器，视频录像机及解码器等组成。
能源数据实时监测系统
监测的主要设备有水系统的送水泵、供电线路等，对主工艺生产线系统主要能耗设备状态监视、对主要能耗和产能设备进行运转状态监视、故障信息报警、能源使用量调整及管理。
基础能源管理系统
作为生产能源调度管理平台的基础管理技术，包括能源计划管理、能源实绩管理、能源生产运行支持、能源质量管理和能源对比分析等模块。
这些模块以生产能源调度管理平台的实时数据为基础，经过系统的分析和处理，提供给能源管理的专业人员和运行管理专业人员使用。它的基本功能是实现综合能源监管功能和决策支持功能。
通过能源管理系统能够实现历史数据查询、统计分析功能、能耗台账、能耗预测、能耗目标管理等功能，可以将能源消耗信息清晰展示出来，为合理制定能源计划及能源动态调度提供决策支持，实现节能减排的总体目标。
文章内容根据污水处理未来自动化国际研讨会录音整理，未经演讲人审核
原标题：刘载文：污水处理过程智能优化控制技术
