污水处理故障诊断方法的研究现状及展望
污水处理厂是支持我国生态文明建设和改善水环境质量的重要基础设施。随着国家对水环境质量的重视, “十一五”以来, 我国污水处理厂的数量和处理能力都有极大的提高。在此背景下, 我国污水处理系统不正常运行、出水不能稳定达标的现象仍然比较严峻。而造成上述问题的部分原因是污水处理过程复杂、影响因素多、故障不易诊断;污水处理厂工作人员专业性差, 致使污水处理过程中出现的各种故障发现滞后并且不能及时准确地解决。因此对污水处理厂进行运行故障诊断和精细化监管十分必要和关键。
文中首先简要介绍目前污水处理故障诊断方法, 然后综述了应用比较多的诊断专家系统和数学模拟技术在污水处理中的应用现状, 同时对其他诊断方法目前的应用状况也做了简要介绍。最后对现有诊断方法存在的一些问题进行了分析, 对未来的发展方向提出了展望。
1 污水处理故障诊断方法
1.1 知识综合法
知识综合法主要是指利用知识和经验等方法综合对污水处理过程中的问题进行诊断并找出解决办法, 一般是针对某一案例。知识来源包括前期知识的积累和查阅相关材料来获取与诊断相关的信息, 材料如污水处理方面的设计手册、技术规范、技术指南、相关文献和类似污水处理工程案例资料等。
1.2 数学模拟诊断法
数学模拟法是利用现有的一些污水处理方面的数学模型或模拟软件对污水处理厂的运行工况进行诊断并提出优化方案的一种方法。该方法通过模拟能同时实现诊断与优化。这类方法对操作人员专业水平要求较高, 过程较复杂, 但是诊断和优化方案比较精确高效, 目前很多污水处理厂采用了数学模拟来诊断运行的报道[1], 例如仇付国等[2]利用BioWin软件对北京某ICEAS工艺的污水厂进行氮、磷出水不达标诊断, 并从调整工艺运行参数和改变工艺流程两方面提出了升级改造方案。
1.3 统计学诊断法
污水处理过程复杂, 涉及到的影响因素颇多, 污水处理参数很多并且相互影响, 这就促进了统计学诊断方法应用于污水处理故障诊断中。且统计学诊断方法已从最初的单变量统计逐步发展到多元统计诊断分析, 如主成分分析法, 偏最小二乘法等。
(1) 基于主成分分析的诊断方法。主成分分析是从影响过程的众多相关变量中挑选几个主要过程变量来表示原有的多个变量, 从而简化分析过程的一种统计方法。基于主成分分析的诊断方法是将污水处理的历史数据, 按一定标准去掉一些重复的线性干扰, 找出影响过程变量的主成分, 构建主成分模型, 通过数据对模型进行检验, 对实时数据与模型之间进行比对, 实现故障诊断[3]。
(2) 基于故障树的诊断方法。故障树诊断法是Bell实验室于1961年提出来的一种推理方法[4], 整个构成倒树状结构。最上层是顶事件, 向下一级一级分支是中间事件和子事件, 子事件下部是导致事件的根部原因。事件与事件之间存在“与”门和“或”门的关系。将故障树诊断法用于污水处理厂的诊断之中, 可以通过这样一种树状关系来探讨导致顶事件的可能原因, 逻辑清晰, 并且能够定量分析出各事件发生的概率。
(3) 基于支持向量机的诊断方法。基于支持向量机的诊断方法是通过构造最优分类平面将异常数据与正常数据区分开, 它是基于统计理论的一种机器学习方法, 它在解决污水处理厂的故障监测和诊断方面是一个有力工具。
1.4 人工智能诊断法
(1) 基于遗传算法的诊断方法。遗传算法是从生物进化过程“适者生存”“优胜劣汰”启发而来。基于进化过程中的信息遗传机制和优胜劣汰原则的算法, 把求解问题的自变量看作原因, 编码构成染色体 (个体) , 在个体集合 (群体) 内依据个体适应能力进行最优评价[5]。遗传算法搜索性能优越, 同时能进行全局性能优化。
(2) 基于人工神经网络的诊断方法。人工神经网络是一种用大量简单相连人工神经元来模仿生物神经网络的一种人工智能处理系统, 包括硬件和软件。人工神经网络由大量人工神经细胞 (处理单元) 组成, 每个处理单元都可以输出信号, 该信号又成为别的处理单元的输入, 这种输入和输出关系一般用输入值的加权乘积和函数来表示[6]。人工神经网络的运作有学习过程和回想过程, 可以进行大规模的运算、存储、处理、学习和记忆能力, 针对污水处理这类多影响因素和条件可以进行评估和诊断。人工神经网络诊断在污水处理故障诊断领域主要关注的是污水处理过程的模拟和控制和对特定参数进行预测等。
(3) 基于模糊理论的故障诊断方法。模糊理论诊断法是模仿人类思维的模糊综合判断推理来处理问题的一种方法。该方法对于诊断一些过程本身具有不确定性、不精确性的问题有突出优势, 主要是通过构造隶属度函数来实现诊断[7]。
(4) 基于专家系统的诊断方法。基于专家系统的诊断方法是将长期大量的知识经验和故障信息进行收集和整理, 然后转化成计算机语言, 设计出智能程序来解决复杂问题。专家系统诊断法在设备、电子系统、机械系统和运行过程故障诊断方面都有大量的应用, 同时也逐步开始应用于污水处理故障诊断中。
1.5 集成诊断法
集成诊断法是结合各种诊断方法的优点而形成的一种诊断方法, 基于此作出的决策对污水处理厂的管理有重要推动作用[8]。用的比较多的集成诊断法有神经网络和专家系统的集成、模糊理论和专家系统的集成、故障树和专家系统的集成、模糊理论和神经网络集成等。
2 专家系统在污水处理故障诊断中的应用
专家系统包括知识库、推理机、数据库、解释模块和人机交互端口等几部分。专家系统最重要的是知识库, 也是整个系统的瓶颈所在。需要尽可能多的收集所诊断对象可能出现的问题, 并且找出对应问题的原因和解决办法。推理机是根据一定的逻辑及推理规则, 利用知识库里的知识, 对用户输入的问题进行分析和解释。数据库是系统操作对象。解释模块是对用户的提问进行解释。人机交互端口是用户与计算机或者只能专家进行交流的端口。
专家系统及其集成系统从1970年开始在污水处理领域得到应用, 至今为止已经有不少成功案例, 相关文献报道也比较多。既有用于全过程诊断的, 也有针对某个具体处理单元的。
孙强等[9]在国内首次提出建立基于模糊理论的城市污水处理厂故障诊断专家系统 (STFES) 。施汉昌等[10]2001年用正反向推理机制, 用故障树的形式, 建立了一套故障诊断系统, 并用于城市污水处理厂的运行诊断。王刚[11]通过故障树法进行知识库构建, 采用正向推理机制, 在Eclipse平台采用MySQL开发工具构建数据库, 构建了一套专家诊断系统, 用于榨菜废水处理厂故障诊断。该诊断系统还包括运行维护模块, 可以提供废水处理运行、维护和管理知识的查询功能。田在兴[12]利用故障树理论对引起出水问题的原因进行组织和整理, 构建知识库 (如图1) 。然后采用正向推理机制, 建立了一套专家诊断系统, 用于城市污水处理厂BAF工艺的诊断中。通过实际应用发现该诊断系统能准确判断出水异常数据并能对引发故障的原因给予解释并提出相应解决方案。刘宇[13]基于贝叶斯网络法构建贝叶斯网络模型, 再基于该模型构建了城市污水处理厂A2/O工艺故障诊断专家系统。王龙双[14]针对处理冶炼废水和混合化工废水的工业废水处理厂运行故障, 利用模糊理论构建知识库, 采用正向推理方法构建推理机, 在此基础上开发了一套污水处理运行监控与故障诊断的专家系统。该系统能实现污水处理厂运行异常数据自动提取、实时显示、故障在线或离线诊断功能, 实际调试运行效果良好。
国外方面, Punal[15]建立了一个厌氧处理工业废水的诊断专家系统, 以高浓度化纤废水的处理为实际诊断案例, 可靠性和稳定性好。Baeza等[16,17]为了提高总氮的去除效率, 建立了一个基于知识的专家系统 (KBES) 用于A2/O工艺污水处理厂的运行诊断。Carrasco等[18]建立了一套基于规则的模糊诊断专家系统, 用于对厌氧废水处理过程中酸化相的诊断。该诊断系统搭载了Matlab模糊逻辑工具箱进行数据分析, 试用结果证明该系统能很好地诊断反应器的操作异常问题。Lardon等[19]针对专家系统容易出现诊断错误的现象, 经过改进后建立了一种基于事实理论的诊断专家系统, 并应用于厌氧工业废水处理中, 通过验证发现该系统能自动检测信息和数据冲突。Chen等[20]开发了一个基于知识的在线诊断专家系统, 用来诊断MBR工艺污水处理厂同步去除有机物和氮。
虽然专家系统的开发和应用已经较多, 但专家系统目前在污水处理诊断中的应用也存在如下不足:一是知识库内容有限, 不能包含污水处理过程中的所有故障, 因此建立的专家系统可能不能解决污水处理厂的所有问题;二是专家系统知识库不能自动更新, 需要人为不断地补充新的问题, 并且转化成计算机语言给系统不断升级;三是故障诊断系统没有与自动控制相结合, 还是限于工作人员通过专家系统诊断问题, 得到系统反馈后再去采取相应措施, 存在一定的延滞, 不够高效[21]。
3 其他诊断方法在污水处理故障诊断中的应用
3.1 知识综合法
王先宝等[22]采用知识综合诊断法对昆明某氧化沟工艺的污水处理厂进行问题诊断, 通过收集污水处理厂运行一年的进出水水质水量数据, 利用专业知识积累、文献查询或咨询专业人士等手段来寻找运行问题的原因, 最后发现进水碳源问题、供氧问题等几个方面的原因并给出了优化建议。李鹏峰等[23]对某CAST工艺污水处理厂进行诊断分析, 在历史运行数据的基础上, 通过污泥活性测试和工艺模拟试验提出相应的工艺优化运行措施。
知识综合法进行故障诊断需要长期的知识和经验的积累, 专业性太强, 且容易以主观意识为主, 缺乏科学性, 导致诊断结论错误, 造成损失。
3.2 数学模拟法
数学模拟法是近几年兴起较快的一项技术, 在污水处理诊断、工艺优化、升级改造、能耗评估等多方面均有实际应用。目前应用比较多的模拟模型软件包括:BioWin模拟软件[2,24,25,26]、TUD模型[27]、GPS-X软件[28]、WEST软件等。
仇付国等[2]利用BioWin软件对北京某ICEAS工艺的污水处理厂进行氮、磷出水不达标诊断, 先建立概化模型, 校正模型参数, 进行动态模拟, 从调整工艺运行参数和改变工艺流程两方面提出了升级改造方案。郝晓地等[27]通过数学模拟的方式对荷兰某污水处理厂进行节能降耗优化, 采用TUD模型, 使用AQUASIM 2.0软件进行模拟, 发现反硝化脱氮除磷在同步脱氮除磷过程中能节约53%~59%的COD, 多余的COD可以转化为CH4, 从而降低能耗。
Nuhoglu等[28]利用GPS-X软件对土耳其某卡鲁塞尔氧化沟工艺的污水处理厂进行了全流程模拟, 发现调整μmax h、μmax a、KNH、KS这4个参数能使得模拟结果与实际出水水质有很好的匹配。Vitanza等[26]采用BioWin模拟软件对污水处理厂进行诊断和工艺优化, 发现模型拟合度好, 模拟准确。Guo等[29]基于贝叶斯网络模型建立了一种新的用于A2/O工艺污水处理诊断的方法。
数学模拟法需要基于数据建模或者利用现有的模型软件建立概化模型等, 需要专业水处理知识和强的数学功底, 同时对模型软件很好的掌握, 能独立操作, 相对难度大。另外, 目前数学模拟法也仅局限于对生活污水的处理, 对于进水成分复杂的工业废水目前应用效果不好, 有空缺。但是数学模拟法有很多别的方法不能比拟的优势, 一方面能够通过数据校正、拟合, 对污水处理厂进水水质水量改变、污水处理工艺条件变化、构筑物容积等发生改变的情况下对污水处理系统的影响, 对于新建污水处理厂和需要完成升级改造的污水处理厂有比较准确的预测作用, 可以节约成本和节省工作量。另一方面, 模型软件可以同时实现诊断与优化, 并针对每个污水处理厂的实际情况提出精确、具体可行的优化方法, 包括工艺优化和能耗优化, 实用性非常强。
3.3 统计学诊断法
刘乙奇等[30]为了克服PCA方法的不足, 提出因子分析 (FA) 故障诊断方法, 并在BSM1模型上进行了验证, 发现与PCA法相比, FA错误率更低, 对不确定信息的表述能力更完整。
Tao等[31]采用主成分分析方法 (PCA) 法诊断SBR工艺污水处理厂的传感器系统故障, 在历史运行数据的基础上, 结合主成分得分和主成分负荷系数, 建立了新的故障诊断方法和模型, 在实际案例中能准确进行故障诊断。
3.4 故障树诊断法
故障树诊断法可以单独用来对故障进行分析, 也常用来与其他方法进行组合后以集成的方式来进行诊断[32~35]。
高大康[32]针对CAST工艺常见出水故障, 采用故障树法分析故障原因和逻辑关系, 建立了基于规则的故障诊断模型, 并用于广州某工业园区废水处理故障诊断, 离线诊断对污水处理系统的稳定运行有积极作用。
Beauchamp等[33]将故障树诊断法引入电化学超滤技术的诊断分析中。针对水处理过程中微生物 (Cryptosporidium parvum, 小球隐孢子虫) 容易超标, 以此为顶事件, 逐层分析导致该事件的各项因素及根本原因。该研究结论有助于更好地理解电化学超滤过程, 合理控制、提高操作能力和技术, 确保出水安全。Taheriyoun等[34]采用故障树分析法对某活性污泥法工艺的污水处理厂进行诊断, 分析影响污水处理厂出水效果的各项因素。结果表明人为因素是导致污水处理厂出水故障的最主要的影响因素, 通过故障树分析能有效的评估风险, 排除故障。
3.5 其他集成诊断法
陆林花[36]将遗传算法和聚类算法应用于污水处理异常诊断中, 采用基于距离的异常因子来检测异常数据, 再建立故障诊断规则。通过实际案例证明该方法能对污水处理中的异常数据进行有效检测。
Han等[37]基于故障树理论, 利用模糊神经网络 (FNN) 建立了一个废水处理在线诊断系统, 该系统包含一个诊断污泥体积指数 (SVI) 的在线传感器。该诊断系统通过对实际试验数据和FNN预测结果的对比进行故障诊断, 最终应用于SBR工艺污水处理进行诊断效果验证。
4 结论与展望
污水处理故障诊断是一项非常有意义的工作, 虽然起步较晚, 也取得了一些成果。在总结故障诊断方法的基础上, 结合对污水处理故障诊断方法的认识和目前应用现状的了解, 对该领域未来的发展提出以下观点:
(1) 现有的诊断方法或者诊断系统基本集中在对某种处理工艺、单一的故障诊断问题等, 对于多种处理工艺都通用的诊断系统和多方位故障诊断还比较缺乏。与此同时, 污水处理厂运行故障与故障之间可能存在各种关联, 会产生链式反应。因此建立适应性更强、全污水厂逐级分布式故障诊断系统是一个可行的研究方向。
(2) 人工智能应用与污水处理故障诊断领域是一个发展趋势, 而目前专家系统、神经网络等人工智能诊断方法有自身的缺陷和局限性, 主要是自主学习能力差、数值计算能力弱、经验推理能力不足等。因此, 将来可以从以下两方面考虑, 一方面可以采用多种智能方法相结合的集成智能诊断系统可以发挥各自优势, 取得更好的效果。另一方面, 在人工智能中开发机器自主学习的方法, 有助于及时补充知识, 提高诊断系统能力。
(3) 目前互联网技术的发展, 有助于建立虚拟故障诊断平台, 实施远程故障诊断。电脑搭载诊断系统的同时开发诊断APP, 污水处理厂实时数据传输到诊断APP, 利用诊断软件可以随时进行故障诊断, 更便捷、高效。同时, 网络的发展又可以实现污水处理故障诊断资源共享, 帮助污水处理厂优化运营。
[1]赵鑫, 方叶.基于数学模型的污水生物技术发展及展望.科技论文与案例交流, 2015, (12) :44~45
[2]仇付国, 张行, 高红伟.基于BioWin软件的ICEAS工艺模拟与升级改造探讨.给水排水, 2015, 41 (9) :100~105
[3]洪文学.基于多元统计图表示原理的信息融合和模式识别技术.北京:国防工业出版社, 2008
[4] Ericson, C.Fault tree analysis-A history.The 17th International System Safety Conference, Florida, 1999
[5]夏虹, 刘永阔, 谢春丽.设备故障诊断技术.哈尔滨:哈尔滨工业大学出版社, 2009
[6]蒋宗礼.人工神经网络导论.北京:高等教育出版社, 2001
[7]谢季坚, 刘承平.模糊数学方法及其应用.武汉:华中科技大学出版社, 2000
[8] Zhang K, Zargar A, Achari G, et al.Application of decision support systems in water management.Environmental Reviews.2014, (3) :189~205
[9]孙强, 沐建国, 孙礼康.城市污水处理异常工况判断及操作指导专家系统.计算机技术与自动化, 1994, 13 (2) :1~5
[10]施汉昌, 王玉珏.污水处理厂故障诊断专家系统.给水排水, 2001, 27 (8) :88~90
[11]王刚.榨菜废水处理厂故障诊断与运行维护专家系统的研发:[学位论文].重庆:重庆大学, 2011
[12]田在兴.城市污水处理厂BAF工艺异常数据诊断专家系统研究:[学位论文].哈尔滨:哈尔滨工业大学, 2012
[13]刘宇.基于贝叶斯网络的城市污水处理系统故障诊断模型建立与应用.见:2013中国环境科学学会学术年会论文集 (第四卷) , 2013
[14]王龙双.污水处理运行监控与故障诊断专家系统的设计与开发:[学位论文].株洲:湖南工业大学, 2014
[15] Punal A, Roa E, Lema J M.An expert system for monitoring and diagnosis of anaerobic wastewater treatment plants.Water Research.2002, (10) :2656~2666
[16] Baeza J A, Gabriel D, Lafuente J.Improving the nitrogen removal efficiency of an A2/O based WWTP by using anon-line Knowledge Based Expert System.Water Research.2002, (36) :2109~2123
[17] Baeza J A, Gabriel D, Lafuente J.Effect of internal recycle on the nitrogen removal efficiency of an anaerobic/anoxic/oxic (A2/O) wastewater treatment plant (WWTP) .Process Biochemistry.2004, (11) :1615~1624
[18] Carrasco E F, Rodriguez J, Punal A, et al.Diagnosis of acidification states in an anaerobic wastewater treatment plant using afuzzy-based expert system.Control Engineering Practice.2004, (1) :59~64
[19] Lardon L, Steyer J P.Advances in diagnosis of biological anaerobic wastewater treatment plants.Selected Topics in Dynamics and Control of Chemical and Biological Processes.2007, (3) :45~46
[20] Chen Z, Nie S, Ren N, et al.Improving the efficiencies of simultaneous organic substance and nitrogen removal in amultistage loop membrane bioreactor-based PWWTP using an on-line knowledge-based expert system.Water Research.2011, (45) :5226~5278
[21] Kim M, Kim Y, Kim H, et al.Operator decision support system for integrated wastewater management including wastewater treatment plants and receiving water bodies.Environmental Science and Pollution Research.2016, (11) :10785~10798
[22]王先宝, 金鹏康, 王晓昌, 等.昆明某污水厂氧化沟工艺的问题诊断及其解析.中国给水排水, 2012, 28 (13) :11~14
[23]李鹏峰, 孙永利, 郑兴灿, 等.太湖流域某污水厂工艺过程诊断及优化措施.中国给水排水, 2014, 30 (17) :109~112
[24] Oleyiblo O J, Cao J, Feng Q, et al.Evaluation and improvement of wastewater treatment plant performance using BioWin.Chinese Journal of Oceanology and Limnology.2015, (2) :468~476
[25] Moragspitiya C, Rajspakse J, Senadeera W, et al.Simulation of dynamic behavior of a biological wastewater treatment plant in South East Queensland, Australia using biowin software.Engineering Journal.2017
[26] Vitanza R, Colussi I, Cortest A, et al.Implementing a respirometry-based model into BioWin software to simulate wastewater treatment plant operations.Journal of Water Process Engineering.2016, (9) :267~275
[27]郝晓地, 赵义, 仇付国, 等.从微观机理认识污水处理厂的节能减排.中国给水排水, 2008, 24 (24) :89~94
[28] Nuhoglu A, Keshinler B, Yildiz E.Mathematical modeling of the activated sludge process-the Erzincan case.Process Biochemistry.2005, (7) :2467~2473
[29] Guo L, Zhao Y, Cui F.A new fault diagnosis method based on Bayesian network model in a wastewater treatment plant of northern China.Desalination and Water Treatment.2016, (44) :20774~20778
[30]刘乙奇, 李艳, 孙宗海, 等.面向污水处理过程因子分析故障诊断方法的研究.控制工程, 2015, (3) :447~451
[31] Tao E, Shen W, Liu T, et al.Fault diagnosis based on PCA for sensors of laboratorial wastewater treatment process.Chemometrics and Intelligent Laboratory Systems.2013, (128) :49~55
[32]高大康.CAST污水处理工艺故障诊断方法的研究与应用.环保科技, 2014, (1) :39~42
[33] Beauchamp N, Lence B J, Bouchard C.Technical hazard identification in water treatment using fault tree analysis.Canadian Journal of Civil Engineering.2010, (37) :897~906
[34] Taheriyoun M, Moradinejad S.Reliability analysis of a wastewater treatment plant using fault tree analusis and Monte Carlo simulation.Environmental Monitoring and Assessment.2015, (187) :41~86
[35] Xiao H, Liu Y, Huang D.Semiadaptive fault diagnosis via variational Bayesian mixture factor analysis with application to wastewater treatment.Journal of Control Science and Engineering.2016, 2016, (4) :1~12
[36]陆林花.遗传聚类算法在污水处理异常数据分析中的应用.计算机应用与软件, 2011, (6) :200~202
[37] Han H, Li Y, Qiao J.A fuzzy neural network approach for online fault detection in waste water treatment process.Computers and Electrical Engineering.2014, (40) :2216~2226