成都科研團隊利用智能化“鑰匙”助力減污降耗

　　 污水處理行業碳排放量約占全球碳排放量的2%，是不可忽視的碳排放領域。污水廠的碳排放包括了直接碳排放和間接碳排放，前者主要來自生物反應過程中N2O、CH4和CO2的逸散，而后者主要是生產過程中電力、藥劑等消耗。研究統計，“十三五”時期，北京排水集團間接碳排放99%來源于電力消耗。“以能耗換水質”的污水處理方式，是目前污水處理設施運行管理中面臨的一道難題。

　　智能化手段的引入則成為了一把解決難題的鑰匙。近日，中科院成都生物研究所污染生物治理項目組采用人工智能算法對污水處理進行了模擬優化方面的探索，初步構建起水質預測模型。

　　項目團隊負責人、中科院成都生物研究所研究員譚周亮表示，污水處理系統是一個典型的“黑箱”，污水處理廠內部生化單元生物化學反應過程存在著非線性、時變性、原理不完全明確性的特點，而工藝穩定性易受到進水水質、運行參數以及環境條件的影響，從而導致出水水質發生變化。“要處理的污水是動態變化的，但為了保證出水水質穩定達標，污水處理廠往往按照高標準的模式運行，就會造成一些不必要的碳排放。”

　　針對上述問題，團隊選取四川省內兩家污水處理廠進行研究，采用多種人工智能算法，分別構建了針對進水水質水量和出水水質水量的預測模型。進水水質預測方面，團隊考慮了污水處理廠周邊人口規模、生活習慣以及氣候條件等影響因素，并收集了相關數據進行預測。出水水質預測方面，團隊則考慮了遲滯條件、過程參數和數據優化分析方法等對預測模型精度的影響。

　　譚周亮介紹，對進水進行準確預測，可提前了解進水水質水量的變化情況，從而有助于及時調整污水處理系統運行參數，保障出水水質達標排放。對出水進行準確預測，可提前獲得出水水質能否達標排放的信息，有助于污水處理廠采取優化調控措施。

　　“通過對進出水水質的精準預測，可及時采取措施優化污水處理系統運行參數以及藥劑添加量，在保障污水處理穩定達標的前提下最大限度低碳運行，實現碳減排。”他表示，目前，團隊就這方面仍在作更深入的研究。

　　未來，除了進一步促進污水處理系統智能化運行技術的落地，面向國家“雙碳”目標，譚周亮及其團隊還關注到了微藻固碳作為碳捕集、利用和儲存的重要方式。譚周亮介紹，利用微藻有效回收污水中被浪費的氮磷元素，能有效降低污水處理中藥劑使用。“同時對藻體進行資源化利用，可以促使污水處理工藝從‘高碳排放處理工藝’轉型為‘綠色低碳生產工藝’，變 ‘廢物處理’為‘資源及能源回收’。”