湖泊水库的污染与治理污染物浓度数学模型建立(6)
5.2 污水处理模型作用
污水处理数学模型的作用可以归纳为3个方面：
⑴ 设计：即通过对新建污水处理厂设计的多个方案进行模拟并加以比较；
⑵ 过程优化控制：及对能够改进现有污水处理厂的多个操作方案进行评估；
⑶ 学习：即通过模拟加深对流程的理解，并根据研究人员的构思开发新工艺。由此可以看出，模拟是污水处理数学模型应用的基础，准确的模拟是应用能否成功的关键。
设计功能
在工程设计阶段，可以通过对各种设计方案的模拟进行评估对比。模拟可以为实
际污水处理厂的设计提供知识基础，同时能够避免小试或中试试验，从而省时高效地解决问题。而且，经过长期的将模拟与污水处理厂实际运行情况进行对比，模型还可以避免实验室数据与实际污水处理厂数据由于放大效应而产生的差别。
根据厌氧条件下自养菌衰减速率的降低，通过ASM1模拟对污泥储存的构想进行了评价。这一构想通过剩余活性污泥临时储存在一个停留时间为数天的厌氧池内，能够提供部分硝化容量及耐受氮的冲击负荷，相应的活性污泥系统的污泥龄也大大的降低了。实验研究表明，反应器容积可以减少大约20%，但增加的污泥产量将会造成操作成本的增加。
采用基于TUDP模型的模拟软件，对生物脱氮污水处理厂的改进设计进行了评价，并给出了各种改进方案的数量化的费用效益分析。将静态活性污泥处理厂设计模型和遗传算法结合起来进行活性污泥系统的设计，能用于Bardenph、Biodenipho、SBR和UCT等工艺的优化设计。由于遗传算法的灵活性和对动态模型的适用性，ASM模型与遗传算法的结合将是优化设计的一个不错的发展方向。
过程优化控制
优化一般是指在一定的边界条件下对一定的目标函数的优化。在污水处理中，这些目标函数通常是指处理过程的重要经济指标，而边界条件则是对出水污染物浓度的限制。过程优化包括两类：离线优化和在线优化。前者绝大多数为定态优化，一般可理解为先验优化，即在实现过程之前提前设计好优化条件，然后在过程实施中予以实现。在线优化是在过程进行之中，经过对过程行为的观察和了解，然后逐步地进行优化。离线优化是一种比较早期的方法，它的效果对于大系统和大型过程甚为明显。主要原因是，对于大型过程，即使是一个相当小的百分比的优化，对于降低原料消耗和能耗意义却是巨大的。然而，现代过程通常都不是单一的，而是由多个过程所组成的系统或大系统，这样的系统往往存在一些时变因素，如生产负荷的变化，操作的变化等。实现了离线定态优化的系统显然并不能适应这些时变因素，因此理想的优化方法应是在线优化。在线优化是目前公认的一种先进的动态优化方法，即利用计算机在线采集动态操作数据，进行系统状态和参数的辨识，作为优化的依据。在线优化是以在线辨识所得的动态模型为基础，对动态模型的定态形式实现优化，或者以在线辨识所得到包括过程时变性的动态模型为基础实现长时间范围内的优化。在线优化显然比离线优化合理，但也远为复杂和困难。在线优化需要实时的决定优化策略，因此需要快速的计算机模拟。
对现有污水处理厂负荷的重大变化，或者污水处理厂排放要求的提高，或者污水处理厂实际操作条件下的出水水质与设计预期不同，则需对污水处理厂进行离线过程优化。在这种情况下，通常采用模拟的方法评估过程措施是否能在污水处理厂现有构型的基础上提高污染物去除效率。基于ASM1的基准开发了污水处理厂通过模拟对脱氮污水处理厂的不同控制策略进行评估，并在方案中包括了评估污水处理厂性能的若干标准。污水处理厂是一个复杂的多变量系统，因此过程的动态控制需要实用的多目标优化技术。将遗传算法应用到城市污水处理厂控制系统中，成功地在多种可行的方案中确定了最优控制方案。
上一篇：调和函数的性质与应用+文献综述