一种集成知识与数据驱动方法的污水处理厂在线污泥排放调度框架

《Process Safety and Environmental Protection》：An Online Sludge Discharge Scheduling Framework in Water Treatment Plants Integrating Knowledge and Data-driven Approaches

针对传统污水处理厂沉淀池污泥排放调度依赖经验且缺乏实时调整的问题，提出一种基于数据驱动与沉淀理论的调度框架，利用常规水流和质量仪表实现污泥浓度预测，减少67%水和能源消耗，初始污泥浓度（RMSE<0.63%）及出水浓度（RMSE<0.17%）预测精度显著。

　　

黄玉军|牛宇海|张娟|刘金海|王泽民|陈思涵|田志民|何成宇|谢一帆|刘淑明

清华大学环境学院，北京，中国

摘要

在传统的水处理厂（WTPs）中，沉淀池中的污泥排放时间安排通常依赖于定性的经验判断，缺乏根据实时运行条件进行及时调整的能力。这可能导致排放污泥中的固体含量不适当且不稳定，从而增加水资源和能源浪费的风险，或者导致出水水质恶化。目前在线污泥排放时间安排的研究受到限制，原因是现有的污泥状态监测仪器（如污泥液位探头和浓度计）存在精度问题，以及对沉淀池中污泥产生和分布的建模不够准确。在这里，我们提出了一种新的污泥排放时间安排框架，旨在在不依赖特定污泥监测仪器的情况下提高排放污泥-水混合物的固体含量，仅使用常规的水流和质量计。该框架通过数据驱动的方法预测预期的初始固体含量（ISC，%），并基于沉淀理论预测出水固体含量（ESC，%）。这两个步骤有助于估计排放污泥-水混合物的固体含量及其变化。对于两个沉淀池，ISC预测的均方根误差（RMSE）低于0.63%，而ESC预测的RMSE低于0.17%。通过整合监测、模拟、预测和调度，我们的解决方案有潜力稳定案例水处理厂的出水固体含量。此外，在目标平均出水固体含量为10%的情况下，我们的解决方案可以减少与污泥排放相关的水资源消耗以及与污泥脱水相关的能源消耗的67%。

引言

在全球致力于减少温室气体和可持续发展的背景下，水务行业的温室气体控制问题日益受到关注（Huang等人，2026；Huang等人，2023a；Khan等人，2024）。供水系统占水务行业温室气体排放的1/3，而水处理厂（WTP）的能源消耗占其中的2/3（Zhang等人，2017）。除了泵的运行外，污泥浓缩和脱水过程也占了相当大的能源消耗（An，2018；Wu等人，2024）。现有水处理厂中的污泥排放机制通常以固定频率运行，这可能导致污泥排放过多或不足。污泥排放过多会导致沉淀池中的水流过多，从而增加污泥浓缩和脱水过程中的能源消耗以及水处理厂自用水的比例。然而，污泥排放不足会影响沉淀池上清液中的污泥含量，并增加出水水质不合格的风险（Nan等人，2024）。此外，排放的污泥-水混合物的固体含量可能变得不稳定，影响后续污泥处理过程的性能稳定性。因此，需要改变水处理厂中的污泥排放机制，从经验性做法转向定量调度框架（Bai等人，2025；Bonilla等人，2022；Feng等人，2025）。

自动控制传感器提供了一个潜在的解决方案。污泥液位探头和污泥浓度计用于监测沉淀池中的污泥状况以及排放污泥的固体含量变化，为沉淀池排放时间安排提供了重要信息。Zhang等人基于污泥液位探头建立了一个脱水控制框架，使得污泥脱水的自用水量减少了47%（Zhang等人，2023）。Haeck等人在污泥浓缩池的脱水设备入口处安装了在线污泥浓度计，根据进入的污泥负荷调整絮凝剂用量（Haeck等人，2010）。Zhu等人在高密度澄清池中安装了污泥浓度计，从而调节污泥回流速率（Zhu等人，2014）。然而，普遍存在的问题包括测量不准确和数据波动较大，这些都会影响包括污泥液位探头和污泥浓度计在内的自主传感器的可靠性（Ye等人，2018；Zhu，2012）。此外，污泥和水之间的界面不明确（Zhao和Lei，2022），这可能导致测量误差，并且当污泥液位处于最佳停止排放时刻时，仅凭污泥液位探头难以确定。至于污泥浓度计，它无法测量污泥排放期间外的污泥-水混合物的预期初始固体含量，因此无法直接用于决定何时开始排放污泥。

模型模拟是另一种获取沉淀池运行状态的方法。几十年来，许多研究试图对沉淀池内的污泥沉淀过程进行建模。Hartel和Popel构建了一个动态二次澄清池模型，可以量化受阻沉淀的速度（Hartel和Popel，1992）。Mancell-Egala等人和Mazzolani等人探索了全面的沉淀模型，以解决沉淀池内低浓度区域的絮凝沉淀和高浓度区域的受阻沉淀问题（Mancell-Egala等人，2016；Mazzolani等人，1998）。Qiu等人将压缩固体应力函数的动态校准与受阻沉淀联系起来，并展示了微生物群落特征对预测受阻沉淀速度的有用性（Qiu等人，2023）。然而，针对稳定污泥-水混合物排放的污泥排放时间安排与沉淀速度模型没有直接关联，而是与沉淀池底部的污泥浓度分布有关。现有研究缺乏对沉淀池各区域污泥固体含量的直接建模，这很难基于污泥沉淀速度模型进行推断。此外，当这些数值模型应用于不同的水处理厂时，许多参数需要重新校准，因为水质存在差异。

模型预测在基于传感器的自动化和模型模拟之间提供了一种全面的解决方案。它是两者的结合，因为它结合了传感器和模型的优点。基于传感器的状态观测的技术水平有限，这突显了模型模拟在深入理解系统动态、实现主动系统状态预测和提高运行效率方面的必要性（Huang等人，2023b）。例如，Zhou等人开发了一个基于图表的压头重建模型，该模型仅使用100个压力计的数据就能估计水分配网络中超过10,000个未知节点的压头，平均绝对误差仅为0.13米（Zhou等人，2022）。这个例子表明，可以通过基于现有仪表的模型推断出未知的系统状态。物理模型和数据驱动模型作为两类不同的预测模型，展现了独特的属性（Fu等人，2022）。虽然物理模型符合基本原理，但其计算成本和对测量的依赖性可能限制了建模能力（Gil等人，2018）。相比之下，数据驱动模型，例如基于机器学习的人工智能（AI）模型，展示了计算成本效益高的预测能力（Asgari等人，2021；Liu等人，2025）。然而，数据驱动模型需要大量数据进行训练，并且可解释性有限（Nearing等人，2021）。模型预测的新范式提倡结合机械知识和数据驱动模型，充分利用了它们的多种优势（Fu等人，2022；Jiang等人，2020；Su等人，2018）。

基于研究背景，我们提出了一种用于水处理厂沉淀池污泥排放的时间安排框架，旨在稳定和提高污泥-水混合物中的固体含量。该框架整合了专业知识和数据驱动建模，创建了一个系统感知机制，以监测污泥-水混合物中固体含量的变化，并结合了传感器监测和基于模型的预测。值得注意的是，我们避免了依赖污泥液位探头或污泥浓度计，而是使用了常规的水流和质量计。这种方法符合行业实践，并具有显著的实际应用价值。

章节摘录

材料与方法

本研究旨在优化污泥去除，以提高污泥-水混合物中的固体含量。我们确定了两个关键决策变量：污泥排放的开始时间和持续时间。确定了沉淀池的两个关键运行状态：污泥-水混合物的初始固体含量（ISC）以及污泥排放过程中的固体含量变化。我们开发了ISC预测模型和出水固体含量（ESC）模型来预测这些状态，从而形成

初始固体含量预测模型

表1展示了所选模型在测试集（未进行交叉验证）上预测排放污泥-水混合物初始固体含量（ISC）的性能，通过不同的方法（即直接预测ISC或先预测ISC的增长率再推导ISC，详见第2.3节）。通过统计学习，ISC预测模型能够在不同的进水条件下估计ISC值。LightGBM在其他模型中表现更优

结论

在这项研究中，我们旨在通过构建污泥排放时间安排框架来提高水处理厂沉淀池中排放污泥-水混合物的固体含量。我们开发了一种监测-模拟-优化的方法，使用常规的在线水流速率和质量计，并结合了沉淀理论和数据驱动模型。该方法将污泥-水混合物分为两部分进行建模，即初始固体含量（ISC）预测模型和出水固体

致谢

本工作得到了中国国家重点研发计划（2023YFC3208100）的支持。

CRediT作者贡献声明

王泽民：验证、资源、调查、正式分析。刘金海：验证、资源、调查。田志民：软件、调查、数据管理。陈思涵：验证、调查、正式分析。黄玉军：撰写——审稿与编辑、撰写——初稿、可视化、验证、方法论、调查、正式分析、数据管理。张娟：验证、资源、调查、资金获取、正式分析。牛宇海：验证，

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：黄玉军、张娟、王泽民、陈思涵、田志民和刘淑明拥有待中国国家知识产权局批准的专利#202411456327X。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文报告的工作。