15、人工智能算法在污水处理厂的应用：进水化学需氧量（COD）负荷预测

人工智能算法在污水处理厂的应用：进水化学需氧量（COD）负荷预测

1. 引言

城市污水是生活污水、工业污水和部分自然降水的混合体。由于工业产品多样、生产技术不同，工业污水中的污染物种类繁多且浓度波动大；生活污水虽污染物数量相对较少，但浓度也存在差异。这使得城市污水来源广泛且不确定，导致污水的流量和水质波动。

污水处理的目标经历了从卫生需求到环境保护的演变。目前，多数城市污水处理厂采用活性污泥法进行二级处理，其中A2O（厌氧 - 缺氧 - 好氧）工艺较为常用。该工艺同步除磷脱氮分两步：一是除磷，污水中的聚磷菌在厌氧状态下释放，在好氧状态下吸收并随剩余污泥排出；二是反硝化，溶解氧低于0.5mg/L时，兼性氧和脱氮细菌利用水中生化需氧量（BOD）作为氢（有机碳源）供应，将好氧池混合液回流中的硝酸盐和亚硝酸盐还原为氮气排入大气。

A2O工艺的能耗主要集中在提升污水的进水泵房和为二级生物处理提供氧气的风机房，约占全厂能耗的70%，其中曝气系统的耗电量约占全厂耗电量的40% - 50%，是二级污水处理系统的最大耗能单元，也是污水处理节能的关键。由于水质波动大且排放标准日益严格，许多污水处理厂会增加化学品投入和曝气，虽能保证出水达标，但会造成能源浪费和潜在的化学污染，给污水处理厂带来巨大成本压力。

为提高污水处理效率，需要准确获取污水参数以精确控制化学品添加和曝气。常用的污水参数包括进水流量、进水温度、进水pH值、进水氨氮、进水COD、进水BOD和进水总悬浮固体。其中，进水流量和进水温度较易在线测量，进水pH值在线测量结果不稳定，实验室测量更准确但有滞后性。目前，进水COD、进水BOD、进水氨氮和进水总悬浮固体只能在实验室测量，无法在线测量。准确测量这些参数的方法有两种：一