市政污水厂运行优化管理（三十三）

市政污水厂运行优化管理（三十三）

四、全系统的数据分析

污水厂通过建设全面的活性污泥检测系统后，会产生大量的检测数据，全面的利用数据可以实现对活性污泥的精准描述。但是也发现多数污水厂仅仅停留在数据收集上，对于工艺的判断大多数时间依然需要工艺人员的经验判断，如果依旧使用经验盲目判断，建立的全面的活性污泥检测系统也就没有什么意义了，运营人员希望优化和改善活性污泥的运行，需要对检测过程收集的数据做进一步的分析，数据分析是对工艺运行进行优化的重要手段，也是未来污水厂实现智能化运行的数据基础，如何让大量的数据成为工艺优化的判断依据呢？下面围绕全系统数据分析的工艺优化进行讨论。

1、对于数据来说，一定存在一个真实性的基本界定。这在很多污水厂的运营管理人员都有很多疑惑，对一些数据反应的情况无法确定其真实性，因此就会质疑这些数据的产生过程。化验数据是有全面的质量控制体系的，大多数污水厂没有把质量控制作为化验工作的日常，因此受到质疑的时候，也很难做出明确的数值准确的保障。采用SOPS方法的质量控制程序，从试剂、标准样品、采样及预处理、仪器分析、数据处理及记录全流程进行质量控制。具体项目比如绘制校准曲线，r值应≥0.999；根据不同的化验准确值选择不同的纯度的化验药品；对于称量器皿要定期鉴定其是否满足质量控制要求；对保温和加热设备要检测其温度是否满足工作标准；定期进行标准样品的盲样检测、加标回收等等。定期开展这些质量控制工作是保障化验数据准确的标准做法。污水厂希望所采纳的数据能够真实反应活性污泥的，就需要从每一个环节去规范的进行，化验工作是一项各个环节误差产生较高的过程，数据真实性的质量控制是必须进行的，是污水厂化验工作开展的重要组成部分。

这里需要注意的一点是，越来越多的化验室开始采用一体化的快检设备，这些设备厂家配置化验药包，采用了标准的剂量和定容的容器和设备内预制的曲线来进行水样的检测，但是这样的检测受到快速检测设备本身检测精度的影响，会对实验结果产生较大的误差。在传统的国标化学法检测过程中，检测的物质的低浓度和高浓度是需要选择不同的反应物浓度的，比如COD的化验会划分小于50mg/L，50~1000mg/L，1000~2500mg/L的浓度区间进行不同的重铬酸钾消解液的选择，但是在一些质量较差的快检设备上这个细致的划分被统一浓度的配送药品替代，不同区间的COD就会产生不同的误差，特别是进出水采用统一药剂配置的，就会产生较大的误差。这需要污水厂在设备采购时加以注意，并采取相应的采购控制手段来保障一体化快检设备的真实性。

2、在线数据的补充。污水厂活性污泥性状数据主要通过化验室建设活性污泥性状检测体系完成，但是也能够发现这种数据体系存在的不足就是数据的间隔周期较长，并且存在取样的偶然性误差。这两个因素导致污水厂需要长期积累这些性状数据才可以得到准确的趋势判断，而且这些数据的连续性较差，很难对一些突发事件做出连贯性的检测。这就需要安装在生化反应池里的各种在线监测仪表，包括进出口的在线水质检测仪表等的数据进行补充。

在线仪表的数据

一直是一个运营人员困扰的问题，在建设初期投入大量的资金建设的污水厂仪表，在投入运行以后，在线仪表探头数据显示的数据就和化验数据吻合度低，化验人员又很难承认自己的数据有误，并且在一个连续流动的水体内，取样离线进行分析，本身偶然性就很大，这种离线进行的分析数据要想和在线数据完全保持一致，难度极大；而在线的数据检测多数通过放置于生化池液体中的探头进行检测，生化池中的混合液中的微生物会附着在探头表面，而污水中的大量漂浮性杂质会对探头造成缠绕，一些探头内部需要定期更换检测部件，没有及时更换维护等等，这些都会影响在线数据的准确性，这使得在线仪表的数据误差较大，并且在线探头的维护也需要大量的投入和专业的配合，这也是很多污水厂缺乏的。这些原因造成了污水厂对在线数据的信任度的极低，这也造成了在线数据慢慢被管理人员抛弃。

但是污水厂对污水处理是一个连续的过程，仅依靠化验室的每日一次的化验频次是远远不能检测到数据的变化的，有些可能会造成对数据变化的误判，也无法实现精细化管理，特别是在优化管理上，一个市政污水厂日夜进水水量水质是不同的，仅仅有日间的一个数据，很难做出精准的判断。比如在公众号之前讨论的24小时进水水质化验的问题上，早晨取得水样的污染物浓度并不能真实的反映出污水厂全天进水的污染物水平，日夜的居民排水量的变化，管网内水位波动造成污染物的沉积和携带都不一样，污水厂全天的污染物符合需要更密集的水质检测才能得到，这也是很多精细控制中仅依靠化验数据甚至设计数据进行设定以后，污水厂的运行出现各种偏差的原因之一，忽略污水厂进水的波动性和绝对变化是造成控制偏差的主要因素。这一定是需要污水厂结合在线数据的连续监测的优势，同时认可和合理规避在线数据的误差性，并通过污水厂内的管理把在线数据误差控制到合理的范围内，把在线数据应用到工艺优化的系统分析中来。