关键词： 城镇污水处理厂   数字孪生   水质预测   LSTM-GRU神经网络   调控策略  

摘要： 近年来,我国对于污水处理节能降碳提出了新的要求,鼓励城镇污水处理厂积极开展绿色低碳关键技术的攻关工作,推动污水厂智慧化运行。数字孪生、大数据、机器学习等新一代信息技术的兴起,给城镇污水厂的运行管理带来了机遇与挑战,通过高性能计算分析,可为污水厂实现“减污降碳”的运行目标提供科学决策支持。论文以日照市某城镇污水处理厂为研究对象,基于数字孪生和深度学习技术,结合现场运行状况及历史运行数据,构建城镇污水处理厂的数字孪生平台,实现污水处理工艺过程及运行状态的实时可视化;构建基于深度学习的出水水质预测模型,并部署于平台中,实现出水水质的预测;基于构建的出水水质预测模型开展污水厂特殊场景下运行调控策略研究。本文主要的研究内容及成果如下: (1)城镇污水处理厂的运行状况研究。以日照市某城镇污水处理厂为研究对象,对该污水处理厂的工艺流程和数据点位进行梳理分析,收集获取该污水处理厂的历史运行数据,并分别对该污水厂2021年的进水流量与进水水质、出水水质、过程变量以及运行能耗等运行数据进行特征分析与相关性分析。结果表明:该污水处理厂全年稳定达标排放;在药耗能耗方面,平均外加碳源量为6.9 t/d,平均用电量为13804 kwh/d,表明运行成本较高,存在较大优化空间。结合皮尔逊相关性分析结果可知,该污水厂运行指标之间存在多种正相关或负相关的线性关系;其中,过程调控变量与出水水质之间的线性相关程度不明显,说明由于污水处理过程的复杂性,导致过程控制变量与出水水质呈多因素耦合关系,因此,本论文拟采用非线性模型开展出水水质预测研究。 (2)数据驱动的城镇污水处理厂数字孪生平台构建研究。数字孪生是一种将物理实体与对应数字虚体实时同步的技术,以其具有数据实时交互的特点而区别于其他数字模型。通过对数字孪生平台的系统架构进行设计,将其分为物理实体、虚拟模型、大数据中心与智能算法四部分。通过建筑信息模型技术进行虚拟模型的构建及渲染,基于物联网技术及Modbus协议实现数据的传输与映射,并对数字孪生平台进行主页与菜单栏的设计,最终构建出城镇污水处理厂的数字孪生平台,在平台中部署实时监控、水质预测、三维可视化、运行模拟与决策支持等功能,为污水处理厂的运行调控管理提供技术支持。 (3)基于深度学习的出水水质预测模型构建研究。根据污水处理系统的时序特点,结合该污水处理厂2020年10月至2023年9月的运行数据,基于LSTMGRU神经网络构建了出水COD、TN浓度的预测模型,并与支持向量回归模型、随机森林模型进行比较。结果表明:相较于其它两种模型,LSTM-GRU神经网络模型的性能表现较好,出水COD、TN预测浓度的RMSE、MAE、MAPE分别为1.988、1.383、13.07%和0.698、0.471、5.6%,表明基于LSTM-GRU神经网络的水质预测模型能够较为准确地预测出水水质浓度。 (4)基于数字孪生平台的城镇污水处理厂特殊场景下调控策略研究。根据进水C/N比和水温的不同,设置低进水C/N比、冬季低温、夏季高温等三种特殊场景,并通过数字孪生平台,对碳源投加量和溶解氧含量开展调控策略的研究,分析不同调控策略对应的出水COD、TN浓度。结果表明:数字孪生平台能够动态模拟不同调控策略对特殊场景下出水水质的影响,并根据预测结果对实际污水处理厂运行参数的调控策略提供科学指导,避免在特殊场景下出现碳源过量投加或过量曝气的情况,降低污水厂运行能耗与药耗,实现节能降碳的目标。

摘要： Wastewater treatment plants（WWTPs） are important and energy-intensive municipal *** energy consumption and relatively low operating performance are major challenges from the perspective of carbon neutrality. However, water–energy nexus analysis and models for WWTPs have rarely been reported to date. In this study, a cloud-model-based energy consumption analysis（CMECA） of a WWTP was conducted to explore the relationship between influent and energy consumption by clustering its influent's parameters. The principal component analysis（PCA） and K-means clustering were applied to classify the influent condition using water quality and volume data. The energy consumption of the WWTP is divided into five standard evaluation levels, and its cloud digital characteristics（CDCs）were extracted according to bilateral constraints and golden ratio methods. Our results showed that the energy consumption distribution gradually dispersed and deviated from the Gaussian distribution with decreased water concentration and quantity. The days with high energy efficiency were extracted via the clustering method from the influent category of excessive energy consumption, represented by a compact-type energy consumption distribution curve to identify the influent conditions that affect the steady distribution of energy consumption. The local WWTP has high energy consumption with0.3613 k W.h.m-3despite low influent concentration and volumes, across four consumption levels from low（I） to relatively high（IV）, showing an unsatisfactory operation and management level. The average oxygenation capacity, internal reflux ratio, and external reflux ratio during high energy efficiency days recognized by further clustering were obtained(0.2924–0.3703 kg O2.m-3, 1.9576–2.4787, and0.6603–0.8361, respectively), which could be used as a guide for the days with low energy ***, this study offers a water–energy nexus analysis method to identify influent conditions with opera

关键词： 公募REITs   污水处理企业   发行动因   风险  

摘要： 随着我国居民生活质量的提高,污水处理领域中的基础设施项目的资金需求逐渐增加。这些基础设施既是城市建设中的关键组成部分,也是国家进行绿色发展,国民生活质量提升的重要支柱。受国家环保政策收紧的影响,社会资本投向污水处理行业的趋势更为显著。因此,积极吸引社会资本,盘活污水处理行业现有的资产,成为当务之急的任务。在“十四五”规划中,国家已明确强调推进基础设施REITs试点对实现资源的高效利用,乃至促进投资领域新格局的形成,具有至关重要的意义。因此,通过对发行REITs的动因与风险进行分析,有助于帮助企业了解到发行REITs的优势,以及合理规避可能会遇到的风险,助力于基础设施公募REITs的长远发展。 本文选取首批上市交易的9支公募REITs中,污水处理行业中的“首创水务REIT”作为案例研究对象。首先,对国内外研究现状、REITs的定义、以及相关的理论进行了文献梳理,在此基础上,分析了污水处理行业的发展状况、融资现状与融资困境,详细介绍了首创环保的企业运营情况,并梳理了富国首创水务REIT的交易结构与底层资产的运营情况。然后分析了首创环保发行REIT的动因,通过分析发现,污水处理行业有大量的融资需求,首创水务也有较高的融资需求。其次,对发行的效果进行了分析。最后分析其可能存在的风险,并给出了相应的风险规避建议。 本文通过对污水处理行业的发展状况与融资数据进行了研究和分析,得出了污水处理行业有大量的融资需求。再对企业的经营状况和负债结构进行分析,发现首创水务的资产负债率与行业平均值相比较高,融资需求较高。通过动因分析,发现公募REITs作为国内新兴的融资工具,具有融资成本低、发行速度快、有利于盘活存量资产,提升企业的运营效率等特点,可以满足污水处理行业建设的资金需求,为污水处理行业的发展注入新动力,助力于行业市场的持续发展。通过效果分析,发现企业发行公募REIT给其带来了正向的财务影响与市场效应。同时,企业也应该做好识别风险与应对风险的准备:通过建立政策敏感度,加强风险管理和战略调整,快速适应外部政策环境的变化,降低政策风险;通过提升管理水平,重视专业人才培养,充分发挥原始权益人在资产、战略及运营管理方面的潜力,降低管理风险;通过提高底层资产稳定性,引入与现有基础设施项目类别一致的优质资产,降低特许经营权到期风险;通过对宏观政策和环境变化的深入分析,积极寻找并开发新的市场增长点,及时调整运营策略,降低市场风险。要使REITs在我国得到良好发展,优质的底层资产是其发行成功的根本保证。其次,培养专业人才是确保REITs能够有效运作和发挥优势的前提。要充分利用REITs作为融资工具的潜力,企业方面仍需进一步探索和完善相关机制。

摘要： 国家发展改革委、住房城乡建设部、生态环境部日前联合发布实施意见，要求坚持系统观念，推进污水处理减污降碳协同增效。实施意见提出，到2025年，污水处理行业减污降碳协同增效取得积极进展，能效水平和降碳能力持续提升。地级及以上缺水城市再生水利用率达到25%以上，建成100座能源资源高效循环利用的污水处理绿色低碳标杆厂。实施意见从强化源头节水增效、加强污水处理节能降碳、推进污泥处理节能降碳3个方面明确了具体举措，

关键词： 污水处理   碳排放   山地城市   减碳策略  

摘要： 对污水处理厂全过程的碳排放进行精准核算是引导该过程减少碳排放的重要前提。本文整理了污水处理厂全过程碳排放量的计算方法及相关计算参数，并以某山地城市的污水处理厂为例核算了实际碳排放情况，详细分析了该厂的减碳途径和方法。提出了改善城市污水处理厂全过程碳排放的若干措施和建议。

关键词： 污水处理   软测量   参数校正   ASM1   神经网络   北方苍鹰优化算法  

摘要： 实现污水资源化,合理利用水资源,是保障人类赖以生存和发展的必由之路。为保证人类水源地可再生利用且不受污水的污染影响,需将已受人类生活用水、工业生产用水、自然天气等因素污染的水质处理至排放标准。污水处理是去除废水中碳、氮、磷等有机污染物以及富含酸、碱、盐等无机污染物的重要手段。目前,活性污泥法是污水处理厂最常用的工艺,但由于活性污泥污水处理过程中一些关键水质参数的多样性、复杂性和滞后性,且现有水质检测方法存在误检、漏检等问题,从而影响活性污泥模型和水质检测精度。因此,优化污水处理过程模型参数并建立污水水质软测量模型,为提高污水处理效率、保护环境以及污水达标排放提供了一定的理论依据和社会经济价值。本文的主要研究内容如下: (1)针对活性污泥1号模型(Activated Sludge Model No.l,ASM1)在面对复杂工况的污水处理时,由于受环境因素反应敏感的参数间存在较强的耦合性,使得ASM1实际参数值与国际水协会推荐值之间存在一定偏差,从而导致ASM1模型在污水处理过程中精度下降的问题,本文设计了基于改进北方苍鹰优化算法(Improved Northern Goshawk Optimization,INGO)的ASM1参数优化方法,通过对敏感参数优化矫正,以减小模型偏差,提高模型精度。首先,建立了ASM1模型输出值与实际值间的最小二乘目标函数。其次,引入Tent混沌映射初始化北方苍鹰优化算法(Northern Goshawk Optimization,NGO)以均匀分布种群的初始位置,增加种群的多样性。同时,为避免NGO算法陷入局部最优值,设计最优最差反向学习机制,提高苍鹰全局搜索能力。最后,通过INGO算法对ASM1参数进行优化,寻找最小目标函数对应的最优ASM1参数,以提高ASM1模型污水处理的精确性与普适性。 (2)针对污水处理过程中用于评估污水处理效果的生化需氧量(Biochemical Oxygen Demand,BOD)、总氮(Total Nitrogen,TN)等水质参数难以在线实时监测,离线检测耗时长,且检测结果只具有局部代表性,不能反映整体污水处理效果的问题,本文设计了一种基于堆叠降噪自编码器(Stacked Denoising Auto Encoder,SDAE)与INGO算法优化极限学习机(Extreme Learning Machine,ELM)的软测量模型,实现对污水水质BOD和TN浓度的高精度预测。首先,选用灰色关联度分析法对输入变量进行特征选择,筛选出评估较高的预测因子作为软测量模型的输入变量,并利用SDAE对输入变量进行特征重构。然后,利用INGO算法优化ELM权值分配,建立输入特征变量与输出变量的高相关性表述。最后,将设计的SDAEINGO-ELM软测量模型应用于污水处理过程中BOD、TN参数预测。所设计的模型误差较小,实际值与预测值之间拟合度较高,能够实现水质参数的精确预测。 (3)针对浅层神经网络预测模型通常只有三层及以下计算单元,忽略了特征之间的关联性,面对越来越复杂的工业过程时,数据泛化能力不足,从而表现出一定的局限性。而深度学习神经网络中,模型结构复杂,网络收敛速度慢,每一级都是利用前一级输出作为后一级输入,只有相邻两层之间互相连接,这种结构会忽略掉整体与部分之间的关联性,导致模型无法对数据规律进行无偏差估计的问题,本文设计了基于分数阶差分算法(Fractional Difference Algorithm,FDA)和随机配置网络(Stochastic Configuration Network,SCN)的集成学习软测量模型。其中,利用FDA进行数据采样,既可保证数据平稳性又能保留数据原始信息,SCN网络在很好地实现渐进逼近的同时,克服了网络函数值陷入局部最小的问题,降低了网络参数迭代调整过程。因此,本文设计FDA对输入数据采样生成各个样本子集,通过SCN网络独立训练各个采样子集生成子学习器,并按照一定的组合策略将各个子学习器进行集成得到训练结果。实验结果表明,本文设计的FDA-SCN集成学习软测量模型加快了基于梯度类算法的收敛速度,大幅度提高了模型的泛化性及精确性。

关键词： 电解锰渣   污泥   陶粒   吸附   铜   氨氮  

摘要： 随着社会经济的日益发展,工业生产过程中产生的固体废弃物如何处置已经成为焦点问题。电解锰渣和污泥作为典型的固体废弃物如果不能妥善处理,则会对环境造成严重危害。与此同时,水体污染问题日益严重,尤其水体富营养化和水中重金属污染问题一直在困扰人们。 本文采用锰渣、污泥、硅藻土三种原料来合成陶粒吸附材料。本研究通过应用响应面分析法,以及进行吸附实验评估,揭示了最佳陶粒制造工艺参数以及其对铜离子、氨氮污染水体的吸附性质和吸附铜离子的再生能力。通过对吸附动力学和等温吸附模型进行拟合分析,并结合表征手段的研究,深入研究陶粒对含铜废水和氨氮废水进行吸附的原理。此研究将为电解锰渣与污泥资源化应用及废水净化处理提供科学的理论依据和数据支撑。 通过研究不同原料配比对锰渣-污泥陶粒物理性能的影响,确定最佳原料质量比为锰渣:污泥:硅藻土=5:5:1。在筛选出最佳原材料配比参数之后,采用对铜离子的吸附效果作为评估标准,经过响应面分析法确定最优化的生产工艺参数为:预加热温度设定在500℃,维持温度时间为15 min,最终焙烧温度控制在1070℃。在遵循这些参数的前提下,生产出的陶粒具备以下特性:堆积密度为613 kg/m3,抗压强度达到4.6 MPa,盐酸溶解率为1.3%,空隙率为61.2%,含泥量仅占0.41%。经过分析陶粒在不同温度条件下的细微结构与矿质构成,观察到在最佳制作参数下,陶粒内部具有较为丰富的孔洞结构,并产生了多样的新矿物组分。对陶粒及其原材料进行重金属毒理检测,结果表明陶粒浸出毒性水平明显低于其用料,并且两者的浓度值都远低于国家规定的安全限制。此外,制备的陶粒同样符合GB/6566-2010标准对A类装修装饰材料的放射性核素要求（IRa≤1.0、Ir≤1.3）。 通过实验得出,制备的陶粒对水溶液中的铜离子和氨氮表现出显著的吸附作用。陶粒在处理含铜和氨氮废水时,在达到最优吸附效果的情况下,需要的条件包括:p H值调至6.5、保持吸附过程360 min,以及将环境温度维持在30℃。在进行陶粒再生处理时,最适宜的洗脱剂是浓度为0.5 mol/L的盐酸溶液,而最适合的洗脱时间与频率则各为360 min及4次。经过4次解吸后,陶粒对Cu2+的去除率达到93.01%。当陶粒投放量为6 g/L时,陶粒对Cu2+和NH4+-N的吸附容量分别为7.51 mg/g和11.28 mg/g,当陶粒投放量为8 g/L时,陶粒对Cu2+和NH4+-N的去除率分别为95.53%和91.1%。陶粒对于氨氮和Cu2+的吸附属于吸热过程,但在20至40℃内,去除率对温度变化不明显,而初始p H值对陶粒的吸附性能有较大影响。 Langmuir模型和Freundlich模型均可用于说明陶粒对铜离子和氨氮的吸附行为,其中,Langmuir模型更加符合陶粒对铜和氨氮的吸附特性,陶粒对铜和氨氮的吸附属于单层吸附。研究表明,陶粒对这两种污染物具有较好的吸附稳定性。吸附动力学研究表明,陶粒对于铜和氨氮的吸附符合准一级动力学模型,表明吸附过程主要受物理吸附影响。 图[37]表[15]参[115]

关键词： 农村污水处理PPP项目   风险评价   层次分析法   云模型  

摘要： 随着我国经济的迅猛发展,农村生活方式和产业结构发生了深刻的变化。在带动村民收入增加的同时,也会使农村地区面临水源受到污染、水体富营养化、环境脏乱差以及水体恶臭等问题。为了更好的推进新农村建设和响应生态文明建设,农村水资源污染问题需予以高度重视。当前,许多农村地区采用PPP模式来建设污水处理项目,但由于涉及诸多利益者、建设复杂程度高和管理困难等,导致项目在各个阶段都面临许多风险,进而实际效果达不到预期。因此,对农村污水处理PPP项目进行风险评价研究具有重要意义。 本文首先梳理归纳了农村污水和PPP项目相关的文献资料,接着介绍江苏省R县T农村污水处理PPP项目,再根据WBS法将项目全生命周期分解为基础工作单元和RBS法从层级分解为最小的风险因素,再通过风险分解矩阵RBM,最终构建出基于政策法律、建设、金融市场、不可抗力、合作、经营6个维度和20个二级指标组合的风险评价指标体系。其次,通过层次分析法计算各个风险因素的权重,再利用云模型绘制云图,接着将标准云图和指标云图进行对比并计算云相似度,发现项目整体、政策法律风险、建设风险、合作风险均处于中等风险水平,金融市场风险、不可抗力风险和经营风险处于较低风险水平。最后,对造成项目风险较高的因素进行原因分析,并针对政府干预风险、项目设计不当风险、质量不合格风险、成本超支风险、合同风险、风险和收益分配不合理风险以及服务质量风险提出应对措施来降低风险。 本文重要意义在于找出影响农村污水处理PPP项目全生命周期内各个阶段的关键风险因素,运用云模型进行风险评价考虑了风险的随机性和模糊性,这提高了评价结果的准确性和科学性,从而能为农村地区建设污水处理PPP项目提供一定的参考价值。