调试运管实战：数据分析对污水厂工艺调控的作用

查看全部 · 发表于 2021-4-13 08:12:10

污水厂的稳定运行一直是每个污水厂工艺管理人员的终极梦想，但是在实际运行中，运行人员往往面临各种因素导致污水处理的运行不稳定，这些不稳定的起因分析、趋稳控制，水质达标是每次进行工艺调控的重要内容，每个污水厂的运维人员都希望能快速有效的解决污水厂的工艺问题。但是在实际工作中，很多污水厂再面对这些问题的时候，总是无所适从，盲目的做了很多不相关的工作之后，才能摸索出正确的方向，这样的流程过长，出水超标时间也长，现阶段的环保压力的情况下，是不容许污水厂长期进行这种摸索的。为了在污水厂的运行管理上探索更高效精准的控制技术，公众号从这一期开始，用几篇内容来和大家讨论下利用污水厂的数据分析，来指导污水厂的工艺运行的模式，希望能为运行人员从数据分析的角度来改善和调高污水厂的运行管理的效率。

环保之家.JPG

在污水厂的运行中，很多时候会出现工艺的异常的变化，工艺管理人员需要进行准确的判断，并采取相应的措施。这些异常来自于污水厂运行的方方面面，有运行操作的，有设备故障的，有进水水质等等。这些异常在一个运行的污水厂中，是不断地发生并且存在的，运行人员需要掌控这些情况，并作出合理的判断。

一线管理人员都会遇到在污水厂的运行过程中，出水水质从达标的状态忽然就变成超标了，从现场工艺运行操作上又没有特别的操作，或者没有自己认为影响到什么的操作。所以在分析中就会很困惑，这样的情况该如何去解决呢？那么这个时候就需要进行运行数据的分析，从运行数据中找到原因，并采取措施。下面以一个污水厂的运行实例来进行出水异常的情况的数据进行分析探讨。

某污水厂地处西北省份地区，采用的运行工艺为A2O+MBR工艺，设计水量为２万吨，实际进水量平均为１.５～１.６万吨，７月份进水后，利用同地区污水厂污泥进行污泥培养，８月后稳定达标。从运行投产以来，出水水质一直保持稳定达标，进出水的各项指标如下表所示。

COD（mg/L）		NH3-N（mg/L）		TP （ mg/L）		TN（ mg/L）		水量（m3）
进水	出水	进水	出水	进水	出水	进水	出水	进水	出水
280	35.24	23.98	0.36	2.965	0.64	29.2	9.41	16721	16316

但是从１１月１３日开始，出水总氮开始突然升高，从现场的工艺运行操作上上来看，有一些小的操作，但是对整体工艺都影响不大，对厂内的工艺运行，设备运行等等进行了注意排查后，没有发现重点影响总氮超标的问题。总氮开始超标后，厂内采取了增加回流，调整曝气等措施，但是调整的效果不是很明显，总氮仍然持续保持超标，但是其他指标变化并不是很明显。

环保之家1.JPG

对于总氮的去除，在公众号之前的文章中进行了深入的讨论。那么从之前的讨论中我们可以进行一些预判，那就是总氮超标与几个环节有关系，分别是缺氧的反硝化环境，好氧硝化液的回流，反硝化的碳源的补充。根据厂内总氮的超标，围绕着几个方面进行逐一的分析。

厂内工艺采用的是A2O工艺加MBR，缺氧环境是通过空间上进行的划分实现的，在实际运行中对好氧末端的溶解氧的工艺控制也严格要求，虽然在MBR中采用气洗膜的方式增加了MBR池中的曝气，但是在前期运行中，这种溶解氧经过厌氧区的释放以后，对缺氧区的反硝化反应影响不大。而从硝化液回流的内回流的泵的运行上，近期没有异常的变化，设备由于投用期不长，运行工况良好，没有产生对工艺运行的影响。然后再看反硝化碳源的影响，碳源由于厂内没有每日化验BOD，一般以COD为判断依据，据厂内人员介绍，近期由于上游关停了部分企业，可能会产生一定的影响，为了进一步判断是否由于水质变化造成的影响，对厂内的各项水水质数据进行了统计分析。

首先对工艺人员怀疑的进水COD进行分析，通过表格软件对进水的COD进行曲线分析可以看到进水的COD变化情况。

环保之家2.JPG

可以从数据的统计曲线上看到COD的变化有，但是和之前的月份相比，这种变化没有特别明显，为了更好的分析，我们增加了移动平均的趋势线来进一步分析变化的趋势。为了更明显的看到变化趋势，我们把趋势线加粗，数据线变细。

环保之家3.JPG

从变化的趋势图来看，进水的COD变化近期内在逐步下降，但是从前期的运行变化的情况上来看，还不能说明反硝化的碳源不足，那么什么原因才是导致总氮超标的原因呢？

为了进一步分析，我们把进水的总氮也进行了统计分析。分析图表如下：

环保之家4.JPG

为了更明显的看到总氮的变化，我们把坐标轴变化一下，坐标起点从１０mg／L开始。

环保之家5.JPG

这张图可以更明显的看到进水总氮呈现了一个逐步升高的变化趋势，如果两个曲线叠加之后，是不是能更好的说明问题？利用图表软件里面的一些小功能，我们把进水总氮的变化曲线背景变成透明的，然后进行两张图的叠加，我们能得到这样的图：

环保之家6.JPG

注意看两个趋势线的变化情况，总氮是一个逐步增高的趋势，COD是一个逐步下降的趋势，两个曲线在之前的运行中，变化基本上是同步的，增加或者降低都是一致的，但是在曲线上显示从横坐标89开始，也就是从10月30日左右开始出现了两条曲线相互背离的趋势，总氮在持续升高，COD下降。从这张曲线上已经明确显示出相对于之前的运行来说，进水的碳源开始出现不足，导致了出水的总氮开始超标。

环保之家7.JPG

为了更明显，可以用颜色区分开他们的变化，当然也可以用更高级的数学工具去分析两者之间的变化，对于污水厂的运行人员来说，简单的表格工具已经可以分析出原因了，也欢迎专业人员进行更深入的数据分析。

这是对某个厂的总氮超标进行的数据曲线变化的分析，根据这个分析，我们可以明显看到影响超标的主要原因来源是进水水质的变化，但不是进水的碳源下降，而是进水碳源下降，伴随着进水总氮上升，造成的进水碳源的相对不足。在这种分析的结果下，后期的工艺调整或者工艺关注点，工艺运行人员就很能明确了。

数据分析作为现今社会重要的科学手段，对现代社会起到了非常重要的作用，无论从科技发展，工农业发展，商业应用中都有非常多的应用。和我们老百姓常见的就是大数据无时无刻的影响着我们的日常生活，购物，出行，日常生活都会被大数据包围，我们也越来越享受大数据带给我们便捷的生活，而这些大数据背后就是各种各样深入的数据归纳和分析。作为污水厂，其实每天都在不断的产生大量的数据，这些数据对于污水厂的管理，能不能像大数据一样，使我们的管理更加便捷，高效呢？所以我们是需要对污水厂产生的数据进行有效的分析，从而使污水厂的运行管理更加精准和到位。

那么数据分析是如何影响到污水厂的运行管理的呢？我们先来了解数据分析，在没有确定我们需要通过数据分析来了解什么的时候，这些来自于生产一线的数据往往只是一堆数字或者文字，没有任何的贡献。但其实这些数字是来源于每一个污水厂的实际运行的情况，这些数据背后隐藏了每个污水厂的运行管理方方面面，包括活性污泥的各种生存状况。而我们需要做的就是通过数学手段进行数据分析，把这些冷冰冰的数据背后鲜活的污水厂运行的情况挖掘出来，成为我们运行管理的扎实基础。

下面我们来举一个例子，看看如何用数学手段挖掘数据之间的关联性，对污水厂的运行管理做出帮助。

我们知道在一个污水厂里，进水水质是非常重要的，进水水质中的BOD更为重要，特别是近年来对出水氮磷的要求，从普遍理论上，去除氮磷是对进水中的BOD要有一定的比例关系的。但是对于一般的污水厂来说，BOD的化验难度远远大于COD，很多污水厂都不会去每日进行BOD的化验，但是会长期进行COD的化验。这就出现一个问题，我们能不能用COD来替代BOD，进行每日的进水水质的评估呢？如果进水的COD是400mg/L，我们能不能预测出进水的BOD是多少呢？我们来用一个污水厂的数据进行讨论。

环保之家9.JPG

这是某个污水厂在2004~2007年的COD和BOD的化验数据得月平均数值，一般来说，污水厂由于是专属服务某一个地区的污水处理的，这个地区由于居民生活水平，工业比例，管网建设情况在一定时期内稳定，那么也就是说这个地区的污水的组分是固定的，我们需要通过这些化验数据来做出一个COD和BOD之间的关联关系来，方便我们后期更加快捷方便的通过COD的化验就能预测到BOD的数值，来衡量进水中的碳源。

首先利用EXCEL中的作图功能，这种寻求两个数据之间的关联的方法，一般采用这种散点图，散点图一般用于比较至少两组数值或者两对数据，使用它可以显示值集之间的关系，当我们把某污水厂2004~2007年的COD和BOD月平均值值得数据做成散点图之后，大家可以看到，这个散点图非常明显的显示出两者之间的关系呈线性分布，那么我们现在需要做的就是如何把这个线性关系找到。

环保之家10.JPG

这种线性关系得寻找，在计算机辅助下，可以非常方便快捷的得到，大家可以利用EXCEL里面得数据趋势线的添加方式来进行，选择添加趋势线，在趋势线的选择框里，选择线性，注意下面要把“显示公式”得选项选择上，这样这个公式就能很方便的得出来了。

环保之家.JPG

当我们通过几年的数据进行分析后，得出得这个公式

      Y=0.4366X+45.574，换成BOD和COD的关系就是：

         BOD=0.4366COD+45.574

能够通过COD来预估进水的BOD，从而研判进水中得碳源是否充足了。

当然这个是快捷得方式，如果是要采用数学推理计算的方式，这种线性关联的方式就要通过线性回归方程来进行计算。

  第一：用所给样本求出两个相关变量的(算术）平均值：

xp=(x1+x2+x3+...+xn)/n

yp=(y1+y2+y3+...+yn)/n

第二：分别计算分子和分母：（两个公式任选其一）

分子=(x1y1+x2y2+x3y3+...+xnyn)-nXpYp

分母=(x12+x22+x32+...+xn2)-n*x2

第三：计算b：  b=分子/分母

第四：最后把x,y的平均数xp，yp代入a=Yp-bXp

求出a并代入总的公式y=bx+a得到线性回归方程。

为了验证这个数学计算方法，数学方法要求数据样本更多，更多的数据样本可以反应出更准确的数值，我们把某厂的2007年的每日的COD和BOD的值进行统计计算，出于篇幅原因，我们把数据表的部分列出来，然后用EXCEL里面的公式进行上述的数学运算，计算的结果见表后的数据：

环保之家1.JPG

最终计算出２００７年的COD和BOD的关系式为：

ｙ＝0.3455X+85.56

也就是BOD＝0.3455COD＋85.56　

然后我们用EXCEL的散点图和趋势线的方式来进行验证，可以看到这个曲线图的方程是：

实战：数据分析对污水厂工艺调控的作用 - 环保之家

这个方程和我们数学计算的方程基本一致，因此可以知道数学方法和表格方法都是可以完成这个线性方程式的推算的。这个线性方程的得出，可以便捷的通过进水的COD来快捷的判断进水的BOD值，不必要等到５天后出来BOD５再来判断系统的碳源是否充足。

治污者说 · 发表于 2021-4-13 08:22:55

管理人员希望污水厂内的每一台设备都具备良好的运行工况，而每台设备的良好工况需要设备的良好的巡检，保养，检修等等一系列的工作来保障，那么通过日常的数据采集我们能获得那些情况，又能通过数据分析得到那些情况呢？

环保之家.JPG

这是某污水厂某个运行年度的设备运行状况的统计表，通过运行时间的统计我们可以得到污水厂设备的运行情况，特别是在设备统计上引入不均衡率的统计，这个统计分析，是希望得到设备的均衡运行的对比，这个分析是通过同一区域同一功能的设备，在全年稳定运行的365天，24小时运行的所必须的台数为总时间，均匀分布到每一台设备上，得出设备均衡运行的时间数值，然后用实际运行时间和计算的均衡时间数进行比较得出数值，这个数据可以很明显的反应出同一区域的相同设备的不同的运行占比，通过饼图我们更能明显的看出各个设备之间的占比情况，我们把4台污水提升泵的运行的时间和不均衡率分析表格如下：

污水提升泵运行分析表
水泵	1#	2#	3#	4#	合计
运行时间（h）	2792.6	5559.15	5090.15	3648	17089.9
计算均衡运行时间（h）	4368	4368	4368	4368	17472
设备与均衡差值的绝对值（h）	1575.4	1191.15	722.15	720	/
差值与均衡值的比值	0.36	0.27	0.17	0.16	/
不均衡率（%）	36.07	27.27	16.53	16.48	/

其中均衡运行时间是根据工艺运行要求，需要两台水泵同时运行提升污水的时间计算的，就是说一年365天，每天有24小时，每小时有两台水泵在运行，工艺要求的水泵运行时间也就是：

365×24×2=17472小时

平均分配到4台水泵上来，也就是：

17472÷4=4368小时

也就是说，如果在理想状态下，污水提升泵的四台水泵在这一年内，每台水泵应该运行4368小时，我们根据这个计算的均衡运行时间来和实际的运行时间进行差值对比，为了计算方便，我们把差值进行了绝对值的运算，正负都取正，方便后面的运算，计算出差值后，和计算的均衡值进行对比，我们可以得出一个比值，然后进行百分比的运算后，得出不均衡率的数值，大家注意下，这里的百分比计算出来的总和不是100，这是因为我们计算的基础不是以实际运行的时间为基础计算的，而是以计算的均衡时间为基础计算的，因此总和不是100%，而是96.35%，和实际运行时间与计算均衡运行时间的比值相同，注意小数点的省略位数不同，结果会稍有差别。

我们把运行时间做成饼图，来更加直观的观察下设备的不同.

把不均衡率做成柱形图，可以更加直接的看到各台水泵之间的运行的不均衡度：

环保之家1.JPG

这两幅图对比以后，我们就能看出来，虽然2#，3#的运行时间多，1#，4#的运行时间少，但是不均衡来看，1#和2#的不均衡率是远高于3#，4#的，所以从工艺调控上我们要更注意1#，2#的控制。

污水厂的设备一般都会有备用设备，这些备用设备有冷备和热备，为了保证设备的均衡运行，降低设备运行风险，管理人员要对设备的均衡运行进行调控。这种调控不是出于感觉或者经验，而是需要日常的运行时间统计，把统计时间进行分析，进行均衡率的对比运算分析，就会更精准的判断设备的运行的均衡率。而后在这个基础上，进行设备的运行分析，是什么原因造成这样的不均衡运行，是设备本身的原因还是人为管理的原因，根据原因再进行下一步的设备管控。

污水处理厂里很多运行数据是来自于进水水质，而进水水质的确定是每个污水厂需要认真进行的工作。但是在一般的污水厂中，进水取样一般是取瞬时样，较为常见的是在每天早晨化验室人员上班后取样进行分析，这样的取样数值在一天内偶然性较大，不能代表一天的进水平均值，因此在实际运行中，建议定期或者采用在线取样装置来进行定时取样.
这一期收集了两个污水厂所做的24小时水质分析数据，进行一些数据分析，先来看A厂的一些数据：

A厂20XX年24小时进水化验结果
环保之家2.JPG

每两小时取样做一次化验，从化验的数据表格上，很难观察到具体的变化的情况，这种情况下，我们一般要采用数据的可视化工具，通过表格软件的图表功能，可以把这些数据转化成变化的曲线，从曲线上进行数据的分析：

环保之家3.JPG

从这张图中可以看到，1月的COD值变化极大，极大的拉伸了整个图表的纵坐标，使其他月份的曲线无法准确看到，这就是今天我们要讨论的数据坏点的去除问题。对于这种异常的数据我们要怎样的进行分析呢？

首先要确认这些异常数据的来源，一般来说，污水厂的进水取样点会放在粗格栅或者细格栅后面，而厂区内的生产生活产生的废水一般通过厂内的污水管道会排入到污水厂的集水井内，这部分废水来源有办公区的生活污水，污泥车间的脱泥上清液，污泥储池的溢流，二沉池的浮渣液，各车间的生产洗涤排水等等。这些废水有时会干扰进水水质，而有时特殊情况下，比如初期暴雨，厂外异常检修等都会造成进厂水质突增。为此我们分析了取样期间的工艺运行情况。了解到出现这么大的变化的原因是由于A厂的污水处理车间在1月27日进行工艺排泥造成的进水水质增加。在除去1月份的COD高幅度变化曲线以后的2～12月份变化曲线来看，2月、5月的变化曲线明显高于其他各月的曲线，这个主要是由于工艺排泥对厂区区进水的影响造成的，其中2月是净化车间的运行排泥，5月是通过浓缩池的上清液回流到厂区污水里造成的影响，而其余各月都是全天的变化趋势基本持平。这样我们就能确厂内工艺排泥对进水水质的影响较大，为此我们把1月份的数据认为收到了严重的外界干扰，采样分析得到的数据不代表真实的进水水质，因此把1月份数据判别为数据坏点，在后续的分析中，我们进行了剔除，剔除1月份的数据后，重新绘制的曲线如下：

环保之家4.JPG

当数据坏点去除以后，曲线变化就比较明显的集中在了500上下，特别是2月和5月的同样存在的这样的问题，因此通过曲线很容易看到，进水水质COD基本在500mg/L上下波动。

我们把A厂区进水COD的各月份24小时数据进行年平均值为845.90mg/L，在抛去1、2、5月的厂内工艺运行排水对COD的影响数据以后，进水COD平均值为498.05mg/L。根据上述数据，可以近似推出厂区排水造成的进水水质的污染幅度增加在400～500mg/L之间。

通过A厂的数据分析我们了解了数据坏点的分析和处理方法，接下来我们再来看看B厂的数据，由于B厂的数据量较大，我们做了部分数据的截图，大家了解数据表的结构就可以了：

环保之家5.JPG

B厂在做24小时取样时，进行了每一个小时取一次样的方式进行了化验，COD的化验结果如下：

可以看到当我们的化验频次增加以后，数据量明显上升，大量的数据形成的数据表格显得更加的复杂和无序，我们还是利用曲线来进行可视化的分析：

环保之家6.JPG

当我们做出这样的曲线来的时候，我们感到非常的杂乱和无序，因为数据点位多，B厂从２０１３年４月开始做２４小时分析，有时某个月还增加数次分析，这样做出来的数据众多，当这些数据通过曲线的形式放在一张图表中的时候，就会变成上面的样子，非常的无序。数据的可视化，是我们分析数据的基本途径之一，当数据曲线凌乱成这样的时候，大部分人是无法看到其中的规律性的，为此我们在选择数据的可视化转化的时候，就要进行合理的选择，为此我们选择了散点图，对这些数据进行分析，得出这样的一张图表：

环保之家7.JPG

当这样的曲线图出现的时候，我们很容易看到这些点的密集度在什么样的一个区间范围内，一天的进水水质的变化呈现一个非常规律性的变化区间，通过颜色的笔绘之后，我们能看到更明显的一个范围变化：

环保之家8.JPG

当这样的图表出现之后，后续的数据分析就更有依据了，从数据点可以看到，日进水水质的变化情况是一个波浪式的变化情况，每日从零点开始进水水质逐步下降，到早晨七点到10点期间达到一个最低峰，而后开始逐步一天进水水质最高的时刻，然后逐步下降，到了上午10点左右，出现一个低谷，而后开始逐步上升，在12~14点期间到达全天的第一个高峰，随后就开始回落，有持续的一个下降过程，一直到夜间19点下降到低峰值，也是全天的第二个低谷期间。

达到19~20点的低峰以后，又开始逐步回升，在24点达到峰值，开始进入到下一个循环过程。从全天的水质曲线变化来看，全天的变化是一个有规律的波动的过程，这个主要与居民的生活习惯相互对应，是居民生活习惯的一个体现，两个波谷区间都是居民大量使用生活用水的时间，说明当居民大量使用生活用水的时候，对进水水质的稀释作用是非常明显的，也说明城市居民在早晨和晚间的时段，是大量用水的集中时段。

今天我们通过两个水厂的２４小时化验数据进行了数据分析的一些技巧的说明，在污水厂的海量数据里面，运行人员要把这些数据变成真正有效的，对生产起到很大帮助的资料，是需要很多数据分析的技巧在里面的，比如２４小时化验的结果，我们还可以延展开去，利用加权平均值检测一天的实际进水的平均值；利用每次２４小时数据的最大值，最小值，平均值来预测一天中最接近平均值的时段，在不具备连续取样的条件下，在最接近平均值时段进行取样等等。。。大家有兴趣的话，可以深入的探索一下这方面的内容，数据分析就是这样，在平淡的数据中不断地深入挖掘，并利用挖掘出来的资料来指导我们生产，也是推广数据化分析的重要意图。

治污者说 · 发表于 2021-4-13 08:24:06

案例1：在污水厂的污泥处置环节上，生化污泥和深度化学污泥经过污泥脱水设备的脱水以后，产生泥饼含水率的的高低，对污泥后续的处置有很大的影响。当泥饼含水率高时，泥饼体积变大，运输过程中容易漏撒，同时运输成本也会增高，因此运行管理人员要对污泥泥饼含水率要进行控制，避免含水率过高，造成后续处理的难度增大。但是在实际生产过程中，有经验的操作人员对含水率的变化凭感觉是能判断的，但是阶段性的变化会让操作人员掺杂个人思路在其中，为此，可以做曲线来进行每日污泥量的统计来进行分析。下面是某污水厂泥饼的一个曲线图：

环保之家9.JPG

这是某污水厂一年12个月月度污泥处置量和绝干泥饼量的一个对比图，这个图应用了双轴坐标来进行分析，污泥处置量是含水率在99%以上的生化污泥量，干泥饼量是把泥饼的绝干泥计算出来的数量，从数值上来说，两者的数量级别是不在一个区间的，为了更好的对比之间的联系，利用表格软件中的双轴曲线功能，我们制作上图，如果在污泥泥饼含水率保持稳定的情况下，两条曲线的变化应保持一致，但是在上图中可以看到，两条曲线并没有重合，而是交错在一起。

这种交错反映了这一年的6月和10月期间，污泥泥饼的含水率明显增高，导致干泥饼的数量变化与污泥脱水的产量变化不能重合，而其他月份的重合度还是比较高，这说明在一年中6月和10月的污泥车间运行较差，或者说在这两个污泥的性质有变化，运行人员没有及时进行加药和脱水设备的调整，导致污泥干泥产量下降的情况出现。这个案例是为了说明我们利用数据分析发现操作人员短期无法意识的工艺变化的问题。

案例2：在污水厂里，生物反应池的温度是影响生物反应的重要参数，特别是中国北方地区，四季温度变化大，也导致水温呈现不同的变化，特别是这些年来，对总磷总氮的严格要求，硝化反硝化细菌对温度要求较高，因此对反应池内水温的变化是需要详细了解的。在不同的季节依据水温的变化采用不同的工艺调控措施，来调控活性污泥对水质处理达标，这个就需要对污水厂的水温的数据进行统计分析。

下面是某个污水厂2013~2017年来的水温的变化检测数据，绘制的水温变化曲线，为了比较各年的水温的变化，把各年的数据重叠在一起，更能准确的反应出生物池内的水温变化情况：

环保之家10.JPG

从曲线来看，各年的水温变化由于受到气温的变化影响，基本每年的水温变化都是一致的，可以看到这些变化都很有规律的，每年在7~8月出现水温的最高点，在20~25℃之间，而每年的最低温度一般出现在1月底和2月份，会降到10℃以下的情况。通过这样的曲线分析我们就能对每年的水温变化有了很明确的概念，在每年的工艺调控上，针对这样的变化趋势，及时采取相应的措施，来确保一年中各个阶段的工艺调控到位。可以把工艺调控的区间放置在4~5月份，9~11月份，通过改变污泥浓度，调整污泥龄来使活性污泥适应不同的季节下的生物池内的水温。这样就能把工艺调控从被自然条件的制约下的被动调控转变为主动调控。这个案例说明，通过数据分析，在工艺调控上，我们是扭转工艺调控的被动局面的。

案例3：对于活性污泥来说，污泥沉降性能是影响后续深度处理的重要控制指标，在日常运行中工艺运行人员要通过对沉降比的观察来进行工艺的判断和调整。但是由于在观察中沉降的变化往往转瞬即逝，如果仅仅停留在观察层面，就会很快遗忘，使SV失去指导意义。在实际的运行中，可以对SV的变化进行数据化的描述，每一分钟都进行观察，记录沉降的数字，这样就能绘制出SV的变化曲线，这样的曲线可以更加直观的看到沉降过程，并通过不同日期的多条曲线，来判断生物池的活性污泥的性质。

下面是某个污水厂在9月~10月期间的沉降曲线的汇总图：

环保之家11.JPG

以下是某厂根据上述曲线进行的分析，分析内容较多，这里节选部分内容：

由图中可以看到，9月30日的沉降曲线有明显的陡降坡度，在5分钟内沉降的压缩的活性污泥体积为总混合液体积的81％，5分钟到30分钟的时间段内，污泥体积压缩为9％，最终总压缩体积为90％。5分钟的沉降比占所有污泥体积的比重较大，说明活性污泥在9月30日的沉降性能良好，没有发生污泥膨胀。

10月9日的沉降曲线的陡降坡度位置在时间坐标轴上比9月30日的曲线向后推移了5分钟，从5分钟开始有陡降坡度出现，但是陡降幅度减小，在沉降8分钟后，与9月30日的沉降污泥体积相差520ml，到30分钟沉降结束后，仍与9月30日的沉降曲线相差242ml，结合10月9日的微生物镜检情况，认为在9月30日到10月9日间发生污泥膨胀。但污泥膨胀仍处于初期阶段，这是因为沉降曲线中仍有陡降坡度，最终沉降的污泥体积在350ml以下，SV%为33.5。

10月21日的沉降曲线具有明显的污泥膨胀特征，曲线整体无陡降坡度出现，呈缓坡曲线的状态，但从最终沉淀的SV%值44.8来看，认为活性污泥膨胀还未到极端，这是因为从2003年的曝气池的沉降曲线来看，曝气池内的活性污泥膨胀达到最高时SV%可达到80～90之间，但是也反映了这段时间的活性污泥膨胀的比较明显，在此期间的SVI值也急剧增长到了300附近。从微生物的镜检情况也可发现丝状菌在大量繁殖，占居活性污泥的絮凝体的大部分，成为活性污泥中的主导微生物种群，在此期间，净化车间采取了大量的排放剩余污泥的工艺调整措施。

10月28日的沉降曲线与10月9日的沉降曲线有明显的重合状态，在10分钟内陡降的坡度略大于10月9日的沉降曲线，从曲线的反映来看，现阶段采取的大量的排放剩余活性污泥的工艺调整措施是有效的，大量的剩余污泥排放掉以后，曝气池内新生污泥中的丝状菌处于新生状态，逐步失去主导微生物种群的地位，使污泥膨胀体积逐渐减小，在30分钟的沉降曲线中呈现出了陡降坡度趋势。但和9月30日的沉降曲线来比较，认为此时的污泥膨胀还未完全控制住，仍需要大量的排放剩余污泥，刺激新生污泥的生长，从而抑制丝状菌的繁殖。从2003年的运行情况来看，随着曝气池内的温度的下降，易引起活性污泥的丝状菌的污泥膨胀情况，因此还应持续保持对曝气池的工艺控制。

以上是案例3进行的分析说明，案例3的选择是为了说明在污水厂的日常管理中，采用数据化描述，是取代原有的经验化管理的重要手段，只有通过的数据描述，才能把日常的管理精准化，对工艺的分析也更贴合实际。