吴 俊，吴 平

（1.苏州科技大学 电子与信息学院，江苏 苏州 215009；2.苏州科技大学 环境科学与工程学院，江苏 苏州 215009）

0 引 言

城市管网自来水及管网二次供水系统易受外界环境的污染侵入，发生水质恶化等事故，当前的水质污染大都反映在有机物污染（如苯系化合物）方面。现阶段监管方式多采用人工巡查及人工采样。这种监察方式效率较低[1,2]，且对国内较大城市来说，供水的输配管网普遍具有多水源、多水厂、多节点、大管网、长距离等特征，点多面散，输水管材陈旧，造成人工巡检的被动性和延迟性，得到的监测数据往往严重滞后，缺乏科学性的指导。

物联网的迅速发展给水质传感器的研究指明了方向。本文针对城市中复杂的自来水管网，积极展开有机污染在线监控传感器的试验研究。研制了紫外吸收光度传感器，并在线指示性监控管网水质痕量有机物总量。在结构上进行了一些创新改造，加长了比色皿的光程长度（10 cm），有效提高了检测灵敏度，取得了较好的试验效果。

1 紫外吸收光度法检测水中有机物

1.1 替换汞灯的紫外光度法

世界各国针对自来水有机物的超标问题，提出了指示性的耗氧量指标（高锰酸盐指数，mg/L），并规定其含量不允许超过5 mg/L。但该指标的实验测量比较麻烦，需要一些化学试剂及加热处理。然而紫外吸收光度法是不需要任何试剂的物理检测法。对于含微量苯系物污染的水样，检测灵敏度较高，效果也很好。因此，研究这种紫外吸收传感器，对自来水的监控是很适宜的。

然而，近几十年来，国际上均采用汞灯进行基础的紫外检测。汞灯产生的主要紫外光波长为254 nm，以此作为吸收光度的规范指标值，简称UV（254 nm）。然而，汞灯的杂光较多，光源稳定性差，线性检测范围窄，误差大，很难采用汞灯检测方式来研制传感器。因此，紫外光源的选用成为关键技术。

1.2 吸收光度检测的实验定律（朗伯-比耳定律）

单色光对溶液特定组分浓度的光吸收现象构成了著名的光吸收检测定律：

式中：A为吸光值，a为吸收系数，b为光程长度，c为溶液浓度。式中的A值由光吸收实验测定得到。单色光入射一定光程的待测溶液，入射光强为I0，经过溶液组分吸收后的透射光强为I，则A的计算公式为：A=lg（I0/I）。A的量值一般控制在0～1.5范围内。

实验测定某吸光值A，代入式（1）中，计算得到溶液组分浓度C。在待测溶液浓度很低（达到微量乃至痕量浓度），但又必须确保检测灵敏精度的情况下，加大光程长度b（mm）成为不二之选。由式（1）可知，实验的吸收系数a是固定值，光程b是可变量。本课题的研究中，适当加大吸收光程长度也是检测水中痕量苯系有机物的重要措施。实验中，选用的光程b越小，测定的A值亦随之变小；选用光程b增大，测定的A值亦会变大。为保证自来水吸光度A的测定精度，达到较高的检测灵敏度，必须加大光程b。

2 紫外长光程光度传感器的研究

2.1 流动自来水的在线传感器

研究制造直径为15 mm、长度为100 mm的玻璃管，作为流动水样的光吸收池，玻璃管两端采用石英圆片光学玻璃封口。玻璃管的两端有进水和出水的接口，且玻璃管必须放置在暗箱中，起到避光和加固作用。在玻璃管中，起加长光程作用的吸收池可将自来水水样以流动方式进行单色紫外光的吸收光度检测。

单色紫外光源可选用低压汞灯，也可选用紫外LED固体发光源。前者价格便宜，但须添加紫外滤光片，实验效果欠佳；后者价格昂贵，体积微小，光源稳定，实验效果较好。本实验选用紫外波LED固体作为发光器件。光电传感接收单元由进口紫外感光光电池及弱电流放大器组合而成，信号输出范围为0～200 mV。自来水紫外长光程光度传感器原理如图1所示。

图1 自来水紫外长光程光度传感器原理

2.2 管网自来水有机污染在线传感监测

本设计研制的紫外传感器可安装在社区或高层建筑中，连续在线监控管网二次供水水质的有机污染，一旦遭遇突发灾难性污染，传感器立即预报预警。紫外光采用汞灯或紫外LED作为基准光源，其产生的单色紫外光波长为254 nm，因此对自来水水样进行吸收光度测量时，若水样含有微量芳香烃类有机物（如残留农药，木质素，腐殖酸等），会在此波段出现吸收现象。因此将其部分替代耗氧量参数指标（高锰酸盐指数），以实现宏观指示性的有机污染预报。由于该种无需试剂的紫外吸收传感检测手段设备装置简单，操作方便，易开展多点布局，适宜管网水质的快速在线监控。管网水质有机污染在线传感监测示意如图2所示。

图2 管网水质有机污染在线传感监测示意图

虽然自来水水质的高锰酸盐指数和总有机碳（TOC）含量，也能反映水中有机物的总量状况，但在采样直至化学测试的全部过程中，测量这两个参数指标操作繁琐，同时还需要辅以化学试剂及复杂的加热装备。因此对上述两个参数的测定，不适宜在管网中进行在线监测。

2.3 传感器深紫外单色光

紫外吸收光度传感器的关键技术是选用稳定、可靠的紫外单色光源。长期以来，紫外光的选用往往将汞灯作为第一方案，汞灯的波长虽然以254 nm为主，但它仍有较多杂光产生，必须添加滤片除杂，但即使采用高级滤光片也无法达到检测要求。近年来，国内外技术的发展使固体发光器件LED迈向深紫外领域。但美日等国只能有限生产，价格昂贵，每颗价格高达5 000元。因此该方面应用的研发进展仍较缓慢。目前，我国在深紫外LED的研究方面取得了突破性进展，254 nm波长的LED供应价格已降到300元左右，为本课题的传感研究提供了便利，拓宽了应用场景。经验证，其发光效率较高，功耗较低，工作电流可达20 mA，器件压降为7.5 V。相比汞灯（热阴极，冷阴极），该光源更稳定，优势明显。

2.4 长光程紫外吸收传感器

紫外吸收传感器采用加长光程的方法，可实现提高检测紫外吸收灵敏度的目的，经反复试验，效果较好。试验采集不同水样测定微量有机物浓度。长光程紫外传感器测试瓶装矿泉水等水样的吸光值，见表1所列。不同水样的有机物传感吸光值如图3所示。

表1 长光程紫外传感器测试瓶装矿泉水等水样的吸光值表

图3 不同水样的有机物传感吸光值图

3 自来水有机污染检测研究

管网自来水二次供水水质中含有的有害微量有机物大都是共轭有机物及芳香族有机物，它们来自土壤中的腐殖质、木质素、富里酸和残留农药等。这些苯系物对紫外光（254 nm）均存在光吸收现象，吸收系数高，检测效果较好。因此，紫外法是自来水指示性监控的理想手段。此外，低于30 mg/L的耗氧量指标无法进行精确检测，紫外法可以替代COD法检测。紫外吸收光度测定水中苯系物浓度见表2所列。紫外（254 nm）吸收光度测定水中苯系物浓度如图4所示。

表2 紫外吸收光度测定水中苯系物浓度表

4 管网自来水在线传感数据的无线远程传输

管网自来水二次供水节点的现场控制计算机将实时监测采集到的海量数据通过移动互联网GSM/GPRS的数据通信方式，遵循TCP/IP网络传输协议，完成数据的小流量快节奏数据传输[3]。中心服务器开发的专用接收软件再由相关的通信协议进行接收，并进入中心数据库[4]。在线水质监测及数据传输如图5所示。

图4 紫外（254 nm）吸收光度测定水中苯系物浓度图

图5 在线水质监测及数据传输图

采用C#语言编制的控制计算机接受传感器的主要代码如下（GPRS模块发送数据的代码从略）：

SPort sp1 = new SPort（“COM1”， 9600， Parity.None， 8，

StopBits.One）；

sp1.Open（）；

byte[] t1 = new byte[4] { 0x23， 0x30， 0x31， 0x0D }；

double[，] data = new double[10， 10]；

double[] avgtemp = new double[10]；

double sum = 0.0；

string temp；

progressBar1.Value = 0；

for （int i = 0； i ＜ 10； i++）

{sum = 0.0；

for （int j = 0； j ＜ 10； j++）

{temp = “”；

sp1.Send（t1）；

Thread.Sleep（100）；

temp = sp1.Recieve（50）；

temp = temp.Trim（‘＞’）；

data[i， j] = Convert.ToDouble（temp）；

sum = sum + data[i， j]；

this.progressBar1.Value += 1；}

avgtemp[i] = sum / 10.0；}

sp1.Close（）；

sum = 0.0；

for （int i = 0； i ＜ 10； i++）{sum = sum + avgtemp[i]；}sum /= 10.0；

textBox1.Text = sum.ToString（）；

5 结 语

管网自来水的二次供水水质经常会受到恶劣环境的影响，造成局部区域有机污染，因此需要进行必要的实时监控。本文研究介绍的紫外吸收光度传感器基于物联网架构，能够监测水中微量有机物浓度，替代耗氧量指示性指标 （高锰酸钾指数）。袖珍微型传感器无需化学试剂，制作成本较低，安装方便，能够对突发的重大有机污染及时进行分级网络预警，满足设计要求。

[1]吴俊，吴平.远程监控饮用水管网水质低浓度氨氮[J].实验室研究与探索，2015，34（12）：40-43.

[2]吴俊，吴平，雷岩，等.远程监控城乡管网饮用水的低量色度[J].环境监控与预警，2015，7（3）：11-13.

[3]张标标，樊锦祥，林学昕，等.智慧环境[M].北京：清华大学出版社，2012.

[4]张军，邢梦林，王潇磊，等.河南省地表水自动监控系统的设计与应用[J].干旱环境监测，2013，27（4）：174-178.

[5]顾浩，徐宏飞，陈卫兵.基于物联网技术的工业污染总量控制系统的研究[J].物联网技术，2016，6（11）：84-86.

[6]曹建峰，崔平，陶婧.基于天然水体的水质在线监控系统设计与应用[J].物联网技术，2017，7（10）：80-82.

[7]吴来杰.基于物联网架构的滨海棉田盐水分远程实时监测系统的研究[D].上海：同济大学，2010.

[8]吴俊，吴平.水质微量重金属在线复合传感器研究[J].物联网技术，2015，5（3）：24-25.