陈明翠

摘要：对我国已建成投运的482座小城镇污水处理设施的运行情况，很多中小城镇也面临着经济发展对环境资源的侵害，尤其在水资源方面，中小城镇因污水处理工艺水平低、成本投入低等因素的限制，水污染的问题更加严重。本文从中小城镇污水处理现状入手，分析中小城镇污水处理工艺的选择优化，为提高中小城镇水资源保护效果提供一些思路。

关键词：中小城镇;污水处理工艺;优化

引言

改革开放以来，尤其是进入21世纪以后，我国的城镇化进程不断加快。在1978～2000年的20多年时间内，全国的建制镇从2178个增加到20312个，目前，全国不同规模和性质的小城镇（建制镇、集镇）已达48000多个。在小城镇数量和规模不断扩大的同时，由于小城镇基础设施建设滞后引发的环境问题也日益严峻。据有关研究显示，我国小城镇95%的生活污水未经处理就直接排放，造成了90%以上小城镇的水体环境受到不同程度的污染，78%的城镇河段不宜作饮用水，50%的城镇地下水受到污染[2]。一个重要原因就是我国的小城镇污水处理率低下，据统计，我国约95%以上的小城镇均未建立污水处理设施，小城镇生活污水处理率不足10%，乡镇或村办工业企业生产污水处理达标率仅为30%[3]。

1中小城镇污水处理现状

1.1对污水处理厂的成本投入不足

中小城镇的经济发展状况普遍较差，政府相关部门能够获取的、用于污水处理厂运营的投入资金也相对较少，导致污水处理厂在污水净化处理、设备运维、设备升级、工艺优化等方面捉襟见肘，污水处理工艺无法在污水量增加、污染物种类出现变化的当下维持出水水质，处理厂中设备老化陈旧，在污水处理过程中无法保证处理质量和效率，这也就导致中小城镇的污水处理效果得不到有效保。

1.2污水处理工艺水平薄弱

中小城镇普遍存在的发展问题就是人才流失，具有专业度、综合素质的污水处理技术人员往往更倾向进入大城市工作发展，导致中小城镇的污水处理厂无法吸纳和培养优秀的人才，导致污水处理厂的处理工艺得不到有效优化，不能有效跟随中小城镇污水中污染物种类、污水量的变化进行调整，导致污水处理厂无法契合中小城镇的经济发展。

1.3污水处理设备运维效率低

污水处理厂中处理设备始终处于被磨损的状态，因此，需要污水处理厂运维人员做好运维工作，保持污水处理设备维持在较高的运行状态，保证对污水处理的质量和效率。中小城镇中优秀的技术人员缺口较大，无法及时发现处理设备中的故障，无法及时排除故障，导致处理设备的运行状态受损，无法保证对污水的处理质量和效率。

2中小城镇污水处理工艺的选择优化

2.1工况预警

由于处污设备的组件如：风机，提升泵，抽吸泵，回流泵，搅拌机，加药机，螺杆泵，格栅机等各自都具备自身不同的电气衰减指征，即在用电设备出现故障之前，电气指征运行曲线会出现特定波动。因此在线数采终端需对污处工况组件进行高密度信息采集，可以将实时数据与该工况组件的历史电气衰减指征进行对比，找出改工况组件发生故障点，以便达到预警目的。2.2生物接触氧化法生物接触氧化法中具有代表性的是生物膜法，利用附着在滤料表面的微生物生长繁殖形成膜状物质，污水中污染物与生物膜接触过程中，污水中的有机物、重金属离子被微生物所吸附、利用，使污水得到有效净化。生物膜法的费用较为低廉，对于污水处理的程度较强，且对于污水量、污染物种类的变化适应能力较强，且在安装调试完成后所需要的运维和管理程度较低，比较适合经济发展程度较低、运维技术较低的中小城镇中推广应用。

2.3以大数据为基础水质预测技术路线的可行性

农村的一体化、小型化设备设计选型、建设施工、验收都是一次性的流程。现有排出的水质信息与污设设施日常的运行状态，实际上取样化验最后结果的好坏大部分取决于污水处理装置是否按照设定的工艺流程合规运行，比如：各个组件在每个工艺处理节点上运行的时间是否达到标准，与各个组件开启关闭的顺序是否正确，污水在处理池停留的时间是否合适等其他因素密切相关。所以能影响水质结果的所有客观因素我们都尽可能的去把握，通过这些高密度的监测数据形成大数据，来准确的判断机器运转的状态、计量污水处理量和预测水质结果的好坏。首先就是工况数据和水质数据的数据链接的时间点。即使两种数据结合形成数据模型的时间点是一致的，但是用这个方式建立模型是不正确的。因为污水处理和污水排放是由先后顺序的，虽然农村污水处理的滞留时间不长，但是在时间上也是有滞后的，污水处理设备的处理能力越大，这个时间点的滞后越长;处理的流程工艺越复杂，这个时间点的滞后也越长。正是由于这样的时间点滞后的特征，也让我们用工况预警成为了可能，实际上时间点滞后的长短也就等于我们预测时间的长短。

2.4改良氧化沟法

传统氧化沟法中包括初沉池、调节池、污泥消化池、二沉池等处理环节和设备，对污水的处理净化能力很强，所得到的出水水质较高，然而，传统氧化沟法的成本投入较大，应用在中小城镇中使用需要进行改良。改良后的氧化沟去除了初沉池等设备，污水处理流程更短，对建设成本、运行成本的依赖更小，借助微生物对于污水中污染物的讲解处理，污水处理质量却并不会得到太大的影响，更适合中小城镇的应用。且随着对微生物菌种的研发，氧化沟污水处理法的改良具有更大的发展空间。

2.5污水处理设施数据模型

污水处理设施数据模型计算准确与否，第一个前置条件设置污水处理设施运行标准工况参数，通过数采仪采集工况过程的大量近实时（周期短、频率高）的时序数据，包括工况过程中的成百上千个指标量，加上污水处理设施本身的运转设计量参数，拥有这些丰富的数据，加上大数据存储和计算体系工具的支撑，通过机器学习等领域的算法来分析预测（比如可以通过傅里叶变换、小波变换、LSTM长短时记忆网络、PCA降维等算法来实现聚类分析），提升了整体预测的实时性和准确性。污水处理设施工艺类型不相同，数据模型的内部计算机制也差别很大，K-means无监督学习法。即将每类数据随机选取一个作为K点指标数，然后计算所有其他数据到K值距离，通过距离计算得出新的数据群的聚集中心点。这样就无监督的自动的找到了设备稳定的值区间。然后可通过Box-plot来对每个设备每次采集的实时状态进行比对，根据高斯分布的概率论箱形图分三个区间，最中间的即为中位線，这一区间的数据就是无监督学习法得到的一个稳定值区间，然后是两个内限区，这两个内限区的产生就是由于前面介绍的抗冲击因素得出的内限区，处于这个区间内的值我们称之为温和异常值（mildoutliers），他的异常的可能性低;最外面区域是外限区，这个区域的值是一定会产生异常的区间，我们称这个区间的值为极端异常值。总结说来就是我们用无监督学习法来整理归类数据，分析出稳定区间。然后用箱形图来对实时采集上来的分时段数据给出异常判断。由此得出，以大数据为基础水质预测技术路线是可行的，而且随着数据采集量的增大，大数据预测将越来越准确。

结语

中小城镇能够在污水处理厂中投入的成本有限，技术人员水平有限，运维工作效果有限，因此，政府相关部门和污水处理厂管理层应当筛选更适合中小城镇水污染现状的处理工艺，加大对污水处理厂的运行成本投入，提高污水处理的效率和污水处理厂的运维效率，保证污水处理厂最终排放水体的水质，为中小城镇的综合发展奠定环境基础。

参考文献：

[1]  赵娜.中小型污水厂污水处理工艺及效果[J].环境与发展，2018，30（03）：81+85.

[2]  张大兴.中小城镇污水处理工艺选择的优化研究[J].绿色环保建材，2018（06）：42+44.

[3]  钱宇婷.中小城镇污水处理工艺选择的优化研究[D].西南交通大学，2017.

（作者单位：重庆耐徳环境技术有限公司）