论文部分内容阅读
摘 要：随着我国经济的快速发展，工业化程度和人民生活水平不断提高，污水处理设备和相关检测设备建设的相对滞后，致使国内城市饮用水污染事件频繁发生，并已对饮用水安全问题构成威胁。其中由其以微生物污染最为严重，为控制微生物指标，目前我国多数水厂主要采用传统的消毒方式进行消毒，即在出厂水中投加含氯消毒剂进行氯消毒处理。
关键词：微生物污染；二次加氯；消毒；饮用水
随着我国经济的快速发展，工业化程度在不断提高，但污水处理设施和相关检测设施建设的相对滞后，致使国内城市饮用水污染事件频繁发生，并已对饮用水安全问题构成威胁。为控制微生物指标，目前我国多数水厂主要采用传统的消毒方式进行消毒，即在出厂水中投加含氯消毒剂进行氯消毒处理。城市供水管网系统的运行是动态变化的，管道压力、流速及节点的用水量在各个时段都会发生变化，若仅依靠人为经验对出厂水加氯，很难保证供水管网中余氯含量保持在一个合理范围内，因此，采用优化的二次加氯体系势在必行，以达到为城市居民提供优质的饮用水，保障城市居民的饮水安全和健康。
优化城市供水管网中的加氯点是一个较为复杂的问题，这主要是由于城市供水管网本身具有复杂的拓扑结构和内部卫生状况，动态变化的运行工况致使合理化确定城市供水管网中加氯点的出水余氯浓度尤为困难。国内外技术发展主要集中在以下方面：
一、确定投氯浓度
早期研究多是通过反复的校正水质模型来确定水厂的合理化加氯浓度。如，Islam等利用反问题技术来确定水源点合适的投氯浓度，以保证供水管网中多数节点的余氯能够在一个合理范围内[1]。AL-Omari和Chaudhry等人在Islam的基础上，将余氯模拟计算推广到非稳态状态。
二、二次加氯相关模型与方法
（一）利用人工神经网络、遗传算法等算法
早期研究集中在对于投氯量的优化，二次加氯相关模型与方法最早始于二次加氯站的加氯优化理论[2]。对于多个加氯站的加氯优化问题最早是由Boccelli等提出的，他首先假设供水管网中水质监测点某个时刻余氯浓度的值是所有加氯站该时段以前的出水余氯浓度的线性叠加，然后结合有限时间冲击响应的方法来优化多水源多加氯站的氯投加量[3]，但该方法具有一定的局限性，只适用于余氯一阶反应模型。
Jeen-B等提出利用人工神经网络的方法来预测并辅助控制供水管网中氯的投加和控制问题，他认为氯在管网中反应比较复杂，很难准确计算和模拟，所以可以利用一段时间内的投氯量和监测点的余氯浓度值，应用人工神经网络来判断二者间关系，来确定下一阶段的投氯计划[4]，该方法需要有大量的训练样本，才能保证得到投氯量和监测点余氯的关系来进行预测。
Munavalli等提出用遗传算法对供水管网系统二次投氯浓度进行模拟计算，他提出，首先对各加氯点出水的余氯浓度进行编码，然后根据目标函数进行优化计算，得到各个加氯点各个时段的出水余氯浓度，从而对供水管网中多个加氯点进行优化[5]。
（二）相关模型构建与计算
Propato 提出余氯稳定性优化模型（线性最小二乘法），该模型要求满足水质监测点余氯质量浓度和设定余氯质量浓度目标值之间差值最小化的条件，釆用余氯-I/O模型对此模型进行了计算，并且对余氯质量浓度目标值的选取进行了探讨[6]。Propato等在2004年的研究工作中釆用I/O模型探讨了余氯稳定性优化模型的矩阵化计算方法，提出了响应矩阵的概念[7]。Polycarpo在余氯-I/O模型的基础上提出了余氯质量浓度的反馈控制[8]，之后Zhong 等提出了余氯质量浓度的自适应反馈控制[9]。Vicente等考虑到余氯-I/O模型中水力条件和水质条件的不确定性，对响应系数进行了随机性分析，将随机性考虑到二次加氯点选址模型中[10]。
三、结论
虽然目前对二次加氯的研究已取得一些进展，但得到的优化模型在实际应用还非常受限，这就需要我们的相关科研人员尽快研究出切实可行的措施，来满足人民群众的需求。
参考文献：
[1] Islam M R， Chaudhry M H， Clark R M. Inverse modeling of chlorine concentration in pipe networks under dynamic condition[J]. Journal of environmental engineering， 1997， 123（10）： 1033-1040.
[2] Al-Omari A S， Chaudhry M H. Unsteady-state inverse chlorine modeling in pipe networks[J]. Journal of Hydraulic Engineering， 2001， 127（8）： 669-677.
[3] Boccelli D L， Tryby M E， Uber J G， et al. Optimal scheduling of booster disinfection in water distribution systems[J]. Journal of Water Resources Planning and Management， 1998， 124（2）： 99-111.
[4] Sérodes J B， Rodriguez M J， Ponton A. Chlorcast?： a methodology for developing decision-making tools for chlorine disinfection control[J]. Environmental Modelling & Software， 2001， 16（1）： 53-62.
（通訊作者：李科）
关键词：微生物污染；二次加氯；消毒；饮用水
随着我国经济的快速发展，工业化程度在不断提高，但污水处理设施和相关检测设施建设的相对滞后，致使国内城市饮用水污染事件频繁发生，并已对饮用水安全问题构成威胁。为控制微生物指标，目前我国多数水厂主要采用传统的消毒方式进行消毒，即在出厂水中投加含氯消毒剂进行氯消毒处理。城市供水管网系统的运行是动态变化的，管道压力、流速及节点的用水量在各个时段都会发生变化，若仅依靠人为经验对出厂水加氯，很难保证供水管网中余氯含量保持在一个合理范围内，因此，采用优化的二次加氯体系势在必行，以达到为城市居民提供优质的饮用水，保障城市居民的饮水安全和健康。
优化城市供水管网中的加氯点是一个较为复杂的问题，这主要是由于城市供水管网本身具有复杂的拓扑结构和内部卫生状况，动态变化的运行工况致使合理化确定城市供水管网中加氯点的出水余氯浓度尤为困难。国内外技术发展主要集中在以下方面：
一、确定投氯浓度
早期研究多是通过反复的校正水质模型来确定水厂的合理化加氯浓度。如，Islam等利用反问题技术来确定水源点合适的投氯浓度，以保证供水管网中多数节点的余氯能够在一个合理范围内[1]。AL-Omari和Chaudhry等人在Islam的基础上，将余氯模拟计算推广到非稳态状态。
二、二次加氯相关模型与方法
（一）利用人工神经网络、遗传算法等算法
早期研究集中在对于投氯量的优化，二次加氯相关模型与方法最早始于二次加氯站的加氯优化理论[2]。对于多个加氯站的加氯优化问题最早是由Boccelli等提出的，他首先假设供水管网中水质监测点某个时刻余氯浓度的值是所有加氯站该时段以前的出水余氯浓度的线性叠加，然后结合有限时间冲击响应的方法来优化多水源多加氯站的氯投加量[3]，但该方法具有一定的局限性，只适用于余氯一阶反应模型。
Jeen-B等提出利用人工神经网络的方法来预测并辅助控制供水管网中氯的投加和控制问题，他认为氯在管网中反应比较复杂，很难准确计算和模拟，所以可以利用一段时间内的投氯量和监测点的余氯浓度值，应用人工神经网络来判断二者间关系，来确定下一阶段的投氯计划[4]，该方法需要有大量的训练样本，才能保证得到投氯量和监测点余氯的关系来进行预测。
Munavalli等提出用遗传算法对供水管网系统二次投氯浓度进行模拟计算，他提出，首先对各加氯点出水的余氯浓度进行编码，然后根据目标函数进行优化计算，得到各个加氯点各个时段的出水余氯浓度，从而对供水管网中多个加氯点进行优化[5]。
（二）相关模型构建与计算
Propato 提出余氯稳定性优化模型（线性最小二乘法），该模型要求满足水质监测点余氯质量浓度和设定余氯质量浓度目标值之间差值最小化的条件，釆用余氯-I/O模型对此模型进行了计算，并且对余氯质量浓度目标值的选取进行了探讨[6]。Propato等在2004年的研究工作中釆用I/O模型探讨了余氯稳定性优化模型的矩阵化计算方法，提出了响应矩阵的概念[7]。Polycarpo在余氯-I/O模型的基础上提出了余氯质量浓度的反馈控制[8]，之后Zhong 等提出了余氯质量浓度的自适应反馈控制[9]。Vicente等考虑到余氯-I/O模型中水力条件和水质条件的不确定性，对响应系数进行了随机性分析，将随机性考虑到二次加氯点选址模型中[10]。
三、结论
虽然目前对二次加氯的研究已取得一些进展，但得到的优化模型在实际应用还非常受限，这就需要我们的相关科研人员尽快研究出切实可行的措施，来满足人民群众的需求。
参考文献：
[1] Islam M R， Chaudhry M H， Clark R M. Inverse modeling of chlorine concentration in pipe networks under dynamic condition[J]. Journal of environmental engineering， 1997， 123（10）： 1033-1040.
[2] Al-Omari A S， Chaudhry M H. Unsteady-state inverse chlorine modeling in pipe networks[J]. Journal of Hydraulic Engineering， 2001， 127（8）： 669-677.
[3] Boccelli D L， Tryby M E， Uber J G， et al. Optimal scheduling of booster disinfection in water distribution systems[J]. Journal of Water Resources Planning and Management， 1998， 124（2）： 99-111.
[4] Sérodes J B， Rodriguez M J， Ponton A. Chlorcast?： a methodology for developing decision-making tools for chlorine disinfection control[J]. Environmental Modelling & Software， 2001， 16（1）： 53-62.
（通訊作者：李科）