一种城镇污水厂水-泥-气全过程减污降碳协同效益评估方法与流程

本发明涉及减污降碳评估，具体涉及一种城镇污水厂水-泥-气全过程减污降碳协同效益评估方法。

背景技术：

1、城镇污水处理厂是减污降碳的主要处理场所，其水泵提升、曝气供氧、药剂投加及污泥处理等环节既消耗大量能源，也直接或间接排放二氧化碳、甲烷和氧化亚氮等温室气体，随着“双碳”目标推进，污水处理被要求同时承担污染物削减与碳减排双重任务，因此科学评估其减污与降碳的综合效益已成为行业迫切需求；

2、目前，主要采用排放因子法、物料平衡法、动态机理模型法和实测法等手段，分别计算污水处理过程中微生物分解有机物和化学反应直接产生的温室气体排放量以及因使用外购能源和药剂而产生的间接碳排放，而在减污降碳协同评价方面，都是通过指标进行评价；

3、但是上述评估方式，仍存在如下缺陷：现有的碳排放核算方法和评价标准主要针对单一介质或单一环节进行排放量计算或绩效评价，大多都是将减污与降碳分开考量，而不能同时覆盖水-泥-气的协同分析的全过程，难以分析各环节间的相互作用对整体综合效益的影响，影响评估效果。

技术实现思路

1、针对现有技术的不足，本发明提供了一种城镇污水厂水-泥-气全过程减污降碳协同效益评估方法，解决了上述问题。

2、本发明的上述技术目的是通过以下技术方案得以实现的：

3、一种城镇污水厂水-泥-气全过程减污降碳协同效益评估方法，包括：

4、步骤s1，获取目标对象的污水链路、污泥链路和气体链路的运行数据，对各链路的运行数据进行分析，分别得到八位符号组，同时计算出污水链路状态特征值，基于八位符号组和污水链路状态特征值分析耦合强度，得到介质链路状态谱；

5、目标对象为城镇污水处理厂；

6、步骤s2，根据污水链路、污泥链路和气体链路的运行数据，分析各环节之间的相互作用，得到初步耦合强度，基于初步耦合强度进行敏感传导概率分析，得到互馈作用系数和互馈作用矩阵；

7、步骤s3，根据介质链路状态谱，分别计算污水链路、污泥链路和气体链路中各环节的减污效益原始值和降碳效益原始值，并基于互馈作用矩阵对各链路的减污效益原始值和降碳效益原始值进行修正，得到协同效益分量，将污水链路、污泥链路和气体链路的协同效益分量聚合，得到协同效益因子，协同效益因子用于表示城镇污水厂水-泥-气全过程的协同效益；

8、步骤s4，对协同效益因子进行分析，得到用于评价目标对象水-泥-气减污降碳的协同效益能级。

9、进一步，污水链路、所述污泥链路和所述气体链路的运行数据均为按采样周期采集的时序数据，污水链路、污泥链路和气体链路的运行数据均按同一采样时刻对齐，运行数据，包括：

10、污水链路的运行数据包括： 进水流量、出水流量、cod浓度、氨氮浓度、总氮浓度、总磷浓度、综合溶解氧浓度和混合液污泥浓度；

11、污泥链路的运行数据包括：污泥产量、脱水污泥含水率、污泥回流流量、剩余污泥排放量、污泥浓度、污泥龄、脱水药剂投加量和脱水机运行负荷；

12、气体链路的运行数据包括：换气风量、臭气浓度、硫化氢浓度、氨气浓度、甲烷浓度、气体温度、气体湿度和进气风量。

13、进一步，对各链路的运行数据进行分析，分别得到八位符号组，同时计算出污水链路状态特征值，包括：

14、对污水链路的运行数据中八个变量，分别计算相邻采样周期的差值，采样周期为十五分钟；

15、对任意一个变量，将过去30日内每天同一时段相邻采样周期差值的绝对值组成序列，并将该序列的下四分位数作为该时段该变量的差分阈值；

16、如果该变量的当前差值＞差分阈值，则记为升，如果该变量的当前差值＜负差分阈值，则记为降，如果负的差分阈值≤当前差值≤差分阈值时记为平，每个采样周期生成一个八位符号组；

17、统计过去30日内所有符号组中两两变量符号组合的联合出现频次，对cod浓度与氨氮浓度、总氮浓度与总磷浓度、进水流量与出水流量、综合溶解氧浓度与混合液污泥浓度四对变量分别计算符号的联合熵；

18、将四个联合熵分别除以各自在过去30日内的最大值，得到四个归一化联合熵；

19、将四个归一化联合熵按数值由大到小排序，并依次赋予权重4、3、2、1后进行计算，得到污水链路状态特征值。

20、进一步，基于八位符号组和污水链路状态特征值分析耦合强度，得到介质链路状态谱，包括：

21、对于污泥链路和气体链路的运行数据，按照与污水链路运行数据相同的符号计算方式，基于污泥链路和气体链路运行数据中各自的八个数值，分别生成对应的八位符号组；

22、以污水链路状态特征值为第一列；以污泥产量符号与出水流量符号的时滞互信息为第二列，以脱水污泥含水率符号与混合液污泥浓度符号的时滞互信息为第三列，以换气风量符号与臭气浓度符号的时滞互信息为第四列；

23、时滞互信息计算时，对两个单个数值符号序列在0至6个采样周期时移范围内逐点计算互信息，计算第一个符号序列相对于第二个符号序列领先h个周期的互信息时，将第一个符号序列在t-h时刻的符号与第二个符号序列在t时刻的符号对齐，h取0至6；

24、取最大互信息对应时移下的数值作为耦合值。

25、进一步，基于八位符号组和污水链路状态特征值分析耦合强度，得到介质链路状态谱，还包括：

26、将四列数据按采样时刻进行标准化处理，将标准化后的四列按采样时刻逐行对齐，每一行构成一个状态向量，对当前时刻的状态向量，计算其与过去30日内除当前时刻外的所有状态向量之间的欧氏距离，并基于欧氏距离确定该时刻的介质耦合强度；

27、如果该时刻的介质耦合强度＞过去30日介质耦合强度序列的上四分位数加1.5倍四分位距，则将该时刻对应状态向量标记为互馈敏感节点；

28、污水链路状态特征值、三个耦合值、介质耦合强度及互馈敏感节点共同构成介质链路状态谱。

29、进一步，根据污水链路、污泥链路和气体链路的运行数据，分析各环节之间的相互作用，得到初步耦合强度，包括：

30、对三个链路的八位符号组分别进行聚合映射，统计每个采样周期八位符号组中升的个数与降的个数，将升个数减去降个数，得到净升数；

31、净升数≥3时，链路势态符号取2，净升数为1和2任意一个时取1，净升数为0时，链路势态符号取0，净升数为-1和-2任意一个时，链路势态符号取负1，净升数≤-3时，链路势态符号取-2；

32、使得每个链路在每个采样周期得到一个取值为-2、-1、0、1、2的势态符号序列，对任意两个链路，将a链路势态符号序列作为a序列，b链路势态符号序列作为b序列，在0至6个采样周期时移范围内逐点计算a序列领先于b序列的斯皮尔曼秩相关系数；

33、对于使斯皮尔曼秩相关系数绝对值最大的时移值，将该时移值作为最优时移，如果最优时移＞0且对应相关系数为正，表示a链路势态变化先于b链路势态变化，则将a链路对b链路的斯皮尔曼秩相关系数的绝对值乘以a链路的领先时间比例，得到初步耦合强度；

34、a链路领先时间比例按如下方式确定：统计过去30日内a链路势态符号发生变化的总次数；对每次a链路势态符号变化，若b链路在之后0至6个采样周期内发生同向势态符号变化，则计为a链路领先一次；将领先次数除以总次数，得到a链路领先时间比例；

35、按a链与b链相同的计算方式，分别计算污水链路对污泥链路、污水链路对气体链路、污泥链路对污水链路、污泥链路对气体链路、气体链路对污水链路、气体链路对污泥链路共6个初步耦合强度。

36、进一步，基于初步耦合强度进行敏感传导概率分析，得到互馈作用系数和互馈作用矩阵，包括：

37、对任意a链路和b链路，统计过去30日内a链路被标记为互馈敏感节点且b链路在a链路被标记之后0至6个采样周期内被标记为互馈敏感节点的次数，基于次数进行分析，得到a链路对b链路的敏感传导概率；

38、将a链路对b链路的初步耦合强度乘以a链路对b链路的敏感传导概率，得到a链路对b链路的互馈作用系数，互馈作用系数用于反映a链路对b链路的势态传导强度与强耦合事件传导效率的共同作用；

39、构建一个三行三列的矩阵，行和列均按污水链路、污泥链路、气体链路的顺序排列，矩阵中第i行第j列的元素表示第i个链路对第j个链路的互馈作用系数，其中i和j分别取1、2、3，对应污水链路、污泥链路、气体链路，该矩阵即为非对称的互馈作用矩阵。

40、进一步，根据介质链路状态谱，分别计算污水链路、污泥链路和气体链路中各环节的减污效益原始值和降碳效益原始值，包括：

41、对污水链路状态特征值和这三个耦合值中每个数值，将过去30日作为滑动窗口，在滑动窗口内计算稳定度指数和优度指数；

42、将稳定度指数与优度指数相乘，得到该数值对应的效益原始值，对于污水链路，减污效益原始值和降碳效益原始值均取污水链路状态特征值对应的效益原始值；对于污泥链路，减污效益原始值取污泥产量与出水流量的耦合值对应的效益原始值，降碳效益原始值取脱水污泥含水率与混合液污泥浓度的耦合值对应的效益原始值；对于气体链路，减污效益原始值和降碳效益原始值均取换气风量与臭气浓度的耦合值对应的效益原始值。

43、进一步，找出互馈作用矩阵中第j行第i列元素，该元素表示第j个链路对第i个链路的互馈作用系数，对第i个链路的减污效益原始值，将除第i个链路外另外两个链路对第i个链路的互馈作用系数分别乘以对应链路的减污效益原始值，得到两个传递增量；

44、将这两个传递增量与第i个链路自身减污效益原始值相加，得到第i个链路修正后的减污效益值，降碳效益值按修正后的减污效益值的同样方式修正，得到第i个链路修正后的降碳效益值；

45、将每个链路的修正后的减污效益值与修正后的降碳效益值相乘，如果乘积结果非负，每个链路协同效益分量取乘积的平方根；如果乘积结果为负，该链路协同效益分量取乘积结果绝对值的平方根并赋予负号；

46、将污水链路、污泥链路、气体链路三者的协同效益分量取算术平均，得到基准协同分量，再将其与介质耦合强度结合计算，得到协同效益因子，协同效益因子用于表示城镇污水厂水-泥-气全过程的协同效益。

47、进一步，对协同效益因子进行分析，得到用于评价目标对象水-泥-气减污降碳的协同效益能级，包括：

48、将当前协同效益因子与滑动窗口内协同效益因子序列的中位数比较，如果当前协同效益因子≥中位数，记为正向偏离，如果当前协同效益因子＜中位数，记为负向偏离；

49、其中，滑动窗口内协同效益因子序列的中位数按当前滑动窗口动态计算；

50、如果当前协同效益因子为正向偏离，且当前采样周期和前一采样周期的协同效益因子均不低于当前滑动窗口内协同效益因子序列的中位数，则判定为一级效益能级，一级效益能级表示水-泥-气系统处于协同减污降碳的高效稳定期，各链路相互促进；

51、如果当前协同效益因子为正向偏离，但前一采样周期的协同效益因子低于当前滑动窗口内协同效益因子序列的中位数，则判定为二级效益能级，二级效益能级表示协同效益尚可但存在波动，需要进行微调；

52、如果当前协同效益因子为负向偏离，则判定为三级效益能级，三级效益能级表示协同效益偏低，水-泥-气链路间互馈作用未能形成正向协同，需要进行优化。

53、综上所述，本发明主要具有以下有益效果：

54、通过步骤s1，获取城镇污水处理厂污水链路、污泥链路和气体链路的运行数据，生成八位符号组和污水链路状态特征值，并得到介质链路状态谱，从而打破链路间数据孤立，动态刻画各链路运行状态及耦合关系，识别互馈敏感节点，提升评估的全面性和灵敏度，步骤s2中，基于运行数据分析各环节相互作用，得到初步耦合强度，并进行敏感传导概率分析，形成互馈作用系数和非对称互馈作用矩阵，能够揭示链路间方向性、时滞性和强耦合事件传导规律，弥补现有技术难以分析环节间相互作用的不足。

55、通过步骤s3，根据介质链路状态谱计算各链路减污效益原始值和降碳效益原始值，并利用互馈作用矩阵修正，得到协同效益分量，再聚合为协同效益因子，使减污与降碳在同一框架下统一评估，体现全过程协同效应和传递影响，避免分开考量造成的评估偏差，步骤s4中，对协同效益因子进行分析，得到协同效益能级，实现减污降碳的协同效益评估。