廢污水處理綠色轉型 新興廢水處理技術應用平台

「類神經網路AIoT演算法」應用於廢水處理操作優化

發布日期: 115 - 10 - 16

環境部近年持續加嚴數種事業與專用污水下水道系統之《放流水標準》，另《水污染防治措施及檢測申報管理辦法》要求之廢（污）水水量、水質自動監測（視）及連線傳輸設備（CWMS）也逐步擴大適用對象，要求特定規模以上之事業必須即時揭露水質數據，上述管制促使廢水處理程序操作的穩定度與精確度必須再提高。

廢水處理單元進流水質（如 pH 值、懸浮固體物、重金屬濃度及有機負荷）往往隨製程端訂單變化呈現劇烈變動，在化學混凝與生物處理單元，倘操作決策依賴人工定期採樣與化驗的結果，將產生顯著的時間滯後性，無法及時應變；另一方面，為了確保處理效果，現場操作人員有時會以增加藥劑投加量或提高曝氣量的方式因應水質變化。上述兩種做法缺乏數據即時回饋，經常導致化學藥劑（如混凝劑和酸鹼）浪費、產生大量高含水率的化學污泥、過度曝氣造成電費過高，也未必能保證排放水質符合標準。

為克服前述經驗型操作的局限，導入人工智慧技術成為可行手段，其中以「類神經網路（ANN）」為核心的 AIoT技術，串接廠區既有的可程式邏輯控制器（Programmable logic controller，PLC）與中央監控系統（Supervisory Control and Data Acquisition，SCADA），建構動態學習能力；該系統之核心運作邏輯可分為以下步驟：

1.多參數即時監測：藉由布建於進流端與各反應槽之物聯網（IoT）線上感測器，連續收集水質變化。

2.類神經網路演算：將數據輸入ANN模型，模擬與預測後續水質即時變化趨勢。

3.回饋控制：系統計算出當前水質所需的精確藥劑劑量與曝氣量，自動化調控。

4.感測器異常偵測機制：透過演算法自我診斷，判定水質異動為感測器異常（如電極劣化、結垢）或是真實水質異動，降低誤報次數。

以台灣某製造業實廠（設計處理量一萬CMD）導入智慧水務系統為例，該廠過往面對進流廢水負荷變化劇烈，沉澱池時常產生浮渣，出水SS也偏高；引進類神經網路演算法優化化學加藥與曝氣程序後，系統連續擷取進水流量、pH、SS/濁度、COD及氨氮等參數，並以5至15分鐘之頻率調控；在加藥控制方面，系統自動驅動變頻定量加藥泵，微調混凝劑劑量，使膠羽凝聚狀態維持穩定；在曝氣控制方面，系統隨水質負荷調控鼓風機變頻器，將生物池溶氧量（DO）穩定維持於理想區間（約1.5–2.0 mg/L），防止過度曝氣剪切污泥膠羽，使活性污泥中之硝化菌群維持穩定活性，經長期運行，獲得下述成效：

1.將放流水 SS 濃度從過去衝擊時高達200 mg/L的波動狀態，穩定控制於20 mg/L以下，提升系統穩定度。

2.每年累計增加水回收約18,250噸。

3.藥劑部分，年減高分子混凝劑300公斤，以及減少液鹼（NaOH）投放達 13,140 公升。

4.廢水處理系統整體節電幅度達10%以上，使廠方每年省下近百萬元電費。

5.一年減少化學污泥產量達2,700公斤。

6.自動化控制取代了過往高頻率的人工巡檢與現場手動調校，使日常營運調校之採樣與化驗工時分別減少約900與2,400小時。

此技術實務之推動，不僅協助廢水處理專責人員由經驗導向轉型為數據驅動之預測型管理，降低操作負擔，亦進一步帶動整體水務產業鏈的技術升級。

廢水處理系統倘依賴傳統經驗的操作模式，不易因應多變的進流條件，類神經網路 AIoT 技術將物聯網數據輸入運作，做為操作決策基礎，達到減藥、節能與減泥等效益，此作法可作為廢水處理專責人員、設備供應商、工程顧問公司之參考。