基于模型预测控制与数字孪生的曝气池智能控制

《Automation》：Intelligent Control of an Aeration Tank Using Model Predictive Control and a Digital Twin

　　

在水资源短缺与环境要求日益严格的背景下，提高生物废水处理过程的能源效率已变得尤为重要。曝气池是能耗最高且动态特性最复杂的单元之一，并且受到进水流量及组分波动的强烈影响。传统比例-积分-微分（PID）控制器无法提供预测性扰动补偿，常常导致过度曝气和能耗增加。该研究提出了一种基于数字孪生、神经网络驱动的进水流量预测以及模型预测控制（MPC）的智能控制方法。数字孪生表征了一个生物处理过程的动态模型，纳入了包括底物、活性污泥及溶解氧浓度在内的关键状态变量。采用长短期记忆（LSTM）神经网络模型，基于污水厂历史运行数据预测水力负荷，同时补偿未被线性化MPC模型表征的残余非线性动态。预测得到的进水流量数值作为可测扰动并入MPC框架，从而能够为曝气系统生成前馈性控制作用。利用塞梅伊市污水处理设施的运行数据对数字孪生的适用性进行了验证，其性能指标为均方根误差（RMSE）= 0.14 mg/L、平均绝对误差（MAE）= 0.09 mg/L、决定系数R² = 0.94、平均绝对百分比误差（MAPE）= 6.3%。仿真结果表明，与模糊PID控制器相比，应用MPC后，RMSE降低了57.1%，超调量由24%降至8%，积分绝对误差（IAE）降低了60.9%，曝气系统能耗降低了21.1%，同时将溶解氧浓度维持在允许运行范围内。所提出的咨询式MPC（Advisory MPC）架构与现有可编程逻辑控制器-监控与数据采集（PLC–SCADA）系统兼容，可作为污水处理设施渐进式数字化现代化改造的基础，而无需修改现有自动化控制回路。

该论文发表于《Automation》，聚焦于城市污水生物处理系统中曝气池的智能控制问题。研究背景在于，污水处理厂在水资源紧缺、环保排放标准收严以及基础设施老化的多重压力下，必须同步实现处理稳定性与能源效率提升。曝气系统通常占污水处理厂总能耗的50%–70%，在设备陈旧、自动化水平不足的工况下占比甚至更高。与此同时，进水流量、污染负荷及雨污混入等因素导致曝气池长期处于显著非平稳运行状态，而溶解氧（DO）作为决定生物处理效率与能耗水平的关键变量，既不能过低以免抑制硝化和有机物氧化，也不能过高以免引起无效能耗。现有工业现场多采用常规PID或模糊PID控制，但这类控制本质上属于反馈式被动调节，难以利用未来扰动信息，也无法在统一框架内显式处理鼓风机出力、空气流量变化率及DO安全区间等工艺约束，因此在水力负荷突变时容易产生DO波动、过曝气和设备动态应力上升等问题。基于此，研究人员提出了一种面向工业部署的智能控制体系，将数字孪生、LSTM预测和模型预测控制（MPC）进行一体化耦合，以实现对曝气池的前瞻性、节能型控制。

在方法上，研究人员首先基于活性污泥模型（ASM，activated sludge model）思想建立了曝气池非线性动态模型，描述溶解氧、可生物降解底物和活性污泥浓度等状态变量之间的关系；随后围绕DO = 2 mg/L的名义工况对模型进行线性化，构建适于MPC设计的降阶控制模型。数字孪生通过PLC–SCADA数据与虚拟模型进行在线同步，实验数据来源于哈萨克斯坦塞梅伊市污水处理厂，其中数字孪生验证使用30天、5 min采样间隔的运行数据，LSTM预测模型训练则使用5年运行档案数据。控制算法与对象模型在MATLAB/Simulink R2025b中实现，并采用多场景、多次重复仿真、95%置信区间和双样本Student t检验评估控制性能与统计显著性。

研究结果部分包含多个核心小节。

3.1. Comparison of MPC and Fuzzy PID Controllers
该部分比较了MPC与模糊PID在相同对象模型、相同DO设定值、相同扰动条件及相同控制约束下的性能差异。研究人员以非线性曝气池模型作为统一受控对象，控制变量为DO，操纵变量为空气流量Q_air，并设置1.5 ≤ DO ≤ 3 mg/L以及空气流量和其变化率约束。MPC采用预测时域N_p = 12、控制时域N_c = 5、采样时间T_s = 1 min，通过二次规划最小化DO跟踪误差和控制增量。结果显示，在污水进流突增时，模糊PID出现明显超调，DO升至约2.4–2.5 mg/L，并伴有持续振荡，说明控制器只能对当前偏差作出反应，难以及时应对未来负荷变化，进而造成过量供气。相比之下，MPC控制过程平滑，DO基本不超过2.15–2.2 mg/L，且能较快回归设定值，体现了基于模型与扰动预测的前馈补偿能力。研究进一步指出，MPC生成的控制信号更平稳，减少了鼓风机频繁调整带来的机械负担，在控制品质、能耗与约束满足之间实现了更优折中。

在同一小节中，研究人员还系统介绍了模糊PID的基线构建方法。其初始PID参数通过一阶惯性纯滞后（FOPDT）模型整定获得，过程增益K = 0.83，时间常数T = 14.2 min，传输延迟τ = 2.8 min，随后再以模糊逻辑对K_P、K_I、K_D进行在线修正。尽管该方法提升了变负荷工况下的适应性，但在存在强时变扰动和能耗约束时仍不及MPC。

关于LSTM预测模块，论文在结果中给出了单独而充分的验证。研究人员采用LSTM对进水水力负荷进行短期预测，输入变量包括进水流量Q_in、DO、铵态氮浓度、化学需氧量（COD）及既往空气流量Q_air，使用Min–Max归一化预处理，网络采用64–32结构，输入序列长度为288个样本，即24 h历史序列。验证结果表明，该模型在验证集上达到RMSE = 0.047、MAPE = 3.4%、R² = 0.97，且相较于ARIMA、MLP和GRU表现最佳。图形结果显示，LSTM能够较准确地跟踪进水流量的趋势、峰值与谷值，误差分布接近正态，无明显系统偏差。研究据此将其输出作为MPC中的可测扰动输入，同时还将LSTM用于数字孪生残差补偿，以修正线性MPC模型不能描述的非线性效应。

数字孪生的验证也是本文结果的重要组成部分。研究人员使用塞梅伊市污水厂SCADA数据对ASM基础上的数字孪生进行校准和验证。结果表明，数字孪生与实际曝气池过程吻合良好，R² = 0.94，RMSE = 0.14 mg/L，MAE = 0.09 mg/L，MAPE = 6.3%，误差均显著低于DO工艺允许波动范围。该结果说明，所建立的虚拟对象足以用于控制算法测试、状态估计和能耗分析，也为咨询式MPC的工业应用提供了可靠基础。

在鲁棒性分析方面，研究人员设计了峰值水力负荷和紧急过载两类情景，每种情景重复仿真30次，并在不同随机扰动和测量噪声实现下统计均值、标准差和95%置信区间。结果显示，MPC在非平稳进水及突发扰动条件下保持了更稳定的DO调节能力，说明该控制策略具有较好的抗扰动性和运行稳健性。

3.2. Energy Consumption Analysis of the Aeration System
该部分从工程能效角度对控制策略进行了定量比较。研究人员根据空气流量、压降和鼓风机-电机总效率估算瞬时功率，并通过时间积分得到日能耗。在相同DO设定、相同流量约束和相同突加扰动条件下，比对模糊PID、常规MPC以及MPC–LSTM三种控制策略。结果表明，MPC–LSTM在IAE、ISE、ITAE、RMSE以及控制信号总变差（TV）等指标上均优于对照方法。与常规MPC相比，MPC–LSTM使IAE下降21%、ISE下降37%、ITAE下降19%、RMSE下降15%、TV下降35%，说明前瞻性负荷预测不仅改善了DO跟踪性能，也使鼓风机控制动作更平滑。论文还指出，在所研究的仿真条件下，MPC–LSTM将曝气日能耗由1818 kWh/day降至973 kWh/day，显示出显著节能潜力；而在与模糊PID的主比较中，综合结果给出的平均节能幅度为21.1%。研究人员明确强调，这些节能数值基于数字孪生和场景仿真，应解释为工业运行中的预期潜力，而非未经现场验证的保证值。

讨论部分系统梳理了该方法的技术优势与适用边界。论文指出，相比工业PID和模糊PID，所提咨询式MPC的突出优势在于：能够利用过程模型和进水预测生成超前控制动作；能够显式将DO、空气流量及其变化率等工艺约束纳入优化；能够通过“线性MPC + LSTM残差补偿”的混合结构兼顾工业计算可行性与非线性适应能力；能够作为上层监督模块接入现有PID与SCADA系统，而无需彻底改造原有PLC架构，从而降低实施风险和升级成本。数字孪生还具备虚拟传感、故障预警、控制器调试和应急工况测试等多重功能。论文同时指出该研究存在若干限制，包括数字孪生验证周期仅30天、主要基于单季节数据，模型对温度和活性污泥慢变量作了简化，LSTM模型主要依赖单一污水厂历史数据，通信故障、网络延迟和网络安全扰动未显式建模，且尚未进行全规模现场部署。因此，论文强调未来需要开展跨季节验证、传感器故障容错研究以及中试和全规模工业验证。

研究结论部分可以译述为：研究结果表明，在非平稳水力负荷和工艺约束条件下，模型预测控制（MPC）较传统PID与模糊PID能够实现更高效的曝气池控制。MPC的核心优势在于可结合动态过程模型与扰动预测实施超前调节，从而在污水进流变化发生前进行补偿，避免溶解氧浓度出现严重偏离。仿真结果证实，与模糊PID相比，所提出的MPC方法使IAE降低60.9%，ISE降低70.0%，ITAE降低66.5%，RMSE降低57.1%，并将DO超调由24%降至8%，且未出现工艺约束违背。MPC还能够显式考虑DO浓度、空气流量及控制信号变化率约束，从而在保障处理质量的同时降低能耗并保护鼓风机设备。统计分析显示，MPC–LSTM策略相较模糊PID在曝气系统能耗方面实现了具有统计显著性的下降（p < 0.01），平均降幅为21.1%，95%置信区间为17.4%–24.8%。该结果应视为在所研究工况下的预测性节能效果，仍需通过工业现场验证进一步确认。总体而言，MPC、数字孪生与神经网络预测的集成，为污水处理厂的数字化现代化升级提供了有前景的路径，能够增强生物处理鲁棒性、降低曝气能耗、减轻设备动态负荷，并提升曝气池在非平稳进水条件下的运行可靠性。