污水处理行业碳排放量约占全球碳排放量的2%，是不可忽视的碳排放领域。污水厂的碳排放包括了直接碳排放和间接碳排放，前者主要来自生物反应过程中N₂O、CH₄和CO₂的逸散，而后者主要是生产过程中电力、药剂等消耗。研究统计，“十三五”时期，北京排水集团间接碳排放99%来源于电力消耗。“以能耗换水质”的污水处理方式，是目前污水处理设施运行管理中面临的一道难题。

智能化手段的引入则成为了一把解决难题的钥匙。近日，中科院成都生物研究所污染生物治理项目组采用人工智能算法对污水处理进行了模拟优化方面的探索，初步构建起水质预测模型。

项目团队负责人、中科院成都生物研究所研究员谭周亮表示，污水处理系统是一个典型的“黑箱”，污水处理厂内部生化单元生物化学反应过程存在着非线性、时变性、原理不完全明确性的特点，而工艺稳定性易受到进水水质、运行参数以及环境条件的影响，从而导致出水水质发生变化。“要处理的污水是动态变化的，但为了保证出水水质稳定达标，污水处理厂往往按照高标准的模式运行，就会造成一些不必要的碳排放。”

针对上述问题，团队选取四川省内两家污水处理厂进行研究，采用多种人工智能算法，分别构建了针对进水水质水量和出水水质水量的预测模型。进水水质预测方面，团队考虑了污水处理厂周边人口规模、生活习惯以及气候条件等影响因素，并收集了相关数据进行预测。出水水质预测方面，团队则考虑了迟滞条件、过程参数和数据优化分析方法等对预测模型精度的影响。

谭周亮介绍，对进水进行准确预测，可提前了解进水水质水量的变化情况，从而有助于及时调整污水处理系统运行参数，保障出水水质达标排放。对出水进行准确预测，可提前获得出水水质能否达标排放的信息，有助于污水处理厂采取优化调控措施。

“通过对进出水水质的精准预测，可及时采取措施优化污水处理系统运行参数以及药剂添加量，在保障污水处理稳定达标的前提下最大限度低碳运行，实现碳减排。”他表示，目前，团队就这方面仍在作更深入的研究。

未来，除了进一步促进污水处理系统智能化运行技术的落地，面向国家“双碳”目标，谭周亮及其团队还关注到了微藻固碳作为碳捕集、利用和储存的重要方式。谭周亮介绍，利用微藻有效回收污水中被浪费的氮磷元素，能有效降低污水处理中药剂使用。“同时对藻体进行资源化利用，可以促使污水处理工艺从‘高碳排放处理工艺’转型为‘绿色低碳生产工艺’，变 ‘废物处理’为‘资源及能源回收’。”