Аннотация. Предлагается учитывающая взаимное влияние физических и биохимических процессов структурная модель взаимосвязей процессов биологической очистки сточных вод. Модель позволяет анализировать работоспособность систем анаэробной биологической очистки при эксплуатации. Обосновывается необходимость непрерывного контроля технического состояния этих систем, ориентированного, в первую очередь, на выявление причин деградации микроорганизмов. На основе общего подхода к диагностике сложных технических систем предложены алгоритмы непрерывного контроля технического состояния системы анаэробной биологической очистки сточных вод, позволяющие выявить причины неисправностей различной природы и сократить число проводимых лабораторных исследований.

Ключевые слова: анаэробная очистка сточных вод, техническое состояние, наблюдаемые параметры, деградация биомассы, алгоритмы анализа технического состояния, диагностика сложных систем, модель анаэробного брожения

Список литературы:

1. Дмитриев А. К., Юсупов Р. М. Идентификация и техническая диагностика. М.: МО СССР, 1987. 521 с.
2. Копкин Е. В., Кравцов А. Н., Мышко В. В. Анализ технического состояния космических средств. СПб: ВКА им. А. Ф. Можайского, 2016. 190 с.
3. Охтилев М. Ю., Соколов Б. В., Юсупов Р. М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. 408 с.
4. Kazemi P., Bengoa C., Steyer J.-P., Giralt J. Data-driven techniques for fault detection in anaerobic digestion process // Process Safety and Environmental Protection. 2021. Vol. 146. P. 905—915. DOI: 10.1016/j.psep.2020.12.016.
5. Sánchez-Fernández A., Baldán F. J. J., Sainz-Palmero G. I. I., Benítez J. M. M., Fuente M. J. J. Fault detection based on time series modeling and multivariate statistical process control // Chemometr. Intell. Lab. Syst. 2018. Vol. 182. P. 57—69. DOI:10.1016/j.chemolab.2018.08.003.
6. Lardon L., Punal A., Steyer J.-P. On-line diagnosis and uncertainty management using evidence theory––experimental illustration to anaerobic digestion processes // Journal of Process Control. 2004. Vol. 14. P. 747—763. DOI: 10.1016/j.jprocont.2003.12.007.
7. Boe K., Batstone D. J., Steyer J.-P., Angelidaki I. State indicators for monitoring the anaerobic digestion process // Water Res. 2010. Vol. 44. P. 5973—5980. DOI:10.1016/j.watres.2010.07.043.
8. Alcaraz-Gonzalez V., Lopez-Banuelos R. H., Steyer J.-P., Mendez-Acosta H. O., Gonzalez-Alvarez V., Pelayo-Ortiz C. Interval-based diagnosis of biological systems — a powerful tool for highly uncertain anaerobic digestion processes // CLEAN — Soil, Air, Water. 2012. Vol. 40. P. 941—949. DOI: 10.1002/clen.201100721.
9. Xiao H., Huang D., Pan Y., Liu Y., Song K. Fault diagnosis and prognosis of wastewater processes with incomplete data by the auto-associative neural networks and ARMA model // Chemometrics and Intelligent Laboratory Systems. 2017. Vol. 161. P. 96—107. DOI:10.1016/j.chemolab.2016.12.009.
10. Hill A., Tait S., Baillie C., Virdis B., McCabe B. Microbial electrochemical sensors for volatile fatty acid measurement in high strength wastewaters: A review // Biosensors and Bioelectronics. 2020. Vol. 165. P. 112409—112420. DOI: 10.1016/j.bios.2020.112409.
11. Ключарёв А. А., Фоменкова А. А. Проектирование секционного анаэробного биореактора // Изв. Санкт-Петербургского государственного технологического института (технического университета). 2018. № 34(60). С. 95—100
12. Св-во о гос. регистрации программы для ЭВМ № 2021613417. Программный модуль для имитационного моделирования системы анаэробной очистки сточных вод / А. А. Фоменкова, А. А. Ключарёв. № 2021612722, заявл. 09.03.2021.