污泥膨胀、污泥中毒怎么办？今天解决方案来了！(附案例)

ATP，MLSS和VSS关系的示意图

这是因为在前半段时间，工厂进行了污泥总量优化。在进行污泥减量时，运营人员增加排泥，但维持污泥的ATP活性不变，确保整个减量过程中污泥活性不受到影响。在后半段时间，由于工厂产量增大导致污水处理负荷提高1倍，活性污泥频繁出现中毒、沉降性下降和翻泥现象，进行了多次外界补泥以维持工艺正常运行，因此cATP浓度与MLSS的变化较为一致。

从这组数据我们可以发现，结合污泥活性来管理污泥浓度，能够准确的把握工艺的处理能力，在工艺调节时降低犯错的可能性。

BSI与常规运营指标的相关性

BSI(Biological Stress Index，生物威胁指数)是基于污泥ATP分析所衍生出的控制指标，用来 衡量微生物在当前环境中的死亡情况。BSI可反映出外部和内部条件共同对微生物的影响，影响因素包括曝气不足、营养物质匮乏、菌种迁移和源水的生物毒性等。

数据分析显示，BSI与COD负荷、F/M、SV30和SVI之间存在不同程度的正相关，其中 SV30和SVI与BSI的相关性最高。

由于精细化工厂废水有一定毒性，COD负荷和F/M偏高，导致污泥频繁出现丝状菌膨胀和黏性膨胀，因此BSI与SV30和SVI这2个反映污泥沉降性能参数的相关性较大。此外，BSI与COD负荷和F/M也呈正相关，证明在该工艺中，食微比增加会对微生物活性产生抑制效果。

微生物指标的预警能力

由于微生物对环境的变化最为敏感，当我们观察到出水水质出现问题时，通常微生物状态已经发了巨大的改变。如果能够提前捕捉微生物变化的信号，对工艺预警有重要价值。

我们使用LOESS（Locally Estimated Scatterplot Smoothing）算法对BSI、SV30和SVI数据进行平滑处理后，通过数据平移寻找相关性的最大值可以寻找BSI与SVI和SV30在时序关系上的从动关系。

平移分析结果可知: 当SVI和SV30数据前移14d时，它们与BSI之间的相关性达到最大值， 其中BSI与SVI的Spearman相关系数从0.792提高到0.847，BSI与SV30的Spearman相关系数从0.843提高到0.881。也就是说， 当BSI指示微生物生存条件恶化后，工程师能够拥有14天的缓冲期来改善工艺条件，预防污泥沉降性能的恶化。

BSI 与SVI 和SV30的LOESS 曲线平移分析