Giải pháp nâng cao chất lượng điều khiển lượng Oxy hòa tan trong hệ thống xử lý nước thải theo phương pháp bùn hoạt tính

Nghiên cứu khoa học công nghệ 
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 135
GIẢI PHÁP NÂNG CAO CHẤT LƯỢNG ĐIỀU KHIỂN LƯỢNG OXY 
HÒA TAN TRONG HỆ THỐNG XỬ LÝ NƯỚC THẢI THEO 
PHƯƠNG PHÁP BÙN HOẠT TÍNH 
Bạch Văn Nam*, Đỗ Trung Hải, Nguyễn Phương Huy 
Tóm tắt: Bài báo phân tích một số giải pháp nâng cao chất lượng điều khiển 
lượng oxy hòa tan (Dissolved Oxygen - DO) trong hệ thống xử lý nước thải theo 
phương pháp bùn hoạt tính (Activated Sludgle Model - ASM) qua đó giúp cải thiện 
chất lượng đầu ra nước thải, đồng thời giảm thiểu chi phí hoạt động của hệ thống. 
Các giải pháp này bao gồm việc lắp thêm các bộ điều khiển PI cho một số bể xử lý 
và/hoặc sử dụng giải thuật di truyền để tìm ra các tham số tối ưu của bộ điều khiển 
PI. Việc đánh giá các giải pháp được thực hiện trên mô hình BSM1, là mô hình 
chuẩn được cộng đồng thế giới khuyến nghị. 
Từ khóa: Xử lý nước thải bùn hoạt tính; BSM1; Điều khiển oxy hòa tan; Bộ điều khiển PI; Giải thuật di truyền. 
1. ĐẶT VẤN ĐỀ 
Nước thải là một thuật ngữ áp dụng đối với bất kỳ nguồn nước nào bị ô nhiễm bởi con 
người gây ảnh hưởng tiêu cực đến chất lượng nước, chẳng hạn nước thải trong sinh hoạt 
như nước thải do bơi lội, nấu ăn, giặt giũ, xả nước nhà vệ sinh hoặc nước thải trong 
công nghiệp, nông nghiệp. Tất cả nước thải trên cần được xử lý trước khi thoát trực tiếp 
vào các lưu vực sông chính [9]. Khi nước thải không được xử lý, một số nước thải có thể 
ảnh hưởng nghiêm trọng đến sức khoẻ của con người và chất lượng môi trường. 
Đã có rất nhiều hệ thống nước thải sử dụng phương pháp bùn hoạt tính được thiết kế và 
cũng có rất nhiều chiến lược điều khiển đã được áp dụng [9], [10]. Tuy nhiên, để so sánh 
giữa các hệ thống xử lý nước thải và các chiến lược điều khiển là rất khó khăn do yêu cầu 
đầu ra của nước thải của các quốc gia và mức chi phí là khác nhau. 
Nhằm nâng cao việc đánh giá và áp dụng các phương pháp điều khiển mới, từ năm 
1998 đến năm 2004, việc phát triển của các công cụ chuẩn để đánh giá dựa trên mô phỏng 
các phương pháp điều khiển cho các nhà máy bùn hoạt tính đã được thực hiện ở châu Âu 
bởi các nhóm làm việc của COST Action 682 và 624 [1], [3]. Trong đó, mô hình mô 
phỏng BSM1 (Benchmark Simulation Model No 1) là một môi trường mô phỏng xác định 
cách bố trí hệ thống, dòng nước thải đầu vào/ra, quy trình kiểm tra và tiêu chí đánh giá. 
Mô hình này được cộng đồng thế giới khuyến nghị sử dụng làm mô hình mẫu để đánh giá 
các chiến lược, giải pháp điều khiển khác nhau trong xử lý nước thải theo phương pháp 
bàn hoạt tính. 
Trong quá trình xây dựng mô hình BSM1 cho hệ thống xử lý nước thải bằng bùn hoạt 
tính [1], nhóm tác giả đã đề xuất 2 vòng điều khiển PI: Điều khiển Nitrat (SNO) trong bể 
thứ hai và điều khiển lượng oxy hòa tan (DO) trong bể thứ năm (hình 3). Hai bộ điều 
khiển này được gọi là hai bộ điều khiển mặc định. Nhờ sự hoạt động của hai bộ điều khiển 
này, các kết quả chất lượng nước thải đầu ra (EQI), chi phí vận hành hệ thống (OCI), nồng 
độ của các chất Ntot, CODt, SNH, TSS và BOD5 sẽ là giá trị tham chiếu để so sánh với 
các chiến lược điều khiển khác được đề xuất (nếu có). 
Từ mô hình BSM1, rất nhiều chiến lược điều khiển như điều khiển dự báo [8], [11], 
mạng nơ ron [6], điều khiển mờ [4], [9] hay đại số gia tử [2] đã được đề xuất áp dụng để 
điều khiển nồng độ Oxy hòa tan (DO), nhằm làm giảm thiểu chỉ số chất lượng nước thải 
đầu ra (EQI), đồng thời giảm thiểu chỉ số chi phí hoạt động (OCI) của hệ thống. Tuy 
nhiên, nhóm tác giả nhận thấy trên thực tế đang triển khai, hầu hết các bộ điều khiển đã và 
đang sử dụng trong các nhà máy xử lý nước thải cũng như trong công nghiệp đều là bộ 
điều khiển kinh điển PI. 
Kỹ thuật Điện tử – Thông tin 
 B. V. Nam, Đ. T. Hải, N. P. Huy, “Giải pháp nâng cao chất lượng  bùn hoạt tính.” 136 
Bên cạnh đó, sau khi tìm hiểu về với mô hình mô phỏng điểm chuẩn BSM1 và chiến lược 
điều khiển mặc định [1], tác giả thấy rằng hệ thống chỉ điều khiển nồng độ Oxy trong bể số 5 
mà không điều khiển nồng độ oxy trong các bể hiếu khí khác (bể số 3 và bể số 4) và hệ số 
của bộ điều khiển (KSO5, TiSO5) là giá trị khuyến nghị chứ không phải giá trị tối ưu. 
Chính vì vậy, nhằm cải thiện chỉ số chất lượng nước thải đầu ra (EQI), đồng thời giảm 
thiểu chỉ số chi phí hoạt động (OCI) của hệ thống, trong bài này, nhóm tác giả để xuất một 
số giải pháp nâng cao chất lượng điều khiển DO theo hai hướng: 
- Tăng cường thêm các bộ điều khiển PI cho các bể hiếu khí số 4,5 với các tham số của 
bộ điều khiển là tham số mặc định (được khuyến nghị trong mô hình chuẩn) 
- Sử dụng giải thuật di truyền để tìm các hệ số tối ưu cho các bộ điều khiển PI nhằm 
đạt tới các chỉ số chất lượng tốt hơn.. 
Các giải pháp này sẽ được đánh giá thông qua mô phỏng để từ đó cho phép lựa chọn ra 
giải pháp phù hợp nhất tùy theo các tiêu chí đặt ra. 
2. HỆ THỐNG XỬ LÝ NƯỚC THẢI THEO PHƯƠNG PHÁP BÙN HOẠT TÍNH 
VÀ CÁC CHỈ TIÊU ĐÁNH GIÁ 
Hiện tại, trên thế giới cũng như ở Việt Nam, xử lý sinh học nói chung và xử lý dùng 
bùn hoạt tính nói riêng là một phần quan trọng và phổ biến ở các nhà máy xử lý nước 
thải. Quá trình bùn hoạt tính phức tạp, bao gồm một số lượng lớn các vi sinh vật, liên tục 
phát triển và lưu thông trong nước thải. Vi sinh vật liên tục tiêu thụ các chất hữu cơ 
trong nước thải. 
Hình 1. Sơ đồ xử lý nước thải bằng bùn hoạt tính. 
Quy trình bùn hoạt tính có ba thành phần cơ bản (hình 1): 
- Bể xử lý sinh học, trong đó vi sinh vật được giữ dạng lơ lửng 
- Bể lắng để tách lỏng và rắn 
- Hệ thống tái chế bùn cho bùn hoạt tính trở lại cho đến khi bắt đầu quá trình. 
Theo sơ đồ xử lý nước thải bằng bùn hoạt tính (hình 1), sục khí là phần quan trọng 
trong các bể xử lý sinh học vì đây là quá trình cung cấp Oxy cho các vi khuẩn trong các bể 
hiếu khí hoạt động. Khi lượng Oxy không đầy đủ dẫn đến sự suy thoái của bùn hoạt tính 
hoặc khi dư thừa sẽ gây sự lãng phí năng lượng và tiền bạc [5]. Vì vậy, điều khiển nồng độ 
Oxy hòa tan (DO) trong các bể xử lý sinh học là công việc rất quan trọng. Cấu trúc của 
điều khiển DO được mô tả chi tiết trong hình 2. 
Hình 2. Sơ đồ cấu trúc điều khiển DO. 
Bộ điều 
khiển 
Máy thổi 
Hệ số truyền 
Oxy (Kla) 
/ 
 
  
(−)
Nghiên c
Tạp chí Nghi
dụng mô h
tổng dung tích 6000 m
bình 1333 m
số 2) duy tr
độ oxy h
hai b
dựa tr
số chi phí hoạt động) v
EQI Q t dt
oxy hóa h
thải đầu ra. 
cu
Để kiểm chứng v
ộ điều khiển PI kinh điển. 
Vi
- Gi
- Ch
- Ch
Nồng độ
Trong tiêu chí hi
Trong đó
ối). 
ệc đánh giá hiệu quả của ph
ên ba tiêu chí:
ới hạn nồng độ của một số chất trong n
ỉ số chất l
ỉ số chi phí tổng thể (OCI 
T
 
BSS
ứu khoa học công nghệ
ình chu
òa tan 
1
1000
ọc, tổng l
 = 2, 
ên c
3. H
ì n
 nư
, TSS
Q
ứu KH&CN 
ệ thống gồm hai bộ điều khiển: Bộ điều khi
ồng độ Nit
ở mức 2 g (COD).
ớc thải của một số chất phải tuân thủ các giới hạn n
14t days
t days
e là t
BCOD
ẩn BSM1 
ượng n
ệu quả hoạt động của
0
e, COD
ư
ốc độ luồng n
 = 1, 
à so sánh gi
3
Hình 
à EQI (ch
B TSS t B COD t B TKN t 
ợng nito, nồng độ nitrate v
OCI
 bao g
ơ 
ước thải đầu ra của hệ thống (EQI 
SS e COD e TKN e
e, 
BTKN
 = 
quân s
[1]
ở mức 1 g.
3. 
  
TKN
ME
 như h
ồm: 2 bể kỵ khí, mỗi b
Sơ đ
Bảng 
B S t B BOD t  
e
= 30, 
 + 
ự, Số
ữa các ph
ồ tổng quan của hệ thống BSM1
ương pháp đi
- 
ỉ số chất l
NO NO e BOD e
, SNO
ước thải đầu ra v
B
PE
ình 3. BSM1 bao g
m 
1.
OCI
NO
 + 
 Đặc san 
m 
3 . Bài toán đi
 Gi
-Overall Cost Index) 
, 5
e và 
 = 10 và 
AE
ương pháp đi
3 và b
ới hạn nồng độ đầu ra của các chất trong BSM1
hệ thống, hai tham số đ
ượng n
BOD
 +3EC + 5·
ều khiển đ
ư
FEE
ộ điều khiển DO (tại bể số 5) duy tr
ớc thải
ước thải đầu ra)
e lần l
à nhu c
BBOD5
, 0
à T
8 -
ều khiển DO, các nh
ình 1000 m
ều khiển mặc định đ
ượt l
ầu oxy sinh học trong luồng n
 là th
= 2. 
Sludge
 20
ồm năm bể xử lý b
ược áp dụng cho mô h
-
à: t
18 
ển quá tr
 Effluent Quality Index) 
[3]
ổng l
ời gian (= 14 ng
Prod
. 
ư
3 và ba b
[3]
êu trong b
ợc sử dụng l
ượng chất rắn, nhu cầu 
ình nitrat hóa (t
. 
ư
 e
à khoa h
ùn ho
ể hiếu khí, mỗi 
ợc đề xuất bởi 
ảng 1.
ày mô ph
ình BSM1 
à OCI (ch
ạt tính có 
137
ọc sử 
ại bể 
ì nồng 
ư
ỏng 
.
ỉ 
(1)
ớc 
(2)
Kỹ thuật Điện tử – Thông tin 
 B. V. Nam, Đ. T. Hải, N. P. Huy, “Giải pháp nâng cao chất lượng  bùn hoạt tính.” 138 
Ở đây, AE là năng lượng sục khí được tính theo công thức: 
 dttaKV
T
S
d
kWh
AE
dayst
dayst i
iLi
sat
O
 


14
0
5
1
15
15,
10008.1
 (3) 
Với Vi là thể tích bể chứa, KLai
15 là hệ số truyền đạt oxygen ở 15°C và SO
sat,15 là độ tập 
trung oxygen bão hòa tại 15°C. 
EC đề cập đến carbon có thể được thêm vào để cải thiện sự khử nitơ: 
 =

.
∫ ∑ ,

 . 
à
à
 (4) 
Năng lượng khuấy (ME) cung cấp cho các bể khi quá trình sục khí không đủ để duy trì 
điều kiện hoạt động của bùn hoạt tính được tính như sau: 
 
 
dayst
dayst i
ii dtVtme
Td
kWh
ME
14
0
5
1
1
 (5) 
Với mei = 0.005 khi KLai dưới 20 d
-1 và bằng 0 trong trường hợp ngược lại. PE là năng 
lượng bơm và SludgeProd là tổng lượng bùn thải ra. 
3. MỘT SỐ CHIẾN LƯỢC ĐIỀU KHIỂN DO CHO MÔ HÌNH BSM1 
3.1. Bộ điều khiển PI mặc định 
Hình 4. Sơ đồ mô phỏng dùng bộ điều khiển PI. 
Bộ điều khiển PI kinh điển được mô tả bởi: 
0
( ) ( ) ( )
t
P
P
I
K
u t K e t e t dt
T
 (6) 
Với: e(t) là sai lệch của tín hiệu điều khiển và u(t) là tín hiệu điều khiển ở đầu ra của bộ 
điều khiển. 
Hình 4 minh họa sơ đồ mô phỏng của bộ điều khiển PI tại bể số 5 của mô hình BSM1. 
Bộ điều khiển PI này sẽ điều chỉnh hệ số truyền oxy (KLa) với lượng đặt là 2 g/m3 (theo 
khuyến nghị). Các tham số bộ điều khiển KP và TI đã được đề xuất bởi BSM1 là: KSO5 
(KP)= 25, TiSO5(TI)= 0.0020 [3]. 
3.2. Một số giải pháp điều khiển đề xuất 
Như đã phân tích ở trên, do PI là bộ điều khiển thường được sử dụng trong công 
nghiệp, việc triển khai thêm các bộ điều khiển PI là rất dễ dàng. Vấn đề quan trọng là tìm 
được các tham số KP và TI phù hợp đối với mỗi bộ điều khiển. 
Nghiên cứu khoa học công nghệ 
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 139
Vì vậy, trong bài báo này tác giả đề xuất 2 nhóm giải pháp bao gồm 4 chiến lược điều 
khiển DO cho mô hình xử lý nước thải BSM1. 
a. Bổ xung thêm bộ điều khiển PI cho các bể hiếu khí 
- Chiến lược điều khiển thứ nhất (S1), tác giả mắc thêm bộ điều khiển PI vào bể số 4 
để điều khiển DO đồng thời bể 4,5. Hệ số của bộ điều khiển PI và lượng đặt lấy theo 
khuyến nghị (như cấu hình chuẩn). Cấu hình của chiến lược điều khiển S1 được thể 
hiện trong hình 5. 
PI
NO,2S
iQ i,Z
m=1
m=6
m=10
intQ
PI
O,5S
Q
uQ
rQ wQ
f
cQ
lK 5a
Bể 1 Bể 2 Bể 3 Bể 4 Bể 5
PI
lK 4a
Hình 5. Cấu hình điều khiển C1. 
- Chiến lược điều khiển thứ hai (S2), tác giả mắc thêm bộ điều khiển PI vào bể số 3, 4 
để điều khiển DO đồng thời bể 3,4,5. Hệ số của các bộ điều khiển PI và lượng đặt lấy 
theo khuyến nghị (như cấu hình chuẩn). Cấu hình của chiến lược điều khiển S2 được 
thể hiện trong hình 6. 
PI
NO,2S
iQ i,Z
m=1
m=6
m=10
intQ
PI
O,5S
Q
uQ
rQ wQ
f
cQ
lK 5a
Bể 1 Bể 2 Bể 3 Bể 4 Bể 5
PI
lK 4a
PI
lK 3a
Hình 6. Cấu hình điều khiển C2. 
b. Tìm kiếm các tham số cho bộ điều khiển PI dùng giải thuật di truyền 
- Chiến lược điều khiển thứ 3 (S3): Chỉ sử dụng một bộ điều khiển PI cho bể 5 (như 
mặc định). Tuy nhiên, tác giả sử dụng giải thuật di truyền (Genetic Algorithm - GA) 
để tìm kiếm hệ số KP và TI mới sao cho chỉ số OCI và EQI là tốt nhất. 
- Chiến lược điều khiển thứ 4 (S4): Sử dụng cấu hình điều khiển C2 (Hình 6) nhưng sử 
dụng GA để tìm kiếm các hệ số tối ưu KP và TI của ba bộ điều khiển tại các bình 
3,4,5. 
GA là một phương pháp tìm kiếm ngẫu nhiên toàn cục mô phỏng các quá trình tiến hóa 
tự nhiên. Các thuật toán di truyền bắt đầu một cách không có tri thức về lời giải chính xác 
và hoàn toàn phụ thuộc vào phản ứng từ môi trường bằng cách khai thác quá trình tiến hóa 
(tức là sinh sản, lai tạo và đột biến) để đi đến giải pháp tốt nhất [7]. 
Bằng cách bắt đầu tại một số điểm độc lập và tìm kiếm song song, GA tránh được cực 
trị địa phương cũng như việc hội tụ tới các giải pháp tối ưu phụ. Nhờ vậy, GA đã được 
chứng minh là có khả năng định vị khu vực hiệu suất cao trong các không gian phức tạp 
Kỹ thuật Điện tử – Thông tin 
 B. V. Nam, Đ. T. Hải, N. P. Huy, “Giải pháp nâng cao chất lượng  bùn hoạt tính.” 140 
mà không gặp phải những khó khăn liên quan đến số chiều của không gian như các kỹ 
thuật gradient hoặc các phương pháp tìm kiếm tối ưu dựa trên thông tin về đạo hàm. 
Hình 7. Tối ưu tham số của bộ điều khiển dùng GA. 
Một thuật toán di truyền thường được khởi tạo với một quần thể ngẫu nhiên gồm từ 20-
100 cá thể. Mỗi cá thể thường được biểu diễn bởi một chuỗi số thực hoặc nhị phân được 
gọi là nhiễm sắc thể. Việc đánh giá hiệu quả của một nhiễm sắc thể được đo bằng hàm 
mục tiêu. Hàm mục tiêu gán cho mỗi nhiễm sắc thể một số tương ứng được gọi là giá trị 
fitness. Theo cách này, fitness của mỗi nhiễm sắc thể được tính và các thuật toán tìm kiếm 
các nhiễm sắc thể thích hợp nhất được áp dụng (sinh sản, lai tạo và đột biến) [7].Hình 7 
mô tả việc sử dụng GA để tìm ra các tham số phù hợp cho các bộ điều khiển DO. Mỗi 
nhiễm sắc thể {Ci} sẽ đại diện cho các tham số KP, TI của các bộ điều khiển {CSi}. Độ 
thích nghi của từng nhiễm sắc thể sẽ được đánh giá nhờ hàm fitness cho ta các giá trị fiti. 
Cá thể Ci được xem là thích nghi nhất nếu có giá trị fiti nhỏ nhất. Khi điều kiện hội tụ 
đảm bảo, ta sẽ tìm được nhiễm sắc thể chứa các tham số phù hợp nhất của bộ điều khiển. 
Ở đây, hàm thích nghi được tính theo công thức 
() = 6096 ∗  + 16366 ∗  (7) 
Trong bài báo này, các tham số cài đặt giải thuật di truyền là: 
- Kích thước quần thể: 100 cá thể. 
- Số thế hệ: 1000. 
- Xác suất lai tạo : 0.7cP 
- Xác suất đột biến: 0.001mP 
4. KẾT QUẢ MÔ PHỎNG VÀ BÀN LUẬN 
Để đánh giá hiệu quả của các chiến lược điều khiển đề xuất (S1-S4), chúng tôi so sánh 
việc hoạt động của các bộ điều khiển này với bộ điều khiển PI mặc định (PIdef) trên cùng 
một điều kiện đầu vào là mẫu nước thải trong điều khiện thời tiết khô (dryinfluent) như mô 
tả trong [3]. Các tham số thu được của hệ thống sau khi thực hiện các bộ điều khiển được 
tổng hợp trong bảng 2. 
Từ Bảng 2, với chiến lược điều khiển S1, chỉ số chất lượng nước thải đầu ra của hệ 
thống (EQI) và chỉ số chi phí tổng thể (OCI) đồng thời thấp hơn so với bộ điều khiển 
PIdef. Điều này chỉ ra rằng khi đưa thêm bộ điều khiển DO vào bể 4 ta thu được các kết 
quả tốt hơn. 
Tuy nhiên, từ kết quả của chiến lược S2 ta thấy, khi đưa thêm bộ điều khiển PI vào bể 
3, kết quả không cải thiện được nhiều cho dù lúc này hệ thống có tới 3 bộ điều khiển ở cả 
3 bể. Với chiến lược điều khiển S2, chỉ số EQI giảm hơn so với bộ điều khiển mặc định và 
chiến lược S1, tuy nhiên, chỉ số OCI lớn hơn so với chiến lược S1 (dù vẫn thấp hơn PIdef). 
GA 
Tham số của 
bộ ĐK {Ci} yi Quần thể 
các hệ thống 
điều khiển CSi 
Xác định giá trị 
fitness 
Hội tụ 
fiti Đúng 
Đưa ra cá 
thể tốt nhất Sai 
Nghiên cứu khoa học công nghệ 
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 141
Điều này cho thấy rằng không phải cứ đưa thêm nhiều bộ điều khiển PI vào là có thể nâng 
cao được chất lượng hoạt động của hệ thống. 
Bảng 2. Một số kết quả mô phỏng. 
Chiến lược điều 
khiển 
Nồng độ 
nước thải trung bình 
PIdef 
(Mặc định) 
S1 S2 S3 S4 
Thành 
phần 
Giới 
hạn 
Ntot (mg) 18 17.966 16.7881 16.8685 16.7908 15.939 
COD 
(mg) 
100 
47.2159 48.2497 48.2459 48.2621 48.247 
BOD5 
(mg) 
10 
2.7629 2.7594 2.7585 2.7627 2.7587 
SNH (mg) 4 5.611 2.5144 2.3743 2.9276 2.4783 
TSS (mg) 30 12.209 13.0247 13.0252 13.0211 13.0248 
EQI (kg/d) 6096.7133 6091.9096 6054.8045 6089.6677 5960.7135 
OCI (Euro/d) 16366.2631 16152.936 16206.1012 16252.3615 15836.2633 
Với các chiến lược S3, S4, sau khi sử dụng GA để tìm tham số tối ưu cho bộ điều 
khiển. Chiến lược điều khiển S3 có chỉ số EQI thấp hơn so với chiến lược S1 và PIdef, tuy 
nhiên chỉ số OCI lớn hơn so với chiến lược S1. Như vậy, có thể thấy các giá trị khuyến 
nghị cho tham số của bộ điều khiển PI ở bể số 5 đã được đánh giá rất kỹ. Sử dụng giải 
thuật di truyền để tìm các hệ số khác chỉ cho kết quả tương tự hoặc nếu được lợi về chỉ số 
EQI thì lại thiệt về OCI. 
Chiến lược điều khiển S4 cho kết quả tốt nhất, vừa giảm chỉ số chất lượng nước thải 
đầu ra (EQI) vừa giảm thiểu chi phí tổng thể (OCI) của hệ thống. Đồng thời, các chỉ tiêu 
về chất lượng nước thải đầu ra đều nhỏ hơn các chiến lược khác (tuy không nhiều). Do các 
bể hiếu khí được mắc liên tiếp nhau và tuần hoàn nên việc mắc ba bộ PI với cũng một giá 
trị KP, TI như chiến lược S2 là không hợp lý. Trong chiến lược S4, việc sử dụng GA sẽ 
cho phép xác định các giá trị KP, TI khác nhau đối với từng bể hiếu khí và phù hợp hơn 
với đặc tính động học của nước thải đầu bào. Do đó, chất lượng nước thải đầu ra cũng như 
các tham số hoạt động thu được là tốt hơn. 
5. KẾT LUẬN 
Trong bài báo này, nhóm tác giả đưa ra một số chiến lược cho bài toán điều khiển DO 
trong mô hình BSM1. Chiến lược điều khiển mặc định theo khuyến nghị cho kết quả hoạt 
động đáp ứng được các chỉ tiêu đánh giá. Tuy nhiên, các kết quả này có thể được cải thiện 
hơn nữa nếu sử dụng thêm các bộ điều khiển PI ở các bể hiếu khí còn lại. Vấn đề là phải 
xác định được các tham số thực sự phù hợp của các bộ PI (khác nhau ở mỗi bể). GA là một 
công cụ dễ sử dụng và hiệu qủa cho ta thực hiện điều này. Kết quả thu được là gợi ý cho 
các nhà thiết kế hệ thống xử lý nước thải trên thực tế khi chỉ muốn sử dụng bộ điều khiển 
PI cho hệ thống đó. 
Trong các chiến lược điều khiển ở trên, lượng đặt để điều khiển DO đều là 2 g/m3. 
Việc thay đổi lượng đặt oxy hòa tan tại các bể khác nhau chắc chắn sẽ tác động đến chất 
Kỹ thuật Điện tử – Thông tin 
 B. V. Nam, Đ. T. Hải, N. P. Huy, “Giải pháp nâng cao chất lượng  bùn hoạt tính.” 142 
lượng của hệ thống. Vì vậy, cần tìm ra lượng đặt phù hợp tại mỗi bể sao cho vừa giảm chỉ 
số chất lượng nước thải đầu ra (EQI) vừa giảm thiểu chi phí tổng thể (OCI) của hệ thống. 
Việc đề xuất sử dụng thêm các bộ điều khiển PI được nhóm tác giả đưa ra là do tính 
phổ dụng và đơn giản trong triển khai thực tế. Các kết quả thu được có tốt hơn tuy nhiên 
vẫn chưa thực sự rõ rệt. Về mặt bản chất thì hệ thống xử lý nước thải bùn hoạt tính là một 
hệ động, phi tuyến. Do đó, để có thể nâng cao hơn nữa chất lượng của hệ thống này ta phải 
áp dụng các phương pháp điều khiển mới, tiến tiến hơn như điều khiển mờ, điều khiển dự 
báo. Đây cũng là hướng dự kiến nghiên cứu tiếp theo của nhóm tác giả. 
Lời cảm ơn: Nhóm tác giả cảm ơn sự tài trợ về kinh phí của Trường Đại học Kỹ thuật 
Công nghiệp - Đại học Thái Nguyên cho đề tài mã số ĐH2017 - TN02 -03 
TÀI LIỆU THAM KHẢO 
[1]. Alex, J., L. Benedetti, J. Copp, K.V. Gernaey, U. Jeppsson, I. Nopens, Pons, M. N., 
Rieger, L., Rosen, C., Steyer, J. P., Vanrolleghem, P., and Winkler, S., 2008. 
“Benchmark Simulation Model. 1 (BSM1)”. Report by the IWA Taskgroup on 
Benchmarking of Control Strategies for WWTPs. 
[2]. Binh Lam Hoang, Fei Luo, Duy Nguyen Tien, Phuong Huy Nguyen (2014), 
Dissolved Oxygen Control of the Activated Sludge Wastewater Treatment Process 
Using Hedge Algebraic Control, Biomedical Engineering and Informatics (BMEI), 
7th International Conference (BMEI 2014), pp 827 – 832. 
[3]. Copp, J.B. (Ed.), 2002. The COST Simulation Benchmark - Description and 
Simulator Manual. Office for Official Publications of the European Communities, 
Luxembourg. 
[4]. C. Belchiora, R. Araujo and J. Landeck, 2010, Dissolved oxygen control of the 
activated sludge wastewater treatment process using stable adaptive fuzzy control. 
[5]. Carl-Fredrik Lindberg, 1998, Multivariable modeling and control of an activated 
sludge process. Water Science Technology, 37(12):149–156. 
[6]. Luolong, Luofei and Zhouliyou, 2010, Prediction of Wastewater sludge recycle 
performance using Radial Basis Function Neural Network. In International 
Conference on Networking and Information Technology, pp: 319-321. 
[7]. Goldberg D.E (1989), Genetic Algorithms in Search, Optimization, and Machine 
Learning, Addison-Wesley. 
[8]. Holenda, B., Domokos, E., R´ edey, ´ A., & Fazakas, J. (2008), Dissolved oxygen 
control of the activated sludge wastewater treatment process using model predictive 
control, Computers & Chemical Engineering, 32, 1270–1278. 
[9]. YE Hong-tao, LI Zhen-qiang, LUO Wen-guang (2013), Dissolved Oxygen Control of 
the Activated Sludge Wastewater Treatment Process Using Adaptive Fuzzy PID 
Control, Proceedings of the 32nd Chinese Control Conference, pp 7510-7513 
[10]. T.Wang (2011). UASB-CASS joint technology applied to treatment of brewery 
wastewater. In Computer Distributed Control and Intelligent Environmental 
Monitoring, pages 330–333 
[11]. Jean-Pierre Corriou and Marie-Noelle Pons; Model Predictive Control of 
Wastewater Treatment Plants: application to the BSM1. Benchmark European 
Symposium on Computer-Aided Process Engineering- 14 
Nghiên cứu khoa học công nghệ 
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 143
ABSTRACT 
SOLUTIONS IMPROVING THE CONTROL PERFORMANCE 
OF THE DISOLVED OXYGEN IN WASTED-WATER TREATMENT SYSTEM 
USING ACTIVATED SLUDGE METHOD 
 The paper analyzes some solutions improving the control performance of 
dissolved oxygen amount in wasted-water treatment system using activated sludge 
method. Therefore, qualities of output water flow are improved, and the operational 
cost paying for this process is reduced. These solutions include adding more PI 
controllers for some tanks or using genetic algorithm to figure out the optimal 
parameters of the PI controllers. The solutions are evaluated based on the BSM1 
model which is suggested by scientific community. 
Keywords: Wasted-water treatment system using activated sludge method; BSM1; Dissolved oxygen control; 
PI controller; Genetic algorithm. 
Nhận bài ngày 01 tháng 7 năm 2018 
Hoàn thiện ngày 10 tháng 9 năm 2018 
Chấp nhận đăng ngày 20 tháng 9 năm 2018 
Địa chỉ: 1 Trường Đại học Kỹ thuật công nghiệp – ĐH Thái Nguyên. 
 * Email: bachvannam@gmail.com.