1. 课程导入与数据关联问题界定

在污水处理、除尘、脱硫脱硝等环保设施的日常运行中，中控室屏幕上通常同时跳动着两类数据：一类是电表、变频器、PLC 采集到的能耗数据，如实时功率、累计电量、单位电耗；另一类是工艺仪表采集到的处理负荷数据，如进水流量、COD 浓度、烟气量、粉尘入口浓度。运维人员凭经验知道"负荷高了电费就涨"，但当被问到"这台风机多耗的 8 kW 里，有多少是负荷增加带来的、有多少是设备本身效率下降造成的"，往往难以给出有依据的回答。本课程要解决的，正是把这种模糊的定性感觉，转化为可计算、可验证的定量关联。

为什么需要做能耗与负荷的关联分析

环保设备能耗与处理负荷之间并非简单的正比关系。以污水处理厂最典型的水泵和鼓风机为例：水泵的轴功率近似与流量和扬程的乘积成正比，而鼓风机在变频调节下，功率大致随转速的三次方变化，但实际运行中又受曝气池溶解氧需求、管网阻力、设备效率衰减等多重因素调制。这意味着同一台设备在不同负荷区间、不同运行工况下的"单位处理量电耗"（kWh/m³ 或 kWh/万m³烟气）会呈现明显差异。

开展关联分析至少有三方面实际价值。第一是能耗基准的建立：只有把能耗拆解为"负荷驱动部分"和"效率损失部分"，才能设定合理的能耗定额，避免用一把尺子衡量丰水期和枯水期、满负荷和低负荷工况。第二是异常识别：当实际功率显著偏离同负荷下的历史关联曲线时，往往预示着叶轮结垢、曝气头堵塞、皮带打滑或管路阻力增大，这比单纯看"电费涨了"要精准得多。第三是节能改造的量化评估：更换高效电机或加装变频器后，节能效果必须在相同负荷条件下对比才有意义，关联模型正是提供这种"同负荷可比"的基础。

典型场景与数据特征

本课程涉及的环保设备大致可分为三类负荷特征。第一类是流量驱动型，如提升泵、循环泵、污泥回流泵，其能耗主要随处理水量变化，负荷信号相对平稳、可预测。第二类是浓度驱动型，如曝气鼓风机，其能耗不仅取决于水量，还取决于进水有机物浓度和溶解氧设定值，负荷波动大、滞后明显。第三类是风量驱动型，如除尘风机、引风机，能耗与烟气量、系统阻力强相关，常受生产工况间歇性影响。

与之对应，数据层面也存在典型困难：能耗数据通常来自电表或变频器，采样周期为 1 分钟甚至更短，精度较高；而处理负荷数据往往来自在线仪表，存在漂移、滞后和缺失，例如 COD 在线仪需要消解时间，流量计在低流速段误差偏大。两类数据的时间戳还常常不同步。因此，关联分析的第一步往往不是建模，而是数据对齐与清洗。

课程任务全景与学习路径

围绕上述问题，本课程将沿着"数据—模型—诊断—决策"的主线展开，但并非每个环节都停留在概念层面。具体而言，课程需要完成以下可交付的任务链条：

• 数据准备：掌握能耗与负荷数据的采集口径、时间对齐方法和清洗规则，能够把原始数据整理成可用于分析的"设备—时段—负荷—功率"四元组数据集。
• 关联建模：学会绘制功率—负荷散点图、拟合单位电耗曲线，理解线性回归、分段回归在环保设备上的适用边界，并能判断拟合优度是否足以支撑后续诊断。
• 偏差诊断：建立"同负荷基准功率"的概念，计算实际功率相对基准的偏差率，结合设备机理判断偏差来源，形成可执行的排查方向。
• 量化评估：在改造或检修前后，用同一关联模型做对比，剔除负荷波动的干扰，给出可信的节电量估算。

为了让分析有据可依，课程会反复使用一个贯穿案例：某污水处理厂一台 55 kW 曝气鼓风机，配变频器，进水流量与 COD 在线监测齐全。示例中假设其历史数据呈现出"流量 800～1200 m³/h、功率 32～46 kW"的运行带，并在此基础上演示如何拟合、如何发现某月功率整体上移 3 kW 的异常。需要说明的是，这些数值是为教学演示而设定的合理假设，并非某厂实测结果，实际应用时应以本厂真实数据替换。

需要特别强调的是，关联分析不是追求一条"完美拟合"的曲线，而是建立一个能解释运行状态、能支撑判断的参照系。负荷在变、设备在老化、工艺在调整，关联关系本身也会漂移，因此课程后续还会讨论模型如何定期更新、阈值如何随季节和工况修正。理解了这一点，才算真正界定了本节所要解决的问题：不是把能耗和负荷简单画在一张图上，而是让两者的关系成为可解释、可预警、可评估的运行管理工具。