CN110705049B

CN110705049B - 基于模型预测的不可逆膜污染识别方法、系统及存储介质

Info

Publication number: CN110705049B
Application number: CN201910873552.6A
Authority: CN
Inventors: 张劲松; 刘建林; 张济; 武斌
Original assignee: CITIC Envirotech Guangzhou Co Ltd; CITIC Envirotech Tianjin Co Ltd; Sichuan Zhongyu Environment Management Co Ltd; CITIC Environmental Watershed Management Jiangsu Co
Current assignee: CITIC Envirotech Guangzhou Co Ltd; CITIC Envirotech Tianjin Co Ltd; Sichuan Zhongyu Environment Management Co Ltd; CITIC Environmental Watershed Management Jiangsu Co
Priority date: 2019-09-09
Filing date: 2019-09-17
Publication date: 2023-07-18
Anticipated expiration: 2039-09-17
Also published as: CN110705049A

Abstract

本发明公开了基于模型预测的不可逆膜污染识别方法、系统及存储介质，方法包括：利用通量阶梯法获得不同通量下的过膜压力上升速率，建立通量‑膜污染速率模型；根据通量‑膜污染速率模型和不可逆膜污染机理模型，建立不可逆膜污染机理预测模型；通过实测数据对不可逆膜污染机理预测模型进行回归矫正，得到不可逆膜污染预测模型；根据不可逆膜污染预测模型，确定不可逆膜污染发生的时间点，进而确定膜化学清洗时间。本发明能够准确预测不可逆污染的发生时间，实时掌握膜污染状态，进而确定化学清洗的时间，实现最准确、有效和节约的膜清洗方法，将膜生物反应器膜污染控制的操作量化和自动化，可广泛应用于废水处理技术领域。

Description

基于模型预测的不可逆膜污染识别方法、系统及存储介质

技术领域

本发明涉及废水处理技术领域，尤其是基于模型预测的不可逆膜污染识别方法、系统及存储介质。

背景技术

膜生物反应器广泛的应用于市政污水和工业污水的处理。膜生物反应器运行的可持续性和成本与膜污染紧密相关。在设定产水通量条件下，膜生物反应器的膜污染主要表现在透膜压力的上升和透水率的下降。膜生物反应器的膜污染机理复杂，受到反应器的设计形式、操作模式和生物学因素的影响。

膜过滤过程主要依据达西定律，该定律描述了膜通量(flux)和透膜压力(TMP)之间的函数关系。

J＝P(p_F-p_p)＝PΔp

J代表膜通量，定义为单位膜面积单位时间内通过的水量，单位是L/m²h；P是渗透率常数，它是一个和污泥黏度，膜孔径分布以及膜的空隙率相关的方程。P可以通过Carmen-Kozeny的修正方程表述。方程的假定前提是膜结构是排列均匀球形颗粒。

膜的空隙率(porosityε)孔径(pore diameter)d_pore,孔的长度l_pore和孔的弯曲率τ都会影响膜的分离过程。膜的污染就是对以上参数发生了改变，在膜生物反应器中，恒通量运行时，表观的膜污染可以通过透膜压力表示。但是该压力值是一个间接参数，没有对膜污染的内在原因做出直接的解释。

混合液悬浮固体作为(MLSS)是活性污泥处理污水的工艺中一个广泛监测的参数。应用浸没式的中空纤维膜对活性污泥的微滤的研究,得出了稳定通量和MLSS之间的关系式。

J＝V_L＝K’u*^1.0MLSS^-0.5

V_L，K’，u*和MLSS分别是上升流速率(m/s)，过滤常数(kg^0.5·m^-1.5)，气液两相流流速(m/s)和MLSS(kg/m³)。

在浸没式膜生物反应器中，上升气泡会引发水相的错流以延迟污染，提高膜通量。气液两相流可以分为，气泡分散流(bubble flow)、活塞流(slug flow)、搅动流(churnflow)，环流(annular flow)和雾流(mist flow)。在汽水比较低的时候，形成气泡分散流，活塞流发生在高气水比情况下，气泡发生碰撞和结合，形成活塞气泡。这种流型最有利于提高通量。在大口径的管式反应器中，射流因子的公式为：

U_GS和U_LS分别是表面气速和表面液速。

在膜污染机理的研究中，透膜压力的上升分为三个阶段：第一阶段由于膜孔的缩窄或堵塞造成的膜表面特性的改变，导致透膜压力突然的上升。第二阶段表现为透膜压力的长时间慢速上升过程。第三阶段是透膜压力的突然跃升并导致膜过滤无法继续操作，膜产生不可逆污染，导致永久的膜透水率丧失。及时准确的预测膜不可逆污染，通过自控手段控制膜污染，提高膜生物反应器的可操作性，是当前急需解决问题。

对膜污染及时清洗是维持膜生物反应器运行的重要手段。目前确定膜清洗的时间点采用的是简单的透膜压力设定值法。即在透膜压力达到较高值时，进行化学清洗。由于膜污染的第三阶段是快速的，严重的，单一的压力数据不能预测膜污染的跃升。在稳定通量情况下，透膜压力跃升的时间点和压力值都有所不同(如图1所示)。简单设定透膜压力限值，会发生在达到透膜压力设定值时，不可逆污染已经发生，膜清洗效果差。简单调低透膜压力设定值，会导致清洗频繁，对膜损伤大，并浪费药剂，降低膜运行时间。准确及时确定膜的严重污染时间点，在不可逆污染发生前进行及时清洗是膜生物反应器运行的挑战。

发明内容

有鉴于此，本发明实施例提供一种准确率高且及时的，基于模型预测的不可逆膜污染识别方法、系统及存储介质。

第一方面，本发明实施例提供了一种基于模型预测的不可逆膜污染识别方法，包括以下步骤：

利用通量阶梯法获得不同通量下的过膜压力上升速率，建立通量-膜污染速率模型；

根据通量-膜污染速率模型和不可逆膜污染机理模型，建立不可逆膜污染机理预测模型；

通过实测数据对不可逆膜污染机理预测模型进行回归矫正，得到不可逆膜污染预测模型；

根据不可逆膜污染预测模型，确定不可逆膜污染发生的时间点，进而确定膜化学清洗时间。

进一步，还包括以下步骤：

通过通量-膜污染速率模型，获取不同通量条件下过膜压力与过滤时间之间的函数关系；

构建各个通量阶梯与透膜压力上升率之间的曲线，获得通量阶梯污染速率模型。

进一步，所述根据通量-膜污染速率模型和不可逆膜污染机理模型，建立不可逆膜污染机理预测模型这一步骤，包括以下步骤：

获取污泥状态、曝气条件和短期检测数据，对各通量下透膜压力变化值进行最小二乘法回归，获得不同通量下透膜压力上升率，进而建立不可逆膜污染机理模型；

根据不可逆膜污染机理模型和通量阶梯污染速率模型，建立不可逆膜污染机理预测模型。

进一步，所述通过实测数据对不可逆膜污染机理预测模型进行回归矫正，得到不可逆膜污染预测模型这一步骤，包括以下步骤：

利用通量阶梯试验确定不同通量条件下膜污染的速率；

根据不同通量条件下膜污染的速率，确定膜生物反应器在发生膜表面不可逆污染和膜内部不可逆污染时对应的通量；

不同通量条件下膜污染的速率，确定液相中的溶解性的微生物代谢产物的可逆污染与不可逆污染之间的临界点，从而确定模型的预测目标，所述预测目标为达到不可逆污染发生的临界点。

进一步，所述根据不可逆膜污染预测模型，确定不可逆膜污染发生的时间点，进而确定膜化学清洗时间这一步骤，包括以下步骤：

利用透水率损失法和滤饼层阻力法建立膜透水率损失速率预测模型；

根据膜透水率损失速率预测模型和不可逆膜污染预测模型，预测透膜压力跃升转折点和不可逆污染发生临界点；

根据预测结果，对膜进行化学清洗。

第二方面，本发明还提供了一种基于模型预测的不可逆膜污染识别系统，包括：

第一构建模块，用于利用通量阶梯法获得不同通量下的过膜压力上升速率，建立通量-膜污染速率模型；

第二构建模块，用于根据通量-膜污染速率模型和不可逆膜污染机理模型，建立不可逆膜污染机理预测模型；

第三构建模块，用于通过实测数据对不可逆膜污染机理预测模型进行回归矫正，得到不可逆膜污染预测模型；

识别模块，用于根据不可逆膜污染预测模型，确定不可逆膜污染发生的时间点，进而确定膜化学清洗时间。

进一步，还包括：

获取模块，用于通过通量-膜污染速率模型，获取不同通量条件下过膜压力与过滤时间之间的函数关系；

第四构建模块，用于构建各个通量阶梯与透膜压力上升率之间的曲线，获得通量阶梯污染速率模型。

进一步，

所述第二构建模块包括：

第一建立单元，用于获取污泥状态、曝气条件和短期检测数据，对各通量下透膜压力变化值进行最小二乘法回归，获得不同通量下透膜压力上升率，进而建立不可逆膜污染机理模型；

第二建立单元，用于根据不可逆膜污染机理模型和通量阶梯污染速率模型，建立不可逆膜污染机理预测模型；

所述第三构建模块包括：

第一确定单元，用于利用通量阶梯试验确定不同通量条件下膜污染的速率；

第二确定单元，用于根据不同通量条件下膜污染的速率，确定膜生物反应器在发生膜表面不可逆污染和膜内部不可逆污染时对应的通量；

第三确定单元，用于不同通量条件下膜污染的速率，确定液相中的溶解性的微生物代谢产物的可逆污染与不可逆污染之间的临界点，从而确定模型的预测目标，所述预测目标为达到不可逆污染发生的临界点；利用透水率损失法和滤饼层阻力法建立膜透水率损失速率预测模型；

所述识别模块包括：

预测单元，用于根据膜透水率损失速率预测模型和不可逆膜污染预测模型，预测透膜压力跃升转折点和不可逆污染发生临界点；

清洗单元，用于根据预测结果，对膜进行化学清洗。

第三方面，本发明实施例还提供了一种基于模型预测的不可逆膜污染识别系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的基于模型预测的不可逆膜污染识别方法。

第四方面，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的基于模型预测的不可逆膜污染识别方法。

上述本发明实施例中的一个或多个技术方案具有如下优点：本发明的实施例通过获取不同通量下的过膜压力上升速率，逐步构建通量-膜污染速率模型、不可逆膜污染机理预测模型和不可逆膜污染预测模型，最后确定不可逆膜污染发生的时间点；本发明能够准确预测不可逆污染的发生时间，实时掌握膜污染状态，进而确定化学清洗的时间，实现最准确、有效和节约的膜清洗方法，将膜生物反应器膜污染控制的操作量化和自动化，实现膜生物反应器的长期稳定运行。

附图说明

图1为膜生物反应器在恒通量下过膜压力跃升示意图；

图2为本发明实施例的不可逆膜污染识别方法的架构示意图；

图3为本发明实施例的超滤膜的通量阶梯测试结果；

图4为本发明实施例的透膜压力上升速率和通量随时间变化的曲线；

图5为本发明实施例的膜污染模型预测跃升时间点与实测值对比。

具体实施方式

下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

本发明实施例提供了一种基于模型预测的不可逆膜污染识别方法，包括以下步骤：

进一步作为优选的实施方式，还包括以下步骤：

进一步作为优选的实施方式，所述根据通量-膜污染速率模型和不可逆膜污染机理模型，建立不可逆膜污染机理预测模型这一步骤，包括以下步骤：

进一步作为优选的实施方式，所述通过实测数据对不可逆膜污染机理预测模型进行回归矫正，得到不可逆膜污染预测模型这一步骤，包括以下步骤：

利用通量阶梯试验确定不同通量条件下膜污染的速率；

进一步作为优选的实施方式，所述根据不可逆膜污染预测模型，确定不可逆膜污染发生的时间点，进而确定膜化学清洗时间这一步骤，包括以下步骤：

根据预测结果，对膜进行化学清洗。

本发明实施例还提供了一种基于模型预测的不可逆膜污染识别系统，包括：

进一步作为优选的实施方式，还包括：

进一步作为优选的实施方式，

所述第二构建模块包括：

所述第三构建模块包括：

所述识别模块包括：

清洗单元，用于根据预测结果，对膜进行化学清洗。

下面结合说明书附图2，详细描述本发明的基于模型预测的不可逆膜污染识别方法的实现流程：

为了解决膜生物反应器膜污染的控制问题，本发明公开了依据通量阶梯法，建立膜通量、透膜压力与膜污染速率关联的预测膜生物反应器的膜污染速率方法。基于本发明提出的模型，通过建立自控程序，可以实时了解膜污染状态，并可以预测不可逆污染的发生时间，通过自动控制设定开始化学清洗，实现最准确，有效和节约的膜清洗方法，将膜生物反应器膜污染控制的操作量化和自动化，实现膜生物反应器长期稳定运行。

第一步，如图3所示，利用通量阶梯法获得不同通量下过膜压力上升速率，建立通量-膜污染速率模型；获得在不同通量条件下，过膜压力对过滤时间的函数关系，通量越高，污染速率越快。然后构建各通量阶梯和透膜压力上升率的曲线(如图4所示)，获得通量阶梯污染速率模型。

所述通量阶梯污染速率模型为：

其中，dTMP代表透膜压力变化量，单位为kPa；dt代表单位时间(秒)；代表关联膜通量、污泥浓度和曝气强度的函数，MLSS为混合液悬浮物浓度mg/L，Ug为膜片曝气强度。

第二步，由于膜生物反应器产水量是设定的，所以膜过滤表观通量恒定，没有通量的变化。本发明的核心内容就是通过理论模型和经验值矫正，计算获得实际的过膜通量(如图5所示)，通过模型计算获得的实际通量值作为输入，利用通量-膜污染速率模型进行膜污染的计算。从而建立起表观恒通量条件下，膜污染速率(过膜压力上升速率)对过滤时间的函数关系。

第三步，建立不可逆膜污染预测模型，输入污泥状态、曝气条件和短期检测数据，预测膜透水率损失速率，建立不可逆膜污染预测模型；

所述不可逆膜污染预测模型为：

其中：TMP为过膜压力kpa，MLSS为混合液悬浮物浓度mg/L，Ug为膜片曝气强度；

第四步：通过实测数据对预测结果进行回归矫正。

具体的，本发明首先根据“临界通量”的测定方法，利用通量阶梯试验来确定不同通量条件下膜污染的速率，判定膜生物反应器在发生大规模、膜表面不可逆附着的“滤饼层污染”和膜内部污染是对应的通量。利用膜污染速率的不同区分液相中的溶解性的微生物代谢产物“浓差极化或凝胶层污染”的可逆污染的与不可逆污染发生的“临界点”，从而确定模型的预测目标，预测达到不可逆污染发生的“临界点”。

膜生物反应器运行中不可逆膜污染发生的“临界点”非常重要。现有技术中单纯采用透膜压力值，不能实现及时有效的判定。因为一旦发生跃升时，严重膜污染已经发生。如果采用设定低透膜压力进行膜清洗，则膜清洗频率高，浪费药剂，系统停机时间长，不可持续。目前普遍的控制都是设定操作的经验限值，普遍膜透水率极度低下时才会考虑做化学清洗。在膜已经严重污染时时进行阶段性的膜清洗，效果往往不好。严重污染的膜进行清洗，往往需要更长清洗时间，更高的药剂浓度。清洗过后还会导致部分膜透水率的无法恢复，永久的透水率丧失影响膜过滤的可持续操作。

膜污染的不可逆污染的标志是透膜压力跳升，透膜压力一旦跳升，说明膜已经发生严重污染，清洗已经丧失最佳时机。

其中，对不可逆污染机理解释包括：

1、The inhomogeneous fouling(area loss)model不平衡膜面积丧失污染模型

2、The inhomogeneous fouling(pore narrowing)model膜孔径缩窄模型

3、The inhomogeneous fouling(pore loss)model不平衡膜孔径堵塞模型

4、The critical suction pressure model临界压力模型

参照以上模型，利用透水率损失法和滤饼层阻力法建立膜透水率损失速率预测模型，通过关联膜通量和透膜压力上升速率提出的通量阶梯污染速率模型，可以预测透膜压力跃升转折点和不可逆污染发生临界点。

另外，本实施例中通量阶梯污染速率模型的构建包括以下步骤：提高单元膜组运行通量的提高，构建通量阶梯。

在每个通量阶梯条件，透膜压力会随着时间上升，上升速率随着通量的提高而增加。

透膜压力上升速率对应膜通量，会有一个快速上升转折点，可以判定适宜的运行通量。在适宜通量条件下，可以把透膜压力的上升速率、对应的通量条件，根据模型转化为浓差极化或凝胶层污染”的可逆污染，在根据模型计算可逆污染的积累值，积累值关联运行时间，即可预测不可逆污染的发生的临界点。

下面以具体的通量阶梯方案为例，详细描述本发明的实现步骤：

第一步：选择膜生物反应器的单一膜组，在自控恒通量条件下，设定不同膜通量，通量范围5-60升/平方米，每个通量阶梯步长为5-10升/平方米。每个通量阶梯维持恒定运行1-6小时，记录对应透膜压力变化。输入通量、压力数据构建通量阶梯和压力曲线。

第二步：在不同污泥浓度和曝气条件下，对各通量下透膜压力变化值进行最小二乘法回归，获得不同通量下透膜压力上升率。所得数据代入通量阶梯污染速率模型(即方程1)。

第三步：采集污泥浓度数据、膜片曝气数据，瞬时过膜压力数据，代入方程2，利用通量阶梯污染速率的回归模型计算。

第四步：通过自控程序编程，采集通量和压力运行数据，将通量和压力运行数据作为输入数据，输入模型，根据模型计算结果，随时输出透膜压力跃升的临界点。

第五步：根据透膜压力跃升临界点出现时间，预测和准备膜化学清洗。

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

此外，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的基于模型预测的不可逆膜污染识别方法。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims

1.基于模型预测的不可逆膜污染识别方法，其特征在于：包括以下步骤：

根据不可逆膜污染预测模型，确定不可逆膜污染发生的时间点，进而确定膜化学清洗时间；

还包括以下步骤：

构建各个通量阶梯与透膜压力上升率之间的曲线，获得通量阶梯污染速率模型；

所述根据通量-膜污染速率模型和不可逆膜污染机理模型，建立不可逆膜污染机理预测模型这一步骤，包括以下步骤：

根据不可逆膜污染机理模型和通量阶梯污染速率模型，建立不可逆膜污染机理预测模型；

所述通过实测数据对不可逆膜污染机理预测模型进行回归矫正，得到不可逆膜污染预测模型这一步骤，包括以下步骤：

利用通量阶梯试验确定不同通量条件下膜污染的速率；

2.根据权利要求1所述的基于模型预测的不可逆膜污染识别方法，其特征在于：所述根据不可逆膜污染预测模型，确定不可逆膜污染发生的时间点，进而确定膜化学清洗时间这一步骤，包括以下步骤：

根据预测结果，对膜进行化学清洗。

3.基于模型预测的不可逆膜污染识别系统，其特征在于：包括：

识别模块，用于根据不可逆膜污染预测模型，确定不可逆膜污染发生的时间点，进而确定膜化学清洗时间；

还包括：

第四构建模块，用于构建各个通量阶梯与透膜压力上升率之间的曲线，获得通量阶梯污染速率模型；

所述第二构建模块包括：

所述第三构建模块包括：

所述识别模块包括：

清洗单元，用于根据预测结果，对膜进行化学清洗。

4.基于模型预测的不可逆膜污染识别系统，其特征在于：包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-2中任一项所述的基于模型预测的不可逆膜污染识别方法。

5.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-2中任一项所述的基于模型预测的不可逆膜污染识别方法。