一、前言

過去污水處理廠之定位，以「污染物去除」與「放流水質達標」為目標，操作上著重於污水處理穩定性及符合法規要求。因此，多數處理設施採取較為保守之設計與運轉策略，如依據操作經驗及人工水質檢測結果，維持固定曝氣量，以確保系統穩定運作。然其雖可滿足基本處理需求，但在能源使用效率與操作精準度方面，仍存在相當之最佳化空間，特別是在實際進流負荷與設計容量存在落差時，更容易產生過度曝氣與能源浪費等問題。

目前我國部分公共污水處理廠，亦存在設計容量與實際進流水量不相符之情形，導致處理設施長期處於低負載運轉狀態，不僅難以有效發揮設備效能，也使能源使用效率下降，增加不必要之能耗負擔。此外，多數場廠仍延續固定式操作模式，曝氣系統未能隨污染負荷與水質變化即時調整，使部分處理單元出現供氧不足或過度曝氣之現象。

隨著全球淨零排放與數位轉型趨勢推動，污水處理廠之營運目標已逐步由單純「水質達標」，轉向「兼顧處理效能、能源效率與碳排管理」之智慧治理模式。歐美等先進國家近年亦持續推動廢污水處理設施朝向高效率與低碳化方向發展(Molinos-Senante & Maziotis, 2022)。研究指出，污水處理為城市水循環系統中耗能最顯著之環節之一，其電力消耗約占整體系統30%，其中又以曝氣系統之能源消耗最為顯著；此外，其間接碳排放甚至可能高於直接排放，顯示污水處理設施之節能減碳議題已成為重要發展方向(Molinos-Senante & Maziotis, 2022；Zib et al., 2021)。

雖部分場廠已導入相關感測設備，但感測器維運、校正與數據品質管理機制尚未完善，且重要處理單元未全面布建感測設備，導致數據穩定性與可信度不足，進一步限制其於操作決策之應用價值。此外，多數場廠亦尚未建立完整之能源管理架構，對各處理單元之能耗缺乏系統性掌握與分析，使潛在節能空間未能有效被辨識與利用。

有鑑於此，近年來隨著物聯網(IoT)水質感測技術快速發展，逐步提供以「即時數據」為核心之智慧操作模式。透過於各處理單元布建具抗污能力之水質感測設備，如溶氧(DO)、氧化還原電位(ORP)等感測器，並結合即時資料傳輸與監控平台，可即時掌握系統內部水質變化趨勢，作為操作調整依據。進一步透過趨勢判讀、統計分析等資料分析方法，可評估各處理單元之反應行為與能耗特性，特別針對生物處理等高耗能單元，建立更具彈性之曝氣控制與操作策略，以達成降低能源消耗、提升處理效能及強化智慧管理之目標。

因此，如何由傳統以經驗為主之操作模式，逐步轉換為以大數據分析之智慧治理模式，並於污水處理流程中導入IoT水質感測技術，已成為現今污水處理廠提升操作效能、能源管理與永續營運之重要方向。本文將以實務應用角度，說明污水處理流程中各處理單元導入IoT水質感測技術之方式與應用重點，提供現場操作與管理人員作為參考。

二、廢污水廠導入「IoT水質感測」步驟

(一) 步驟一：選定適合布建之處理單元

在廢污水處理廠導入IoT水質感測技術時，首要關鍵在於選定適合布建之處理單元。在一般污水處理流程中，包含抽水機、鼓風機等多項大型動力設備，其中以曝氣系統之能耗最為顯著。從相關研究與實務案例顯示，進流抽水站之抽水設備耗電約占全廠10%至20%，而曝氣系統之鼓風機則可能占整體用電量50%以上，為污水處理廠最主要之能源消耗來源。

如圖1所示，其能耗分析結果顯示，進流抽水站液位控制約占全廠能耗21%，而生物處理單元之曝氣系統則占約45%。由此可知，若能針對曝氣系統進行優化控制，將具備顯著之節能效益，亦使其成為導入IoT水質感測之優先目標單元。

目前多數污水處理廠在曝氣控制上，仍採用鼓風機全時曝氣搭配人工定期量測溶氧之操作方式。此種模式無法提供連續且即時之水質資訊，使操作人員難以準確掌握實際需氧狀況，導致曝氣量無法隨污染負荷變化進行調整，進而造成生物處理單元成為主要能耗來源。因此，於曝氣單元導入IoT水質感測技術，建立即時監測機制，成為提升操作精準度之重要手段。透過於曝氣池不同位置布建水質感測設備，可即時量測溶氧(DO)、氧化還原電位(ORP)等關鍵參數，作為曝氣控制調整之依據。

圖1、污水處理廠能耗分析（以國內南部某水資源中心為例）

(二) 步驟二：水質感測器布建

在完成廠內能耗結構盤點，並確認最具節能潛力之關鍵單元後，下一步即為水質感測設備之實際布建。為能完整反映曝氣單元內不同處理階段之水質狀況，感測器布建建議採「多點位配置」方式，於曝氣池之進流端、中段及出流端等關鍵位置設置監測點位。其可同步掌握污染負荷進入曝氣單元後之變化過程，包括進流端之負荷狀況、中段之生物反應情形，以及出流端之處理結果，使操作人員由原本單點觀測，提升為整體系統之趨勢判讀。在水質感測器之量測項目選擇上，建議以酸鹼值(pH)、導電度(EC)、水溫(Temp.)、溶氧(DO)及氧化還原電位(ORP)等參數為主，作為生物處理單元之基礎監測指標。

其中，DO為曝氣控制最直接之指標，可用以判斷系統供氧是否充足，並作為調整曝氣量之依據；ORP則可反映系統之氧化還原環境，有助於判斷生物反應狀態及處理程序是否穩定。pH可影響微生物活性，為維持生物處理正常運作之重要條件；EC則可作為水中離子濃度變化之指標，有助於掌握進流水質變動情形；水溫則與生物反應速率密切相關，亦為影響處理效率之關鍵因素。透過上述多項水質參數之綜合判讀，可更完整掌握生物處理單元之運作狀況，避免僅依單一參數進行判斷所可能產生之誤差，並為後續操作調整與節能策略建立基礎。

(三) 步驟三：建立水質監測與資料分析機制

在完成水質感測器布建，並取得DO、ORP等水質數據後，下一步即為建立水質監測與資料分析機制。透過連續性數據蒐集，可將原本零散之人工量測資料，轉換為具時間序列之連續監測資料，使操作人員能進一步觀察水質變化趨勢。在實務應用上，透過前述水質監測數據，可進行多面向之分析，主要包含以下幾項：

1.　水質趨勢分析

透過觀察各參數隨時間之即時變化趨勢，可掌握污水處理系統在不同時段之運轉狀態。例如，DO變化可反映曝氣供氧是否穩定，ORP變化則可顯示系統氧化還原環境之轉變。此類趨勢分析有助於操作人員提前辨識異常狀況，而非待水質惡化後才進行調整。

2.　比較不同點位之DO變化趨勢

透過多點位監測資料，可比較不同區段之水質差異，進一步了解污染物於處理過程中的變化情形。例如，可判斷前段是否供氧不足，或後段是否存在過度曝氣現象，協助操作人員掌握整體系統之處理效率與曝氣分配是否合理。

3.　ORP輔助判讀，掌握系統氧化還原狀態

ORP的輔助判讀，可建構更具韌性的操作體系。因為DO主要用於監控即時曝氣效率，而ORP則可遞補DO在低濃度區間可能遇到的感測盲區，精準掌握硝化與反硝化階段的臨界點。透過長期的數據特徵提取，可建立不同負荷條件下的動態基準模型。這不僅能避免單一參數誤判導致的過度曝氣或動力浪費，更能協助操作人員預判污泥膨脹或環境抑制風險。

4.　分析水質變動與設備運轉（如鼓風機）之關聯性

將水質數據與設備運轉數據（如鼓風機運轉頻率或功率）進行比對，可分析操作條件與水質變化之關聯性。例如，可觀察鼓風機調整後DO或ORP之變化幅度，進而了解對曝氣調整之反應特性，作為後續操作優化之依據。

(四) 步驟四：導入操作調整與節能策略

在掌握水質變化與系統反應特性後，可進一步將監測數據應用於操作調整，逐步建立以數據為基礎之運轉模式。以曝氣系統為例，可依據DO與ORP之變化趨勢，調整鼓風機之運轉頻率與曝氣量，使供氧量更貼近實際需求，避免過度曝氣或供氧不足之情形。透過此種方式，可由傳統固定操作模式，轉變為「依水質變化調整」之動態操作模式，不僅提升處理穩定性，亦可有效降低能源消耗。

三、應用示範案例說明

在推動廢污水廠導入「IoT水質感測」打造污水處理廠智慧化節能模式，邀請南部某民生污水處理廠作為示範場域，進行實場驗證與應用分析。該中心設計最大日處理量為4,200 CMD，實際平均進流量為1,447 CMD，約占設計量之34%。以目前用戶數與人均用水288 L/d 推估，區域生活污水量為2,541 CMD，顯示該中心處理涵蓋率約為57%。該水資源回收中心屬二級生物處理系統，污水經由生物處理後加入次氯酸鈉殺菌，最終排入環境場域。目前主要的處理流程如圖2所示。

圖2、污水處理廠處理流程及操作模式（以國內南部某水資源中心為例）

(一) IoT感測布建

針對該場廠進行能耗盤點後，選定曝氣池作為IoT水質感測之導入單元，並於現場進行為期兩年之實場試驗與應用驗證。於試驗初期（第一年），在曝氣池布建2組水質感測設備，作為基礎監測架構；第二年則依據前期監測成果，進一步於曝氣池中段增設感測點位，優化為多點監測配置，以更完整掌握各區段之水質變化情形。感測項目包含酸鹼值(pH)、導電度(EC)、水溫(Temp.)、溶氧(DO)及氧化還原電位(ORP)。

(二) 試驗初期（第一年）成果

由於該場廠之鼓風機設定經測試發現已為設備最低運轉頻率，即使進一步降低設定值，轉速與耗電量亦無明顯變化。因此，運用鼓風機之「啟停控制」方式進行測試，評估不同運轉條件對水質之影響。

透過水質感測數據觀察，分析在不同曝氣條件下DO與ORP之變化趨勢，包括反應時間與變動幅度，作為後續控制策略制定之依據。同時，建立以水質數據為核心之監測與分析機制，並據此發展鼓風機控制策略，其整體邏輯如圖3所示。

圖3、鼓風機變頻控制策略流程圖

1.　鼓風機最佳化控制策略

依據場廠進流特性與水質變化，建立兩種控制策略：

(1)　時段控制策略

根據進流水量之日變化，辨識離峰時段（如凌晨時段），於低負荷期間暫停鼓風機運轉，以降低能源消耗，並於高負荷時段恢復曝氣。實測結果顯示，如圖4所示，在停機1至2小時後，DO降至約2 mg/L 以下，ORP降至約200mV並趨於穩定；當系統重新曝氣後，約3小時內可恢復至正常操作範圍，顯示系統具備良好回復能力，且未影響整體處理效能。

圖4、鼓風機時程控制策略之水質變化

(2)　DO與ORP邏輯控制策略

除進流水量之日變化進行時段控制策略，亦可依據DO與ORP之水質數據進行邏輯控制，經與廠方討論後，設定控制區間擬定以DO＞4 mg/L 或ORP＞300 mV 與DO＜2 mg/L 或ORP＜200 mV並穩定1小時以上為自動關閉及開啟鼓風機的條件，作為鼓風機啟停條件。本次實驗在0:10與13:07達到設定關機條件，在4:05與16:30分別達到開機條件。在系統恢復曝氣後，其水質回復時間與前述停機實驗型態類似，大約在3小時後可恢復廠方設定水質條件，如圖5所示。

當水質參數達到設定閾值且持續一段時間後，即執行啟停控制，以避免短期波動造成誤判。實場測試顯示，透過此種控制方式，可維持系統穩定，同時降低不必要之曝氣運轉。

圖5、鼓風機邏輯控制策略之水質變化

2.　最佳化控制策略之節能分析

運用時程控制以及邏輯控制之單日累積耗電如圖6所示，與廠方進行測試既有的操作模式下，鼓風機單日累計耗電420.5度/每天為基準，時程控制以及邏輯控制分別具備節能18%與32%之潛力。如以每月實施計算，導入控制邏輯分別具備降低每月碳排放5,141與4,252 kg CO2及節省每月NT5,500與NT.9,934電費。

圖6、不同鼓風機控制策略之耗電量比較

(三) 第二年優化成果

在第一年試驗基礎上，已建立以DO與ORP為核心之曝氣控制邏輯，並驗證其具備節能與穩定操作之可行性。為進一步提升判讀精準度與節能效果，第二年針對既有監測架構進行優化，於曝氣池中段增設一組水質感測器，將原本2點監測提升為3點位（進流端、中段及出流端）配置。透過中段數據之補強，可更加完整掌握生物處理單元之沿程反應變化，避免僅依前後段判讀所產生之誤差，並提升DO與ORP交互判讀之準確性。因此，延續第一年之時段控制與邏輯控制策略，進一步優化控制條件，使曝氣操作更貼近實際需氧情形。

延續第一年所建立之曝氣控制邏輯，於第二年進一步優化多點位水質監測與控制策略，並以優化導入前後各約3週之監測數據進行比較分析，針對生物曝氣池前段、中段及後段之溶氧(DO)變化趨勢與控制行為進行系統性評估，同時分析其節能表現。

在控制策略上，係透過DO與ORP之即時監測結果，設定曝氣系統之啟停條件與運轉區間，當水質參數達到高溶氧（如DO偏高或ORP偏高）且維持一段時間時，採取「暫停鼓風機運轉」之控制方式；反之，當DO下降至設定下限或ORP顯示系統需氧增加時，則重新啟動鼓風機或提高曝氣量，使系統維持於適當供氧狀態。

整體結果顯示，在未影響生物處理效能與放流水品質之前提下，各區段之DO控制均由原本偏保守之操作模式，轉變為可隨負荷變動進行動態調整之控制行為，顯示IoT水質監測結合回饋控制策略已具備實際應用效益。

如表1所示，在前段單元方面，優化前DO變動幅度較大，且於高負荷進流條件下仍常維持偏高之溶氧濃度，顯示原控制策略以確保水質穩定為優先，存在過度曝氣情形。導入優化控制後，透過DO與ORP之交互判讀，並搭配曝氣強度調整與間歇運轉控制，使低負荷時段之DO明顯下降並貼近生物反應需求，有效降低不必要之曝氣能耗；於中段單元方面，優化前DO多維持於相對穩定但偏高之區間；優化後透過多點位監測資料之導入，使控制策略可依前段反應狀態進行即時調整，除維持合理DO範圍外，亦呈現隨負荷變動之動態調整特性，顯示系統已由固定輸出轉為具回饋控制機制之運轉模式；在後段單元方面，於污染物濃度已大幅降低之情況下，優化前仍維持較高DO水準，為典型過度曝氣區段；導入優化控制後，透過「延長低負荷時段之停機時間」與降低曝氣強度，使後段DO顯著下降並維持於接近實際需氧之範圍，為整體節能效果之主要來源。

整體而言，第二年度主要是透過DO與ORP之多參數整合判讀，並結合曝氣啟停控制與曝氣強度調整，使鼓風機運轉可隨實際需氧情形進行動態調整，達到「按需供氧」之控制目標。經優化前後比較結果顯示，鼓風機耗電量可降低約29%，在維持水質穩定與處理效能之條件下，達成顯著節能效果。

圖7、生物曝氣池各位置改善前後DO

表1、曝氣單元優化前後DO控制行為比較

四、結論

本文主要說明污水處理廠如何導入物聯網(IoT)水質感測技術之應用方式與實施步驟，並透過實場案例驗證其於節能與操作優化之可行性。研究結果顯示，透過於生物處理單元建置多點位水質感測系統，並量測溶氧(DO)與氧化還原電位(ORP)等水質測項，可有效提升對污水廠運作之掌握程度，並由傳統仰賴經驗之操作模式，轉變為以科學數據為基礎之判讀與決策機制。特別是DO與ORP之交互應用，可避免單一參數判斷所造成之誤差，提升曝氣控制之精準度與穩定性。

在實場應用方面，第一年主要透過水質感測數據之蒐集與分析，建立以DO與ORP為核心之曝氣控制邏輯，並驗證鼓風機「啟停控制」與「時段控制」之可行性，初步顯示在不影響水質條件下，具備約18%至32%之節能潛力；於第二年則進一步優化多點位水質監測架構與控制策略，透過導入中段感測資料強化系統判讀能力，並結合DO與ORP之即時回饋控制，搭配鼓風機啟停與曝氣強度調整，使曝氣系統由「固定輸出」轉變為「按需供氧」之動態運轉模式。

整體而言，本研究驗證了污水處理廠由傳統操作模式導入IoT水質感測技術之實務可行性，並顯示透過多參數監測與回饋控制機制，可有效提升能源使用效率與處理效能。未來可進一步結合人工智慧(AI)技術，發展自動化預測與最佳化控制模型，推動污水處理廠由IoT邁向AIoT之智慧化管理模式，以達成節能減碳與永續營運之目標。

參考文獻

1. Molinos-Senante, M., & Maziotis, A. (2022). Energy efficiency and productivity change in wastewater treatment plants. Water Research, 215, 118251.
2. Zib, I., et al. (2021). Carbon footprint of wastewater treatment plants: A review of operational and indirect emissions. Journal of Environmental Management, 292, 112790.
3. Liu, X., et al. (2024). Dynamic dissolved oxygen control for energy saving in wastewater treatment plants under cold conditions. Water Science and Technology, 89(3), 567–578.
4. Eureau. (2019). Europe’s water in figures: An overview of the European drinking water and wastewater sectors. European Federation of National Associations of Water Services.