第一作者：尚振欣
通讯作者：刘佳、蔡辰
通讯单位：同济大学碳中和研究院、环境科学与工程学院
DOI：https://doi.org/10.1021/acsestengg.5c00834
■ 全文速览
面向气候变化驱动的环境扰动背景下，污水处理系统减污与控碳协同评价的需求，提出一种将进水时间自相关分析纳入减污降碳协调性评估的框架。该框架以灰水足迹削减效率与碳排放强度构建耦合协调度指标，并以自相关系数刻画进水波动的持续性与累积效应，同时结合自回归情景生成与多任务全连接神经网络实现协同水平与稳定性的动态评估。该框架在四座全规模污水厂的1461天运行数据上验证，结果显示先进工艺整体协调水平更高，并指出进水时间自相关性是协同稳定性的主导因素，结合碳-污的权重变化分析，最佳稳定性表现对应ACC介于−0.1至0.2的情景。
■ 研究背景
污水处理系统在保障公共健康与水环境质量的同时，也伴随显著温室气体排放与能源消耗。污水处理系统约占全球人类源碳排放的1%–2%，约占人类源N₂O排放的4%，并消耗全球约3%–5%的电力供应。近年来极端降雨或干旱等气候事件显著强化了污水处理系统的进水水量和水质波动，从而影响污水厂运行、能耗与排放表现，污水厂面临同时实现减污与控碳的双重约束。现有水能碳相关评价多采用静态指标，往往将外界扰动视为孤立事件，难以表征多重扰动的累积与持续影响，同时也缺少针对多目标协同效应的量化与稳定性评估工具，难以满足气候变化情景下韧性基础设施的设计与管理需求。因此，作者引入时间自相关分析以刻画进水波动持续性，并将其与协同评价与情景模拟耦合，形成动态稳定性评价路径。
■ 本文亮点
（1）提出以灰水足迹削减效率与碳排放强度为核心的耦合协调度指标，用于定量表征减污与控碳的协调水平，避免单目标或简单加权导致的补偿性偏差。
（2）将自相关系数作为关键参数，用于表征进水波动的持续性与累积效应，从而把“记忆效应”显式纳入协同绩效与稳定性分析。
（3）构建“自回归情景生成 + 多任务全连接神经网络”的集成方法，实现不同自相关强度下协同水平的预测与稳定性评估。
■ 图文解析
（1）基线工况下减污与控碳的权衡及协同水平
四类工艺在减污与控碳两端难以同时达到单指标最优，但在综合协同意义下，先进工艺表现更突出。在等权基线情景下，CASS与A2/O-MBR的平均CCD约为0.65与0.64，显著高于OD与A2/O约0.57至0.59的水平，说明提高工艺可控性与运行复杂度有助于在减污与控碳之间实现更高质量的协同优化。讨论进一步指出，随着评价取向由偏控碳逐步转向偏减污，四厂平均CCD均呈持续下降，同时稳定性劣化，变异系数CV整体上升，其机制来自GWFRE波动性显著高于CEI且CEI均值相对更高，权重迁移会重塑综合指标的均值与方差结构，从而放大协同序列的不稳定性。
Figure 1. (a) Box plot of daily Grey Water Footprint Reduction Efficiency (GWFRE). (b) Component-wise breakdown of daily average Carbon Emission Intensity (CEI). (c) Box plot of daily Coupling Coordination Degree (CCD) in benchmark scenario (equal weighting). (d) Influence of the GWFRE weight on CCD: solid lines show the average CCD (left axis) and dashed lines show its Coefficient of Variation (right axis)
（2）时间自相关对协同分布与高协同天数的影响
进水时间自相关会显著改变协同表现的分布形态与可维持水平。强自相关情景ACC = ± 0.8会使CCD分布明显变宽，而ACC = 0时更集中。在1461天模拟中，A2/O-MBR与CASS能够在CCD大于0.6的高协同状态下维持超过1100天，而OD与A2/O不足800天，显示先进工艺在高协同维持能力上具有优势。进一步的讨论强调，当ACC由0偏移至± 0.8时，各厂高协同天数均出现下降，最大降幅可达约27%，并且CASS在ACC = 0且历史相关结构下仍有约94%的CCD落在Primary Coordination区间，反映其协同表现兼具高水平与高稳定性。
Figure 2. (a) The daily Coupling Coordination Degree (CCD) under different scenarios: historical Spearman Correlation Coefficient (SCC) matrix and Autocorrelation Coefficient (ACC) values of -0.8, 0, 0.8. Red asterisks indicate significant differences relative to the OD process; blue asterisks indicate significant differences relative to the ACC = 0 scenario within the same wastewater treatment plant (WWTP) (p-value: *** < 0.001; T-test). (b) Number of days on which CCD exceeds 0.6 for each scenario. (c) Cumulative distribution functions of CCD for the historical SCC matrix and ACC = 0 scenario. (d) Proportional distribution of CCD levels in the same scenario.
（3）权重与自相关耦合下的稳定性最优区间
协同稳定性由权重取向与时间自相关共同驱动，且存在跨工艺一致的最优窗口。总体规律是，当ACC处于弱自相关区间，约在−0.1至0.2，同时权重处于中等范围时，CCD序列CV达到最低，稳定性最优。尽管共同趋势明确，不同工艺的最优权重位置存在差异，例如A2/O的最低CV可达0.030，而A2/O-MBR的最低CV约为0.063且更偏向控碳导向权重，这与其对持续性进水模式更敏感的特征一致。讨论进一步以定量证据指出，ACC从0偏移到±0.8会引起CV上升约34%至68%，并形成工艺敏感性排序，A2/O-MBR最高、OD次之、CASS再次、A2/O最低，说明膜处理系统虽具较高基线协同水平，但对持续性扰动更脆弱，技术部署与权重设定需要同时考虑预期进水持续性特征。
Figure3. Contour heat map of the coefficient of variation (CV) for the CCD series as a joint function of the GWFRE weight (W weight in CCD) and the influent autocorrelation coefficient (ACC) for the four WWTPs.
■ 结论展望
本文提出了融合时间自相关分析与减污降碳协调性评价的新型框架，通过AR(1)情景生成与多任务FCNN预测实现对不同进水持续性条件下协同水平与稳定性的动态评估。验证结果表明，进水时间自相关性是协同稳定性的主导因素，ACC介于−0.1至0.2时表现最优。膜处理系统尽管基准协同水平较高，但对持续性进水模式更为脆弱，框架可通过等值线分析识别工艺特异的优化区并支持与区域政策权重匹配的技术选择。
在未来研究与工程实践方面，作者提出可通过管网水力缓冲与分布式调蓄削弱不利的自相关模式，并在技术部署时将预期自相关特征与传统性能指标并行纳入决策；在外推到干旱或温带大陆性气候等不同区域时，可通过重标定自相关参数实现框架迁移而不改变核心结构。作者同时指出该框架依赖至少一年以上的历史数据用于神经网络训练，未来可探索迁移学习或引入机理约束的混合方法以降低数据需求，从而在气候波动强化背景下为韧性污水处理系统设计提供量化决策支撑。