-
近20年来,我国在城镇水环境卫生方面取得了长足发展。截至2019年底,用于污水处理及其再生利用的市政公用设施建设投资已接近每年1 000亿元,较20年前翻了近10倍;全国城镇污水处理厂总数也由2000年初的481座增加至4 140座,并仍以每年约5%的增速增长[1]。然而,国内污水处理体量的迅猛提升并不代表污水处理技术水平的快速提高。随着国家/地方污水排放标准日益收紧,国内老旧污水处理厂普遍遇到稳定达标难、能耗药耗高等运营技术问题[2-3]。
基于活性污泥模型(activated sludge model,ASM)的生物建模技术经过30余年的发展,在国内已逐步应用于工程领域[4]。在污水厂运营优化方面,郝晓地等[5]利用代尔夫特-活性污泥联合代谢模型(TUD-ASM Model)模拟对比了UCT(University of Cape Town)工艺的优势,结果表明,在国内污水厂升级改造时通过强化反硝化除磷菌(Denitrifying Phosphorus removal Bacteria)的作用可实现碳源与除磷药剂的节省。郝二成等[6]利用GPS-X软件成功构建了大连某污水处理厂UCT工艺数学模型,模拟结果可为该厂运行优化提供曝气与加药控制方案,以实现节能降耗。然而,国内的模型研究仍以数据分析和理论探索为主,缺少应用型案例及对相关模拟结论的试验与验证,导致生物模型用于解决我国污水处理厂实际运营技术问题的经验不足,故国内亦尚未形成成熟的生物建模技术应用标准。
本研究以泗县污水处理厂改良型氧化沟工艺为案例,利用经过实践检验的系统性三步数据清洗方法完成了全厂生物建模与模型校正,结合模型校正参数实现了对污水处理厂的问题诊断,最后利用校正后的模型完成技术优化方案比选。通过实时跟踪改造效果,完成了模拟优化方案验证,以期为生物建模技术在国内污水处理厂问题诊断与运行优化应用中提供参考。
生物建模在污水处理厂问题诊断与运行优化中的应用
Application of biological modeling in problem diagnosis and operation optimization of wastewater treatment plants
-
摘要: 为应对国内污水处理厂普遍遇到的稳定达标难、能耗药耗高等运营技术问题,以泗县污水处理厂改良型氧化沟工艺为案例,利用系统性三步数据清洗方法,基于Biowin-ASDM模型完成了全厂生物建模与模型校正。校正后的模型可识别污水处理厂常规工况下的运行问题,基于生物模型提出的运行优化方案切实可行。该方法仅通过常规运行参数的原位调整,即可在出水稳定达标的前提下,进一步实现污泥脱水药剂减量使用,平均每日药剂投加量环比节省至少46%,生产电耗节省至少840 kW·h·d-1。该案例可为生物建模在国内污水处理厂问题诊断与运行优化应用中提供参考。Abstract: To address the difficulty in meeting effluent discharge standard stably, high energy consumption, and high chemical dosage of domestic wastewater treatment plants, a case study of improved oxidation ditch process of Sixian wastewater treatment plant (WWTP) is carried out. The modeling procedure and model calibration of the WWTP are completed based on the Biowin-ASDM model by applying the systematic three-step data cleaning method. Benefited from the reliable biological modeling technology, the calibrated model can correctly identify the operation problems of WWTP under normal conditions, and the operation optimization plan based on the biological model is feasible. Only through in-situ adjustment of operational parameters, the consumption of sludge dewatering chemicals can be saved up to 46% and the reduction of power consumption is over 840 kW·h·d−1, both on the basis of providing stable effluent quality. The practical application results show that the biological modeling has guiding significance in the problem diagnosis and operation optimization of domestic WWTPs.
-
表 1 实验室2019年历史进水化验数据
Table 1. Laboratory data of historical influent in 2019
季度 月份 COD/
(mg·L−1)氨氮/
(mg·L−1)总氮/
(mg·L−1)总磷/
(mg·L−1)一季度 1 152 22.4 30.2 3.40 2 166 25.3 32.9 3.56 3 189 26.7 32.9 2.99 二季度 4 176 24.4 29.9 2.71 5 170 32.6 38.2 3.90 6 206 27.7 32.0 3.66 三季度 7 194 26.8 32.9 4.01 8 124 19.4 26.7 2.45 9 157 30.8 38.5 3.32 四季度 10 143 30.9 39.6 2.88 11 168 32.2 39.4 2.96 12 156 26.6 34.7 2.96 表 2 物料平衡校核结果
Table 2. Mass balance calculation results
物料项目 原始值/(m3·d−1) RSD 修正值/(m3·d−1) 修正系数 修正方法 混合进水 37 757 8.21% 38 829 +2.83% 平衡值 总进水 − − 38 200 − 计算值 总出水 35 325 6.92% 38 189 +8.11% 计算值 进水(二期) 15 353 7.45% 17 000 +10.73% 平衡值 脱水泥量 13.7 40.46% 14 +2.19% 平衡值 剩余污泥量(一期) 131.5 105.83% 243 +84.79% 平衡值 剩余污泥量(二期) 139.2 123.04% 167 +19.97% 平衡值 污泥回流量(一期) − − 31757 − 计算值 污泥回流量(二期) 25 468 11.58% 26 833 +5.36% 平衡值 内回流量(一期) − − 52 000 − 计算值 内回流量(二期) − − 25 000 − 计算值 氧化沟内循环量(一期) − − 450 000 − 计算值 氧化沟内循环量(二期) − − 360 000 − 计算值 进脱水机泥量 − − 128 − 计算值 反冲洗水量 − − 231 − 计算值 脱水机脱水液 − − 115.9 − 计算值 除磷剂 1.44 14.05% 1.44 0% 测量值 碳源药剂 0.48 62.37% 0.48 0% 测量值 表 3 污泥组分修正结果
Table 3. Correction results of sludge composition
指标名称 样品名称 测量值/(g·g−1) 修正系数 修正值 国外参考标准范围[15] VSS/TSS 曝气池(一期) 0.284 +15.14% 0.327 0.71~0.82 VSS/TSS 剩余污泥(一期) 0.366 −10.66% 0.327 0.71~0.82 VSS/TSS 曝气池(二期) 0.280 +12.14% 0.314 0.71~0.82 VSS/TSS 剩余污泥(二期) 0.330 −4.84% 0.314 0.71~0.82 CODX/VSS 曝气池(一期) 2.08 −13.40% 1.80 1.32~1.42 CODX/VSS 剩余污泥(一期) 1.29 +39.53% 1.80 1.32~1.42 CODX/VSS 曝气池(二期) 2.24 −18.30% 1.83 1.32~1.42 CODX/VSS 剩余污泥(二期) 1.61 −13.66% 1.83 1.32~1.42 TKNX/CODX 曝气池(一期) 0.060 +3.38% 0.062 0.05~ 0.08 TKNX/CODX 剩余污泥(一期) 0.062 −0.76% 0.062 0.05~ 0.08 TKNX/CODX 曝气池(二期) 0.060 +4.04% 0.062 0.05~ 0.08 TKNX/CODX 剩余污泥(二期) 0.062 −0.579 0.062 0.05~ 0.08 TPX/CODX 曝气池(一期) 0.0333 +15.3% 0.038 4 0.035~0.055 TPX/CODX 剩余污泥(一期) 0.0380 +1.05% 0.038 4 0.035~0.055 TPX/CODX 曝气池(二期) 0.0308 +27.60% 0.039 3 0.035~0.055 TPX/CODX 剩余污泥(二期) 0.0360 +9.27% 0.039 3 0.035~0.055 表 4 校正参数表
Table 4. Calibration parameter table
校正参数名称 参数类型 参数描述 校正原因 校正值 缺省值 单位 FUP 水质特征 惰性颗粒COD 拟合污泥产量 0.18 0.13 g·g−1 FUS 水质特征 惰性可溶COD 拟合出水COD 0.09 0.05 g·g−1 INOHO 计量学 OHO中N 拟合污泥N组分 0.06 0.07 mg·mg−1 INEND 计量学 内源产物中N 拟合污泥N组分 0.06 0.07 mg·mg−1 XI∶VSS 计量学 惰性颗粒COD与VSS质量之比 拟合污泥TSS平衡 2.35 1.6 g·g−1 XS∶VSS 计量学 可降解颗粒COD与VSS质量之比 拟合污泥TSS平衡 1.05 1.6 g·g−1 KPFe 计量学 化学沉淀物中[Fe]∶[P] 拟合出水PO4浓度 2.10 1.6 mol·mol−1 μA 动力学 AOB最大比增长速率 拟合出水NH3浓度 0.95 0.9 mg·L−1 $K_{{\rm{HO}}_2} $ 动力学 OHO对DO半饱和系数 拟合TN平衡 0.30 0.15 mg·L−1 $K_{{\rm{NO}}_2} $ 动力学 NOB对DO的半饱和系数 拟合出水NO2浓度 0.25 0.5 mg·L−1 αF 动力学 氧气传质效率 拟合DO梯度 0.65 0.5 − 表 5 污染物去除率的实际值与模拟结果对比
Table 5. Comparison of simulation results
数据来源 指标 实际值 模拟值 误差 一期 TSS 93.9% 97.2% 3.3% TCOD 87.3% 88.6% 1.3% TN 77.5% 76.1% −1.4% TP 91.6% 92.0% 0.4% 二期 TSS 89.8% 92.3% 2.5% TCOD 81.9% 86.4% 4.5% TN 68.6% 68.9% 0.3% TP 81.7% 82.9% 1.2% 全厂 TSS 93.6% 96.5% 2.9% TCOD 87.3% 88.4% 1.1% TN 74.1% 73.1% −1.0% TP 89.3% 90.2% 0.9% 表 6 生物模型工艺参数分析
Table 6. Analysis of process parameters of the biological model
参数名称 单位 一期 二期 氧化沟设计参考值 AAO设计参考值 污泥负荷(以BOD5计) kg·(kg·d)−1 0.032 0.027 0.03~0.08 0.1~0.2 容积负荷(以BOD5计) kg·(m3·d)−1 0.16 0.14 0.2~0.4 1.0~1.8 污泥质量浓度 mg·L−1 4 843 5 265 2 500~4 500 2 500~4 500 反应区容积比 − 1∶2∶8 1∶2∶6 − 1∶1∶5 生化池总容积 m3 12550 13320 污泥龄 d 18.4 28.5 >15 10~20 处理水量分配 % 55.5 44.5 污泥回流比 % 125 160 50~100 内回流比 % 230~280 140~200 200 沟内流速 m·s−1 0.21 0.16 0.25 表曝机功率 kW 40 45 -
[1] 中华人民共和国住房和城乡建设部. 2019年城市建设统计年鉴[R/OL]. [2021-01-20]. 2020http://www.mohurd.gov.cn/xytj/tjzljsxytjgb/index.html. [2] 石岩, 郑凯凯, 邹吕熙, 等. 城镇污水处理厂总氮超标逻辑分析方法及应用[J]. 环境工程学报, 2020, 14(5): 1412-1420. doi: 10.12030/j.cjee.201811049 [3] 柳蒙蒙, 陈梅雪, 齐嵘, 等. 面向寒冷地区城镇污水处理厂提标改造的ASM模拟优化及其应用[J]. 环境工程学报, 2020, 14(4): 1119-1128. doi: 10.12030/j.cjee.201906060 [4] 郝晓地. 可持续污水-废物处理技术[M]. 北京: 中国建筑工业出版社, 2006: 292-308. [5] 郝晓地, 李天宇, 吴远远, 等. A2/O工艺用于污水处理厂升级改造的适宜性探讨[J]. 中国给水排水, 2017, 33(21): 18-24. [6] 郝二成, 郭毅, 刘伟岩, 等. 基于数学模拟的污水厂运行分析: 控制与优化[J]. 中国给水排水, 2020, 36(17): 23-29. [7] 马昭, 刘玉玲, 杨侃, 等. 基于BioWin软件对A2/O工艺的模拟与优化[J]. 环境工程学报, 2015, 9(10): 4803-4810. doi: 10.12030/j.cjee.20151029 [8] 陈浩林, 彭轶, 安东, 等. 基于BioWin软件对多级A/O工艺的运行优化[J]. 中国给水排水, 2020, 36(19): 60-66. [9] ELAWWAD A, MATTA M, ABO-ZAID M, et al. Plant-wide modeling and optimization of a large-scale WWTP using BioWin's ASDM model[J]. Journal of Water Process Engineering, 2019, 31(1): 100-108. [10] 吴远远, 翟学棚, 林甲, 等. 基于生物模型评估超磁分离在生活污水处理厂预处理中的技术有效性及经济性[J]. 环境工程学报, 2021, 15(9): 3149-3157. doi: 10.12030/j.cjee.202008120 [11] 李天宇, 吴远远, 郝晓地, 等. 数据清洗对污水处理厂生物建模可靠性影响研究[J]. 环境科学学报, 2020, 40(9): 3298-3310. [12] RIEGER L, TAKÁCS I, VILLEZ K, et al. Data reconciliation for wastewater treatment plant simulation studies-planning for high-quality data and typical sources of errors[J]. Water Environment Research, 2010, 82(5): 426-433. doi: 10.2175/106143009X12529484815511 [13] 曹业始, 郑兴灿, 刘智晓, 等. 中国城市污水处理的瓶颈、缘由及可能的解决方案[EB/OL]. [2020-09-03]. https://kns.cnki.net/kcms/detail/11.2286.t.20200902.1535.002.html. [14] HENZE M, VAN LOOSDRECHT M C M, AKAMA G A, et al. Biological wastewater treatment principles, modelling and design principles, modelling and design[M]. London: IWA Publishing, 2008: 33-52. [15] MEIJER S C F, BRDJANOVIC D. A Practical Guide to Activated Sludge Modelling[M]. Delft: UNESCO-IHE, 2012: 141-142. [16] MEIJER S C F, VAN KEMPEN R N A, APPELDOORN K J, et al. Applications of Activited Sludge Models[M]. London: IWA Publishing, 2015: 77-128. [17] LEE S, RAO S, KIM M J, et al. Assessment of environmental data quality and its effect on modelling error of full-scale plants with a closed-loop mass balancing[J]. Environment Technology, 2015, 36(24): 3253-3261. doi: 10.1080/09593330.2015.1058859 [18] 李亮, 邱宏俊. 改良A2/O氧化沟强化生化处理技术用于污水厂提标改造[J]. 中国给水排水, 2020, 36(20): 124-128. [19] 王佳, 荣宏伟, 肖冠勋, 等. 深圳某水质净化A/A/O微曝氧化沟深度脱氮除磷工艺效果分析[J]. 环境工程学报, 2020, 14(10): 2837-2842. doi: 10.12030/j.cjee.201911183 [20] 高颖, 袁林江, 吕景花. 铁盐化学除磷对活性污泥生物除磷系统的影响[J]. 环境工程学报, 2016, 10(10): 5366-5372. doi: 10.12030/j.cjee.201602125 [21] 阳君. 带导叶离心泵非定常流动对特性曲线驼峰的影响[D]. 镇江: 江苏大学, 2014.