-
根据《2020中国生态环境状况公报》，全国337个地级以上城市O3浓度同比下降6.8%。然而，以O3为首要污染物的大气超标天数占总超标天数比例仍高达37.1%[1]。VOCs是形成PM2.5和O3的重要前体物，也是现阶段重点区域O3生成的主控因子。在生态环境部制定的十四五目标污染物中，VOCs已替代原来的总量指标SO2。因此，为深入打好污染防治攻坚战，在强化细颗粒物(PM2.5)和臭氧(O3)协同控制的同时，还需推进VOCs减排，推动重点行业深度治理，并强化机动车的污染管控。
在我国，加油过程中油气蒸发排放量占汽车行业蒸发排放总量的20%。每年因加油过程蒸发排放导致的燃油损失约为0.26%[2]。车载加油油气回收系统(onboard refueling vapor recovery，ORVR)系统是一种可高效减少加油油气污染的控制技术。根据美国排放控制制造商协会(Manufacturers of Emission Controls Association，MECA)2020年度报告，ORVR的处理效率可达到98%。截至2019年，在美国，装配了ORVR的车辆已减少了91%加油污染物排放[3]。在我国，《加油站大气污染物排放标准》(GB 20952-2020)要求当辖区内采用ORVR的轻型汽车达到汽车保有量的20%后，油气回收系统、在线监测系统应兼容GB 18352.6要求的轻型ORVR系统[4]；《加油站油气排放控制和限值》(DB11/208-2019)规定，新、改、扩建加油站应使用与ORVR轻型汽车兼容的加油站加油油气回收系统或油气处理装置[5]。
碳罐(Carbon Canister)是ORVR的重要组成部分，能吸附和储存加油过程中产生的油气[6-7]。活性炭的性能[8-9]和碳罐结构[10-12]是影响碳罐性能的重要因素。CFD数值模拟是碳罐结构优化设计的一种方法。BAI等[13]利用Fluent建立三维碳罐模型，采用线性驱动力传热传质速率方程，研究He/CO2混合气在活性炭上的吸脱附过程，发现吸附过程应采用绝热模型。HOU等[14]采用多孔介质模型，对不同操作条件下碳罐内部流场进行数值模拟研究，吸附孔、解吸孔与大气孔间的压差不同，存在压降差异。SOU等[15]建立基于非平衡、非等温和非绝热算法的碳罐固定床系统模型，用Dubinin-Astakhov方程和拉格朗日插值多项式描述固定床中吸附传质传热过程，分析浓度、温度和压力对HC组分在活性炭中吸脱附性能的影响。黄远清等[16]将碳罐内的活性炭和无纺布定义为多孔介质，根据碳罐内的压降验证模型的准确性。翟豪瑞等[17]基于多孔介质原理，运用k-epsilon湍流模型，模拟研究11种流量下碳罐内部的通气阻抗值，分析内部流场的流动特性。李岳林等[18]将实验数据、理论计算及模拟仿真相结合，以碳罐的沿程阻力为参数，得出碳罐大气口孔径的最优取值范围。此外，活性炭吸附有机物是典型的放热过程，会导致床层温度升高，产生安全隐患。然而，目前所开展碳罐吸附过程温度场模拟的研究还较少。总体看来，国内对于ORVR碳罐的研究仍处于起步阶段，针对碳罐处理效率的研究分析仍较少。
本研究拟采用实验与数值模拟相互验证的方法，借助商业CFD数值模拟软件Ansys Fluent，建立三维非稳态计算模型，针对不同体积比的多腔体结构ORVR碳罐，分析吸附有机废气过程中温度场和浓度场的变化，以期为ORVR碳罐结构优化设计提供参考。
-
本研究根据通用汽车公司所开发的多腔体结构ORVR碳罐(图1(a))，结合模拟优化后的碳罐结构参数，利用有机玻璃制作可视化ORVR碳罐(图1(b))进行模拟研究。在同一水平高度、多腔体内分别设置温度监测口，并通过热电偶测量腔室内温度变化。
-
ORVR碳罐实验测试系统如图2所示。采用Westvaco公司WV-A1500活性炭颗粒，实验在室温下进行。反应气体积分数为15%C4H10-N2的混合气，进气口流量为2 L·min−1。采用北分BF-3420气相色谱仪，在线检测吸附前后尾气中C4H10体积分数的变化。气相色谱检测的条件：3 mm×1 m的总烃柱，FID检测器，进样口温度100 ℃，柱箱温度80 ℃，检测器温度150 ℃；氢气流量为40 mL·min−1，空气流量为300 mL·min−1，载气(氮气)流量为30 mL·min−1；定量管体积为0.1 mL。在可视化ORVR碳罐外包覆保温层，以减少床层内热量损失。每隔5 min记录3个热电偶的温度。
-
式中：ρ为流体密度，kg·m−3；t为时间，s；u、v、w分别是x、y、z方向上的流体局部速度，m·s−1；Sm为质量源项，kg∙(m3∙s)−1。
式中：cp为比热容，J∙(kg∙℃)−1；T为温度，K；k为流体传热系数，W∙(m2∙℃)−1；ST为能量源项，W∙m−3。
根据活性炭吸附正丁烷所得吸附热和一级动力学拟合方程参数[19-20]，质量源项Sm和能量源项ST可简化为式(3)和(4)。
将所建立的物理模型导入Fluent软件，通过UDF将式(3)和(4)所示Sm和ST加载到Fluent中。采用物种转移模型(Species Model)、层流模型(Laminar Model)和多孔介质模型(Porous Zone Model)；进口采用进气速度作为边界条件、出口采用压力作为边界条件、壁面设置为无滑移固壁边界。吸附器绝热，与周围环境不存在热交换。该模型为三维非稳态湍流模型，采用隐式算法进行求解。
-
可视化碳罐的尺寸见图3(a)。进口直径d1和出口直径d2均为12 mm；腔体总高度为220 mm，其中进口端气体缓冲区域高20 mm，吸附剂床层区高度为160 mm，底部缓冲区高度40 mm；2个腔体的长度分别为92 mm和55 mm。根据上述尺寸建立几何模型(图3(b))。网格疏密程度会影响计算结果的准确性和高效性。本研究利用Ansys ICEM软件划分结构化网格(见图3(c))。网格数分别为52 724、108 112、162 442和222 274。
选取ORVR碳罐出口污染物体积分数为特征量进行网格独立性验证，得到不同网格模型下的体积分数值(图4)。网格数量从1.08×105增至2.22×105，活性炭吸附饱和时间变化率低于2%。考虑到网格数对计算时间的影响，该模型在网格数1.62×105时达到计算精度要求。
-
在几何模型(图3(b))的基础上，调整碳罐的2个腔体长度L1和L2。L1与L2的比值分别为2∶1、5∶3、3∶2和1∶1。4种碳罐示意图及测温点位置如图5所示。其中，出口监测点用于气体体积分数检测，网格数约为1.6×105。
-
吸附是放热过程。随着气流中正丁烷分子移向活性炭吸附剂固体表面，正丁烷运动速度大幅降低，形成正丁烷与活性炭间的相互作用需要释放能量，故吸附热量会持续释放[21]。同时，活性炭导热系数仅有0.15~0.20 W·(m·℃)−1，吸附过程中产生的热量难以向外界空间传递，且吸附器绝热设置，会导致碳罐腔室内的热量聚集、床层温度升高。在4种模型中，床层起始温度均为室温27 ℃，各测温点的最高温度见表1。
对于容积比为2∶1、5∶3和3∶2的3个碳罐，1和2两个监测点设置在同一个腔室，距离进气位置高度一样，且到碳罐壁面的距离接近，故温度变化趋势基本一致。该条件下，腔体内最高温度值为39.5~40.9 ℃。
图6表明，吸附区域在径向和轴向均存在温度梯度，呈现越靠近中心轴床层温度越高、沿两侧温度逐渐递减的趋势。升温区域总体呈现一个椭圆形，且沿着气流方向的弧度比反向弧线更饱满。这表明进入腔室的气体流向对温度的分布有影响，气流中未被吸附的N2在流经活性炭床层时，会携带部分床层热量，气流温度升高。尤其是在左腔体中活性炭吸附饱和后，进入右腔体的气流温度高于进口温度，因此，设置在右侧窄腔体中监测点3的最高温度比对应监测点1和2高1.7~3.7 ℃。同时，在容积比为1∶1的模型中，2、3、4监测点相较于其他模型中2、3监测点距离壁面更近，故温度比监测点的1和3更低。
综上所述，容积比为5∶3时ORVR碳罐最高温度均为最小，安全性最高，故后续模拟中使用容积比为5∶3的ORVR碳罐。
-
根据上述模拟优化结果，在ORVR可视化碳罐容积比为5∶3时进行吸附过程实验(装置见图2)，3个测温点的温度如图7所示。
表2表明，3个监测点最高温度的模拟值与实验值偏差率分别为1.2%、2.1%和6.9%，其中测温点3的偏差率最高。这是由于水平方向的热效应相互重叠，其1和2测温点附近床层温度的升高也会引起3测温点处温度的变化。该结果表明两者吻合度高，也较好地验证了所建立的Fluent模型对本研究中ORVR碳罐模拟结果的可靠性与正确性。
-
在容积比5∶3的ORVR碳罐内，3个监测点的区域气流中正丁烷体积分数场的变化见图8。C4H10/N2混合气体进入碳罐后，活性炭表面吸附的正丁烷分子数量在达到吸附饱和后趋于稳定，气流中有机物与进气的体积分数接近。整个ORVR碳罐可分为饱和区、传质区和未用区，在传质区(mass transfer zone，MET)有明显浓度梯度。在活性炭吸附有机气体的过程中，活性炭的微观结构和孔径分布是影响吸附效率的主要因素[22-23]，且在本研究的模拟过程中，将活性炭物性均一简化处理。因此，虽然物理吸附过程分为3个步骤，但与孔道结构相关的内扩散在图8中并未体现，故体积分数场随气体流向基本呈现均匀降低。
另外，随着吸附过程的进行，饱和区体积增加，未吸附的活性炭所在未用区气流中有机气体的体积分数很低。最终，在整个ORVR碳罐吸附饱和穿透后，进出口体积分数基本一致。对比图6和图8发现，吸附带所处区域与高温区域的最高温区域基本重合，这也说明发生吸附的吸附带区域热效应最显著。
-
设定ORVR碳罐进、出口直径d1与d2相等，分别取值为6、8、10、12和14 mm。网格数量分别为：173 212、160 548、152 714、162 442和169 836。图9表现了5种进出口直径下出口正丁烷体积分数，吸附穿透速率接近、吸附穿透时间相差较大。吸附装置进出口直径减小会导致气体在吸附区域的分布不均匀，有效吸附活性炭的总量减少[24]。因此，当进出口直径为6 mm时，碳罐穿透时间为54.75 min，其余4个模型吸附穿透时间均为113~125 min，比其他模型缩短至少一半。同时，较小的进出口直径会导致气体在罐内线速度加快、进口压力增加、碳罐内部局部温升，从而影响碳罐安全性能及活性炭吸脱附性能[25]。因此，需增加床层温度作为结构优化的特征量。
图10为8、10、12和14 mm 4种进出口直径下碳罐3个监测点的温度变化模拟结果，表3为对应的最高温度。
各测温点温度为35.7~40.5 ℃，进出口直径14 mm的ORVR碳罐在监测点3区域温度最高为40.5 ℃，其余3种碳罐各测温点的温度各有高低。其中，进出口直径12 mm的碳罐的各测温点温度均为最低。因此，进出口直径的优化结果为12 mm。
-
采用实验和模拟相结合的方法，通过UDF将简化推导后的质量源项Sm和能量源项ST加载到Fluent的数学模型中，可有效模拟吸附过程中的传质和传热过程。所建多腔体ORVR碳罐模型，吸附过程最高温度值的的模拟值与实验值偏差率低于1%，验证了模型的准确性。以穿透时间和温度为结构优化的特征量，腔体体积比为5∶3，进出口直径为12 mm时综合性能最优。
基于三维非稳态模型的车载加油油气回收系统碳罐结构优化
Structure optimization of the carbon canister for onboard refueling vapor recovery system based on three-dimensional unsteady-state
-
摘要: 以车载加油油气回收系统(ORVR)碳罐吸附过程的传质传热过程为研究对象，以正丁烷/氮气模拟挥发油气，采用固定床吸附实验测试和CFD数值模拟相结合的方法，结合物种转移模型、层流模型和多孔介质模型，建立了三维非稳态ORVR碳罐的数值模型，以穿透时间和温度为特征量，从腔体体积比和进出口直径两个方面对其结构进行初步优化设计。结果表明，吸附过程床层温度模拟值与实验值偏差率低于7%，双腔体体积比为5∶3时，ORVR碳罐吸附过程中温度升高值相比其他结构低0.9~1.6 ℃，安全性高；进出口直径为12 mm时，在吸附穿透时间和床层温度升温方面综合性能最好。本研究可为ORVR碳罐结构优化设计提供参考。Abstract: The heat and mass transfer characteristic of carbon canister for onboard refueling vapor recovery (ORVR) was investigated using the research methods, the n-butane/nitrogen gas was used to simulate volatile oil and gas, and the three-dimensional unsteady numerical model for ORVR carbon canister was established by using the methods of fixed bed adsorption test and CFD numerical simulation combined with species transfer model, laminar flow model and porous medium model. Based on adsorption penetration time and bed temperature, the structure optimization was carried out from the aspect of cavity volume ratio, inlet and outlet diameter. The results showed that the deviation rate of the simulation value and the experimental value of ORVR bed temperature was lower than 7%. When the cavity volume ratio was 5:3, the bed-temperature value increased in ORVR carbon canister was 0.9~1.6℃ lower than other structures, thus the safety performance was high. When the inlet and outlet diameter was selected as 12 mm, it showed the best comprehensive performance in terms of adsorption penetration time and bed temperature rise during the adsorption process. This study can provide reference for structural optimization design of ORVR carbon tank.
-
已有研究[1-2]表明，生活污水中包含一定量的潜在致病微生物(大肠埃希氏菌、沙门氏菌、志贺氏菌等)。因此，在污水处理系统末端需增加消毒，处理达标之后方可排放。近2年，随着新冠疫情的全球肆虐，不同层面的生物安全问题受到了广泛关注。我国于2021年4月15日起全面实施《生物安全法》，标志着我国生物安全问题进入了依法治理的新阶段[3]。目前，我国现行城市污水生物处理过程中已全部覆盖消毒工艺。但是，对于卫生设施相对薄弱的农村地区，污水中潜在致病微生物的分布、相应污水处理设施的消毒效果等仍存在认识不清、运维不稳等问题，从而对农村地区居民身体健康及区域生态安全造成了极大的潜在风险。
截至2020年，全国共有约5.1亿农村人口，占全国总人口的36%，生活污水排放量很大，而目前针对已有农村污水处理设施的监测重点仍然为COD、NH3-N、TP等基础水质排放控制指标[4-5]。农村生活污水主要来源于厨房污水、生活洗涤污水和冲厕水等，其具有分散性强、水质水量变化大等特点；同时，我国农村区域相对城市而言，经济水平比较低。因此，成本低廉、高度集成、占地面积较小、施工工程量小、运行维护简便的小型化、装备化污水处理设施在农村地区得到广泛应用，净化槽即是其中一种[6-10]。基于其在单户或联用处理中的优势，目前净化槽已经在上海、江苏、云南、山东、黑龙江等地多数农村投入实际使用[11]。调研发现，目前市场上销售的净化槽在工艺单元是配有消毒设施的。但在实际运用中，由于消毒工艺投入成本高，投入的化学消毒试剂如次氯酸钠等在维护不当时可能会造成泄露而引起二次污染，因此，大部分农村地区一体化污水处理设备的消毒设施处于闲置状态，农村污水处理后，未经消毒就直接排放[10]。基于以上研究现状，本研究选取江苏省常熟市虞山街道(N 120°40′48″，E 31°40′48″)处理量为1 m3·d−1的一体化污水处理设施，解析不同工段潜在致病微生物的分布特征，为后续村镇小型污水处理设施运行过程中的健康风险评估研究提供参考。
1. 材料与方法
1.1 设备简介
本研究选择江苏省常熟市虞山街道(N 120°4′48″，E 31°40′48″)处理量为1 m3·d−1的一体化污水净化槽(HJA-10，江苏中车环保设备有限公司；长×宽×高=2 190 mm×1 120 mm×1 550 mm)进行研究。净化槽采用A/O处理工艺，主要由夹杂物去除槽-厌氧滤床槽-载体流动槽-沉淀槽-消毒槽处理单元组成(图1)。其中厌氧滤床槽采用PE滤料，载体流动槽即为加有曝气设施和圆球状填料的生物处理单元，消毒槽设定为添加三氯异氰尿酸消毒剂消毒。该村现有农户370多户，共计1 500余人，其中青年人(非假期外出务工、上学等)和老年人(长期在当地居住)的占比分别为60%和40%。净化槽主要收集处理村民家中排放的生活污水(厨房洗涤废水、洗漱用水、马桶废水等)，实际运行时，槽中污水依次经过夹杂物去除槽、厌氧滤床槽、载体流动槽和沉淀槽，载体流动槽出水处设有回流管，向夹杂物去除槽回流。
1.2 样品采集
样品按照《水质采样技术指导》( HJ 494-2009 ) 和《水质采样样品的保存和管理技术规定》( HJ 493-2009 ) 要求[12-13]，分别从净化槽进水口(A1)、夹杂物去除槽(A2)、厌氧滤床槽(A3)、载体流动槽(A4)、沉淀槽(A5)、出水口处(A6)、出水受纳水体(A7)，各采集1 L水样。采样容器材质为聚乙烯，容器采样前均进行灭菌处理，以满足采样需要。水样分别采集于夹杂物去除槽液面下0.8 m，厌氧滤床槽、载体流动槽、沉淀槽液面下0.3 m。各处理单元所采样品分成2份：1份于4 ℃保存，用于理化指标测定；另1份存于−20 ℃，用于微生物多样性分析。
1.3 理化指标测定
采用重铬酸钾法(HJ 828-2017)测定COD值[14]；采用纳氏试剂分光光度法(HJ 535-2009)测定NH3-N浓度[15]；采用哈希法测定TN浓度；采用重量法(GB 11901-1989)测定SS浓度[16]。
1.4 16S rDNA高通量测序
利用引物338F(5'-ACTCCTACGGGAGGCAGCAG-3')和806R(5'-GGACTACHVGGGTWTCTAAT-3')对 16S rRNA基因V3~V4 可变区进行 PCR 扩增[17-18]，产物纯化定量后通过Illumina Miseq平台进行测序。使用UPARSE软件，根据97%的相似度对序列进行聚类并剔除嵌合体，然后利用RDP classifier对每条序列进行物种分类注释，比对数据库，设置比对阈值为70%，最终生成操作分类单元(operational taxonomic unit，OTU) [19-21]。利用mothur进行微生物群落的α多样性分析，计算参数分别为Ace、Chao1、Shannon和Simpson指数。Ace和Chao1指数反映微生物种群丰度，其值越高表明微生物丰度越高；Shannon和Simpson指数反映微生物种群多样性，高Shannon指数和低Simpson指数代表高多样性，其数值受样品群落中丰度和物种均匀度的影响[22]。多样性指数根据式(1)~式(3)计算[23]。
SChao1=Sobs+n1(n1−1)2(n2+1) (1) 式中：SChao1表示估计的OTU数；Sobs表示实际测得OTU数；n1表示只含1条序列的OTU数；n2表示只含2条序列的OTU数。
DSimpson=Sobs∑i=1ni(ni−1)N(N−1) (2) 式中：Sobs表示实际测得OTU数；ni表示第i个OTU所含序列数；N表示所有序列数。
HShannon=−Sobs∑i=1niNlnniN (3) 式中：Sobs表示实际测得OTU数；ni表示第i个OTU所含序列数；N表示所有序列数。
2. 结果与讨论
2.1 一体化污水净化槽运行效果
对首次投入使用的一体化污水净化槽进行长期连续进出水水质监测，时间为200 d。结果如图2所示。运行期内，设备进水中COD值为27~537 mg·L−1，NH3-N和TN的质量浓度分别为13~174 mg·L−1和15~238 mg·L−1。50 d内，设备运行处于启动状态，COD去除效果较好， NH3-N和TN去除波动较大。随着设备的运行，在50 d后，其出水COD值稳定在(35.5±22.5) mg·L−1，NH3-N和TN的质量浓度稳定在(5±3) mg·L−1和(22±10) mg·L−1，表明该设备出水水质达到了《农村生活污水处理设施水污染物排放标准》(DB 32/ 3462-2020)[24]。
图 2 净化槽污水进、出水水质变化Figure 2. Changes of water quality of the influent and effluent in the the Johkasou在装置运行约100 d后，考察不同工段污水中NH3-N、SS质量浓度和COD值的沿程变化，结果如图3所示。沿设备运行工段流程，NH3-N、SS质量浓度和COD值均呈逐步下降趋势，NH3-N在A2、A3、A4、A5、A6单元的去除率分别为55.42%、67.47%、70.48%、92.77%、93.98%；SS在A2、A3、A4、A5、A6单元的去除率分别为54.35%、82.61%、86.30%、96.09%、96.52%；COD在A2、A3、A4、A5、A6单元的去除率分别为13.50%、32.43%、54.46%、89.19%、94.59%。以上结果表明，该设备处于长期稳定运行状态，并且不同处理单元对污染物的去除率有所不同。
图 3 污水处理过程主要污染物去除效率变化Figure 3. Changes in removal efficiency of key pollutants in wastewater treatment process2.2 一体化污水净化槽各处理单元中微生物群落多样性
采用高通量测序分别对不同处理单元中样本进行了细菌多样性分析，其中Ace和Chao1指数用来表征不同处理单元微生物种群丰度，Shannon和Simpson指数用来表征微生物种群多样性，具体结果如表1所示。由表1可以看出，A3单元Chao1和Ace值最高，分别为2 404.32和2 396.72；Shannon指数最高、Simpson指数最低，分别为5.49和0.01。在该设备中，A3单元中细菌不仅丰度最高，而且多样性也是最高的。这可能与本设备中污水的流程有密切的关系，污水经夹杂物去除槽后，首先进入厌氧滤床槽。因此，该单元有机物更为丰富，异养微生物快速繁殖，从而导致该单元细菌种类及丰度均相对较高。这一结果与前人研究结果存在一定的差异。黄潇等[22]发现，当采用多级A/O工艺处理城市污水时，最高的Shannon和Simpson指数出现在第2好氧区，这可能与工艺流程和污水来源的差异有关。
表 1 不同处理单元微生物群落丰度和多样性Table 1. Microbial community abundance and diversity in different treatment units处理单元 Ace Chao1 覆盖率/% Shannon Simpson A1 1 252.21 1 025.01 99.30 2.25 0.26 A2 1 986.92 1 965.48 98.93 4.13 0.15 A3 2 396.72 2 404.32 98.75 5.49 0.01 A4 2 260.19 2 221.75 98.95 5.01 0.02 A5 1 910.35 1 841.82 99.16 4.92 0.02 A6 2 029.49 1 981.27 98.68 5.06 0.03 | Show Table
DownLoad:
CSV
2.3 一体化污水净化槽各处理单元中的种群结构
进一步分析受纳水体和设备运行稳定状态下不同单元中细菌种群结构特征，其差异如图4所示。在门水平上，进水中Proteobacteria和Firmicutes是优势菌门，其相对丰度分别为56.21%和37.65%。随着污水流经各处理单元，这2个菌门虽然仍然处于优势地位，但其相对丰度却逐步下降。由图4可见，由A2到A5，Proteobacteria相对丰度分别为48.00%、45.33%、44.58%和41.47%。Proteobacteria在各单元中检测片段数基本不变，在A2~A5单元相对丰度降低是由于各单元其他菌门种类和丰度的增加。由A2到A5，Firmicutes相对丰度分别为15.04%、6.14%、5.21%和5.27%。A2单元Firmicutes相对丰度下降主要是由其门下Chryseomicrobium属相对丰度急降所导致；在A3~A5单元，Firmicutes所测片段数基本不变，其相对丰度变小是由各单元其他菌门种类和丰度的增加所导致。在出水中，检测到的细菌总片段变少，导致Proteobacteria相对丰度增高，此时Firmicutes门下梭菌纲丰度上升是导致Firmicutes相对丰度上升的主要原因，梭菌纲适合在氧气浓度相对较低的出水中繁殖。同时，图4中的结果也表明，进水中Bacteroidota相对丰度较低，为1.08%，但在各单元中Bacteroidota相对丰度呈现逐步升高趋势，尤其是在A4和A5单元，其相对丰度分别可达31.43%和37.42%，这与已有研究结果基本一致 [25-26]。Bacteroidota相对丰度变化主要由其门下Flavobacterium属相对丰度变化引起，Flavobacterium是一种好氧反硝化细菌，适合在含氮物质和氧气含量充足的环境中生存。 本研究中，净化槽消毒单元处于关闭状态，因此，出水中检出的细菌多样性也较高，Proteobacteria仍是优势菌门，其相对丰度为53.41%，Firmicutes、Bacteroidota、Patescibacteria、Actinobacteriota的相对丰度也分别达到了11.31%、11.73%、11.86%、4.68%。与净化槽出水相似，排水口处受纳水体中Proteobacteria也是优势菌门，相对丰度为89.09%，且Patescibacteria、Actinobacteriota相对丰度则显著降低，这可能是由受纳水体中微生物相互作用导致的。
图 4 污水处理过程和受纳水体中细菌相对在门水平的丰度变化Figure 4. Changes in the relative abundance of bacteria at Phylum level during wastewater treatment and in receiving water为了更加准确地反映净化槽不同单元和受纳水体中细菌的组成，对所选样本中细菌种群特征进行了属水平上的分析。结果如图5所示，进水中细菌种群相对简单，其中优势菌属为Paracoccus(43.31%)、Chryseomicrobium(26.00%)、Trichococcus(6.60%)和Pseudomonas(5.00%)。同样在有夹杂物的去除槽内，其细菌种群相对也较为简单，不同之处在于其优势菌属发生了明显变化，分别为Acinetobacter(38.70%)、norank_f__norank_o__norank_c__Gracilibacteria(7.54%)和Romboutsia(3.48%)。其原因可能是，在物理去除污水中较大颗粒物的同时，附着在颗粒物上的细菌也一并被去除，从而导致其优势菌属种类发生了变化。与其形成明显对比的是，A3、A4、A5单元中细菌菌属多样性明显增加，并且该3个单元中细菌相似性明显升高。除无法鉴定种类的others之外，A3单元中主要细菌菌属分别为Acinetobacter(6.38%)、norank_f__norank_o__Saccharimonadales(5.11%)、Pseudorhodobacter(4.52%)、Flavobacterium(2.85%)、Pseudomonas(1.29%)等。在A4、A5单元里，这些细菌菌属种类并未发生明显变化，但其相对丰度呈现一定差异。在A3、A4、A5单元中，Flavobacterium相对丰度呈现逐步上升趋势，分别为2.85%、18.12%、23.19%。Flavobacterium是活性污泥工艺的常见的好氧反硝化菌[27]，适合在含氮物质和氧气含量充足的A4、A5单元中生存，A3单元的厌氧环境并不适合其生存。在A3、A4、A5单元中，Acinetobacter相对丰度呈现逐步下降趋势，分别为6.38%、3.95%、0.57%。Acinetobacter是水处理过程中常见的异养硝化-好氧反硝化细菌[28]，所以在有机物质量浓度相对较低的A4、A5单元中并不利于其生长，导致其相对丰度下降。在A3、A4、A5单元中，Pseudomonas相对丰度呈现逐步下降趋势，分别为1.29%、0.83%、0.72%。有研究[29]表明，在人工湿地等脱氮除磷工艺中发现了参与有机物去除的Pseudomonas，因此，对于有机物质量浓度相对较低的A4、A5单元，Pseudomonas相对丰度可能会有所下降。与出水相比，受纳水体细菌组成出现显著变化，其中C39和Pseudomonas为主要的优势菌属，相对丰度分别为67.61%、10.21%，二者总相对丰度超过75%。
图 5 污水处理过程和受纳水体中细菌在属水平的相对丰度变化Figure 5. Changes in the relative abundance of bacteria at Genus level during wastewater treatment and in receiving water2.4 一体化污水净化槽各处理单元中潜在致病细菌种群特征
进一步深入分析本研究中一体化污水净化槽各处理单元的细菌特征，结果发现，其检出的潜在人致病性细菌种类丰富，并且各个单元的种类及含量也存在一定差异。进水中共检测到16种潜在致病细菌属， 而出水中则检出了20种潜在致病细菌属。有研究[30-39]表明，出水中检出的相对丰度较高的Klebsiella、Aeromonas、Arcobacter、Neochlamydia、Clostridium_sensu_stricto_10、Mycobacterium、Pseudomonas、Bacteroides、Acinetobacter和Flavobacterium均对人体存在潜在危害。Aeromonas hydrophila普遍存在于淡水、污水、淤泥、土壤和人类粪便中，可引起多种水产动物的败血症和人类腹泻[30]；Klebsiella pneumoniae是人类呼吸道和肠道的常居菌，可引起下呼吸道、血液、泌尿道、消化道、手术切口、颅内、皮肤软组织等多个部位感染[31]；Arcobacter skirrowii与人类和动物的腹泻、菌血症等疾病密切相关[32]；属于易引起疾病衣原体目的Neochlamydia，对人体健康也存在潜在威胁[33]；Mycobacterium tuberculosis可引起人体结核病，一种传染性疾病，主要是通过呼吸道传播，以肺结核为最多见[34]；Pseudomonas aeruginosa为假单胞菌属中最为常见的一种机会致病菌，常可引起尿路感染、烧伤创面及褥疮感染、败血症和肺部感染等[35]；Bacteroides fragilis系革兰阴性厌氧菌，由于其具有黏附性、血细胞凝集素、多糖胶囊、菌毛等多种毒力因素，在拟杆菌属中致病性最强，其可引起腹腔感染、术后伤口感染、糖尿病足感染、菌血症等[36]；Acinetobacter bamnannii是我国医院感染最主要的致病菌之一，该菌最常引起的感染为下呼吸道感染，尤其为呼吸机相关性肺炎，其次为血流感染[37]；Clostridium perfringens广泛存在于自然界及人和动物的肠道中，是近年来我国家畜“猝死症”的主要病因，可引起气性坏疽和食物中毒的主要病原菌坏死性肠炎[38]；Flavobacterium可引起肺炎，也可招致脑膜炎、败血症等感染，该菌会在机体免疫力下降时引起感染[39]。以上结果表明，当污水生物处理设施末端出水不经消毒处理时，其出水中潜在致病微生物的危害可能存在升高趋势。本研究选取了9种对人体危害性较大的致病细菌，对其在不同单元中的相对丰度变化进行了分析，结果如图6所示。不同致病细菌的变化趋势各有差异，总体可分为以下3类。
图 6 水处理过程中潜在致病菌相对丰度变化Figure 6. Changes in the relative abundance of potential pathogenic bacteria during water treatment第1种为进水中相对丰度较低，但在设备不同单元随着污水流向相对丰度逐步呈升高趋势。Aeromonas和 Klebsiella在进水中几乎未检出，但在A2、A3、A4、A5、A6的相对丰度则分别升高至0.007 4%和0.002 5%、0.15%和0.004 5%、0.066%和0.001 9%、0.37%和0.005 9%、1.26%和0.70%。Arcobacter (0.01%)和Bacteroides(0.21%)在进水中有少量检出，但在不同单元中也均呈现上升趋势，A2、A3、A4、A5、A6的相对丰度分别为0.064%和0.80%、0.047%和0.34%、0.068%和1.06%、0.069%和1.22%、0.24%和2.63%。这可能是因为Aeromonas、Klebsiella、Arcobacter、Bacteroides、Pseudomonas等菌属细菌是活性污泥中大量存在且具有降解有机污染物功能的菌属[24,29,40]。因此，相对进水而言，后续各处理单元中这些细菌的相对丰度呈现出上升趋势。
第2种为进水中相对丰度较低，但在整个水处理过程中其相对丰度呈现先上升后下降趋势。Mycobacterium(0.04%)和Neochlamydia(0.02%)在A2、A3、A4、A5、A6的相对丰度分别为0.35%和0.045%、0.78%和0.54%、0.47%和0.24%、0.41%和0.39%、0.27%和0.26%。这2种致病细菌丰度的最大值均在A3单元，可能是由于这2种细菌均属于厌氧菌，当溶解氧浓度较高时会抑制其活性，甚至会影响其生存。同样，Flavobacterium (0.04%)在A2、A3、A4、A5、A6的相对丰度也呈现出先上升后下降趋势，分别为0.10%、2.85%、18.12%、23.18%、1.32%，但下降点在A5单元，这可能因为Flavobacterium同时是一种好氧反硝化细菌[24]，在氮物质、有机物含量相对较低环境中会影响其繁殖，导致其相对丰度下降。
第3种为进水中相对丰度较低，但在整个水处理过程中呈现先上升后下降再上升趋势。Clostridium_sensu_stricto_10在进水中的相对丰度为0.06%，而在设备其他处理单元的相对丰度分别为A2(1.30%)、A3(0.85%)、A4(0.30%)、A5(0.31%)、A6(1.84%)，其相对丰度的峰值分别在A2和A6中。高通量测序结果显示，各单元检测总片段分别为38 979、40 364、44 672、51 735、50 945、36 408。分析高通量测序结果表明，A1、A2、A3、A4、A5和A6单元中Clostridium_sensu_stricto_10的核酸检出片段量分别为23、525、378、154、159、669。造成这种现象的原因可能是：在功能单元中功能菌种类和相对含量增大，而Clostridium_sensu_stricto_10较功能菌对营养物质的竞争力较小，导致相对丰度下降，但具体原因需要进一步开展研究。以上分析结果表明，无论那种类型变化趋势，其设备出水中均包含一定量的潜在致病性细菌。
3. 结论
1)所研究的一体化污水净化槽设施处理农村生活污水时，不同处理单元细菌中群结构呈现一定差异，尤其是进水、夹杂物去除槽和后续生化处理单元之间。出水中也包含多样性丰富的细菌。
2)本研究在一体化污水净化槽中共检出21种潜在致病细菌，以Flavobacterium、Pseudomonas等为主。值得注意的是，在其出水中存在20种潜在致病细菌，并且有9种优势潜在致病细菌的相对丰度较进水存在明显升高现象。
-
图 2 ORVR碳罐实验测试系统示意图
Figure 2. Schematic diagram of the ORVR carbon tank experimental test system
图 3 ORVR碳罐几何模型与网格划分
Figure 3. Geometric model and mesh generation of ORVR carbon canister
图 5 4种不同容积比ORVR碳罐及测温点分布图
Figure 5. Distribution of monitoring points of four different volume ratio ORVR carbon canisters
图 6 4种不同容积比ORVR碳罐测温点温度云图
Figure 6. Temperature contours of monitoring points in ORVR carbon canisters with different volume ratios
图 7 ORVR碳罐3个监测点的温度曲线(容积比为5∶3）
Figure 7. Temperature curves of three monitoring points of ORVR carbon canister
图 8 监测点1、2和3区域气流中正丁烷浓度云图
Figure 8. N-butane concentration contours at monitoring points 1,2 and 3
图 9 不同进出口直径下ORVR碳罐出口正丁烷体积分数变化
Figure 9. Change of n-butane volume fraction at the exit of ORVR carbon tank under different inlet and outlet diameters
图 10 不同进出口直径下ORVR碳罐监测点的温度变化
Figure 10. Temperature curves of monitoring points for ORVR carbon canisters with different diameter
表 1 不同容积比的ORVR碳罐各监测点最高温度值
Table 1. The highest temperature values of each monitoring point of ORVR carbon canister with different volume ratio
容积比 监测点1/℃ 监测点2/℃ 监测点3/℃ 监测点4/℃ 2∶1 37.1 36.6 40.5 — 5∶3 36.2 35.7 39.3 — 3∶2 37.2 36.9 40.9 — 1∶1 34.9 34.9 39.1 39.1
下载: 导出CSV
表 2 3个监测点最高温度的模拟值与实验值
Table 2. Simulated and experimental values of maximum temperature at three monitoring sites
监测点位 模拟值/℃ 实验值/℃ 偏差率% 监测点1 36.2 36.65 1.2 监测点2 35.7 36.45 2.1 监测点3 39.3 36.75 6.9
下载: 导出CSV
表 3 不同进出口直径下ORVR碳罐3个监测点的最高温度值
Table 3. Maximum temperature values of three monitoring points for ORVR carbon canisters with different diameter
进出口直径d/mm 监测点1的最高温度/℃ 监测点2的最高温度/℃ 监测点3的最高温度/℃ 8 36.8 36.7 39.7 10 37.2 36.6 39.5 12 36.2 35.7 39.3 14 36.8 36.5 40.5
下载: 导出CSV
-
[1] 中华人民共和国生态环境部. 2020中国生态环境状况公报[R/OL]. (2021-05-26).https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202105/P020210526572756184785.pdf. [2] 胡玮, 任碧琪, 黄玉虎, 等. 国内外储油库 VOCs 排放现状与标准分析[J]. 环境科学, 2020, 41(1): 139-145. [3] Refueling vapor recovery: A history of U. S. experience with ORVR and stage II, a discussion on refueling emission generation and emissions from gasoline dispensing facilities, and a synopsis of ORVR and stage II implementation, in-use efficiency, and costeffectiviness [R]. Manufacturers of Emission Controls Association (MECA). 2020.01. cms. meca. org/resources/Refueling_Vapor_Recovery_WhitePaper_Final. pdf. [4] 中华人民共和国生态环境部, 中华人民共和国国家市场监督管理总局. 加油站大气污染物排放标准: GB 20952-2020 [S/OL]. (2020.12. 28).https://www.mee.gov.cn/ywgz/fgbz/bz /bzwb/dqhjbh/dqgdwrywrwpfbz/202012/t20201231_815640.shtml. [5] 北京市生态环境局, 北京市市场监督管理局. 加油站油气排放控制和限值: DB11/208-2019, [S/OL]. 2019.06. 13,http://sthjj.beijing.gov.cn/eportal/fileDir/bjhrb/resource/cms/2019/06/ 2019062117120472837.pdf. [6] 朱玲, 陈家庆, 王耔凝. 车载加油油气回收ORVR系统应用进展[J]. 油气储运, 2015, 34(5): 469-476. doi: 10.6047/j.issn.1000-8241.2015.05.003 [7] 陈家庆, 朱玲. 油气污染排放与控制技术[M]. 北京: 中国石化出版社, 2010. [8] 宫徵羽, 王春雨, 赵飞, 等. 酸碱盐改性对活性炭吸附油气特征的影响[J]. 环境工程学报, 2020, 14(5): 1276-1285. doi: 10.12030/j.cjee.201907124 [9] 许伟, 刘军利, 应浩, 等. 磷酸活化提升丁烷工作容量并制备高性能汽车碳罐用活性炭[J]. 环境工程学报, 2021, 15(6): 1946-1955. doi: 10.12030/j.cjee.202004088 [10] 李海亮. 国六碳罐设计简述[J]. 汽车实用技术, 2018(1): 41-44. doi: 10.16638/j.cnki.1671-7988.2018.01.014 [11] 何彦彬, 李长江. 国Ⅵ法规下的碳罐设计[J]. 汽车工程师, 2018(1): 37-40. doi: 10.3969/j.issn.1674-6546.2018.01.010 [12] 陈婷, 倪红, 谷雪景, 等. 中国移动源下阶段排放法规综述和分析[J]. 内燃机工程, 2018, 39(6): 24-30. [13] BAI X. Multi-dimensional CFD simulation of adsorption/desorption processes in carbon canister[J]. Dissertation Abstracts International, 2004, 1539: 129-132. [14] HOU X, XIN L, LIU Z, et al. Flow field simulation and experimental evaluation of carbon canister based on FLUENT[C]. International Conference on Computational Intelligence & Software Engineering. IEEE, 2010. [15] LIN J S, DONG M, ALI S, et al. Vehicular emission performance simulation[C]. SAE World Congress & Exhibition. 2012. [16] 黄远清, 王斐. 碳罐内通气阻力的数值模拟[J]. 北京汽车, 2013(6): 32-35. doi: 10.3969/j.issn.1002-4581.2013.06.009 [17] 翟豪瑞, 葛晓宏, 陈长秀, 等. 基于Moldex3D碳罐本体优化分析及模具设计[J]. 模具工业, 2018, 44(1): 40-45. doi: 10.16787/j.cnki.1001-2168.dmi.2018.01.010 [18] 李岳林, 何兴, 吴钢, 等. 车辆活性碳罐三维数值模拟研究[J]. 汽车工程学报, 2012, 2(6): 424-430. doi: 10.3969/j.issn.2095-1469.2012.06.05 [19] ZHAO F, ZHU L, WANG Z Z, et al. Experimental and numerical investigation of the mass and heat transfer processes of n-Butane adsorption on activated carbon[J]. ACS Omega, 2021, 6(27): 17162-17172. doi: 10.1021/acsomega.0c06273 [20] 周日峰, 石基弘, 刘全祯, 等. 活性炭吸附甲烷和甲苯的分子模拟研究[J]. 过程工程学报, 2018, 18(S1): 97-102. doi: 10.12034/j.issn.1009-606X.20180074 [21] 李树刚, 白杨, 林海飞, 等. CH4, CO2和N2多组分气体在煤分子中吸附热力学特性的分子模拟[J]. 煤炭学报, 2018, 43(9): 2476-2483. [22] LI X Q, ZHANG L, YANG Z Q, et al. Adsorption materials for volatile organic compounds (VOCs) and the key factors for VOCs adsorption process: A review[J]. Separation and Purification Technology, 2020, 235: 116213. doi: 10.1016/j.seppur.2019.116213 [23] ZHANG X Y, GAO B, ANNE E C, et al. Adsorption of VOCs onto engineered carbon materials: A review[J]. Journal of Hazardous Materials, 2017, 338: 102-123. doi: 10.1016/j.jhazmat.2017.05.013 [24] 史怡坤, 李瑞江, 朱学栋, 等. 真空变压吸附制氧径向流吸附器的流动特性模拟[J]. 过程工程学报, 2021, 21(1): 19-26. doi: 10.12034/j.issn.1009-606X.220029 [25] 郑新港, 刘应书, 杨俊峰, 等. 基于计算流体力学的吸附过程模拟研究[J]. 北京工业大学学报, 2012, 38(1): 145-150. -
点击查看大图
计量
- 文章访问数: 3667
- HTML全文浏览数: 3667
- PDF下载数: 77
- 施引文献: 0
